安全是铁路运营永恒的话题,信号系统作为铁路系统运行控制的核心,在保障列车安全和高效运行中具有重要地位。随着我国铁路日发送旅客数量日益增长,信号系统设备工作压力日渐增大,如何能够通过高效的运营维护策略保障信号系统的设备正常运转,成为了目前亟待解决的问题。随着信号系统监测技术的发展,生成的监测数据越来越具有大数据特点,信号系统运营数据尚未得到充分利用,如何利用系统在运营过程中的实际监控数据产生设备级和系统级的故障状态信息,是至关重要的问题。另外,如何通过合理的数据模型对设备进行实时风险等级评价也是将设备安全风险信息融合到设备维护策略之中的技术前提。本文依据信号系统监测数据具有单一数据文件小而整体数据文件量级大的特点,将大数据分析技术与信号系统安全风险评估相结合,实现大数据风险分析技术针对信号系统设备的应用。同时结合系统安全风险等级数据和原有设备维护策略,确定基于风险评估的运营维护策略。本论文的主要研究内容和成果如下:首先,依据信号系统监测数据包含大量小数据文件的特点,基于现有MapReduce运算框架提出了结合SequenceFiles方法的FP-Growth算法,将大量小文件合并为顺序文件,消除内存占用高、计算性能低和数据传输耗时长等固有缺陷,提升数据分析效率。其次,提出基于安全风险模型的维护策略优化方法,利用历史风险数据与运营数据建立数据模型,结合优化的FP-Growth算法进行关联规则挖掘,依据得出的关联规则数学模型计算设备动态安全风险等级,实现了安全风险等级对原有维护策略的优化。最后,对此基于大数据分析方法的维护策略制定方案进行实际应用和实践,选取道岔转辙机的历史运营数据、维护数据和环境数据作为输入数据,利用大数据分析平台进行关联规则挖掘,获取数据模型,运算实时安全风险信息,对现有维护策略进行优化,通过分析案例中对基于风险的维护策略在降低维护次数提升维护效率上的效果,验证了方法的可行性。