3. 轨检车检测数据预处理基础

轨检车在运行中连续采集轨道几何、里程、速度、超限报警等多源数据，原始记录往往夹杂着停车段重复采样、传感器瞬时跳变、里程累计误差、不同采样率通道难以逐点对应等问题。若直接把这些原始数据送入超限判定或质量统计，很容易把一次电磁干扰误判为真实轨道病害，或把同一处病害重复计数。因此，预处理不是可有可无的“清洗一下”，而是决定后续分析结论是否可信的第一道关口。本节围绕数据清洗、缺失值与异常值识别、数据对齐与重采样、预处理流程设计四个环节展开，并给出一个可操作的案例。

一、数据清洗：先解决“记录本身不干净”的问题

清洗针对的是记录层面的明显缺陷，而不是数值层面的异常。常见情形包括：轨检车在车站或区间停车时，同一里程被反复记录，形成大量重复行；某通道因通信中断出现整段空值；里程字段因轮径磨耗或滑行出现跳变、回退；文件头尾存在无效的引导行或截断行。处理思路是先按“里程+采集时刻”去重，保留首次或质量标志最优的一条；再剔除里程单调性被破坏的记录段；对文件边界做完整性检查，确认首尾里程与运行交路一致。清洗阶段的原则是“只删明显错误、不轻易改数值”，任何删除都应记录删除条数与里程范围，便于回溯。

二、缺失值与异常值识别：区分“没有数”和“数不对”

缺失值表现为空字段或约定哨兵值（如 -9999）。识别容易，难点在处置：短缺口（例如连续少于 5 个采样点）可用线性插值或前值保持补齐；长缺口应标记为无效段，不参与统计，而不是强行填补，否则会平滑掉真实病害。异常值则要结合轨道几何的物理约束判断，常用三类判据：一是阈值判据，如轨距偏差绝对值超过设定限值；二是变化率判据，相邻采样点差值超过合理梯度，多为传感器跳变；三是统计判据，用滑动窗口的中位数与绝对偏差（MAD）识别离群点，比均值标准差更抗干扰。需要强调，超限报警本身可能就是真实病害，异常值识别只能标记“疑似”，最终需结合波形连续性和里程邻近点复核，不能一律剔除。

三、数据对齐与重采样：让多通道“站在同一把尺子上”

轨检车各通道采样率并不一致，几何通道常按 0.25 m 等间距采样，速度、报警等通道可能按时间或事件触发。对齐的核心是建立统一里程基准：以里程通道为主键，将各通道按里程插值或就近匹配到同一里程序列上。重采样时，几何量宜用线性插值，报警类离散量宜用“区间内取最严重值”而非插值，避免把“有报警”插成“无报警”。同时要处理里程累计误差，可用轨道上的已知标志物（如公里标、道岔）做分段校正，把误差控制在米级以内。对齐完成后应抽查若干里程点，确认各通道数值在物理上相互吻合，例如速度为零的区段不应出现连续超限。

四、预处理流程设计与案例操作

一个可复用的流程应固定顺序：读取与字段校验 → 去重与里程单调性修复 → 缺失标记与短缺口插值 → 异常值标记（不急于删除）→ 统一里程对齐与重采样 → 输出带质量标志的数据集与处理日志。顺序不能随意调换，例如先重采样再识别异常，会把跳变点扩散到邻近插值点，污染范围扩大。

以一个 2 km 区间的示例数据说明：原始记录 8600 行，去重后 8120 行；轨距偏差通道发现 3 处单点跳变（相邻差值超过 2 mm/0.25 m），标记为疑似干扰；发现 1 段连续 12 点偏离，结合波形连续性判断为真实轨距病害，保留并进入超限统计；某通道存在 40 点空值，因超过短缺口阈值，整段标记无效不参与均值计算。最终按 0.25 m 重采样输出 8000 条记录，每条附带“有效/插值/疑似/无效”质量标志。判断预处理是否达标的依据是：里程严格单调、无重复主键、质量标志覆盖率 100%、抽查点各通道物理一致。处理日志应记录每步的输入输出条数与删除/标记的里程范围，作为后续质量追溯的依据。