Condition monitoring is used as a tool for maintenance management and function as input to decision support. Thus the key parameters in preventing severe damage to railway assets can be determined by automatic real-time monitoring. The technique of radio-frequency identification (RFID) is increasingly applied for the automatic real-time monitoring and control of railway assets, which employs radio waves without the use of physical contact. In this work, a 243-km² area of Kuala Lumpur was selected. Because of its large size, determining the locations in which to install the RFID readers for monitoring the bogie components in the Kuala Lumpur railway system is a very complex task. The task involved three challenges: first, finding an optimal evolutionary method for railway network planning in order to deploy the RFID system in a large-area; second, identifying the large area that involved functional features; third, determining which station or stations should be given priority in applying the RFID system to achieve the most effective monitoring of the trains. The first challenge was solved by using a gradient-base cuckoo search algorithm for RFID system deployment. The second challenge was solved by determining all necessary information using geographic information system (GIS) resources. Because of the huge volume of data collected from GIS, it was found that the best method for eliminating data was to develop a new clustering model to separate the useful from the unuseful data and to identify the most suitable stations. Finally, the data set was reduced by developing a specific filter, and the information collected was tested by an analytic hierarchy process as a technique to determine the best stations for system monitoring and control. The results showed the success of the proposed method in solving the significant challenge of large-scale area conditions correlated with multi-objective RFID functions. The method provides high reliability in working with complex and dynamic data.

中文翻译：

---

基于层次分析/基于布谷鸟搜索算法（GBCS）的大型铁路运输系统监控

状态监视用作维护管理的工具，并用作决策支持的输入。因此，可以通过自动实时监控来确定防止严重损坏铁路资产的关键参数。射频识别（RFID）技术越来越多地用于铁路资产的自动实时监视和控制，该技术利用无线电波而不使用物理接触。在这项工作中，一个243公里²选择了吉隆坡地区。由于其尺寸很大，确定在吉隆坡铁路系统中安装RFID读取器以监视转向架组件的位置是一项非常复杂的任务。这项任务涉及三个挑战：首先，为铁路网络规划找到一种最佳的进化方法，以便在大范围内部署RFID系统。其次，确定涉及功能特征的大面积区域；第三，确定在应用RFID系统实现列车的最有效监控时应优先考虑哪个车站。通过使用基于梯度的布谷鸟搜索算法解决RFID系统部署，解决了第一个挑战。第二个挑战是通过使用地理信息系统（GIS）资源确定所有必要的信息来解决的。由于从GIS收集了大量数据，因此发现消除数据的最佳方法是开发一种新的聚类模型，以将有用数据与无用数据分开，并确定最合适的站点。最后，通过开发特定的过滤器来减少数据集，并通过分析层次结构过程来测试收集的信息，以此作为确定系统监视和控制的最佳站点的技术。结果表明，该方法成功解决了与多目标RFID功能相关的大规模区域条件的重大挑战。该方法在处理复杂和动态数据时具有很高的可靠性。发现消除数据的最佳方法是开发一种新的聚类模型，以将有用数据与无用数据分开，并确定最合适的站点。最后，通过开发特定的过滤器来减少数据集，并通过分析层次结构过程来测试收集的信息，以此作为确定系统监视和控制的最佳站点的技术。结果表明，该方法成功解决了与多目标RFID功能相关的大规模区域条件的重大挑战。该方法在处理复杂和动态数据时具有很高的可靠性。发现消除数据的最佳方法是开发一种新的聚类模型，以将有用数据与无用数据分开，并确定最合适的站点。最后，通过开发特定的过滤器来减少数据集，并通过分析层次结构过程来测试收集的信息，以此作为确定系统监视和控制的最佳站点的技术。结果表明，该方法成功解决了与多目标RFID功能相关的大规模区域条件的重大挑战。该方法在处理复杂和动态数据时具有很高的可靠性。收集的信息通过层次分析法进行测试，以此作为确定系统监视和控制的最佳站点的技术。结果表明，该方法成功解决了与多目标RFID功能相关的大规模区域条件的重大挑战。该方法在处理复杂和动态数据时具有很高的可靠性。收集的信息通过层次分析法进行测试，以此作为确定系统监视和控制的最佳站点的技术。结果表明，该方法成功解决了与多目标RFID功能相关的大规模区域条件的重大挑战。该方法在处理复杂和动态数据时具有很高的可靠性。