鐵路一體化物聯大數據運維平臺的研究

王震華，田立軍

（中國鐵路西安局集團有限公司 信息化處，西安 710054）

近年來，隨著高速鐵路的全面建設和普速鐵路的提速改造，鐵路信息化建設已經取得了長足的進步，但基于鐵路各業務站段的管理體制和各業務系統之間的技術架構問題，導致各站段和鐵路局集團有限公司（簡稱：鐵路局）內信息系統資源分散、獨立，資源利用率低并且運維支撐復雜。隨著物聯網、大數據和人工智能（AI）等關鍵技術的不斷成熟，同時得益于鐵路基礎網絡融合和接入速率快速提升，為鐵路信息化智能化建設起到了強大的推動作用。

本文以物聯網、智能視頻分析處理、AI和大數據為技術基礎，以鐵路總公司和西安局集團有限公司（簡稱：西安鐵路局）相關的信息化建設規劃為指引，針對現有鐵路局信息系統的融合性低、運維復雜、分散獨立、信息資源難以共享互通等實際問題，研究并開發以融合物聯接入、視頻智能分析和智能流程管控為基礎，以大數據分析應用為核心的鐵路一體化物聯大數據運維平臺。

1 平臺總體架構

平臺以提升鐵路運維生產作業效率為目的，提供設備工具監控、視頻分析、應用分析、動環監測、可視化3D管理和第三方系統平臺集成等功能的物聯運維大數據平臺。

平臺架構主要由感知層、接入層、平臺層及應用層組成。

1.1 感知層

感知層主要完成設備感知和設備數據采集，實現對業務站段通用和專用設備的感知采集，感知層通過豐富的傳感器資源實現了各業務站段軟硬件設備的綜合感知及數據監控。

1.2 接入層

接入層通過物聯網網關（豐富的接口資源與強大的邊緣計算能力）實現鐵路多業務場景不同協議類型的物聯接入和業務處理，結合有線和無線傳輸方式，及時將信息反饋平臺層進行處理分析。

1.3 平臺層

平臺層基于云架構和大數據技術搭建云端部署的一體化物聯運維平臺，實現設備智能管控，基于智能算法分析，面向不同業務流程，提供智能應用方案以及視頻智能應用方案，并將設備系統的各種數據信息統一存儲分析，實現面向鐵路多領域的一體化運維平臺。

1.4 應用層

應用層在提供統一運維門戶的基礎上，主要提供運維服務管理、服務流程管理、3D可視化管理、智能視頻應用等相關功能項。鐵路一體化物聯大數據運維平臺總體架構設計，如圖1所示。

圖1 鐵路一體化物聯大數據運維平臺總體架構圖

2 關鍵技術

2.1 物聯網技術

物聯網（Internet of things）是通過射頻識別（RFID）、紅外感應器、全球定位系統、高頻無線寬帶等信息傳感設備，按約定的協議，將任何物品與互聯網相連接，進行信息交換和通信，以實現智能化識別、定位、追蹤、監控和管理的一種網絡技術。其核心和基礎仍然是互聯網技術，是在互聯網技術基礎上的延伸和擴展的一種網絡技術，其用戶端延伸和擴展到了任何物品和物品之間，進行信息交換和通信。

在物聯網技術方向，本平臺主要研究基于NBIoT和Lora技術實現對溫度、濕度、防溜器具、攝像手電等相關傳感器和智能設備的物聯接入管控，提供對生產作業相關智能設備的全面感知和信息數據獲取，同時提供相關信息數據的集中展示和分析統計等功能。

2.2 視頻處理技術

智能視頻處理的關鍵技術主要包括背景建模技術、運動目標檢測技術和運動目標跟蹤技術。

（1）背景建模又稱背景估計，主要是對輸入的視頻建立模型來準確的描述視頻序列的背景，從而把視頻圖像幀中的運動目標檢測問題轉化為二分類問題。背景建模的典型算法主要有平均值法、直方圖法、中值濾波法等。平均值法只能應用在一些簡單的場景，直方圖法需要基于很多的圖像視頻幀才能建立一個可靠的背景，而且自適應能力差。由于鐵路場景的動態變化和背景模型的實時更新等特性，故本次平臺研究中，背景建模主要采用中值濾波法。

（2）運動目標檢測主要是對輸入的視頻使用相關的方法自動分離出每幀的前景區域和背景區域，運動檢測也是視頻行為分析的基礎。目前，通常使用幀差法、背景減除法和光流法等方法進行運動檢測。

（3）運動目標跟蹤技術常用的有粒子濾波法、均值漂移和卡爾曼濾波法。粒子濾波法，是基于貝葉斯遞推理論和蒙特卡洛方法的非線性系統分析工具，利用粒子集來表示概率，通過從后驗概率中抽取的隨機狀態粒子來表達其分布情況。均值漂移法是基于密度梯度上升的非參數估計法，通過迭代運算找到目標的最佳位置，實現運動目標跟蹤?？柭鼮V波法是采用噪聲與信號的狀態空間模型，利用當前時刻的觀測值和當前時刻前一時刻的估計值來更新對狀態變量的估計，求出估計值。

2.3 大數據

大數據核心的價值就在于對海量數據進行存儲和分析。

（1）數據采集、存儲和檢索：基于大數據采集、存儲、檢索等技術，可以從根本上提升數據分析的效率。采集多種類型的數據，如業務數據、流量數據、設備日志數據等。針對不同的數據采用特定的采集方式，提升采集效率。

（2）數據的智能分析：并行存儲和NoSQL數據庫提升了數據分析和查詢的效率，從海量數據中精確地挖掘問題還需要智能化的分析工具，主要包括ETL（如預處理）、統計建模工具（如回歸分析、時間序列預測、多元統計分析理論）、機器學習工具（如貝葉斯網絡、邏輯回歸、決策樹、隨機森利）、社交網絡工具（如關聯分析、隱馬爾可夫模型、條件隨機場）等。

在本平臺中主要通過數據流、日志和業務數據等多源異構數據進行分布式融合分析，針對不同場景搭建分析模型，最終實現信息的可管可控，展現整體態勢。

3 平臺功能設計

3.1 統一運維門戶

統一運維門戶為平臺用戶提供統一登錄認證、LDAP認證、用戶管理、角色管理、用戶同步、應用管理、安全登錄配置和日志審計等功能。同時可以無縫集成現有系統，實現統一登錄、頁面集成，解決現有多套系統獨立登錄的繁雜性問題。

3.2 運維服務管理

運維服務管理功能可對信息系統、視頻和站段關鍵設備等資源進行全生命周期的監控和管理，及時掌握智能設備的可用性情況和健康狀況，提供性能監控與分析、資源可用性監控與分析、資源拓撲關系管理、故障監控、故障分析及定位、圖文報表分析功能。創建一個可知可控的環境，保證用戶生產作業的可靠、高效、持續、安全運行。

當被監控對象發生故障告警時，可以自動派發工單，運營維護人員從全局視圖中可直觀了解該事故將影響到哪些業務和服務，并及時響應和處理，告警恢復后工單自動關閉，無需人工干預。

3.3 服務流程管理

服務流程管理功能是通過生產作業流程規范建立的全面一體化信息運維體系，包含服務管理、配置管理和日常管理等功能應用。

（1）服務管理，實現服務請求管理、事件管理、問題管理、變更管理、發布管理、任務管理和服務SLA管理等功能，實現可視化流程設計、表單設計、服務臺及自助服務臺等功能。

（2）配置管理，實現資產配置管理、客戶管理、合同管理、項目管理、供應商管理和備品備件管理等功能。日常管理，實現工單管理、值班管理、巡檢管理、公告、知識庫和報表統計等管理功能。

服務流程管理功能作為本平臺的核心子系統，結合各鐵路局及下屬各站段的具體生產作業流程，為本平臺內其他功能模塊提供基礎信息及作業流程信息。

3.4 3D可視化管理

3D可視化管理功能支持與運維服務管理的信息聯動，支持與資產和告警信息的數據同步。功能實現360。旋轉和縮放展現，能夠從站段、樓宇、樓層、房間和設備等層面進行全仿真動畫呈現。3D可視化作為平臺重要管理手段，對各領域設備的運行狀況進行全面監控和管理。將業務站段的信息系統和其它關鍵設備構建在3D全息圖景中，實現統一監控、統一預警、統一資產管理及統一空間規劃，并提供規范化的系統管理流程。

3.5 智能視頻應用

智能視頻應用功能基于背景建模、運動目標檢測和運動目標跟蹤等相關智能算法，充分利用鐵路站段現有視頻資源（無需新增視頻攝像設備），結合各站段具體生產管理流程，對多種安全事件（受限區域闖入、白線穿越、人臉識別、脫崗檢測、關鍵行為檢測以及關鍵參數識別）進行預判，如有異常及時檢測與報警，將安全事件處理由“事后”轉為“實時”；另外，視頻應用模塊還結合站段業務需求，通過視頻分析結果與站段生產管理流程進行融合，從而有效地提升站段管理效率，如結合排班計劃的關鍵崗位人員識別，咽喉區車輛駛入與車站接發車崗位聯動、隧道口落物檢測等功能。

3.6 大數據分析應用

大數據應用分析采用 Hadoop 、Flume 、 Spark 、Kafka 、 MongoDB 、 Solr 和 Redis的分布式架構技術構建數據采集層、數據接入層、數據存儲層、數據分析層和數據展現層。主要功能包括站段各類型設備信息的跨平臺分布式收集、集中分析預警和綜合審計檢索等；基于大數據的閥值預測，自動化學習監控系統中的關鍵指標，預測生成未來的動態預警基線圖，并可根據預測動態基線對實際采集數據進行實時預警；實現對網絡設備、服務器設備和其它設備運行指數的分析，使用戶可有效地周期性了解智能設備的承載能力和整體的運維情況。

3.7 APP移動運維

移動APP結合鐵路內外網資源，將站段信息化運維從固定場景向全時域延伸，APP緊扣鐵路具體業務流程，實現通知公告、告警通知、工單派發、工單提交與處理、資產數據查詢、知識庫查詢及移動巡檢等功能，使運營維護管理自由隨行。

4 研究進度

平臺整體研究進度在逐步推進，平臺產品V1.0版本已完成平臺整體技術框架搭建，信息類設備的集中監控、自動巡檢、故障診斷、實時告警、圖文報表分析、大數據日志分析、動態基線預測等功能均已實現，智能視頻處理的核心算法也已完成開發。平臺已在西安鐵路局西安機務段和西安動車段成功試點應用，目前，試點運行狀況良好，本平臺已經成為試點站段的通用設備運維和專有設備管控的關鍵，有效地提升了試點站段的運維作業效率。

5 結束語

鐵路一體化物聯大數據運維平臺是以作業安全為前提，以提升生產效率為目的，將鐵路通用和專用設備進行統一管控，基于生產作業流程進行智能運維巡檢，實現不同類型數據的統一監控和統一分析；同時，該平臺也存在不足之處，在后續研究和版本迭代開發過程中，會逐步深入更具體的生產作業環節，聚焦關鍵需求構建系統模型，不斷完善補充感知接入協議和優化業務應用模式。

平臺下一階段研究方向是不斷吸收先進的物聯網，大數據和智能分析技術，深入研究專業站段具體需求和作業流程，完善相關技術與專業領域的更深層次的融合，如工務智能巡檢、防災管理、車務調車作業安全等方面。