城市軌道交通信號專業智能運維的應用

鄭儆醒

（溫州鐵路與軌道交通投資集團有限公司 浙江省溫州市 310052）

近年來，我國城軌交通進入高速發展新時期，運營規模、在建線路長度、規劃線路長度逐年屢創新高，可研批復投資額、投資完成額達到歷史最高水平。而運維是貫穿城市軌道交通系統生命周期的關鍵生產活動。保持保質量的運維，對提高安全服務水平、保證系統穩定運行，控制運維成本有重要作用。

隨著時代的發展，物聯網、大數據、人工智能等智能技術不斷發展成熟，“智能運維”成為城市軌道交通新行業發展的必然趨勢，也是各維護方致力于發展的方向。運用物聯網、大數據、人工智能、機器學習等技術，實現“計劃修”到“狀態修”、“預測修”，構建符合軌道建設運營實際需求的智能維修技術體系和發展路線，成為推動該市軌道交通運維體系實現跨越式升級的關鍵。

按照國家“十四五”智慧地鐵規劃，需達到提升生產業務維保能力，減少人工工時，解決既有維護監測系統監測不全面、數據利用率低、智能化程度低等問題，應對運營線路增加、設備復雜度增長的挑戰，實現減員增效的目的。規范信號維護監測系統的設計標準，拓展維護監測系統的范圍、增加系統功能要求，加快研究和推廣智能檢測和運維技術，將新興信息技術與信號專業深度融合，促進信號維保向智能化、標準化、平臺化發展，提升運營安全及設備穩定性是當下應大力研究的方向。

1 現狀分析

目前，城市軌道交通信號專業仍處在監測階段，并且相關監測、監控系統多采用傳統的分級部署模式，數據較為分散，無法高效集成整合；在不同線路上，各系統商采用數據標準不一，數據的一致性、完整性難以保證；導致大量有價值信息流失。在信號運維方面，運維手段落后，基本依靠人力，生產數據人為記錄，缺乏智能的信息收集手段，使得在大數據分析中缺少核心信息。

2 需求分析

針對現城市軌道交通信號專業的運維的現狀，首先要從數據的采集和存儲入手，設備監測數據的接入主要為基礎設備數據和系統設備數據，生產監測數據的接入主要為信號專業日常的維護和生產數據、人員信息數據，以及設備、物料的全生命履歷信息，包括無法測量的主觀數據。監測數據的獲取與存儲是構建運維體系的基石，故監測數據的全面、合理、穩定至關重要。

有良好的數據基礎后，其次從功能層面，主要可分為五大中心，即監測中心、分析中心、生產中心、應急中心、健康中心。通過各中心功能實現狀態的在線監控、基于專家系統以及大數據的故障、日志的診斷與分析、故障預警及預測、故障判斷和和應急的指導功能、基于PHM的健康管理，為生產維修提供指導。

最后在結構上，需要將單線路的運維數據匯總，擴展到線網級別的運維，建立共同經驗體與線網級的集中智慧管控，通過大數據數據挖掘、機器學習，多維度數據提煉與積累經驗，為維護的輔助決策和管理的發展打好基礎。

3 方案研究

3.1 云平臺框架

為滿足上述需求，城市軌道交通信號專業線網級中心智能運維應基于大數據云平臺進行構建，利用云平臺分布式存儲、云計算、高可用、高擴展性、成本低等特點，通過多方渠道采集各線路智能運維系統數據信息，打造智能運維數據中臺，結合基礎平臺和云管理平臺在中心構建滿足城市線網級的中心智能運維云服務平臺，并在安全生產網、內部管理網、外部服務網分域部署。安全生產網、內部管理網、外部服務網之間以及單網內部的數據交換由通過大數據平臺進行，平臺要根據國家網絡安全等保做好信息共享、隔離機制、數據安全防護，保證數據的安全。系統總體框架如圖1所示。

圖1：系統總體框架

網級中心智能運維架構可分為五層，即數據源層、數據集成層、數據存儲層、應用支撐層、產品應用層。

（1）數據源層。各線路匯集實時監測設備的工作運行數據、微機監測監測數據、報警數據、維護檢修數據、人員信息數據、物料全生命周期履歷數據、信號生產作業類數據、網絡數據等。詳細見表1。

表1：數據源信息

（2）數據集成層。運用可監控的數據集成技術，采用消息隊列、流式計算、結構化數據同步、ETL等數據集成和預處理技術及技術組合，滿足不同業務場景數據集成處理的需要。大數據平臺需要支持結構化、半結構化、非結構化數據等多源異構數據，在識別不同業務數據源時，構建業務模塊到數據源類型的映射表；對不同的數據源，采用匹配的數據采集，適配當前數據的采集場景，做好數據質量檢查；對數據預處理，可通過批處理或流處理的方式對數據加工；數據加載時做好全量裝載或時間戳、主鍵的方式裝載，以保證數據的一致性、完整性以及及時性。

（3）數據存儲層。在數據存儲方面也需要匹配數據集成的要求，需要滿足結構化、半結構化、非機構化三中不同數據的存儲需求。在數據庫中定期做好同步功能，滿足傳統關系數據庫可遷移需求、滿足傳統關系數據庫、ftp/sftp文件之間的批量導入/導出需求。數據倉儲需要梳理出數據接入-數據存儲-數據開發-數據應用全鏈路的數據中臺服務，即實時數倉、離線數倉同時存在的數據架構，滿足數據挖掘、非實時分析、數據匯總的需求；統一數據標準化，定義信號設備單元、參數定義和分類、故障分類等規則，實現系統之間的互聯互通和數據集成。

（4）應用支持層。應用支持對信號相關內部和外部數據源進行加工、處理、關聯，建立數據經驗共享、分析專題、數據挖掘和檢索、多維度數據分析、數據可視化等。針對關鍵業務建立專門的分析模型，統一數據主題庫、專題庫的數據加工標準，給上層業務分析提供數據支持；數據挖掘上應運用數據收集、預處理、分類、回歸分析、特征抽取等科學分析方法，建立并支持關系數據庫、面向對象數據庫、空間數據庫、時態數據庫、文本數據庫、多媒體數據庫等多種數據形式；支持多維度分析，為上層BI工具提供傳統關系數據庫、大數據生態系統、NoSQL數據庫、CUBE工具、多維分析數據庫等多種形式的數據源接入。數據可視化利用圖像處理技術、計算機視覺等，通過BIM、GIS建模等技術為產品應用提供直觀展示數據展示基礎。

（5）產品應用層。通過大數據存儲、智能分析以及中間控件的支持（如BIM、GIS、規則引擎等），可將運維設計的所有數據及信息匯總、分類，在產品應用上實現設備的綜合監控、故障智能診斷、設備健康管理、全生命周期管理、運營決策支持、運維綜合分析、數據大屏、BI分析等應用。

3.2 主要功能

城市軌道交通信號專業智能運維體系主要功能可以分為五個中心的形式實現，分別為監測運行中心、數據分析中心、健康管理中心、應急管理中心、維修生產中心。通過五個中心的展示，可全面的呈現設備的狀態、報警、健康情況，大數據智能分析診斷、預測與輔助決策，人員維護生產狀態、設備全生命周期履歷、應急指揮、運營監控等。

3.2.1 監測運行中心

監測運行中心主要負責設備狀態、環境等的實時監測功能、報警功能、所有設備數據的收集和查詢功能、基本圖形化報表、日志的收集與查詢、一般報警閥值的界面設定、用戶權限管理、視頻監控等功能。

（1）設備狀態、環境等的實時監測功能。通過圖形化方式，按照各站、各設備種類等分類情況，展示設備的詳細動靜態信息，細節到最小可維修單元，包括但不局限于位置信息、屬性、狀態、報警、時間等。

（2）報警功能。按照等級劃分不同類別報警，報警的方式可以彈出式、聲光報警等，并針對報警等級有自定義的設定，支持用戶自主匹配。

（3）所有設備數據的收集和查詢功能。支持各設備的電氣化特性的圖形化展示，包括實時數據、歷史數據。如設備的開關量、模擬量、狀態量、實時視頻、各類曲線等。

（4）基本圖形化報表。可自動或者手動生產關鍵設備圖形報表，包含設備的趨勢、占比、次數等適配對應數據的報表類型，從不同的時間維度、種類維度等多維展示基本的統計信息。

（5）日志的收集與查詢。匯總各設備的時間、狀態、報警日志，做到日志統一管理、存儲。

（6）一般報警閥值的界面設定。針對關鍵設備的重點參數可作手動調整，根據當前設備的狀態以及波動，做好更精準、有效的報警適配。

（7）用戶權限管理。根據用戶管理模式，自定義用戶操作查看權限，通過準確定位用戶工作內容，提高工作效率。

（8）視頻監控。具備重點場所的視頻監控功能，對重點場所的進出、人員的操作和行為卡控、環境異常，增強管理便捷性。

3.2.2 數據分析中心

數據分析中心應基于大數據和人工智能技術，實現對各子系統數據信息的實時分析和運維歷史數據的深度挖掘及分析，可提供歷史規律價值的量化評估及指導分析，綜合分析設備整體性能及利用率，能為后續的設備運維決策和管理過程決策提供支持。主要功能包括但不限于綜合分析診斷、故障智能診斷分析、實時預警分析、人員行為分析、系統日志分析等。

（1）綜合分析診斷。對信號專業各子系統的運行狀態、壓力等相互關聯的綜合性分析，實現系統及故障診斷及隱患預測。

（2）故障智能診斷分析。基于專家經驗系統，剖析單元設備狀態的關鍵影響因素，搭建關鍵設備的故障診斷模型，并將同類別故障記錄匯總為案例庫，供大數據及機器學習，運用圖像識別、模糊匹配算法等技術，自動診斷分析故障，并能給出正確維修參考。如道岔故障智能診斷，根據專家系統，從道岔動作機理及電氣特性出發，提取動作曲線、功率曲線、繼電器動作時序、表示電壓曲線關鍵數據，分析道岔動作過程的啟動、動作、緩階段數據以及到位狀態的電壓數據，自動診斷分析出道岔機械或者電路中的異常以及故障點。在曲線的分析上可基于Resnet50算法模型，自動識別與參考曲線的異常及故障點；也可采用基于DTW（基于動態時間歸整）和ResNet（殘差網絡）算法，進行轉轍機設備實時故障診斷。

（3）實時預警分析。根據設備電氣特性，采用不同周期的趨勢變化跟蹤分析，并結合波形分析、故障樹分析等方法實現設備狀態實時診斷預警分析。

（4）人員行為分析。根據人員日常表現、業務能力、技能評估記錄、個人性格、個人習慣等多維度信息，為員工用戶畫像，提供員工綜合能力評分，并根據綜合能力合理分配工作、預測工作完成評分。

（5）系統日志分析。收集各設備或系統日志，針對不同關鍵設備設定不同分析主題，如車載系統中EB主題、信標讀取分析主題、列車無線網絡狀態分析主題、列車停車精準度分析主題等；網絡系統中無線場強分析主題、網絡節點流量分析、鏈路擁塞分析等主題；聯鎖系統中聯鎖進路異常根因分析、進路無法開放分析等主題；檢修數據系統中數據與季節變化關聯分析、數據變化與故障預防關聯分析等。

3.2.3 健康管理中心

針對關鍵設備建立基于PHM建立全面的故障預測、健康度管理系統，其目的不是為了直接消除故障，而是預防故障何時可能發生，以確定一種優化的維修策略，降低維修工作量與成本、提高維修效率的手段。具體實施需要統一設備故障編碼，形成故障字典，拆分設備零件，逐一零件評估劣化程度和影響比重，建立定制化的健康模型，可通過AHP+熵權的組合評分，定義健康狀態、功能降低狀態、不能工作狀態，掌握缺陷變化規律，輔助人員決策檢修計劃；使用科學的預測模型如貝葉斯網絡模型，實現故障預測，根據設備特性建立隱半馬爾科夫模型（HSMM），描述系統退化過程，實現計算維修前剩余時間評估工作。

3.2.4 應急管理中心

應提供應急故障處置、應急指揮系統、故障影響自動判斷、運營輔助決策等功能。

（1）應急故障處置。系統能自動診斷故障，并在中心提供故障應急流程指導、故障應急處理方案、故障應急小隊組建、故障應急物資分配等，并通過個人單兵設備或APP服務，自動推送相關人員，實時反饋現場故障處理進度及情況。

（2）應急指揮系統。中心可通過故障的情況，人員、物料、車輛等相關定位，通過GIS、電子地圖、衛星地圖等多種直觀方式實現對應急情況的現場指揮和協調，可通過視頻、語音等方式遠程指導、指揮現場工作。

（3）故障影響自動判斷。根據故障經驗模型及維修經驗數據，預測故障處置時間、估算應急過程耗時、動態評估調整故障處置流程狀態、預判故障延時情況并估算對運營可能造成的影響。

3.2.5 維修生產中心

維修生產中心主要功能實現工單的下發、跟蹤、卡控、閉環，維修質量及流程的卡控，物資物料全生命周期履歷，知識庫的管控等功能，做好與外部系統如CMMS（設備維護管理系統）、EAM（企業固定資產管理系統）接口對接，為設備維修生產做好輔助作用。

4 總結

結合城市軌道交通信號專業對運維的需求，在信號專業運維上實現“智能化”，跟上國家對智慧城軌的發展與規劃，為智慧城軌以至于智慧城市的建設打好基礎。本文結合當下城市軌道交通信號專業運維趨勢、運維痛點，為建立線網級的城市軌道交通信號運維平臺提供參考。