基于智能檢測監測與大數據技術的城市軌道交通智能運維管理

王瑞鋒

（成都唐源電氣股份有限公司，四川成都 610046）

我國早期城市軌道交通采用傳統運維模式，主要為依靠事后維修，即故障發生后維修。傳統運維模式安全保障力弱，容易使小隱患釀成大故障，維修成本高。隨著修程修制的制定，城市軌道交通運維模式逐步發展為周期修，在一定程度上降低了故障率，但仍然存在“欠維修”和“過度維修”的情況。當前運維模式逐步向狀態修、預知修、預測修過渡。其中靜態監測和車載動態檢測已經在城市軌道交通基礎設施及車輛檢測中大規模應用，監測及檢測精度不斷提高，監測檢測數據量不斷增大，大數據及人工智能等前沿信息技術在部分城市軌道交通運維過程中也逐步發揮作用，但數據標準、數據共享、專業融合等方面的問題仍普遍存在[1-3]。本文提出城市軌道交通運營維護應建立檢測監測智能化、全壽命周期管理、運維管理智能化、生產作業智能化的智能業務系統，通過建立和定義數據采集、數據存儲、數據服務及設施設備評價標準，基于智能化裝備和系統，對設施設備運行狀態及發展趨勢進行精準分析，對有故障隱患的設備進行針對性的維修、精準施治，減少維修時間，降低維修成本，推進城市軌道交通運維模式向預知維修轉變。

1 智能運維現狀、發展趨勢與存在問題

1.1 現狀與發展趨勢

近年來，我國城市軌道交通發展迅速，運營規模不斷擴大，運輸壓力不斷攀升，線路技術水平差異越來越大，設備規格也朝著多樣化迅速發展。2020 年，全國城市軌道交通投資完成6 286 億元。截至2020 年底，全國城市軌道交通運營線路達244 條，運營線路總長度達7 969.7 km[4]。城市軌道交通對基礎設施的可靠性、可用性、可維修性和安全性的要求越來越高。

隨著大量城市軌道交通基礎設施相繼進入養護期，目前以人工靜態檢查為主、少量動態檢測車為輔的運維模式難以適應城市軌道交通的高速發展。維修速度慢、占用線路時間長、運維成本高已經成為基礎設施運維的痛點，不但影響城市軌道交通運營服務質量的提高，更是隱藏著難以識別的安全隱患。

隨著“萬物互聯”時代的來臨，先進的檢測監測、網絡傳輸、云計算、大數據、人工智能等新技術的發展也給城市軌道交通注入新的活力，并為其運維產業開辟了極其廣闊的發展空間與良好的發展機遇。

未來城市軌道交通的發展不僅僅局限在車輛和鐵路基礎建設設備上，更多的將體現在數據驅動的實時智能控制和維護上。智能運維系統穩定、安全、高效的接入和管理檢測監測數據，并進行高效準確的智能分析，能夠有效提高設備運行的可靠性，提升運維效率，降低運維成本，引領城市軌道交通智能運維模式的深度變革。

1.2 存在的主要問題

1.2.1設備老舊與數字化程度較低

現行城市軌道交通運維系統中，仍存在部分系統技術陳舊，新技術應用、彈性擴展困難的問題。網絡建設水平較低，帶寬受限，移動帶寬接入困難。同時，數字化、智能化程度較低，智能感知水平有限，監測覆蓋面不全，制約了城市軌道交通智能運維的應用和智能輔助決策。

1.2.2數據跨專業、跨系統融合困難

在智能運維技術發展過程中，數據一直是整個智能運維的核心與基礎。當前城市軌道交通各個運維系統的數據分別進行運維管理，各系統開放性差，各專業、各系統數據互聯互通困難，存量數據普遍存在數據結構差異化、數據完整性低等問題，存在大量信息孤島現象，給智能運維的大數據挖掘和智能分析帶來很大的難度。

1.2.3缺乏技術參數和標準

當前在國內城市軌道交通領域，針對設備技術狀態的評價標準較少，缺乏技術性內容的規定[5]。同時，不同企業在智能運維技術的側重點和發展方向上存在差異，缺乏統一的數據標準、接口標準和評價體系[6-9]。

1.2.4智能運維集成化、系統化程度較低

我國城市軌道交通智能運維仍處在發展之中，很多智能運維系統僅僅針對運維體系的某一個或幾個方面，如供電、軌道、隧道等。各自獨立實現其業務領域的智能運維，難以形成系統化、全面化的整體智能運維應用工具，呈現分散化的狀態[10-12]。各自的平臺在運營單位內難以做到數據互聯互通、標準統一[13]。

2 智能運維建設

2.1 智能運維系統概述

智能運維是指利用先進的檢測監測、網絡傳輸、云計算、大數據、人工智能等技術手段，推動城市軌道交通運維模式從人工到智能的轉變，提高城市軌道交通日常運營維護、故障快速分析處理的能力。城市軌道交通智能運維應具備更全面的狀態感知、更廣泛的互聯互通、更準確的預警分析和更深入的智能化處理能力[2]。

基于設備監測與大數據故障診斷技術的城市軌道交通智能運維系統，對基礎設施設備實施精準的狀態感知、可靠的狀態預測，整合智能感知網絡的監測和檢測數據，利用大數據技術對這些數據進行深度挖掘分析，實現快速精確的故障定位，預測設備故障與運行趨勢，指導設備檢修作業并輔助維修決策。同時，對多維度、多專業數據的關聯分析、深度學習，可達到主動學習和自我完善的目的。

2.2 智能運維系統架構

城市軌道交通智能運維系統包括兩大組成部分：①以云計算、大數據構成的技術支撐平臺，是開展智能運維的載體，也是技術保障；②由故障預測與健康管理、智能化生產作業構成的智能業務應用系統，涵蓋了城市軌道交通基礎設施與設備管理以及運維管理2 個方面。智能運維系統總體架構如圖1 所示。

圖1 智能運維系統總體架構

2.2.1云計算與大數據平臺

云計算平臺采用虛擬化技術，通過互聯網將大量硬件連接起來，集成各種服務器、應用程序、數據和其他資源以提供可靈活調整、低消耗、高效能、高可用性、高擴展性的計算服務[1]；支持基礎設施檢測監測數據的整合與分布式存儲，為實時和非實時數據集群分類處理、大數據并行計算、模型計算、數據接口服務等提供支撐，徹底解決各系統之間相互孤立、互聯互通困難的問題[3]。

在城市軌道交通智能運維系統中，數據的精加工和深挖掘能力是通過基于大數據技術的數據建模與人工智能算法實現的。大數據平臺采用分布式架構，使用分布式處理、分布式數據庫和云存儲、虛擬化技術，對海量的結構化數據、文本、視頻圖像、語音等進行聯合分析、深度挖掘，對運維規律進行趨勢性分析，最大限度地減小分析結果錯誤的概率，并且使分析的過程和結果可視化、全程可追溯。實現業務應用系統從專家決策到人工智能決策、從經驗模型到機器自動化智能化學習的轉變[3]，是城市軌道交通智能運維的核心大腦。

2.2.2檢測監測智能化

檢測監測智能化是指實現城市軌道交通基礎設施的實時狀態在線診斷辨識和動態高精度檢測，包括實時監測和動態巡檢2 部分。

（1）實時監測是針對變電所、隧道等基礎設施進行實時智能監測。變電所智能監測通過紅外成像、高清視頻等設備，配合動態圖像智能識別等技術，自動監視并記錄變電所的安全情況、設備運行情況以及環境狀態；采用遠程自動化、智能化巡視替代人工巡視、手動巡視；接入安防、消防、環境監測以及變電所關聯設備模塊，智能采集運行狀態、故障與報警信息，實現遠程控制?；谖锫摼W平臺的隧道在線監測通過在隧道施工期間安裝的光柵光纖、應力應變、光電傳感等傳感器設備，融合光纖傳感、激光傳感、電學傳感和視頻監控等多種技術手段，對隧道關鍵部位的應力、形變、沉降、振動、位移、聲譜、溫度、氣體、水位、圖像以及行為特征進行實時檢測，實現對地下基礎設施的結構形變、內部損傷和外部侵害一體化探測，以及智能化實時狀態在線診斷、辨識。

（2）動態巡檢主要以檢測專用車輛、運營車輛、機器人平臺為載體，利用基于復雜環境下激光高精度動態測量、高速車載在線測量誤差動態補償以及高速移動綜合精確定位、高速圖像智能識別等技術，實現對隧道表面掉塊、滲水、裂縫、錯臺等的動態識別，對鋼軌、扣件、軌道板、道床等的成像檢測，對反映弓網關系的接觸網檢測、弓網在線檢測、接觸懸掛成像檢測等，以及對反映輪軌關系的軌道幾何參數、鋼軌廓形、鋼軌病害等的檢測。

目前，全國各城市軌道交通公司均不同程度地配置了各類動態巡檢設備。特別是近年來，基于運營車輛的在線檢測系統在城市軌道交通線路開通前的評估及日常運營維護中已發揮重要作用，新建設開通線路已在每臺運營車輛上選擇配備弓網在線檢測設備。其中，運營車軌道在線檢測、運營車限界在線檢測、運營車線路巡檢等設備不斷地投入到實際線路運營檢測中，部分城市軌道交通運營公司已籌劃成立專門的檢測分析隊伍，建立檢測監測大數據分析平臺，及時地預警和分析診斷設備運行故障，為車輛運行安全保駕護航。

2.2.3全壽命周期管理智能化

全壽命周期管理建立在大數據分析基礎上，是城市軌道交通智能運維的基礎。它集成各專業設備設施的基礎信息、動態信息、歷史信息、設備檢測信息等數據，梳理設備設施之間、資產與設備設施之間的關聯關系，基于主數據建模思想，建立適用于各專業的設備與設備、設備與資產數據模型，實現設備設施從采購到報廢、資產從開始到結束的全壽命周期數字化管理。

全壽命周期管理的核心是數據標準化，通過數據標準化編碼對基礎設施從設計、施工、運維到報廢各個階段的各類數據進行不斷地清洗、轉換、擴充、完善、入庫，最終形成智能運維數據倉庫，建立城市軌道交通智能運維數據歸集的標準規范，為智能運維數據分析提供數據保障。同時，利用建筑信息模型（BIM）+地理信息系統（GIS）技術對數據進行可視化呈現，直觀地展示城市軌道交通基礎設備設施全壽命周期的數據演變過程。

2.2.4運維管理智能化

運維管理智能化是智能運維的核心，集設備監測、數據分析、故障診斷、計劃管理、智能維護的綜合監測與維護為一體，通過融合智能學習、大數據技術、多源數據融合與時空數據、專家系統、神經網絡預測、故障預測與管理系統（PHM）方法論等技術，實現對基礎設施設備的狀態評估、健康綜合評價、故障預測、壽命預測、運維輔助決策等功能。北京市軌道交通、廣州市軌道交通、成都市軌道交通等運營管理部門均建立了以各專業為單位的同類系統，其主要系統功能結構如圖2 所示。

故障預測與健康管理系統的3 大核心功能是健康評估、性能預測和維修決策。

（1）健康評估。健康評估功能是指建立城市軌道交通基礎設備設施健康評價體系，制定基礎設備設施健康評價指標，根據健康評價指標建立相應的數學評價模型，并針對基礎設備設施當前服役狀態，綜合考慮質量評價、質量鑒定、系統可用性、系統可維修性等，評估在役設備設施狀態，即健康狀態、功能降低狀態、不能工作狀態。

（2）性能預測。性能預測主要包括對設備缺陷變化規律預測、故障預測、剩余維修時間估計、零部件剩余壽命預測，通過海量數據及經驗模型的應用實現預測、預估。

（3）維修決策。維修決策是指根據基礎設備設施的健康評估、性能預測分析結果，給出基礎設備設施推薦的維修層次、維修活動、維修單元，并且自動形成綜合修、精測精修的修前評估和修后評價報告。

2.2.5生產作業智能化

生產作業智能化依托云計算與大數據平臺，結合全壽命周期管理與運維管理智能化兩大應用的分析結果，實現生產作業全過程管理智能化，包括生產作業計劃的編制、維修作業一體化、生產作業流程卡控、生產作業監控以及維修質量評估等。

生產作業智能化運用智能終端、智能工具、智能頭盔、智能工具器柜、應急裝置等，實現維修作業過程的可視化管理與監控、遠程生產指揮，以及維修質量評估。通過智能統計分析結果對生產搶修作業進行決策輔助，特別是對故障狀態下的遠程應急指揮實施、輔助搶修作業具有重大效果與意義。

3 結束語

隨著城市軌道交通的迅猛發展，其對基礎設施的可靠性、可用性、可維修性與安全性要求越來越高。本文介紹的基于智能檢測監測、云計算與大數據等先進技術的智能運維系統可對城市軌道交通運營過程中海量運維數據進行整理融合、深度挖掘與智能分析，對基礎設施進行全壽命周期管理，可實現運維管理智能化與生產作業智能化，推動運維模式逐步向狀態修、預知修、預測修過渡，促進城市軌道交通運維的預知維修體制發展。