基于大數據的鐵路信號系統智能運維方案研究

姚偉強

（中國鐵路烏魯木齊局集團有限公司 阿勒泰基礎設施段，新疆 烏魯木齊 830000）

0 引 言

隨著我國鐵路的高速建設與發展，大量線路的新建與運營使得鐵路相關專業設備數量急劇增加，而信號系統結構復雜、設備種類多而分布廣，需要大量運維人員確保系統的正常穩定運行。由于運維管理難度的不斷加大，信號系統運維的智能化、集成化與信息化等問題亟待解決，建設基于大數據的信號智能運維系統已成為信號維護系統的主要發展趨勢。為了預測和規避設備故障導致的惡劣影響，提高信號維護人員的工作效率，保障鐵路運輸的安全穩定運營，以綜和智能采集、信息化管理為核心的智能監測技術被應用于信號運維系統中。目前信號設備按照布置地點主要分為車載設備和軌旁設備，其監測手段分為列車監測和軌旁集中監測兩種。列車監測是在列車運行過程中對車載設備動態數據進行抓包獲取，將獲取的數據通過車地通信技術與基站聯系，從而保障列車的安全行使；軌旁設備的監測主要是通過在車站采集電源、道岔、軌道電路等基礎信號設備的模擬量、開關量信息，而對于聯鎖、電源屏、智能燈絲等本身具備監測功能的設備，通過接口獲取其相關狀態信息，有故障時及時報警。雖然智能監測技術在信號運維系統中已取得了一定程度的應用，但仍存在一些問題需要解決。文獻[3]基于圖論模型的方法對計算機聯鎖系統進行可視化模型的研究，并使用時序和模糊推理的方法對系統的復雜故障進行智能診斷；文獻[4]分析了川藏鐵路線的現場環境與勘測資料，結合用戶需求對信號智能運維系統的功能與技術條件進行了研究；文獻[5]從信號運維的系統層面出發，定義了關聯信號系統并構建了分層架構模型，提出了動態定量評估和風險預警方案，實現了信號系統的運行狀態評估、風險預警和故障診斷。

首先由于鐵路日常運營中產生的傳感器監測數據、圖像信息及操作日志等大量非結構化數據不利于數據分析與系統決策；其次信號系統運維數據類型多樣且不斷積累，傳統的關系型數據庫已很難處理這些多源異構的海量數據。為了最大化發揮運維大數據價值，對獲得的數據進行標準化、規范化處理，使其用于智能運維數據分析，為系統決策提供數據支持。本文介紹了鐵路信號系統結構，分析了運維大數據的來源，提出現階段數據處理過程中存在的問題，設計出鐵路信號智能運維系統架構并在關鍵技術、系統功能等方面進行研究。

1 鐵路信號系統結構

鐵路信號系統主要有列控系統、聯鎖系統、調度系統、信號集中監測系統及通信設備組成，其按照設備布置地點主要分為：調度中心、車站設備、軌旁區間設備、車載設備、車輛段及維修中心，其系統結構圖如圖1所示。目前信號監測系統是在車站完成外電網監測、電纜對地絕緣測試、電源對地漏泄電流測試、道岔監測、軌道電路監測、熔絲報警監測、溫濕度采集等功能；在維修中心與列控系統、調度系統接口，獲取這些設備的狀態信息，有故障時及時發出報警；監測主機對采集的信號設備參數進行故障診斷，提供維修建議，指導用戶進行設備維護。

圖1 信號系統結構示意圖

目前鐵路信號監測系統依舊存在以下幾個方面的不足：

（1）監測系統僅通過傳感器等設備獲取線路電流電壓信息，通過設備間的接口采集通信數據信息，而對于監測到的數據化信息無法進行智能分析與處理，無法準確判斷設備處于正常或故障狀態，現階段主要依靠維護人員依據自身專業知識及經驗分析判斷設備狀態。

（2）對于獲得的大量數據無法做到被監測設備、監測基站及監測系統之間的綜合處理，監測列車獲得的數據與監測車站獲得的數據只能分別分析處理，車地數據無法實時共享，未能綜合考慮人員操作、設備狀態、運行環境的關系，未能從整體角度智能分析整個系統。

（3）監測數據來源較多結構各異，如系統信息采集數據、調度人員及司機操作指令、維護人員記錄日志等，對于獲得的這些多源異構數據，存在術語、格式、內容等不統一不規范的問題，維護系統無法直接使用多源異構數據進行智能分析與決策支持。

對于目前信號監測系統存在的不足，設計出新型的信號智能運維系統，結合大數據特點及其相關處理技術，實現故障定位、智能監測與分析，從而解決電務人員維護工作強度高、故障排查難度大等問題，能有效提高鐵路信號系統的維護效率。

2 信號智能運維系統結構

智能運維系統主要包括數據源、數據匯集及儲存、數據分析及應用、數據顯示幾個方面，其系統結構圖如圖2所示。

圖2 信號智能運維系統結構圖

（1）數據來源主要有監測系統數據、維護檢修數據、運營生產數據及其他公共數據。其中監測系統數據包括電源設備、道岔、軌道電路等基礎信號設備的模擬量、開關量信息，對于聯鎖、電源屏、智能燈絲本身具備監測功能的設備，通過接口獲取其相關狀態信息；維護檢修數據主要有檢修日志、設備履歷、日常巡檢記錄等數據；運營生產數據主要有行車計劃、運營時刻表、調度人員指揮記錄等。

（2）數據匯集是指對各類數據歸并整合，如速度、距離、加速度、設備狀態、行車狀態、線路狀態等格式化數據以及視頻、圖像、聲音、維修記錄、系統日志等非格式化數據。對獲得的數據屬性抽取、轉化和融合的方式進行規范化處理，通過匹配時間地點等信息進行實現，避免數據錯亂或產生歧義。

（3）數據存儲是將規范化后的數據根據日期、地點、關系型、非關系型等特點進行分類存儲。隨著運營生產數據不斷累加，需要的存儲空間較大，可通過周期性清理的方式定期清理數據，可根據需求一個月、三個月、半年或一年進行數據清理。

（4）數據分析及計算是數據處理的核心，可根據需求抽取相關數據或關鍵數據，對抽取的數據進行預處理以避免數據噪聲導致的較大計算誤差，通過邏輯分析、回歸分析和云計算等方法對數據進行分析計算，最后還需衡量計算結果的準確及好壞，使其更精準地體現出大數據的價值。

（5）數據應用是以數據分析及計算結果為依托，實現故障定位、故障診斷及處置、應急處理指揮與流程、日常檢修維護重點目標、故障預測、設備健康及全壽命周期管理等功能。

（6）數據展示是通過數據可視化技術和人機交互技術，將數據分析計算的結果在平臺進行展示，可通過圖形、網絡拓撲圖、設備模型等方式更直觀地向用戶呈現智能監測結果，滿足電務人員的各項展示需求。

3 大數據智能運維系統關鍵技術

目前大數據主要使用的技術有數據采集與集成、數據的分析與挖掘（如谷歌公司推出的Map Reduce技術、開發分布式文件系統GFS、Big Table分布式并行數據庫技術）、數據可視化與人機交互技術（如標簽云、歷史流技術等）。下面將針對信號智能運維系統中所使用到的數據接入技術、數據融合技術與故障預測健康管理技術進行介紹：

3.1 數據接入技術

鐵路信號專業數據按照特點可分為靜態數據與動態數據，靜態數據有設備名稱及屬性等穩定不變的數據，動態數據包括檢修巡檢記錄、告警信息、操作命令、調度命令、設備動作記錄、列車運行記錄等實時更新且不斷增長的數據；按照類型可分為實時數據、文件數據、圖片視頻數據、消息記錄等數據。目前的數據接入技術中通過面向資源的REST標準，利用HTTP動詞、狀態碼、報頭等實現數據的接口，RESTFUL風格的接口前后端分離，能減少通過網絡傳輸的數據，同時以JSON作為數據交換格式，可避免數據注入等安全問題，適于接入靜態數據。Kafka是一種高吞吐量的發布訂閱消息系統，具有高吞吐量、低耦合、擴展性強等特點，可用于傳輸動態數據。

3.2 數據融合技術

信號智能運維系統獲取的數據多種多樣，將這些結構各異的數據進行融合，使數據規范標準化。首先需要形式化定義數據庫到RDF的轉換，從局部數據到整體數據的轉換要求嚴格推理、邏輯驗證，是保證數據合并、語義一致、轉換完備的重要步驟；其次利用基于RDF（S）的閉包算法，通過對RDF（S）本體的每個節點進行推理計算，將RDF（S）本體圖中的知識表達出來，可考慮數據中的日期、時間、地點等信息完成數據的匹配；最后對比RDF（S）本體與數據融合后的相似程度，以驗證融合數據的準確性。

3.3 故障預測與健康管理

設備故障預測與健康管理（PHM）技術可根據數據判定設備性能，監測和診斷設備故障，提前預測故障的發生，電務維修人員可根據預測提前采取維護手段或容錯措施保障運營。PHM通過平臺大數據挖掘關鍵參數，經過數據對比分析實現故障識別與診斷，根據故障處理流程及設備維護規程提出維修策略，PHM還具有設備健康狀態評估和壽命追蹤功能。能夠實現從板卡、模塊到部件到設備再到系統的不同層級、不同級別的綜合診斷、預測和健康管理。

4 結 論

智能運維系統已成為鐵路運維發展的主要方向，以信號系統大數據為驅動，通過數據處理技術將多源異構數據標準化，綜合運用數據接入技術、數據融合技術、數據智能分析、故障診斷及設備健康狀態評估技術，實現信號設備的集成監督、故障預測綜合管控。隨著我國科技技術的不斷發展，實現信號監測系統的集成化與智能化，為電務人員提供數據分析與智能診斷，通過數據可視化技術建設友好人機界面，促進了設備由計劃修到狀態修的轉變，提升故障處置效率，減少信號系統維護成本，為實現鐵路系統智慧運營提供技術支撐。