軌道交通信號日志分析系統的開發應用

巫宜國

（深圳地鐵運營集團有限公司,廣東 深圳 518040）

0 引言

軌道交通信號系統設備維護和故障處理中，常常要分析各種日志信息，但傳統的人工分析日志效率比較低下、故障診斷不及時，同時維護成本也比較高[1]。無法充分挖掘日志規律性價值，從而不可提前預知可能存在的隱患；日志分析過程人為經驗依賴程度高，分析效率較低，無法快速高效完成故障排查[2]。

針對上述問題，該文結合設備維護日志分析中積累的經驗，開發了一套日志分析系統。通過這一系統能更簡單、便捷地分析日志，得到列車運行相關數據和信號設備運行狀態等數據，有效地指導運營時刻表編制，掌握設備的運行性能，提前發現設備中存在的隱患，在實際運用中取得良好效果。

1 信號系統日志簡介

1.1 日志的種類

信號系統日志主要用于記錄系統的運行中人員操作、系統操作、系統響應和列車運行記錄、報警信息和各系統接口間傳輸的數據等，這些信息便于軟件設計人員、維護人員掌握系統運行狀態和運行中出現的各種異常。據統計，部分故障還呈現出一定的規律性。對于此類問題，若不能及時進行分析處理，可能造成重大安全隱患甚至影響列車運行，不利于軌道交通的安全、高效運營和乘客出行。

信號系統的日志主要有：ATS日志，記錄了ATS系統運行期間人員/系統操作記錄、列車運行狀態日志、接口數據日志、報警日志等；NMS日志，記錄了全線網絡設備運行狀態和報警信息等；聯鎖系統（PMI）日志，記錄了進路觸發、操岔、通信狀態、重啟、故障報警等；車載運行日志，記錄了列車運行中接收到的移動授權、運行速度、加速度、制動率的運行狀態信息和系統報警數據；數據記錄儀（DR）日志，記錄了通過接入交換機系統之間收發的所有數據包；還有交換機日志、計軸日志等。

1.2 常規日志分析方法和缺陷

系統供應商提供了常規的日志分析工具，供維護人員查看系統報警，人員操作、進路觸發等各類系統運行信息，輔助故障的分析處理。也可以統計一定時間周期內，某個報警信息的數量，發現一些設備故障隱患，及時進行處理，避免故障的發生，如每天運營期間統計列車通信丟失和信標丟失的數量，對丟失數量多的設備進行處理。但該工具也有一些不足，如篩選報警信息時間周期不能太長，也不能對篩選的結果輸出文件進行保存和進一步分類統計，無法遠程分析和查看。

對于一些日志數據，如NMS日志，無法用系統供應商提供的日志分析工具，日志分析存在較大的困難。通常是使用記事本或者notepad++打開后，查找關鍵字，或者使用Excel導入文件，利用篩選工具和Excel公式進行分析和統計。但這些操作較為繁瑣，分析效率低，特別當日志文件太大、行數超過一百萬行的也不便導入，且Excel處理速度變得非常緩慢。

2 日志分析工具的研制

2.1 需求分析

結合日常維護中日志分析需求，日志分析工具實現的主要功能如下：

（1）分析列車運行期間，每個站的到站和發車時間，列車ATO模式下區間運行速度等級。得出列車不同速度等級下的區間旅行時間，優化調整時刻表的參數。

（2）統計分析信號系統一段時間內各類報警的數量，針對不同列車、不同控區進行分類統計，便于掌握系統運行中發生的一些沒有立即影響行車的異常信息，定期分析和處理這些異常，掌握系統運行的趨勢。

（3）分析全線車地通信質量。根據列車運行時通信測試記錄，分析列車在該時間內的丟包率，列車在每個站臺的丟包情況以及丟包時與列車通信的AP，發現通信質量較差的區段和可能存在問題的AP，并進行處理，減少發生通信故障影響行車。

（4）統計分析NMS日志中設備端口報警和AP與列車關聯通信的次數等，判斷網絡設備是否存在工作不穩定的情況。

（5）在漫游測試AP信號強度后，分析AP信號強度是否正常。

（6）在設備更換后，能對設備相關的MAC地址等參數進行維護。

（7）分析PMI故障日志，找出故障代碼，通過查詢功能查詢故障日志的含義及處理建議。PMI是信號聯鎖系統，在設備運行中，故障率較高，需要通過對PMI日志進行分析查明故障原因，再通過維護手冊，查明故障的具體原因和故障排除建議。

2.2 軟件設計語言的選擇

Python程序設計語言是一種當前比較流行的程序設計語言，有大量功能強大的第三方包支持，簡單易學，適合非計算機軟件開發的設備維護人員。它大量用于數據分析、人工智能等領域。軟件移植性良好，可以安裝到任何系統的電腦，因此該文選用了Python語言作為軟件編寫語言。

2.3 軟件功能的設計

日志分析軟件主要需實現對指定日志進行分析，實現預定的功能。首先打開指定文件路徑的日志文件，查找出日志文件記錄的關鍵詞，再提取出這一行中需要的信息，提取出的信息經過一定的邏輯判斷和分類存儲，輸出分析結果，即可實現大部分的功能，軟件流程圖如圖1所示。Python使用“in”語句查找關鍵字所在的行，找到該行數據均可使用“split”語句分拆后提取需要的信息。

圖1 日志分析基本流程

tkinter模塊是Python常用的一款人機界面設計模塊，使用該模塊的窗口、菜單（Menu）、按鈕（Button）、標簽（Label）等控件設計人機界面，圖2所示為該軟件主界面。

圖2 軟件的界面

pandas模塊是一款功能強大的數據分析模塊，可用于ATS報警數量的分類匯總統計，同時也可以用于讀取日志文件和輸出分析結果。

軟件日志記錄功能的設計：Python使用logger包可以方便實現日志的記錄功能，便于掌握軟件設計期間的調試和軟件使用期間出現異常的分析。

2.4 軟件功能的實現

不同系統廠家的日志也必然有所不同，需要針對需求，找到需要的日志文件和關鍵詞，設計邏輯實現需要的功能。以下介紹深圳地鐵9號線信號日志分析系統的功能。

2.4.1 列車運行性能分析功能

通過分析一段時間的列車運行日志數據，可以得出這段時間所有列車的到發站時間，同時可以知道列車在區間運行的速度等級和列車運行的模式，其中列車到站的關鍵字為“arrival at Platform”，發車時間的關鍵字為“to MOVING”，速度等級的關鍵字為“SpeedProfileType”，速度等級要針對“Exit ATO”進行排除，結合站臺編號，將記錄下的每個時間進行計算，得出分析結果。如表1所示為某次測試的部分結果。

表1 分析結果（不同速度等級下的區間旅行時間）

通過列車性能分析功能，可以快速知道不同等級下不同列車在不同區間的旅行時間，為時刻表編制提供依據。

2.4.2 車地通信質量分析

車地通信質量分析，在現有的信號系統日志里面缺少實時測試車地通信質量的日志，需要另外編制一個小程序，持續ping列車，并記錄ping包測試結果，結果需包含時間戳，結合NMS日志（記錄列車通信時關聯的AP）和列車運行日志的數據，綜合分析，得出列車運行測試期間的總丟包率、在停靠站臺的丟包率和通信丟包關聯的AP等數據，如表2所示為6月25日測試的站臺中丟包率較高的幾個。

表2 分析結果（站臺丟包率）

以上結果可以得出各個站臺的丟包率情況，需要對丟包率高的站臺進行整改，減少站臺丟失通信產生的故障。

2.4.3 其他日志統計分析

ATS日志、NMS日志中記錄了大量不影響行車的報警信息，AP信號強度通過列車漫游測試，記錄AP的信號強度日志文件。通過使用panda工具包，可以快捷地實現日志文件讀取，分類統計分析，并將結果以總、分方式統計，輸出到電子表格。

2.4.4 PMI日志查詢分析

故障日志分析是通過聯鎖設備重啟時出現重啟的關鍵詞，找到特定行的報警信息，進行提取，然后將該行關鍵信息輸出，完成日志的分析。將設備維護手冊里的報警日志含義和處理建議進行整理，保存到一個文件里。在分析故障日志后，可以復制其中的關鍵詞，進行查詢。再通過查詢功能，查詢報警信息行里面的關鍵字進行查詢，得出故障排除的建議。圖3為軟件操作界面，下半部分可以導入日志文件分析，上半部分可查詢日志中關鍵詞的含義及故障排除建議。

圖3 PMI日志分析界面及結果

3 日志分析系統應用成果

通過對列車運行性能分析，方便地收集到列車在各個區間運行準確的旅行時間，利用這些旅行時間對時刻表進行了調整，減少了原來預估時間不準導致的預報站不準的問題，大大提高了廣播預報站的準確性。也可以根據地鐵高峰期和非高峰期的特點，在非高峰期乘客少，上下車時間明顯比高峰期的少。組織人員測試高峰期與非高峰期乘客上下車的時間，大部分車站均可壓縮5～10 s的停站時間，通過適當壓縮停站時間，將減少的停站時間，根據測試到不同區間不同等級的運行時間調整到區間運行時間，讓更多的區間運行在低的速度等級下。實現在不降低全線旅行速度的前提下，優化時刻表，實現了節能目標。

通過每月對ATS報警信息的統計分析，持續跟蹤不同報警的數量發展情況，發現了部分區段車地通信的丟失報警較多、部分列車丟失信標較多等問題，指導現場維護人員及時進行處理，減少了故障的發生率。通過對車地通信質量分析，發現并解決了梅景上行站臺、深圳灣公園站下行站臺、怡海上行站臺列車通信丟包率高的問題，消除了這些站臺車地通信丟失導致軌道關閉的故障隱患。

通過NMS日志分析和AP信號強度分析，發現了個別AP與列車關聯次數正常和信號不強等問題，進行及時重啟或更換，保障設備的穩定運行。

PMI日志查詢分析工具的使用，一線工班的維護人員也可以快速判斷出設備故障的原因和故障處理的建議，及時正確處理PMI聯鎖故障。

4 結論

Python程序設計語言簡單易學，有大量第三方工具包可以直接使用，簡化了程序設計過程。對于非計算機軟件開發專業的設備維護人員也能快速上手，將設備維護中積累的日志分析經驗，通過編寫軟件來實現日志分析的自動化，提高日志分析效率，及時發現設備存在的故障隱患，減少設備故障數量，更好地保障設備正常穩定運行。也可以利用計算機處理速度的優勢，深度挖掘大量日志數據中有用的數據，為生產提供服務。