GSM-R網絡綜合監測系統的研制

魏新忠，陳繼仲，蘇林武，擺曉軍，李 源，劉亦偉

1 研制背景

2021年底至2022年初，新型列控系統在烏魯木齊鐵路局范圍內的格庫線及和若線進行現場試驗。試驗反映出，按照CTCS-0級線路標準設計和建設的GSM-R網絡，在不進行專項優化補強的情況下，難以完全滿足新型列控業務的需求。雖然目前通過已有的鐵路GSM-R 網絡監測設備采集的數據，可以協助發現并解決部分通信異常和業務流程異常的問題，但要全面深入分析無線超時原因，維護人員仍面臨諸多問題：①監測接口不全，部分問題無法進一步查明原因；②空口數據復雜度高，可讀性差；③數據量龐大，干擾數據眾多；④數據分析范圍廣，分析工作繁雜，缺乏自動化分析工具，運維人員難以應對；⑤數據統計不全，沒有可視化呈現。

為此，研制適用于新型列控系統的“GSM-R網絡綜合監測系統”（簡稱“系統”），在保障和若線新型列控系統試運行順利進行的同時，探索GSM-R 網絡運維新模式，向數據自動化分析、統計分析可視化的方向發展，進一步提升GSM-R 網絡的整體運維水平。

2 系統結構

GSM-R 網絡綜合監測系統采用分層式結構，從下至上分為數據采集層、系統資源層、數據服務層、數據分析層和智能展現層等5層，如圖1所示。

圖1 GSM-R網絡智能綜合監測系統結構

系統的分層式結構中，每層不但可以作為系統的組件為大系統提供服務，也可以對外提供各層的服務。

2.1 數據采集層

數據采集層為系統提供原始數據，是綜合監測系統大數據處理的數據來源，也是綜合監測系統的基礎，可產生和收集GSM-R 網絡相關的各類數據，也是綜合監測系統與外部系統的接口。

2.2 系統資源層

系統資源層提供計算、存儲、網絡等各類資源，為綜合監測系統提供硬件基礎和資源管理。GSM-R 網絡綜合監測系統部署在云平臺上，各層各組件共享云平臺的計算、存儲、網絡等資源；同時，云平臺為各個物理實體和虛機資源提供統一的監控管理，從而實現資源的合理分配調度［1-2］。

2.3 數據服務層

數據服務層提供數據融合、清洗、中間件、數據分析及預測等服務，在系統中起到承上啟下的作用，由多個部分組成。數據服務層下端與系統資源層接口，從系統資源層獲取原始數據，并根據業務邏輯和數據的關系對數據進行清洗和預處理；根據專家的分析經驗，從已經預處理后的數據中提取有用信息，實現常見故障的自動分析；中間件服務包括GIS 服務、權限及審計服務、數據備份恢復服務、案例庫管理服務等［3］。

2.4 數據分析層

數據分析層提供側重于業務應用的數據分析服務，主要實現針對鐵路業務數據的分析應用和數據的綜合查詢、統計、告警、應用等功能，具體為新型列控系統無線通信超時專項分析、鐵路無線電干擾監測分析、進路預告發送失敗專項分析、設備性能狀態趨勢預測分析、其他專項分析、綜合查詢及指標統計、業務告警、GIS應用、案例庫應用等。

2.5 智能展現層

智能展現層是人機交互的入口，用于實現數據駕駛艙和智能信息推送功能，提供數據展示、告警推送等服務。數據駕駛艙可根據登錄角色的不同為用戶實時動態地展示各類分析結果，同時按照用戶角色展示不同維度的統計結果；智能推送功能可以實現多終端的協同推送，使用戶可以隨時隨地獲得所需的綜合監測信息。

此外，系統管理監控貫穿于各個層，實時采集各個層的運行狀態數據，統一匯總；結合各層的狀態對系統的運行情況進行評估和監測，并將結果反饋給系統資源層，實現資源的動態調整，同時監測結果也可通過智能展現層進行告警、顯示和查詢。

3 關鍵技術

系統采用了多源數據融合、空口數據解析、數據處理中臺、超時數據自動故障分析、數據駕駛艙等技術。

3.1 多源數據融合技術

傳統電路域的三接口監測數據采集，僅對移動通信基站（BTS）和基站控制器（BSC）之間的Abis 接口、移動業務交換中心（MSC）與基站控制器（BSC）之間的A 接口，以及MSC 與無線閉塞中心（RBC）之間的PRI 接口數據進行匯總［4］。在實際工作中，經常出現車載側記錄與基站側記錄不一致的情況，不能確認無線超時是由車載發送出現了問題，還是BTS 接收出現了問題造成的。此外，在增加了承載新型列控業務的GPRS 通道后，分組域數據需要經過服務于GPRS 支持節點（SGSN）與業務支撐系統（BSS）間的Gb 接口、SGSN 與網關GPRS 支持節點（GGSN）間的Gn接口、GPRS 與外部分組數據網之間的Gi 接口傳輸［5］。同樣，分組域的超時分析也需要通過空口監測數據來進一步判斷是由車載設備還是地面設備造成無線通信超時。因此，不管是傳統電路域的無線超時分析，還是分組域的無線超時分析，均存在監測數據不全的問題，使得無線超時問題無法進一步查明原因。

由于通過傳統三接口監測數據進行數據融合已經不能滿足現有的業務需求，因此本系統采用了多源數據融合技術，使得監測數據的采集除了傳統的地面三接口數據外，還包括鐵路無線電干擾監測采集，地面Gb、Gn、Gi接口分組域的信令及業務采集，車載ATP 的Um、Igsm-r接口的電路域和GPRS分組域信令和業務監測采集，7 號信令的監測采集，以及外部系統的數據接入，如網管的告警信息、設備維修維護信息等［6-7］。

多源數據融合技術不僅豐富了監測接口，而且能夠利用各接口業務信息的一致性，解決各個數據源間的數據同步問題，使各接口數據可以進行智能化合成，為超時分析提供比單一監測數據更精確、更完全、更可靠的基礎數據。多源數據融合技術的使用提高了分析效率和可靠性，為無線超時問題的深入準確分析提供了穩定的數據基礎。

3.2 空口數據解析技術

針對無線超時分析中遇到的車載、地面原因歸屬困難問題，系統將空口監測數據引入故障分析中，從而實現故障的進一步定位［8］。采用空口監測數據解析技術還解決了以下問題。

1）空口協議復雜，包含多層協議。系統對空口監測數據按照協議棧進行分層處理，將數據分為信令層（包括GSM-R通信協議的各層）、鏈路層和業務數據層。分層后的數據可以與不同接口的數據靈活對應分析，如電路域中的信令層數據與Abis信令、A 接口信令對應，業務數據層數據與PRI接口數據對應。數據分層處理后大幅降低了分析難度，有效提高了分析效率，為自動分析提供了數據基礎。

2）原始數據均為16 進制數，需按位處理，沒有可讀性。根據3GPP 和C3 列控無線信息傳輸中使用的各類協議，采用空口數據解析技術，先將16 進制數據解析為可交互的文本信息，再將不同協議數據分別顯示，從而提高了數據的可讀性，并為數據后續自動化處理打下基礎。

3）監測范圍內的用戶數不止一個，監測數據中包含了可檢測范圍內所有用戶的數據，多個用戶的空口數據混雜在一起。采用空口數據解析技術，首先利用頻點、時隙、信道等不同條件篩選出部分用戶數據；再通過信令解析、應用層數據關聯等技術，實現了單用戶數據追蹤，能夠使分析人員從繁雜的數據篩選工作中解放出來，大幅提高了數據分析效率。

3.3 數據處理中臺技術

為盡量消除無線超時分析中的“數據孤島”問題，系統接入了各個通信接口間大量的監測數據，造成數據量龐大、干擾數據眾多的新問題。而隨著無線超時分析的深入，越來越多的系統引入了自動化分析功能，干擾數據的存在大大降低了自動化分析的準確度。由此對自動化分析提出了數據標準化和數據清洗的需求。為了降低數據分析難度、清除干擾數據，系統在數據服務層引入了數據處理中臺技術，以提高數據處理質量［9］。

數據處理中臺實現了對各個接口監測數據的清洗、過濾、標記、整合等操作處理［10］。清洗和預處理可以實現對原始數據的噪點數據清除和干擾數據濾波。此外，在數據服務層，根據數據之間的邏輯還實現了用戶識別、話單合成、接口關聯、數據整合等功能。原始數據及處理后的數據存入數據服務層對應的數據庫中，實現了數據的分類存儲功能。

數據處理中臺可針對上層分析服務提供專門的數據服務，減少直接處理海量數據的壓力；同時提供了大量的數據開發組件和數據治理組件，以支持數據處理和管理功能的實現。通過在數據標準、數據質量、數據服務、數據資產、數據安全等多個方面進行控制和整合，從而增強了數據服務的能力，提升了數據應用的價值。

數據處理中臺基于Hadoop 分布式系統基礎架構建立，通過Hive 數據倉庫處理工具，使用類SQL 的hiveSQL 語言實現數據查詢［11］。同時具備查詢結果的可視化顯示功能，查詢結果可以在Hive 的可視化平臺Hue 中進行顯示。展示內容可包括數據庫列表區、數據庫內表單列表區、多行查詢語句輸入區、歷史查詢顯示區、查詢結果顯示區、查詢結果下載方式選擇區、查詢表格中字段的顯示區等。

3.4 超時數據自動故障分析技術

針對數據分析范圍廣、分析工作繁雜、缺乏自動化分析工具等問題，平臺引入了結合空口監測的GPRS分組域超時數據自動故障分析技術［12］。

首先，根據業務類型將電路域和分組域的數據分開，例如C3 列控系統數據采用電路域承載，而新型列控系統的列控和進路預告信息則采用分組域承載。分類后的業務數據根據業務類型通過定期掃描或人工導入的方式實現數據匯聚，其中電路域承載的數據使用Abis、A 接口、PRI 接口和BMS（基站側空口監測）、AMS（車載側空口監測）的監測數據；分組域承載的數據使用Gb、Gn、Gi接口監測數據和BMS、AMS的空口監測數據。

其次，針對電路域數據，系統可自動生產話單，自動繪制上下行電平，利用空口數據及PRI接口數據，實現C3列控系統車地無線數據交互超時的自動分析。針對新型列控業務使用的分組域數據，系統根據BMS、AMS 數據的特點，實現分組域數據的單用戶跟蹤。與傳統電路域不同，新型列控業務數據使用TBF（臨時塊流）承載，每次數據發送前移動終端根據發送的業務數據長度申請TBF，并在數據發送結束后釋放TBF。因此，只有在用戶需要發送和接收數據時才存在該用戶對應的TBF，無需連續占用資源。

此外，GPRS 業務的小區切換完全由移動終端決定，基站側沒有小區切換相關的信令，因此無法根據用戶的頻點和時隙進行單用戶數據追蹤。為此系統根據業務數據的源地址、目的地址、端口號等信息，逐段定位出應用數據當前使用的頻點、時隙、TFI（臨時塊流編號）；再通過判斷隨機接入、立即指配、上下行TBF 分配、時隙重分配、TBF釋放等信令，對數據進行向前和向后的雙向追蹤，最終獲得完整的單用戶數據。

為保證數據傳輸的可靠性，新型列控業務在RLC/MAC 層采用了確認模式進行數據交互。在該模式下，上行數據的確認完全由基站側決定，因此造成了大量的空口數據重傳。為此，系統通過使用TCP 的源地址、目的地址和序列號等信息，將空口業務數據與Gb 接口的業務數據自動對應，剔除空口重傳的干擾信息，實現了異常數據的自動發現。

通過超時數據自動故障分析技術，對車載設備與地面BSS 之間無線超時故障進行定位、原因分析、自動生成分析報告［13］，實現了新型列控系統列控數據車地無線交互超時事件和進路預告發送異常事件的自動分析功能。

3.5 數據駕駛艙技術

在以往的無線超時分析中，往往是發生一件分析一件，分析后沒有對超時事件進行歸類統計。而對超時事件的歸類統計不但可以幫助用戶快速查找既有案例，了解本局超時發生的分布類型，還能幫助用戶發現造成超時發生的主要矛盾，從而針對主要矛盾集中力量解決問題。因此，系統制定了各種統計規則，如按照線路、基站異常類型、基站排行、電臺異常類型等，從多個維度對超時事件進行匯總統計，并利用數據駕駛艙技術實現對超時事件的可視化呈現［14］。

以數據駕駛艙對基站、電臺的異常統計的展示為例，經對基站異常按照不同維度進行統計，得出基站排行榜，其中異常發生前5 名的基站示例見圖2。

圖2 基站的異常排行榜示例

基站異常類型占比、電臺異常類型月占比統計了下行電平突降，上、下行連續質差大于5 級，上、下行電平連續偏低，上、下行電平均偏低，上下行電平不平衡等多種異常類型。基站異常類型占比見圖3。

圖3 基站異常類型占比

不同線路、不同日期，基站異常的總次數使用折線圖進行顯示，各線路基站異常數據見圖4。

圖4 各線路基站異常數據

4 結論

1）GSM-R網絡綜合監測系統通過多源數據融合技術匯總了分組域接口監測數據，解決了數據不全問題；通過空口數據解析技術將數據解析為可讀文本，解決了數據復雜度高、可讀性差、各層數據混雜問題；通過數據處理中臺技術對干擾數據進行清洗，解決了數據處理壓力大、數據標準化程度低的問題；通過數據自動故障分析技術實現分組域用戶追蹤和自動信令分析，降低了超時分析復雜度；通過對既有超時案例多種角度統計和數據駕駛艙技術對統計結果進行可視化呈現，實現了多終端融合的人機交互。

2）該系統有效地解決了C3及新型列控系統無線超時數據分析中面臨的主要問題，大大提高了無線超時數據分析的效率及準確度。