城市軌道交通實訓中心智能運維管理系統設計

曾 光，杜 飛，黎新華

（1.廣東交通職業技術學院軌道交通學院，廣州 510630；2.北京城建設計發展集團股份有限公司，北京 100034）

0 引言

城市軌道交通（以下簡稱“城軌”）是城市交通系統中的重要組成部分，也是推進城市綠色、智慧、可持續發展的重要手段。城軌的智能化發展對城軌從業人員提出了新的更高要求，而城軌實訓中心是培育城軌技能人才的重要場所之一，良好的實訓中心運維管理系統能夠提高實訓效率與質量、實訓設備維保效率、實訓中心運營安全性，并降低運維成本，對提升人才培養質量具有重要作用［1］。

隨著城軌智能化的推進以及職業教育提質培優的需求，軌道類高職院校實訓中心面臨著越來越復雜的挑戰。實訓設備的復雜度和體量不斷提升，而傳統的管理方式卻未能有效解決實訓設備維護、物資管理、教學管理、應急管理等方面的問題。此外，大多數實訓中心缺乏完備的列車運營實訓場景，管理體系不完善，執行手續不規范，對外開放程度較低，整體效率低下，實訓質量也無法得到有效監控和評價［2］。現有的紙質化管理方式已不能滿足實訓中心日益增長的管理任務需求，缺乏精細化管理習慣，信息化管理手段也欠缺有效監控和反饋機制，無法提供針對性的預警和改進建議［3］。

信息化、智能化的管理手段已成為提高實訓中心管理水平的重要趨勢。本文基于需求分析，將云-邊協同框架應用于城軌實訓中心智能化管理，通過云計算、大數據、人工智能、數字孿生等智能技術，實現多專業協同融合的城軌實訓中心智能運維管理，以期滿足城軌實訓中心日益復雜化的管理需求。

1 需求分析

1.1 多專業的融合協同

城軌實訓中心通常面向通信信號、車輛技術、機電工程、運營管理等多個專業開放，這些專業之間存在密切的聯動關系。單一專業的智能運維管理系統雖然具有很強的針對性，但無法滿足整個實訓中心的全方位管理需求。因此，為實現多專業的協同融合，需要采用一個統一的智能運維管理系統，將已有的單一專業智能運維管理系統數據進行匯聚整合，實現智能化管理多個專業的設備狀態檢測、資源動態更新、教學數據展示、應急聯動操作等功能，從而提高實訓中心管理系統面對不同環境、不同需求的適應性及系統自身的綜合性［4-5］。

1.2 集成化的實時監測

城軌實訓中心的實時監測對象包括實訓設備和實訓環境兩個方面，其中實訓設備的實時監測是通過傳感器、智能運維專項子系統等對各專業的實訓設備狀態進行檢測，包括設備的電源變化、溫度變化、運行數據、告警信號等關鍵信息；實訓環境的實時監測是通過攝像頭、傳感器等對實訓中心規定區域內設備擺放的整潔度、實訓場所的異物入侵、實訓場所的人流量以及明火或異味等安全因素的監測。所有數據以圖形化、實景化等方式進行展示，方便管理者掌握實訓中心的運行狀況，更快地發現故障并進行維護，提高運營效率。同時，與安全監控中心、報警平臺等構建形成應急聯動機制，提高運營安全性［6-7］。

1.3 智能化的故障預防

城軌實訓中心主要為實踐教學服務，其中的實訓設備使用頻率較高，并且大多部分學生為初學者或經驗不足，設備使用規范方面得不到很好保證，使得實訓設備的故障率一直居高不下。對此，需要通過對設備的歷史運行數據分析，結合故障案例庫、智能分析庫、維護手冊等提高智能化預判算法精確度的內容，建立不同設備的故障處理體系，并定義對應的故障代碼，形成故障樹。梳理故障形成的邏輯，有效指引設備日常預防性維護措施的實施，從而降低實訓設備故障率和維護成本，保證實訓設備的安全和可靠性，進而提高實訓效率和質量［8］。

1.4 信息化的資源管理

城軌實訓中心的資源管理主要涉及設備、人力、物料、實訓計劃等方面。設備資源管理包括設備編碼、名稱、型號、價格、購置時間、使用部門、年限、責任人等信息；人力資源管理包括累計使用人數、當月使用認識、優秀實訓成績、榮譽表彰等信息；物料資源管理包括物料類別、庫存數量、出入庫記錄、報廢記錄、領用人、數量和時間等信息；實訓計劃管理包括項目名稱、班級、時間、地點、指導老師等信息。信息化的資源管理可方便統計和分析，實現資源的統一管理和共享，提高使用和管理效率［9］。

1.5 數字化的場景輸出

由于經費、技術或規劃等原因，當前國內相關高職院校在城軌實訓中心建設方面還存在實訓設備零散、實訓系統規模較小、實訓條件不能完全模擬真實工況等問題，而完備真實的實訓系統是深化產教融合的重要體現之一。數字化的場景輸出有別于專項的虛擬仿真系統，其模型及數據基于校企合作企業提供的現場真實場景庫，并能夠根據不同專業的不同實訓項目內容，提供數字化的場景輸出接口，與實訓中心真實設備連接，形成虛實聯動，提高實訓的真實性和可操作性，更好地模擬真實的城市軌道交通環境，同時增強實訓的可重復性和可比性，方便教學管理和評估［10］。

1.6 多方面的反哺機制

城軌的數字化、智能化程度日益提升，為各類業務的智能運維管理奠定了基礎，廣州地鐵集團有限公司、廣州鐵科智控有限公司等均在大力推動智能運維系統的實際應用，并取得良好成效，這也衍生出智能運維管理相關的崗位需求。城軌實訓中心智能運維管理系統，應該體現當前城軌智能運維發展的前沿技術應用與前沿技能要素，在推動實訓中心的智能運維管理的同時，此系統本身也能作為智能運維系統實訓項目的模塊之一，對接產業需求，反哺實訓教學。此外，此系統也能夠根據采集的數據、評價、建議等信息反饋至系統各單元模塊，促進系統各模塊智能化程度的更新進步［11］。

2 系統設計

2.1 邏輯架構

針對城軌實訓中心的多層次需求，綜合運用云計算、邊緣計算、大數據、人工智能等技術，構建了基于云邊協同架構的城軌實訓中心智能運維系統（見圖1）。此系統將云計算和邊緣計算節點連接起來，形成一個分布式的計算網絡。云計算節點負責大規模數據的處理和存儲，邊緣計算節點則負責實時數據的采集、處理和傳輸。兩者之間通過網絡連接進行通信，實現數據的快速交換和共享，從而實現更快速、更可靠的數據處理和應用服務。同時，云邊協同架構還支持邊緣計算節點的自主決策和任務分配，從而實現更加智能化的服務和應用場景。這種云邊協同方式的優勢在于能夠充分利用云計算和邊緣計算的優勢，提高系統的響應速度和可靠性，同時降低維護成本和復雜度，進而提高城軌實訓中心的管理效率和資源利用率，促進城軌實訓的智能化和數字化進程［12］。

圖1 城軌實訓中心智能運維系統邏輯架構

在本架構中，終端設備通過傳感器收集運維數據后，將其上傳至邊緣節點。邊緣節點實時處理和存儲數據，并向終端設備下發指令和決策，以實現系統的快速響應。云數據中心接收處理后的數據和區域決策反饋結果，利用機器學習、深度學習和數據挖掘等技術對數據進行分析和模型訓練，并將指令和模型下發至各邊緣節點，為相關功能的實現提供支持。此外，為滿足城軌實訓中心的環境管理、物資管理、教學管理等需求，對應平臺與云數據中心提供直接通信通道，實現云到端的直接數據交互。

2.2 物理架構

根據邏輯架構，本系統通過構建實際的物理架構，將各個子系統的接口數據集中到多個內容服務器上，通過防火墻、交換機等傳輸設備接入數據庫服務器，實現數據的集中存儲、綜合計算等功能（見圖2），并最終通過各種類型的顯示終端，將結果進行可視化呈現。

圖2 城軌實訓中心智能運維系統物理架構

3 技術實現

3.1 技術路線

基于云-邊協同的城軌實訓中心智能運維管理系統，按照“數據采集—數據預處理—數據傳輸—數據分析—數據應用”的邏輯，將系統劃分為物理感知層、數據匯聚層、網絡傳輸層、數據處理層和業務應用層［13］（見圖3）。

圖3 實訓中心智能運維技術路線

第1 層級（物理感知層）：主要實現數據采集功能，是整個系統的基礎。該層級使用智能感知技術對信號、車輛、通信、供電、機電、工務、環境等專業的關鍵設備進行全面監測和數據采集。采集到的實時運行狀態數據通過系統標準數據接口和傳輸網絡傳輸至數據匯聚層，從而打破以往各專業獨立采集設備數據和數據孤島的局面。

第2 層級（數據匯聚層）：由多個邊緣計算節點組成，主要實現對各專業設備及實訓中心環境數據的實時感知。邊緣節點向上連接云計算中心，向下接入各專業終端設備的感知系統和實訓中心環境感知系統，并利用云中心下移的計算能力、存儲能力及系統功能，進行邊緣數據的實時處理。通過邊緣節點的實時評估、故障診斷、預警預報等功能，我們能夠對終端設備的運行狀態進行全面管理和控制。

第3 層級（網絡傳輸層）：主要實現數據的傳輸和流轉。該層級可提供不同的數據信息傳輸方式，以滿足不同的傳輸需求，并可以通過網絡傳輸鏈路，鏈接不同空間位置的多種專業設備，實現實訓中心運維數據的集中共享，進而提高整個系統的效率、可靠性和安全性，增強系統的整體穩定性和可靠性。

第4 層級（數據處理層）：整個智能運維系統的核心，主要實現數據分析功能。基于云邊協同架構，該層級和以邊緣計算為核心的數據匯聚層在資源共享、數據分析、服務體系、功能應用等方面實現全面協同，并在故障案例、維護手冊、應急方案等基礎數據的支撐下，通過大數據、云計算、人工智能、數字孿生等信息技術，進行數據的實時分析處理，并生成對應的數據模型。而基于數據模型的分析結果，可以針對設備運行狀態進行及時的評估、故障診斷、預警預報等工作，進而保障整個運維系統的穩定運行。

第5 層級（業務應用層）：基于大量的運維數據，通過云邊協同架構，實現實訓中心智能運維系統的頂層應用功能。該層級包括6 個平臺，分別是實時監控、數據管理、健康管理、應急管理、物資管理和教學管理，這些平臺能夠提供全方位的數據支持和可視化服務，是城軌實訓中心智能運維管理系統功能的實現與展示。

3.2 關鍵技術

3.2.1 智能感知技術

智能感知技術實現對各專業設備的全覆蓋智能感知和數據采集，以及各專業終端感知設備的實時評估、故障診斷、預警預報等功能。在本系統中，智能感知技術主要應用于第1 層級的物理感知層，以實現數據采集功能。智能感知技術的應用，能夠幫助本系統實現對城軌實訓中心各專業設備的全面監測和數據采集，并將對應數據發送至數據匯聚層，從而為后續的數據處理和分析提供充足的數據基礎［14］。

3.2.2 數據庫技術

數據庫技術是指用于管理數據的一組技術，包括數據的存儲、組織、訪問和維護等方面。數據庫技術可以幫助本系統有效地存儲和管理數據，從而實現數據的快速訪問、查詢和分析。在本系統中，數據庫技術主要應用于第2 層級的數據匯聚層和第5 層級的業務應用層。在數據匯聚層，數據庫技術主要用于對各種設備的運行數據、故障數據、環境數據等數據的高效存儲和管理，保證數據的可靠性、完整性和安全性，同時為上層業務應用層提供所需的數據支持；在業務應用層，數據庫技術主要用于數據管理和分析，例如對設備運行狀態、健康狀況、故障信息等進行實時監測、診斷、預測和分析，實現數據的快速查詢、統計、分析和可視化展示，為運維人員提供決策支持和指導，提高設備運行效率和穩定性［15］。

3.2.3 云-邊協同技術

云-邊協同技術是指云計算和邊緣計算之間的協同工作，以實現數據處理、存儲和分析的高效和實時性。在本系統中，云-邊協同技術主要應用于第2 層級的數據匯聚層和第4 層級的數據處理層。本系統通過云-邊協同技術，實現設備運維數據的實時接入、匯聚、處理、分析、離線存儲等工作，并生成相關數據模型下發至邊緣節點，用于及時更新邊緣側模型，實現邊緣側設備的快速響應。同時，通過云-邊協同技術，本系統的邊緣節點可以向云計算中心請求分配計算和存儲資源，在邊緣節點實現數據的匯聚、融合、存儲、處理，從而實現對終端設備運行狀態的實時評估、故障診斷、預警預報［16］。

3.2.4 故障預測與健康管理技術

預測與健康管理（Prognostics Health Management，PHM）技術是一種基于數據分析、建模和預測算法，通過對設備、系統或過程的實時數據進行分析和診斷，實現對其健康狀況的監測和預測。PHM 技術可以幫助本系統實現故障預警、維護計劃優化、降低運維成本等目標。在本系統中，PHM技術被應用于設備的運行狀態監測、故障診斷和預測，并結合邊緣計算、云計算和物聯網技術，實現設備數據的實時傳輸和處理，同時利用機器學習和數據挖掘等技術，建立設備的預測模型，實現對設備運行狀態的實時監測和預測［17］。

3.3 系統功能

本系統可以支持微信端小程序、手機端APP、電腦端應用軟件等多種推送方式，并且可以和實訓中心的VR設備一體化聯動（見圖4）。

圖4 實訓中心智能運維演示系統

3.3.1 數據匯聚與處理功能

在本系統中，可以通過傳感器和監測設備采集設備運行數據、環境數據、故障數據等信息，并將這些數據匯聚到數據匯聚層，再利用數據庫技術對數據進行存儲、管理和處理。在處理過程中，本系統采用數據清洗、數據融合等技術，對數據進行預處理，使其滿足數據分析的要求。同時，本系統采用機器學習和數據挖掘技術，對數據進行建模和分析，提取數據特征，并生成預測模型和健康評估模型，用于設備運行狀態的預測和健康評估。通過數據匯聚與處理功能，本系統能夠實現對設備運行狀態的實時監測、故障診斷、預警預報等功能，為上層業務應用提供數據支撐。

3.3.2 實時監測與預警功能

在本系統中，實時監測與預警功能是通過多種技術實現的。首先，在數據匯聚層中，本系統采集并處理了大量的設備運行數據、環境數據、故障數據等信息，通過對這些數據的實時監測和分析，可以及時發現異常情況并作出相應響應。其次，在業務應用層中，本系統通過PHM 技術，對設備的健康狀況進行預測和診斷，并通過預警功能提供及時的預警和預報。此外，本系統還結合了人工智能和機器學習技術，通過對歷史數據的分析和挖掘，提高預警的準確性和實時性，確保設備的安全運行。

3.3.3 故障診斷與預測功能

在本系統中，故障診斷與預測功能通過基于機器學習算法的故障診斷模型和預測模型實現。這些模型基于歷史數據進行訓練，能夠對設備的運行狀態進行實時監測和分析，并通過與已有模型的比對，及時識別故障并進行預測。在故障發生時，本系統會自動發送警報信息并提供相應的解決方案，幫助運維人員快速診斷和修復故障，提高設備維修效率。此外，通過對故障數據的收集和分析，本系統還可以自動調整和優化設備運行參數，提高設備的可靠性和穩定性，減少故障率和維修成本。

3.3.4 健康管理與評估功能

本系統通過采集設備的運行數據和故障信息，使用PHM算法進行實時分析和診斷，預測設備未來的健康狀況，并向運維人員提供預警和預測結果，以便及時采取措施防止故障發生，提高設備的可靠性和穩定性。此外，本系統還可以基于PHM算法對設備進行健康評估，為運維人員提供設備維護和保養的建議。健康管理與評估功能的實現，可以提高設備的可靠性和安全性，減少維修和更換成本，提高設備的使用壽命，同時也可以提高系統的運行效率和性能。

3.3.5 應急管理與響應功能

在本系統中，應急管理與響應功能的實現，是在實時監測和預警功能的基礎上，本系統還能夠自動判斷和分析設備異常情況，并快速響應。當本系統檢測到設備出現故障或預警信號時，會自動觸發應急響應機制，及時通知相關人員并采取必要的措施，以保障設備運行的安全和穩定性。并且在應急事件發生后，本系統將提供快速的應急響應管理功能，包括預案管理、事件響應、應急處置、評估反饋等環節。本系統能夠自動識別事件類型，根據預設的預案自動啟動應急處置流程，并對處置效果進行評估和反饋，以提高應急響應效率和效果。

3.3.6 教學管理與服務功能

在本系統中，具體教學管理與服務功能包括：實訓教學管理，即通過對實訓數據的管理和分析，對實訓教學進行監測和評估，提高教學質量和效果；教學資源管理，即對實訓教學資源進行管理和調度，包括設備、教材、工具等，為教學活動提供保障；學習效果評估，即通過對實訓數據的分析和處理，對教學效果進行評估和分析，為教學改進提供數據支持；教學服務支持，即為學生和教師提供實訓教學相關的服務和支持，包括實訓平臺的維護和管理、教學指導和咨詢等；教學信息共享，即通過數據共享和交流，促進實訓教學資源和經驗的共享和交流，提高教學質量和效率。

3.4 應用價值

基于云-邊協同架構、多專業協同融合的城市軌道交通實訓中心智能運維管理系統對于提高城市軌道交通實訓中心的信息化管理水平，促進技能人才培養質量的提高具有重要意義，并具有多重的應用價值。首先，本系統為城市軌道交通實訓中心提供了高效、智能的運維管理工具，使得設備運行狀態、故障信息、健康狀況等得以實時監測、分析、診斷和預測。這不僅有助于提高設備維修效率，也能有效減少故障帶來的損失。其次，本系統在應急管理方面提供了強大的支持，能夠及時預警并響應突發情況，從而保障設備運行安全和穩定性，避免了可能帶來的嚴重后果。此外，本系統還具備多專業融合協同的優勢，能夠整合各個專業的知識和技術，從而更加全面、準確地進行設備監測和管理。這一特點對于軌道交通行業而言尤為重要，因為該行業的設備種類繁多、涉及多個領域，需要多方面的專業知識進行維護和管理。最后，本系統還為教學活動提供了數據支持和管理服務，能夠提高教學質量和效率。這一點對于軌道交通行業的人才培養來說非常重要，因為高質量的教學能夠培養出更加專業、能力更強的人才。

4 結語

隨著智能時代的到來，實訓中心的智能化管理已經成為必然趨勢。基于云-邊協同結構、多專業協同融合的城市軌道交通實訓中心智能運維管理系統集成了六大平臺，包括實時監控、數據管理、健康管理、應急管理、物資管理和教學管理平臺，解決了多平臺重復建設、各專業彼此封閉、設備故障監控不足等問題，為城市軌道交通實訓中心的信息化、智能化管理水平提高，提供了全新思路。

城市軌道交通實訓中心的智能化管理對技能人才培養質量有著至關重要的影響。當前，智能化運維系統尚處于初步發展階段，多專業間的深度協同融合、設備故障的智能分析、邊緣計算和云平臺技術等方面仍面臨巨大挑戰，本系統的發展，面臨著同樣的挑戰。然而，隨著新興技術的不斷涌現，我們將緊跟新技術的發展步伐，通過不斷實踐與優化，以期實現更為通用、高效的實訓中心智能化運維管理系統。