超大線網標準城軌云及共享數據平臺分析

李美 邱燁 劉德坤 蔣慶 付港

摘要 針對當前軌道交通行業大數據平臺數據共享能力不足等問題，文章設計了面向超大網線標準的城軌云，以大數據平臺為城軌云數據嵌入模式，通過與不同業務系統數據庫的對接，在實現“一云承載”功能的基礎上，對其智能輔助決策、區域協同的線網運輸銜接等關鍵功能展開分析。最后對其共享數據平臺基本架構展開分析，并總結了該次研究的創新性，希望為相關地區城軌云建設提供支持。

關鍵詞 超大線網標準；城軌云；共享數據平臺

中圖分類號 U29-39文獻標識碼 A文章編號 2096-8949（2024）08-0009-03

0 引言

現階段城市輕軌建設已經成為緩解城市交通壓力的重要組成部分，而為進一步提升輕軌項目綜合管控能力，越來越多學者開始認識到云計算技術的先進性，希望借助大數據與云平臺系統構建新型管理架構。在這一技術背景下，超大線網標準因為具有信息資源高度統一的優勢，可滿足線路、車站業務、承載線網等諸多信息資源共享的需求，成為未來城軌云系統建設的新方向，值得關注。

1 基于超大線網標準的城規云設計方案

1.1 關鍵技術選擇

研究中所選擇的關鍵技術，是在云腦平臺基礎上形成的大數據技術，可提供面向數據采集、數據處理、數據治理等多元化服務。其關鍵點包括：

（1）在安全數據集成中采用Streamsets技術，作為一種強效的數據采集工具，可支持非結構化數據與結構化數據處理要求。

（2）在數據庫實現中采用了面向大數據的Neo4j原生圖數據庫，該數據庫具有完整的Java引擎，可具有成熟健壯的數據庫的所有特性，并且可以將存儲數據轉換為Beam分布式等多元數據結構。

（3）大數據計算中采用分布式批量算法，通過MapReduce框架完成分布式數據處理，支持創建拓撲結構實現數據編輯。

1.2 城軌云系統框架

在該次面向超大線網標準的城軌云設計中，云數據融合平臺通過搭建統一的數據中臺與業務中臺可實現海量數據的共享，并且與常規城軌云系統架構相比，該次系統設計通過存儲資源池完成核心數據庫業務的集中存儲，并且在執行階段也可根據城軌云不同類型數據制定對應的存儲方案。例如，針對ISCS以及ATS等關鍵數據，考慮此類數據精準度會直接影響行車安全，因此在該系統中采用SAN集中存儲模式；而對于其他通用的云服務數據，在綜合考慮云數據存儲與應用場景的情況下，決定采用分布式存儲模式。

為滿足上述數據正常使用要求，該文在城軌云系統設計中通過大數據服務器提供平臺功能支持，并在邏輯功能上嵌入功能分層，確保整個系統在建成后可滿足虛擬數據中心日常數據處理的要求[1]。最后，該文所介紹的超大網線標準城軌云平臺也可支持基礎設施即時服務的要求，可面向系統運行提供關于數據計算、數據安全的功能；通過平臺即服務（PaaS）組件整合系統共享效果，實現數據采集標準化處理，為整個系統架構的智能應用服務奠定基礎。

該文提出的超大線網標準城軌云的系統架構資料如表1所示。

在表1所介紹的超大線網標準城軌云的系統架構中，系統可實時記錄整個城軌云數據資料，并在內部實現關鍵數據的清洗、轉換與標準化處理等。同時，系統針對不同層級建立的高級應用模式可直接訪問不同數據服務平臺，并通過數據采集、數據緩存與數據治理等方法充實數據庫內容，為整個系統運行提供良好的數據支撐。

1.3 超大線網標準城軌云實現的關鍵技術

1.3.1 數據治理操作方案

（1）數據治理方案：

1）數據治理操作要點。該系統在數據助力中將引入遺傳算法理念，其關鍵技術方案包括：①通過設定不同數據的編碼，將城軌云的空間參數改造成單一編碼形式，每個編碼分別對應相應的空間個體，在經過健全性與非冗余性編碼處理后，可通過候選解為遺傳處理的染色體，其中所有非冗余性數據均與對應的候選解以及染色體數據相對應[2]。②生成種群。利用遺傳編碼組成若干基因種群，并且在初始種群中可隨機產生若干個體，每個種群中都包含了若干個可能解，其生成策略包括：a.可根據現有經驗掌握最優解的空間位置，并在空間數據中確定初始種群資料。b.通過隨機生成的若干最優個體做迭代，隨著迭代次數的增加，使種群數量滿足規定，最終形成初始種群。

2）遺傳算法的運算過程。在該次數據治理中，遺傳算法的運算步驟如下。

步驟1：數據處理初始化。在遺傳算法中設定進化代數計算方式，假設初始計數t=0，則最大進化代數T[0，1]，此時可生成M個初始個體，形成初始種群，此時初始群體P的表達方式為P（0）。

步驟2：采用個體評價方法，分別計算個體在群體P（0）的適應度情況。

步驟3：運算前先選擇算子，其目的是將優化后的個體遺傳到下一代中。

步驟4：通過交叉運算方法，將最終計算得出的交叉算子運用在群體上即可。

步驟5：終止計算條件，當遺傳算法處理結果顯示t=T時，則證明得到的數據具有最大適應度，即可將其作為最優解輸出，終止計算。

（2） ?數據治理系統實現。在該次數據治理架構中，應確保城軌云平臺可滿足不同來源數據存儲、應用、管理的要求，并且可滿足生命周期內各類主數據與元數據處理要求，最終以數據資產地圖的方式完成整個數據治理過程。上述數據治理目標實現的關鍵操作方案包括：

1）經數據標準化處理后，為城軌云的主數據提供唯一的ID標識，并且該標識可在整個超大線網標準城軌云中實現，該平臺在建立主數據ID與各功能模塊的ID映射表后，即可在平臺上存儲關聯性數據[3]。

2）在數據治理中可通過統一元數據管理，根據數據庫建立的對象及其屬性表的關聯，形成數據字典。該字典可記錄城軌云的實時數據與靜態數據，以城軌云的智能視頻技術為例，在數據字典中可通過動態視頻目標識別、動態視頻目標定位等關鍵資料，并通過不同目的完成追蹤與定位[4]。

1.3.2 數據服務模式

在數據服務模式選擇上，應重點考慮數據處理的通用性、安全性等要求，利用大數據平臺提供的標準接口，即可通過數據挖掘算法等模式降低數據處理難度。

根據數據服務模式的成功經驗可知，在超大網線標準城軌云數據處理中可引入深度學習實時模型，該模型在數據處理中可通過實時流處理組件（如Redis等）即可實現數據實時處理。該次系統設計中采用了不同數據服務模式，主要包括：

（1）歷史數據共享服務模式。在該次城軌云數據處理中，將通過大數據采集城市軌道交通子功能模塊運行的歷史數據，根據大數據服務目錄選擇相應的應用程序編程接口網關查詢數據[5]。在該次數據處理中為避免在應用程序編程接口服務中出現二次開放等問題，研究中將通過動態接口網關技術，在支持應用程序編程接口信息編輯的同時，可通過靈活查詢的方式增設相應的查詢場所，并提供結構化查詢語句服務。

（2）實時數據共享。實時數據共享是超大線網標準陳桂云的重要組成部分，該次系統設置上為確保能夠適應實時數據推動的要求，將通過監控數據流任務發送操控指令，并且為提升數據處理效率，將采用Flink框架和分布式處理引擎，使信號處理效率達到秒級演示，以滿足城市軌道車輛運行監控要求[6]。

2 面向超大線網標準的共享數據平臺實現

2.1 共享數據平臺的建設模式

在該數據共享平臺建設中將通過對比應用驅動導向的分散建設模式，因此在共享數據平臺中將通過數據統一驅動方式完成關鍵數據交互，并形成與之相適應的數字化驅動底座，整個數據共享平臺可提供統一數據集成、完整數據服務與共享的要求，其整體架構如表2所示。

2.2 共享數據平臺實現策略

該文在共享數據平臺實現中，結合線網數據內容與來源等提出了一種混合實現策略，其關鍵點包括：

（1）結構化數據存儲。在該次數據存儲方案中將結合不同業務主題構建Hive數據倉庫，并配合在線數據分析等方式，將處理后的共享數據上傳至數據庫平臺上[7]。在數據層實現中，可通過關系型數據庫集群來滿足不同共享業務下的數據處理要求，該技術的主要特征就是可以針對每個SMP節點運行對應的操作系統與數據庫，在關鍵數據信息采集中可通過不同節點之間的信息交互功能完成共享數據分配，因此具有更高的數據處理效率[8]。

（2）半結構化的數據支持方案。針對共享數據平臺中的文本、日志類數據，為滿足其實時分析的要求，應將其解析為結構化數據，并配合NoSQL數據庫實現在資訊采集后，即可根據其業務類型做現場數據處理。此時為保證數據處理效率，可采用數據追溯技術，其關鍵點包括：①數據來源追溯，即對數據的來源做跟蹤、分析，判定數據資源的真實性與可信度，或者通過整合各類數據的采集時間與地點，也可通過大數據的方式，按照數據采集方式與采集人員等標準進行現場劃分。②數據傳輸追溯方案。通過對數據傳輸過程做跟蹤分析，評價各類數據的完整性與可信度，常見的追溯方式包括檢查數據傳輸地點、時間或者傳輸方式等，可對數據傳輸的安全性等關鍵指標做出有效評價。③數據處理追溯。以判定數據真實性、可信度等為評價目的，需要查閱的內容包括數據處理流程、方法以及數據處理人員等[9]。

2.3 共享數據平臺的安全性評估

為實現共享數據安全處理的要求，在該次平臺設計中將通過面向全生命周期的安全防護模式達到徹底消除潛在危險的目標，其安全處理內容包括：評估防護對象安全性、評價安全角色、分析安全威脅、制定生命安全周期等，在確定城軌云安全防護節點以及中心云平臺功能的基礎上，將其作為安全評價防范的關鍵。

同時為確保整個數據安全性評價過程均具有可控性，在安全性評估階段將通過數據安全標記等方法，實現城軌云邊界模糊化處理，并利用安全標記強防設計方法，將共享數據平臺中的安全生產網、內部管理網、外部服務網及運維管理網等業務數據整合在一起，避免因為非正常數據傳播而引發安全性問題[10]。

3 創新性評價

該文的創新性是提出了適應標準化、自主化的城軌云系統架構，該系統架構實現了一云承載，并且在系統數據處理等方面充分發揮遺傳算法等科學手段優勢，該系統采取的數據治理操作方案在數據標準化處理與統一元數據管理中發揮著重要作用。并且實踐結果顯示，該系統在數據精度等方面具有明顯優勢。該文將引入損失模型計算系統處理效果，其計算方法如公式（1）所示。

（1）

式中，minJ（θ）——數據損失函數，該數值越大，證明數據誤差越高；n——研究對象總例數；w——神經元中的層數；i——數據修正值；t——數據處理時間參數。如表3所示：

根據表1所記錄的數據可發現，該系統的minJ（θ）均小于等于0.020，提示數據精準度較高。

在共享數據平臺建設中，該次研究不僅考慮各類數據安全性問題，同時，在系統設計中可將數據共享安全處理集中在安全威脅、生命周期等幾方面，并配合數據傳輸追溯方案等一系列安全措施，配合共享數據平臺實現策略可實現數據存儲與數據支持要求，可滿足復雜條件下的數據共享要求。

4 結束語

通過超大線標準城軌云及其共享數據平臺系統建設可顯著強化系統功能，達到實現云業務連續性的目標。該文所開發的數據共享平臺在數據處理精度、安全性上均具有一定優勢，滿足城軌云的功能集約化要求，對于整個城軌云系統功能攻關、強化系統功能的意義重大，值得推廣。

參考文獻

[1]陸詩釗， 劉魁， 沙東強. 基于城軌云的網絡安全縱深防御體系研究[J]. 都市快軌交通， 2023（5）： 44-50.

[2]王偉， 牛昌平， 張超， 等. 面向城軌云的安全資源池設計方案與實踐[J]. 鐵路技術創新， 2023（3）： 177-182.

[3]嚴浩毓. 城軌云平臺上AFC建設的模式分析及選擇[J]. 科技與創新， 2022（16）： 88-90+93.

[4]沈光亮. 以云平臺為底座的城軌云架構研究[J]. 都市快軌交通， 2020（5）： 1-6.

[5]許尚農， 張敏波， 呂宇， 等. 自主可控的城軌云與大數據平臺關鍵技術研究與應用[J]. 都市快軌交通， 2022（6）： 51-58.

[6]徐鵬， 王立剛， 周曉宇， 等. 城軌云平臺測試平臺的系統功能與性能測試[J]. 城市軌道交通研究， 2020（9）： 189-194.

[7]趙振杰， 郭建偉， 劉海川， 等. 基于城軌云的全自動運行系統設計與實踐[J]. 城市軌道交通研究， 2021（10）： 213-217.

[8]王皓. 智慧城軌云平臺和數據平臺及網絡安全融合協同技術研究[J]. 都市快軌交通， 2022（6）： 64-68.

[9]陳瑞軍， 王曉東. 基于城軌云的地鐵視頻存儲系統設計與應用[J]. 自動化儀表， 2021（9）： 92-94+98.

[10]謝正媛， 劉霞， 李雅卓. 城軌云平臺網絡安全方案淺析[J]. 網絡安全技術與應用， 2020（11）： 124-126.