城市轨道交通信号智能运维系统设计与研究
时间：2023-06-23 19:45:04 来源：雅意学习网 本文已影响 人 
胡寿建 吴荣斌 王亚坤 刘春洋 牛 超
1.天津津航计算技术研究所；
2.天津轨道交通运营集团有限公司
随着城市轨道交通线路大规模建设与开通运营，城市轨道交通运营维护压力不断增大，现有的信号系统维护模式难以满足目前城市轨道交通的发展需求。此外，随着大数据、云计算、5G、区块链等新一代信息技术快速发展，轨道交通运维智能化、网络化、综合化趋势日益显著。2020年3月，中国城市轨道交通协会发布《中国城市轨道交通智慧城轨发展纲要》明确提出，要建立完善的全生命周期智能运维体系，建设车辆、能源、通信、信号等专业智能运维系统并在全行业推广[1]。笔者研究建立了基于大数据技术的轨道交通智能运维系统平台，实现对线路信号系统设备状态的实时监测、智能分析、健康评价、故障预警等服务功能，提高信号设备维护的智能化、信息化程度，确保城市轨道交通信号系统的安全运营。
随着我国城市轨道交通线路大规模建设与开通运营，城市轨道交通运营维护需求日益增强，特别是多个城市已经迈入网络化运营阶段，运输压力越来越大，对行车效率的需求越来越高。轨道交通线路在高负荷运转下故障频率增加，运营维护要求不断提升，使轨道交通运营用户面临巨大挑战，轨道交通行业急需新思路、新技术、新装备，有效提升运营维护质量与效率。
2.1 存在的问题
在运维业务方面，一是检修效率低、维修强度大。当前线路需要检修的设备规模大，设备检测点多，数据相对分散，录入工作繁琐；
此外，随着服役时间的增加，设备老化问题愈加严重，设备维护的频次和要求日益上升。二是运维保障压力大、成本高。目前依赖人工检修、维修为主的运维方式，对人员运维业务技术要求高，对人员数量要求多，运维保障压力大，且随着新线不断建设投入运营，运维成本将不断攀升。
在运维工具、系统应用方面，一是设备监测信息分散、监测范围有限、监测深度不够。同一条线路信号系统监测子系统分立设置，监测信息分散在不同设备中，部分信号设备未纳入监测范围，设备监测深度不够，无法提供板卡级、操作系统级监测及报警信息。二是数据存储容量有限、数据智能诊断能力较弱。监测数据一般在6个月或1年被自动丢弃，数据利用程度不高；
同时信号子系统级故障智能诊断依赖人工分析进行信息监测与报警，缺乏大系统级故障诊断功能，不具备系统整体运行状态检测和系统故障智能定位能力。三是难以满足全自动运行系统的运维需求。相对原有轨道交通信号系统，全自动运行系统增加了诸多地面、车载信号设备等相关设备，设备间联动控制复杂度进一步提升，系统运维工作量加大、难度提升，既有维护监测工具难以满足其运维需求。
2.2 研究现状
目前，国内轨道交通行业信号智能运维系统研究及建设进入了高速发展期，并取得了一定的研究及应用成果。施聪[2]研究提出了基于多源融合感知、多专业融合协同等关键技术的城市轨道交通通信信号专业智能运维系统；
邓永祁等[3]基于分布式文件系统，采用MapReduce框架建立了城市轨道交通信号智能运维系统数据平台；
段亚美等[4]基于信号智能运维系统的应用，分析提出了地铁信号设备维护的管理建议；
陆鑫源等[5]从运维管理、维护支持、智能分析3个方面，提出基于感知层、平台层、服务层的信号智能运维系统应用。但面对国内各城市轨道交通信号系统设备型号多、种类多、设备监测标准不一、运维管理体系与组织架构不同以及故障场景样本积累少等诸多情况，国内信号智能运维系统建设还需要进行不断探索和深化研究。
国外轨道交通智能运维研究方面，德国的COBRA诊断系统、法国铁路TGV动车组的TIGER软件、日本的新干线高速铁路管理系统的应用较为成熟，设备维护的智能化、信息化程度较高，降低了运维成本,但在多专业协同、设备故障诊断、预测预警的应用方面存在不足。
城市轨道交通信号智能运维系统针对目前线路中信号系统运营维护存在的问题，从实际运维管理需求出发，将系统分为数据源、数据处理、数据存储、数据分析、数据应用5个层级，实现综合监测中心、分析决策中心、健康管理中心、生产指挥中心4种系统应用。系统架构如图1所示。
图1 信号智能运维系统架构
3.1 数据源
信号智能运维系统接入数据包括信号设备数据和基础信号设备数据、检修维护数据和基础信息数据。
信号系统监测设备为计算机联锁（CI）、车载控制器（VOBC）、区域控制器（ZC）、列车自动监督（ATS）等，由各个维护机子系统负责采集设备运行数据。以车载信号设备为例，采集的数据主要包括列车自动运行（ATO）、列车自动防护（ATP）设备工作状态及其各板卡工作状态、车载无线设备工作状态、应答器传输模块（BTM）工作状态、测速设备工作状态、车载信号设备对外通信状态、车载ATP、ATO设备运行处理信息、车载实时维护信息、车载信号设备故障信息、报警提示信息、车载日志信息等。
基础信号监测设备包括道岔、转辙机、信号机、计轴、站台门、应答器、地面电子单元（LEU）、电源、信号按钮、外电网、发车表示器、与联锁设备接口的继电器、机房环境等。以道岔设备数据为例，采集的数据包括室内设备、室外设备监测数据，室内设备的数据采集内容为道岔组合中的电参数（电流、电压）、空闲节点开关量实时状态、道岔辅助组合中的空闲节点开关量实时状态、分线盘定位、反位下的电压值等；
室外设备数据采集内容包括转辙机表示杆缺口偏移量、转换时长、转换次数、电参数（动作电流、电压、功率）、温湿度、异常情况下的报警提示信息等。
检修维护数据包括信号设备履历和设备日常维护工单等数据。基础信息数据包括产品认证信息、设备版本信息、气象信息等。
3.2 数据处理
数据处理为按照定义的数据标准，通过数据清洗、数据转换、数据加工等方式，对接入数据进行预处理，确保数据格式符合分析要求，为数据分析提供标准格式的多源异构数据。
3.3 数据存储
智能运维系统需要存储的数据量大、种类多，为实现对数据的高效、可靠的利用，信号智能运维系统使用关系型数据库MySQL存储业务类数据；
使用消息中间件（Kafka）的方式存储消息；
使用Hadoop分布式文件系统（HDFS）存储原始报文数据和日志数据；
Hbase用来存储设备的报警信息、运行状态关键信息数据和通信状态数据等；
使用Spark Steaming进行实时数据分析处理；
应用层则使用MySQL和Redis进行存储。数据存储架构如图2所示。
图2 数据存储架构图
3.4 数据分析
采用逻辑分析、聚类分析、回归分析、关联分析等分析方法和分布式计算、批量计算、内存计算、流计算、云计算等计算方法对信号设备实时状态数据、报警数据等进行统筹计算和分析，为信号运维人员的各类应用场景提供技术支撑，满足用户的定制化计算和分析需求。
3.5 数据应用
3.5.1 综合监测中心
综合监测中心实现全线路信号系统设备的实时运行状态监测功能，包含信号设备和基础信号设备的监测。监测中心综合运用前端可视化技术和三维场景重建技术，使用文本、图形、图像、音频、动画等元素，对线路各信号设备工作状态、系统运行状态、输入输出状态、与其他子系统的通信状态以及报警提示信息进行全方位展示。
3.5.2 分析决策中心
针对轨道交通信号数据规模庞大、数据种类多、数据格式繁杂、数据采集更新频率高等特点，研究实现海量信号数据存储、数据清洗、数据集成、数据变换、数据规约、数据分发、数据冗余备份功能，同时实现数据计算、数据智能分析服务功能；
满足轨道交通信号数据海量存储、高并发采集、快速查询、可靠存储等要求。
3.5.3 健康管理中心
健康管理中心通过信号故障智能诊断应用系统，实现对信号系统级故障、子系统级设备故障进行综合智能诊断，使信号维护人员及时、准确定位故障位置并获知故障类型，降低由于未及时发现故障导致的安全风险，缩短故障修复时间。
3.5.4 生产指挥中心
生产指挥中心基于设备状态监测信息、报警信息及故障诊断信息，实现对设备履历、设备故障、检修规程、维修计划、维修工单、维修记录的电子化、信息化管理；
通过智能搜索、知识获取等技术为故障设备提供维修指导，为亚健康设备提供维修建议，从而降低人工维护工作量，提高检修维护效率。
本文提出了一种基于大数据技术的城市轨道交通信号智能运维系统的设计方案，介绍了系统的整体架构，划分了数据源、数据处理、数据存储、数据分析、数据应用5个层级，明确了各个层级的具体功能以及层级之间的数据流向。在数据应用层研究设计了综合监测中心、分析决策中心、健康管理中心、生产指挥中心。通过该智能运维系统的应用，信号智能运维的数据采集、储存、分析和处理效率显著提高，在优化运维管理、降低运维成本等方面发挥了积极作用。未来可以从多线路资源整合、共享的角度出发，深入研究线网级信号系统智能运维方案，同时对构建多专业协同智能运维系统进行探索。
