城市轨道交通信号智能运维系统研究与设计
摘要：随着城市轨道交通线路大规模建设与开通运营，相关设施设备运营维护压力不断增大。现有的信号系统运维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趋势日益显著。中国城市轨道交通协会于2020年3月发布的《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，建设信号、通信、车辆等专业智能运维系统并在全行业推广；同时提升城轨装备维护智能化程度、提升运维效率，减少维护人工的作业强度。这就迫切需要行业不断守正创新，以实现城轨信号系统“智能运维、降本增效”的目标。
关键词：轨道交通；信号系统；智能运维
1 信号系统运维现状
1.1 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。
1.2 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快速发展期，并取得了一定的
研究及应用成果。施聪的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；邓永祁等基于分布式文件系统，采用Map Reduce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。
2运维系统功能智能化发展
智能运维可分为智能监测、设备健康管理和智能巡检三个方面。智能监测即通过在线监测、视频/图像分析、物联网等技术，感知设备运行状态、设备所处环境以及设备的外在表现，实现设备故障诊断与分析、趋势预测；设备健康管理即建立设备健康度评价体系，具备故障预判、寿命预警功能，实现设备主动运维管理；智能巡检是通过在线监测、视频/图像识别、VR、AR技术，利用机器辅助或代替重复度较高、人工巡检难度大的作业，实现无人机房和维修作业标准化的监控与远程指导
3 智能运维系统设计
3.1 数据源
信号智能运维系统接入数据包括基础设备数据、系统信息数据、基础信息数据和检修维护数据。
基础信号设备数据主要由监测设备采集，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、外电网、机房环境等。
系统信息数据主要包括计算机联锁（CI）、车载控制器（VOBC）、区域控制器（ZC）、列车自动监督（ATS）等设备的运行数据，由各个维护机子系统负责采集。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、应答器传输模块（BTM）、无线设备、测速设备等的状态参数，以及车载信号设备对外通信状态、设备故障信息、报警提示信息、日志信息等。
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
hbase主要用来储存什么数据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My SQL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My SQL和Redis进行存储。
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。
4 结束语
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。
参考文献
[1] 包叙定.同绘智慧城轨图共筑交通强国梦《中国城市轨道交通智慧城轨发展纲要》解读[J].城市轨道交通,2020(4):6.
[2] 施聪.城市轨道交通通信信号专业的智能运维系统[J].城市轨道交通研究,2020,23(8):5.
[3] 邓永祁,杨将,阳亦斌.城市轨道交通信号智能运维系统数据平台研究[J].控制与信息技术,2021(5):8.
[4] 段亚美,戴翌清,王历珘.基于智能运维系统的地铁信号设备维护管理研究[J].铁道通信信号,2020,56(4):4.
[5] 陆鑫源,朱莉,张郁,等.城市轨道交通信号智能运维系统应用与实践[J].铁道通信信号,2020,56(3):5.

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。