大数据环境下高速铁路线下结构检测数据管理平台设计与分析

江　凯，苏　谦，白　皓，刘朝军

(1.西南交通大学土木工程学院，成都　610031; 2.四川高速公路建设开发总公司，成都　610041)



大数据环境下高速铁路线下结构检测数据管理平台设计与分析

江凯1，苏谦1，白皓2，刘朝军1

(1.西南交通大学土木工程学院，成都610031; 2.四川高速公路建设开发总公司，成都610041)

摘要:以大数据环境下的高速铁路线下结构数据管理系统建设为目标，在深入分析大数据的内涵和技术特征的基础上，针对检测数据管理与信息反馈的应用需求，深度挖掘线下结构检测数据的用途，主要包括:多次检测数据对比、异常及病害位置精确定位等，提出基于云计算理念的高速铁路线下结构检测数据管理系统的平台框架方案，并进一步构建可靠性分析模型。该系统能为高速铁路的运营管理提供智能和个性化的信息服务，有助于保证运营安全。

关键词:大数据;高速铁路;检测数据;管理系统;云计算;信息服务

1　概述

近年来，我国高速铁路发展异常迅速，并已成为我国现代化交通体系的主干［1］。为保障线路运营安全，高速铁路管理部门加强了高速铁路运营状态的检测与监测，高速铁路线下结构检测就是其中重要一环。而高速铁路线下结构检测数据管理平台由业主单位委托科研院所进行开发，交付使用后由运营管理部门进行维护管理将会成为一种发展的趋势。

高速铁路线下结构检测数据主要包括:路基运营状态检测数据、桥梁健康状态检测数据以及隧道衬砌状态检测数据［2-4］。为保障线路运营安全会长期进行大量的高速铁路线下结构状态检测，产生大量的检测数据。由于检测设备的原始数据格式多样，需要特定的软件甚至是特定的计算机进行数据处理以及数据分析，这样不仅使原始检测数据以及处理数据的存储位置分散，而且使检测数据处理过程变得十分繁琐，并且将原始数据进行保存管理也需要消耗大量的资源。

云计算(cloud computer)能够按实际需求为用户提供计算、存储及应用服务能力，同时，针对异域异构资源的共享、信息资源的综合利用提供解决方案［5］。构建基于云计算高速铁路线下结构检测数据管理平台，可以按需建立数据资源池，对数据进行统一管理及调度，发挥数据综合效益，满足数据资源共享交换的需求，方便用户使用检测数据处理分析及管理服务。

2　高速铁路线下结构数据信息组成分析

2.1高速铁路线下结构数据信息组成

高速铁路完整性数据是整个产业链的完整海量数据，包含其设计、建设、试验、运营、管理等各个阶段在内，具体有高速铁路线下结构基础信息、联调联试信息、运营监测及检测数据、站场信息、附属设施信息、维护抢修信息、风险评估及日常管理等方面的数据，数据类型多、数据格式复杂，并且数据储存量巨大，其具有典型大数据的4V特征［6］。数据价值的体现在于统计分析，并应用于实践，高速铁路拥有庞大复杂的线下结构检测数据，这些检测数据所包含的内容对于管理而言具有重要的价值信息，因此需要对其进行深入的研究和应用;以检测数据为基础与其他高速铁路数据(基础信息、运营数据、维护信息、监测数据等)进行校准、整合、对齐。本文在深入分析高速铁路线下结构信息数据的组成情况，初步构建了大数据环境下的高速铁路信息数据模型(图1)，并梳理了现有高速铁路检测数据的一般管理流程(图2)。

图1　大数据环境下高速铁路线下结构信息数据模型

高速铁路线下结构检测作业一般可以得到以下数据:线下结构病害数据(路基脱空、空洞、翻浆;隧道衬砌裂损、仰拱损坏、隧道漏水;桥梁混凝土病害、钢筋病害，结构病害等)，线下结构特征数据、检测设备本身性能数据［2-4］。经过历年多次检测数据相互对比，可对病害发展情况进行精确分析，掌握病害的精确位置与危害程度，可推测采取预维修措施的时间节点;将检测数据信息应用到高速铁路运营管理、风险评估以及日常维护中，对高速铁路线下结构服役状态特征信息进行综合分析，并进行基于检测数据的可靠性分析，提出相应的运营管理及日常维护的建议。

2.2基于高速铁路线下结构检测数据的可靠性分析

通过高速铁路线下结构检测数据信息、高速铁路运营信息以及相关设计和建设信息，可以对高速铁路线下结构进行荷载、位移以及强度分布规律的分析，从而达到对高速铁路线下结构进行可靠性评估的目的。同时，也可以将分析结果应用到高速铁路线下结构管理、线下结构维护计划制定以及检测计划的制定中。

高速铁路线下结构的荷载、位移以及强度均为随机变量，这是因为当高速铁路线下结构的材料性质、结构层尺寸、病害范围、荷载作用等参数均为随机变量的缘故。

可通过随机有限元法对高速铁路线下结构进行可靠度评估。随机有限元法的基本思路是对处于随机变量均值点的控制量进行泰勒展开，经数学处理得所需计算公式。

支配方程的矩阵形式如下

式中K——刚度矩阵;

U——位移向量;

F——荷载向量。

设Y=(Y1，Y2，…，Yn)T为具有随机性质的基本参数，对位移U在Y的均值点进行泰勒展开，可得

式中E(U)——位移均值;

COV(Yi，Yj)——Yi，Yj的协方差。

位移的协方差为

同理，也可将应力σ在均值点进行泰勒展开，由式(3)可得

通过式(4)～(7)，即可求出(U)和σ的均值和方差。

安全剩余量的函数表达式为

式中Z——线下结构的特性或荷载;

安全剩余量的灵敏度分析表达式为

式中zj——线下结构的载荷或特性参数;

Dj——线下结构位移列阵的位移。

3　高速铁路线下检测数据管理平台

3.1检测数据的对比应用

检测数据对比的主要内容:确定高速铁路线下结构病害、特征点位置以及精确里程;确定高速铁路线下结构病害的种类和影响范围，识别新的结构病害点等。检测数据对比流程如下。

(1)多次检测相关数据准备，包括高速铁路基础信息，运营信息，检测原始信号，检测报告以及维护信息等相关数据。

(2)病害和里程数据对齐分析，是检测数据对比的关键，决定了病害缺陷和特征点对比的准确性。在对齐的过程中会发现病害检测起终点不一致、病害内容不一致、甚至出现漏报和误报的情况，这时需要对比检测作业的信息及原始的信号。

(3)根据数据对比分析结果，调整高速铁路线下结构病害和特征点位置标示图。

高速铁路线下结构病害和特征点对比分析，其主要目的是寻找新的高速铁路线下结构病害和区分病害种类。高速铁路病害和特征点对比有以下两种方法:一是利用线下结构检测报告中出现的两次或者多次相关的病害和特征点信息进行对比;二是利用线下结构检测的原始信号进行对比。

3.2基于云计算理念高速铁路线下结构检测信息管理平台

云计算是计算科学概念的一种商业实现，它通过互联网将存储和计算资源构成资源池，并进行统一管理。

大数据能为云计算提供更多更好的有业务需求的实际应用，而云计算则通过为大数据提供丰富的存储能力及强大的计算能力，以实现对大数据的快速处理。这是因为，前者强调的是对象，而后者则强调的是计算。

依托中心节点、区域节点及业务集中节点，基于云计算理念的检测数据管理平台在建设时，整合分布的物理资源，形成统一调配的逻辑资源。其逻辑结构图如图3所示。

基于云计算理念的检测信息管理平台是由面向用户的云应用平台(SaaS，软件即服务)，检测数据管理支撑平台(PaaS，平台即服务)，检测数据基础设施平台(IaaS，基础设施即服务)，基础环境，以及安全体系和运行维护体系等6部分构成。

(1)基础环境层由云计算中心、灾备中心、其他云3部分组成。云计算中心，是支持高速铁路线下结构检测数据管理平台运行必备的基础。灾备中心，是支持高速铁路线下结构检测数据管理平台的重要组成部分，是防范灾难、降低损失的重要手段，具有数据实时备份、冗余处理能力和网络传输条件，能够在数据管理平台面临灾难无法正常运作的时候，提供替代服务。其他云，提供与其他云服务商联接的接口，可以连接到其他云服务商，使用其所提供的相关服务。

(2)检测数据基础设施平台，通过整合分布的物理资源，形成统一的资源池，并对其中的资源进行调度管理，再将资源虚拟为可调配的资源，即可作为服务对外提供。

(3)检测数据支撑平台层是对上层应用的支撑以及对底层资源的管理，主要包括检测数据交换共享平台，检测数据处理流程支撑平台、报表平台，以及弹性应用框架、数据库、中间件等，还有相关的系统环境软件。

数据库主要包括数据分类、数据去重以及数据格式转换等功能，其主要作用是对储存在管理平台的数据进行优化和整理。中间件主要是为检测数据管理云应用层提供相适应的运行环境，是位于应用与硬件和操作系统之间的通用服务。数据挖掘平台以分析决策相关价值关系、模式与走向为目的，以对检测数据挖掘和分析为手段构建云数据挖掘平台。搜索引擎可以为用户提供所需要的检索服务，它是通过相应的策略将数据及信息进行组织和处理后，向用户展示所需求的相关信息。开发测试平台为用户提供一个灵活、高效的开发集成环境，方便用户对相关软件和检测数据管理平台的业务进行开发、测试及重组。

(4)检测数据管理应用层面向最终用户，通过中间件将检测数据管理支撑平台的功能统一封装后提供给用户，方便用户操作。向用户提供检测数据基础服务、检测数据对比服务、检测所数据共享服务以及综合性业务功能服务。

(5)安全体系对整个数据管理平台起到安全防护的作用，保障数据管理平台的高效运行，从上至下包括用户身份认证与接入管理、云网络安全、云数据安全、云安全管理、虚拟化、云基础设施及物理安全等。

图3　基于云计算理念的高速铁路线下结构检测信息管理平台逻辑结构

(6)运行维护体系对整个数据管理平台进行维护及管理，保障数据管理平台的稳定运行，包括资源管理、监控管理、部署管理、发放管理、备份管理、业务管理、服务目录、用户管理以及账户管理。通过对数据管理平台运行状况的监控，确保管理平台正常、安全、高效、经济运行。

3.3高速铁路线下结构检测信息管理平台的可靠性分析

由于基于云计算理念的高速铁路线下结构检测信息管理平台是一个庞大的复杂的软件系统，为保证其长期安全可靠的运行，则对其软件系统进行正确的可靠性评估显得尤为重要。

大型复杂的软件系统，只有部分相关信息明确，只能获得较为有限的信息，因此可以采用灰色系统理论进行系统可靠性评估。

通过软件系统的整体可靠性，硬件系统可靠性、界面友好性以及使用人员水平估算值对高速铁路线下结构检测信息管理平台进行可靠性评估。

根据灰色系统理论，则有

式中z0——参考序列;

zk——比较序列;

z0(i)——z0在第i点的值;

zk(i)——zk在第i的的值;

设参考序列Z0为软件系统的可靠性，比较序列Zk为硬件系统，界面友好性为R1，使用人员水平估算值为Cu，系统出错率为EF，软件测试覆盖率为Tc，则Z0与Zk在ti时刻的关联系数为

真值初始化

式中，k=0，1，2，…，n; j=0，1，2，…，m。

4　结语

随着高速铁路运营管理在国内开展的深入和成熟，高速铁路线下结构检测已经成为高速铁路运营状态可靠性评估以及风险预测的重要手段。在大数据背景下完成高速铁路线下结构检测数据的分析整合，能够有效提升高速铁路管理水平，并保证高速铁路安全可靠高效运行。通过对基于云计算的高速铁路线下结构检测信息共享平台研究，并建立了一套行之有效的可靠分析模型，有利于精确管理检测数据、推进检测数据的共享、实现规范数据的管理与应用并促进数据共享平台的建设实施。

参考文献:

［1］王顺洪.中国高速铁路发展及其经济影响分析［J］.西南交通大学学报:社会科学版，2010(5):65-69.

［2］吴江滨，张顶立，王梦恕.铁路运营隧道病害现状及检测评估［J］.中国安全科学学报，2003(6):52-55，83.

［3］彭华，张鸿儒.铁路路基病害类型、机理及检测与整治技术［J］.工程地质学报，2005(2):195-199.

［4］李远富，樊敏，等.大型复杂桥梁工程养护管理——智能辅助决策支持系统研究［M］.成都:西南交通大学出版社，2011.

［5］刘正伟，文中领，张海涛.云计算和云数据管理技术［J］.计算机研究与发展，2012(S1):26-31.

［6］尹航，李远富，曾宪云.基于GIS技术的困难艰险山区高铁安全预警系统研究［J］.铁道标准设计，2013(11):25-30.

［7］吴贤国，张立茂，陈跃庆，等.地铁施工临近管线管理及评价标准研究［J］.铁道标准设计，2014，58(9):99-102.

［8］李国杰，程学旗.大数据研究:未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考［J］.中国科学院院刊，2012(6):647-657.

［9］周傲英，金澈清，王国仁，等.不确定性数据管理技术研究综述［J］.计算机学报，2009(1):1-16.

［10］吴吉义，傅建庆，张明西，等.云数据管理研究综述［J］.电信科学，2010(5):34-41.

［11］Zhang Liyan，Wang Fuzhang，Li Ping.Study on the framework of urban mass transit intelligent comprehensive monitoring system［C］.IEEE GCIS，2009.

［12］Divya K，Jeyalatha S.Key technologies in cloud computing［C］.Proceedings of 2012 International Conference on Cloud Computing Technologies，Applications and Management，ICCCTAM 2012，2012:196-199.

［13］Lammel Ralf.Google's Map reduce programming model Revisited.［2010-11-28］.http://userpages.uni-koblenz.de/～laemmel/Mapreduce/paper.pdf.

［14］De Candia Giuseppe，Hasturun Deniz，Jampani Madan，et al.Dynamo:Amazon's highly available key-value store(2007).［2010-11-28］.http://dl.acm.org/citation.cfm?id=1294281.

Design and Analysis of Data Management Platform for High Speed Railway Infrastructure Inspection

JIANG Kai1，SU Qian1，BAI Hao2，LIU Chao-jun1
(1.School of Civil Engineering，Southwest Jiaotong University，Chengdu 610031，China; 2.Sichuan Expressway Construction＆Development Corporation，Chengdu 610041，China)

Abstract:This paper aims to establish a data management platform for high speed railway infrastructure in the big data environment on the basis of intensive analysis of the insights and technical characteristics of the big data and explores the potentials of the infrastructure inspection data in the application of inspection data management and information feedback，including mainly multi comparison of inspection data and precision locating of abnormalities and defects.The platform frame program for high speed railway infrastructure inspection data management is proposed on the basis of cloud computing concept，followed by the establishment of the reliability analysis model.This system may provide intelligent and personalized information service tobook=25,ebook=28high speed railway operation and enhance traffic safety.

Key words:Big data; High speed railway; Inspection data; Management system; Cloud computing; Information service

作者简介:江凯(1983—)男，博士研究生，主要研究方向为高速铁路及城市道路无损检测技术，E-mail:jiangkaihuangshu@ 163.com。

收稿日期:2015-07-27;修回日期:2015-08-19

文章编号:1004-2954(2016) 03-0024-05

中图分类号:U238

文献标识码:A

DOI:10.13238/j.issn.1004－2954.2016.03.006