基于铁路数据服务平台的铁路工务设备安全画像应用设计方案

苏尔慈，刘 敏，李 平，马小宁，李 鑫

（中国铁道科学研究院集团有限公司 铁路大数据研究与应用创新中心，北京 100081）

大数据技术普及的时代已经到来，人们对数据价值挖掘的重视程度与日俱增。大数据技术在金融、电信、医疗、影视、电商、政务等行业发挥着越来越重要的作用[1-2]。大数据时代的海量数据为数据的综合处理带来了新的挑战[3]，同时也为大规模、多维度的铁路工务设备安全数据分析创造了新的契机。

既有的铁路工务专业主要采用动态检测与静态检测2 种方式对工务设备进行安全状态排查[4-5]。动态检测采用巡检作业车，在行进过程中对工务设备运转状态进行检测并收集探测数据；静态检测以轨检小车或者巡检仪等方式进行检测。目前铁路工务设备安全状态的数据分析主要根据以往的人工检修经验，对数据进行简单的分析排查，从而判断工务设备的安全状态。这种方式存在3 点不足：（1）工务专业设备安全数据经过多年沉淀，数据量庞大，既有方法无法对海量数据进行有效的分析并深度挖掘数据价值；（2）工务设备状态数据分析只针对单个系统内个别种类的设备，难以探知不同设备检测数据之间隐含的相关性；（3）由于不同业务系统的数据标准存在不统一的现象，对同一类数据的定义在不同系统中可能不一致，面对海量数据时，快速高效的数据治理往往难以实现。

本文基于铁路数据服务平台，汇集铁路工务专业各业务系统数据，对大量的结构化、非结构化数据进行高效的集成，利用大数据治理手段对采集的数据进行有效的整合优化，运用平台当中融合的机器学习框架对铁路工务设备监测检测、养护维修等数据进行挖掘分析，以多维度的方式展示分析结果[6-7]。以客观的大数据分析结果辅助工务专业现场作业人员快速定位设备缺陷，消除设备安全隐患，防范设备安全风险，提升铁路工务设备安全管理的效率和质量[8-9]。

1 铁路数据服务平台概述

1.1 平台概况

铁路数据服务平台是基于Hadoop 架构的分布式大数据平台，主要为铁路数据治理相关工作提供平台能力支撑。铁路数据服务平台在数据集成端提供结构化数据与非结构化数据的接入能力，同时支持PB级离线数据的分析；在实时数据分析端，支持TB 级数据的实时分析。同时，平台引入了铁路专业相关的自助分析算法模型，以及数据可视化功能[10]，并根据铁路行业数据特征，建立了单独的数据分类体系，可满足铁路各专业大数据应用分析的建设需求。该平台业务数据流向如图1 所示。

图1 铁路数据服务平台业务数据流向

1.2 功能架构

铁路数据服务平台主要由数据集成、数据共享、大数据存储与分析等功能模块组成，支撑市场营销、运输生产、智能决策、运输安全、外部服务等业务应用，如图2 所示。

图2 铁路数据服务平台功能架构

（1）数据集成：该功能提供轻量化和可扩展的数据接入方式，将结构化、半结构化、非结构化数据接入到数据服务平台。

（2）数据存储与分析：该功能将接入的数据存储于企业数据仓库当中，平台提供了统计分析、数据挖掘服务、可视化服务等功能，利用数据仓库和数据集市等构建面向业务人员的统计分析功能组件。增加对大数据分析的支持，提供“拖、拉、拽”形式的分析和可视化环境，用户根据业务需求选择封装后的算法组件和可视化组件，即可得出分析结果。

（3）数据共享：平台面向全类型数据（结构化、半结构化、非结构化）进行海量规模存储和快速查询读取。融合关系型数据库存储技术和大数据存储计算技术，完成结构化数据及非结构化数据的存储计算，并实现对数据表的申请、授权等管理。可以针对不同用户生成不同的数据共享策略，粒度控制到字段级。

铁路数据服务平台可针对工务专业各类设备检测数据进行实时采集，按照大数据治理需求，对设备安全状态数据进行同步数据质量监控，在数据集成的源头就开始进行数据筛选和清洗的工作，提升有价值数据的比重。利用平台的存储组件，对海量工务设备历史检修、检测数据进行同步抽取，沉淀进入铁路数据服务平台的文件系统当中，采用大数据分析挖掘算法对工务设备安全状态开展动态分析研判。

本文设计开发的铁路工务设备安全画像是基于铁路数据服务平台的数据集成、数据存储与分析、数据共享3 大功能建设开发的，在既有的人工经验基础上，综合各系统数据，建立关联关系，从整体上把控铁路工务专业各设备的安全态势，通过大数据分析对潜在的安全隐患提前预判并给出警示。

2 铁路工务数据集成与分析

本文以工务设备安全态势评价的需求作为出发点，梳理了工务专业涉及设备安全评价的主要数据项点和数据源，包含工务安全生产管理系统、工务管理信息系统（PWMIS）、探伤与钢轨损伤管理系统等7 个系统。经初步测算，总共需接入数据条目约为943 万条，既有的关系型数据库在数据汇集运算环节无法提供高效稳定的支撑，需引入大数据平台与技术，对数据进行抽取、清洗和转换。

本文借助铁路数据服务平台，对工务数据进行集成与分析，可有效发挥大数据技术对海量数据抽取和运算的优势。

2.1 数据集成

铁路工务专业各系统数据经过网络交换环节，以JDBC 或Web Service 等数据接口的方式实时汇聚到数据边缘节点服务器，由铁路数据服务平台封装的Kafka、Flume 等组件设定数据采集任务，以并行的方式对各系统的结构化数据进行抽取转换，并以文件形式存储于大数据集群的HDFS 和HBase 当中，如图3 所示。

图3 数据集成示意

工务数据在集成过程中进行了基本的清洗和标注，对数据结构进行了二次梳理和简化，清除了许多不必要的“脏数据”，保留下来的数据比各子系统的源数据更加贴近核心业务，同时数据结构更加清晰，便于后续的数据分析。

2.2 数据分析

工务数据在经过集成转换之后，利用数据平台当中融合的机器学习框架，对工务数据开展深度挖掘和算法分析，发挥大数据平台的独特性能，即可完成既有关系型数据库不具备的高效数据分析工作，如图4 所示。

图4 数据分析示意

3 工务设备安全画像设计

3.1 整体设计思路

整合工务各类固定设备的基础数据、检测监测数据、运营维护数据等，建立科学的多维度安全评价体系，构建影响安全因素的关键特征标签体系。应用人工智能算法，实现设备安全状态时空预测，开展面向事故故障防范的故障自动检测与识别研究，形成工务专业设备设施全生命周期管理机制，使得设备设施修护具有针对性，故障防控具有超前性，安全预警具有时效性。

工务设备安全画像体系主要以1 km 线路为刻画对象，制定工务线路设备安全状态评价体系，对每公里单元线路设备状态进行及时客观地综合评价；展示每公里单元线路设备状态不同等级占比，对高危设备进行预警；预测下一周期线路设备安全态势，给出预警提示及闭环管理；统计分析单元区间内的重要动、静态检测指标，并以可视化方式展示；以每公里单元线路设备的安全状态为标准对安全能力进行排名，便于重点盯控。

应用功能包含设备状态指标统计分析、单元设备状态安全评价、关键指标及安全态势趋势预测、高危设备及不良态势安全预警等4 个方面，以多维度的安全综合分析及预警助力业务部门和站段深入了解工务设备的性能，提前排除设备安全隐患，便于系统内部重点监督管控，提升安全综合管理效率，达到工务设备状态的整体监控及超前预警的目的。

3.2 详细功能设计

3.2.1 单元线路设备评价

该功能以1 km 线路为刻画对象，制定基于钢轨、桥梁、隧道、涵洞、路基等维度的工务线路设备安全状态评价体系，对每公里单元线路设备及各维度设备安全状态进行评价，以不同等级进行划分，对于高危的线路设备进行预警。并整合所有单元的评价结果，形成每公里区间内的工务设备综合评价等级占比。

3.2.2 线路设备安全状态展示

该功能将每公里区间内的工务设备综合评价等级占比以饼状图的形式进行可视化展示，并基于历史等级占比情况，从时间、空间上预测未来安全走势，以柱状图、饼状图、折线图、仪表盘、散点图等可视化形式展示工务安全态势。在此基础上，基于历史信息预测相应病害发生的时空规律和发展趋势。

3.2.3 动静态检测指标统计

展示各类检测方式的最新检测时间，以及动、静态病害的重要提醒，例如轨道质量指标（TQI，Track Quality Index）报警、偏差等级报警等。

将重要动、静态检测指标按类别进行统计分析，并以可视化形式展示。

智能统计的检测指标包括：

（1）最新一次TQI 趋势；

（2）任意时间范围的TQI 趋势分析；

（3）最新一次动检等级分布；

（4）任意时间、任意等级和超限类型的动检等级统计；

（5）最新一次车载等级分布；

（6）任意等级和超限类型的车载等级统计。

3.2.4 线路设备安全能力排名

该功能将每公里单元线路设备安全状态由低到高排名，便于重点预警及盯控。列表字段包括序号、线名、行别、公里、安全状态(等级）、分值。工务安全态势包含设备状态指标统计分析、关键指标及安全态势趋势预测2 个方面。

3.2.5 工务电子地图

该功能将工务设备基本台账、动态检测、静态病害、周边环境等信息通过地理信息系统（GIS，Ge o g r a phic Information System）电子地图进行实时动态展示，实现时间、空间维度的信息搜索及目标定位，便于铁路局集团有限公司决策层、业务处室、站段直观地掌握全局工务设备安全态势，及时发现安全状态不良的设备并掌握其问题详情。

（1）突出重点，实现高铁线路安全多维管理。通过将高铁线路各类静态数据、检查信息、维修信息与电子地图有机结合，实现钢轨、道岔、路基、桥梁、隧道、通道门、防护栅栏、摄像头、声屏障等高铁设备在电子地图上的精准展示，从而以友好的可视化交互方式查看不同设备的位置、基本信息、安全状态。将轨检小车、人工检查所获取的各级静态偏差数据及故障点的修理信息在电子地图实时展示，便于安全管理人员全方位的把握高铁设备安全状态。

（2）全面防护，确保普速线路安全保障全覆盖。普速铁路的GIS 电子地图综合展示功能将钢轨、道岔、路基、桥梁、隧道、涵渠、护网等多种工务设备纳入统一管理，并进行个性化展示。与高速线路管理相似，将动检、静检、修理信息所涉及的各类故障数据通过电子地图及时展示出来，为线路故障的及时掌握提供支持。此外，相较于高铁GIS 展示，根据普速线路承载通过总重偏大的特点，增加大修信息的历史查询和预警功能，做到普速安全管控全覆盖。

（3）实时预警，及时把控设备安全状态。电子地图中的动态预警模块针对工务外出作业频繁、设备经常性维修等特点，实现了防洪信息、天气信息、大修预警等预警信息的GIS 展示，便于各级业务管理部门直观地掌握工务系统安全状态，实现预警即响应。

4 结束语

本文阐述了利用大数据平台对工务系统数据进行数据集成、存储、分析、共享的全流程，设计了铁路工务设备安全画像应用，并给出了整体设计思路和详细功能设计。给予作业人员及安全管理人员更客观的数据分析视图，帮助安全管理人员更好地预防事故故障的发生，提早消除重点安全隐患。结合大数据技术，对工务设备状态数据开展多维度综合分析及展示，可拓展工务设备安全状态评价的方式。