铁路电务智能运维系统技术浅谈

何忠华

摘要：随着我国铁路事业的高速发展，电务系统对于铁路的安全运输起到了越来越重要的作用。为了满足新时代对铁路电务智能运维系统提出的新要求，我国的铁路行业必须意识到智能交通系统发展的关键性，并做出将其应用到实际工作中来。

关键词：铁路电务;智能运维;运维管控

正文：随着我国智能交通系统的广泛应用和铁路电务系统规模的不断扩展，电务部门的工作任务愈发繁重，运维管控难度也在不断提升，同时对电务智能运维设备需求量不断增多。近年来有专家指出：目前我国的铁路信号系统的维修工作主要采用“定期修、故障修”的模式，已经不符合目前铁路系统对于提升运输安全性能和降低投入资本的要求。

1、传统运维技术的不足与缺陷

信号集中运维就是运维监测系统和信号设备的日常维修工作，强化信号设备结合部管理力度、帮助系统清除故障、为现场维修工作提供指导意义等方面都具有重要价值。现阶段，我国铁路电务管理部门采用的传统运维信号监测设备主要内容包括信号集中监测系统和信号设备子系统，现有的运维监测系统更加强调信号的集中监测，在信号设备工作状态的智能分析、鉴别设备安全隐患、提前预防安全故障等方面还存在诸多问题，尤其是在高速铁路段，其与RBC、TSRS等设备的接口预留未接入，加大了信号的闭环分析工作的难度。

除此之外，传统的运维技术所使用的硬件设施普遍具有规模大、数量多、结构复杂的特点，例如，在信号集中监测设备的中心硬件中拥有数据库管理服务器、应用服务器，通信服务器、网管服务器、时钟管理软件服务器、防病毒软件服务器等数十台服务器，设备之间的物理逻辑连接与设备间的逻辑连接线路结构十分复杂，且对于硬件的投入成本较高。

2、铁路电务智能运维需求分析

从电务部门的角度考虑，目前急需一套多维度的运维平台，来解决铁路信号系统工作过程中出现的各种问题，对设备的工作情况、老化状态进行监控、测评，给设备的检修、换代、更新提出科学的建议，将在轨产品的安全风险值降到最低。

3、电务维修的现状

电务管理智能系统包含电务管理和运维智能系统两个方面：对地面和车载信号系统设备的综合管理和监督、信号系统处理设备和车载通信系统工作运行情况的监督、实时信号信息更新的动态电子信号处理图纸、地面信号的总体数据分析、车地信号信息一体化数据分析、生产一体化管理、设备一体化管理、应急指挥等多项功能。

3.1、通信信号子系统之间的建立较为分散，缺乏一套完善的系统建设方案。

3.2、联锁、列控、CTC/TDCS等控制系统和外部系统之间的信息的安全共享工作还存在一定的缺陷。

3.3、各种系统数据的设计模型与标准数据之间都存在一定程度的差异，不能确保数据的统一性。

3.4、信息共享的功能还没有实现，电务专业所需要的检测、监测、运维、管理等信息还处于分散存储的状态，不足以支持数据的深度挖掘分析。

3.5、对于大数据的利用率还不够高，缺乏系统性、整体性的分析过程。

3.6、对于电务设备使用寿命和生命周期的管理力度不足。

4、智能运维平台的特点

4.1、总体连接到通信信号系统、科学管理系统的全部数据。

4.2、充分利用先进技术手段进行全面精准处理。

4.3、可分为日常化和应急化两种应用模式。

4.4、能够运用智能的技术手段对设备的老化情况和使用寿命进行管理。

5、智能运维技术介绍

参考我国铁路总公司的各项数据方案和建设规划，建造电务大数据和智能运维框架。完成电务数据的集中整理与管理任务，采用“平台+”的应用模式。该系统主要包含： （1）车载运输设备的监测控制系统。主要包括ATP设备动态的监测控制系统（DMS）、LKJ设备的运行动态监测控制系统（LMD）、运输车辆的信号远程动态监测、CIR设备动态监测、GYK设备动态监测（GDM）等。（2）轨旁与户外设备工作环境监测与预警系统。主要包括轨旁与道岔缺口工作环境监测（道岔缺口、油压、油位、温度、湿度、震动环境监测）、ZPW-2000户外设备监测、电缆工作环境监测、户外设备工作环境监测等。（3）监测与作业卡控系统。主要包括数据中心LKJ版本的户外监测与作业卡预警系统、LKJ检测与维修作业过程质量卡控系统、信号机械室检测与预警系统维修作业过程监控预警系统、器械设备盘点监控系统、机械室监控与门禁、视频综合监控（包括信号机械室、通信管理与综合、移动单兵视频综合监测）等。（4）数据中心通信管理与综合数据中心网管监控系统。主要包括数据中心GSM-R通信综合监控系统的网络管理、数据中心通信设备管理系统的网络实时在线管理、传输中心通信系统的网络管理、调度中心通信系统的网络实时在线管理、数据网流量实时在线监测等。（5）局域网通信系统设备安全监测管理系统。主要包括通信中心GSM-R网络接口实时在线监测、光纤实时在线监测、动环实时在线监测、通信设备电源实时在线监测、铁塔实时在线监测等。（6）电务安全设备生产技术指导管理系统。主要包括设备安全监管、施工监督、进程控制、生产调度、应急情况处理等

6、电务智能运维的关键技术介绍

6.1 基于深度学习的故障诊断

（1）数据整合。将来源不同且功能具有不同特征的数据库需要进行统一规范的管理。（2）特征提取。数据库可以采用稀疏编码提取技术、自定义编码提取器等多种手段对规范处理后的数据库开展特征提取管理工作。（3）對数据分布方式的调整。因为所使用的设备类型与型号都存在一定的差异，所以收集到的数据分布可能呈现一个极不均衡的状态，为了充分体现出系统的预测能力，就要对不均衡的模型数据集和样本模型进行平衡化的处理。（4）深度学习的练习。采用了scikit-learn等先进的技术实现了传统的隐马尔可夫运算过程和条件下的随机场等，并用交叉验证的方法来调整深度学习模型的超参数。

6.2 基于大数据的设备寿命预测

设备的生命预测可分为三个阶段：（1）检验模型。结合设备工作环境的变化规律，并参考设备以往的运行数据和维护记录，创建起设备寿命预测的先验模型。（2）预测模型。参照实时更新的设备运行监管数据，以先验模型为基础，创建并持续更正设备寿命预测模型。（3）寿命预测。采用支持向量机、集成学习等方法，对模型进行练习与验证工作，结合在线学习和离线学习两种方式，进行设备的寿命预测。

6.3 基于大数据风险分析的维护策略

（1）将设备的历史工作数据、维修信息和工作环境等进行归纳整理，对其存在的缺损数据，异常数据，噪声数据进行预处理，并对其进行深度探究。

（2）以集成学习法为基础，结合大数据分析方法科学预测不同类型的设备动态安全风险等级，为整个工程提供参考价值。

（3）以上述的动态安全风险等级作为基础，避免安全隐患，降低运维开销等多项目标，优化运维策略。

【结束语】铁路工程是我国的名片，是大国重器，是我国综合交通运输体系的关键组成部分，更是我国国民经济的主动脉，能够有效满足新时代对我国铁路行业提出的新要求。

参考文献：[1]蒋敏建，李国兴.铁路电务智能运维系统技术浅谈[J].科技风，2019（17）：87.

[2]贾大航. 铁路电务智能监督运维系统的设计与实现[D].燕山大学，2018.

[3]尹春雷，燕翔，闫友为.铁路电务运维系统及应用[J].铁路通信信号工程技术，2018，15（12）：1-6.