朔黄铁路基础设施长期监测平台架构设计与研究

段培勇 卢世团

（1.中国铁道科学研究院集团有限公司铁道建筑研究所，北京100081；2.中铁科学技术开发有限公司，北京100081）

朔黄铁路西起山西省神池南站，与神朔铁路相接，东至河北省黄骅港站，是我国西煤东运的第二大通道，全长594 km。朔黄铁路公司自2017年规模化开行万吨、两万吨重载列车，机车轴重达30 t；2019年通过总质量接近4亿t，列车间隔5～7 min，已经形成了大轴重、高密度、大运量的运输形势［1］。

重载铁路由于运量大、轴重大、密度高、荷载作用时间长等特点，对线路、桥梁、隧道等基础设施的冲击力大，破坏作用显著［2］。在30 t轴重列车开行初期，有必要对特殊线路区段轨道、桥梁等基础设施结构状态进行动态安全检测和长期监测，通过检测监测数据集中管理和共享信息，构建具有综合处理功能的长期监测平台和分析应用系统，综合评估基础设施状态，分析设备故障规律，优化修程修制，为实现基础设施健康状态管理、寿命预测、能耗优化提供技术支撑［3］。

本文基于朔黄铁路基础设施检测与监测实施方案，结合轨道、桥梁等基础设施检测监测数据特征和实际需求，构建具有综合分析、数据可视化、安全预报警等功能的基础设施长期监测平台，实现检测监测信息的分散采集、集中管理、数据融合以及综合运用，指导基础设施养护维修。

1 朔黄铁路基础设施检测与监测方案

1.1 半径R=400 m曲线轨道结构监测

为确保重载列车运行安全，在R=400 m小半径曲线地段安装轨道状态监测系统。监测内容主要包括：①列车通过曲线时的动力学参数（轮轨垂直力、水平力）和安全性参数（脱轨系数和减载率）；②轨温和环境温度；③轨枕纵向力；④钢轨纵向力。

1.2 64 m双线栓焊钢桁梁结构监测

朔黄铁路运营轴重为25 t的C80车辆时，其换算均布荷载已逼近线路基础设施设计荷载。为了实现轴重30 t以上重载运输目标，部分桥梁结构已进行加固。为了验证桥梁结构加固效果，同时对结构病害损伤情况及其发展趋势进行长期实时监测，在跨京深公路的64 m双线栓焊钢桁梁上布设健康监测系统。监测内容主要包括：①桥址处环境温度、湿度及桥梁结构温度；②结构特征，主要包括关键杆件和构造的应力，振幅和加速度为主的振动特征，挠度和支座位移；③列车速度、编组、轴重等运营列车特征参数。

1.3 重载列车运行状态安全检测

1）移动加载检测：通过移动式线路动态加载试验车检验轨道、桥梁、路基等线路工程结构的状态和稳定性，指导线路强化和养护维修。

2）地面安全检测：选取轨道、桥隧典型工点，对重载列车运行安全状态进行检测。

3）隧道结构病害检测：采用光学图像、探地雷达等技术检查隧道衬砌裂纹及隧道基底病害，指导隧道结构加固和养护。

2 基础设施长期监测平台架构设计

2.1 总体架构

朔黄铁路基础设施长期监测平台（以下简称监测平台）的总体架构自下而上划分为数据感知层、数据存储层、数据分析层和功能模块层，见图1。

图1 基础设施长期监测平台总体架构

1）数据感知层。检测监测基础设施状态，支持通过多种数据采集方式，实现各种形式数据信息的有效采集与传输。

2）数据存储层。为基础数据、检测监测数据、设备状态信息等数据提供统一的存储环境，其中分析结果数据采用关系型数据库存储，原始数据采用对象存储技术，实现海量多源异构数据的安全有效存储。

3）数据分析层。使用关联性分析、趋势分析、融合分析等数据分析方法对检测监测数据进行挖掘和多维分析，实现数据价值最大化。

4）功能模块层。根据处理分析之后的检测监测数据，实现满足用户需求的业务应用。主要功能模块包括检测监测数据的分析结果可视化展示、评估与诊断、报表生成、预报警发布等。

该监测平台依托信息化接口规范标准体系实现逻辑层次之间的数据传输与交互，依托网络安全等级保护体系实现平台的安全稳定运行。

2.2 网络架构

监测平台采用基于公有云的2层式网络结构。轨道、桥梁等基础设施监测子系统部署在现场监测点，通过移动互联网将监测结果报文、原始数据分别传输至信息中心和分布式云存储系统；信息中心设置Web应用服务器、数据库服务器等设备，负责汇聚、存储、管理监测点上传的监测数据，并为检测数据提供人工上传接口。平台网络架构见图2。

图2 基础设施长期监测平台网络架构

2.3 数据架构

参照高速铁路工务基础设施状态检测与监测系统总体框架［4］，确定监测平台的业务数据，见图3。

图3 基础设施长期监测平台数据架构

1）设备状态类：包括现场安装的各类传感器分布、设备参数信息、运行状态等。

2）监测信息类：包括轨道状态稳定性、安全性、桥梁结构特征、运营列车特征等在线监测数据。

3）检测信息类：包括轨道刚度、轨道安全检测、桥梁安全检测、隧道基底病害等数据。

4）基础信息类：主要包括监测项目信息、组织机构、用户信息等用于平台运营维护的基础信息。

2.4 技术架构

监测平台存储和处理的数据类型繁多，结构复杂，系统用户需求多样，平台须具备高可扩展性、易用性、高性能和稳定性。平台技术架构遵循基于B/S（Browser/Server，浏览器/服务器）架构的MVC（Model-View-Controller，模型-视图-控制器）分层开发模式［5］，实现高内聚低耦合，见图4。

1）数据存储层。监测点传输至信息中心的各类数据，根据存储结构可划分为结构化数据和非结构化数据，对数据进行预处理、清洗后，将监测结果报文等结构化数据存储至传统的关系型数据库，如Oracle、SQL Server等；将视频、图片、文档、波形等非结构化数据存储至分布式云存储环境。

2）模型（持久化）层提供数据持久化和数据访问能力，采用Hibernate、Entity Framework等ORM（Object Relational Mapping，对象关系映射）框架实现关系型数据库与对象模型的映射。

图4 基础设施长期监测平台技术架构

3）控制器（业务逻辑）层提供平台的核心业务逻辑计算能力，使用Json数据协议实现模型与视图间的数据联通，并为系统集成提供Web Service支持。

4）视图层采用流行的自适应框架Bootstrap搭建前端页面，使用DataTables、ECharts、HighCharts等可视化工具，将模型以可视化的方式展现给最终用户。

3 关键技术

3.1 多源异构数据存储技术

3.1.1 结构化数据

基础设施检测监测数据属于典型的结构化数据，适于关系型数据库存储。数据库服务器采用一主一备的经典高可用架构，主、备实例的数据实时同步，主实例出现故障无法访问时会自动切换到备用实例。该数据库具备弹性伸缩、备份恢复、性能优化、读写分离、SQL（Structured Query Language，结构化查询语言）洞察等功能，保障核心数据安全。

3.1.2 非结构化数据

基础设施检测监测原始数据、文档资料、影像资料等非结构化数据具有多源异构、海量存储等大数据特性，存储方式的选择非常重要。监测平台采用对象存储技术搭建高性能的分布式存储环境。

对象存储是一种海量、安全、低成本、高可靠性的云存储服务，以对象（object）作为基本单位，采用扁平化的数据组织方式并提供键值对（Key-Value）的数据索引和元数据访问，提高了数据存储性能和访问效率，特别适合大数据量和非结构化数据的存储。

作为对象存储的基本单位，对象由元信息（Object Meta）、用户数据（Data）和文件名（Key）组成。对象存储使用存储空间（Bucket）存储对象，不同于传统的文件存储系统，对象存储没有文件目录概念，同一个存储空间内部是扁平的，所有的对象都直接隶属于其对应的存储空间，且存储空间内部的对象数量没有限制［6］，见表1。对象存储具有与平台无关的RESTful API接口，方便用户上传、下载、检索、管理非结构化数据。

表1 对象存储与文件存储的对比

3.2 数据可视化技术

数据可视化是数据描述的图形表示，旨在一目了然地揭示数据中的复杂信息。监测平台使用数据可视化技术，将检测监测数据的各个属性值以多维数据的形式表示，用户可以从不同的维度观察数据，从而更深入地研究分析和评判轨道、桥梁等基础设施结构状态。以跨京深公路的64 m双线栓焊钢桁梁桥址处环境、结构动态响应等监测数据为例，其可视化展示见图5。其中图5（d）中横轴的各数据组都是左闭右开区间。

图5 桥梁健康监测数据可视化

图6实现了隧道检测数据、基底病害评价数据以及探地雷达图像联动可视化展示，其中图6（c）为探地雷达采集的原始图像，横轴为里程（单位：m），纵轴为电磁波在介质中的传播时间（单位：ns）。

图6 隧道检测数据联动展示示例

4 结语

本文根据朔黄铁路30 t轴重基础设施检测与监测的需求，在总体架构、网络架构、数据架构、技术架构等方面进行了基础设施长期监测平台架构设计，并对数据存储、数据可视化等关键技术进行了研究。

下一步将研究基础设施长期监测平台与朔黄铁路既有信息系统的数据共享与交互方式，进一步挖掘基础设施检测监测数据内在价值，提升基础设施状态评估水平，更好地指导重载铁路基础设施的养护维修。