基于智能检测监测与大数据技术的城市轨道交通智能运维管理

王瑞锋

（成都唐源电气股份有限公司，四川成都 610046）

我国早期城市轨道交通采用传统运维模式，主要为依靠事后维修，即故障发生后维修。传统运维模式安全保障力弱，容易使小隐患酿成大故障，维修成本高。随着修程修制的制定，城市轨道交通运维模式逐步发展为周期修，在一定程度上降低了故障率，但仍然存在“欠维修”和“过度维修”的情况。当前运维模式逐步向状态修、预知修、预测修过渡。其中静态监测和车载动态检测已经在城市轨道交通基础设施及车辆检测中大规模应用，监测及检测精度不断提高，监测检测数据量不断增大，大数据及人工智能等前沿信息技术在部分城市轨道交通运维过程中也逐步发挥作用，但数据标准、数据共享、专业融合等方面的问题仍普遍存在[1-3]。本文提出城市轨道交通运营维护应建立检测监测智能化、全寿命周期管理、运维管理智能化、生产作业智能化的智能业务系统，通过建立和定义数据采集、数据存储、数据服务及设施设备评价标准，基于智能化装备和系统，对设施设备运行状态及发展趋势进行精准分析，对有故障隐患的设备进行针对性的维修、精准施治，减少维修时间，降低维修成本，推进城市轨道交通运维模式向预知维修转变。

1 智能运维现状、发展趋势与存在问题

1.1 现状与发展趋势

近年来，我国城市轨道交通发展迅速，运营规模不断扩大，运输压力不断攀升，线路技术水平差异越来越大，设备规格也朝着多样化迅速发展。2020 年，全国城市轨道交通投资完成6 286 亿元。截至2020 年底，全国城市轨道交通运营线路达244 条，运营线路总长度达7 969.7 km[4]。城市轨道交通对基础设施的可靠性、可用性、可维修性和安全性的要求越来越高。

随着大量城市轨道交通基础设施相继进入养护期，目前以人工静态检查为主、少量动态检测车为辅的运维模式难以适应城市轨道交通的高速发展。维修速度慢、占用线路时间长、运维成本高已经成为基础设施运维的痛点，不但影响城市轨道交通运营服务质量的提高，更是隐藏着难以识别的安全隐患。

随着“万物互联”时代的来临，先进的检测监测、网络传输、云计算、大数据、人工智能等新技术的发展也给城市轨道交通注入新的活力，并为其运维产业开辟了极其广阔的发展空间与良好的发展机遇。

未来城市轨道交通的发展不仅仅局限在车辆和铁路基础建设设备上，更多的将体现在数据驱动的实时智能控制和维护上。智能运维系统稳定、安全、高效的接入和管理检测监测数据，并进行高效准确的智能分析，能够有效提高设备运行的可靠性，提升运维效率，降低运维成本，引领城市轨道交通智能运维模式的深度变革。

1.2 存在的主要问题

1.2.1设备老旧与数字化程度较低

现行城市轨道交通运维系统中，仍存在部分系统技术陈旧，新技术应用、弹性扩展困难的问题。网络建设水平较低，带宽受限，移动带宽接入困难。同时，数字化、智能化程度较低，智能感知水平有限，监测覆盖面不全，制约了城市轨道交通智能运维的应用和智能辅助决策。

1.2.2数据跨专业、跨系统融合困难

在智能运维技术发展过程中，数据一直是整个智能运维的核心与基础。当前城市轨道交通各个运维系统的数据分别进行运维管理，各系统开放性差，各专业、各系统数据互联互通困难，存量数据普遍存在数据结构差异化、数据完整性低等问题，存在大量信息孤岛现象，给智能运维的大数据挖掘和智能分析带来很大的难度。

1.2.3缺乏技术参数和标准

当前在国内城市轨道交通领域，针对设备技术状态的评价标准较少，缺乏技术性内容的规定[5]。同时，不同企业在智能运维技术的侧重点和发展方向上存在差异，缺乏统一的数据标准、接口标准和评价体系[6-9]。

1.2.4智能运维集成化、系统化程度较低

我国城市轨道交通智能运维仍处在发展之中，很多智能运维系统仅仅针对运维体系的某一个或几个方面，如供电、轨道、隧道等。各自独立实现其业务领域的智能运维，难以形成系统化、全面化的整体智能运维应用工具，呈现分散化的状态[10-12]。各自的平台在运营单位内难以做到数据互联互通、标准统一[13]。

2 智能运维建设

2.1 智能运维系统概述

智能运维是指利用先进的检测监测、网络传输、云计算、大数据、人工智能等技术手段，推动城市轨道交通运维模式从人工到智能的转变，提高城市轨道交通日常运营维护、故障快速分析处理的能力。城市轨道交通智能运维应具备更全面的状态感知、更广泛的互联互通、更准确的预警分析和更深入的智能化处理能力[2]。

基于设备监测与大数据故障诊断技术的城市轨道交通智能运维系统，对基础设施设备实施精准的状态感知、可靠的状态预测，整合智能感知网络的监测和检测数据，利用大数据技术对这些数据进行深度挖掘分析，实现快速精确的故障定位，预测设备故障与运行趋势，指导设备检修作业并辅助维修决策。同时，对多维度、多专业数据的关联分析、深度学习，可达到主动学习和自我完善的目的。

2.2 智能运维系统架构

城市轨道交通智能运维系统包括两大组成部分：①以云计算、大数据构成的技术支撑平台，是开展智能运维的载体，也是技术保障；②由故障预测与健康管理、智能化生产作业构成的智能业务应用系统，涵盖了城市轨道交通基础设施与设备管理以及运维管理2 个方面。智能运维系统总体架构如图1 所示。

图1 智能运维系统总体架构

2.2.1云计算与大数据平台

云计算平台采用虚拟化技术，通过互联网将大量硬件连接起来，集成各种服务器、应用程序、数据和其他资源以提供可灵活调整、低消耗、高效能、高可用性、高扩展性的计算服务[1]；支持基础设施检测监测数据的整合与分布式存储，为实时和非实时数据集群分类处理、大数据并行计算、模型计算、数据接口服务等提供支撑，彻底解决各系统之间相互孤立、互联互通困难的问题[3]。

在城市轨道交通智能运维系统中，数据的精加工和深挖掘能力是通过基于大数据技术的数据建模与人工智能算法实现的。大数据平台采用分布式架构，使用分布式处理、分布式数据库和云存储、虚拟化技术，对海量的结构化数据、文本、视频图像、语音等进行联合分析、深度挖掘，对运维规律进行趋势性分析，最大限度地减小分析结果错误的概率，并且使分析的过程和结果可视化、全程可追溯。实现业务应用系统从专家决策到人工智能决策、从经验模型到机器自动化智能化学习的转变[3]，是城市轨道交通智能运维的核心大脑。

2.2.2检测监测智能化

检测监测智能化是指实现城市轨道交通基础设施的实时状态在线诊断辨识和动态高精度检测，包括实时监测和动态巡检2 部分。

（1）实时监测是针对变电所、隧道等基础设施进行实时智能监测。变电所智能监测通过红外成像、高清视频等设备，配合动态图像智能识别等技术，自动监视并记录变电所的安全情况、设备运行情况以及环境状态；采用远程自动化、智能化巡视替代人工巡视、手动巡视；接入安防、消防、环境监测以及变电所关联设备模块，智能采集运行状态、故障与报警信息，实现远程控制。基于物联网平台的隧道在线监测通过在隧道施工期间安装的光栅光纤、应力应变、光电传感等传感器设备，融合光纤传感、激光传感、电学传感和视频监控等多种技术手段，对隧道关键部位的应力、形变、沉降、振动、位移、声谱、温度、气体、水位、图像以及行为特征进行实时检测，实现对地下基础设施的结构形变、内部损伤和外部侵害一体化探测，以及智能化实时状态在线诊断、辨识。

（2）动态巡检主要以检测专用车辆、运营车辆、机器人平台为载体，利用基于复杂环境下激光高精度动态测量、高速车载在线测量误差动态补偿以及高速移动综合精确定位、高速图像智能识别等技术，实现对隧道表面掉块、渗水、裂缝、错台等的动态识别，对钢轨、扣件、轨道板、道床等的成像检测，对反映弓网关系的接触网检测、弓网在线检测、接触悬挂成像检测等，以及对反映轮轨关系的轨道几何参数、钢轨廓形、钢轨病害等的检测。

目前，全国各城市轨道交通公司均不同程度地配置了各类动态巡检设备。特别是近年来，基于运营车辆的在线检测系统在城市轨道交通线路开通前的评估及日常运营维护中已发挥重要作用，新建设开通线路已在每台运营车辆上选择配备弓网在线检测设备。其中，运营车轨道在线检测、运营车限界在线检测、运营车线路巡检等设备不断地投入到实际线路运营检测中，部分城市轨道交通运营公司已筹划成立专门的检测分析队伍，建立检测监测大数据分析平台，及时地预警和分析诊断设备运行故障，为车辆运行安全保驾护航。

2.2.3全寿命周期管理智能化

全寿命周期管理建立在大数据分析基础上，是城市轨道交通智能运维的基础。它集成各专业设备设施的基础信息、动态信息、历史信息、设备检测信息等数据，梳理设备设施之间、资产与设备设施之间的关联关系，基于主数据建模思想，建立适用于各专业的设备与设备、设备与资产数据模型，实现设备设施从采购到报废、资产从开始到结束的全寿命周期数字化管理。

全寿命周期管理的核心是数据标准化，通过数据标准化编码对基础设施从设计、施工、运维到报废各个阶段的各类数据进行不断地清洗、转换、扩充、完善、入库，最终形成智能运维数据仓库，建立城市轨道交通智能运维数据归集的标准规范，为智能运维数据分析提供数据保障。同时，利用建筑信息模型（BIM）+地理信息系统（GIS）技术对数据进行可视化呈现，直观地展示城市轨道交通基础设备设施全寿命周期的数据演变过程。

2.2.4运维管理智能化

运维管理智能化是智能运维的核心，集设备监测、数据分析、故障诊断、计划管理、智能维护的综合监测与维护为一体，通过融合智能学习、大数据技术、多源数据融合与时空数据、专家系统、神经网络预测、故障预测与管理系统（PHM）方法论等技术，实现对基础设施设备的状态评估、健康综合评价、故障预测、寿命预测、运维辅助决策等功能。北京市轨道交通、广州市轨道交通、成都市轨道交通等运营管理部门均建立了以各专业为单位的同类系统，其主要系统功能结构如图2 所示。

故障预测与健康管理系统的3 大核心功能是健康评估、性能预测和维修决策。

（1）健康评估。健康评估功能是指建立城市轨道交通基础设备设施健康评价体系，制定基础设备设施健康评价指标，根据健康评价指标建立相应的数学评价模型，并针对基础设备设施当前服役状态，综合考虑质量评价、质量鉴定、系统可用性、系统可维修性等，评估在役设备设施状态，即健康状态、功能降低状态、不能工作状态。

（2）性能预测。性能预测主要包括对设备缺陷变化规律预测、故障预测、剩余维修时间估计、零部件剩余寿命预测，通过海量数据及经验模型的应用实现预测、预估。

（3）维修决策。维修决策是指根据基础设备设施的健康评估、性能预测分析结果，给出基础设备设施推荐的维修层次、维修活动、维修单元，并且自动形成综合修、精测精修的修前评估和修后评价报告。

2.2.5生产作业智能化

生产作业智能化依托云计算与大数据平台，结合全寿命周期管理与运维管理智能化两大应用的分析结果，实现生产作业全过程管理智能化，包括生产作业计划的编制、维修作业一体化、生产作业流程卡控、生产作业监控以及维修质量评估等。

生产作业智能化运用智能终端、智能工具、智能头盔、智能工具器柜、应急装置等，实现维修作业过程的可视化管理与监控、远程生产指挥，以及维修质量评估。通过智能统计分析结果对生产抢修作业进行决策辅助，特别是对故障状态下的远程应急指挥实施、辅助抢修作业具有重大效果与意义。

3 结束语

随着城市轨道交通的迅猛发展，其对基础设施的可靠性、可用性、可维修性与安全性要求越来越高。本文介绍的基于智能检测监测、云计算与大数据等先进技术的智能运维系统可对城市轨道交通运营过程中海量运维数据进行整理融合、深度挖掘与智能分析，对基础设施进行全寿命周期管理，可实现运维管理智能化与生产作业智能化，推动运维模式逐步向状态修、预知修、预测修过渡，促进城市轨道交通运维的预知维修体制发展。