车辆调度系统在全自动无人驾驶线路的研究与应用

胡恩华，裴加富，张炳锋，刘 琅

（卡斯柯信号有限公司，上海 200071）

1 引言

近年来，城市轨道交通全自动无人驾驶项目蓬勃发展，国内越来越多的线路采用全自动无人驾驶建设和运营模式。由于全自动无人驾驶车辆不再配备司机，司机的职责转向运行控制中心（OCC）调度人员，OCC调度员工作增多、职责加重。为匹配全自动化等级（GoA4）对无人值守的全自动运行（UTO）运营模式的运营管理要求，同时分担行车调度人员的压力，需要在OCC设置独立的车辆调度员，负责全自动无人驾驶车辆的远程运行监督、远程控制操作、参与组织运营决策调整以及组织和指挥故障抢修。如何建设匹配全自动无人驾驶车辆调度岗位的车辆调度系统就成为国内信号、车辆以及综合监控等系统集成商和地铁运营商亟需解决的问题。目前的建设模式主要有2种，一种是以“维”为主的建设模式，主要是在既有监控系统中扩展或新建独立的车辆在线监测系统，以车辆设备运行状态监测为主，但无信号行车监控信息，缺少车辆故障时的远程处置支持手段；另外一种是以“控”为主的模式，其主要在既有信号自动列车监控系统（ATS）中扩展控制功能，同时集成车辆少量状态监视信息，但无法实现车辆全面监督，因而远程应急处置时，存在“盲控”风险。显然，上述建设模式无法满足对全自动无人驾驶车辆全面监督、精准控制的需求，同时也不具备匹配GoA4驾驶水平的自动化和智能化的要求。

2 系统方案

针对上述现状，本文提出基于自主化信号和监控集成平台，可全面集成车辆监控、信号ATS行车信息、电力监控系统（PSCADA）直流供电信息以及屏蔽门系统（PSD）屏蔽门状态等信息的具备高度自动化和智能化的车辆调度系统（RSD）方案。

2.1 系统结构

为满足系统的可靠性、可用性，该系统总体采用双机双网、主备控制中心热备冗余的系统架构。网络结构上，系统主体设备运行于信号网络，通过长期演进（LTE）车地无线网络与列车网络控制系统（TCMS）通信，实现与车辆TCMS系统互通；通过外部接口交换机和防火墙实现与综合监控、通信等相关系统通信。设备结构上，主用控制中心设置冗余的应用服务器，用于数据处理、分析以及存储等；备用控制中心设置1台应用服务器，与主控中心应用服务器形成一主多备的冗余模式；设置冗余的接口服务器，实现数据接口和协议处理；根据需要在主用和备用中心调度大厅以及场段设置车辆调度工作站，提供对车辆的远程监督和操控功能。总体结构示意图如图1所示。

2.2 接口系统

为实现车辆全面监督、智能定位以及协同联动等功能，车辆调度系统需要与TCMS、ATS、综合监控系统（ISCS）、视频监控系统（CCTV）等子系统实现通信接口。接口方式及主要内容如下。

（1）与车辆TCMS系统通过LTE车地无线网络实现接口，用于全面获取车辆实时运行信息和各专业子系统设备实时状态信息，支持车辆远程在线监控和故障智能诊断。

（2）与信号ATS系统通过信号网络通信，获取信号车载系统运行信息和设备状态信息以及列车行车监控信息，如列车位置、出入库计划等，支持信号关键行车信息监控以及车辆信号结合部故障诊断；同时支持车辆远程控制命令的转发。

（3）与ISCS系统通过外部接口网络通信，获取PSCADA直流供电和屏蔽门等系统状态信息，支撑车辆与直流供电、屏蔽门等结合部系统的故障定位。

（4）与信号智能运维系统（IOM）通过信号网络通信，将车辆调度自身系统设备和网络状态实时发送给IOM，由其统一负责所有信号系统设备的维护监测。

（5）与CCTV通过外部接口网络通信，在紧急情况下，实现与车辆CCTV子系统的协同联动，辅助车辆调度确认或实时监控车辆内部情况。

2.3 平台架构

车辆调度系统的特点是集成专业较多，其中核心专业是车辆和信号ATS，核心功能为监控与分析功能，因此车辆调度系统总体采用融合信号基因的信号与监控集成平台。该平台由数据采集层、服务层以及前端显示层构成，平台架构如图2所示。

其中数据采集层提供接口采集框架，包括主备冗余机制、协议驱动、数据解析、主备数据同步等，支持多种标准协议的接入和扩展。由于车辆传输的数据量大，实时性高，因此数据接口采集层框架引入多进程协同机制，将对所有车辆的数据通信和处理负载均衡到不同的进程中。

服务器层是该系统平台的核心，除初步具备常规的监控平台功能外，还引入大数据、分布式实时库等框架，以支持大规模线路以及线网级系统的建设；引入高并发计算引擎、故障智能诊断定位服务，可以支撑实现车辆调度系统的智能化分析功能。

前端显示层提供支撑信号和监控系统融合显示的图形化组态技术，构建以车辆为核心的多专业动态监督功能。

3 核心优势功能

针对车辆调度员的核心职责和城市轨道交通运营单位的迫切需求，本系统方案聚焦于为车辆调度员提供 “全面监督、精准控制、智能定位、高效决策”的核心功能。

3.1 全面监督

本系统方案研究的全面监督主要分以下3个层面：车辆本身、车辆结合部以及系统和网络。

（1）车辆本身的全面监督。车辆本身是一个极其复杂的集成系统，由牵引、制动、辅助、空调、走行部、火灾报警、通信等子系统构成。为让车辆调度员全面掌握全自动车辆的运行情况，须对车辆各专业子系统实现从点到面的全面监督。

（2）车辆结合部的全面监督。车辆是城市轨道交通运营的主体，其与信号控制系统、直流供电系统、屏蔽门等系统密切协同，其中任何一个系统出现问题都会影响车辆甚至城市轨道交通的正常运营。因此本系统除实现车辆本身的全面监督外，还有必要实现车辆结合部的运行监督，辅助车辆调度员高效决策。

（3）系统及网络的全面监督。系统本身设备及相关网络是整个系统正常运行的基础，为便于及时发现并定位系统故障及隐患，有必要对系统设备及网络通道进行全面监督。

3.2 精准控制

车辆是城市轨道交通运营的主体，也是与乘客安全密切相关的核心设备。因此当车辆设备需要调整设置或出现故障时，应当快速且安全可靠地对故障进行远程控制和复位，即“精准控制”。精准控制的对象包括：停放制动施加/缓解、远程升降弓、远程复位火灾；空调、照明等设备控制以及车辆参数设置等；故障情况下开关断路器、牵引、辅助及制动等远程复位。本系统方案提出的精准控制主要体现在以下几个方面。

（1）所见即所得。对控制对象的运行状态进行实时准确的显示，状态与控制操作融合显示，并在控制命令下发后，实时显示被控设备的当前状态，可以有效避免“盲控”的发生和误操作。

（2）过程全追踪。系统对控制过程进行全面追踪，在协议设计时，对控制命令的每一环节都设置回溯机制，这样可以让车辆调度员全面掌握命令传输流程。当控制不能正常执行时，也能让车辆调度员第一时间知道问题所在，追踪示意图如图3所示。

（3）结果实时反馈。控制命令下发、车辆执行完成后，系统能实时反馈控制执行的结果并在界面弹框提示，这样可以让车辆调度员清楚地掌握控制执行情况。

3.3 智能定位

由于车辆结构复杂、组成部件繁多，监测参数与故障类型也相对较多，各种突发故障、交叉故障、组合故障以及链式故障占很大比例。同一故障现象的引发原因也是多种多样，因此本系统采用专家诊断技术，结合车辆本身以及多专业集成信息，实现车辆智能定位功能，可以准确定位故障点，压缩故障处置延时，降低车辆故障对运营造成的影响。

为降低无效报警，本方案的智能定位功能综合考虑车辆运行工况、驾驶模式、检修模式、位置等信息，如车辆在库内检修时产生的报警，则不推送给车辆调度员。同时针对故障定位结果，本方案还提供故障原因分析、检修及应急处置措施，可以辅助车辆调度员高效地指挥维护人员快速处置相应故障 ，故障处置智能指导如图4所示。

3.4 高效决策

全自动无人驾驶线路具备高度的自动化和智能化水平，具备更高的运营效率，更短的追踪间隔。同时，由于车辆不再配置司机，车辆在正线发生任何故障，都会对运营造成重大影响。因此应避免故障车辆上线运营，若当车辆出现故障时，需要车辆调度员快速收集信息、高效决策，避免故障进一步升级。因此，从系统建设的角度，应为车辆调度员提供辅助高效决策的功能，高效决策流程如图5所示。本系统从以下几个方面提供高效决策功能。

（1）出库上线分析。实现车辆自检监督及分析功能，自动分析自检失败原因，分析车辆是否满足上线要求，辅助车辆调度员决策车辆是否可出库运行。

（2）正线运营分析。对正线运营车辆故障进行实时分析，自动分析正线故障车辆的运营调整策略（如是否下一站清客、运行至终点清客还是完成当日任务后回库），并提供故障处置建议，辅助车辆调度员高效地进行运营决策。

（3）故障应急处置指导。基于协同联动引擎，实现故障情况下应急处置指导，高效协同联动ATS、车辆、 CCTV、广播系统（PA）、乘客信息系统（PIS）等专业系统，提高故障应急处置的自动化、标准化水平及效率。

4 关键技术

4.1 大数据处理技术

由于车辆调度系统需要大量的实时数据支撑全面监督和智能分析相关功能，对于运行车辆比较多的大规模线路，车辆监控和分析数据规模达到百万级甚至千万级，对数据加载、采集、处理等都是极大挑战。本方案吸取先进的大数据并发处理经验，将大数据MapReduce机制集成到该系统平台中，以车辆为单位划分实时库加载、协议处理、故障分析、报警处理等子任务进行并发处理，并发处理后的结果再由统一的归并模块合并分发和输出。大数据并发技术原理如图6所示。

通过该技术，系统实时库加载、采集处理、报警处理、实时数据分析等性能显著提升。目前单台服务器支持点数≥100万，且支持150对车辆高频变化，单套服务器处理性能可满足国内大规模线路处理要求。

4.2 分布式实时库技术

实时库是自动化和监控领域的核心技术，也是提高监控系统实时性必不可少的技术。但面对超大规模线路或线网级系统建设的需求时，单套服务器实时库的处理性能，尤其是报警处理、存储等方面，会面临瓶颈。因此该系统平台基于大数据分布式协调器技术原理，研发实现了分布式实时库架构，包括分布式订阅和分布式处理，通过这种架构，可以将对车辆的数据订阅和处理等功能分散到不同的服务器集群组，如图7所示。

采用基于zookeeper分布式协调器原理实现的分布式实时库，可以支持车辆调度服务器的“无限级”动态扩展，支持超大规模线路以及线网级车辆调度系统的建设要求。

4.3 故障智能定位技术

系统采用成熟的故障诊断分析模型和分析技术，实现车辆故障的根因分析、结合部分析等，准确定位故障位置，提高故障定位和修复效率。本方案采用的智能定位技术主要包括以下几个部分。

（1）车辆设备故障知识库。建立一套基于车辆设备体系、关键车辆设备故障根源搜索方法的故障知识库，全面描述车辆设备间故障关联逻辑关系，指导实际的故障诊断分析工作。将专家经验统一收集和归纳，构建基于业务经验的车辆故障知识库，并结合实际新增案例不断地更新和完善，逐步提升可识别的故障覆盖面。

（2）构建知识库信息表示模型。结合车辆子系统和设备种类多、子系统间关系紧密等业务特点，本方案采用常用的故障树建模分析方法（FTA）建立故障定位表示模型，从而可通过自上而下的演绎式故障分析法实现故障推理。

（3）基于推理机实现故障实时诊断。基于推理机的故障诊断分析通过对故障树的深度遍历实现。系统启动时驱动推理机实现信息化知识模型的加载，然后推理机启动运行，对故障树进行遍历分析，系统选择故障树的顶层节点作为遍历的起点。通过对车辆实时数据的逻辑计算来判断是否符合该节点的分支输出条件，若符合则进一步进行分支节点的逻辑计算，直至最终遍历到故障树的叶子节点，并形成故障诊断的分析结果输出，从而达到精确诊断和定位故障位置的目的。

5 应用情况

该方案系统已在多条全自动无人驾驶线路投入应用，自投运以来，取得良好的应用效果，主要体现在以下几个方面。

（1）系统实时性增强。系统融合采用了大数据处理和分布式处理技术，使得车辆数据接收和处理实时性非常高，从收到数据到报警分析、前端界面显示可在1 s内完成，从而可以让车辆调度员第一时间掌握车辆实时信息和故障情况。

（2）经济性能提高。该方案实现线路所有车辆的远程实时监控和远程故障处置，车辆监控和故障处置都集中由OCC中一人完成，大幅降低对车辆值守人员的需求，降低人工成本，发挥较好的社会经济效益。

（3）设备监督覆盖率提高。该系统方案监督的设备状态范围和既有系统相比有大幅提升，除全面覆盖车辆本身外，还覆盖车辆相关结合部专业系统，覆盖率达到100%，完全满足对车辆全面监督的需求。

（4）故障定位及处置效率提升。该系统实现故障智能诊断和定位功能，可以显著压缩故障定位和处置延时，同时具备故障远程复位功能，可以大幅缩短处置复位时间，由人工处置提升为系统远程处置，故障处置效率至少提升40%以上。

（5）运营指挥决策效率提升。该系统为每类故障提供故障处置建议和指南，显著提高车辆调度员指挥故障处置的效率，同时提供车辆上下线分析，为车辆的运营调整提供准确的参考标准，运营调整决策效率提升显著。运营指挥效率总体提升至少30%。

综上所述，结合系统实际应用效果，该系统方案总体满足对全自动无人驾驶车辆远程实时监督、故障应急处置、高效决策的实际需求，可以有力地保障全自动无人驾驶车辆的安全运行。

6 总结及展望

基于全自动无人驾驶车辆调度员的岗位职责和需求以及目前研究和探索限制，本文研究提出基于信号和综合集成平台，集成车辆、信号、直流供电、屏蔽门等多专业信息于一体的车辆调度系统。现场实际应用证明，该系统提供的核心功能以及架构完全满足全自动无人驾驶线路对车辆远程监督、故障应急处置以及高效决策的要求，保障全自动无人驾驶车辆的安全可靠运营，得到用户的高度认可。作为城市轨道交通全自动无人驾驶新兴产物，该研究成果可以为国内全自动无人驾驶车辆调度系统的建设提供有力的参考，具有重大的借鉴意义。随着全自动无人驾驶系统建设热潮的到来，该研究成果应用前景广阔，也必将发挥示范和引领作用。