智能运维在智慧城轨建设中的应用研究

李昕娟 李娜

摘 要：为助力轨道交通领域的发展，响应国家建设“交通强国”“数字中国”的战略，促进智能运维在智总城轨中的应用，文章概述了《中国城市轨道交通智慧城轨发展纲要》中智慧城轨的内涵，指出智能运维是智慧城轨发展的重要内容，对智能运维技术以及架构进行简要介绍，并在此基础上，分析了智能运维在智慧城轨中的业务场景，通过将智能运维与车辆在途检测、轨旁检测、车辆检修管理、场段管理等应用场景相结合，从而提升运维的可靠性以及运维效率，实现城市轨道交通智能运维，加速智慧城轨建设。

关键词.智能运维：城市轨道交通：智能化应用

中图法分类号：U270文献标识码：A

１ 引言

随着人民生活水平的不断提高，城市交通行业的蓬勃发展，在一定程度上缓解了目前城市道路资源紧张、交通拥堵带来的发展压力。截至２０２１ 年底，中国城市轨道交通线路长达９ １９２．６２ ｋｍ，仅２０２１ 年全年的新增运营线路长达１ ２２２．９２ ｋｍ。伴随城市交通运营体量的增长，传统的运维模式不再适应行业发展，其存在的短板逐渐暴露，给车辆运维带来了极大的压力。

在２０２０ 年１０ 月，中国城市轨道交通协会正式发布《中国城市轨道交通智慧城轨发展纲要》，指出要推动高水平的智慧化城轨发展平台搭建。在地铁的运营过程中，检修板块占有十分重要的地位，地铁运营单位为了保证车辆的安全性和可靠性，制定了包括日检、半月检、月检、半年检、年检，以及小修、定修、架大修、大修等固定的修程修制。计划修、检的模式随之带来的是过度检、修，造成大量人力、物力的资源浪费，无法形成地铁运营的良性发展。智能运维是大数据时代下的一种创新模式，其利用人工智能、ＰＨＭ 技术、大數据技术等智能运维技术，促进计划修、检状态向修以及检的状态转变，对传统检修模式进行创新性变革，从而降低运维成本，提升运维可靠性，加快智慧城轨的建设速度。

２ 智慧城轨概述

《中国城市轨道交通智慧城轨发展纲要》指出，智能运维安全是智慧城轨建设中的重要部分［１］ 。智能运维安全的主要目的在于通过云计算、人工智能、大数据、物联网等新兴技术手段，整合车辆、信号、供电等系统智能运维信息，形成基于综合监视、故障联动分析、多专业数据统计分析、全局核心数据展示等技术实现车智慧城轨的调度、监控、应急指挥及智能化检修等服务的综合智能运维一体化平台［２～３］ ，从生产、调度、决策、巡检、应急指挥、运维监管等多个方面，升级现有运维体系，优化资源配置、提高智能化程度和运营效率，以及管控、安全保障能力与综合监管能力。

３ 智能运维技术概述

３．１ 智能运维技术

智能运维主要技术包含智能感知技术、ＰＨＭ 技术、边云协同技术［４～５］ 、大数据技术、人工智能技术等。

（ １）智能感知技术利用振动传感器、电压传感器、电流传感器、图像、红外探测器、激光雷达等多种传感器，采集车辆、轨旁、检修、场段等实际应用场景下的信息，这些数据从不同维度覆盖全运维场景的数据监测，并作为智能运维中的基本信息，用于后续数据处理以及业务决策。

（２） ＰＨＭ 技术为故障预测与健康评估技术。ＰＨＭ 技术目前主要分为基于数据驱动的诊断与评估技术和基于机理的诊断与评估技术。基于数据驱动的诊断与评估技术在收集大量数据的基础上，进行数据整理以及数据挖掘，形成有效的数据信息及数据评价准则，并依靠获取的数据走势，对车辆关键部件进行故障诊断以及健康评估。基于机理的诊断与评估技术，以工作原理为基础，以建立模型或人工经验为参考，建立评价指标，通过模型或者经验评价进行车辆关键部件故障预测及健康评估。

（３）边云协同技术指的是边缘侧与云平台侧的资源协同［６］ ，涉及资源包括但不限于数据资源、存储资源、计算资源，通过实际业务需求进行资源分配，降低单侧的资源压力，优化资源配置，提升资源利用率。

（４）大数据技术包含数据预处理技术、数据存储技术、数据安全技术、数据分析与挖掘技术等，大数据技术主要应用在数据平台获取智能感知层数据后，对数据进行处理及分析。大数据技术涵盖智能运维整个数据处理过程，从数据传输到数据存储、数据特征提取、数据分析、数据挖掘，再到数据对决策的支撑，最后数据对应用业务进行闭环指导，从而提升运维能力。

（ ５）人工智能技术是大数据时代下的新兴技术，在深度学习、机器学习、智能机器人、自动驾驶、智能检修等方面应用广泛［７～８］ 。将人工智能技术应用于智能运维中，用机器替代人工，提升了运维自动化水平，节省了大量人力资源，推动了轨道交通行业智能化发展。

３．２ 智能运维架构

智能运维架构主要包括感知层、数据平台层、业务应用层，以及服务层（如图１ 所示）。在感知层，主要进行数据的采集，包括通过车辆信息、轨旁监测信息、场段信息、供电设备信息、信号设备信息、车辆检修信息、巡检信息等数据。数据在采集完成后，通过４Ｇ／５Ｇ、Ｗｉ?Ｆｉ、以太网等方式传输至数据平台，由数据平台根据业务应用需求进行数据清洗、筛选、存储、数据挖掘、数据关联等相关数据整理工作；随后将有效业务数据分发至各个业务应用层进行决策，并将得到的决策信息反馈至监控中心、决策中心、调度中心、支持中心，由各个中心的使用角色进行处理以及最终决策。

４ 智能运维在智慧城轨中的应用研究

４．１ 智慧城轨中的智能运维

智能运维在智慧城轨中的主要业务场景包括车辆在途信息监测、轨旁监测、线网线路监控、车辆检修管理、场段管理。智能运维在智慧城轨中的业务应用逻辑（如图２ 所示）如下：数据手册、车辆在途信息监测数据、轨旁监测数据将通过４Ｇ／５Ｇ、Ｗｉ?Ｆｉ 等多种网络方式传输至线网线路监控部分的健康管理系统进行数据处理，并在数据基础上进行运营监控以及故障诊断，分别进行运营监测、轨旁监测、故障预测以及健康评估，根据运营监测数据、轨旁监测数据、故障预测结果、健康评估结果综合评价后，得出故障诊断结果。故障诊断结果将形成故障事件，平台将根据拟定的故障评价指标对故障事件进行评级，评级结果将以工单形式下发至车辆检修管理以及场段管理；车辆检修管理以及场段管理在接收到工单后，提取工单中的故障评级以及处置建议。输出包含配件需求、人员需求、工作需求等要素在内的维修计划建议，同时向ＤＣＣ和ＯＣＣ 系统下发调度建议，决定车辆是否入库维修，在确认两部分建议落实后，对已有的检修计划按照建议进行调整，并将检修计划派发至总控中心，由总控中心进行人员、设备、物料调度以及采取安全防护措施，将建议根据服务支撑板块职能进行类别划分，然后分别下发至配件管理、设备管理、检修工艺、检修资料，用于向现场配送物料、派发检修作业、指定检修工作人员以及对检修工作人员进行作业指导；在现场完成车辆维修后，车辆信息将发送至车辆应用平台进行车辆评估以及排车，检修车辆将根据收到的车辆调度执行车辆上线安排。

４．２ 智能运维技术应用

智能运维技术在城轨中的关键应用主要包含以下５ 个方面：车辆在途监测运维应用、轨旁检测运维应用、线网线路监控运维应用、车辆检修管理运维应用以及场段管理运维应用。通过对各个运维场景进行感知层数据采集后，依托数据平台进行信息融合、数据分析、综合监测、统一指挥，从而实现城市轨道交通运维场景的数字化、智能化建设。

４．２．１ 车辆在途监测运维应用

车辆在途信息监测系统主要用于监测牵引辅助系统、制动系统、走行部、车门、蓄电池、ＴＣＭＳ、乘客信息、弓网、空调、防火等关键子系统。系统功能主要包含数据采集以及在途诊断两个方面，其中数据采集一般由预埋在车辆各子系统的传感器采集车辆各部件监测关键信息（如表１ 所列），并将信息通过ＲＩＯＭ、车载路由等设备发送至车辆网络总线，然后对平台的数据进行传输以及车载数据存储；车辆在途诊断主要由ＰＨＭ 对各车辆子系统进行监测，向车辆网络输出故障诊断及预警信息、寿命评估信息。

４．２．２ 轨旁监测运维应用

轨旁监测用于监测受电弓、车轮、踏面、车辆外观、轮对尺寸等车辆关键部件，其主要检测手段包括机器视觉、红外检测、激光检测等。需要在轨旁预埋多种传感器，列车缓慢通过传感器设置区域，在不停车的情况下，获取车辆外观、轮对、踏面、受电弓等关键零部件信息，并将信息传入平台进行数据处理，然后输出车辆及关键部件状态信息。当出现异常信息时，输出预警信息或自动报警信息，实现由人力检向机器检的转变，在降低巡检人员投入的前提下，增加日检项点及频次。

４．２．３ 线网线路监控运维应用

线网线路的监控，主要指的是对线路的监控以及對线网的管控。线路监控对从感知层获取数据进行关键指标筛选，并对监控车辆运行过程中的关键指标进行展示，涉及的关键指标包括但不限于线路车辆状态、列车位置、配属统计等信息。线网管控主要指在线路监控的基础上，对线网信息进行实时监控，以图表、数字等直观的展示方式显示各线路车辆的运行状态、投运情况、故障及预警情况等。

４．２．４ 车辆检修管理运维应用

智能运维下车辆检修计划区别于固定检修计划安排，为综合考虑车辆行走里程、车辆行走时间、车辆ＰＨＭ 信息、车辆运营计划、车辆段维保产能等要素进行综合排布的智能检修计划管理。通过对已有的修程修制、工艺手册以及现场数据（产品数据、物料数据等）进行数据整理，并将数据分为检修工艺、修程、构型以及故障处置措施４ 大部分，形成数据手册。其中，检修工艺用于支撑检修工艺流程并形成标准工艺库，修程则用于检修修程管理及修程优化，构型则用于产品的主构型以及实例化构型，故障处置措施用于支撑故障处置以及应急故障处理。车辆在途监测系统向整车履历以及部件履历中输出车辆在途信息，包括车辆运行里程、运行时间、故障级预警信息等。车辆检修管理根据车辆在途信息以及该车辆在数据手册中的对应信息定制出检修计划，再根据车间的维保产能以及车辆运营计划安排，向车间派发相应的生产计划，由生产计划分别下发排产计划以及配件计划，最后由车间根据排产计划以及派发到现场的配件执行检修任务。检修任务完成后，车辆检修、配件更换等信息将纳入履历信息管理，作为优化数据手册的输入材料。

４．２．５ 场段管理运维应用

在智能运维下的场段管理，为在建立资产电子化台账的基础上进行资产数据采集，搭建资产履历平台，构建设备资产维护维修标准化体系，以数字化管理替代传统纸质管理。根据资产数据，形成设备利用率、完好率、闲置率、停机率等关键资产评价指标体系建议，对资产进行实时监控，并明确资产及其相关责任人之间的关系，从而实现设备高效管理。

资产管理系统根据资产巡检计划向责任人派发设备巡检任务，责任人根据巡检任务中的巡检路线、巡检清单、重点巡视对象等关键内容开展工作，巡检设备在开启巡检任务后，自动记录实际巡检路线，随机进行作业拍照。待任务完成后，巡检执行路线、巡检记录图像、巡检时间等过程信息均将上传至资产管理系统，用于进行资产状态记录及追溯。除此之外，资产负责人在巡检时可随时通过巡检设备上报异常情况，并向资产管理系统建议重点巡检内容，由资产管理系统将建议内容派发至后期的巡检任务清单。

４．３ 效益分析

近年来，地铁逐渐成为人们主要的出行方式，城轨车辆运维的任务量不断加大，因此需要在提升运维效率的同时保证车辆的安全可靠性。传统的运维模式主要依靠人工手记检修内容、故障内容，在记录完成后，再由人工进行电子版录入，且各作业系统（如物料系统、生产系统、车辆检修系统等）相互封闭，需要由人工进行系统间数据传递，用以维持正常作业。在运维任务激增的状况下，此类工作消耗了极大的人力及物力资源，且无法保证运维作业的可靠性。将智能运维技术应用于智慧城轨场景，能够高效合理地进行现有资源配置，在现有人力资源基础上，提升作业效率，保证作业正确率。城轨运维的传统模式以及智能运维模式的对比如表２ 所列。

５ 结束语

基于智能运维技术的应用，能够实现智慧城轨下的城市轨道车辆运维服务新模式，通过大数据、人工智能、物联网、云计算等新兴技术手段，打造运、检、修一体化平台；构建数字化、标准化体系及模型，建立数据手册、知识图谱，促进计划修检向状态修检的转变；通过故障诊断、健康监测及寿命评估、轨旁检测、数字化检修管理、智能场段管理的应用，提升检修能力以及故障处理能力，提高城轨车辆的安全运营能力，从而促进生产资源在检修环境中的合理配置，加速智慧交通一体化推进，实现轨道交通数字化智能化发展。

参考文献：

［１］ 中国城市轨道交通协会．中国城市轨道交通智慧城轨发展纲要［Ｊ］．城市轨道交通，２０２０，（４）：８?２３．

［２］ 牛涛，张辉．城市轨道交通智能运维系统方案研究［Ｊ］．铁道运输与经济，２０２２，４４（４）：９９?１０５．

［３］ 李彦武．西安地铁２ 号线车辆修程修制分析及优化［Ｄ］．西安：长安大学，２０１９．

［４］ 徐余明，黎家靖，张宁，等．基于云?边?端架构的城市轨道交通智能运维系统［Ｊ］．都市快轨交通，２０２２，３５（６）：１４５?１５０．

［５］ 张心宇，王喆，郭歌，等．铁路信息系统云边协同体系架构研究［Ｊ］．铁路计算机应用，２０２２，３１（１０）：１?５．

［６］ 赵鹏，朱祎兰．大数据技术综述与发展展望［Ｊ］．宇航总体技术，２０２２，６（１）：５５?６０．

［７］ 谭文举．轨道交通全自动运行条件下运营场景设计及智能运维研究［Ｄ］．北京：北京交通大学，２０２０．

［８］ 宋冠蕾．轨道交通中人工智能技术应用研究［Ｊ］．中国设备工程，２０２０（１０）：２８?３２．

作者简介：

李昕娟（１９８９—），硕士，工程师，研究方向：轨道交通智能技术。