基于监测数据的ATP车载电台健康状态评估算法研究

陈 曦

在高速铁路CTCS-3级列控业务中，车载电台发生故障会导致无线通信超时甚至降级停车［1］，影响高铁运行效率。目前，发生无线通信超时并定位为电台故障后，为了不影响动车组的运行计划，通常会第一时间安排更换电台。该方法虽行之有效，但属于“事后处理”，而现阶段更需要具备“事前预防”的手段。为适应我国高速铁路数字化、智能化的发展需求，开展对ATP 车载电台的智能化健康状态评估，对提升高铁的安全性和运营效率愈加重要。

近年来，随着GSM-R 接口监测系统建设趋于完善，地面PRI（CTCS-3 级列控系统无线闭塞中心与GSM-R 移动交换中心间）、A（GSM-R 移动交换中心与无线子系统间）、Abis（GSM-R 基站控制器与基站收发信台间）三接口监测系统［2］已在全路完成部署，车载空口监测系统在全路超过半数动车组上已完成安装，基站空口监测系统也在各路局部分重点基站完成建设［3］，使得基于三接口监测数据、车载空口监测数据、基站空口监测数据的车载电台健康状态评估成为了可能。基于多源数据汇聚融合处理，本文提出一种车载电台健康状态评估算法，旨在掌握车载电台健康状态，降低电台的运行故障率，提高高铁运行安全性和运营效率。

1 电台常见故障及特征

1.1 天馈系统故障

天馈系统经过长时间使用可能会老化，导致接触不良、密封处断裂并造成活动障碍等，使得驻波比变高，信号衰耗变大，传输电平低，接收到的信号强度减弱［4］，且此类天馈线故障往往难以查找；在安装维护过程中频繁插拔天馈线接头，再加上列车运行时的震动，可能会使得天馈线接头松脱，无法收发信号［5］。

这类故障从接口监测数据上观察，表现为上下行电平与平均水平相比偏低。

1.2 SIM卡松脱

SIM卡的卡托老化再加上列车的震动，会导致SIM 卡的卡托松脱，使得SIM 卡集成电路中的引脚与电台中的卡座接触不良［6］，或者SIM 卡在高温及列车运行震动的情况下发生形变，导致SIM卡与卡座接触不良，电台无法识别SIM 卡，造成电台无法入网［7］。

通过分析接口监测数据可知，这类故障表现为长时间没有入网数据。此外，在IGSM-R接口［8］上能看到无法读取SIM卡的相关AT指令提示。

1.3 射频器件老化

当射频电路中的电容、电感老化或损坏时，会导致功率传输时阻抗不匹配，传输线出现更多信号反射，驻波比变高，射频的收发性能均受到影响；当设备内晶振出现老化的情况后，会导致频偏增大，最终表现为接收质量恶化、切换失败率和中断率升高等；放大器长时间工作后老化，性能下降，会导致射频的发射功率下降，输出能力减弱。

通过分析接口监测数据可知，这类故障表现为上行电平明显偏低。

1.4 通信软件问题

GSM-R 电台基于3GPP［9］标准研制。3GPP标准主要针对公众移动网络的运营场景进行相关参数的规定，在自主化电台研制过程中发现，在高铁环境下需要优化这些参数以适应高铁无线网络环境要求。参数优化过程中出现的问题往往表现多样，例如工作波段被地面信号干扰造成无法正常跨区切换［10］、测量报告发送异常等。

通过分析接口监测数据，这类故障表现为切换失败率和连接中断率升高等。

2 数据提取

用于车载电台健康状态评估的数据主要来自地面三接口监测数据、基站空口监测数据和车载空口监测数据。地面三接口监测数据需从接口监测系统中提取，基站、车载空口监测数据需从空口监测系统中提取，提取前需通过数据对照的方式完成各系统数据的时间同步。

1）从地面三接口监测数据中主要提取Abis 接口测量报告、Abis接口切换记录和PRI接口呼叫记录等。Abis 接口测量报告中包含上行电平、下行电平、上行接收质量、下行接收质量等数据；Abis接口切换记录中包含切入下行电平、切出下行电平、切换失败等数据；通过PRI接口呼叫记录可获取呼叫异常中断信息等。

2）基站空口监测数据和车载空口监测数据主要用于在判断连续质差时排除非车载原因导致的质差，提取空口监测数据时需按照评估小区和目标动车组做数据筛选，再通过数据比对完成质差原因判断。

3）从车载空口监测数据中提取IGSM−R接口AT指令数据［11］，用于计算呼叫失败率。

3 健康状态评估算法

健康状态评估算法的整体思路：①根据上下行电平、上下行接收质量、切换失败率、连接中断率等指标，通过不断的学习与迭代，形成能够代表电台健康程度的模型，作为评分基准；②提取车载电台各个特征值与评分基准值进行比对，对各项特征值赋予不同的权重，然后计算车载电台的健康状态评估总分。

本算法是对车载电台健康状态进行的量化评估，实际应用中当车载电台各项指标能够达到标准水平时即可得到满分，健康状态评估分越低，表示与标准水平差距越大，表明电台状态越差。

3.1 评分基准的建立

车载电台的健康状态评估基础模型M是由n个小区基础模型m组成的集合，M={m1，m2，m3，…，mn}。小区基础模型m包含小区全部p个频点提取的特征值数据集B，m={CN，B1，B2，…，Bp}。其中，CN为小区名，用于标识小区；B={A，LAVGU，LAVGD，LHOI，LHOO，RHOF，S，PU，PD，f(LDV) }；A为ARFCN，指绝对无线频道编号，GSM-R 系统的ARFCN 范围从999～1 019，共21 个频点；LAVGU为平均上行电平；LAVGD为平均下行电平；LHOI为切入下行电平；LHOO为切出下行电平；RHOF为切换失败率；S为连续质差数据比例；PU为上行接收质量评分；PD为下行接收质量评分；f(LDV)为上下行电平差值评分。

3.1.1 平均上下行电平计算

分别读取评估小区Abis 接口全部数据的上下行电平值，计算平均电平值LAVG为

式中：Li为第i条数据的电平值；n为数据的总条数。

3.1.2 切入、切出下行电平值计算

从Abis 接口切换记录中直接读取切入到评估小区的“切换后下行电平”数据作为切入下行电平值，读取切出评估小区的“切换前下行电平”数据作为切出下行电平值。

3.1.3 切换失败率计算

读取Abis 接口切换记录，评估小区内“切换结果”不等于“成功”的切换记录条数与切换总条数的比值即为切换失败率。

3.1.4 连续质差数据比例计算

接收质量大于3 级的测量报告称为一个质差报告，数据连续质差的判断方法为：从第1 个质差报告出现，直到下一个大于5 帧的连续无质差测量报告数据段为止，若期间的质差报告数≥5 帧，则计为一个连续质差数据段。连续质差判断示意见图1。

图1 连续质差判断示意

图1 中共32 帧连续测量报告，标注的各数据段说明如下。

1）数据段A 出现质差报告，连续质差判断开始。

2）数据段B 出现一个大于5 帧的连续无质差报告数据段，Tc=7帧，连续质差判断终止，此时数据段A 的质差报告帧数Terr=3帧，小于5 帧，因此不计入连续质差数据。

3）数据段C 出现质差报告，连续质差判断开始。

4）数据段D 出现一个小于5 帧的连续无质差报告数据段，Tc=2帧。

5）数据段E 再次出现质差报告，连续质差判断继续。

6）数据段F 出现一个大于5 帧的连续无质差报告数据段，Tc=8 帧，连续质差判断结束，此时数据段C+D+E 质差报告帧数Terr=7帧，大于5帧，合并计为连续质差报告数据段。

连续质差数据比例S为式中：countbq为全部连续质差数据段包含的数据条数；n为数据的总条数。

3.1.5 上下行接收质量评分计算

读取评估小区全部的接收质量数据，分别计算接收质量等级0～7 的数据条数。根据各等级接收质量的数据量占比计算接收质量评分P为

式中：wi为接收质量等级i在评分算法中的权重，wi=2-i；counti为接收质量等级i的数据条数；n为数据的总条数。

3.1.6 上下行电平差值评分计算

读取评估小区Abis 接口全部数据，计算每条数据的上下行电平差值LDV为

式中：LUi为第i条数据的上行电平值；LDi为第i条数据的下行电平值；n为数据的总条数。

LDV≤15 dB 时，评分为满分100，每增大1 dB递减5分，最小评分为0分，评分方法为

3.2 电台健康状态评分

对电台进行健康状态评分时，首先按照上述评分基准建立算法，计算某电台在各评估小区的所有特征值，与评分基准值进行对比评分，再减去该电台通信异常中断和呼叫失败的分数，最后将评估总分拟合为1～5 分，共5 个等级，表示电台健康状态。

3.2.1 基于基准值的健康状态评分算法

健康评分规则采用与基础模型标准值对比的方式，按照分段阈值评分规则和所占权重完成对小区模型m中各项指标的评分。

分段阈值评分规则是指将某项指标的取值范围进行分段，每个分段赋予不同的分数，数值处于相应分段得到对应的分数。例如：假设平均下行电平的标准值LAVG=-50 dBm，其平均下行电平的评分规则可设置为

设某电台在评估小区C1的总评分为F1，共计k个指标，各项指标分值分别为P1、P2……Pk，其所占权重分别为W1、W2……Wk，则F1为

车载电台基于基础模型M的健康评分FM为

式中：n为基础模型中的小区模型个数。

3.2.2 其他减分条件

通信异常中断和电台呼叫失败率作为减分项计入评估。

通信异常中断分数Fe为

式中：H为中断减分数；Icount为中断次数。

获取某时间段车载空口数据中的AT 指令数据，分别统计其中的呼叫总次数、呼叫失败次数，即可算出呼叫失败率。电台呼叫失败率分数Ff为

式中：Frate为呼叫失败率；Wcon为固定权重分数。

3.2.3 车载电台健康状态评估总分

根据车载电台基于基础模型M的健康评分FM、电台通信异常中断分数Fe、电台呼叫失败率分数Ff，得到车载电台健康状态评分F为

F与评分基准Fs按比例拟合形成Ffit为

最终评分结果：5分为优秀；4分为良好；3分为中等；2分为偏差；1分为差。

4 算法验证

对2022-11-19 至2023-03-06 的监测数据，利用车载电台健康状态评估算法进行测试评估，涉及351 个电台，每个电台经过评估路段的数据收集筛选统计计为一次评估，共进行13 205 次数据评估。评估结果见表1。

表1 评估结果

根据表1 追溯到某电台多次评分为1。分析该电台接口监测数据，见图2。图2 中，红框中连续多个测量报告中的上行通信质量均较低（纵坐标为通信质量等级，0最佳，7为最差，5级以上可视为质差），说明该电台上行连续质差严重，存在较高的故障风险。

图2 上行通信质量曲线

经验证，该算法可准确描述车载电台的健康状态，达到及时发现有故障风险电台的目的，运维人员可对健康状态差的电台提前处理，从而实现电台故障的事前预防。

5 结束语

从近4 个月的数据统计结果可见，车载电台健康状态评估算法能够有效发现存在隐患的电台。在实际应用中，可通过该算法做初步筛选，然后经过人工核实，对确实存在隐患的电台采取相应的整改措施，以提高电台的运行质量。

下一步将继续优化权重参数配置，以更准确地评估电台健康状态，同时结合CTCS-3级列控系统无线通信超时自动分析结果，推动车载MT电台维护向智能化发展，不断提高MT电台的智能运维水平，显著减少因MT电台性能不稳定引发车地无线通信超时或中断，导致CTCS-3级列控系统降级运行的故障，提升高铁运行效率。