城市轨道交通跨系统业务链路综合监督系统研究与实践

摘要： 近年来，城市轨道交通快速发展，已逐步步入“全自动运行”时代。一方面，各专业系统智能化水平显著提高，系统间自动协同交互，从而带来了运营效率的大幅提升；另一方面，由于系统关联日益紧密且复杂，任何业务链路环节失效都会造成业务影响，因此如何及时发现跨系统间链路隐患、快速诊断故障根源，成为了地铁重点研究的方向。通过分析跨系统业务链路综合监督系统的研究需求，提出了系统性的设计方案，并结合地铁典型应用场景说明了系统的工作机制，为全自动运营维护场景提供了新的解决方案。

关键词：业务链路监督；跨系统；故障定位；知识图谱

中图分类号：U29-39

Research and Practice of the Comprehensive Supervision System for Cross-System Business Links in Urban Rail Transit

WU Feng* WEI Shengxin ZHOU Xingyu ZHU Cunren CUI Mingsong LIU Kechang

CASCO Signal Co.， Ltd.， Shanghai City， 200072 China

Abstract： In recent years， urban rail transit has developed rapidly and has gradually enteredVIiE1NDvi2sO4envxAHl7Q== the era of "fully automatic operation". On the one hand， the intelligence level of various professional systems has significantly improved， with automatic collaborative interaction between systems， resulting in a significant improvement in operational efficiency; On the other hand， due to the increasingly close and complex system connections， the failure of any business link-link can cause business impact. Therefore， how to timely identify cross-system link hazards and quickly diagnose the root cause of faults has become a key research direction for subways. By analyzing the research requirements for cross-system business link comprehensive supervision systems， it proposes a systematic design scheme， and explains the working mechanism of the system in conjunction with a typical application scenario of subway， providing a new solution for fully automated operation and maintenance scenarios.

Key Words： Business link supervision; Cross-system; Fault location; Knowledge graphs

随着城市轨道交通的快速发展，全自动运行系统已经成为该领域的主流趋势。全自动运行系统摆脱了有人驾驶系统所需司乘人员的限制，通过提升单系统的智能化水平和跨系统的自动化协同水平，实现全天运输不间断服务，使列车运行间隔得到有效缩短，行车密度得到提高。然而，在优化运营人力的同时，为了确保列车自动可靠运行，对各系统及系统间协同的可靠性也提出了更高的要求。现阶段，尽管各系统通过提升自诊断能力可以追溯本系统的故障及隐患，但系统间协同失效问题仍然缺乏有效的快速排查和预防诊断。当系统间协同失效时，若无法及时排查处置，可能会导致列车运营受到影响。

系统间协同实质是通过构建包括基础环境、硬件、软件等关键业务执行单元在内的完整业务链路，并确保业务链路所有单元均处于正常工作状态以实现业务功能。因此，如何确保整个业务链路的稳定性和可控性是当前亟待解决的核心问题。

为满足城市轨道交通日益增长的跨系统数据融合需求，某城市地铁已率先建立了多专业数据汇聚中心[1]，这为跨系统业务链路分析提供了数据基础；与此同时，大数据、知识图谱等技术的成熟应用也为技术环境提供了有力的支持。基于此，本文重点研究的是适用于跨系统业务链路的综合监督系统，旨在实时诊断失效单元、提前侦测隐患，并为维护人员提供及时的决策支持。

研究目标

城市轨道交通的正常运营依赖于各系统间的紧密配合，这些系统间通过特定的业务链路实现业务交互及执行，如供电系统为各系统提供基础电力支持，确保列车、信号系统、通信设备等正常运行；网络系统是城市轨道交通中的信息传递中枢，为各系统提供基础传输通道，实现信息的共享和交互；硬件设备是承载软件应用的基础设施，软件系统则为业务实现提供应用逻辑支撑。对于一个完整的业务交互场景，通常可能涉及两个或多个子系统间的协作，任何环节出现问题都会可能导致业务系统的失效。

因此，这项研究的目的是两个方面，一方面，在发现故障或隐患时，需要能够迅速定位到业务链路上的具体根源， 并针对故障应急快速处置的要求，采取相应的修复或预防措施，避免因故障影响运行； 另一方面，需要对系统间完整业务链的系统进行实时监测，通过对各系统的工作状态、性能指标等参数进行监测， 提前发现可能存在的链路劣化隐患，从而在故障发生前进行故障预警、帮助采取相应的维护措施进行风险规避，进而在确保城市轨道交通安全、高效运营。

需求分析

业务链路故障定位

目前，城市轨道交通各专业维护人员通常依靠专业维护系统对系统内单设备进行故障分析，可满足系统内故障诊断的要求。但是当跨系统复杂链路故障发生时，需要各专业维护人员同时调阅多个维护系统，并结合各类日志共同分析才能形成初步的诊断，有时甚至由于缺乏数据无法诊断出结果。

由此，一方面仅依靠传统的孤立方式进行故障定位，无法满足应急场景下的时效性要求，容易造成运营延时影响；另一方面人工分析过程耗时耗力，效率和质量都无法保证，有必要进行完善优化。

这就需要通过对业务链路进行知识图谱建模，对业务链路进行了深入的分析，识别出了各个子系统之间的依赖关系和影响关系，完成业务场景中链路关键单元的自影响及互影响分析，用知识图谱将这些关系转化为业务场景的数字化知识模型构建。在此基础上，首先从各个维护系统中集成数据，将各个维护系统的数据进行整合[2]，形成统一的数据源；从整合后的数据中提取与故障相关的特征信息，通过这些关键数据进行实时分析，可以及时发现故障，并进行故障归类和定位；为了方便运维人员掌握故障情况并采取相应的措施，应将与故障相关的数据以可视化的方式直观呈现出来，实现针对业务链路的故障定位和维护指导，从而提升故障处置的效能。

业务链路隐患侦测

由于跨系统间业务链路的多源性和复杂性，依靠人工方式或单系统监W6GUtauIlCRvuYkgq5gz4Q==测方式无法完成全链路的实时有效监测。为了预防跨系统链路故障的发生，必须进行 24 小时的系统排查和检测，对链路中存在的隐患或劣化过程做到早发现、早处理，把故障消灭在萌芽状态。

需要通过对业务链路中系统可监测项的评估分析，确定具备劣化分析条件的关键单元及评估因子，形成业务链路评估体系。通过对关键单元及因子的实时评估分析，结合评估量化算法，给出针对业务链路的健康度，指示业务链路的健康状态，实现提前发现劣化隐患，及时消除潜在故障。

总体设计

针对跨系统业务的复杂链路场景需求[3]，系统首先基于知识图谱建模工具，结合城轨跨系统业务分析场景，构建跨系统业务链路的知识图谱表示；同时，通过业务链路数据关联生成工具将实体业务设备对象生成关联映射关系。系统链路监督分析引擎通过加载知识图谱模型和数据关联关系，结合数据实时采集界面推送的实时数据，实现对链路的监督分析，并形成诊断结果，最终通过可视化的方式进行呈现。

构建跨系统业务链路的知识图谱表示，实现业务场景的数字化知识模型构建，基于知识图谱可以清晰地表示出业务链路。

通过业务链路数据关联生成工具，可以方便建立实体业务设备对象之间的关联映射关系，提高数据处理的效率。

链路监督分析引擎加载业务链路知识图谱，与实时采集数据相结合，监控业务链路的运行状态，发现故障隐患，实现链路的监督分析和故障诊断，从而提升故障处置时效。

提供可视化呈现方式，方便维护人员快速理解故障情况并采取相应的措施，提高故障处置的准确性和效率。

核心实现

链路知识图谱建模

对于跨系统业务复杂链路应用场景，传统故障诊断定位方法往往缺乏多维度、多层级研判分析能力，难以应对复杂系统的各种问题。为了应对这一问题，引入了城轨领域性的知识图谱技术，以此提升复杂场景建模的效能。

通过对城轨业务链路构成的影响分析后，构建了影响因子库。这个库包含了各种可能影响城轨业务链路运行的因素，如供电因素、网络因素、硬件因素、环境因素等。基于不同的场景，可以选择相关的因子，构建关联时序数据，然后进行知识抽取、知识融合及知识计算。如图2所示来构建影响因子库。

通过构建复杂链路知识图谱，可以提供对耦合性较高的数据场景的深入理解，解决复杂查询和根因追踪的问题。通过知识图谱，可以实现跨系统的故障精准定位和监督分析，具体如下。

首先通过对故障数据的深入分析，识别出常见的故障类型，并据此在知识图谱中构建相应的节点，为后续的故障处理与分析奠定基础。随后，利用知识图谱的关联分析能力，能够跨越系统局限，将多个故障模式紧密联系起来，找出它们之间的潜在联系与共同特征，打破传统故障分析的范围界限，实现更广泛的分析。进一步地，通过对知识图谱的深入挖掘，能够精准追踪到故障的根源，为故障的快速修复提供了明确而具体的指导方向。同时，知识图谱的精准定位能力使得能够迅速且准确地找到故障位置与影响范围，极大地提升了故障响应的速度与准确性。最后，通过实时动态更新知识图谱，确保对业务链路的进行实时监督分析，有效增强了对潜在的故障与隐患的预警能力，为系统的持续稳定运行提供了有力保障。

在构建了业务链路的知识图谱之后，从各个维护系统中集成数据。在平台上整合了各维护系统的信息，形成了统一的数据源。另一方面，通过业务链路数据关联生成工具，将实体业务设备对象生成关联映射关系。这些关联关系包括设备之间的连接关系、设备与系统之间的依赖关系等，为后续的故障定位和维护指导提供了重要依据。

业务链路监督分析

业务链路数据关联关系采用图数据库进行图关系存储，并根据图数据库构建业务链路各单元的矢量化模型，形成相关联的链路路径表；链路监督分析引擎是实现故障诊断和分析的核心部分，通过对链路单元所涉及的影响因子判断条件按图链路顺序逐个计算， 实现对图链路计算。判决条件根据监督分析的复杂度选择不同的算法，可采用包括数值计算、匹配度计算、特征计算等算法实现。

如图3所示，通过这些算法的选择和应用，链路监督分析引擎可以实现故障的精准定位和监督分析。当跨系统业务链路工作路径上发生异常时，系统基于诊断结果快速判断链路单元位置，并通过图形化动态辅助进行定位分析及展示。其中在隐患侦测过程中，具体措施如下。

测关键单元：通过对业务链路中的关键单元进行实时监测，可以及时发现潜在的隐患或劣化过程。

评估因子分析：针对每个关键单元，可以确定一系列评估因子，采用层次分析法评估其健康状态。

实时评估分析：通过实时收集关键单元的监测数据，并利用评估量化算法对数据进行处理和分析，可以计算出关键单元的健康度分数[4]。其可以指示关键单元的健康状态，以及是否存在隐患或劣化过程。

隐患预警：根据关键单元的健康度分数，可以设定相应的预警阈值。当关键单元的健康度评分低于预警阈值时，系统会发出隐患预警，提醒维护人员及时处理潜在问题。

劣化过程分析：通过对历史数据的分析和挖掘，可以识别出关键单元的劣化过程和趋势。这有助于维护人员了解隐患的发展趋势，并采取相应的措施进行预防和修复。

应用效果

在城市轨道交通的实际运营中，信号、通信、车辆、供电、机电、工务等多个专业紧密协作[5]，各专业根据不同的业务场景构建各自的业务链路。其中道岔业务链路是比较典型且复杂的跨专业业务链路场景。

道岔设备在轨道交通中的运行状态，与行车安全、运营效率有着直接关联。这类设备的特性在于其单点故障性，即缺乏冗余保护。一旦出现故障，特别是在关键区域如折返区的道岔设备，若不能迅速定位和解决问题，将导致运营的长时间延误，给乘客出行带来不便。

道岔设备的正常工作依赖于信号、供电、工务等专业相关系统的协同运作，基于命令-驱动-执行完整的业务过程，从而实现道岔设备的正常扳动。但由于整个业务过程和链路环节的复杂性，在道岔发生跨系统故障时，如何快速准确地定位并解决问题，始终是城市轨道交通领域的难题。

针对这一难题，深入分析了道岔设备完整的业务链路（如图4所示），结合现场实际数据和运营经验，构建了一套行之有效的故障诊断和处置策略。

供电专业保障道岔设备及计算机联锁系统的供电质量，主要由外电网、电源屏及UPS子系统构成。

信号专业保障计算机联锁发出正确的命令，并通过执行组电路、分线盘和室外电缆分线盘完成正确的驱动过程，室外转辙机最后须处于正常的工作状态。

工务专业应保障室外道岔部分处于正常的工作状态。

该系统以构建的道岔业务链路业务知识图谱为基础，采用业务链路监督分析和建立快速响应机制等措施，通过实时监测诊断链路中的关键单元，使得道岔设备故障诊断准确率和处置效率明显提高。其中评估业务失效时关键单元的关键诊断因子[6]可参见表1。

该系统能够有效整合来自供电、信号和工务专业的多源数据，结合业务链路动态分析算法，对道岔跨系统的故障进行精准定位，显著提升了排故效率和质量。系统可视化展示效果如图5所示，图中清晰地呈现了道岔设备的实时状态、故障信息及处置指引，为运维人员提供了全方位、可视化的运维指导。

结语

城市轨道交通跨系统业务链路综合监督系统旨在解决跨系统复杂场景下的故障定位及隐患侦测难题，该系统通过自动化、智能化的方式代替传统人工运维方式，提升了运维排故的质量和效率，为全自动系统运行提供了更可靠、更安全的基础能力。

目前，该系统在国内外城市轨道交通运营维护领域中具有典型示范作用，在实际应用中表现出了显著的效益和价值。随着业务链路场景的不断丰富，系统将汇聚更多专业和系统的业务数据，构建更完善的城轨业务链路知识库，从而持续提升跨系统运维场景的智能化发展。

参考文献

[1]王向阳，朵建华，刘懂懂，等.城市轨道交通多专业数字化运维体系[J].城市轨道交通研究，2023，26（11）：212-216.

[2]奚笑冬.城市轨道交通跨专业数据融合分析的预处理及时间同步方法[J].城市轨道交通研究， 2021，24（S01）：40-46.

[3]雷云鹏.城市轨道交通跨专业智能运维系统设计及应用[J].城市轨道交通研究，2022，25（11）：140-142.

[4]洪海珠.城市轨道交通多专业融合主动维修决策关键技术研究[J].城市轨道交通研究， 2023，26（12）：262-265.

[5]廖云.基于大数据平台的城市轨道交通多专业智能运维系统构建探讨[J].控制与信息技术，2021 （5）：1-5.

[6]尹山，匡立伟.基于业务拓扑的告警聚类关联分析方法[J].计算机与数字工程，2022（5）：1069-1072.