晏子峰

2020 年國鐵集團(tuán)發(fā)布《新時代交通強國鐵路先行規(guī)劃綱要》，至2035 年，全國鐵路網(wǎng)要達(dá)到20 萬 km 左右，其中高鐵 7 萬 km 左右，20 萬人口以上城市實現(xiàn)鐵路覆蓋，50 萬人口以上城市高鐵通達(dá)［1］。目前我國形成了具有獨立自主知識產(chǎn)權(quán)的高鐵建設(shè)、裝備制造、安全運營、維護(hù)管理的技術(shù)體系。隨著高速鐵路的快速發(fā)展，鐵路調(diào)度集中（Centralized Traffic Control，CTC）系統(tǒng)擔(dān)負(fù)著確保列車安全、穩(wěn)定、可靠運行的重任，以調(diào)度集中系統(tǒng)為基礎(chǔ)的運維智能化也是我們面臨的一個重要課題［2］。本文對以調(diào)度集中系統(tǒng)為基礎(chǔ)的鐵路智能運維系統(tǒng)的構(gòu)建進(jìn)行探討。

1 智能運維的必要性

以調(diào)度集中系統(tǒng)為基礎(chǔ)的鐵路智能運維系統(tǒng)，是適應(yīng)新技術(shù)應(yīng)用而產(chǎn)生的，有別于傳統(tǒng)以人工維護(hù)為主的一種新興維護(hù)模式。該模式的關(guān)鍵策略是通過深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等人工智能算法，對獲取的海量數(shù)據(jù)自動進(jìn)行智能分析處理，挖掘出其中有價值的潛在信息，進(jìn)而對設(shè)備運用與維護(hù)提供優(yōu)化的指導(dǎo)方案。該模式旨在通過智能化手段更經(jīng)濟(jì)有效地進(jìn)行鐵路調(diào)度指揮系統(tǒng)設(shè)備全壽命周期的健康管理，增強設(shè)備運營的可靠度和風(fēng)險預(yù)知能力，提高運營服務(wù)效率，減少運維壓力，助力實現(xiàn)管理成本最優(yōu)化，助推鐵路高質(zhì)量可持續(xù)健康發(fā)展［3］。

鐵路智能運維系統(tǒng)能夠隨著運營規(guī)模的不斷增長、新技術(shù)的迭代更新，更精準(zhǔn)地掌握設(shè)備的健康狀態(tài)，提高設(shè)備運行穩(wěn)定性；有效減輕維修人員工作強度，提高運維精準(zhǔn)性；提高維護(hù)效率，降低維護(hù)成本。該系統(tǒng)的核心內(nèi)容包含安全、質(zhì)量、成本、效率，最終實現(xiàn)關(guān)鍵績效指標(biāo)KPI （Key Performance Indicator） 的整體量化提升［4］。鐵路智能運維系統(tǒng)的結(jié)構(gòu)關(guān)系見圖1。

圖1 鐵路智能運維系統(tǒng)的結(jié)構(gòu)關(guān)系

安全：通過標(biāo)準(zhǔn)化的流程保證設(shè)備安全、人身安全，做到風(fēng)險可控，應(yīng)急響應(yīng)及時。

質(zhì)量：以可靠性為中心，全員生產(chǎn)維護(hù)，降低故障率，保證設(shè)備正常運行。

成本：通過量化的KPI 達(dá)到資源配置的合理最優(yōu)。

效率：延長平均無故障時間MTBF，減少故障修復(fù)時間MTTR，優(yōu)化信息獲取、故障判斷時間等。

隨著物聯(lián)網(wǎng)、大數(shù)據(jù)以及AI技術(shù)的不斷成熟，設(shè)備運維從人工化、自動化向智能化演進(jìn)，智能運維逐步在運維領(lǐng)域發(fā)揮積極的作用。

2 智能運維系統(tǒng)總體架構(gòu)

鐵路智能運維系統(tǒng)主要由設(shè)備資產(chǎn)、設(shè)備健康、生產(chǎn)管理及分析決策四大功能模塊組成。設(shè)備資產(chǎn)模塊實現(xiàn)電務(wù)資產(chǎn)全層次精細(xì)化實時跟蹤，管理資產(chǎn)一目了然；設(shè)備健康模塊實現(xiàn)全生命周期動靜結(jié)合的設(shè)備健康評估，提前發(fā)現(xiàn)設(shè)備隱患；生產(chǎn)管理模塊實現(xiàn)全流程生產(chǎn)管控監(jiān)督，提升生產(chǎn)質(zhì)量及效率；分析決策模塊實現(xiàn)基于大數(shù)據(jù)的全方位生產(chǎn)及投資決策建議。

鐵路智能運維系統(tǒng)總體邏輯架構(gòu)可以分為4 個層次［5］，見圖2。數(shù)據(jù)層：從設(shè)備監(jiān)控、專業(yè)維修等業(yè)務(wù)系統(tǒng)中進(jìn)行數(shù)據(jù)匯總，從人、物兩方面建立統(tǒng)一、完整、規(guī)范的數(shù)據(jù)層。平臺層：包括設(shè)備運維中所必須的基礎(chǔ)能力，如設(shè)備狀態(tài)及故障的管理、作業(yè)計劃的調(diào)度管理、設(shè)備狀態(tài)的實時維護(hù)管理等。業(yè)務(wù)層：通過對通信、信號、車輛、供電等專業(yè)領(lǐng)域的業(yè)務(wù)評估及建模，提供智能化的業(yè)務(wù)分析方案。管控層：一方面通過數(shù)據(jù)指標(biāo)的匯聚，形成總體態(tài)勢的可視化應(yīng)用；另一方面形成集約高效的智慧調(diào)度中心［6］。

圖2 智能運維系統(tǒng)總體邏輯架構(gòu)

運維過程從數(shù)據(jù)流的角度又包含數(shù)據(jù)采集、數(shù)據(jù)存儲和數(shù)據(jù)使用3個部分。

1） 數(shù)據(jù)采集。支持各類異構(gòu)數(shù)據(jù)源、結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)的同步，如基于ETL 工具從業(yè)務(wù)系統(tǒng)的各類異構(gòu)數(shù)據(jù)庫中抽取結(jié)構(gòu)化數(shù)據(jù)［7］；基于IOT技術(shù)從各類設(shè)備直連、網(wǎng)關(guān)、上位機(jī)抽取實時監(jiān)測數(shù)據(jù)；基于Flume等文件同步手段，提取設(shè)備日志數(shù)據(jù)等［8］。

2） 數(shù)據(jù)存儲。隨著所轄設(shè)備和系統(tǒng)的增加，數(shù)據(jù)存儲主要解決幾類問題。一是持續(xù)存儲海量的異構(gòu)數(shù)據(jù)，除了結(jié)構(gòu)化的數(shù)據(jù)庫數(shù)據(jù)，還包含非結(jié)構(gòu)化的數(shù)據(jù)，如圖片、日志、視頻等；二是保證數(shù)據(jù)的規(guī)劃一致性。這需要數(shù)據(jù)治理的支撐，數(shù)據(jù)治理能夠自動提取元數(shù)據(jù)信息，并統(tǒng)一存儲，對元數(shù)據(jù)貼上標(biāo)簽并進(jìn)行分類，建立統(tǒng)一的數(shù)據(jù)目錄、數(shù)據(jù)血緣，梳理上下游的脈絡(luò)關(guān)系。這種方式有助于數(shù)據(jù)問題定位分析、數(shù)據(jù)變更影響范圍評估、數(shù)據(jù)價值評估，最終對于接入的數(shù)據(jù)進(jìn)行質(zhì)量管控，提供數(shù)據(jù)字段校驗、數(shù)據(jù)完整性分析。

3） 數(shù)據(jù)使用。數(shù)據(jù)使用包括數(shù)據(jù)的離線計算、流式計算和數(shù)據(jù)搜索。數(shù)據(jù)的離線計算：通過sparksql、impala 等計算引擎，以及指標(biāo)體系的構(gòu)建，在海量數(shù)據(jù)中快速計算出業(yè)務(wù)所需要的指標(biāo)［9］。流式計算：通過flink、spark 等大數(shù)據(jù)流式計算引擎，針對設(shè)備上報數(shù)據(jù)的異常判斷、健康診斷給出實時結(jié)果［10］。數(shù)據(jù)搜索：各專業(yè)用戶以及系統(tǒng)能夠快速從數(shù)據(jù)湖中查到自己所需的數(shù)據(jù)和指標(biāo)結(jié)果，同時保證對數(shù)據(jù)的使用進(jìn)行安全管控、對敏感數(shù)據(jù)進(jìn)行脫敏處理。

3 智能運維的推進(jìn)

為推進(jìn)智能運維工作，在監(jiān)測分析與標(biāo)準(zhǔn)化、維修模式與修程修制、生產(chǎn)組織與管理模式以及行業(yè)運維能力的建設(shè)等方面，應(yīng)制定智能運維的技術(shù)標(biāo)準(zhǔn)，加強數(shù)據(jù)共享指導(dǎo)修程修制優(yōu)化，強化數(shù)據(jù)應(yīng)用提升管理效能，并培育專業(yè)化的運維服務(wù)企業(yè)，圍繞電務(wù)設(shè)備“檢”、“維”、“修”、“管”4個核心內(nèi)容，搭建平臺結(jié)構(gòu)，提高智能運維的綜合效益。

檢：通過機(jī)器、設(shè)備檢測代替人工檢查。運用機(jī)器學(xué)習(xí)和大數(shù)據(jù)分析技術(shù)，對設(shè)備運行狀態(tài)和變化趨勢進(jìn)行實時跟蹤分析，提前發(fā)現(xiàn)設(shè)備狀態(tài)變化及隱患。

維：通過人工智能實現(xiàn)設(shè)備故障診斷，準(zhǔn)確定位故障發(fā)生范圍，自動匹配歷史同類故障的處理過程和建議方案，實現(xiàn)智能搶修，提高故障應(yīng)急處置效率。根據(jù)設(shè)備預(yù)警自動下發(fā)作業(yè)工單和設(shè)備維護(hù)建議，實現(xiàn)設(shè)備“狀態(tài)修”。同時對作業(yè)執(zhí)行全過程進(jìn)行自動監(jiān)督，通過監(jiān)測設(shè)備狀態(tài)對問題是否被解決、處理狀態(tài)是否被關(guān)閉進(jìn)行卡控。

修：建立關(guān)鍵設(shè)備和零部件的健康度評價模型，通過設(shè)備報警預(yù)警、監(jiān)測數(shù)據(jù)、維護(hù)維修等動態(tài)數(shù)據(jù)和設(shè)備設(shè)計等靜態(tài)數(shù)據(jù)結(jié)合，科學(xué)計算設(shè)備健康度和剩余壽命，提供大、中維修建議，避免設(shè)備過度修，延長設(shè)備使用壽命。

管：根據(jù)國鐵集團(tuán)《鐵路信號設(shè)備單元劃分、編碼及表征規(guī)范》的規(guī)定，建立統(tǒng)一的設(shè)備編碼，并與供應(yīng)商定期將安裝設(shè)備的名稱、數(shù)量、序列號、出廠日期、返修記錄等關(guān)鍵數(shù)據(jù)同步，同時對接入設(shè)備在運營過程中進(jìn)行數(shù)據(jù)監(jiān)測，實現(xiàn)設(shè)備全生命周期內(nèi)數(shù)據(jù)的有效管理［11］。

通過運營單位、系統(tǒng)供應(yīng)商和智能運維解決方案提供者的共同努力，加強數(shù)據(jù)共享，推動制定相關(guān)技術(shù)標(biāo)準(zhǔn)，建立統(tǒng)一的智能運維系統(tǒng)，研發(fā)具備產(chǎn)業(yè)化的技術(shù)裝備，必將進(jìn)一步推進(jìn)智能化運維的有效落地。

4 智能運維的趨勢

4.1 基于深度學(xué)習(xí)的多指標(biāo)異常檢測

多指標(biāo)異常檢測技術(shù)［12］指對業(yè)務(wù)日志統(tǒng)計數(shù)據(jù)、設(shè)備上報的多個采集數(shù)據(jù)進(jìn)行綜合分析。這類數(shù)據(jù)通常具備較為復(fù)雜和相互耦合的特性，因此無法用傳統(tǒng)的四則運算規(guī)則處理。尤其是對具有時序特性或周期特性的數(shù)據(jù)進(jìn)行檢測時，傳統(tǒng)的技術(shù)方法無法滿足業(yè)務(wù)需求。深度學(xué)習(xí)算法對多維度特征的分類提取具有先天優(yōu)勢，其關(guān)注特征包括時間序列周期、上下行趨勢特性、差分指數(shù)等。

4.2 基于設(shè)備固有特征和相似度的海量指標(biāo)異常定位

針對鐵路現(xiàn)場的大量設(shè)備以及不同設(shè)備的采集項，當(dāng)故障問題發(fā)生時，能夠通過設(shè)備之間的固有特征關(guān)系以及指標(biāo)采集影響因子，利用相似度等算法，定位出當(dāng)前上報各個異常指標(biāo)中的根因指標(biāo)，由此幫助維護(hù)人員快速定位需要排查的真正故障系統(tǒng)，縮短排障時間，再從實時調(diào)用關(guān)系和時序指標(biāo)數(shù)據(jù)出發(fā)，并結(jié)合報警數(shù)據(jù)分析，構(gòu)造出故障傳播圖并找出根因。

4.3 基于自然語言處理的日志分析

不同設(shè)備每天都在積累海量的日志數(shù)據(jù)，且日志記錄方式千差萬別，形成典型的日志大數(shù)據(jù)?；谧匀徽Z言處理（NLP）［13］和大數(shù)據(jù)分析技術(shù)，可以準(zhǔn)確地從海量日志中提取有決策意義的信息，發(fā)現(xiàn)日志所代表的事件，應(yīng)對日志規(guī)模巨大、設(shè)備變更后新類型日志的產(chǎn)生、日志結(jié)構(gòu)復(fù)雜且多樣帶來的挑戰(zhàn)。通過日志異常檢測機(jī)制，能夠準(zhǔn)確、高效地解析日志，且自動、準(zhǔn)確地檢測，主動發(fā)現(xiàn)設(shè)備的異常，及時采取應(yīng)對措施。

4.4 基于智能感知的采集

目前的運維監(jiān)測采集對象比較單一，采集頻率及精度低，不具備智能化自主能力，而智能感知采集可具備如下特點。

1）多元化：監(jiān)測對象由電氣特性為主向多元化轉(zhuǎn)變，為運維人員提供更全面的在線監(jiān)測范圍。

2）精細(xì)化：提高采集頻率、提升采集精度，為運維分析提供更精細(xì)化的高質(zhì)量數(shù)據(jù)。

3）智能化：加強感知設(shè)備的智能化、自主化處理能力，有利于局部專業(yè)化的快速診斷及處理。

5 結(jié)束語

智能運維不僅是當(dāng)前行業(yè)的發(fā)展熱點之一，而且是鐵路運營各級單位安全生產(chǎn)管理的迫切需求。目前鐵路通信、信號、車輛、供電等各專業(yè)雖然已經(jīng)將智能化運維的建設(shè)提到了新的高度，但仍存在難點。

1）由于智能運維的運用還在起步階段，目前行業(yè)中無相關(guān)標(biāo)準(zhǔn)，這即給供應(yīng)商提供了自由度，同時也增加了難度。伴隨著海量的業(yè)務(wù)需求涌現(xiàn)，盡早完善相關(guān)標(biāo)準(zhǔn)，規(guī)范智能運維系統(tǒng)的功能和方向，使得不同供應(yīng)商研制出的智能運維系統(tǒng)在功能和標(biāo)準(zhǔn)上保持一致，結(jié)構(gòu)上保持統(tǒng)一，十分必要。

2）現(xiàn)階段各專業(yè)的智能運維系統(tǒng)基礎(chǔ)數(shù)據(jù)不夠完善。為了獲得更多的數(shù)據(jù)，如果只通過增加更多輔助設(shè)備，如傳感器等來實現(xiàn)目標(biāo)，一方面會導(dǎo)致數(shù)據(jù)更加龐大，另一方面也使得系統(tǒng)更加復(fù)雜，不僅在信息安全方面帶來了新的挑戰(zhàn)，而且也增加了系統(tǒng)成本和維護(hù)難度。

3）目前面向深度學(xué)習(xí)或者機(jī)器學(xué)習(xí)的特征數(shù)據(jù)提取、故障診斷等，仍然需要技術(shù)人員的經(jīng)驗知識和離線分析［14］。如何有效實現(xiàn)在線的高準(zhǔn)確度、智能化分析，仍然還有很多的技術(shù)難點需要攻克。

隨著信息化系統(tǒng)的不斷迭代升級，鐵路調(diào)度系統(tǒng)也會跟隨不斷更新，基礎(chǔ)部件將面向智能化發(fā)展，設(shè)備的監(jiān)測數(shù)據(jù)獲取也逐漸無需增加額外的數(shù)據(jù)采集、傳輸設(shè)備。在降低系統(tǒng)復(fù)雜性的同時，增加智能運維功能，將為智能運維的規(guī)?；瘧?yīng)用、智能維保綜合效益的實現(xiàn)提供關(guān)鍵條件。