刘晓亮

上海电气泰雷兹交通自动化系统有限公司 上海 201206

前言：对列车运营来说，安全是需要予以高度关注的问题。城轨交通信号系统在此过程中发挥着关键性作用，决定着列车能否安全运营。当然为发挥其定位价值，就需要处理好信号设备维护工作。不同信号设备、系统在使用中很难兼容。并且不同线路有着相对独立的运维工作。线路运维期间，需要做好人员、设备的优化处理。运营过程中，不同线路信号系统需要采收大量信号数据，而以当前的条件来看，数据分析与数据挖掘能力是不足以支撑信号系统运营需求的。当前国内地铁系统在信号运维中采用的是计划修与实时监测结合模式。今后轨道信号系统在运维中，需要引入更加合理、先进的技术，提升水平，朝向综合、网络、智能结构进步。

一、智能运维现状

所谓的智能运维实际上就是自动化运维对于人工智能的使用，其依靠深度学习与机器学习这两项技术，完成了对运输数据、运维数据的充分分析与学习，能够生成可以自动监控网络状态的结构。该过程类似于人类大脑对数据的深度处理，获知异常状态成因，实现了对生成规则的持续性优化，能够保障系统更好的适应实际运维需求。

（一）特点

智能运维借助深度学习系统得到了提前预测设备故障的能力，可以在实践中不断优化自己的规则，获得更加科学、合理、可行的故障处理方案，有效扼杀故障隐患。智能运维可以很好的取代人工分析办法，获得更有效率的数据信息处理能力。该过程中实现了人力成本的控制，并且可以规避人力计算、人力分析出现的疏忽，保障系统运维质量、自动化水平。

（二）应用

现如今智能运维深度学习已经成为了非常常见的情况，语音识别、语言范围、机器视觉都有对深度学习广泛的运用。比如全自动汽车中就利用机器视觉技术用于感知周围环境，并配合汽车性能调控车辆的运行方向和速度。再比如无人机借助协同策略合理分工无人机组任务。以上案例印证的是当前人工智能技术的进步与成熟。

事实上城轨交通中的信号系统也有充分利用智能运维这项技术，其作用于监测系统的维护当中。当然故障报警、报表生成、实时状态监控、数据量采集、开关量采集等也在运用该技术。甚至还可以用专家决策技术定位与诊断故障，用增加采集模块的办法活精准分析数据。现如今所用的维护系统甚至能够做到对线路信号设备的实施诊断和监控。当然在线网层面的趋势分析与故障诊断仍体现出很大的不足。

依靠智能运维系统，人工复杂场景、运维问题得到了充分、合理的解决，其体现和标志的是传统运维在朝向自动化进步。面对线网密度越来越大的今天，智能运维在信号系统中承担与具备的意义早已不单单局限于提高线路运维效率，事实上，其还能够满足系统运维头冲管理、信号管理的要求。

（三）需求

信号运维工作主要就是系统监控、系统评估与故障诊断，当然有些高级的设备还包括故障设备恢复与维修。在智能运维被引入到轨道信号系统运维以后，功能层面角度不仅实现与达成了基本状态有效监测、故障预警、故障诊断、健康评估，同时还能够充分预测故障信息，可以在维修中为系统、工作人员提供相应指导和帮助。结构层面有必要不断拓展线路级别，直至达到线网级别运维[3]。并处理好线路级别之间的关系，集中监测运维线网，保障运维效率。利用运维人员经验与深度学习，分析搜集所得数据，从中提炼规则，不断调整和演变规则，帮助机器获得更加丰富的经验，其对维修管理、维修决策有很大帮助。

二、方案研究

在城规信号系统运维中，需要考虑的是检测设备对于辖区、车站的管理。本文将以地铁信号运维设备，统筹规划、管理设备线网，保障线路有效维护。

（一）系统设计

在地铁信号运维平台中，线路级运维与中央线网运维是最重要的两个结构。如图1所示。

图1 运维平台结构

线路及运维层面，每一个车站的监控设备都是出于直接应用室内电源和室外设备的情况，统一由控制中心管理车辆信息。在车辆运行中，车辆的信息会被轨道旁边的设备所记录，并汇总交由运维中心，由运维中心统一处理所获得的数据，可以用显示终端分类显示这些型号与信息。

线路车载设备、信号室、控制中心使用监测终端，能够获得电源设备、室内ATC机柜、绝缘电缆、车载、计轴、信号机、转辙机信息。此外线路所采集到的信息会被同步显示在每一个线网级、线路级显示终端，并由终端机接受与处理信息。

（二）接口设计

基于信号系统智能运维需求考虑，包括运维平台结构，要想实现平台对信号系统的有效维护与检测，就需要运用线路信号系统在外部接口中连接到设备，传输数据。这里的接口包括内部运维中心、线路终端机接口、线路分机连接子系统的接口，方案如图2.

图2 信号接口

地铁信号接口中，ATS接口作用在于获知ATS每一个子系统所传输回来的车辆操作日志、运营车次号、线路数据库。CI系统与ZC系统接口用于列车位置、道岔位置、区域占用信息接收。轨旁信号接口用作紧停按钮、轨道电路、转辙机、信号机数据采集[4]。电源设备接口作用为获取电源电压模块状态与各种电压参数。线路终端机利用内部接口把所得到的信号数据传输到运维中心，随后中心将这些数据的处理结果发回各个终端分机。

（三）技术分析

1.大数据

这里所说的大数据就是对现场所得大的数据做长期保存。该技术的作用在于能够有效存储海量的维护数据，为用户提供更好的条件查看数据，保障了数据分析可靠性、来源可靠性。此外还能够确保数据足够可靠。在应用层故障以后，可以在数据中心保存数据。该技术的实现流程为，利用数据中心客户端搜集与获取接收到的各种数据，随后以分布式文件持久化存储数据，并且可以将数据提取到应用层和数据中心中间件，以便上层对数据做分析，详细流程如图3.

图3 大数据的存储流程

2.深度学习

这里所说的深度学习可以被认为是利用大数据样本训练，获知数据分布特征形式，随后用深度学习技术展开分析。这些数据将会成为信号设备健康评估、维修的有利资源。以深度学习展开数据分析，能够在特定规则条件下，理解应用场景与数据，获得许多人工无法发现的特点，获知今后数据、设备、系统的发展趋势。大量运维数据的学习，能够使得运维系统获得更加精准的预测结果。

例如道岔动作的分析，相较于传统道岔动作分析流程，在运用深度学习以后，能够获得更有效率的预测结果。传统道岔分析如图4。

图4 传统道岔动作分析

将所获得到的整个周期动作电流用对照标准范围的方式，判定动作电流正常与否。虽然该方法能够实时监测道岔电流，不过去并不能为预防维修提供足够多的帮助。并且深度学习对于数据分析的支持，只不过是在大量分析样本数据，根据样本变化规律，确定出电流变化。深度学习道岔动作流程如图5。

图5 深度学习道岔动作流程

深度学习中获得大量样本数据，在训练中能够针对特定道岔获知电流范围。该范围对于后续的道岔维护有很大帮助。样本训练可以加入温湿度、时间等要素，更好的修正电流范围，获知以上因素带给道岔的影响。如果所得数据频频偏离训练范围，就需要现场监测获取是否存在设备老化、磨损问题。除此之外还要用类比方式分析同类型道岔设备，获知不同条件下遇到的工作问题，结合工作特性制定科学、合理、可行维修管理思路。该方法相较于传统模式充分利用了现场数据，不仅可以有效维修故障，同时也能够很好的预测今后发展趋势。

三、功能讨论

（一）实时在线监测

必须强调的是，地铁信号运维平台为实现实时监测、维修检测，就需要具备线路可视化，能够可视化完成线网层管理。

运维中心应实时同步电子地图传达的数据，利用电子地图数据做线路拓扑图生成，并在大屏幕当中，展现信号机、道岔、车站、轨道区段数据。线路信号系统和运维中心在获得正常通信以后，从ATP和ATS系统得到类车位置与区段的占用情况，甚至是道岔信息，并将这些信息传播到线路拓扑的截面，实时更新信息。可视化界面能够实时获知线网层位置和定位情况，帮助运维人员掌握故障带给运维环境的影响，帮助运维工作人员更好的和维保人员沟通，减少设备故障带来的负面影响。

（二）健康管理

运维平台可以全方位采集网络数据，数据信息，为设备工作参数、硬件特性提供诊断机制。在持续性采集与判断数据、信息的过程中，获知设备当前工作情况。监测数据被投影在终端当中，实时呈现。以故障诊断系统得出运行状态不佳的设施，第一时间发出故障报警，能够将维修建议与故障情况发送到维修终端。有着深度学习能力的系统可以参照标准参数、工作环境、设备生命周期判定机器规则。结束训练后，做设备故障趋势分析，并将其作为全新平台模块，建立完善监测系统。为管件设备提供预警体系，做数据预警，在现场处理后，超标数据重新恢复正常。

（三）可靠性分析

信号系统容错机制能够作为安全防护门槛，欠缺故障根源分析能力需要建立可靠性模型，仿真故障处理思路，包括对系统影响的分析，制定可行、合理的针对性策略，保障信号系统稳定性、可靠性。建立可靠性模型，全面覆盖系统状态。假设模型可以完整表达失效状态、正常状态，则意味着该模型可靠性近似真实值。

结语：参照城轨交通对信号系统的运维要求，包括智能运维这一技术当前的实际情况和趋势，本文将运维理念用在了信号系统的保障方案当中，也就是打造线网级运维平台，自动化处理线路。该方案能够很好的预测故障，保障系统稳定性、可靠性。