城市軌道交通安全智能融合監控體系的構建*

涂繼亮 董德存

(1.同濟大學交通運輸工程學院，201804，上海;2.南昌航空大學信息工程學院，330063，南昌∥第一作者，講師)

由于城市軌道交通工程建設難度大、施工環境復雜、運營過程中載客量大、客流密度高、空間相對封閉，加上安全管理控制不利和投入不足，造成當前城市軌道交通事故時有發生的局面，給軌道交通安全監控理論和方法的研究帶來了嚴峻的挑戰，同時也帶來了新的發展機遇。在國內城市軌道交通系統安全監測儀器及自動化設備研制水平不斷提高和國外先進設備引進的基礎上，依據豐富、全面的傳感器采集的安全信息資源，將信息科學、人工智能理論、計算機技術、微電子技術、車地寬帶無線通信技術等與傳統軌道交通工程設計理論和方法綜合集成融合，為完善軌道交通安全監控理論和方法、解決軌道交通安全監控遇到的新問題、保障和提高列車運行的可靠性和安全性，提供了很好的思路與途徑。本文在論述軌道交通系統所具有的開放、復雜巨系統特性的基礎上，基于系統工程全方位思維模式，應用海量數據綜合集成、多學科交叉融合的思想，建立了軌道交通安全智能融合監控體系。

1 軌道交通系統特性

狹義地看，城市軌道交通系統是一個獨立的、封閉的系統，有自己的信號指揮系統，相對其它公共交通工具似乎更加安全［2］。但從廣義上講，城市軌道交通包括線路、軌道、車站、車輛段、指揮控制系統，以及附屬建筑物及其周圍環境等，是一類受時間、空間和事件多重驅動的混雜系統。按系統論的觀點，軌道交通監控可視為一個開放的復雜巨系統［3］:其與周圍環境有物質、能量等的交換，是城市人流、物流、信息流的載體，是“開放的”;集成和互聯的專業子系統數量多、差異大，如電力、環境、自動售檢票、旅客向導、列車自動控制等系統，是“巨系統”;子系統的種類繁多，現場設備復雜，數據量大，技術要求高且相互制約影響，是“復雜的”。主要表現在以下幾個方面:

(1)災害的漸變性。軌道交通系統在復雜環境運營條件作用下，隨著時間推移、列車運行速度提高和運輸質量增大、車輛及各子系統使用年限增長，系統關鍵零部件不可避免地會產生病變，如果不及時處理，病變就會逐漸累積，以至于產生重大事故。因此，需采用快速、自適應的檢測方法，及時發現病變，找出病因，給出相應的防護及控制措施。

(2)結構的不確定性。軌道交通系統中存在大量的不確定性問題，這種不確定性既有客觀上的，也有主觀上的［4］。其中客觀上的不確定性，主要有路基和基底地質構造的現狀、車站主體建筑材料參數、施工質量，以及難以估計的客流量等。這些不確定性引起主觀上的不確定性，如計算模型、模型參數的選取、計算的假定、計算簡化及信息描述等。由于在軌道交通安全監控中主、客觀不確定性共存，因此對于全局性、綜合性的問題(如軌道系統故障診斷、系統安全評價等)，需要充分運用已有知識、數據、經驗等做出系統分析。

(3)力學特性的多元性。軌道交通系統運營工作條件和結構極其復雜，列車在高速條件下的非正常狀態的特征千變萬化隨機不定，系統力學特性呈現出多元性特征［5］。如巖土材料和結構的非線性、軌道及路基材料參數的非均勻性、荷載的隨機性以及施工的影響等，這使得高速運行條件下列車軌道結構的力學機理極其復雜，且多半是非線性的。軌道車輛耦合動力學分析計算模型的多元性導致軌道系統故障分析診斷和系統綜合評價成為一個難題，許多力學特性難以用一個概念模型概括［6］。為此，在理論分析和數值模擬時通常會做出一些假設，然后應用已有的理論和方法進行處理。這種方式導致分析結果與實際有誤差或失真。

(4)因素制約的多樣性。從世界各國及我國城市軌道交通建設的經驗教訓中看，影響制約軌道交通建設的因素眾多，需加以權衡，系統地考慮。例如:每個城市間多種交通方式的互相干擾導致覆蓋面的盲區;片面追求城市外在形象，不能合理地對遠期城市人口、經濟發展狀況及需要的城市客運交通運輸能力加以分析;不考慮城市交通與環境及居民的關系，過分發展公路交通，造成空氣、水大量污染;或在軌道交通線路周邊盲目進行地產開發，不考慮噪聲振動等影響環境的因素。另外，速度、可達性、設施水平，以及舒適的乘車環境都是軌道交通系統建設需要綜合考慮的因素。

2 安全監控思維模式

由于城市軌道交通系統的復雜性，對軌道交通系統結構機理進行分析，首先要從單一的正向思維走向全方位的系統思維、不確定性思維與逆向思維，充分利用人腦思維的功能，進行抽象思維和形象思維的模擬［7］。

(1)正向思維。早期的軌道系統安全分析方法可稱之為正向思維模式，不論是理論分析還是數值方法均過分依賴于數據的獲取。往往根據試驗或實測資料建立模型、處理本構關系，在特定條件下求解。

(2)逆向思維。20世紀70年代，觀測資料反分析方法的研究引起了國內外學者的重視。該方法將正分析的成果作為依據，通過相應的反演理論分析。文獻［8］采用模擬退火算法改進的BP神經網絡算法反演了凍土路基的熱力學參數，并在反演參數的基礎上，應用有限元法模擬預測了凍土路基在不同保溫處理方案下的長期溫度場變化情況，從而提高了分析結果的可靠性。這種反分析方法是一種逆向思維過程，開辟了軌道交通系統安全分析的新途徑。

(3)系統思維。系統思維是一種邏輯抽象能力，也稱為整體觀、全局觀。它主張從系統論的角度研究問題，強調組成系統的單元同系統整體的聯系和區別;從系統的全過程進行研究，通過不斷調整，自適應地完成復雜問題的求解。對于城市軌道交通安全框架體系的研究便是系統思維的一個突出體現。它將事故預防、安全保障、事故應急救援、設計施工、運營、安全管理政策等層面視為相互依賴并綜合相成的一個整體，對各部分各過程做協調研究，著重彼此間內在的相互聯系及其系統的整體性。

(4)反饋思維。反饋思維主張從信息反饋的角度進行研究，通過測量系統的輸出狀態推知系統的輸入狀態。利用控制論的思想，根據控制系統產生的輸出，決定對軌道交通各子系統病變進行有效的控制和采取相應的補強消缺措施。

全方位思維主張從不同的途徑探索解決問題的方法。即采用多學科交叉、滲透、融合，發展新的更加完善的軌道交通安全監控理論和方法。思維方式的轉變是軌道交通安全監控理論突破的關鍵，是軌道交通安全監控智能融合理論和方法體系構筑的基石。由于開放的復雜巨系統要處理大量的信息和知識，且有些信息和知識是經驗性的，無法進行精確的定量處理，因此需基于全方位思維模式，采用定性和定量綜合集成的方法對其進行研究［9］。其根本途徑是把專家群體、數據和各種信息與計算機技術有機結合起來，把各種學科的理論和人的知識結合起來，構成一個高度智能化的人機結合系統。它能把人的成果經驗、知識、智慧，以及各種資料和信息集成起來，從多方面的定性認識上升到定量認識，從而完成軌道交通安全監控中的各項工作，如數據處理、結構性狀分析、故障診斷、安全評價等。

3 智能融合的基本原理和典型方法

結合軌道交通安全監控領域的特點，智能融合可分為數據級融合、分析級融合、診斷級融合和評價級融合等4個層次。

3.1 數據級融合

軌道交通系統原型觀測數據級融合的基本原理是借助現代計算機信息處理技術，運用一定的準則和算法，自動對來自各信源的數據(如城市軌道交通運輸調度、機車車輛、線路、電力、通信信號等各業務系統的靜態數據，以及上述各業務系統的實時動態數據)呈報進行聯合、變換、相關和合成。其目的是修補殘缺數據，剔除無效的采集數據，保證信息平臺的高層次功能的需求，以獲得高質量的軌道交通系統安全性狀信息(如各類環境指標、設備工況、人員信息、作業參數與調度指令等)。多傳感器數據是數據級融合的基礎。協調優化和綜合處理是數據級融合的核心。數據級融合的優點是能保持盡可能多的現場數據，提供其它融合層次所不能提供的細微信息。但其局限性也很明顯，例如:它所要處理的傳感器數據量太大，處理代價高，實時性差;這種融合是在信息的最低層進行的，傳感器原始信息的不確定性、不完全性和不穩定性要求在融合時有較高的糾錯處理能力;要求各傳感器信息必須來自同質傳感器(傳感器觀測的是同一物理現象);數據通信量較大，抗干擾能力差。數據級融合需要解決的問題主要有度量函數(融合度)、有效數據提取準則、融合算法等的設計［10］。此階段常用的數據融合方法包括卡爾曼濾波法、貝葉斯估計、神經網絡法、數據關聯等。

3.2 分析級融合

分析級融合屬于中間層次，它先對來自傳感器的原始信息進行特征提取，然后對特征信息進行綜合分析和處理。一般來說，該層次提取的特征信息應是物理現象最基本單元(如圖像中的像素)信息的充分表示量或充分統計量，然后按特征信息對多傳感器數據進行分類、匯集和綜合。分析級融合的優點是實現了可觀的信息壓縮，有利于實時處理，并且由于所提取的特征直接與決策分析有關而使融合結果能最大限度地給出決策分析所需要的特征信息。該階段是擴展交通數據的應用服務，主要用于獲取難以直接采集的數據(如突發事件預測、列車精確定位、短期客流預測等)。常用的數據融合方法包括卡爾曼濾波法、聚類、神經網絡法、熵法、DS證據推理法、貝葉斯法、模糊數學等。

3.3 診斷級融合

從20世紀60年代開始人們就致力于現代設備故障診斷學的研究，并在計算機技術、系統工程、信息論、數理邏輯等推動下，不斷取得新的研究成果。實踐表明，迅速而準確地查出故障原因是一個十分關鍵而復雜的問題。由于軌道交通系統的復雜性，其故障具有模糊性、隨機性及征兆的局限性等特征。系統的聯動在任何一個環節出現故障，都可能導致整個系統進入阻塞模式，因而很難用傳統的故障診斷手段來進行故障定位。

傳統方法對軌道交通系統故障的確定多依據專家經驗和領域知識、結合系統實際運行特點來實現，缺乏自適應性，且所確定的故障可能原因往往帶有一定的盲目性，造成故障診斷的冗余。因此，在對軌道交通各子系統故障進行診斷的過程中，需綜合考慮軌道交通子系統的安全相關信息(數據、規則、知識等)。這是一個典型的信息融合過程，需要對軌道交通各子系統運行過程中的各種信息進行綜合處理和協同分析，從而尋找發生故障的部位和引起故障的原因。模糊神經網絡結合了神經網絡和模糊理論的優點，推理速度快，泛化能力和容錯能力強，同時對處理故障征兆和故障原因的非線性映射問題具有強大的自學習能力和數據處理能力，且知識表達準確，符合實際需要，可以在一定程度上解決上述問題。

文獻［11］在傳統的油中溶解氣體分析方法的基礎上，利用模糊神經網絡強有力的關系處理能力，通過分析數值邏輯故障診斷模型和物理邏輯故障診斷模型兩類模糊神經網絡故障診斷模型，考慮信息采集節點的向量特性、變化趨勢特性以及模糊神經網絡的反饋特性，給出了牽引變壓器全局故障診斷模型。該算法首先確立增益參數、權系數判定矩陣與決策矩陣;其次對診斷模型中的部分參數進行學習調整，提高故障類別對故障征兆的敏感度;最后通過學習過程，對樣本進行聚類分析，修正故障征兆與故障類別間的因果關系，得出故障征兆——故障類別集。試驗結果表明:該方法能更好地分析牽引變壓器各類故障產生的原因，明確故障特征類型;避免了用單一特征數據集診斷牽引變壓器故障帶來的局限性，可以提高故障診斷的準確率。

此外，如何從各種歷史故障信息(數據、規則、規范、經驗性知識等)中識別出合理、新穎、有潛在價值及最終可理解的病變——病因模式，設計一種廣義規則集的增量式自動在線故障診斷模式，從而提高病變分析診斷的自適應性和計算機可操作性，也是診斷級信息融合需要解決的問題。

3.4 評價級融合

城市軌道交通系統安全狀況是質與量的統一體，其變化有量變和質變之分。同時，軌道交通系統受多種因素的影響，各種因素間的關系是復雜、相關、不確定的，有時是具有轉異特征的。對這樣的復雜系統進行分析評價，需要合理構建評價指標體系，制定指標度量規則，研究綜合評價的工程方法。

評價級融合是軌道交通系統安全評價的最高級融合，其體系結構主要由綜合推理機、知識庫、工程數據庫、方法庫和圖庫(簡稱“一機四庫”)組成(見圖1)，從而真正實現定性與定量融合評價。

(1)綜合推理機:位于系統的頂層，應用正向推理、反向推理和系統推理等人工智能技術，對知識庫識別的異常測值或故障報警進行識別及定位，對故障成因解析，并根據模型評價、指標評價、方案比較、綜合分析對系統總體安全性進行評價，提出輔助決策建議。

(2)知識庫:依據專家的群體知識和個性知識及監測資料正反分析成果等構成各類評判準則，應用模式識別等理論，識別異常監測值或潛在故障。

(3)工程數據庫:管理監測資料以及與安全有關的設計、施工、運行管理、監測資料正反分析等資料及信息。

(4)方法庫:分析和反分析各類監測資料，以建立各類監控模型和監控指標，包括軌道交通系統的設計標準、強度、穩定復核和綜合分析評價等各類程序。

(5)圖庫:用于管理監測資料及其正反分析、軌道交通安全分析評價和監控等各類圖表圖像，使整個綜合分析評價過程有優良的圖形和圖像界面。

圖1 評價級融合體系結構圖

4 智能融合體系架構

圖2 城市軌道交通安全智能融合體系框圖

從軌道交通開放的復雜巨系統特性出發，根據智能融合的基本原理和方法，建立圖2所示智能融合體系框圖。通過合理分布、高度自適應的感知系統，實時獲取軌道交通系統狀態信息;應用數據融合技術，快速地從海量的感知數據源中提煉出準確、可靠的數據;用數學、力學、信息科學和人工智能技術融合的方法，分析這些數據，從中發現異常因素;基于系統、全局的觀點，自適應地診斷故障成因和評價系統的安全狀況，快速做出輔助決策建議，返回給決策部門;根據最終決策意見，執行相關的措施。

軌道交通安全監控領域多學科交叉的性質，要求將信息、人工智能、工程與管理等學科的理論和方法進行科學、有效、合理的融合，以期把目前廣泛采用的離線、靜態、被動的監控轉變為在線、動態、實時的智能監控。這是從根本上解決城市軌道交通系統全壽命期間安全及減小災害影響的一條新思路。

5 結語

本文針對軌道交通系統開放的復雜巨系統特性，以實現軌道交通系統安全的智能監控為目標，轉變思維模式，從多信息(數據、規則、知識等)、多理論、多方法智能化融合的角度，運用人工智能技術和新興信息科學技術，探討了在數據處理、原型觀測資料分析、故障診斷和安全評價等方面的智能融合思想和方法，構筑了軌道交通系統安全監控智能融合體系。該監控體系將大幅減少人工處理的工作量，提高分析的精度和效率。此外，利用建立的分析系統，軌道交通運營管理部門可及時根據需要開展一些相對簡單的自我評估，或對擬開展的工程和非工程措施實施方案進行比較，以及時發現潛在問題，提高軌道交通系統管理水平。

［1］何理，鐘茂華，史聰靈.城市軌道交通安全評價體系研究［J］.中國安全生產科學技術，2009，5(6):128.

［2］施毓鳳，楊晟，孫力彤.城市軌道交通的安全管理問題［J］.城市軌道交通研究，2003(2):26.

［3］孫東川，林福永.系統工程引論［M］.北京:清華大學出版社，2004.

［4］Shinya Kikuchi，Matti Pursula.Treatment of uncertaity in study of transportation:fuzzy set theory and evidence theory［J］.Journal of Transportation Engineering，1998(1):1.

［5］金學松，郭俊.高速列車安全運行研究的關鍵科學問題［J］.工程力學，2009，26(3):13.

［6］楊吉忠，畢海權，翟婉明.基于ALE方法的列車橫風繞流動力學分析［J］.鐵道學報，2009，31(2):121.

［7］蘇懷智，吳中戴會超.初探大壩安全智能融合監控體系［J］.水力發電學報，2005，24(1):122.

［8］張明鳴，馮玉勇，周家文.基于反演參數的多年凍土路基長期溫度場預測［J］.河海大學學報:自然科學版，2007，35(4):426.

［9］張佳，竇麗華，陳杰.復雜武器系統總體設計綜合集成方法的實現［J］.北京理工大學學報，2009，29(5):416.

［10］盧偉，滕軍.基于數據融合的傳感器優化布置方法［J］.振動與沖擊，2009，28(9):52.

［11］劉循，趙時旻，董德存.基于模糊神經網絡的牽引變壓器全局故障診斷方法［J］.中國鐵道科學，2009，30(1):103.

［12］黃昱旻.地鐵綜合監控系統的構成及優化［J］.城市軌道交通研究，2010(10):63.