基于關聯關系的城市軌道交通智能報警系統

楊 莎 張振山

（1.南瑞集團公司（國網電力科學研究院），210032，南京；2.國電南瑞科技股份有限公司，210061，南京//第一作者，工程師）

基于關聯關系的城市軌道交通智能報警系統

楊 莎1，2張振山1，2

（1.南瑞集團公司（國網電力科學研究院），210032，南京；2.國電南瑞科技股份有限公司，210061，南京//第一作者，工程師）

從復雜的城市軌道交通安全防護工作的角度出發，介紹了一套基于關聯關系的城市軌道交通智能報警系統。重點研究了城市軌道交通中故障之間的關聯關系，故障從量變到質變的過程，以及如何量化質變的過程和表示設備亞健康狀態；結合城市軌道交通系統中各個事件之間的關聯關系，實現了專家評估、智能預警、智能輔助等主要功能。

城市軌道交通；智能報警；關聯關系

城市軌道交通眾多子系統之間的關聯關系錯綜復雜，導致各子系統故障的發生概率較高。實踐表明，若干個孤立的故障點盡管影響很小，但如其間存在某種關聯關系且沒有得到合理處理，則可能給城市軌道交通安全帶來不可估量的危害。這種危害發生的關鍵在于多個事件的關聯關系是否成立。使用基于關聯關系的城市軌道交通智能報警系統（以下簡為“智能報警系統”）即可找到故障點的關聯關系。只要在已發生故障點的關聯關系未成立之前，破壞故障點關聯關系成立的條件，就能阻斷故障的連鎖反應。這樣就可做到城市軌道交通安全的主動防御。

1 報警系統比較

1.1 普通報警系統

普通報警系統在故障發生后，會以實體或計算機圖元方式來警示發生了故障的設備或設備點，但不會進一步提示與該故障點關聯的其他故障點的狀態信息。可見，普通報警系統工作方法被動單一，沒有體現故障點時序等特性，不能適應城市軌道交通系統多級多應用的特點。

1.2 智能報警系統

針對普通報警系統缺點開發的智能報警系統，基于對城市軌道交通系統中故障之間的關聯關系分析，能為故障處理提供更準確及時的決策信息；并能利用計算機的自動化觸發功能將關聯關系研究應用到智能預警當中，從而提高現場人員操作的正確性。

智能報警系統具有關聯規則生成、智能報警系統后臺服務及人機交互等功能。智能報警系統的結構如圖1所示。

智能報警系統以城市軌道交通指揮中心系統為硬件基礎，以關聯規則庫作為系統的數據基礎。其數據主要來源于故障樹和歷史數據庫。故障樹按不同專業在設計、運行與管理階段的安全性與可靠性工作中分別建立［1］。故障樹中包含各系統專業可能發生的保護信號失效、人為失誤及環境變化等各種故障原因信息及其之間的邏輯關系信息。智能報警系統可利用功能圖定義將這些信息存儲到數據庫中，并利用改進的數據挖掘工具挖掘相關歷史數據之間的關聯規則。最終，所有數據經過專家評估系統來選擇關聯規則，并組成關聯規則庫。

智能報警系統后臺服務將實時數據進行邏輯運算，并與關聯規則庫中的數據匹配。人機交互功能包括智能預警和智能輔助。智能預警能根據實時數據和后臺的邏輯運算結果動態顯示報警等級等信息；智能輔助可從關聯規則的角度，為操作員提供當前最佳的智能決策信息。

圖1 智能報警系統結構圖

2 智能報警系統工作流程

當城市軌道交通系統中若干個孤立的節點發生故障時，智能報警系統要能在關鍵節點沒有發生故障之前，及時發出正確的預警信息，阻止故障連鎖反應的發生。智能報警系統應能發出具有高可靠性的預警信息，能展現故障從量變到質變的發展過程，并能提供合理的智能輔助信息。

研究發現，在以往的報警系統中，一個或多個節點故障的出現往往伴隨著另一個節點故障的出現。故障節點之間的關系總是存在著一種特殊性。這種特殊性不僅體現在一個或多個故障節點與另一個故障節點的發生時序關系上，而且還表現在獨有的量變到質變關系上。如圖2所示，若干影響較小的故障逐次出現，進而導致某影響較大故障出現的過程，就是從量變到質變的過程。智能報警系統節點進行預警時，常利用蘊涵式中未發生事件的概率來表示預警的等級，并在若干影響較小的故障逐次發生時，對防護未發生故障的節點提供智能輔助功能從而阻止故障蔓延。

2.1 關聯規則

根據文獻［2］，設 I={i1，i2，…，im}是所有項目的集合；設 T={T1，T2，…，Tm}是 1 個事務數據集，其中Ti（i=1，2，…，m）為1個項目的集合，并滿足Ti?I；則1個關聯規則是1個如下形式的蘊涵關系：x?y，其中 x?I，y?I，并且 x∩y=φ。

根據文獻［3］，關聯規則按照數據維可以分為單維關聯規則和多維關聯規則。單維關聯規則是指關聯規則中的項或屬性每個只涉及1個維。例如，buy（"computer"）?buy（"software"）就是單維關聯規則，因為此規則只涉及1個維（buy）。而如age（"20...29"）^income（"20K...29K"） ? buy（"computer"）就 是多維關聯規則，其中涉及了3個維（age、income和buy）。

圖2 故障漸變圖

2.1.1 故障樹與關聯規則

割集A是導致頂上事件B發生的基本事件集合。即，如故障樹中一組基本事件的發生能造成頂上事件的發生，則這組基本事件就叫割集。割集和頂事件之間的關系，顯然滿足關聯規則的蘊涵式A?B的規則。引起頂事件發生的基本事件最低限度集合叫最小割集，滿足Amin?B的規則。

功能圖（Function Block Diagram，FBD）是 1種圖形式的編程語言，遵從IEC 61131-3標準。本文以IEC 61131-3標準中FBD圖定義的模塊為藍本，并對IEC 61131-3標準進行擴充，用功能模塊表示事件和邏輯關系，用線表示事件之間的關聯關系，制作功能圖。功能圖可將事件間的關聯關系描述成具體的計算機中的實體，從而將其整合到綜合監控的商用庫中，經最小割集算法計算生成合理的關聯規則。

2.1.2 數據挖掘

數據挖掘是發現關聯規則的主要工具，可以發現數據集中所有頻繁關聯模式，從而產生關聯規則。在關聯規則挖掘階段，在挖掘單維布爾型關聯規則的Apriori算法分析基礎上，綜合對量化屬性的離散化處理、屬性融合和改變連接條件等方法形成了M-Apriori算法，實現了對歷史數據庫進行多維關聯規則的挖掘。此外，還通過鏈式結構和隨機抽樣提高了算法的效率。

2.2 專家評估系統

2.2.1 關聯規則庫

鑒于人為建立的故障樹和數據挖掘產生的關聯規則的不確定性，可用專家評估系統來甄別可使用的關聯規則。主要甄別原則為：

（1）剔除所有基本事件能夠被觸發和肯定會發生的關聯規則。一旦事件不能被觸發，就不能自動傳遞邏輯關系，更無法滿足系統自動化要求。例如人為失誤造成的故障在系統中就不能自動被觸發。

（2）蘊涵式A?B需滿足條件為：A中事件個數應大于1（如果A中只有1個事件a，則a發生后，B中事件必將發生，這就達不到預警的效果）A中所有事件的產生后果應小于B中單個事件產生的后果（這用于體現量變引起質變的過程）。

2.2.2 報警信息設定

專家評估系統首先會根據經驗和歷史數據針對具體關聯規則設定故障發生概率、危害程度、報警等級、報警閾值等信息，并根據一定規則對關聯規則中的基本事件發生概率進行打分，按集合中未發生基本事件權值乘積的大小表示事件組合發生的概率。當概率大于一定的閾值時即觸發預警。風險等級的定義及權值見表1。

例如，某條關聯規則為{a=0.4，b=0.6，c=0.6，d=0.2}?{e}，其中的數值為經專家打分系統得到的故障發生概率。在事件依次發生過程中，事件組合（任意未發生事件的組合）發生概率依次為 {0.028 8，0.048 0，0.072 0，0.080 0，0.120 0，0.144 0，0.200 0，0.240 0，0.360 0，0.400 0，0.600 0，1.000 0}，所以報警等級可以分級為 {{0.028 8，0.048 0，0.072 0，0.080 0}，{0.120 0，0.144 0，0.200 0}，{0.240 0，0.360 0，0.400 0}，{0.600 0}}。

表1 風險等級定義及權值

2.3 系統實例

根據模型設計的系統運行良好，能實現預定目標。在地鐵線路實例中實現了智能預警和智能輔助兩部分功能。

智能預警功能主要通過對故障的逐級預警來展示故障從量變到質變的過程，以量化的數據來表示質變的過程。以實例車站為例，智能預警功能實現的報警內容見表2。當三級報警信號“水循環管道堵塞”發出以后，智能預警同時發出“由于水循環管道堵塞，元件母排過熱達到四級預警”的四級預警信息；當三級報警信號“水泵故障導致水流減慢”發出以后，智能預警同時發出“由于水循環管道堵塞，水泵故障導致水流減慢，元件母排過熱達到二級預警”的二級預警信息；同時，由于預警信息達到一定的級別，智能預警系統發出智能輔助信息“元件母排過熱達到二級預警，可防護整流柜過載、風機電源故障等設備信號”。

表2 某站智能預警內容

智能輔助功能主要是從關聯規則的角度，為操作員提供當前時刻最佳的智能決策信息。如圖3所示，當前時刻“水循環管道堵塞”和“水泵故障導致水流減慢”故障信號已經發生，并且“元件母排過熱”也已經達到二級預警，所以智能輔助單元建議：①由于整流柜過載發生概率>風機電源故障發生概率，專家系統建議重點防護風機電源故障。②元件母排過熱達到二級預警，可防護整流柜過載、風機電源故障等設備信號。③由于水循環管道堵塞，水泵故障恢復水流減慢，元件母排過熱達到二級預警。④由于水循環管道堵塞，元件統母排過熱達到四級預警。

圖3 智能輔助信息內容

3 結語

基于關聯關系的城市軌道交通智能報警系統以實際案例為研究對象，以城市軌道交通指揮中心系統為基礎。首先，通過的故障樹和數據挖掘產生關聯規則；其次，經過專家評估系統選擇合適的關聯規則，組成關聯規則庫；然后，智能報警后臺服務將實時數據與關聯規則庫中的數據匹配，進行邏輯運算；最終，實現智能預警和智能輔助功能。

該城市軌道交通智能報警系統在實際應用中運行良好，其自動化高，在地鐵線路實例中實現了智能預警和智能輔助等功能，但數據挖掘算法還有進一步改善的空間。

［1］ 袁潤，汪建業.基于故障樹的復雜系統故障診斷軟件設計研究［J］.核科學與工程，2012，32（1）：74.

［2］ 張忠林，田苗鳳，劉宗成.大數據環境下關聯規則并行分層挖掘算法研究［J］.計算機科學，2016（1）：286.

［3］ Siemens Aktiengesellschaft.用于S7-300和S7-400的功能塊圖（FBD）編程［M］.Nuernberg：Siemens Aktiengesellschaft，2004.

［4］ 張春生，圖雅，翁慧，等。基于關聯規則的條件函數依賴發現及數據修復［J］.計算機應用研究，2016，33（2）：384.

［5］ 王瀟，王武宏，毛琰，等.大城市交通擁堵致因的故障樹分析［J］.交通信息與安全，2012，30（2）：127.

［6］ 劉曉娟.城市軌道交通智能控制系統［M］.北京：中國鐵道出版社，2003.

Research on Urban Rail Transit Intelligent Alarm System Based on Correlation

YANG Sha，ZHANG Zhenshan

From the angle of complex rail transit safety protection，a set of intelligent alarm system for rail transit based on correlation is introduced.The correlation between different rail transit faults are specially studied,including the process from quantitative changes to qualitative changes of the fault，the process of quantitative quality changeand the indication of device sub-health status.Combined with the correlation between various events in rail transit system，this alarm system can perform the main functions like expert evaluation，intelligent early warning and intelligent auxiliary.

urban rail transit；intelligent alarm；correlation

First-author′s address NARI Group Corporation（State Grid Electric PowerResearch Institute），210032，Nanjing，China

U29-39

10.16037/j.1007-869x.2017.12.018

2016-03-23）