人工智能機器人在軌道交通自動售檢票系統中的應用

靳鴻澤 龐敏 郭大為

（1.大連交通大學 遼寧省大連市 116028 2.大連地鐵運營有限公司 遼寧省大連市 116039）

1 研究背景及研究目的

隨著全國城市軌道交通行業的網絡化運營蓬勃發展，由于地鐵線路覆蓋范圍的廣大，傳統運維方式對于人工需求過大，運維規范和標準性缺乏統一，運維管理難度逐漸增大，導致運營成本難以下降，政府財政負擔無法減輕。智慧交通體系架構理念的提出后，城市智能交通一體化建設規劃及發展戰略逐步實施，國內各大城市地鐵、公交等系統采用移動支付方式標志著城市軌道交通智慧化首戰告捷，智能運維將成為軌道交通智慧化的下一個攻克目標。

目前，上海地鐵13 號線將中科路站打造成為上海地鐵智慧化地標車站，站內有智能問詢機器人。2017 中國(湖南)國際軌道交通產業博覽會推出了智能巡檢機器人“開路者”；2017年西安地鐵四號線隧道暗挖工程中也采取了智能機器進行實時監控，2018北京國際城市軌道交通展覽會推出了智能隧道巡檢機器人“奔跑的兔子”。

目前各城市正在規劃采用智慧化、數字化的紅利來推動和簡化運維流程，智能地鐵巡檢機器人的出現，節省了大量人力資源，不僅降低了運維成本，同時將巡檢機制規范化、智慧化，提高實時反饋機制效用，直接推動了城市軌道交通向智慧化的第二個臺階邁進。

2 城市軌道交通傳統AFC系統運維模式

城市軌道交通行業自動售檢票系統（AFC）是基于計算機、通信、網絡、自動控制等技術，實現軌道交通售票、檢票、計費、收費、統計、清分、管理等全過程的自動化系統[1]。近些年，城市軌道交通行業引入移動支付互聯網票務平臺，實現了通過手機掃碼過閘、云購票、手機PAY 閃付過閘等功能，城市軌道交通逐步開始邁入智慧時代，AFC系統的智能運維工程開始成為新的研究和應用課題。

2.1 AFC系統五層架構

2.1.1 車票、銀行卡、移動終端（TICKET & Bank Card & Mobile Terminal）

乘客所持的地鐵票卡、城市一卡通等實體票卡為刷卡乘車出行的媒介，目前國內很多城市已經實現移動支付過閘功能，譬如云購票、銀聯卡閃付過閘、二維碼掃碼過閘、NFC 手機過閘等等，此時作為車費支付媒介的載體已經擴展為車票、銀行卡和移動終端（包括手機、帶NFC 功能手環等）。

2.1.2 車站終端設備（SLE: Station Level Equipment）

車站終端設備安裝在各車站的站廳，乘客可通過自助使用該類設備，進行自助查詢、買票、充值、掃碼支付、過閘進出站等業務，直接為乘客提供售檢票服務，規定了車站各類設備及系統的技術要求和運營管理需求。

2.1.3 車站計算機系統（SC：Station Computer System）

其主要功能是將車站級別所有設備成網連接起來，對車站各類終端設備進行數據收集、事件監控、狀態控制，規定了車站系統的數據管理、運營管理及系統運維相關的技術要求。

2.1.4 線路中央計算機系統（LCC: Line Central Computer System）

其主要功能是將本線路交易數據、設備狀態數據等各類運營信息上傳至城市軌道交通清分系統（ACC），同時與ACC 做好數據對賬、審計工作，擁有獨立的線路機房，包含小型機、數據服務器及工作站，共同完成信息系統功能。

2.1.5 城市軌道交通清分中心系統（ACC: AFC Clearing Center）

其主要功能是統一管理城市軌道交通AFC 系統內部的各種運行參數，收集城市軌道交通全路網交易數據，并進行對賬審核、清分對賬，同時負責連接AFC 系統與城市一卡通、移動支付平臺、第三方支付平臺等系統，完成全路網相關數據及票款的清分，同時規定AFC 系統內各類車票管理及運營管理相關的技術要求。

2.2 傳統運維模式

傳統的AFC 系統運維包括設備運維、機房運維、數據運維三部分，其中車站級設備運維開展所需人力最大，設備故障率最高，難度最大。其中：

（1）設備運維：通過對整個系統內的設備進行統一編碼，從LCC 應用程序中有設備監控的功能，通過該功能可以及時獲得設備運行狀態，但需要人為進行判斷分析，部分設備或因小概率錯誤，或人為操作異常導致時刻提醒，導致實際參考性不強。

（2）機房運維：主要是指面向AFC 系統機房中的計算機設備中的巨、大、中型機、小型機、PC 服務器等，面向存儲設備中的磁盤陣列、存儲用光纖交換機、光盤庫、磁帶機、磁帶庫、網絡存儲設備等的運維服務。采取的主要模式是24 小時人工巡檢，或定時人工巡檢，發現問題后進行人工報修，針對部分重點設備的故障恢復是采取專業委外的方式。

（3）數據運維：主要包括交易數據運維、狀態信息運維、管理信息運維。

3 人工智能機器人在AFC智能運維平臺中的應用研究

本應用研究基于已有的智慧城市建設參考模型，應用于AFC系統智能運維平臺建設，同時建立基于云平臺的動態數據倉庫，為智能巡檢機器人提供行動決策依據。

3.1 AFC智能運維平臺

參照智慧城市建設參考模型[2]作為為AFC 智能運維系統功能的模型，主要包括：

3.1.1 物聯感知層

提供對整個AFC 系統的感知能力，通過各種車站各類終端信息采集設備、各類異構傳感器、網絡攝像機以及應用BIM[3]技術開展對各車站環境、設備設施、客流等方面信息采集、識別和檢測，最終實現通過模型可視化、信息共享化、數據積累分析，為上層提供海量信息，也為后續人工智能機器人提供每日學習素材。

3.1.2 AFC 通信網絡層

借助已有的AFC 傳統傳輸系統，包括互聯網、光纖、CCTV等骨干傳輸網絡，以覆蓋全城的采用Wi-Fi、4G、5G 等多種無線通訊方式搭建異構傳感器網絡，最終建設網絡通信基礎設施。

3.1.3 AFC 計算與存儲層

包括車站級別SC、線路中心LCC 及路網票務清分系統ACC的軟件資源、計算資源和存儲資源，為AFC 智慧運維系統提供數據存儲和計算，保障智慧應用層對于數據統計和傳輸的相關需求。

圖1：AFC 系統信息數據倉庫

3.1.4 AFC 數據及服務支撐層

利用云計算、大數據等技術，通過對設備狀態數據和服務的嫁接融合，支撐承載智慧運維應用層中的故障診斷、巡檢握手等相關應用，提供各種服務和共享資源[2]。

3.1.5 AFC 智慧應用層

在AFC 智慧運維平臺通過對客流數據上傳信息規律及設備故障信息的比對分析，及時分析得出設備運行狀態的脫機、故障點，為人工智能機器人后續在現場握手設備，采取軟啟動、故障修復等操作提供信息支撐和決策依據。

3.2 數據倉庫的搭建

在AFC 系統運維中采用數據倉庫技術、多傳感器識別技術，AFC 系統數據倉庫位于線路LCC 及線網ACC 級別，利用已有的AFC 傳統五層架構進行信息收集，形成面向主題的、集成的、與時間相關的、不可修改的數據集合，建立基于云平臺的動態數據倉庫，通過以數據庫、數據倉儲技術、前置核心部件為中間分析層，最終將數據進行提取、轉換、挖掘，達到再利用，反饋到智慧層，為智能機器人信息習得作為重要關鍵產物，詳見圖1。

3.3 人工智能機器人借助智能運維平臺的應用

隨著目前城市軌道交通行業進入交通大數據、云計算、AI 等新一代信息技術時代，根據國內外AFC 系統相關技術的發展現狀，結合AFC 系統智慧運維平臺，通過四步法打造仿真智能機器人可研性。

3.3.1 建立全方位360 度全景視頻實時檢測與建模機制

其一，從車站現場或維保現場的場景全部存儲建模，建立數據倉庫，保證機器人在靈活行動與設備握手（可通過設備讀寫器或專用接口）；其二，保證數據倉庫數據實時通過網絡傳輸到智慧運維平臺，固定時間段內機器人通過增量方式習得最新情況，城市軌道交通運營結束后通過全量的方式習得全天全量數據。

3.3.2 智慧運維平臺智能巡檢及故障診斷指數評估與在線仿真分析

利用大數據分析挖掘技術，BIM[3]技術通過對已收集到的信息進行在線仿真分析，將分析結果通過智能運維通道及時傳輸給機器人習得系統。

3.3.3 優化智能機器人學習控制能力，提升異構傳感器動力反饋機制

重視對傳感技術的應用，從故障診斷庫中提取設備運維規律，制定針對不同設備的合適評估手段，利用傳感器技術實現網絡由固定模式向智能化、高端的移動模式發展，實現機器人通過4G、5G、Wi-Fi 網絡實時在線聯網，從海量巡檢維修案例數據分析，優化算法，提高機器人操作精準度及判斷決策機制，從而提升易運維質量。

3.3.4 實現智能機器人在現場維保工作中的設備技術接口握手、巡檢、故障診斷

從運動目標區域提取信息，確定設備故障所在區域，通過與智能運維平臺實時交互確定目標，對上一階段的候選區域進行確認，機器人走到設備巡檢固定位置，再進行與設備握手，從故障診斷庫中提取海量案例，判斷確認故障點，將故障分類，完成診斷故障分類，最后將處理信息上傳至智能運維平臺，如此往復迭代計算，提高智能機器人的習得能力和綜合判斷能力。

綜上所述，本文主要是通過模型可視化、信息共享化、數據積累分析，采用Wi-Fi、4G、5G 等多種無線通訊方式搭建異構傳感器網絡通過對網絡攝像頭采集的視頻信號做實時處理，利用云計算、大數據等技術，通過數據挖掘與應用系統服務的嫁接融合，從而達到支撐智慧交通應用層中的服務[3]，提供應用所需的各種服務和共享資源，分析探討利用已成型的新型機器人動力學及智能控制模型、圖像檢測與識別技術模型，通過無線異構傳感器網絡及網絡攝像頭狀態監控系統，以云平臺動態數據倉庫信息觸發人工智能機器人進行現代軌道交通自動售檢票系統智能運維巡檢、報修、故障診斷、信息匯總、用戶控制以及降級運營模式下的突發狀況處理，實現自動售檢票系統的智能運維，為傳統的軌道交通運維難、服務難提供科技助力。