城市軌道交通基礎設施運維數據治理方法研究與實踐

李 洋，趙正陽，王文斌，徐 棟，陳萬里

（1. 中國鐵道科學研究院集團有限公司城市軌道交通中心，北京 100081；2. 天津智能軌道交通研究院有限公司，天津 301700；3. 北京市軌道交通運營管理有限公司，北京 100068）

1 引言

近年來，在諸多企業數字化轉型的同時，也迎來了數據的爆發式增長，數據作為數字經濟時代的“石油”，如何更好的被管理、利用也成為研究的熱點。電力[1-2]、石油[3-4]、銀行[5]、鐵路等大型國企已經率先對數據治理工作開展了大量研究，形成了諸多研究成果與實踐應用案例。

自《中國城市軌道交通智慧城軌發展綱要》[6]發布以來，城市軌道交通也駛入智能化、智慧化發展的高速路。全國各地圍繞“1-8-1-1”發展架構在智慧車站、智慧運營、智慧建造[7]、智慧城軌云平臺與大數據平臺[8-9]等方面開展了大量研究。

當前，城市軌道交通基礎設施運維管理中普遍存在如數據資產數字化程度不足、數據管理體系與管理標準不完善、數據質量較低、數據分析應用深度不足等問題[10-13]，導致數據價值難以充分發揮，分析決策可信度低，難以支撐運維決策等問題。

因此，亟需以數據治理理論研究為切入點，系統性開展城市軌道交通基礎設施運維數據治理工作，構建基礎設施運維數據標準體系，開展數據治理，保障數據資產統一化維護，為城市軌道交通土建線路基礎設施運維的數字化和智能化奠定數據基礎。

2 數據治理內容

對于數據治理的概念，國際數據管理協會認為數據治理是對數據資產管理行使權力和控制的活動集合[14]。國際數據治理研究所認為數據治理是一個通過一系列信息相關的過程來實現決策權和職責分工的系統[15]。

2.1 數據治理的目標

城市軌道交通基礎設施數據治理目標是形成標準化的數據資產，解決跨部門、跨行業的數據共享和治理難題。通過完善體系化的數據治理措施,確保數據資產在“存、管、用”等環節中的安全，做到“事前可管、事中可控、事后可查”[16]。

2.2 數據治理的對象

2.2.1 數據標準

城市軌道交通基礎設施運維數據標準包括數據格式標準、編碼標準、數據庫標準和管理標準等。統一的數據標準有助于對數據的一致理解和形成統一的坐標參照體系，提升業務理解的一致性與數據的統一性。為數據集中存儲、統一管理、跨專業分析奠定基礎。

2.2.2 數據架構

數據架構為管理數據資產的藍圖。數據架構幫助企業溝通業務和管理之間的關系，將業務需求轉換為數據和應用需求，是企業了解自身、制定戰略決策的重要依據。

從業務角度出發，在理清數據家底后，對數據資產進行分類，明確元數據屬于的業務范疇；從管理角度出發，對數據資產進行分級，依據數據的安全級別，決定數據資產的共享開放程度。

2.2.3 數據質量

數據質量包括數據的合規性、準確性、完整性和一致性。數據質量影響數據的應用程度，數據質量較差會干擾設備與用戶的判斷，例如無法及時準確分析出線路基礎設施的故障地點和原因。數據質量管理過程包含定義數據質量標準，執行初始質量評估，識別質量改進方向并定義改進目標，長期監控數據質量等[15]。

2.2.4 元數據

元數據描述了數據本身、數據表示的概念、數據與概念之間的聯系。元數據可以幫助企業理解其自身的數據、系統和流程，也可以幫助用戶評估數據質量。元數據的管理主要通過相關信息化管理工具對元數據進行創建、維護，并對外提供查詢、報告與分析，以支撐數據應用開展[15]。

2.2.5 主數據

主數據是跨部門統一管理、及時更新、專業維護、集中發布、全路共享、用于描述核心業務實體的數據，包括各類公用基礎編碼、公用基礎字典等。完整、準確、唯一、開放的企業級主數據為各業務應用系統和用戶提供標準、規范的主數據服務。主數據管理活動包括主數據識別，數據管理職責定義與維護，數據治理制度建立與主數據使用推動等[16]。

2.2.6 數據安全

數據安全指的是數據是否存在風險，數據安全需要保障數據的使用安全性、數據隱私和訪問權限，解決好數據安全問題有助于打消各個部門顧慮，促進數據開放共享[17]。數據安全管理流程包括識別數據安全需求，指導數據安全制度，定義數據安全細致，評估當前安全風險，實時安全控制與規程等[15]。

3 數據治理實施

為形成標準化的數據資產，數據治理的實施需要遵循和圍繞基礎設施數據標準體系進行。因此城市軌道交通基礎設施運維數據資產建設和管理過程可分成4步，包括數據標準制定、數據資產體系建設、存量數據改造、數據資產管理實施。

3.1 數據標準制定

城市軌道交通基礎設施運維數據標準體系是一個可參考的、面向未來數字化管理和智能化運維的標準體系框架，用于指導基礎設施運維管理的數據規劃和開發人員按照統一的標準要求進行數據資產設計、治理和維護。標準制定內容包括制度組織標準、數據編碼標準與數據質量標準。

3.1.1 制度組織標準

基礎設施數據管理體系是一套以人員、組織為核心的，涵蓋企業數據管理制度、流程、考核等各個方面的數據保障機制?；A設施運維部門應建立起一整套以數據經理負責制為中心的數據管理責任體系。土建線路部組織結構圖如圖1所示。

圖1 土建線路部組織結構圖

在數據資產管理的組織結構設計上，宜按照組織結構來任命數據管理角色。管理層級上設置管理層和執行層：在部門層面設置部門數據經理，在各工區設置數據管理專員。

專人專崗、權責明確、分工負責的數據資產管理體系既能確?；A設施運維部門數據工作統籌規劃，也能兼顧各工區數據靈活多變的特征。各工區是執行規則、保證數據質量的關鍵環節。

3.1.2 數據編碼標準

在城市軌道交通行業，一套統一的、唯一的元數據編碼規范既可滿足城市軌道交通日常運維工作使用，又可便于各工區在涉及基礎設施運維數據的工作中溝通順暢。為滿足編碼標準符合行業標準，又能方便日常運維使用，采用雙編碼制，2套編碼之間一一對應。在日常作業、部門內部數據流轉使用運維業務編碼，在公司層的數據共享、發布使用資產標準編碼。

以城市軌道交通某運管公司為例，線路設備和土建結構標準編碼由線路代碼（2位）、上/下行代碼（1 位）、左/右股代碼（1位）、設備設施分類與代碼（8 位）、順序碼（4位）與4位分隔符“-”共20位組成，其中設備設施分類與代碼使用《北京軌道交通資產管理信息系統編碼規范》中的分類代碼[18]。資產標準編碼規則如表1所示。

表1 資產標準編碼規則

為保證運維作業標準化開展，需進行運維編碼格式設置。以城市軌道交通某運管公司為例，線路設備和土建結構運維編碼由初始線路代碼（2位）、設備簡碼（2 位）、上/下行代碼（1位）、左/右股代碼（1位）、里程信息（3位）、順序碼（2位）與3位分隔符“-”共14位組成。運維業務編碼規則如表2所示。

表2 運維業務編碼規則

3.1.3 數據質量標準

根據GB/T 36344-2018《信息技術 數據質量評價指標》標準[19]，數據質量評價體系包含以下6個方面：規范性、完整性、準確性、一致性、時效性、可訪問性。

以基礎設施軌道幾何檢測數據為例，對數據質量標準進行詳細說明：軌道幾何檢測數據中所有代碼均按編碼規范存儲。軌道幾何檢測數據應完整包含軌距、軌距變化率、水平、三角坑、左軌向、右軌向、正矢、左高低、右高低、高程偏差、平面偏差、曲率、垂向加速度、橫向加速度、通過速度等信息。在采集過程中應保證數據記錄的正確性，數據之間沒有歧義沖突，在規定的時間內及時采集并上傳到數據庫中。采集的數據不能存在無法讀取、解壓縮、解密、查詢拷貝存儲等情況。

通過建立完善的數據質量標準，一方面給予數據質量管理清晰的準繩尺度，從業務源頭上消除數據的質量問題，一方面作為智能數據質量稽核功能的系統開發需求參考，實現基礎設施運維數字化作業和智能運維應用。

3.2 數據資產體系建設

數據資產體系建設是數據信息化的核心，關系到城市軌道交通運維企業的業務質量和效率。數據資產體系建設用于查看城市軌道交通運維企業的各數據域，識別每個數據域下各項業務的核心數據主題，明確各數據主題間的交互關系。

3.2.1 數據構成要素分解

按照數據架構設計路線，以工務專業為例對構成要素進行分解，從整體視角根據業務和數據的屬性進行分析，自頂而下梳理，工務基礎設施數據資產包括基礎設備設施線路數據、檢測數據、維修數據和運維管理數據四大要素。

以城市軌道交通某運維公司業務為例，城市軌道交通基礎設施運維數據主要包括：線路基本信息、線路基礎設施臺賬信息、土建結構臺賬信息。檢測數據內容主要包括：動態檢測、靜態檢查、探傷檢查、土建檢查。養護維修數據內容主要包括：基礎設備維修、土建維修。此外數據運維支撐數據還包含了人員、物資、技術資料等。

隨后在此基礎之上采用面向對象的設計方法，歸納設計出工務基礎設施運維數據資產構成的三級分類要素：一級要素4個，二級要素10個，三級要素61個，如圖2所示。根據這些要素，構成工務基礎設施運維的企業數據主題域數據視圖。

圖2 工務基礎設施運維數據資產標準分類的構成要素

隨后根據上述數據標準的分類原則、數據構成要素分析，結合自下而上的運維作業數據化分析歸納，梳理清楚企業數據架構和數據目錄體系，最終形成部門的數據資源體系架構分類標準體系。

3.2.2 業務數據化

參考國際流行TOGAF架構框架進行業務數據化，自頂向下厘清各工區業務能力，梳理出各業務域的用例場景高級業務流程，針對具體的業務流程完成業務流程到數據實體的轉化。首先，從業務管理角度出發分析畫出概要業務流程圖（圖3）；其次，明確業務實體并界定實體之間的關系（圖4）；最后，采用面向對象的方法，進一步將業務實體抽象成為數據實體，完成數據實體關系圖（Entity Relationship Diagram， E-R 圖）。

圖3 工務基礎設施運維數據資產標準分類的構成要素

圖4 業務實體及其關系圖

以軌道幾何檢測作業業務的數據化轉化過程為例，按以上3步驟實施，得到軌道幾何檢測作業業務的數據實體。

（1）分析軌道動態幾何數據檢測作業的概要業務流程，檢測涉及到的數據包括：工具、物料、部件/設備、個人防護用品、相關記錄、檢查項目、特殊天氣、工作程序、記錄參數、作業對象描述、人員資質、作業周期共12類。

（2）基于以上用例分析出來的業務實體，進一步分析歸納業務實體為：派工單、檢測人員、作業指導書、檢測設備、檢測結果、分析報告。

（3）數據實體關系圖。采用面向對象的方法，對業務實體抽象成為數據實體，并確定數據實體之間的關系，如一對一、一對多、多對多。基于以上方法分析檢測業務數據實體為：人員、設備、物資、作業指導書、作業對象、派工單、檢測項、作業記錄、缺陷表。采用E-R圖畫出實體圖并標識實體之間的關系如圖5所示。

圖5 業務數據化的數據實體分析過程

進一步檢查和消除E-R圖中可能存在的冗余，然后經過合并生成，得到業務數據實體及其關系圖，至此完成業務數據化。根據E-R圖中實體的屬性、實體之間的關系等，建立數據模型。

3.2.3 數據血緣

數據的血緣關系是有層次的、多源的、可追溯的、有歸屬的。對數據進行分類、歸納、總結從而形成新的數據，不同程度的描述信息形成了數據的層次。當數據發生異常時，需要根據數據的來龍去脈和繼承關系，追溯異常的原始來源。

城市軌道交通基礎設施運維數據同樣有明確而復雜的血緣關系。以軌道幾何綜合評價結果軌道質量指數（TQI）數據為例，從線路設計要素和線路基礎設施數據開始，結合檢測設備的采集結果，在數據清洗、矯正后可根據標準公式計算得出TQI，其數據血緣關系圖如圖6所示。

圖6 數據血緣關系圖

3.3 存量數據改造

在數據標準體系構建好并落地后，進行存量數據的改造，篩選出有價值的數據，并改造數據使之符合數據標準規范，從而能夠加載到數據資產管理平臺中進行管理和應用。

3.3.1 數據核查轉換

存量數據改造，首先要解決存量數據的解壓縮讀取、格式錯誤、重復、缺失和異常等問題，其次需要整理出檢測數據作業采集時的相關信息和屬性，第三要對需要進行編碼的數據進行編碼整理，并核查轉換舊編碼，最后要解決數據聚合時的維度關聯需要，使存量數據符合數據標準和數據模型的要求。

3.3.2 主數據改造

數據改造通常被認為是發現并糾正錯誤數據的最后一道防線，數據改造解決了數據無效和缺失的問題，建立了冗余數據的映射關系，并且可以依據這些關系，在后續的數據處理中直接剔除問題數據。主數據改造的原則如下：

（1）對目前的主數據編碼進行梳理，保留已用的，停用未使用的；

（2）從企業自身數據入手，切忌照搬照抄，保留原有企業的編碼數據；

（3）屬性值不完善的數據，按照編碼規范進行完善；

（4）應對全部數據進行改造，保證數據完整性。

3.3.3 數據模型化

將歷史存量數據根據符合數據標準規范和數據模型設計的程度，分為可模型化的數據和不可模型化的數據。對可模型化的數據，按數據模型加載到基礎設施運維大數據倉庫中。對不可模型化的數據，根據數據屬性，在數據屬性信息表中記錄相應的內容后，存儲原始數據文件。

3.4 數據資產管理實施

數據管理貫穿在數據資產化的管理實踐實施過程中，在數據資產管理中的支撐作用越來越大。因此，數據管理的落地實施，需要依托具體的軟件工具來執行和支撐。

3.4.1 數據標準管理

城市軌道交通基礎設施運維數據標準是一整套大數據治理所遵循的標準體系，由于使用頻率較高，因此最佳方式是將標準體系以知識庫的形式內置在數據中心，實現數據標準內容的創建和查詢、維護管理功能。數據標準管理是實現數據標準從制定、審批、修訂、發布、執行、維護、停用和廢止全生命周期的標準管理。

3.4.2 元數據管理

元數據管理是企業開展數據治理工作的核心，元數據通常分為3種類型：業務元數據、技術元數據和操作元數據。

業務元數據用于定義和業務相關數據的信息，用于信息的輔助定位、理解及訪問。例如在線路基礎數據中，“軌距”為業務元數據。

技術元數據提供有關數據的技術細節、存儲數據的系統以及在系統內和系統之間數據流轉過程的信息。例如，“軌距”存儲在動態幾何檢測的數據表中，數據類型是技術元數據。操作元數據描述了處理和訪問數據的細節。例如，作業執行日志、錯誤日志是操作元數據。

3.4.3 主數據管理

在城市軌道交通運維基礎數據中，進行主數據識別時，根據明確的主數據的范圍，反向進行數據的梳理與調研，輸出數據實體的歸屬業務，識別其在各業務系統的分布情況、數據結構組成以及厘清其來源去向、質量情況等，再依據主數據的評分標準，識別、驗證、確認出主數據。主數據確定步驟如下：

（1）依據主數據的特征，確定主數據識別指標；（2）依據評分標準，將評分結果80分以上數據定為主數據。

3.4.4 數據質量管理

在城市軌道交通基礎設施運維大數據中，基于軟件工具來實現數據質量管理，具體需要實現標準定義、質量監控、績效評估、質量診斷、質量報告、重大問題及時告警、流程整改發起、系統管理等功能。

其中，數據質量診斷是基于數據剖析結果來審核數據質量，用來發現數據可能存在的異常和問題，為根因分析、數據糾錯和錯誤預防提供基礎。數據質量診斷主要通過數據質量評估指標來評估數據質量，發現潛在問題，實現智能數據質量檢查功能和重大問題及時告警。

3.4.5 數據運維管理

運維數據管理是數據質量和長期維護的保證。城市軌道交通基礎設施運維數據管理體系本質是通過建立高質量的人才隊伍和嚴明的制度體系來確保數據標準被全面落實。數據管理方案是決定組織架構和各部門職責的標準，依據規章制度，規范城市軌道交通公司內各部門各成員的角色和職責以及管理流程。考核是保障制度落實的根本，運維部門應針對數據標準管理、數據質量管理、元數據管理等核心治理域設置相關的考核機制與指標，并與個人績效相關聯。

4 總結

大數據時代，數據資產成為不可或缺的生產要素。城市軌道交通為實現智能化運維和提升服務質量，必須走上數據治理的道路。目前城市軌道交通線路基礎設施和軌道運維數據仍存在數字化程度不高、缺乏數據標準、管理和應用不到位等眾多問題，數據的價值難以充分顯現。為促進大數據與城市軌道交通領域的結合，通過借鑒其他領域，尤其是高速鐵路領域的技術和經驗，充分挖掘城市軌道交通行業的數據價值，對數據資產進行分級分類，建立元數據和主數據平臺，完善規章制度和管理措施。

本文基于對城市軌道交通行業、基礎設施運維業務的理解，從城市軌道交通基礎設施工務專業的角度自頂向下展開數據構成要素分析，結合國際流行的TOGAF架構框架對數據的管理思想，初步梳理出基礎設施運維數據架構，形成城市軌道交通線路專業基礎信息與軌道檢測數據的數據資產，構建線路基礎信息主數據標準，為發揮數據資產的價值，形成城市軌道交通的大數據治理方法提出新的思路。