基于人工智能和大數據的城市軌道交通智能化運維生態系統研究*

賀莉娜 郭澤闊

(1.北京市軌道交通運營管理有限公司，100068，北京；2.北京城建設計發展集團股份有限公司，100037，北京∥第一作者，高級工程師)

0 引言

2020年3月,中國城市軌道交通協會發布了《中國城市軌道交通智慧城軌發展綱要》[1](以下簡為《綱要》)。《綱要》中描繪了中國智慧城市軌道交通的建設藍圖，指出了智能化運維是智慧城市軌道交通的重要組成部分，并提出了智能化運維在2025年和2035年的發展目標。城市軌道交通智能化運維毫無疑問是當前國內城市軌道交通的行業熱點，目前國內各地城市軌道交通公司以及各軌道交通設備供貨商都在開展智能化運維的相關研究。

文獻 [2] 以城市軌道交通車輛智能化運維為例，描繪了智能化運維應建成何樣，并具備哪些功能；文獻 [3]以城市軌道交通車輛智能化運維為例，探討了智能化運維的建設目標和實現步驟，并提出規范化運維、信息化運維、智能化運維等“三步走”的概念。

本文首先分析了國內外城市軌道交通智能化運維的應用現狀及其存在的問題，然后提出了建設城市軌道交通智能化運維生態系統的頂層目標及意義；其次介紹了城市軌道交通智能化運維生態系統的實現方案；最后展望了城市軌道交通智能化運維生態系統對實現《綱要》中智能化運維2025年和2035年的發展目標的戰略意義和作用。

1 國內外軌道交通智能化運維的應用現狀及存在問題

1.1 國外軌道交通智能化運維的應用現狀

2010年后，瑞士進行鐵路多維度數據采集，利用大數據、數據驅動進行運營維護決策[4]。2014年，日本提出軌道交通“智能維護計劃”，即利用物聯網、大數據技術實現運維智能化，提高運維效率。2016年，美國一級鐵路進行大規模數據預測和故障分析，以實現報警預測[5]。目前，全世界范圍內的智能化運維尚處于探索和研究狀態，軌道交通全系統智能化運維還沒有實際應用；運用大數據、AI(人工智能)、狀態監測、機器學習、圖像處理等技術開展的智能化運維研究，實現了由計劃修到狀態修、設備設施的故障預警、故障報警、全生命周期預測以及運維決策支持等功能[6]。

1.2 國內鐵路智能化運維現狀

目前我國對鐵路智能化運維系統已開展了一定研究，并通過采用大數據、云計算和AI等技術，通過對數據的全面采集、設備狀態的全面感知進行智能分析處理，以實現人員、設備和環境的協同，從而引領鐵路運維工作模式的深度變革。由此，南寧鐵路局實現通信、信號、車載各專業的融合；懷邵衡鐵路搭建智能大數據運維平臺，實現了通信、信號子系統數據的歸集整理，各系統的互聯互通、數據集成及標準化，實現了設備的健康管理、綜合監測和生產大數據分析等功能[7]。我國鐵路智能化運維系統構建了多專業、多系統的數據采集，并進行了智能化運維的試點應用；但在數據融合方面仍存在一定困難，需對數據進行深度挖掘，智能分析和輔助決策等技術尚需不斷積累和持續完善。

1.3 國內城市軌道交通智能化運維現狀

國內各城市軌道交通的智能化運維還處于探討研究階段。北京、上海的智能化運維研究起步較早，正在構建以車輛智能化運維為核心的運維平臺，但尚未形成統一技術。深圳自上而下形成頂層架構，但限于運營的想法，建設尚未落地。在標準上，運維系統結構龐大、接口繁多，建設成本高，但發展前景廣闊大有可為。

1.4 智能化運維建設急需解決的問題

根據廣泛調研與總結，目前軌道交通智能化運維亟待解決的問題主要包含[8]：

1) 系統封閉：智能化運維是軌道交通的車輛、機電、通信、信號、供電、軌道各專業深度融合的新型智能化運維系統。目前，不同專業的智能化運維系統各自為戰、獨立運行，且系統分散、接口繁多。然而，全專業的智能化運維系統投資巨大，企業難以承擔。

2) 數據缺乏篩選與創造價值：設備設施數據采集監測的數據量大且未經篩選與過濾，難以形成有價值的數據，致運維系統效率低下；同時，對專業化極強的設備進行數據的有效分析和挖掘也遇到瓶頸。

3) 運維模式缺乏智能化：運維模式缺乏從運維數據到知識的提煉、缺乏設備的個性化和智能化運維策略，缺乏運維過程中的AI輔助。

4) 設備模型未實現可視化：城市軌道交通系統的設備設施多，各專業設備運維模型抽象，還沒有實現故障的精準定位，且不形象、不直觀。

5) 數據孤島：各專業進行了設備設施數據的采集監測，但設備之間數據格式不統一、不規范，數據難以深度融合，只能形成數據孤島。

6) 投資建設不經濟、不可持續：智能化運維系統建設一次成型后，難以擴展，但隨著檢測數據的積累，運維服務卻需不斷升級，以實現全專業全系統升級。

基于此，本文提出了如下構建城市軌道交通智能化運維生態系統：搭建開放、共享的智能化運維系統架構，構建一個運維中心，實現多專業數據融合，建立可視化模型，形成產業的系統聯動。

2 城市軌道交通智能化運維生態系統頂層設計目標及特點

2.1 “四化”“三字”“兩全”

根據調研與研究，城市軌道交通智能化運維的核心可概況為“四化”“三字”“兩全”。“四化”是目的，即實現全系統運維智能化、檢修定制化、管理可視化、物料精細化。“三字”是特點，總結為“簡”，即實現運維管理化繁為簡；“智”，即應用AI；“深”，即構建全專業策略知識庫。“兩全”是范圍，系指“全方位”和“全過程”，即全方位涵蓋調度、檢修、運維、現場和各個專業，全過程包括設備設計、制造、調式、運行、檢修、改擴建和退役的全生命周期，以實現空間和時間兩個維度的智能化運維。

2.2 功能機到智能機的突破

城市軌道交通智能化運維最終需突破專業壁壘，以實現功能機到智能機的突破。城市軌道交通智能化運維生態系統，最終應提供一種以運維過程為核心，按正向設計思路的建設方案。其不再是車輛、機電、通信、信號、供電、軌道各專業單兵作戰、獨立運行的割裂模式，而將形成多專業深度融合的運維系統，以減少平臺的重復搭建，為專業設備供應商提供平臺，實現各自領域的智能化運維。

2.3 系統頂層設計目標

智能化運維頂層設計的目標不是實現某個設備或某個專業的單個智能化運維，而是將全專業深度融合的智能化運維系統。其將達到《智能化運維等級白皮書》[9]中的GoM4(智能化維修等級4，如圖1所示)，以實現狀態預警、維修調度、故障診斷、3D(三維空間)展示、人/機/物/料聯動、動態優化定檢周期等的功能，最終實現生態鏈搭建。

圖1 智能化維修等級Fig.1 Grade of intelligent maintenance

所謂智能化運維生態鏈(見圖2)，是需要終端用戶、設備供貨商、檢測設備供貨商和云平臺服務商共同搭建，以實現開放、協同、智能的系統。終端用戶一方面提供設備日常運維數據，另一方面得到智能化運維支持；其他設備供貨商提供相關檢測、監測數據，生態系統則根據相關數據，利用AI和大數據技術來實現減員增效的目的。

圖2 智能化運維生態鏈Fig.2 Intelligent operation and maintenance ecological chain

2.4 智能化運維生態系統的特點

智能化運維生態系統的特點可總結為“簡、智、深、安、協、活、省”七個字。前述中已介紹“簡”“智”“深”即智能化運維的“三字”特點；本文提出的生態系統更兼具“安”“協”“活”“省”的特點。具體可理解為：

1) “簡”：實現運維管理化繁為簡，出現問題及時響應、自動分析和優化，把流程的處理精簡和高效組合起來，讓問題匹配正確的場景，找到正確的人，并在第一時間正確處理。

2) “智”：應用AI，通過大量檢測數據、歷史數據進行場景分類，用數據訓練機器分析，讓機器自動準確判斷。

3) “深”：構建全專業知識庫，隨著智能化運維系統應用，積累的故障數據增多，對應的知識庫豐富，維修水平也隨之提高。

4) “安”：基于故障導向安全理念來設計智能化運維，確保運維安全。

5) “協”：全系統產業鏈協同合作，利益共享。

6) “活”：運維系統建設靈活，可橫向、縱向擴展。

7) “省”：省時、省心、省錢分別對應建設周期短、協調和整合難度小、節約投資。

3 智能化運維生態系統方案構架及其關鍵技術

智能化運維生態系統集合人力資源、故障信息、資產數據、運行狀態等內容，在內部構建知識庫、維修策略庫、既有專家支持系統，以實現3D展示平臺、預警平臺、維修調度平臺、文檔管理平臺、物資管理平臺，同時明確智能化運維訴求。

3.1 系統方案

如圖3所示，將城市軌道交通人力資源數據、設備或人工或巡檢維修故障數據、運維資產數據、機電或車輛或供電或線路或通信的設備運行數據，形成數據池輸入AI大腦以提供數據支持；知識庫錄入城市軌道交通各專業的專業知識、各設備的操作手冊、指導書，輸入AI大腦以提供知識；運維檢修修程、故障預警規則等形成維修策略庫輸入AI大腦提供維修策略，并經過AI運算及時更新維修策略。

圖3 智能化運維生態系統(GoM4)方案Fig.3 Intelligent operation and maintenance ecosystem scheme (GoM4)

通過AI大腦輸出指令，實現城市軌道交通運維6大平臺功能。

1) 3D展示平臺：將系統的所有設備和運維數據都實現3D可視化，以達到所見即所得，各專業共用一張圖的效果；現場維修人員隨時調用設備的3D模型，利用虛擬現實/增強現實(VR/AR)技術展示設備，輔助運維。

2) 預警平臺：將所有設備故障數據、運行數據經AI大腦處理，進行設備隱患預警與篩查；運維管理人員可通過應用層小程序、應用程序(APP)、大屏等途徑了解預警信息，及時做出合理檢修計劃。

3) 維修調度平臺：將所有設備實現日常維修調度、故障維修調度，根據AI大腦做出故障診斷、維修策略，達到運維人員、設備最優化配置；運維人員可通過應用層小程序、APP途徑了解設備運維策略。

4) 文檔管理平臺：可進行所有設備運行、故障、維修報告、操作手冊、專業指導書、修程、檢修內容、運維人員檢修工作、計劃等各類文檔的輸出管理；運維管理人員通過應用層APP可查詢文檔數據。

5) 物資管理平臺：可對所有設備的備品備件進行動態管理、存儲與管理策略的制定；運維物料管理人員可通過應用層APP進行資產管理。

6) 訴求平臺：在實際運維過程中，在預設的運維規則以外，運維人員也可以根據生產需求提出數據分析或維修建議等訴求，AI大腦依據數據庫、知識庫、策略庫以及現場數據，通過智能算法給出數據或方案。

3.2 系統架構及關鍵技術簡述

生態系統架構由運維大腦、標準化數據接口和云平臺構成，運維大腦分區為數據腦區、AI算法腦區、知識腦區、3D可視化腦區，如圖4所示。

圖4 智能化運維生態系統架構Fig.4 Intelligent operation and maintenance ecosystem architecture

1) 數據腦區從設備中獲取數據，構建統一的數據格式和接口，對不同專業不同設備運維數據進行采集、清洗、存儲、管理等。從低價值原始數據構建高價值的數據資產，建立公共數據池并將高價值的數據資產清晰高效地存儲到運維數據池中。目的是將數據從原始的雜亂狀態，構建成可信的、高價值的數據資產，為運維需求提供可信的大數據支持。

2) AI算法腦區利用當前先進的深度學習、對抗學習、自學習、增強學習等系列機器學習技術，構建面向智能化運維的AI算法庫。應用關聯挖掘，根據故障時設備狀態數據，挖掘故障因素之間的關聯；應用預警預測利用具有記憶功能的深度神經網絡針對運維過程進行預測；應用優化調度基于神經網絡學習實現運維資源優化配置；利用離散群點檢測技術對設備子系統進行監測，實現狀態監測功能。

3) 知識腦區利用知識圖譜技術，將運維手冊、運維歷史數據、常用運維經驗等輸入運維大腦，構建運維知識庫。現場運維遇困難時，實時給出關鍵詞查詢，系統智能理出可能的故障點，返回維修指導、歷史案例、關聯故障和設備3D結構圖。

4) 3D可視化腦區將所有數據和模型實時三維可視化動態顯示，利于整體態勢的直觀表達，實現“所見即所得”，達到故障可視化、狀態可視化、態勢可視化，以及事故的快速排查和多專業會診；現場維修人員也可調用設備的3D模型，利用VR/AR眼鏡全息展示設備，輔助運維。

生態系統架構采用端-云架構。運維大腦相關核心技術在云端運行，對客戶端的訴求作實時響應處理，便于維護和降低硬件成本。客戶端包括顯示大屏、手持終端和手機APP等，顯示大屏根據需求實現任務實時跟蹤、監控和顯示；手持終端針對特定的運維任務定制；手機APP實現身份驗證、手機支付、站點查詢等功能。

各專業設備設施數據、站點數據采用標準化數據格式和接口，以實現開放的、可快速接入的、可深度融合的初始數據。

4 智能化運維生態系統推廣模式及應用前景展望

4.1 生態系統推廣模式

智能化運維生態系統是一個強大、功能全面和范圍涵蓋極廣的系統。但本系統構建并不復雜，由于其具備較強的可拓展性與非耦合性，所有系統均在云端進行處理計算，可實現縱向與橫向擴展。

由單個設備數據通過云端處理實現最小化系統的展示，縱向可拓展到城市軌道交通線路車輛、受電弓、站臺門、電扶梯等全專業全系統，可根據標準化統一數據接口實現輸入端無感知即插即用式擴展，已達到縱向擴展的目的。

由一條線實現的運維生態系統可共享式橫向擴展到其他城市軌道交通線路上，以實現多條線路的資源共享。

4.2 生態系統應用前景展望

本文介紹的智能化運維生態系統具有廣闊的市場規模與價值：它能根據設備狀態，縮短設備檢修周期，優化各設備檢修制度；它能減少人員檢查、維護時間，縮短單位設備維護、檢修工時；它能將提升物資周轉效率，減少備品備件庫存；它能建立信息化、數字化設備履歷，精簡設備的檢驗、測試設施。

本系統改變了目前常規智能化運維建設模式。可將目前建設的機電、供電、車輛、工務、弱電等多系統運維平臺取消，以上傳到云端來代替，節省了運維平臺的搭建費用，有利于整合行業優質資源，實現智能化運維系統產業鏈分工合作，實現利益共享；有利于實現數據協同創新，共享數據價值；有利于建立城市軌道交通智能化運維系統行業標準，實現系統的規模化發展。

對于已初步達到網絡化運營，已建立部分設備智能化運維系統的城市軌道交通城市，本系統同樣具備可實施性：在既有平臺基礎上進行整合，避免對未建立智能化運維的設備系統二次建設平臺。已建立運維設備系統的數據積累，可為運維平臺提供大數據支持，更好地提高智能化運維決策支持。

根據北京市地鐵運營有限公司統計數據，北京地鐵每年運營成本約為1 388萬元/km，其中人工成本為872萬元/km，電力費用為245萬元/km，維修成本為272萬元/km。若采用本智能化運維系統，估計可降低人工和維修成本10%以上，折合節約運營成本為114萬元/km。據統計，至2018年底，全國已開通運營的城市軌道交通線路長度為5 766.6 km，其中地鐵約為4 500 km。預計“十四五”期間，我國城市軌道交通將按平均每年500 km規模進行建設。按全國4 500 km長的地鐵線路，可節省運營成本達51.3億元/年，可見城市軌道交通智能化運維市場前景廣闊。

根據北京、上海等地的情況，其智能化運維系統建設費用約為400萬元/km，其中平臺搭建費用占比約為20%。若采用生態系統模式搭建平臺，將車輛、供電、信號、通信多個專業運維平臺綜合為一個運維平臺，可節省平臺重復搭建費用、接口管理費用等，預計其搭建費用可降低一半左右。

5 結語

智能化運維生態系統為當前城市軌道交通智能化運維建設提供了一種新的解決思路，避免了多平臺建設、多專業之間系統封閉、數據多但價值低、建設投資大等問題，并利用AI和大數據，實現在云平臺上的軌道交通運維的智能化。智能化運維生態系統采集人力資源、故障信息、資產數據、運行狀態等內容，在內部構建知識庫、維修策略庫，學習既有專家支持系統；系統架構包括數據腦區、AI算法腦區、運維知識庫、3D可視化腦區、云平臺和標準化統一數據接口等6個部分。

目前，城市軌道交通智能化運維系統建設剛剛起步，多專業系統的融合、數據價值的提煉、標準化統一的數據接口、AI分析和云平臺等技術，均需要不斷積累和持續完善，并需要實現GoM4、狀態預警、維修調度、故障診斷、3D展示、人/機/物/料聯動、動態優化定檢周期的功能，才能最終實現智能化運維生態系統。