基于監測數據的ATP車載電臺健康狀態評估算法研究

陳 曦

在高速鐵路CTCS-3級列控業務中，車載電臺發生故障會導致無線通信超時甚至降級停車［1］，影響高鐵運行效率。目前，發生無線通信超時并定位為電臺故障后，為了不影響動車組的運行計劃，通常會第一時間安排更換電臺。該方法雖行之有效，但屬于“事后處理”，而現階段更需要具備“事前預防”的手段。為適應我國高速鐵路數字化、智能化的發展需求，開展對ATP 車載電臺的智能化健康狀態評估，對提升高鐵的安全性和運營效率愈加重要。

近年來，隨著GSM-R 接口監測系統建設趨于完善，地面PRI（CTCS-3 級列控系統無線閉塞中心與GSM-R 移動交換中心間）、A（GSM-R 移動交換中心與無線子系統間）、Abis（GSM-R 基站控制器與基站收發信臺間）三接口監測系統［2］已在全路完成部署，車載空口監測系統在全路超過半數動車組上已完成安裝，基站空口監測系統也在各路局部分重點基站完成建設［3］，使得基于三接口監測數據、車載空口監測數據、基站空口監測數據的車載電臺健康狀態評估成為了可能。基于多源數據匯聚融合處理，本文提出一種車載電臺健康狀態評估算法，旨在掌握車載電臺健康狀態，降低電臺的運行故障率，提高高鐵運行安全性和運營效率。

1 電臺常見故障及特征

1.1 天饋系統故障

天饋系統經過長時間使用可能會老化，導致接觸不良、密封處斷裂并造成活動障礙等，使得駐波比變高，信號衰耗變大，傳輸電平低，接收到的信號強度減弱［4］，且此類天饋線故障往往難以查找；在安裝維護過程中頻繁插拔天饋線接頭，再加上列車運行時的震動，可能會使得天饋線接頭松脫，無法收發信號［5］。

這類故障從接口監測數據上觀察，表現為上下行電平與平均水平相比偏低。

1.2 SIM卡松脫

SIM卡的卡托老化再加上列車的震動，會導致SIM 卡的卡托松脫，使得SIM 卡集成電路中的引腳與電臺中的卡座接觸不良［6］，或者SIM 卡在高溫及列車運行震動的情況下發生形變，導致SIM卡與卡座接觸不良，電臺無法識別SIM 卡，造成電臺無法入網［7］。

通過分析接口監測數據可知，這類故障表現為長時間沒有入網數據。此外，在IGSM-R接口［8］上能看到無法讀取SIM卡的相關AT指令提示。

1.3 射頻器件老化

當射頻電路中的電容、電感老化或損壞時，會導致功率傳輸時阻抗不匹配，傳輸線出現更多信號反射，駐波比變高，射頻的收發性能均受到影響；當設備內晶振出現老化的情況后，會導致頻偏增大，最終表現為接收質量惡化、切換失敗率和中斷率升高等；放大器長時間工作后老化，性能下降，會導致射頻的發射功率下降，輸出能力減弱。

通過分析接口監測數據可知，這類故障表現為上行電平明顯偏低。

1.4 通信軟件問題

GSM-R 電臺基于3GPP［9］標準研制。3GPP標準主要針對公眾移動網絡的運營場景進行相關參數的規定，在自主化電臺研制過程中發現，在高鐵環境下需要優化這些參數以適應高鐵無線網絡環境要求。參數優化過程中出現的問題往往表現多樣，例如工作波段被地面信號干擾造成無法正常跨區切換［10］、測量報告發送異常等。

通過分析接口監測數據，這類故障表現為切換失敗率和連接中斷率升高等。

2 數據提取

用于車載電臺健康狀態評估的數據主要來自地面三接口監測數據、基站空口監測數據和車載空口監測數據。地面三接口監測數據需從接口監測系統中提取，基站、車載空口監測數據需從空口監測系統中提取，提取前需通過數據對照的方式完成各系統數據的時間同步。

1）從地面三接口監測數據中主要提取Abis 接口測量報告、Abis接口切換記錄和PRI接口呼叫記錄等。Abis 接口測量報告中包含上行電平、下行電平、上行接收質量、下行接收質量等數據；Abis接口切換記錄中包含切入下行電平、切出下行電平、切換失敗等數據；通過PRI接口呼叫記錄可獲取呼叫異常中斷信息等。

2）基站空口監測數據和車載空口監測數據主要用于在判斷連續質差時排除非車載原因導致的質差，提取空口監測數據時需按照評估小區和目標動車組做數據篩選，再通過數據比對完成質差原因判斷。

3）從車載空口監測數據中提取IGSM?R接口AT指令數據［11］，用于計算呼叫失敗率。

3 健康狀態評估算法

健康狀態評估算法的整體思路：①根據上下行電平、上下行接收質量、切換失敗率、連接中斷率等指標，通過不斷的學習與迭代，形成能夠代表電臺健康程度的模型，作為評分基準；②提取車載電臺各個特征值與評分基準值進行比對，對各項特征值賦予不同的權重，然后計算車載電臺的健康狀態評估總分。

本算法是對車載電臺健康狀態進行的量化評估，實際應用中當車載電臺各項指標能夠達到標準水平時即可得到滿分，健康狀態評估分越低，表示與標準水平差距越大，表明電臺狀態越差。

3.1 評分基準的建立

車載電臺的健康狀態評估基礎模型M是由n個小區基礎模型m組成的集合，M={m1，m2，m3，…，mn}。小區基礎模型m包含小區全部p個頻點提取的特征值數據集B，m={CN，B1，B2，…，Bp}。其中，CN為小區名，用于標識小區；B={A，LAVGU，LAVGD，LHOI，LHOO，RHOF，S，PU，PD，f(LDV) }；A為ARFCN，指絕對無線頻道編號，GSM-R 系統的ARFCN 范圍從999～1 019，共21 個頻點；LAVGU為平均上行電平；LAVGD為平均下行電平；LHOI為切入下行電平；LHOO為切出下行電平；RHOF為切換失敗率；S為連續質差數據比例；PU為上行接收質量評分；PD為下行接收質量評分；f(LDV)為上下行電平差值評分。

3.1.1 平均上下行電平計算

分別讀取評估小區Abis 接口全部數據的上下行電平值，計算平均電平值LAVG為

式中：Li為第i條數據的電平值；n為數據的總條數。

3.1.2 切入、切出下行電平值計算

從Abis 接口切換記錄中直接讀取切入到評估小區的“切換后下行電平”數據作為切入下行電平值，讀取切出評估小區的“切換前下行電平”數據作為切出下行電平值。

3.1.3 切換失敗率計算

讀取Abis 接口切換記錄，評估小區內“切換結果”不等于“成功”的切換記錄條數與切換總條數的比值即為切換失敗率。

3.1.4 連續質差數據比例計算

接收質量大于3 級的測量報告稱為一個質差報告，數據連續質差的判斷方法為：從第1 個質差報告出現，直到下一個大于5 幀的連續無質差測量報告數據段為止，若期間的質差報告數≥5 幀，則計為一個連續質差數據段。連續質差判斷示意見圖1。

圖1 連續質差判斷示意

圖1 中共32 幀連續測量報告，標注的各數據段說明如下。

1）數據段A 出現質差報告，連續質差判斷開始。

2）數據段B 出現一個大于5 幀的連續無質差報告數據段，Tc=7幀，連續質差判斷終止，此時數據段A 的質差報告幀數Terr=3幀，小于5 幀，因此不計入連續質差數據。

3）數據段C 出現質差報告，連續質差判斷開始。

4）數據段D 出現一個小于5 幀的連續無質差報告數據段，Tc=2幀。

5）數據段E 再次出現質差報告，連續質差判斷繼續。

6）數據段F 出現一個大于5 幀的連續無質差報告數據段，Tc=8 幀，連續質差判斷結束，此時數據段C+D+E 質差報告幀數Terr=7幀，大于5幀，合并計為連續質差報告數據段。

連續質差數據比例S為式中：countbq為全部連續質差數據段包含的數據條數；n為數據的總條數。

3.1.5 上下行接收質量評分計算

讀取評估小區全部的接收質量數據，分別計算接收質量等級0～7 的數據條數。根據各等級接收質量的數據量占比計算接收質量評分P為

式中：wi為接收質量等級i在評分算法中的權重，wi=2-i；counti為接收質量等級i的數據條數；n為數據的總條數。

3.1.6 上下行電平差值評分計算

讀取評估小區Abis 接口全部數據，計算每條數據的上下行電平差值LDV為

式中：LUi為第i條數據的上行電平值；LDi為第i條數據的下行電平值；n為數據的總條數。

LDV≤15 dB 時，評分為滿分100，每增大1 dB遞減5分，最小評分為0分，評分方法為

3.2 電臺健康狀態評分

對電臺進行健康狀態評分時，首先按照上述評分基準建立算法，計算某電臺在各評估小區的所有特征值，與評分基準值進行對比評分，再減去該電臺通信異常中斷和呼叫失敗的分數，最后將評估總分擬合為1～5 分，共5 個等級，表示電臺健康狀態。

3.2.1 基于基準值的健康狀態評分算法

健康評分規則采用與基礎模型標準值對比的方式，按照分段閾值評分規則和所占權重完成對小區模型m中各項指標的評分。

分段閾值評分規則是指將某項指標的取值范圍進行分段，每個分段賦予不同的分數，數值處于相應分段得到對應的分數。例如：假設平均下行電平的標準值LAVG=-50 dBm，其平均下行電平的評分規則可設置為

設某電臺在評估小區C1的總評分為F1，共計k個指標，各項指標分值分別為P1、P2……Pk，其所占權重分別為W1、W2……Wk，則F1為

車載電臺基于基礎模型M的健康評分FM為

式中：n為基礎模型中的小區模型個數。

3.2.2 其他減分條件

通信異常中斷和電臺呼叫失敗率作為減分項計入評估。

通信異常中斷分數Fe為

式中：H為中斷減分數；Icount為中斷次數。

獲取某時間段車載空口數據中的AT 指令數據，分別統計其中的呼叫總次數、呼叫失敗次數，即可算出呼叫失敗率。電臺呼叫失敗率分數Ff為

式中：Frate為呼叫失敗率；Wcon為固定權重分數。

3.2.3 車載電臺健康狀態評估總分

根據車載電臺基于基礎模型M的健康評分FM、電臺通信異常中斷分數Fe、電臺呼叫失敗率分數Ff，得到車載電臺健康狀態評分F為

F與評分基準Fs按比例擬合形成Ffit為

最終評分結果：5分為優秀；4分為良好；3分為中等；2分為偏差；1分為差。

4 算法驗證

對2022-11-19 至2023-03-06 的監測數據，利用車載電臺健康狀態評估算法進行測試評估，涉及351 個電臺，每個電臺經過評估路段的數據收集篩選統計計為一次評估，共進行13 205 次數據評估。評估結果見表1。

表1 評估結果

根據表1 追溯到某電臺多次評分為1。分析該電臺接口監測數據，見圖2。圖2 中，紅框中連續多個測量報告中的上行通信質量均較低（縱坐標為通信質量等級，0最佳，7為最差，5級以上可視為質差），說明該電臺上行連續質差嚴重，存在較高的故障風險。

圖2 上行通信質量曲線

經驗證，該算法可準確描述車載電臺的健康狀態，達到及時發現有故障風險電臺的目的，運維人員可對健康狀態差的電臺提前處理，從而實現電臺故障的事前預防。

5 結束語

從近4 個月的數據統計結果可見，車載電臺健康狀態評估算法能夠有效發現存在隱患的電臺。在實際應用中，可通過該算法做初步篩選，然后經過人工核實，對確實存在隱患的電臺采取相應的整改措施，以提高電臺的運行質量。

下一步將繼續優化權重參數配置，以更準確地評估電臺健康狀態，同時結合CTCS-3級列控系統無線通信超時自動分析結果，推動車載MT電臺維護向智能化發展，不斷提高MT電臺的智能運維水平，顯著減少因MT電臺性能不穩定引發車地無線通信超時或中斷，導致CTCS-3級列控系統降級運行的故障，提升高鐵運行效率。