基于关联关系的城市轨道交通智能报警系统

杨 莎 张振山

（1.南瑞集团公司（国网电力科学研究院），210032，南京；2.国电南瑞科技股份有限公司，210061，南京//第一作者，工程师）

基于关联关系的城市轨道交通智能报警系统

杨 莎1，2张振山1，2

（1.南瑞集团公司（国网电力科学研究院），210032，南京；2.国电南瑞科技股份有限公司，210061，南京//第一作者，工程师）

从复杂的城市轨道交通安全防护工作的角度出发，介绍了一套基于关联关系的城市轨道交通智能报警系统。重点研究了城市轨道交通中故障之间的关联关系，故障从量变到质变的过程，以及如何量化质变的过程和表示设备亚健康状态；结合城市轨道交通系统中各个事件之间的关联关系，实现了专家评估、智能预警、智能辅助等主要功能。

城市轨道交通；智能报警；关联关系

城市轨道交通众多子系统之间的关联关系错综复杂，导致各子系统故障的发生概率较高。实践表明，若干个孤立的故障点尽管影响很小，但如其间存在某种关联关系且没有得到合理处理，则可能给城市轨道交通安全带来不可估量的危害。这种危害发生的关键在于多个事件的关联关系是否成立。使用基于关联关系的城市轨道交通智能报警系统（以下简为“智能报警系统”）即可找到故障点的关联关系。只要在已发生故障点的关联关系未成立之前，破坏故障点关联关系成立的条件，就能阻断故障的连锁反应。这样就可做到城市轨道交通安全的主动防御。

1 报警系统比较

1.1 普通报警系统

普通报警系统在故障发生后，会以实体或计算机图元方式来警示发生了故障的设备或设备点，但不会进一步提示与该故障点关联的其他故障点的状态信息。可见，普通报警系统工作方法被动单一，没有体现故障点时序等特性，不能适应城市轨道交通系统多级多应用的特点。

1.2 智能报警系统

针对普通报警系统缺点开发的智能报警系统，基于对城市轨道交通系统中故障之间的关联关系分析，能为故障处理提供更准确及时的决策信息；并能利用计算机的自动化触发功能将关联关系研究应用到智能预警当中，从而提高现场人员操作的正确性。

智能报警系统具有关联规则生成、智能报警系统后台服务及人机交互等功能。智能报警系统的结构如图1所示。

智能报警系统以城市轨道交通指挥中心系统为硬件基础，以关联规则库作为系统的数据基础。其数据主要来源于故障树和历史数据库。故障树按不同专业在设计、运行与管理阶段的安全性与可靠性工作中分别建立［1］。故障树中包含各系统专业可能发生的保护信号失效、人为失误及环境变化等各种故障原因信息及其之间的逻辑关系信息。智能报警系统可利用功能图定义将这些信息存储到数据库中，并利用改进的数据挖掘工具挖掘相关历史数据之间的关联规则。最终，所有数据经过专家评估系统来选择关联规则，并组成关联规则库。

智能报警系统后台服务将实时数据进行逻辑运算，并与关联规则库中的数据匹配。人机交互功能包括智能预警和智能辅助。智能预警能根据实时数据和后台的逻辑运算结果动态显示报警等级等信息；智能辅助可从关联规则的角度，为操作员提供当前最佳的智能决策信息。

图1 智能报警系统结构图

2 智能报警系统工作流程

当城市轨道交通系统中若干个孤立的节点发生故障时，智能报警系统要能在关键节点没有发生故障之前，及时发出正确的预警信息，阻止故障连锁反应的发生。智能报警系统应能发出具有高可靠性的预警信息，能展现故障从量变到质变的发展过程，并能提供合理的智能辅助信息。

研究发现，在以往的报警系统中，一个或多个节点故障的出现往往伴随着另一个节点故障的出现。故障节点之间的关系总是存在着一种特殊性。这种特殊性不仅体现在一个或多个故障节点与另一个故障节点的发生时序关系上，而且还表现在独有的量变到质变关系上。如图2所示，若干影响较小的故障逐次出现，进而导致某影响较大故障出现的过程，就是从量变到质变的过程。智能报警系统节点进行预警时，常利用蕴涵式中未发生事件的概率来表示预警的等级，并在若干影响较小的故障逐次发生时，对防护未发生故障的节点提供智能辅助功能从而阻止故障蔓延。

2.1 关联规则

根据文献［2］，设 I={i1，i2，…，im}是所有项目的集合；设 T={T1，T2，…，Tm}是 1 个事务数据集，其中Ti（i=1，2，…，m）为1个项目的集合，并满足Ti⊆I；则1个关联规则是1个如下形式的蕴涵关系：x⇒y，其中 x⊆I，y⊆I，并且 x∩y=φ。

根据文献［3］，关联规则按照数据维可以分为单维关联规则和多维关联规则。单维关联规则是指关联规则中的项或属性每个只涉及1个维。例如，buy（"computer"）⇒buy（"software"）就是单维关联规则，因为此规则只涉及1个维（buy）。而如age（"20...29"）^income（"20K...29K"） ⇒ buy（"computer"）就 是多维关联规则，其中涉及了3个维（age、income和buy）。

图2 故障渐变图

2.1.1 故障树与关联规则

割集A是导致顶上事件B发生的基本事件集合。即，如故障树中一组基本事件的发生能造成顶上事件的发生，则这组基本事件就叫割集。割集和顶事件之间的关系，显然满足关联规则的蕴涵式A⇒B的规则。引起顶事件发生的基本事件最低限度集合叫最小割集，满足Amin⇒B的规则。

功能图（Function Block Diagram，FBD）是 1种图形式的编程语言，遵从IEC 61131-3标准。本文以IEC 61131-3标准中FBD图定义的模块为蓝本，并对IEC 61131-3标准进行扩充，用功能模块表示事件和逻辑关系，用线表示事件之间的关联关系，制作功能图。功能图可将事件间的关联关系描述成具体的计算机中的实体，从而将其整合到综合监控的商用库中，经最小割集算法计算生成合理的关联规则。

2.1.2 数据挖掘

数据挖掘是发现关联规则的主要工具，可以发现数据集中所有频繁关联模式，从而产生关联规则。在关联规则挖掘阶段，在挖掘单维布尔型关联规则的Apriori算法分析基础上，综合对量化属性的离散化处理、属性融合和改变连接条件等方法形成了M-Apriori算法，实现了对历史数据库进行多维关联规则的挖掘。此外，还通过链式结构和随机抽样提高了算法的效率。

2.2 专家评估系统

2.2.1 关联规则库

鉴于人为建立的故障树和数据挖掘产生的关联规则的不确定性，可用专家评估系统来甄别可使用的关联规则。主要甄别原则为：

（1）剔除所有基本事件能够被触发和肯定会发生的关联规则。一旦事件不能被触发，就不能自动传递逻辑关系，更无法满足系统自动化要求。例如人为失误造成的故障在系统中就不能自动被触发。

（2）蕴涵式A⇒B需满足条件为：A中事件个数应大于1（如果A中只有1个事件a，则a发生后，B中事件必将发生，这就达不到预警的效果）A中所有事件的产生后果应小于B中单个事件产生的后果（这用于体现量变引起质变的过程）。

2.2.2 报警信息设定

专家评估系统首先会根据经验和历史数据针对具体关联规则设定故障发生概率、危害程度、报警等级、报警阈值等信息，并根据一定规则对关联规则中的基本事件发生概率进行打分，按集合中未发生基本事件权值乘积的大小表示事件组合发生的概率。当概率大于一定的阈值时即触发预警。风险等级的定义及权值见表1。

例如，某条关联规则为{a=0.4，b=0.6，c=0.6，d=0.2}⇒{e}，其中的数值为经专家打分系统得到的故障发生概率。在事件依次发生过程中，事件组合（任意未发生事件的组合）发生概率依次为 {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}，所以报警等级可以分级为 {{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 风险等级定义及权值

2.3 系统实例

根据模型设计的系统运行良好，能实现预定目标。在地铁线路实例中实现了智能预警和智能辅助两部分功能。

智能预警功能主要通过对故障的逐级预警来展示故障从量变到质变的过程，以量化的数据来表示质变的过程。以实例车站为例，智能预警功能实现的报警内容见表2。当三级报警信号“水循环管道堵塞”发出以后，智能预警同时发出“由于水循环管道堵塞，元件母排过热达到四级预警”的四级预警信息；当三级报警信号“水泵故障导致水流减慢”发出以后，智能预警同时发出“由于水循环管道堵塞，水泵故障导致水流减慢，元件母排过热达到二级预警”的二级预警信息；同时，由于预警信息达到一定的级别，智能预警系统发出智能辅助信息“元件母排过热达到二级预警，可防护整流柜过载、风机电源故障等设备信号”。

表2 某站智能预警内容

智能辅助功能主要是从关联规则的角度，为操作员提供当前时刻最佳的智能决策信息。如图3所示，当前时刻“水循环管道堵塞”和“水泵故障导致水流减慢”故障信号已经发生，并且“元件母排过热”也已经达到二级预警，所以智能辅助单元建议：①由于整流柜过载发生概率>风机电源故障发生概率，专家系统建议重点防护风机电源故障。②元件母排过热达到二级预警，可防护整流柜过载、风机电源故障等设备信号。③由于水循环管道堵塞，水泵故障恢复水流减慢，元件母排过热达到二级预警。④由于水循环管道堵塞，元件统母排过热达到四级预警。

图3 智能辅助信息内容

3 结语

基于关联关系的城市轨道交通智能报警系统以实际案例为研究对象，以城市轨道交通指挥中心系统为基础。首先，通过的故障树和数据挖掘产生关联规则；其次，经过专家评估系统选择合适的关联规则，组成关联规则库；然后，智能报警后台服务将实时数据与关联规则库中的数据匹配，进行逻辑运算；最终，实现智能预警和智能辅助功能。

该城市轨道交通智能报警系统在实际应用中运行良好，其自动化高，在地铁线路实例中实现了智能预警和智能辅助等功能，但数据挖掘算法还有进一步改善的空间。

［1］ 袁润，汪建业.基于故障树的复杂系统故障诊断软件设计研究［J］.核科学与工程，2012，32（1）：74.

［2］ 张忠林，田苗凤，刘宗成.大数据环境下关联规则并行分层挖掘算法研究［J］.计算机科学，2016（1）：286.

［3］ Siemens Aktiengesellschaft.用于S7-300和S7-400的功能块图（FBD）编程［M］.Nuernberg：Siemens Aktiengesellschaft，2004.

［4］ 张春生，图雅，翁慧，等。基于关联规则的条件函数依赖发现及数据修复［J］.计算机应用研究，2016，33（2）：384.

［5］ 王潇，王武宏，毛琰，等.大城市交通拥堵致因的故障树分析［J］.交通信息与安全，2012，30（2）：127.

［6］ 刘晓娟.城市轨道交通智能控制系统［M］.北京：中国铁道出版社，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）