铁路一体化物联大数据运维平台的研究

王震华，田立军

（中国铁路西安局集团有限公司 信息化处，西安 710054）

近年来，随着高速铁路的全面建设和普速铁路的提速改造，铁路信息化建设已经取得了长足的进步，但基于铁路各业务站段的管理体制和各业务系统之间的技术架构问题，导致各站段和铁路局集团有限公司（简称：铁路局）内信息系统资源分散、独立，资源利用率低并且运维支撑复杂。随着物联网、大数据和人工智能（AI）等关键技术的不断成熟，同时得益于铁路基础网络融合和接入速率快速提升，为铁路信息化智能化建设起到了强大的推动作用。

本文以物联网、智能视频分析处理、AI和大数据为技术基础，以铁路总公司和西安局集团有限公司（简称：西安铁路局）相关的信息化建设规划为指引，针对现有铁路局信息系统的融合性低、运维复杂、分散独立、信息资源难以共享互通等实际问题，研究并开发以融合物联接入、视频智能分析和智能流程管控为基础，以大数据分析应用为核心的铁路一体化物联大数据运维平台。

1 平台总体架构

平台以提升铁路运维生产作业效率为目的，提供设备工具监控、视频分析、应用分析、动环监测、可视化3D管理和第三方系统平台集成等功能的物联运维大数据平台。

平台架构主要由感知层、接入层、平台层及应用层组成。

1.1 感知层

感知层主要完成设备感知和设备数据采集，实现对业务站段通用和专用设备的感知采集，感知层通过丰富的传感器资源实现了各业务站段软硬件设备的综合感知及数据监控。

1.2 接入层

接入层通过物联网网关（丰富的接口资源与强大的边缘计算能力）实现铁路多业务场景不同协议类型的物联接入和业务处理，结合有线和无线传输方式，及时将信息反馈平台层进行处理分析。

1.3 平台层

平台层基于云架构和大数据技术搭建云端部署的一体化物联运维平台，实现设备智能管控，基于智能算法分析，面向不同业务流程，提供智能应用方案以及视频智能应用方案，并将设备系统的各种数据信息统一存储分析，实现面向铁路多领域的一体化运维平台。

1.4 应用层

应用层在提供统一运维门户的基础上，主要提供运维服务管理、服务流程管理、3D可视化管理、智能视频应用等相关功能项。铁路一体化物联大数据运维平台总体架构设计，如图1所示。

图1 铁路一体化物联大数据运维平台总体架构图

2 关键技术

2.1 物联网技术

物联网（Internet of things）是通过射频识别（RFID）、红外感应器、全球定位系统、高频无线宽带等信息传感设备，按约定的协议，将任何物品与互联网相连接，进行信息交换和通信，以实现智能化识别、定位、追踪、监控和管理的一种网络技术。其核心和基础仍然是互联网技术，是在互联网技术基础上的延伸和扩展的一种网络技术，其用户端延伸和扩展到了任何物品和物品之间，进行信息交换和通信。

在物联网技术方向，本平台主要研究基于NBIoT和Lora技术实现对温度、湿度、防溜器具、摄像手电等相关传感器和智能设备的物联接入管控，提供对生产作业相关智能设备的全面感知和信息数据获取，同时提供相关信息数据的集中展示和分析统计等功能。

2.2 视频处理技术

智能视频处理的关键技术主要包括背景建模技术、运动目标检测技术和运动目标跟踪技术。

（1）背景建模又称背景估计，主要是对输入的视频建立模型来准确的描述视频序列的背景，从而把视频图像帧中的运动目标检测问题转化为二分类问题。背景建模的典型算法主要有平均值法、直方图法、中值滤波法等。平均值法只能应用在一些简单的场景，直方图法需要基于很多的图像视频帧才能建立一个可靠的背景，而且自适应能力差。由于铁路场景的动态变化和背景模型的实时更新等特性，故本次平台研究中，背景建模主要采用中值滤波法。

（2）运动目标检测主要是对输入的视频使用相关的方法自动分离出每帧的前景区域和背景区域，运动检测也是视频行为分析的基础。目前，通常使用帧差法、背景减除法和光流法等方法进行运动检测。

（3）运动目标跟踪技术常用的有粒子滤波法、均值漂移和卡尔曼滤波法。粒子滤波法，是基于贝叶斯递推理论和蒙特卡洛方法的非线性系统分析工具，利用粒子集来表示概率，通过从后验概率中抽取的随机状态粒子来表达其分布情况。均值漂移法是基于密度梯度上升的非参数估计法，通过迭代运算找到目标的最佳位置，实现运动目标跟踪。卡尔曼滤波法是采用噪声与信号的状态空间模型，利用当前时刻的观测值和当前时刻前一时刻的估计值来更新对状态变量的估计，求出估计值。

2.3 大数据

大数据核心的价值就在于对海量数据进行存储和分析。

（1）数据采集、存储和检索：基于大数据采集、存储、检索等技术，可以从根本上提升数据分析的效率。采集多种类型的数据，如业务数据、流量数据、设备日志数据等。针对不同的数据采用特定的采集方式，提升采集效率。

（2）数据的智能分析：并行存储和NoSQL数据库提升了数据分析和查询的效率，从海量数据中精确地挖掘问题还需要智能化的分析工具，主要包括ETL（如预处理）、统计建模工具（如回归分析、时间序列预测、多元统计分析理论）、机器学习工具（如贝叶斯网络、逻辑回归、决策树、随机森利）、社交网络工具（如关联分析、隐马尔可夫模型、条件随机场）等。

在本平台中主要通过数据流、日志和业务数据等多源异构数据进行分布式融合分析，针对不同场景搭建分析模型，最终实现信息的可管可控，展现整体态势。

3 平台功能设计

3.1 统一运维门户

统一运维门户为平台用户提供统一登录认证、LDAP认证、用户管理、角色管理、用户同步、应用管理、安全登录配置和日志审计等功能。同时可以无缝集成现有系统，实现统一登录、页面集成，解决现有多套系统独立登录的繁杂性问题。

3.2 运维服务管理

运维服务管理功能可对信息系统、视频和站段关键设备等资源进行全生命周期的监控和管理，及时掌握智能设备的可用性情况和健康状况，提供性能监控与分析、资源可用性监控与分析、资源拓扑关系管理、故障监控、故障分析及定位、图文报表分析功能。创建一个可知可控的环境，保证用户生产作业的可靠、高效、持续、安全运行。

当被监控对象发生故障告警时，可以自动派发工单，运营维护人员从全局视图中可直观了解该事故将影响到哪些业务和服务，并及时响应和处理，告警恢复后工单自动关闭，无需人工干预。

3.3 服务流程管理

服务流程管理功能是通过生产作业流程规范建立的全面一体化信息运维体系，包含服务管理、配置管理和日常管理等功能应用。

（1）服务管理，实现服务请求管理、事件管理、问题管理、变更管理、发布管理、任务管理和服务SLA管理等功能，实现可视化流程设计、表单设计、服务台及自助服务台等功能。

（2）配置管理，实现资产配置管理、客户管理、合同管理、项目管理、供应商管理和备品备件管理等功能。日常管理，实现工单管理、值班管理、巡检管理、公告、知识库和报表统计等管理功能。

服务流程管理功能作为本平台的核心子系统，结合各铁路局及下属各站段的具体生产作业流程，为本平台内其他功能模块提供基础信息及作业流程信息。

3.4 3D可视化管理

3D可视化管理功能支持与运维服务管理的信息联动，支持与资产和告警信息的数据同步。功能实现360。旋转和缩放展现，能够从站段、楼宇、楼层、房间和设备等层面进行全仿真动画呈现。3D可视化作为平台重要管理手段，对各领域设备的运行状况进行全面监控和管理。将业务站段的信息系统和其它关键设备构建在3D全息图景中，实现统一监控、统一预警、统一资产管理及统一空间规划，并提供规范化的系统管理流程。

3.5 智能视频应用

智能视频应用功能基于背景建模、运动目标检测和运动目标跟踪等相关智能算法，充分利用铁路站段现有视频资源（无需新增视频摄像设备），结合各站段具体生产管理流程，对多种安全事件（受限区域闯入、白线穿越、人脸识别、脱岗检测、关键行为检测以及关键参数识别）进行预判，如有异常及时检测与报警，将安全事件处理由“事后”转为“实时”；另外，视频应用模块还结合站段业务需求，通过视频分析结果与站段生产管理流程进行融合，从而有效地提升站段管理效率，如结合排班计划的关键岗位人员识别，咽喉区车辆驶入与车站接发车岗位联动、隧道口落物检测等功能。

3.6 大数据分析应用

大数据应用分析采用 Hadoop 、Flume 、 Spark 、Kafka 、 MongoDB 、 Solr 和 Redis的分布式架构技术构建数据采集层、数据接入层、数据存储层、数据分析层和数据展现层。主要功能包括站段各类型设备信息的跨平台分布式收集、集中分析预警和综合审计检索等；基于大数据的阀值预测，自动化学习监控系统中的关键指标，预测生成未来的动态预警基线图，并可根据预测动态基线对实际采集数据进行实时预警；实现对网络设备、服务器设备和其它设备运行指数的分析，使用户可有效地周期性了解智能设备的承载能力和整体的运维情况。

3.7 APP移动运维

移动APP结合铁路内外网资源，将站段信息化运维从固定场景向全时域延伸，APP紧扣铁路具体业务流程，实现通知公告、告警通知、工单派发、工单提交与处理、资产数据查询、知识库查询及移动巡检等功能，使运营维护管理自由随行。

4 研究进度

平台整体研究进度在逐步推进，平台产品V1.0版本已完成平台整体技术框架搭建，信息类设备的集中监控、自动巡检、故障诊断、实时告警、图文报表分析、大数据日志分析、动态基线预测等功能均已实现，智能视频处理的核心算法也已完成开发。平台已在西安铁路局西安机务段和西安动车段成功试点应用，目前，试点运行状况良好，本平台已经成为试点站段的通用设备运维和专有设备管控的关键，有效地提升了试点站段的运维作业效率。

5 结束语

铁路一体化物联大数据运维平台是以作业安全为前提，以提升生产效率为目的，将铁路通用和专用设备进行统一管控，基于生产作业流程进行智能运维巡检，实现不同类型数据的统一监控和统一分析；同时，该平台也存在不足之处，在后续研究和版本迭代开发过程中，会逐步深入更具体的生产作业环节，聚焦关键需求构建系统模型，不断完善补充感知接入协议和优化业务应用模式。

平台下一阶段研究方向是不断吸收先进的物联网，大数据和智能分析技术，深入研究专业站段具体需求和作业流程，完善相关技术与专业领域的更深层次的融合，如工务智能巡检、防灾管理、车务调车作业安全等方面。