高速铁路灾害监测大数据分析系统及应用研究

马 祯，包 云，李俊波，李亚群，陈中雷，白根亮

（1.中国铁道科学研究院集团有限公司 电子计算技术研究所，北京 100081；2.中国铁道科学研究院集团有限公司 北京经纬信息技术有限公司，北京 100081)

0 引言

为保障列车运行安全，我国随高速铁路同步建设了自然灾害及异物侵限监测系统(以下简称“灾害监测系统”)，对危及列车运行安全的风、雨、雪、地震及上跨铁路的道路桥梁异物侵限进行监测，为铁路调度指挥及基础设施维护管理提供灾害监测、报警、预警信息，当发生异物侵限、地震报警时联动信号系统进行紧急处置，以有效防止或减少灾害对动车组列车运行安全的影响。高速铁路灾害监测系统自2008年在京津城际铁路(北京南—滨海)投入运用以来，为列车安全运行发挥了重要的技术保障作用。系统积累了大量的灾害监测、报警数据，亟需开展挖掘分析和应用，发挥大数据对灾害监测系统建设、运用、维护等的支撑作用，并为其他专业提供高速铁路沿线风、雨、雪和侵限等信息。

目前大数据已成为各行各业产业升级的主要技术之一，在促进铁路安全生产、经营开发、工程建设、资源管理、战略决策等方面发挥着重要作用[1-4]。我国非常重视大数据技术在铁路中的应用，已在旅客运输、货物运输、基础设施运维、动车组管理、客户关系管理等多个领域开展了大数据分析应用[5-10]，上述应用为高速铁路灾害监测数据的分析应用提供了参考。

1 高速铁路风、雨、雪及异物侵限监测数据分析

1.1 高速铁路灾害监测数据特征分析

由于地震预警数据还有待于进一步积累，在此重点对风、雨、雪、异物侵限监测数据进行分析。高速铁路灾害监测数据主要包括风、雨、雪和异物侵限监测、报警数据，以及系统设备状态监测数据、日志文件、视频图像等，以结构化数据为主，非结构化数据较少。另外，铁路沿线气象部门建有观测站和综合观测系统，其观测数据积累时间长，空间监测范围大，可以与铁路呈点状布局的风、雨、雪监测数据形成互补，开展融合分析应用。高速铁路灾害监测大数据分析系统数据架构如图1所示。

1.2 高速铁路灾害监测大数据应用需求分析

虽然高速铁路灾害监测系统已投入运用十余年，但是在高速铁路沿线灾害风险的精细化识别、灾害监测系统运维管理方面还存在需要进一步提升的工作，如风、雨、雪监测点布设方面由于可获得的气象资料较少，对灾害风险的识别较粗；系统运维缺乏数据支撑，亟需开展基于数据驱动的灾害监测系统运维管理。另外，高速铁路基础设施检测监测、动车组故障预测与健康管理(Prognostic and Health Management，PHM)、运输调度管理等业务对灾害监测数据也有一定的需求，尤其是对铁路沿线风、雨、雪等气象监测数据，如基础设施检测过程中为查找晃车原因，需要结合风监测数据进行分析；动车组故障诊断过程中需要结合当时的气象条件等；风、雨、雪等气象监测信息也是运输调度管理系统作业计划调整的重要参考因素。因此，结合本专业和跨专业灾害监测数据分析应用需求，亟需开展灾害监测数据的挖掘分析应用，发挥大数据对铁路安全生产的支撑作用。

2 高速铁路灾害监测大数据分析系统设计

2.1 高速铁路灾害监测大数据分析目标和定位

针对目前高速铁路灾害监测系统数据挖掘分析应用需求，以及铁路基础设施检测监测、动车组管理、运输调度管理等业务对灾害监测数据的共享需求，开展高速铁路灾害监测大数据分析，将高速铁路灾害监测数据由灾害监测铁路局中心系统汇聚至铁路数据服务平台，建立铁路与气象灾害数据集成分析、灾害时空规律分析、灾害监测设备状态分析、数据共享等分析与应用，为灾害监测系统运用、维护、标准编制等提供支撑。通过铁路数据服务平台，开展与相关系统跨系统/专业的应用，接入气象部门铁路沿线气象观测、预报信息，开展铁路沿线气象灾害预报预警，使铁路沿线气象灾害监测由点状布局、线状监测向区域性灾害防御扩展，提升对气象灾害发生发展过程和影响的识别能力，开展灾害预警，进一步提升铁路防灾减灾能力。

2.2 系统架构

高速铁路灾害监测大数据分析系统依据铁路信息化总体规划建设，充分利用既有资源，依托中国国家铁路集团有限公司(以下简称“国铁集团”)铁路数据服务平台统一建设，采用国铁集团主数据中心一级部署，国铁集团、铁路局集团公司、站段和车间四级应用模式。高速铁路灾害监测大数据分析系统应用架构如图2所示。

图2 高速铁路灾害监测大数据分析系统应用架构Fig.2 Application architecture of big data analysis system of high speed railway disaster monitoring

高速铁路灾害监测大数据分析系统逻辑架构如图3所示，系统逻辑架构包括数据源层、资源层、数据采集层、数据存储和管理层、数据分析层、应用层以及大数据标准体系和安全保障体系。

图3 高速铁路灾害监测大数据分析系统逻辑架构Fig.3 Logical architecture of big data analysis system of high speed railway disaster monitoring

（1）数据源层。数据源包括高速铁路灾害监测、报警数据，系统运行状态监测数据，系统运维数据，铁路基础设施检测监测数据，高速铁路沿线综合视频数据，动车组列车运行数据，以及气象部门铁路沿线关键气象要素观测、预报预警数据等。

（2）资源层。主要提供大数据存储、分析和可视化所需的基础软硬件支撑，包括存储设备、网络设备、虚拟化设备及相关软件等，主要由铁路数据服务平台提供。铁路地理信息系统为灾害监测大数据分析提供基于GIS地图的分析结果可视化展示。

（3）数据采集层。从数据源层各系统按约定格式采集分析需要的数据，并对数据进行集成、抽取、清洗及适配，实现对分析数据的全面采集。

（4）数据存储和管理层。数据存储包括对结构化数据和非结构化数据的存储，由于灾害监测数据监测时间尺度为秒、分钟级，数据量大，采用了冷热数据分离存储技术，以便于数据的快速分析处理。同时，对元数据、主数据、数据质量进行管理。

（5）数据分析层。建立高速铁路灾害规律分析模型，采用关联分析、聚类分析、深度学习等模型开展数据潜在价值的挖掘分析。

（6）应用层。结合实际应用需求，基于数据分析，为用户提供基于大数据的各类应用和数据共享服务。依托铁路数据服务平台，通过统一接口，为基础设施运维、动车组管理、运输调度管理、基础设施视频监控大数据应用等系统和业务提供高速铁路灾害监测大数据分析结果。

（7）大数据标准及安全保障体系。大数据标准体系主要为相关系统的信息集成、数据共享提供支撑，保证各异构系统之间按统一的标准进行信息集成与共享；安全保障体系主要为灾害监测大数据分析系统的数据安全提供可靠保障。

3 高速铁路灾害监测大数据分析系统应用场景分析

高速铁路灾害监测大数据分析系统的应用对高速铁路灾害风险识别、灾害规律分析应用、系统运维管理以及跨专业数据共享应用等具有重要意义。

3.1 高速铁路沿线关键气象灾害风险识别及预警

（1）基于气象部门长期观测数据的灾害风险识别。气象部门在全国建有综合的观测系统，尤其是经济发达的区域，基于铁路沿线长期的观测数据可进行风、雨、雪等气象灾害风险识别。某线路沿线30年一遇大风、强降水重现期分布示意图如图4所示。从图4中可以得出大风和强降水危险分布区域，可为高速铁路风、雨监测点优化布设、基础设施运维资源的优化配置提供参考，指导灾害防御和基础设施运维。

图4 某线路沿线30年一遇大风、强降水重现期分布示意图Fig.4 Distribution of return periods of strong wind and heavy rainfall occurring once in 30 years along a railway line

（2）气象灾害预警。通过铁路监测和气象观测数据的融合分析，开展大风、强降水以及极端天气预报预警，融合气象部门相关预报技术和数据，基于铁路和气象部门空间上粗细粒度、时间上长短期数据的结合，提高铁路气象灾害预报的准确性，将灾害监测关口前移，提升灾害预警能力，进一步保障列车运行安全。基于雷达反射率的区域性强降水预报结果示意图如图5所示。

图5 区域性强降水预报结果示意图Fig.5 Heavy rainfall prediction results

3.2 基于高速铁路监测数据的气象灾害风险识别

气象观测数据时间和空间尺度大，铁路风、雨、雪监测由于监测站点距离线路近，监测时间粒度小，因此，基于铁路监测站点的气象要素监测更能反映铁路沿线的灾害情况。基于高速铁路风、雨、雪监测数据，建立灾害报警时间、空间规律分析模型，开展风、雨、雪灾害时空分布规律分析，结合GIS地图，按全路、铁路局集团公司、线路、监测点等维度，以及年、季、月、日、灾害持续时间等粒度研究风雨雪及异物侵限灾害报警时空规律，为灾害规律认知、监测资源布设、区域性灾害报警处置规则的制定和灾害防御等提供决策支撑。某线路某年雨量报警时间分布规律示意图如图6所示，基于历年监测数据的某线路大风报警空间分布规律示意图如图7所示。

图6 某线路某年雨量报警时间分布规律示意图Fig.6 Rainfall alarm time distribution of a railway line

图7 某线路大风报警空间分布规律示意图Fig.7 Spatial distribution of strong wind alarm of a railway line

3.3 高速铁路灾害监测系统运用和维护管理

通过灾害监测大数据分析，分析现场监测设备环境适应性，为设备选型提供依据。通过设备状态数据的挖掘分析，研究设备故障规律、故障处置措施，形成系统运维专家知识库，为系统运维管理提供辅助决策。

（1）设备履历。集成灾害监测设备静态信息、动态信息、检修信息等全过程履历信息，对设备进行全生命周期管理，可提升设备运维能力。

（2）设备故障分析及预测。通过现场采集设备、监控单元、中心设备、终端、网络等设备状态监测数据、系统维护等数据的挖掘分析，研究设备故障时间、空间分布规律，归纳总结故障原因，开展设备故障预测，使系统维护由“计划修”向“状态修”转变，为工务、电务、信息等部门系统维护提供支撑。某铁路局集团公司故障设备及故障原因词云分析如图8所示，从中可以看出主要故障设备是防雷模块、传感器、UPS等故障，故障原因主要为防雷故障、传感器损坏等故障。

图8 某铁路局集团公司故障设备及故障原因词云分析Fig.8 Word cloud analysis of faulty equipment and fault causes in a railway group

（3）设备质量评价。集成设备基础信息、设备工作状态监测信息、设备故障信息、设备故障分析结果，结合现场实际环境等信息，综合考量与评估设备质量，形成设备质量评价报告，辅助运营管理人员快速全面掌握设备运行情况，为设备选型、系统运维提供决策支撑。

（4）设备故障知识库。集成灾害监测设备故障信息，归纳故障原因、故障现象和处置措施，形成设备故障知识库，辅助系统运维管理人员进行故障快速定位和处置。

3.4 数据共享

根据铁路信息化总体规划，依托铁路数据服务平台，根据铁路综合维修生产管理、动车组管理、运输调度管理、基础设施视频大数据等系统和专业对灾害监测数据的需求，通过接口服务为相关系统/专业提供灾害监测大数据分析成果，在更大的范围内促进高速铁路检测、监测数据的共享互用，发挥数据对运输生产的支撑作用。

雪监测点附近视频图像如图9所示，通过高铁视频大数据应用系统调取雪监测点附近视频图像，可查看分析现场积雪情况，也可获取视频监控点附近的积雪深度具体监测数据，为动车组列车运行、工务和电务等设备维护提供支撑。

图9 雪监测点附近视频图像Fig.9 Video images near snow monitoring stations

4 结束语

围绕高速铁路灾害监测大数据分析应用需求，基于大数据分析相关技术，通过一级部署、四级应用的总体架构设计，开展高速铁路灾害监测大数据分析应用研究，挖掘灾害监测数据的深层价值，服务于铁路灾害风险识别、灾害监测系统运维管理以及相关系统/业务计划编制和调整，提高高速铁路灾害监测系统运维效率，为其他系统和专业提供高速铁路沿线灾害监测大数据分析结果，充分发挥数据价值，促进高速铁路沿线灾害的精细化、精准化监测，促进灾害监测信息的共享互用，为高速铁路安全生产提供支撑。