云计算技术在地铁信号系统的应用研究

张志硕

（中铁十二局集团电气化工程有限公司，天津 300308）

0 引 言

地铁行业关乎人们的日常出行，是影响国计民生的重要行业。目前，地铁中的各个信号设备由不同的供应商来提供，而这些产品彼此之间的兼容性不高，因此需要投入技术力量来对这些产品进行运维维护，以此提升地铁行业装备的信息化水平。

Spark与Keras等云计算技术在地铁信号系统中的应用能够进一步管理列车开行计划、线路配置等核心数据，是支撑地铁正常运营、信息安全的关键部分。对于系统的研发，其具备良好的现实意义，能够将整个地铁信号处理业务与云计算进行有效结合，运维人员通过此系统及时定位通信故障，安排巡检人员进行处理，有效提升巡检运维的效率。

1 关键技术

随着城市交通的快速发展，地铁里程越来越长，与此同时，地铁信号系统对应的物联网监测终端数量也越来越多，能够实时采集地铁的运行状态、环境等数据信息。因此，在此场景下，需要通过大数据处理技术来完成这些海量业务信息的分析与处理，经过选型对比后主要采用云计算技术来进行处理。

云计算是目前发展最为迅速的技术之一，对于用户而言，在使用云计算技术时，对整个云计算内部的处理机制并不需要特别理解，另外也不需要了解云计算存储的底层设施，主要需要关注云计算的处理过程与处理方式，以此满足地铁信号系统输入与输出的处理需要。对于云计算而言，结合地铁信号系统业务处理的需求，用户能够进行整个计算资源的配置与管理，这些计算资源包括服务器、存储服务、网络服务等，通过这些不同资源的配置完成整个服务的处理需要。目前，不同公司充分意识到云计算的重要性，纷纷推出自己不同的云计算平台，如亚马逊推出了弹性云计算平台，微软推出了Azure云计算平台，国内阿里、华为、腾讯等公司也纷纷推出自己的云计算平台，用户通过网络就可以获取相关的云计算服务[1]。

1.1 Spark框架

在整个地铁信号系统中，主要采用的是Spark框架，此框架自身具备良好的可维护性、容错性与高吞吐计算能力，核心组件能够提供快速高效的流计算能力，存储的地方可以是仪表盘、文件系统及数据库等不同地方。具体Spark组架结构如图1所示。

图1 Spark组架结构

在整个结构图中，对于输入的数据源进行处理后，结合业务处理的需要采用Hodoop分布式文件系统（Hadoop Distributed File System，HDFS）、Database、

Dashboard等不同的方式进行存储。具体Spark框架处理执行流程如图2所示。

图2 Spark框架处理执行流程

在整个Spark框架内部的处理中，对于输入的海量数据信息，按照时间片的方式对这些数据信息进行处理，处理后的成果是云计算计算框架内部不同段的数据流。此种处理机制能够提升海量数据信息的处理效率，以此完成海量数据信息的快速处理，提升数据信息处理效率[2]。

1.2 Keras深度学习框架

在整个数据信息的处理中，Keras是目前广泛使用的深度学习框架之一，其主要采用Python语言进行编写完成，对外可以将其看做是高层神经网络处理的应用程序接口（Application Programming Interface，API），能够快速处理输入业务的问题，主要的技术特点分为以下几个方面。

首先，模块设计的思路。在Keras深度学习框架中，其内部包括多个不同的独立模块，这些模型能够根据业务处理需要进行不同的配置组合，满足应用程序的快速开发。常用的模块有损失函数、初始化策略、激活函数、优化器等，能够进行不同的配置处理。

其次，用户使用友好性。整个Keras深度学习框架中，用户的操作与使用体验是首选，需要重点考虑用户的使用需求，给出了详细的说明，查看这些API用户能够快速完成框架内部各个函数的调用与处理操作。

再次，Keras深度学习框架能够与Python语言进行协作处理。此框架的内部不具备独立的模型配置文件类型，整个深度学习框架采用Python语言进行编码完成，用户能够进行Python语言开发的快速扩展开发，提升了开发效率。

最后，良好的扩展性。Keras深度学习框架的主要思路是通过配置方式进行处理，因此技术人员根据业务处理的需要，添加对应的扩展函数。

在目前的技术应用中，常用的深度学习框架包括Keras、TensorFlow及Theano，后2个框架采用微服务处理机制，虽然总体具备良好的灵活性，但是学习难度较高；而对于Keras而言，其在具备良好灵活性的同时，学习难度也较低，能够同时与TensorFlow及Theano进行结合应用，此时Keras主要作为前端，而TensorFlow及Theano作为后台业务处理来使用。

2 物联网终端数据采集

在整个地铁信号系统的实现过程中，系统需要处理的数据主要来源于数据信息的采集，而采集主要由物联网终端进行操作。在整个物联网终端的设计中，需要考虑数据采集的目标，主要对配电信号采集设备终端进行监测，以此来获取符合相关信号采集设备的状态数据，主要原因在于此数据信息容易受外界的影响，因此需要更为精细化的方式获取这部分监测参数，从而确定整个信号采集设备周边环境与自身的状态信息。在整个物联网终端的采集中，主要采集的数据信息包括电流数据、电压数据，周边环境信息的采集主要包括温度数据、湿度数据等。对于物联网终端而言，结合终端所处的环境，网络通信采用窄带物联网（Narrow Band Internet of Things，NB-IoT）、4G等不同的方式。对于无线网络不好的环境，也可以采用有线传输的方式来进行，以此来构建整个物联网数据信息采集系统[3]。物联网监测的硬件包括计量芯片、集中器等内容，具体如图3所示。

图3 信号系统监测终端的硬件结构

在整个物联网终端的硬件设计部分，主要包括传感器、计量芯片、集中器等部分，传感器的主要内容是完成电流、电压、环境数据及电源数据信息的采集、传输与集中处理，整个物联网的终端结构包括存储器、液晶显示器（Liquid Crystal Display，LCD）显示电路、通信接口电路及有线通信备用模块等部分。

在整个地铁信号系统物联网硬件终端的设计中，虽然数据信息都能够通过数据通信模块将整个实时采集的电压、电流及环境数据信息传输到数据中台，但是数据远程传输时容易出现问题，同时巡检人员日常也需要对采集的终端进行检查与维护，因此数据显示模块是其中的重点模块，方便巡检人员现场查看。整个数据显示模块通过液晶屏的方式进行显示，用户能够直观查看各类数据信息，及时进行终端的维护[4]。

在整个数据显示模块的分析与设计中，需要综合考虑体积、耗电量及成本因素，以此方便用户进行整个数据显示模块的安装。对目前的模块综合对比分析后采用LCD12864型数据显示模块，此型号产品能够综合反馈用户的操作需要，内部集成中文字库，功耗低的特点使得每一次数据显示模块都可以使用较长的时间，这点是其最大的优势，另外良好的中文交互界面也方便用户使用，能够与当前信号采集设备监测终端进行良好的适配。

3 体系架构设计

在整个地铁信号管理系统的总体分析设计中，其核心采用的是Spark、Keras等云计算技术，整个系统平台分为3个层次来进行操作，以此满足总体巡检运维人员的操作需要，具体体系架构如图4所示。巡检人员主要在显示层进行操作。

图4 系统体系架构

体系架构中，整个功能的操作自上而下分为3个部分进行，用户在最上层进行操作，整个系统数据信息的处理在最底层，业务逻辑程序处理在中间层，以此完成整个系统的构建。这样的设计模式主要是降低系统不同层次架构的耦合度，有效提升总体系统后续的可扩展性，具体内容如下。

3.1 显示层

这一层的主要作用是为用户提供操作接口，地铁信号系统采用Spark等云计算技术，整个系统操作的功能分为信号的采集、传输与处理等。这些功能的对外接口由用户进行操作，每一次用户操作后系统都需要给出相应的提示信息。

3.2 业务逻辑层

在整个地铁信号管理系统中，这一层的主要作用是存储整个系统的业务代码，其与Spark云计算技术实现对整个系统中报警、信号、巡检等数据的分析与处理。通过此大规模并行计算的方式有效提升数据的处理效率，发挥数据的价值。

3.3 数据层

此层主要是完成各类数据的存储与管理，负责分析系统中的所有数据。每一次系统采集的信号、巡检、报警等数据信息都需要存储到相应的表格中，后续采用云计算技术能够对这些数据进行快速的挖掘分析，以便提升系统中总体数据信息的价值[5]。

4 结 论

在整个地铁信号管理系统的发展中，采用信息化技术来推动整个地铁装备新的发展进程，使得地铁装备能够与信息技术进行深度融合。为此政府应加强技术性政策的扶持力度以及对物联网、人工智能、云计算、区块链等前沿技术的科研力量，建立开放、包容、互信的氛围，以此有效缩短科研周期，创造更高的应用价值。依托地区优势，打造良好的地铁装备产业集群。政府应打破现有的管理机制体制，根据地铁装备发展的特点，对整个产业集群内部上下游企业相关的物流、供应商进行整合与管理，对整个传统的产业链进行提升处理，转变传统企业之间的竞争，有效提升企业之间的倍增效应，进一步激发企业数字化转型发展的动力。此外，政府鼓励各个企业依托自己的发展需求，与高校、科研院所共同制定地铁装备人才培养计划，使得学生专业技术的发展更好地依托于企业的需求，同时为人才创造良好的工作、生活空间。