城市轨道交通实训中心智能运维管理系统设计

曾 光，杜 飞，黎新华

（1.广东交通职业技术学院轨道交通学院，广州 510630；2.北京城建设计发展集团股份有限公司，北京 100034）

0 引言

城市轨道交通（以下简称“城轨”）是城市交通系统中的重要组成部分，也是推进城市绿色、智慧、可持续发展的重要手段。城轨的智能化发展对城轨从业人员提出了新的更高要求，而城轨实训中心是培育城轨技能人才的重要场所之一，良好的实训中心运维管理系统能够提高实训效率与质量、实训设备维保效率、实训中心运营安全性，并降低运维成本，对提升人才培养质量具有重要作用［1］。

随着城轨智能化的推进以及职业教育提质培优的需求，轨道类高职院校实训中心面临着越来越复杂的挑战。实训设备的复杂度和体量不断提升，而传统的管理方式却未能有效解决实训设备维护、物资管理、教学管理、应急管理等方面的问题。此外，大多数实训中心缺乏完备的列车运营实训场景，管理体系不完善，执行手续不规范，对外开放程度较低，整体效率低下，实训质量也无法得到有效监控和评价［2］。现有的纸质化管理方式已不能满足实训中心日益增长的管理任务需求，缺乏精细化管理习惯，信息化管理手段也欠缺有效监控和反馈机制，无法提供针对性的预警和改进建议［3］。

信息化、智能化的管理手段已成为提高实训中心管理水平的重要趋势。本文基于需求分析，将云-边协同框架应用于城轨实训中心智能化管理，通过云计算、大数据、人工智能、数字孪生等智能技术，实现多专业协同融合的城轨实训中心智能运维管理，以期满足城轨实训中心日益复杂化的管理需求。

1 需求分析

1.1 多专业的融合协同

城轨实训中心通常面向通信信号、车辆技术、机电工程、运营管理等多个专业开放，这些专业之间存在密切的联动关系。单一专业的智能运维管理系统虽然具有很强的针对性，但无法满足整个实训中心的全方位管理需求。因此，为实现多专业的协同融合，需要采用一个统一的智能运维管理系统，将已有的单一专业智能运维管理系统数据进行汇聚整合，实现智能化管理多个专业的设备状态检测、资源动态更新、教学数据展示、应急联动操作等功能，从而提高实训中心管理系统面对不同环境、不同需求的适应性及系统自身的综合性［4-5］。

1.2 集成化的实时监测

城轨实训中心的实时监测对象包括实训设备和实训环境两个方面，其中实训设备的实时监测是通过传感器、智能运维专项子系统等对各专业的实训设备状态进行检测，包括设备的电源变化、温度变化、运行数据、告警信号等关键信息；实训环境的实时监测是通过摄像头、传感器等对实训中心规定区域内设备摆放的整洁度、实训场所的异物入侵、实训场所的人流量以及明火或异味等安全因素的监测。所有数据以图形化、实景化等方式进行展示，方便管理者掌握实训中心的运行状况，更快地发现故障并进行维护，提高运营效率。同时，与安全监控中心、报警平台等构建形成应急联动机制，提高运营安全性［6-7］。

1.3 智能化的故障预防

城轨实训中心主要为实践教学服务，其中的实训设备使用频率较高，并且大多部分学生为初学者或经验不足，设备使用规范方面得不到很好保证，使得实训设备的故障率一直居高不下。对此，需要通过对设备的历史运行数据分析，结合故障案例库、智能分析库、维护手册等提高智能化预判算法精确度的内容，建立不同设备的故障处理体系，并定义对应的故障代码，形成故障树。梳理故障形成的逻辑，有效指引设备日常预防性维护措施的实施，从而降低实训设备故障率和维护成本，保证实训设备的安全和可靠性，进而提高实训效率和质量［8］。

1.4 信息化的资源管理

城轨实训中心的资源管理主要涉及设备、人力、物料、实训计划等方面。设备资源管理包括设备编码、名称、型号、价格、购置时间、使用部门、年限、责任人等信息；人力资源管理包括累计使用人数、当月使用认识、优秀实训成绩、荣誉表彰等信息；物料资源管理包括物料类别、库存数量、出入库记录、报废记录、领用人、数量和时间等信息；实训计划管理包括项目名称、班级、时间、地点、指导老师等信息。信息化的资源管理可方便统计和分析，实现资源的统一管理和共享，提高使用和管理效率［9］。

1.5 数字化的场景输出

由于经费、技术或规划等原因，当前国内相关高职院校在城轨实训中心建设方面还存在实训设备零散、实训系统规模较小、实训条件不能完全模拟真实工况等问题，而完备真实的实训系统是深化产教融合的重要体现之一。数字化的场景输出有别于专项的虚拟仿真系统，其模型及数据基于校企合作企业提供的现场真实场景库，并能够根据不同专业的不同实训项目内容，提供数字化的场景输出接口，与实训中心真实设备连接，形成虚实联动，提高实训的真实性和可操作性，更好地模拟真实的城市轨道交通环境，同时增强实训的可重复性和可比性，方便教学管理和评估［10］。

1.6 多方面的反哺机制

城轨的数字化、智能化程度日益提升，为各类业务的智能运维管理奠定了基础，广州地铁集团有限公司、广州铁科智控有限公司等均在大力推动智能运维系统的实际应用，并取得良好成效，这也衍生出智能运维管理相关的岗位需求。城轨实训中心智能运维管理系统，应该体现当前城轨智能运维发展的前沿技术应用与前沿技能要素，在推动实训中心的智能运维管理的同时，此系统本身也能作为智能运维系统实训项目的模块之一，对接产业需求，反哺实训教学。此外，此系统也能够根据采集的数据、评价、建议等信息反馈至系统各单元模块，促进系统各模块智能化程度的更新进步［11］。

2 系统设计

2.1 逻辑架构

针对城轨实训中心的多层次需求，综合运用云计算、边缘计算、大数据、人工智能等技术，构建了基于云边协同架构的城轨实训中心智能运维系统（见图1）。此系统将云计算和边缘计算节点连接起来，形成一个分布式的计算网络。云计算节点负责大规模数据的处理和存储，边缘计算节点则负责实时数据的采集、处理和传输。两者之间通过网络连接进行通信，实现数据的快速交换和共享，从而实现更快速、更可靠的数据处理和应用服务。同时，云边协同架构还支持边缘计算节点的自主决策和任务分配，从而实现更加智能化的服务和应用场景。这种云边协同方式的优势在于能够充分利用云计算和边缘计算的优势，提高系统的响应速度和可靠性，同时降低维护成本和复杂度，进而提高城轨实训中心的管理效率和资源利用率，促进城轨实训的智能化和数字化进程［12］。

图1 城轨实训中心智能运维系统逻辑架构

在本架构中，终端设备通过传感器收集运维数据后，将其上传至边缘节点。边缘节点实时处理和存储数据，并向终端设备下发指令和决策，以实现系统的快速响应。云数据中心接收处理后的数据和区域决策反馈结果，利用机器学习、深度学习和数据挖掘等技术对数据进行分析和模型训练，并将指令和模型下发至各边缘节点，为相关功能的实现提供支持。此外，为满足城轨实训中心的环境管理、物资管理、教学管理等需求，对应平台与云数据中心提供直接通信通道，实现云到端的直接数据交互。

2.2 物理架构

根据逻辑架构，本系统通过构建实际的物理架构，将各个子系统的接口数据集中到多个内容服务器上，通过防火墙、交换机等传输设备接入数据库服务器，实现数据的集中存储、综合计算等功能（见图2），并最终通过各种类型的显示终端，将结果进行可视化呈现。

图2 城轨实训中心智能运维系统物理架构

3 技术实现

3.1 技术路线

基于云-边协同的城轨实训中心智能运维管理系统，按照“数据采集—数据预处理—数据传输—数据分析—数据应用”的逻辑，将系统划分为物理感知层、数据汇聚层、网络传输层、数据处理层和业务应用层［13］（见图3）。

图3 实训中心智能运维技术路线

第1 层级（物理感知层）：主要实现数据采集功能，是整个系统的基础。该层级使用智能感知技术对信号、车辆、通信、供电、机电、工务、环境等专业的关键设备进行全面监测和数据采集。采集到的实时运行状态数据通过系统标准数据接口和传输网络传输至数据汇聚层，从而打破以往各专业独立采集设备数据和数据孤岛的局面。

第2 层级（数据汇聚层）：由多个边缘计算节点组成，主要实现对各专业设备及实训中心环境数据的实时感知。边缘节点向上连接云计算中心，向下接入各专业终端设备的感知系统和实训中心环境感知系统，并利用云中心下移的计算能力、存储能力及系统功能，进行边缘数据的实时处理。通过边缘节点的实时评估、故障诊断、预警预报等功能，我们能够对终端设备的运行状态进行全面管理和控制。

第3 层级（网络传输层）：主要实现数据的传输和流转。该层级可提供不同的数据信息传输方式，以满足不同的传输需求，并可以通过网络传输链路，链接不同空间位置的多种专业设备，实现实训中心运维数据的集中共享，进而提高整个系统的效率、可靠性和安全性，增强系统的整体稳定性和可靠性。

第4 层级（数据处理层）：整个智能运维系统的核心，主要实现数据分析功能。基于云边协同架构，该层级和以边缘计算为核心的数据汇聚层在资源共享、数据分析、服务体系、功能应用等方面实现全面协同，并在故障案例、维护手册、应急方案等基础数据的支撑下，通过大数据、云计算、人工智能、数字孪生等信息技术，进行数据的实时分析处理，并生成对应的数据模型。而基于数据模型的分析结果，可以针对设备运行状态进行及时的评估、故障诊断、预警预报等工作，进而保障整个运维系统的稳定运行。

第5 层级（业务应用层）：基于大量的运维数据，通过云边协同架构，实现实训中心智能运维系统的顶层应用功能。该层级包括6 个平台，分别是实时监控、数据管理、健康管理、应急管理、物资管理和教学管理，这些平台能够提供全方位的数据支持和可视化服务，是城轨实训中心智能运维管理系统功能的实现与展示。

3.2 关键技术

3.2.1 智能感知技术

智能感知技术实现对各专业设备的全覆盖智能感知和数据采集，以及各专业终端感知设备的实时评估、故障诊断、预警预报等功能。在本系统中，智能感知技术主要应用于第1 层级的物理感知层，以实现数据采集功能。智能感知技术的应用，能够帮助本系统实现对城轨实训中心各专业设备的全面监测和数据采集，并将对应数据发送至数据汇聚层，从而为后续的数据处理和分析提供充足的数据基础［14］。

3.2.2 数据库技术

数据库技术是指用于管理数据的一组技术，包括数据的存储、组织、访问和维护等方面。数据库技术可以帮助本系统有效地存储和管理数据，从而实现数据的快速访问、查询和分析。在本系统中，数据库技术主要应用于第2 层级的数据汇聚层和第5 层级的业务应用层。在数据汇聚层，数据库技术主要用于对各种设备的运行数据、故障数据、环境数据等数据的高效存储和管理，保证数据的可靠性、完整性和安全性，同时为上层业务应用层提供所需的数据支持；在业务应用层，数据库技术主要用于数据管理和分析，例如对设备运行状态、健康状况、故障信息等进行实时监测、诊断、预测和分析，实现数据的快速查询、统计、分析和可视化展示，为运维人员提供决策支持和指导，提高设备运行效率和稳定性［15］。

3.2.3 云-边协同技术

云-边协同技术是指云计算和边缘计算之间的协同工作，以实现数据处理、存储和分析的高效和实时性。在本系统中，云-边协同技术主要应用于第2 层级的数据汇聚层和第4 层级的数据处理层。本系统通过云-边协同技术，实现设备运维数据的实时接入、汇聚、处理、分析、离线存储等工作，并生成相关数据模型下发至边缘节点，用于及时更新边缘侧模型，实现边缘侧设备的快速响应。同时，通过云-边协同技术，本系统的边缘节点可以向云计算中心请求分配计算和存储资源，在边缘节点实现数据的汇聚、融合、存储、处理，从而实现对终端设备运行状态的实时评估、故障诊断、预警预报［16］。

3.2.4 故障预测与健康管理技术

预测与健康管理（Prognostics Health Management，PHM）技术是一种基于数据分析、建模和预测算法，通过对设备、系统或过程的实时数据进行分析和诊断，实现对其健康状况的监测和预测。PHM 技术可以帮助本系统实现故障预警、维护计划优化、降低运维成本等目标。在本系统中，PHM技术被应用于设备的运行状态监测、故障诊断和预测，并结合边缘计算、云计算和物联网技术，实现设备数据的实时传输和处理，同时利用机器学习和数据挖掘等技术，建立设备的预测模型，实现对设备运行状态的实时监测和预测［17］。

3.3 系统功能

本系统可以支持微信端小程序、手机端APP、电脑端应用软件等多种推送方式，并且可以和实训中心的VR设备一体化联动（见图4）。

图4 实训中心智能运维演示系统

3.3.1 数据汇聚与处理功能

在本系统中，可以通过传感器和监测设备采集设备运行数据、环境数据、故障数据等信息，并将这些数据汇聚到数据汇聚层，再利用数据库技术对数据进行存储、管理和处理。在处理过程中，本系统采用数据清洗、数据融合等技术，对数据进行预处理，使其满足数据分析的要求。同时，本系统采用机器学习和数据挖掘技术，对数据进行建模和分析，提取数据特征，并生成预测模型和健康评估模型，用于设备运行状态的预测和健康评估。通过数据汇聚与处理功能，本系统能够实现对设备运行状态的实时监测、故障诊断、预警预报等功能，为上层业务应用提供数据支撑。

3.3.2 实时监测与预警功能

在本系统中，实时监测与预警功能是通过多种技术实现的。首先，在数据汇聚层中，本系统采集并处理了大量的设备运行数据、环境数据、故障数据等信息，通过对这些数据的实时监测和分析，可以及时发现异常情况并作出相应响应。其次，在业务应用层中，本系统通过PHM 技术，对设备的健康状况进行预测和诊断，并通过预警功能提供及时的预警和预报。此外，本系统还结合了人工智能和机器学习技术，通过对历史数据的分析和挖掘，提高预警的准确性和实时性，确保设备的安全运行。

3.3.3 故障诊断与预测功能

在本系统中，故障诊断与预测功能通过基于机器学习算法的故障诊断模型和预测模型实现。这些模型基于历史数据进行训练，能够对设备的运行状态进行实时监测和分析，并通过与已有模型的比对，及时识别故障并进行预测。在故障发生时，本系统会自动发送警报信息并提供相应的解决方案，帮助运维人员快速诊断和修复故障，提高设备维修效率。此外，通过对故障数据的收集和分析，本系统还可以自动调整和优化设备运行参数，提高设备的可靠性和稳定性，减少故障率和维修成本。

3.3.4 健康管理与评估功能

本系统通过采集设备的运行数据和故障信息，使用PHM算法进行实时分析和诊断，预测设备未来的健康状况，并向运维人员提供预警和预测结果，以便及时采取措施防止故障发生，提高设备的可靠性和稳定性。此外，本系统还可以基于PHM算法对设备进行健康评估，为运维人员提供设备维护和保养的建议。健康管理与评估功能的实现，可以提高设备的可靠性和安全性，减少维修和更换成本，提高设备的使用寿命，同时也可以提高系统的运行效率和性能。

3.3.5 应急管理与响应功能

在本系统中，应急管理与响应功能的实现，是在实时监测和预警功能的基础上，本系统还能够自动判断和分析设备异常情况，并快速响应。当本系统检测到设备出现故障或预警信号时，会自动触发应急响应机制，及时通知相关人员并采取必要的措施，以保障设备运行的安全和稳定性。并且在应急事件发生后，本系统将提供快速的应急响应管理功能，包括预案管理、事件响应、应急处置、评估反馈等环节。本系统能够自动识别事件类型，根据预设的预案自动启动应急处置流程，并对处置效果进行评估和反馈，以提高应急响应效率和效果。

3.3.6 教学管理与服务功能

在本系统中，具体教学管理与服务功能包括：实训教学管理，即通过对实训数据的管理和分析，对实训教学进行监测和评估，提高教学质量和效果；教学资源管理，即对实训教学资源进行管理和调度，包括设备、教材、工具等，为教学活动提供保障；学习效果评估，即通过对实训数据的分析和处理，对教学效果进行评估和分析，为教学改进提供数据支持；教学服务支持，即为学生和教师提供实训教学相关的服务和支持，包括实训平台的维护和管理、教学指导和咨询等；教学信息共享，即通过数据共享和交流，促进实训教学资源和经验的共享和交流，提高教学质量和效率。

3.4 应用价值

基于云-边协同架构、多专业协同融合的城市轨道交通实训中心智能运维管理系统对于提高城市轨道交通实训中心的信息化管理水平，促进技能人才培养质量的提高具有重要意义，并具有多重的应用价值。首先，本系统为城市轨道交通实训中心提供了高效、智能的运维管理工具，使得设备运行状态、故障信息、健康状况等得以实时监测、分析、诊断和预测。这不仅有助于提高设备维修效率，也能有效减少故障带来的损失。其次，本系统在应急管理方面提供了强大的支持，能够及时预警并响应突发情况，从而保障设备运行安全和稳定性，避免了可能带来的严重后果。此外，本系统还具备多专业融合协同的优势，能够整合各个专业的知识和技术，从而更加全面、准确地进行设备监测和管理。这一特点对于轨道交通行业而言尤为重要，因为该行业的设备种类繁多、涉及多个领域，需要多方面的专业知识进行维护和管理。最后，本系统还为教学活动提供了数据支持和管理服务，能够提高教学质量和效率。这一点对于轨道交通行业的人才培养来说非常重要，因为高质量的教学能够培养出更加专业、能力更强的人才。

4 结语

随着智能时代的到来，实训中心的智能化管理已经成为必然趋势。基于云-边协同结构、多专业协同融合的城市轨道交通实训中心智能运维管理系统集成了六大平台，包括实时监控、数据管理、健康管理、应急管理、物资管理和教学管理平台，解决了多平台重复建设、各专业彼此封闭、设备故障监控不足等问题，为城市轨道交通实训中心的信息化、智能化管理水平提高，提供了全新思路。

城市轨道交通实训中心的智能化管理对技能人才培养质量有着至关重要的影响。当前，智能化运维系统尚处于初步发展阶段，多专业间的深度协同融合、设备故障的智能分析、边缘计算和云平台技术等方面仍面临巨大挑战，本系统的发展，面临着同样的挑战。然而，随着新兴技术的不断涌现，我们将紧跟新技术的发展步伐，通过不断实践与优化，以期实现更为通用、高效的实训中心智能化运维管理系统。