1  前言

随着国民经济持续快速增长，城市轨道交通作为城市公共交通的主动脉，越来越多的城市轨道交通车辆投入运营，运营总里程和车辆总数不断攀升，车辆的复杂性和综合化也不断提升。如何在保证安全稳定运行的前提下，提高运维效率，升级检修模式，成为城市轨道交通亟待解决的问题。

城轨车辆智能运维系统利用先进的监控感知、云计算、大数据分析、物联网和人工智能等新型信息技术，构建新一代车辆运、检、维一体化的服务平台，实现车辆的实时状态监控、故障预测、健康评估和趋势预测，最终助力车辆的全寿命周期管理。

本文介绍了运维系统的发展现状，从系统架构、数据架构和运维功能等方面完成了车辆智能运维系统方案设计，为运维技术的发展提供参考。

2  车辆智能运维技术发展现状

在相关政策、大数据分析技术、PHM技术及车载核心设备升级的支持下，城轨车辆智能运维技术不断发展。

2.1 香港地铁

香港从2005年开始推行“智慧地铁”，至今已经建立了包含调度系统、车辆管理系统的一整套完善的信息化运维系统，实现了车辆调度、车辆检修、车辆维修、车辆安全检查和实时车辆监控。

2.2 广州地铁

广州地铁率先提出建设基于1个轨道交通智能平台+4项关键技术的“1+4”智慧轨道交通体系，全面推进线网智慧运维新技术平台搭建。利用“智能装备+大数据”实现装备的智能感知和联动，为开展车辆健康评估、故障诊断和预警奠定了基础。广州地铁18号线、22号线平台集成的车辆检修全寿命周期智能运维系统包括：轨旁监测系统、车载监测系统、分析和业务系统。通过对列车状态部件寿命及安全相关的在途监测、故障诊断、状态综合分析、趋势预测、故障隐患挖掘，并提供网络化维保和应急处置支持的系统，实现列车全寿命周期的智能化运维管理。

2.3 深圳地铁

深圳地铁搭建了以Hadoop大数据结构为基础的车辆智慧运维平台，其智慧系统包括智慧列车、智慧检修、智慧监测等，通过对车辆状态数据及维护数据的采集、转换、融合和处理，形成车辆故障-预警-反馈的全闭环管理。具备车辆分析系统、轨旁车辆综合检测系统、生产调度系统等。

2.4 上海地铁

上海地铁智能运维平台，包括车辆、供电、通号、工务4个子系统。从早期的运营车辆实时数据的传输及图形化显示，到目前系统涵盖车地无线实时传输系统、轨旁综合监测系统、维护管理系统的深度开发，推动了系统平台的全面拓展建设和应用。同时能够实时跟踪车辆维修进度，有效提高了地铁设备维护的准确性和工作效率。智能运维系统获批国家示范工程，涵盖了车联网系统、检修业务支撑系统、轨旁车辆综合智能检测系统、点巡检管理系统、施工平台管理系统等。

2.5 北京地铁

北京地铁目前已逐步建立起“以可靠性为中心”的维修管理模式，通过开展智能运检修平台研究，实现车辆的安全运营和智能化管理。北京17号线在工艺设备包中涵盖车辆段智能管控系统，具备车辆智能运维平台、车辆故障与健康分析系统、车辆智能检修系统、检修设备管理系统、检修安全智能管控系统五大功能模块。

近年来我国城市轨道交通发展迅速，车辆的运维问题渐渐成为行业关注的焦点，能够有效解决车辆运营与架修模式之间的供需矛盾，并与PHM、云计算、大数据分析等技术形成产业融合。车辆运维产业是行业面临的创新挑战，也是发展机遇。

3  城轨车辆智能运维系统架构设计

3.1. 总体架构

智能运维系统主要由车载PHM系统、车地通道和地面运维系统三部分组成，三者结合实现车辆状态智能检测、数据无线传输和智能运维。通过监控感知、大数据分析、云计算、人工智能等技术，充分挖掘车辆核心数据，并结合轨旁检测数据和检修工单信息等进一步支撑相关智能化应用。

智能运维系统总体架构如下图所示。

图1 智能运维系统总体架构图

3.1.1车载设备

车载设备主要包含各子系统的车载PHM单元和车地无线传输装置。车载无线传输装置分别连接TCMS的MVB主干网络和以太网信息网，用于实现整车及关键部件的运行状态数据和故障数据的采集、处理、存储、加密、压缩、下载和车地传输等功能。为地面运维系统提供数据支撑，用作车辆状态的远程监控和分析，并赋能相关应用。

为了保障车地无线传输数据的安全性，车载主机设备通常设置为仅允许车辆往地面单向发送数据，而且具备多种数据加密方式以及软件防火墙，禁止任何未经授权的非法访问，保障车辆信息安全。

3.1.2车地传输通道

车载无线传输设备采集到的数据，可以通过LTE、4G/5G、WLAN等方式实现车载实时数据落地。

轨旁数据、弓网视频数据等车辆离线数据可通过库内无线局域网形式落地。库内设置AP设备和地面交换机，用于无线网络覆盖。车辆回库后，一旦检测到无线局域网络，车载传输设备自动与地面AP连接，将列车车载数据传输至地面运维系统服务器。

3.1.3地面智能运维服务集群

地面控制中心放置地面数据集中服务器集群，接收车辆无线传输装置发送过来的数据。

地面智能运维平台以车载运行数据为基础，结合轨旁数据、离线数据、工单信息和检修维保数据，利用大数据分析、云计算、人工智能、深度学习等技术，挖掘故障特征及退化趋势，开展车辆故障预测与健康管理技术研究，实现数据采集、数据管理、数据分析及各种应用功能，提升列车运营和检修效率。

3.2. 关键技术

3.2.1 Hadoop

Hadoop是一款开源分布式计算平台，也是当前学术界和工业界应用最为广泛的一款云计算软件平台。它实现了Map/Reduce编程泛型，将计算任务进行分割，另外，它还提供了一款分布式文件系统（HDFS），数据被存储在计算节点上以提供极高的跨数据中心聚合带宽。HDFS作为分布式的文件系统，MapReduce作为分布式的计算核心，依次为基础由衍生出Spark、Yarn、Kafka等上层功能组件。

以Hadoop为核心的大数据体系目前已趋于成熟，成为被广泛一个用的一套大数据生态系统，其优势特点如下：

（1）高扩展性

Hadoop集群具有高可扩展性，随着集群规模的增长，其计算能力也随之成倍增长。它可以扩展到上万台服务器节点来完成海量数据的存储，并在这些节点上分配数据来完成分布式计算工作。

（2）成本低

Hadoop架构可以部署在众多价格低廉的机器中，以很低的成本来完成高容错性的数据存储和计算看工作，可以大大降低用户的经济成本。

（3）应用广泛

Hadoop是目前使用最多的云计算平台。围绕着Hadoop开源社区，众多开发者、研究人员和各类用户均对其进行补充完善，并共享相关技术产品，这使得Hadoop技术可以持续快速发展。

（4）开源性

Hadoop作为一个开源分布式计算平台被众多研究机构和公司广泛使用。HDFS可以为数据的存储提供高吞吐量的数据读写，并可以快速扩张存储空间。MapReduce技术对于数据处理平台的开发人员完全透明。

3.2.2 Spark

Spark是一种采用内存计算技术的大数据并行计算框架，它可以与HDFS分布式文件系统、Kafka消息队列等数据源进行集成。

3.2.3 Kafka

Kafka是一款支持发布订阅模式的分布式消息队列，主要用于处理高吞吐的数据流传输，它具有可扩展性、高可用性及容错等特性，并且支持多种编程语言，多种数据格式。Kafka的目的是通过Hadoop的并行加载机制来统一线上和离线的消息处理，也是为了通过集群来提供实时的消息。消息的生产者将消息发布到kafka的topic中，相应的消费者从这些topic中订阅并消费这些信息。

3.2.4 PHM技术

PHM技术通过状态数据与机理模型方法结合，能够对大量的数据进行实时分析，对故障原因和模式进行诊断，预测故障的发展趋势，最终实现故障的精准定位和处置建议。PHM体系架构定义了数据采集、传输、处理、状态监测、健康评估、故障预测和决策支持。

PHM是实现工业信息化的重要手段，目前广泛应用于制造业、航空航天业和汽车业等领域，也是提高设备可靠性、安全性、降低全生命周期费用的核心。

4  城轨车辆智能运维系统功能设计

4.1. 系统功能架构

智能运维系统采集和存储列车各系统mvb数据和以太网实时数据，结合车辆构型资料、故障履历、预警模型机理等资料，借助智能分析及建模手段，实现状态监测、故障诊断、故障预警、健康评估、维修建议、故障统计、知识管理、能耗管理、用户权限管理等功能。

图2 智能运维系统功能架构图

4.2. 车辆实时状态监控

根据车载监测系统实时获取的列车状态、故障数据，以卡片、图形、表格、仪表盘等可视化形式在地面运维平台监控端进行线网级、线路级、列车级、子系统级和部件级的状态监视和展示，或生成主题报告。

监视所有线路列车实时基本运行状态信息和列车实时故障信息，包括当前列车个子系统的详细运行数据，便于故障定位。支持故障报警、故障预警信息实时监测和管理。可以1：1复刻车辆HMI显示屏界面，便于无人驾驶车辆在地面查看相关运行信息。

4.3. 数据分析、故障管理及运维应急指导

结合车辆、子系统、核心关键部件的常见失效模式及故障机理，建立故障诊断和预警模型，进行相关亚健康识别，实现对故障精确定位及提前感知，并给出维修处理建议，降低正线运营故障率。

当故障/预警/预测事件产生时，自动关联故障知识库和模型清单。结合故障发生时段的参数数据、故障历史记录，关联应急处置措施、库内处置措施为事件分析和处理提供支持。

预警、告警模型包含阈值预警、突变预警、趋势预警、大数据预警等，支持相关阈值和逻辑机理修改。

4.4. 车辆及子系统健康评估

健康评估系统从部件寿命、维护信息、修程、运营里程、部件更换信息、历史故障、当前故障、预警信息、系统监测项点实时监测数据等维度开展，对相关数据进行充分挖掘和分析。基于聚类、逻辑分类等大数据技术，结合阈值标准要求，对原始数据进行数据清洗、输入模型运算，实现列车及其关键部件实时健康状态监测和健康状态评估。

针对部件更换信息、维护信息等不连续变量，结合健康度，输出部件、系统健康状态评估结果等信息完成系统级和整车级的健康评估。评估结果反映当前服役状态，体现健康状态发展变化趋势，为检修、故障预警和车辆维护提供依据。

4.5. 车辆履历及构型数据管理

智能运维系统能够对包括车辆线路、车号、车型、编组、设备品牌、型号等静态基本信息，列车及设备的运行信息，列车故障履历，更换件信息，系统版本信息等车辆履历内容和构型数据进行管理。

构型数据管理包括产品信息维护、产品构型模型维护、部件构型模型维护等功能。以“构型信息模型”为核心建立产品管理主数据，构建产品结构模型，可按照列车、部件维度对产品进行分解。支持导入全线列车构型数据，为维修建议方案和作业指导书等技术资料的管理提供主数据。

5  城轨车辆智能运维系统应用实例

5.1. 车辆实时状态监控应用实例

图3 线网级监控实例

图4 线路级监控实例

5.2. 数据分析、故障管理及运维应急指导应用实例

图5 事件详情及检修提示界面实例

5.3. 车辆及子系统健康评估应用实例

图6 车辆集群健康管理实例

5.4. 车辆履历及构型数据管理

图7 车辆履历及构型界面实例

参考文献：

[1] 刘光俊.基于大数据技术的地铁列车智能运维系统核心模块设计与实现[D].山东大学，2023.

[2] 赵焱.基于大数据的城轨车辆PHM智能运维系统的研究与实践[J]. 铁道车辆，2022.60(6):135-138.

[3] 刘光俊.长春客车股份公司轨道交通智能运维系统方案研究[D].吉林大学，2021.

[4] 董成.轨道交通车辆智能运维平台设计应用与发展建议[J]. 交通建设，2024.2(384):96-98.

[5] 廖致远.轨道交通装备PHM技术现状与发展趋势[J].电力机车与城轨车辆，2024.47(3):8-16.

[6] 秦征.轨道交通车辆车门系统智能运维技术方案研究[J].研究与探索-智能制造与趋势，2024.3:30-32.

[7] 田兴丽.城市轨道交通车辆制动系统的智能诊断与预警系统[J].城市轨道交通，2023:94-103.