智慧城轨车辆智慧运维解决方案

目录页01OPTION02OPTION03OPTION城轨车辆运维现状与挑战城轨车辆智慧运维解决方案探索与实践城轨各类设备/设施运维成本高、效率低，难以支撑业务高质量、可持续发展出行计划进站安检购票进闸候车乘车下车出闸出站维修流运营前检查开站应急处置交接班管理关站设备巡检故障检修计划检修04:0023:00车站巡视票务组织客运组织行车组织信息发布&广告智慧客服出行规划智慧售检票智能服务机器人常旅服务/刷脸进站施工组织资产管理设备健康管理施工管理数字化巡检一键开关站车站智慧安防车站应急管理客流预测与组织日常管理巡检行车流乘客流信息交互类通信、安检、AFC、PIS……车站设施类电扶梯、环控、低压配电……基础结构类隧道、桥梁、车站结构……行车运输类车辆、信号、供电、轨道线路、屏蔽门……各地城轨维保费用平均占到日常运营总成本的20%，人力成本占到日常运营总成本的50%。

——现代城市轨道交通杂志《城轨列车智能运维技术体系框架研究》故障部件本身的成本故障部件更换人工费运营中断减少的客运收入可能引起的关联部件故障损失对品牌造成的负面影响车辆运维的效益认知呈现“冰山”现象故障发生特征：研究数据表明，在工业领域复杂设备的零部件只有大约11%会出现固定间隔的故障，还有高达89%的设备故障是随机发生的；传统运维模式：传统周期性/预防性维护的“计划性维修”，难以应付“随机故障”，易造成“响应式维修”；运维效益认知：“响应式维修”不仅造成直接损失，更严重威胁城轨运营“安全”、并使城轨维保“成本”居高不下。车辆作为城轨关键运维对象，传统模式面临“安全”和“成本”的双重挑战车辆传统运维模式分析修程修制偏保守，为保安全“过度修”修程多：车辆维修通常分为日检、周检、双周检、月检、半年检、架修、大修等，流程繁多、周期固定；修制死：大修/更换等按周期，不管健康状态，易浪费；费用高：据x地铁估算，未来10年车辆架大修将进入高峰期，年均维修量将超600辆，年维修成本约10亿。效率低、成本高，人工为主不可持续人工场景多：日常检修、数据分析、健康评估等依赖人工经验，缺少足够系统支撑；运维需求大：车辆平均年复合增长率近20%，而人员增长率小于10%，人工为主的运维模式，难以支撑未来城轨业务的可持续发展。目录页02OPTION01OPTION03OPTION城轨车辆运维现状与挑战城轨车辆智慧运维解决方案探索与实践运营服务运营支撑状态回放历史参数查询历史预报警查询历史故障查询故障管理工单查询运行监控运行全网监控健康评估健康度问题维修执行维修工单管理工单工单线路监控轨旁检测事件中心工单中心监控中心监控事件运维评估故障分析指导优化监控工单监控监控报警预警故障数据服务模型库规则库策略库知识库事件运行监控健康管理故障诊断维修决策故障预测轨旁检测车辆智慧运维：基于车辆安全监测和故障预测，保障车辆运行安全，实现运维降本增效整理制作郎丰利1519IP/光网络车载数据大数据平台运营监测轨旁检测故障预测维修建议健康评估车辆参数数据轨旁检测数据……维修建议故障和事件A类 B类潜在故障

一般性功能故障C类影响运营打包维修处理当日回库维修停车检查处理维修计划建议配件需求运维现场和检修车间配件管理检修工艺检修资料配件需求人员需求工具需求准备配件准备人员准备工具维修指导维修计划车辆入库维修1234556系统支撑运行监控+故障预测轨旁数据车辆车载走行部监测车载弓网监测……轨旁轨旁在线监测360°图像检测…人员需求工具需求3调度建议DCC系统OCC系统调度中心4数据流&业务流：数据自动“采集-分析-应用”，实现车辆运维业务全流程的智能化WiFi6/AirFlash技术架构：基于先进的AI、大数据、通信等技术，保障列车运行安全、降低列车运维成本数据调用车辆智慧运维WiFi6/AirFlash大数据告警专题健康评估关联分析PHM模型…车辆运维主题…既有运维系统数据使能+集成使能云基础设施智能联接智能交互智能中枢@城轨智能应用数据服务车辆运行安全监测部件异常实时预警运行状态实时监测车辆检修自动检测轨旁自动检测系统自动分析与识别车辆运维智能决策部件寿命预测修程修制优化数据安全：自动转储，无需人工干预，避免丢失、损坏风险部件安全：及时掌握部件健康状态并维护处理，保障安全运营安全：降低车辆故障概率，提升运营安全提升运营安全水平采集效率：高速转储，避免人工拷贝的低效现象检修效率：车载关键部件数据的分析挖掘，指导检修作业分析效率：图像视频AI分析，减少人工肉眼检查运维成本：减少人工简单重复性劳动，降低人力投入成本降低运维成本LTE-M事件记录牵引制动电机电流车门状态司机操作故障告警轴承振动冲击客室温度司机视频其他较大数据受电弓视频客厢视频轮对检测360°图像检测踏面检测工单系统地面数据车载数据检修管理设备管理部件管理AI平台模型远程下发故障图像标注图像数据管理预警模型检测专题走行部专题123线网监测线路监测部件监测列车监测1、总车数、上线车辆数、走行公里数2、实时修信息3、预警故障信息4、重要部件寿命评估5、全网服务可靠度指标6、全网正线故障率趋势1、各线路服务可靠度指标2、各线路正线故障率统计3、各线路故障分布4、各线路TOP统计5、各线路工单数分布、竣工工单数分布1、列车运行信息2、列车故障信息3、列车档案信息4、列车综合信息5、载荷量的拥挤度1、子系统总览2、走形3、车门4、空调5、受电弓……车辆运行安全监测，支持多维度、多场景智能监测车辆运行安全监测车辆检修自动检测车辆运维智能决策数据采集：基于车地通信网络，实现列车运行状态实时感知信号、TCMS、车门等状态数据制动装置变流器电机轨道信号转向架轮轴海量传感器：传感器远不止这些…实时探测：电压、电流、温度…空调卫生PISCCTV车载服务器PIS媒体流检测、监测数据PIS数据运行状态娱乐价值周期修、故障修->状态修、预测性维护转变，实现高效型运维方案概述1.车地宽带通信，实现车载PIS、CCTV、关键部件状态参数的及时回传2.大数据分析平台：根据设备建模和健康状态管理（PHM)信息，合理安排维修计划；3.分阶段创新：前期根据健康状态匹配不同等级修，演进到根据状态针对性维护和检修走行部、受电弓在线监测数据LTE-M/WiFi6车辆运行安全监测车辆检修自动检测车辆运维智能决策数据处理：基于列车运行状态数据构建数据资产，实现列车健康状态实时监测和预警数据模型专题库安全剩余寿命表健康状态表检修事件表安全事件类型表指标车辆故障统计表车辆走行公里统计表总重吨公里统计表检修停时统计表………数据湖走行部SV趋势数据表温度数据表振动数据表报警数据表检修项点分类表重点部位检修项点表资产主数据表检修规范项点表………主题库车辆部件更换记录表车辆基础信息表车辆检修记录表故障类型维表计划行车计划主题表线路信息维表部件信息表检修计划主题表………数据服务LiveDataAPIGateway状态查询脚本状态查询接口走行部状态查询服务健康分数查询脚本健康分数查询接口健康分数查询服务……其他服务Rest接口SQL逻辑走行部状态预警走行部健康评估走行部维修建议应用资产价值以“车辆”为主线的全量数据集成，充分发挥数据价值，避免大量重复数据梳理，提升检修工作和应用开发效率实现方式通过DAYU进行数据批量导入和主题库、专题库开发，通过ROMA实现跨系统数据接入和数据北向接口服务车辆运行安全监测车辆检修自动检测车辆运维智能决策01人工检查：目前国内各地铁公司的主要检修手段，占比超90%。夜班检修，检修人员容易疲劳，易造成漏检；检修作业任务重，对检修人员的技能、素质、职业道德要求高；随着车辆配置增多，人员需求量增大，人力成本高。02在线检测：主要集中在轮对、受电弓等部件的振动检测。功能局限，95%的部件无法自动检测。车辆检修现状：人工作业多、自动化装备少、业务协同难03结合部：“轮-轨”和“弓-网”问题根因分析，需要跨专业协同。轮轨：走行部振动异常，到底是车轴问题？还是轨道问题？弓网：受电弓角度异常，是接触网导致？还是受电弓自身问题？车辆运行安全监测车辆检修自动检测车辆运维智能决策融合集成平台车辆检修自动检测，降低车辆运维人车比，提升列车服务可靠度模型下发图像采集车辆段1自动测量客户端……边缘计算节点图像处理其他专业数据回传异常反馈结果发送数据湖AI平台模型一数据标注模型训练模型管理模型二模型N融合数仓服务车辆智能运维车辆全生命周期管理车辆维修智能决策多专业关联分析状态告警专题健康评估专题中心云平台统一算法服务接口分析结果服务接口…………故障数据服务接口车辆运维主题轨旁检测专题模型下发数据回传异常反馈结果发送接触网检测数据轨道检测数据其他数据车辆检测监测图像采集车辆段2自动测量客户端……边缘计算节点图像处理车辆检测监测车辆运行安全监测车辆检修自动检测车辆运维智能决策360°图像检测，代替60%人工检测项，人车比降低20%；轨旁综合AI智能检测，列车服务可靠度提升10%；历史状态关联分析模型车辆健康评估模型多专业管理分析模型……弓网监测车体检测红外成像轮对监测负责受电弓状态、机械形态、碳滑板磨耗等监测，包含高清扫描图像数据、弓网关系测量（导高/拉出值）数据、碳滑板厚度测量数据负责车辆回段厂的车辆外观状态检测，包含高清车体线性扫描图像数据负责车辆回段的电气箱等系统部件温度监测，主要为红外图像数据负责车辆回段厂的轮对监测，包含平轮振动数据、激光测量（轮缘、轮径、轮高、内侧距）数据、踏面图像数据走行部监测负责车辆运行过程中走行部（轴箱、齿轮箱、电机）运行状态监测，包含轴承振动数据、温度数据车辆轨旁自动检测系统©MININGLAMPTechnologygroup

2019.车辆运行安全监测车辆检修自动检测车辆运维智能决策AI解决方案及相关基础能力应用使能：提供全流程服务（ModelArts）,分层API和预集成方案CANN：芯片算子库和高度自动化算子开发工具Ascend：基于统一、可扩展架构的系列化AIIP和芯片MindSpore，支持端、边、云独立的和协同的统一训练和推理框架全栈消费终端行业终端边缘计算私有云公有云CANN(ComputeArchitectureforNeuralNetworks)ModelArtsGeneralAPIsAdvancedAPIsPre-integratedSolutionsAscendAscend-MaxAscend-MiniAscend-TinyAscend-LiteAI应用全场景HiAIEngineHiAIServiceMindSporeTensorFlowPyTorchPaddlePaddle…Ascend-Nano应用使能框架芯片使能IP&Chip车辆运行安全监测车辆检修自动检测车辆运维智能决策AI基础能力——ModelArtsAI平台，高效建模+极速推理WebUI建模流程数据探索特征工程模型训练模型评估交互式Notebook可视化Workflow项目数据数据加载模型管理模型模型开发机器学习平台WebUI推理流程模型部署数据接入在线推理服务批量推理服务推理服务在线推理批量推理实时数据结果输出离线数据算法仓镜像管理文件管理模型管理服务运营管理资源管理资源视图资源池管理推理平台效率高门槛低性能优运营易开发环境生产环境一站式建模平台，覆盖机器学习应用全流程。支持分布式并行训练。交互式Notebook，支持Python/R主流建模语言。内置SparkML,Scikit-Learn,XGBoost,LightGBM等算法库。多样化模型评估指标。模型资产统一管理，便捷应用。拖拽式Workflow建模，零编码，降低AI建模门槛。预置100+机器学习算子，包含输入、数据转换、建模、评估、输出等多种类型。可视化展示数据/模型/评估结果集成SparklingWater(H2O-on-Spark)基于docker镜像，AI算法新业务0.5小时上线。Batch服务：异构资源统一管理，海量任务容器化秒级调度。支持分布式并行推理。支持推理加速，提速可达3倍。亲和调度，提升算法执行效率。高并发场景实现任务动态扩缩容，负载均衡，高可用。多厂商多框架多功能算法统一纳管支持模型发布和镜像发布。资源统一池化管理，并提供丰富的资源视图。服务详情监控灰度发布，支持A/BTest。滚动升级，业务不间断。郎丰利整理制作车辆运行安全监测车辆检修自动检测车辆运维智能决策创新和价值AI检测，控员增效控员增效，代替60%人工检测项一套系统可核减5人配额（以11号线为例）基于AI的车辆自动智能检测，提升车辆日常检修效率和列车服务可靠度人工检查车辆360°AI检测45分钟*2-3人/列车10分钟*2人（检测）/列车，5分钟*1人（复核）/列车单系统、单专业数据分析多系统、多专业融合分析人工检修工作项多，作业时间长日检质量无法保证和定量评估影响检修效率专业间无协同，投入产出比难达最优基于云，多专业数据融合，降本增效跨专业数据共享，提高问题处理效率合理安排运维资源，运维成本降低20%+减少故障率，列车服务可靠度提升20%+；双日检(60%)受电弓普查(每周调至双周)每列车受电弓检查时间（111分钟*2人）*每周检查车数（33列车）*每年52周*0.5=3175小时；每列车双日检作业时间（1小时*2人）

*每天双日检列车（17列车）

*60%*365天=7446小时；每人每年工时：2190个工时可替代的人工双日检工时：7446小时=3.4人每人每年工时：2190个工时可替代受电弓检查工时：3175小时=1.5人替代60%双日检和受电弓普查作业节省人数系统替代双日检节省人数3.4人+系统替代受电弓普查1.5人≈5人系统替代作业优化修程修制后，人车比预计下降20%（0.53→0.4）车辆运行安全监测车辆检修自动检测车辆运维智能决策车辆运行安全监测车辆检修自动检测车辆运维智能决策维修规程相对固定，到期必须维修或者更换维修效果评估机制缺失维修执行交付运营在日常生产环节中，车辆运维面临的各类“决策”问题维修规程要不要换？什么时间换更经济？关键部件状态数据与生产结合不足，维修计划未参考部件状态数据维修计划什么时候修？重点修什么？故障难定位，受制于专家个人经验积累，维修经验传承不足维修作业故障原因是什么？怎么处理最好？工作人员业务水平参差不齐，需要专业的指导建议和处理依据运行监控告警要找谁？如何争取处理？健康评估-运维指导分析：故障预测与健康管理联动：检修计划调整、工单下达闭环：维修确认、跟踪反馈工单下达智能运维专家知识库维修建议与运营检修系统对接车辆走行部PHM：健康管理和趋势分析，从智能感知到维修闭环车辆运行安全监测车辆检修自动检测车辆运维智能决策走行部传感器数据分析挖掘，构建走行部故障预测模型数据清洗

删除无关、重复数据等

处理缺失值、异常值等特征提取动态寿命预测基于实时监测信息与概率统计理论，开展性能退化特征提取与统计建模分析方法研究基于典型机械系统性能退化特征提取与统计建模分析结果，开展剩余寿命动态预测数据输入

基础数据：报警、温度、冲击dB、sv趋势等

其它数据：健康评估结论、维修信息、里程信息等数据输出剩余运营里程预测结果、健康评估，维修建议车载走行部监测数据走行部地面分析系统数据湖（MRS）数据仓库（DWS）集成使能（ROMA）走行部PHM应用车辆运行安全监测车辆检修自动检测车辆运维智能决策车辆走行部大数据预测修数据分析模型车辆运行安全监测车辆检修自动检测车辆运维智能决策根据车载采集数据和现场获取到的维修信息等，完成走行部旋转部件健康状态评估，输出健康状态评估结论。构建多维度数据支撑的健康评测模型指标分类指标内容运行故障一级故障二级故障三级故障遗留故障一级未处理二级未处理三级未处理监控事件报警预警预判通知执行源头质量技术通知部门通知下次高级修下次修时间下次修里程运行天数其他根据检修部门、业务部门临时增加指标车辆健康度状态良好运行观察(仅遗留故障)维持运行影响行车安全隐患输出指标体系健康度模型健康度打分权重分析法权重确定权重优化模型构建模型优化数据准备模型运行健康度打分车辆健康度车辆运行安全监测车辆检修自动检测车辆运维智能决策事件中心监控事件详情分析齿轮箱温度监控轴端温度监控牵引电机监控温度传感器误传识别制动力异常提醒联轴节、齿轮箱等机械异常报警总风压力异常预报警蓄电池状态监控提示滑行异常/空转异常动车组超员报警牵引电机电流或转子频率异常紧急短路提醒空调制冷/设定异常模型WTD数据无法正常接收识别重点断路器状态异常示模型牵引变压器油流停止模型齿轮箱温度预警轴箱轴承预警牵引电机温度预警总风压力异常监测电制动异常提醒空气制动切除监控超员预警滑行异常检测牵引变压器油温牵引变流器水温继电器卡滞类故障报警推送空调制冷系统压力异常预警空调系统温度异常预警空调系统制冷温度异常预警空调系统制热温度异常预警空调系统电加热温控保护故障预警客室无法通风故障预警客室通风不良故障预警客室无法制冷故障预警客室制冷不良故障预警客室无法加热故障预警客室加热不良故障预警客室压力保护控制失效故障预警司机室无法通风故障预警司机室无法制冷故障预警空调三级故障预警故障诊断和故障预测模型故障诊断和故障预测模型生产事件，事件统一管控车辆运行安全监测车辆检修自动检测车辆运维智能决策通过故障预测模型生产任务，把任务生成工单故障预测模型模型算法服务集成模型管理机理模型（“因果关系”）理论模型流体力学模型热力学模型……部件模型数据分析模型（“相关关系”）挖掘模型机器学习Svm、贝叶斯、K-邻近遗传算法、K均值梯度下降神经网络流程步骤管理时序……逻辑模型工艺模型1、车门系统模型车门监测模型车门诊断模型……2、空调系统模型空调监测模型空调诊断模型……3、走行部模型走形部监测模型走形部诊断模型……4、制动系统模型制动监测模型制动诊断模型……模型库……生产任务，产生工单故障预测模型覆盖6大核心系统：车门、空调、受电弓、转向架、牵引、制动生产任务产生工单车辆运行安全监测车辆检修自动检测车辆运维智能决策车辆智慧运维以城轨云为底座，构建智慧城轨新架构沃土数字平台物联网GIS/BIM大数据视频融合通信城轨云平台乘客娱乐资产可视作业安全安监平台安全生产内部管理外部服务便捷出行智慧商圈智慧运维运行调图智慧建造客流预测安全智能运营中心IOC构建智慧重构平台重塑联接调度指挥电话摄像头屏蔽门PSDSCADA闸机轴温、供电、轮毂LTE-M车站接入网车辆段接入网5G/AirFlash/WiFi6线路承载网线路承载网线网中心网信号DCS计算资源池存储资源池网络资源池安全资源池基础设施AI运维运营数据使能应用使能集成使能开发使能运营评估车辆运维统计分析辅助决策物联平台大数据平台视频平台集成通信平台GIS平台AI行业使能平台城轨数字平台数字平台能力服务化，通过行业使能平台统一调用通讯调度服务数据服务GIS服务视频服务IoT服务AI服务APIConnect服务编排，统一接口，按需调用运营评估车辆运维统计分析辅助决策物联平台大数据平台视频平台集成通信平台GIS平台AI数据共享与分析智能分析事件感知应急资源分析(1)视频数据调用（2）检修调度指挥(3)车辆位置查询智能分析图像分析图像分析业务协同远程会诊数据分析视频调用业务协同城轨应用系统分别调用不同的平台能力视频API（1）车载视频（2）地面视频（3）GIS数据API（1）检修数据（2）告警数据（3）监测数据（1）检修数据（2）告警数据（3）监测数据多个组件能力分别获取平台能力整体打包封装，基于业务应用优化组合，统一接口，按需调用平台：融合技术，实现ICT能力按需调用，降低技术驾驭的复杂平台：融合数据，统一标准，构建数字资产，实现数据高效共享过去：城轨数据资产现在：城轨数字资产包括，城轨信息模型+业务流程对象模型：数据结构，元数据，系统模型…感知数据：ID，时间序列，上下文数据…监控：查询状态/接受通知实体对象数字孪生②数字资产工具支撑城轨数字孪生构建模型工具，指标工具，标签工具，库表工具等生产系统数据库（检修、诊断等）管理系统数据库（检修履历等）专题库主题库数据资源目录业务数据业务流程数字资产目录物联数据信息模型…❶❷①数字平台固化流程资产利用数字平台业务编排能力，沉淀车辆健康管理、修程修制等通用流程等，例如故障专家诊断创新应用状态数据故障特征识别算法调用故障诊断算法调用原因分析算法调用故障模型信息查询API编排车辆故障预测和健康管理状态：预警……检修：建议健康：评估单一业务数据资源“业务变革，流程再造”，形成了一批宝贵的方法、知识和经验，走向城轨数字孪生联接：城轨车地通信需求分析及网络制式选择建议承载业务带宽需求（bit/s）业务数据量（天/车）时延要求当前承载的方式建议采用的传输方式通信专业全量车载视频转储（90天反恐需求）100M800GB准实时存在车上，按需人工拷贝AirFlashPIS10M80GB实时700M/WiFi4？WIFI6/5G多路视频监控2M*N/实时无WIFI6/5G信号专业CBTC0.5M2GB实时WIFI4LTE-M集群调度64K<1GB实时800MPDTLTE-M多媒体集群调度2M*n/实时无LTE-M/5G信号LOG日志1M2GB准实时存在车上，按需人工拷贝AirFlash/WiFi6/5G车辆专业TCMS监控数据1.5M6GB实时存在车上，按需人工拷贝WiFi6/5G走行部数据1M4GB实时存在车上，按需人工拷贝WiFi6/5G其它扩展业务乘客服务(OLED屏)4M*N/实时无WIFI6/5G轨行区定位1M/实时无WiFi6/5G

轨旁视频8M*N/实时无WiFi6/5G/光纤合计

>900GB

联接：AirFlash车地转储，实现车载CCTV等海量数据自动落地全程：52公里运行时间：1小时视频量：25GB(轨道，接触网，车厢内）深圳地铁11号线碧头站福田站90分钟25G