狄振華

(陜西交通職業(yè)技術(shù)學(xué)院，陜西 西安 710018)

1 引 言

隨著科學(xué)技術(shù)和國民經(jīng)濟的發(fā)展，地鐵在我國各大城市逐漸普及，人們在享受地鐵出行便利的同時，也面臨地鐵車輛的運營是否安全和是否會發(fā)生故障的問題。當前，地鐵車輛由車載微機網(wǎng)絡(luò)控制，這在一定程度上確保了地鐵車輛的安全運行。但是，隨著地鐵車輛運營數(shù)量的不斷增多，需要對地鐵的行車安全、維護、調(diào)度進行實時監(jiān)控，以維護地鐵運行的安全。采取定期維護的方式對地鐵進行檢修，成本高、工作量大。為了解決這個問題，需要利用現(xiàn)代科學(xué)技術(shù)設(shè)計故障監(jiān)測系統(tǒng)。隨著大數(shù)據(jù)技術(shù)的成熟和應(yīng)用范圍的不斷擴展，本文基于大數(shù)據(jù)技術(shù)設(shè)計地鐵車輛故障監(jiān)測系統(tǒng)。

2 地鐵車輛監(jiān)測的大數(shù)據(jù)類型及來源

大數(shù)據(jù)類型包括地鐵TMS系統(tǒng)的過程數(shù)據(jù)、地鐵運行的設(shè)備數(shù)據(jù)、地鐵系統(tǒng)的故障信息、地鐵的空調(diào)系統(tǒng)信息、門控系統(tǒng)信息及故障監(jiān)測系統(tǒng)信息等。通過車載傳感器和視頻監(jiān)測系統(tǒng)獲得數(shù)據(jù)，獲得數(shù)據(jù)后對數(shù)據(jù)進行分析處理，將處理結(jié)果實時顯示在監(jiān)控屏幕上。

大數(shù)據(jù)的來源包括AFC智能收費系統(tǒng)等的智能卡，攝像機等視頻監(jiān)控設(shè)備，車載傳感器，RFID設(shè)備識別卡，社交網(wǎng)絡(luò)，車載Ad Hoc網(wǎng)絡(luò)等，車載數(shù)據(jù)采集平臺通過微機的實時數(shù)據(jù)接口對采集的數(shù)據(jù)進行預(yù)處理和存儲。車輛的健康管理專家系統(tǒng)由地面服務(wù)器、地面接收裝置及專家系統(tǒng)軟件組成，通過地面專家系統(tǒng)對采集的數(shù)據(jù)進行分析、匯總和處理，處理后將采集的信息上傳至信息監(jiān)控平臺，從而實時監(jiān)測地鐵的運行狀態(tài)，及時發(fā)現(xiàn)故障信息，做好地鐵故障的監(jiān)測與處理工作，降低地鐵運維工作人員的工作強度，保障地鐵車輛的安全運行。

3 系統(tǒng)設(shè)計

3.1 系統(tǒng)架構(gòu)

針對地鐵車輛故障監(jiān)測系統(tǒng)的要求，設(shè)計并開發(fā)了基于大數(shù)據(jù)的地鐵車輛故障監(jiān)測系統(tǒng)，系統(tǒng)的架構(gòu)如圖1所示。該系統(tǒng)包括三層：數(shù)據(jù)收集層、大數(shù)據(jù)處理層、應(yīng)用層。

圖1 地鐵車輛故障監(jiān)測系統(tǒng)架構(gòu)

(1)數(shù)據(jù)收集層。地鐵數(shù)據(jù)的采集主要通過傳感器、視頻監(jiān)控、GPS等實現(xiàn)，采集的數(shù)據(jù)包括地鐵故障定位數(shù)據(jù)、故障的分析和預(yù)測處理數(shù)據(jù)，數(shù)據(jù)的采集通過自動化設(shè)備實現(xiàn)。

(2)大數(shù)據(jù)處理層。系統(tǒng)的地鐵運行大數(shù)據(jù)存儲在HBase、HDFS中，通過大數(shù)據(jù)處理平臺Spark實現(xiàn)大數(shù)據(jù)的處理。數(shù)據(jù)處理包括數(shù)據(jù)的預(yù)處理和數(shù)據(jù)清洗，通過數(shù)據(jù)挖掘分析和模式識別等確定地鐵車輛的運行狀態(tài)。

(3)應(yīng)用層。通過車輛運行的數(shù)據(jù)分析結(jié)果對車輛的故障進行預(yù)測。如有故障，對車輛的故障進行定位，實現(xiàn)對地鐵車輛的故障預(yù)測。

3.2 系統(tǒng)的功能模塊

故障監(jiān)測系統(tǒng)的功能模塊包括預(yù)警監(jiān)測、報警管理、故障記錄查詢與統(tǒng)計、輔助決策、診斷報告、設(shè)備管理、標準管理及系統(tǒng)維護等。

(1)預(yù)警監(jiān)測。該模塊主要利用二維和三維技術(shù)構(gòu)建地鐵車輛模型進行仿真分析。地鐵車輛發(fā)生故障時，設(shè)備會進行閃爍，閃爍的顏色可以自行定義。如果車輛的設(shè)備在運行中發(fā)出預(yù)警信息，用戶點擊該設(shè)備，會彈出設(shè)備安全運行的健康評估界面，通過該界面顯示的設(shè)備運行信息與健康運行狀態(tài)信息進行分析和對比，可確定設(shè)備運行中的故障隱患。

(2)報警管理。通過報警信息界面顯示的報警時間、報警次數(shù)、報警的處理結(jié)果等信息，實現(xiàn)設(shè)備的報警管理。

(3)故障記錄查詢與統(tǒng)計。根據(jù)顯示的地鐵運行中設(shè)備運行歷史故障信息及故障信息的處理結(jié)果，對故障信息進行統(tǒng)計分析。對于單個設(shè)備系統(tǒng)，還可以自動統(tǒng)計發(fā)生故障的頻率及故障原因等。

(4)輔助決策。該模塊可以查詢地鐵車輛運行中不同設(shè)備的關(guān)鍵指標參數(shù)，通過查詢參數(shù)及其變化趨勢，可以了解設(shè)備的運行情況。根據(jù)地鐵車輛運行中故障信息統(tǒng)計及預(yù)警監(jiān)測結(jié)果，制定地鐵設(shè)備的檢修計劃，做好地鐵設(shè)備的后續(xù)選型及改造升級工作。

(5)診斷報告。根據(jù)設(shè)備的運行信息編制地鐵設(shè)備的診斷報告。用戶可根據(jù)查詢的相應(yīng)信息獲得地鐵車輛運行的設(shè)備診斷報告。

(6)設(shè)備管理。主要包括地鐵車輛設(shè)備的規(guī)范表、重大設(shè)備變更記錄、設(shè)備報警記錄等。設(shè)備規(guī)范表主要包括地鐵車輛設(shè)備的名稱、型號、出廠編號、設(shè)備的制造廠家、設(shè)備的安裝單位、設(shè)備的使用信息、設(shè)備的技術(shù)參數(shù)等。設(shè)備的報警和變更記錄主要包括設(shè)備的報警發(fā)生原因、設(shè)備的報警時間、設(shè)備的變更時間及變更原因等，通過這些設(shè)備信息的標準化管理，為設(shè)備的運行建模提供依據(jù)，從而確保設(shè)備故障診斷結(jié)果的準確性。

(7)標準管理。主要包括地鐵車輛設(shè)備運行的技術(shù)設(shè)備、管理標準及設(shè)備工作標準，通過這些標準文件規(guī)范管理地鐵車輛的設(shè)備運行技術(shù)標準，確保地鐵車輛的安全穩(wěn)定運行，為地鐵的設(shè)備故障診斷提供技術(shù)支撐，包括《城市軌道交通安全運營技術(shù)規(guī)范》《地鐵安全防范系統(tǒng)技術(shù)規(guī)范》《城市軌道交通安全防范系統(tǒng)技術(shù)要求》等。

(8)系統(tǒng)維護。系統(tǒng)維護可以確保地鐵車輛故障監(jiān)測系統(tǒng)的穩(wěn)定運行，還可以調(diào)整模塊的功能。

3.3 大數(shù)據(jù)分析算法

大數(shù)據(jù)算法包括MapReduce算法、K-Medoids、K-Means聚類算法、Apriori Algorithm關(guān)聯(lián)算法等。本文應(yīng)用K-Means聚類分析方法，確定對象的中心點k值，k值決定了聚類的分析結(jié)果。為了使獲得的k值更加合理，使用第i個元素輪廓系數(shù)對聚類結(jié)果進行評估，見式(1)。

(1)

式中，ni是同簇內(nèi)第i個元素與其他元素之間的平均距離。簇外選取某一簇m，計算m中所有元素與該元素的平均距離，找出最小值，用mi表示：

mi=min{mi1,mi2,…,mij}

當nimi時，Si=ni/mi-1。Si越接近于1，表明聚類效果越好。

通過Apriori Algorithm關(guān)聯(lián)規(guī)則可以對地鐵車輛設(shè)備的不同狀態(tài)參數(shù)進行組合、分析，提取參數(shù)特征之后，分析是否存在設(shè)備故障問題。

設(shè)Apriori Algorithm中X代表采集的設(shè)備狀態(tài)運行參數(shù)，Y代表地鐵車輛設(shè)備的故障參數(shù)。由此可知，X代表不同地鐵設(shè)備的參數(shù)集合，Y代表地鐵設(shè)備的狀態(tài)參數(shù)集合。根據(jù)關(guān)聯(lián)規(guī)則，若X，則Y，表示成X→Y。

設(shè)事物T集合包括m項，n個事物，則有，T={I1,I2,...,Im}，D={T1,T2,...,Tn}，對于X→Y關(guān)聯(lián)規(guī)則，設(shè)N(X∪Y)為含有項集X、Y的數(shù)量，其支持度表示為：

(2)

用置信度C表示同時包含項集X和Y的概率，即：

(3)

評價關(guān)聯(lián)度判定優(yōu)劣的兩個關(guān)鍵指標為支持度S和置信度C，S和C值最高的則為分析結(jié)果。

在對地鐵車輛的設(shè)備故障進行診斷時，需要對設(shè)備運行的異常參數(shù)進行分析，通過確定不同設(shè)備的運行參數(shù)與故障之間的關(guān)系，可以計算得出設(shè)備的狀態(tài)參數(shù)與故障診斷之間的相關(guān)系數(shù)，從而得出設(shè)備的故障診斷矩陣R。

假設(shè)var[X]、var[Y]分別為X、Y的方差，cov(X,Y)為X與Y的協(xié)方差，利用計量經(jīng)濟學(xué)中相關(guān)系數(shù)的計算方法，則有：

(4)

r的取值范圍為[0,1]。

地鐵設(shè)備運行的狀態(tài)參數(shù)向量為U，對應(yīng)的設(shè)備故障診斷參數(shù)為Ut。設(shè)備的故障向量用B表示，第q種設(shè)備故障為Bq，q∈[1,z]。運行的設(shè)備狀態(tài)參數(shù)與故障參數(shù)之間的相關(guān)系數(shù)用Rqt表示。計算全部狀態(tài)下的相關(guān)系數(shù)，得出相關(guān)矩陣R。最終，故障診斷結(jié)果向量為F=R×K。其中，K代表采集的不同地鐵設(shè)備運行參數(shù)的數(shù)據(jù)向量，F(xiàn)代表實測數(shù)據(jù)與各數(shù)據(jù)采集設(shè)備故障的隸屬度。選取隸屬度最大的故障為地鐵設(shè)備故障的診斷結(jié)果。

4 結(jié)束語

地鐵運行中，為了避免出現(xiàn)嚴重故障，對地鐵車輛的運行狀態(tài)進行監(jiān)測十分重要?；谶@種需要，設(shè)計了基于大數(shù)據(jù)技術(shù)的地鐵車輛故障監(jiān)測系統(tǒng)。該系統(tǒng)在故障診斷時應(yīng)用K-Means聚類算法和Apriori算法，實現(xiàn)地鐵故障的實時監(jiān)測與診斷。該系統(tǒng)的應(yīng)用降低了地鐵運維人員的工作量，同時也提高了地鐵運行的安全度。