謝璟捷

（上海申通地鐵集團有限公司運營管理中心,上海 201100）

0 引言

地鐵運營調(diào)度是地鐵運維生產(chǎn)的“大腦中樞”。傳統(tǒng)地鐵運營調(diào)度模式以線路為指揮單元，各線路間獨立進行多專業(yè)綜合調(diào)度[1]。隨著線網(wǎng)規(guī)模的不斷擴大，網(wǎng)絡(luò)化運營持續(xù)深化，呈現(xiàn)出組織難度更大、協(xié)調(diào)范圍更廣、統(tǒng)籌資源更多、安全要求更高等復雜系統(tǒng)特征，急需在全業(yè)務(wù)環(huán)節(jié)提升運營調(diào)度的作業(yè)能級和安全質(zhì)量。

為此，各大城市地鐵紛紛建設(shè)NOCC（Network Operation Control Center）或COCC（Comprehensive Operation Coordination Center）[2]，將各線路調(diào)度業(yè)務(wù)和所涉及的各系統(tǒng)在同一物理空間上進行高度集中。但是由于各條線路建設(shè)時序不同，所使用的軟件與設(shè)備廠家及其技術(shù)路線也有所差異，只能通過窗口調(diào)用的形式與其他系統(tǒng)進行關(guān)聯(lián)[3]，大量數(shù)據(jù)間關(guān)聯(lián)性和價值大多通過調(diào)度員經(jīng)驗主觀判斷，呈現(xiàn)“人工為主、系統(tǒng)為輔”的低能效作業(yè)形式。

新一代智能技術(shù)的高速發(fā)展，為運營調(diào)度智慧化發(fā)展提供了技術(shù)支撐。圍繞智能調(diào)度這一主題，有學者提出了基于云平臺的線網(wǎng)調(diào)度指揮系統(tǒng)架構(gòu)，其中構(gòu)建大數(shù)據(jù)平臺，深化數(shù)據(jù)價值利用成為共識點，但對于符合調(diào)度指揮業(yè)務(wù)需求的數(shù)據(jù)中臺方案研究較少。因此，該文將分析地鐵運營調(diào)度業(yè)務(wù)的數(shù)據(jù)痛點，基于此，構(gòu)建數(shù)據(jù)中臺的技術(shù)架構(gòu)和功能架構(gòu)并進行應(yīng)用實踐，為全方位賦能調(diào)度智慧化建設(shè)提供基礎(chǔ)性方案。

1 地鐵運營調(diào)度業(yè)務(wù)特征及數(shù)據(jù)痛點分析

1.1 地鐵運營調(diào)度業(yè)務(wù)及智能化需求

運營調(diào)度指揮體系分為線網(wǎng)級調(diào)度和線路級調(diào)度。前者以線網(wǎng)為對象進行統(tǒng)籌管理和協(xié)調(diào)決策，后者以具體線路為對象實行細化管理和執(zhí)行落地。主要涉及日常事務(wù)、應(yīng)急管理以及施工管控等三大場景。

（1）日常事務(wù)場景：包括行車環(huán)境監(jiān)控、車輛情況監(jiān)控、車站客流監(jiān)控、巡道與限速等命令的發(fā)布、COCC與服務(wù)熱線的事務(wù)通知、交接班事項確認和各類報表日志的生成與提交等主要業(yè)務(wù)。目前該場景涉及ATS、視頻監(jiān)控、熱線、票務(wù)管理、車輛運維等系統(tǒng)，調(diào)度員需要從上述系統(tǒng)中分別實時監(jiān)視車輛運行狀態(tài)、客流量等數(shù)據(jù)，并在其他管理系統(tǒng)中填記報表日志等。

（2）應(yīng)急管理場景：包括事故初貌確認、影響程度判斷、應(yīng)急預(yù)案決策、行車客運調(diào)整決策、處置過程跟蹤、事故專報等主要業(yè)務(wù)。目前調(diào)度員主要依靠通訊平臺與其他崗位進行信息溝通，以獲得故障和處置過程詳情，并運用應(yīng)急預(yù)案、排故手冊、應(yīng)急指揮等系統(tǒng)輔助支持調(diào)度決策和執(zhí)行。

（3）施工管控場景：主要包括施工計劃預(yù)排、施工登記與銷點閉環(huán)、施工過程監(jiān)管等主要業(yè)務(wù)。目前該場景涉及施工平臺、ATS 系統(tǒng)、電力SCADA 以及其他業(yè)務(wù)管理系統(tǒng)等，主要以數(shù)據(jù)人工填記+電話溝通+ATS/電力SCADA 監(jiān)控等多方式組合。

由此可見，運營調(diào)度業(yè)務(wù)具有涉及系統(tǒng)多、專業(yè)面廣、實時監(jiān)控項點多、決策響應(yīng)時效性要求高等特點，未來將向高集成、強聯(lián)動、智慧化等方向進行數(shù)智化轉(zhuǎn)型升級，最終達到“一網(wǎng)感知，可視管控，智慧決策”的目標。

1.2 數(shù)據(jù)痛點分析

針對上述運營調(diào)度業(yè)務(wù)現(xiàn)狀特點和未來需求，從數(shù)據(jù)層面分析存在的潛在痛點：

（1）數(shù)據(jù)規(guī)模大，結(jié)構(gòu)類型雜：運營調(diào)度業(yè)務(wù)所面對的數(shù)據(jù)除了ATS、SCADA、票務(wù)等專業(yè)系統(tǒng)的關(guān)系型數(shù)據(jù)，還有視頻、音頻、圖片等非關(guān)系型數(shù)據(jù)，單日單線數(shù)據(jù)規(guī)模級別至少為TB 級。

（2）采樣標準多樣，質(zhì)量參差不齊：所涉及系統(tǒng)有各自的數(shù)據(jù)采樣周期、頻次和精度等標準，由于系統(tǒng)用途不同，數(shù)據(jù)質(zhì)量參差不齊，如SCADA 等監(jiān)測類系統(tǒng)存在缺失、錯誤、重復等問題，而票務(wù)系統(tǒng)等偏管理類系統(tǒng)所提供的數(shù)據(jù)質(zhì)量較高。

（3）數(shù)據(jù)孤島化，整合難度大：關(guān)系型數(shù)據(jù)如客流、列車狀態(tài)、設(shè)備狀態(tài)等，缺乏統(tǒng)一的時空底座作為融合基準；非關(guān)系型數(shù)據(jù)如預(yù)案文本、應(yīng)急處置記錄等，與關(guān)系型數(shù)據(jù)相互隔離，難以形成有效關(guān)聯(lián)，這導致無法形成全局的數(shù)據(jù)視圖。

（4）數(shù)據(jù)專業(yè)性強，分析能力不足：運營調(diào)度業(yè)務(wù)覆蓋專業(yè)多，相關(guān)系統(tǒng)都提供了專業(yè)性高的數(shù)據(jù)，需要有對應(yīng)專業(yè)的知識才能進行有效的分析和解讀，為輔助決策提供更大的價值，但是相關(guān)分析能力較為缺乏，仍然以主觀經(jīng)驗為主。

（5）數(shù)據(jù)時效性要求高，可視化能力不強：運營調(diào)度業(yè)務(wù)需要實時監(jiān)控和快速響應(yīng)，因而對數(shù)據(jù)的實時性要求較高。同時大規(guī)模、高頻、多維度的數(shù)據(jù)展示極易導致信息過載，容易令調(diào)度員忽略重要信息，急需提升數(shù)據(jù)可視化能力。

解決上述運營調(diào)度數(shù)據(jù)痛點的關(guān)鍵在于建立一個高效、智能、安全、集成的數(shù)據(jù)中臺，通過數(shù)據(jù)治理、數(shù)據(jù)處理、數(shù)據(jù)組織、數(shù)據(jù)挖掘等管理服務(wù)，保障大規(guī)模多源異構(gòu)數(shù)據(jù)的質(zhì)量、一致性和及時性，并提供強大的數(shù)據(jù)分析和決策支持能力。

2 調(diào)度數(shù)據(jù)中臺總體架構(gòu)設(shè)計

結(jié)合上述數(shù)據(jù)痛點，參考現(xiàn)有主流數(shù)據(jù)中臺架構(gòu)，構(gòu)建適用于地鐵運營調(diào)度數(shù)據(jù)中臺的技術(shù)和功能架構(gòu)。

2.1 調(diào)度數(shù)據(jù)中臺技術(shù)架構(gòu)

針對調(diào)度數(shù)據(jù)規(guī)模大、結(jié)構(gòu)類型雜、時效性要求高等特點，設(shè)計采用當前先進的“湖倉一體、流批一體”的架構(gòu)，并使用微服務(wù)框架進行模塊化管理，如圖1 所示。

圖1 數(shù)據(jù)中臺技術(shù)架構(gòu)圖

具體來說：

（1）數(shù)據(jù)湖：能夠支持不同類型、海量原始數(shù)據(jù)的集中化存儲，包括結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，同時具有較強的包容性和靈活性。

（2）數(shù)據(jù)倉庫：是數(shù)據(jù)中臺的核心，用于存儲各類場景主題的標準化數(shù)據(jù)和相關(guān)分析指標，支持高性能的查詢和分析?？紤]運營調(diào)度數(shù)據(jù)特點，計劃采用多種數(shù)據(jù)倉庫技術(shù)組合。

（3）流數(shù)據(jù)處理：用于實時采集、處理和分析數(shù)據(jù)，以保證實時監(jiān)測類數(shù)據(jù)的及時性和準確性。

（4）批數(shù)據(jù)處理：用于對已存儲的數(shù)據(jù)進行批量處理和分析，支持復雜的、結(jié)構(gòu)化、海量數(shù)據(jù)分析和挖掘。同樣采用流數(shù)據(jù)處理中所述的計算引擎技術(shù)，實現(xiàn)流批一體。

（5）調(diào)度服務(wù)：用來管理、調(diào)度和執(zhí)行各種任務(wù)和作業(yè)的服務(wù)，使得軟硬件、帶寬等資源利用率最大化，任務(wù)處理更有序。

（6）微服務(wù)框架：將上述技術(shù)進行模塊化管理和部署，計劃采用Spring Cloud、Nacos、Gateway、Nginx 構(gòu)成完整的、高效的微服務(wù)架構(gòu)。

2.2 調(diào)度數(shù)據(jù)中臺功能架構(gòu)

為響應(yīng)調(diào)度業(yè)務(wù)特征和智能化需求，設(shè)計數(shù)據(jù)中臺的功能架構(gòu)，如圖2 所示。

圖2 數(shù)據(jù)中臺功能架構(gòu)圖

（1）數(shù)據(jù)接入管理：負責管理運營調(diào)度業(yè)務(wù)所涉及的所有系統(tǒng)以及其他表單數(shù)據(jù)接入，同時支持數(shù)據(jù)質(zhì)量檢查和數(shù)據(jù)校驗，確保接入的數(shù)據(jù)準確可靠。

（2）數(shù)據(jù)治理管理：用于規(guī)范數(shù)據(jù)管理的流程和標準，能夠?qū)Ξ惓?shù)據(jù)的判斷規(guī)則進行管理，確保數(shù)據(jù)的一致性、完整性、準確性、安全性和合規(guī)性要求。

（3）數(shù)據(jù)處理管理：負責對接入的數(shù)據(jù)按數(shù)據(jù)治理規(guī)范進行處理和轉(zhuǎn)換，涉及數(shù)據(jù)清洗、數(shù)據(jù)融合、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)計算等算法。各類數(shù)據(jù)經(jīng)過處理后能夠根據(jù)類型、來源、主題等屬性被準確地存儲到湖倉一體的數(shù)據(jù)庫中。

（4）數(shù)據(jù)組織管理：以湖倉一體的數(shù)據(jù)庫為核心，對處理后數(shù)據(jù)進行分類組織和存儲，以便能高效地被查詢和訪問。

（5）數(shù)據(jù)挖掘管理：用于支持數(shù)據(jù)分析和挖掘，其核心是模型管理和指標管理。它可以提供數(shù)據(jù)分析工具、數(shù)據(jù)可視化工具、數(shù)據(jù)挖掘算法等，供業(yè)務(wù)專家自主探索形成高階數(shù)據(jù)價值。

（6）通用數(shù)據(jù)服務(wù)：提供對外的數(shù)據(jù)訪問接口和服務(wù)。

在上述功能架構(gòu)下，數(shù)據(jù)中臺將多源數(shù)據(jù)經(jīng)過處理、組織、挖掘，形成適用于日常事務(wù)、應(yīng)急管理、施工管控等場景需求的可視化功能和分析指標，最終形成一網(wǎng)感知、可視管控、智能輔助的地鐵“最強大腦”[4]。

3 應(yīng)用實踐

數(shù)據(jù)中臺在地鐵運營調(diào)度應(yīng)用實踐中，充當數(shù)據(jù)“樞紐”和智能化核心的重要角色。該文以重點車站客流監(jiān)視為案例，介紹數(shù)據(jù)中臺在地鐵運營調(diào)度日常監(jiān)視事務(wù)中的應(yīng)用過程，具體包括：

（1）基礎(chǔ)狀態(tài)監(jiān)視：數(shù)據(jù)中臺通過匯聚基礎(chǔ)行車數(shù)據(jù)，如線路里程、車站、線路等信息，方便調(diào)度人員實時了解線網(wǎng)重要基礎(chǔ)信息。

（2）客流狀態(tài)監(jiān)視和告警：數(shù)據(jù)中臺匯聚實時客流數(shù)據(jù)，包括客流量、客流進站排名等重要信息的展示。調(diào)度人員實時了解車站客流情況，掌握大客流車站的數(shù)量和客流量達到警戒值的車站并開展行車調(diào)整，并及時將擁擠告警信息通知值班崗位人員。

（3）設(shè)施設(shè)備狀態(tài)監(jiān)視：數(shù)據(jù)中臺整合設(shè)施設(shè)備狀態(tài)數(shù)據(jù)，展示各設(shè)施設(shè)備的實時狀況。調(diào)度人員了解對應(yīng)車站設(shè)備的運行狀態(tài)，及時發(fā)現(xiàn)故障并加以處理。

（4）客流管控指標計算和輔助決策：數(shù)據(jù)中臺利用數(shù)據(jù)智能分析，實時計算進出站客流量、擁擠度等指標，幫助調(diào)度人員準確評估車站運行狀況，輔助制定合理的客流管控措施，應(yīng)對客流高峰和突發(fā)情況。

（5）視頻監(jiān)控調(diào)?。簲?shù)據(jù)中臺通過通用數(shù)據(jù)服務(wù)，具備實時調(diào)取車站視頻監(jiān)控畫面的能力，幫助調(diào)度人員迅速了解車站實際情況，準確判斷現(xiàn)場管理進程。

（6）分類統(tǒng)計客流情況：數(shù)據(jù)中臺通過數(shù)據(jù)組織管理，根據(jù)行政區(qū)域和運營公司對客流情況進行分類統(tǒng)計，幫助調(diào)度人員了解跨地區(qū)客流狀況，便于大范圍統(tǒng)籌協(xié)調(diào)。

4 結(jié)語

地鐵運營調(diào)度面臨數(shù)字化賦能升級的迫切需求，現(xiàn)有的以“人工為主、系統(tǒng)為輔”的作業(yè)形式，存在數(shù)據(jù)聯(lián)動差、海量數(shù)據(jù)價值難以挖掘等不足，急需建設(shè)運營調(diào)度數(shù)據(jù)中臺。該文分析運營調(diào)度業(yè)務(wù)中日常事務(wù)、應(yīng)急管理以及施工管控等場景的現(xiàn)狀和智能化需求，提出了5 個數(shù)據(jù)痛點。針對前述需求和痛點，提出“湖倉一體、流批一體”+微服務(wù)框架的技術(shù)架構(gòu)，構(gòu)建響應(yīng)一網(wǎng)感知、可視管控、智能輔助的地鐵“最強大腦”的功能架構(gòu)。最后以重點車站客流監(jiān)視為例，討論數(shù)據(jù)中臺在智慧調(diào)度系統(tǒng)建設(shè)中的實踐情況。

盡管針對該文所提出的數(shù)據(jù)中臺已有功能示例應(yīng)用，為后續(xù)的智慧調(diào)度建設(shè)積累了實踐經(jīng)驗，但在中臺架構(gòu)優(yōu)化、業(yè)務(wù)場景功能細化、數(shù)據(jù)處理算法、高階指標深化等方面，仍需要加強。下一步將持續(xù)推進新技術(shù)、新架構(gòu)在細分場景中的落地應(yīng)用。