轨道交通智能运维：搭建智能运维管理平台，实现状态修+预知修

轨道交通作为典型的设备设施资产密集型行业，设备设施数量巨大，涉及专业多。按照规范的运维工作标准来确保相关设备设施正常、高效地运行，是轨道交通安全、稳定、高效经济运营的决定性因素。

1）安全：系统在风险可控的状态下运行，保证乘客、公众与轨道交通工作人员的人身安全，以及运输货物与轨道交通设施设备的完好。

2）稳定：持续地向用户提供可用、准确和完善的服务。

3）高效经济：确保系统的运营效率，以合理的成本和资源投入实现较高的乘客及货物周转量，即在确保轨道交通安全运行的前提下，以合理的成本完成系统预定的运输服务任务和达到规定的服务指标水平。

为了解决轨道交通智能运维的问题，将传统的周期性计划修转变为基于测试分析的状态修和基于评估先验的预知修，需要采用先进的技术，将传统以人工为主的运维管理转变为自动化、信息化的智能监测维护方式。具体工作内容为：利用传感网、物联网、车联网、移动互联、云平台、大数据、深度与自主学习、协作、分享等技术手段，搭建智能运维管理平台，实施精准的状态感知、可靠的状态预测以及应用“互联网+”，通过进行流程管理、事件管理、问题管理、变更管理、发布管理、运行管理、知识管理、综合分析管理，实现运营故障处置、驾驶行为评估、运营组织管理、列车能耗管理、设备健康评估、设备安全预警和数据共享等。

维修模式转变

资料来源：CNKI

根据《中国城市轨道交通智慧城轨发展纲要》，智能运维安全要求：

1）2025年目标：车辆、能源、通信、信号等智能运维系统在全行业推广应用，日常检修效率和车辆整体可靠性达到世界先进水平；车辆运维行业技术标准和规范发布实施；建立基于大数据的线桥隧、通信信号以及机电设备等多专业设备智能运维体系和行业标准；基本建成列车调度指挥、运行控制、行车作业等关键系统安全保护和风险评估的标准化体系；建成与城轨交通客流特点相适应智能安检新模式；建成基于乘客行为分析和市政交通的综合应急管理系统；全行业运营安全和设备保障等指标达到世界先进水平。

2）2035年目标：覆盖城轨全行业的智能运营安全和综合运维体系全面建成；行业技术标准发布实施，部分技术标准进入国际标准体系；全行业运营安全和设备保障等指标达到世界领先水平。

智能运维实现目标和路径表

来源：《中国城市轨道交通智慧城轨发展纲要》

——车辆智能运维概述

以上海市轨道交通车辆智能运维系统为例，其是从顶层设计角度出发，基于大数据分析、人工智能技术，结合具体应用场景做深度开发而形成的体系。其由车地无线实时传输子系统、轨旁车辆综合检测子系统和车辆维护管理信息子系统 3 部分组成，再通过综合监控系统接入智能运维系统。结合传感、激光、图像识别、红外线等状态监测技术获取车辆走行部以及车体的状态数据信息，结合模式识别、特征匹配、深度学习等数字图像处理技术有效识别车辆异常状态，实现实时监控列车全路网、建立故障实时预警，提高检修精度和频次、优化信息反馈形式，使检修流程标准化。

上海市轨道交通车辆智能运维系统框架

资料来源：CNKI

——能源智能运维（ 智能牵引供电）概述

智能牵引供电系统由智能供变电设施、智能供电调度系统、智能供电运维系统、柔性供电结构与装备与高速安全通信网络组成。运用现代先进的测量、传感、控制、通信、信息、人工智能等技术，以智能化牵引供电设施和高速双向通信网络为基础，以信息化、网络化、自动化、互动化为特征，对牵引供电系统运行检修所需的各类基础数据、检测监测数据进行分析与数据处理，对智能供电设施的基础数据、检测监测、运行检修作业、设备状态评估与预测等进行全生命周期管理，实现对牵引供电系统的故障预测与健康管理（PHM）、安全评估、应急指挥、运营安全保障及辅助决策等高级功能，能够为铁路提供安全可靠、高效优质的牵引动力。

智能牵引供电系统层级构架

资料来源：CNKI

——通信智能运维概述

通信系统中包括指挥调度通信、无线通信、公务通信、广播通信、电视监控通信等相关设备。通过接口服务器与通信集中告警系统互通，获取各个通信子系统故障告警数据，接着通过运营商网络下发给运维移动终端，按照终端软件要求步骤处理故障，终端设备再通过运营商网络上传上传现场数据信息至中心运维平台服务器，各层面人员均可从运维平台管理软件上直接调取相应数据，以便推进下一步工作。通信集中告警系统可通过综合监控系统接入智能运维系统，同时通信系统接入系统的在线监测可通过通信系统和综合监控系统扩容接入智能运维系统。

——信号智能运维概述

地铁信号系统智能运维平台是在传统运维方式的基础上，通过进一步加强相关设备内部状态感知能力，使得设备对外部状态的分析和推理能加强，实现设备对自身故障诊断与处置，系统可实现自主性的故障隔离操作、备份系统启用。同时也增加了线网层面对各条线路的集中监测，接收来自线路各采集分机的大量数据，对这些数据进行分类存储、筛选、计算和分析，运用大数据存储技术和深度学习的人工智能技术对信号系统进行健康管理，为状态修提供参考，进一步提升信号系统的安全性、可靠性。