本次案例研究中的甲方主体为某城市轨道交通业主单位，其首条地铁线路于2013年9月26日开通试运营，使该城市成为中国首个建有高寒地铁系统的城市。到目前为止总运营3条地铁线路，总运营里程长78.08公里。2022年该城市地铁总客运量达1.33亿人次，日均客运量38.06万人次，较2021年大幅增加。该地铁采用了国际先进的列车信号控制系统、列车运营调度系统和车站门控制系统，为乘客提供快速、安全、舒适的出行服务。在车站和车厢内还设置了多个公共服务设施，如自助售票机、自助充值机、紧急电话等，以满足乘客出行的多样化需求。未来，该市地铁还将继续扩建，计划开通4号线、5号线等多条新线路。
01
近几年国家政策频发，旨在大力发展智慧交通，推动大数据、互联网、人工智能、区块链、超级计算等新技术与交通行业深度融合，展望构建安全、便捷、高效、绿色、经济的新一代中国式智慧型城市轨道交通。2019年中共中央、国务院印发《交通强国建设纲要》以及2020年中国城市轨道交通协会发布《中国城市轨道交通智慧城轨发展纲要》，为城市轨道交通智能运维奠定了发展基调。
以上政策明确了城市轨道交通在运营中需要继续深化数字化转型。爱分析认为，建设质量可靠、安全可控、服务便捷的数据资产体系是实现数字化转型的重要抓手。完善的数据资产体系不仅能推动传统运维方式向智能化运维转变，同时也能赋能业务，持续满足业务端的创新需求，创造业务价值。
02
先进的数字化、智能化理念、技术与轨道交通运维行业融合尚浅，城市轨交运维目前普遍面临诸多亟待解决的痛点问题。
一是设备多且繁杂，数据统一管理难度大。轨道交通相关设备规模庞大，种类繁多，涉及的专业领域也十分广泛，包括机械、电气、电子、计算机、通信等多个方面。由于各专业之间的专业属性差异极大。因此，如何有效地对各专业设备数据进行采集、存储及应用成为了首要解决的问题。爱分析认为，强大的物联网数据管理是解决该问题的关键能力。
二是轨交专业性高，技术难度大，个人经验难以沉淀、复用。轨道交通对专业性与技术性要求较高，且涉及的专业知识极为复杂。并且轨交运维所需的关键知识、经验大多存在于专家或优秀员工个人知识体系中，并未形成专业文档或完成知识资产化，难以复用，可能会造成运维质量层次不齐。因此，如何将宝贵的运维管理与技术经验进行沉淀，并在出现问题时及时共享，成为普遍关注的问题。爱分析认为，结合内外部专家经验进行总结提炼，并建立专业知识库，基于该知识库能够在内部实现不断共享与学习是解决该痛点的重要手段。
三是传统方式设备评估精准性差。轨道交通作为城市公共交通的重要组成部分，对安全性要求较高，目前日常检修仍以计划修和故障抢修结合为主。但该方式难以满足对轨道交通的实时监控和设备健康评估。如何在考虑轨道交通其特殊安全性要求的基础上，充分利用既有的数据体系给出有价值的设备健康评估，成为了目前亟待解决的问题。爱分析认为，基于通用模型、基于业务规则、基于模型机理等搭建层次化的设备健康评估体系是行业共识的有效方法。
四是故障定位时间久，修复效率较低。随着轨交行业数字化转型深入，系统变得越来越复杂，智能设备也越来越多，其数据量随之呈指数级增长，告警分析、根因定位难度加大。传统方式通过专家已有的经验很难对海量告警进行快速分析与定位根因性告警，并且对新出现的故障很难做出有效的判断，导致故障修复时间较长，影响正常运营。爱分析认为，厂商的AI技术能力与过往在垂直场景积累的算法和模型与根因分析表现直接挂钩。
在上述背景下，具体到轨交业主单位的需求——某市轨道交通线网控制及应急救援指挥中心，规划搭建集中式控制中心，需要开发一套线网级多专业智能运维平台。从设备运维角度出发，在线网层级进行全专业（包括通信、信号、机电、车辆、工务等专业）的数据与信息整合，实现对线网运营的全面监控与管理。通过对线网各专业领域的数据进行采集、分析和挖掘，更好地了解线网的运行情况，及时发现潜在问题并进行预警和处理，提高该业主单位轨交线网运营的安全性、稳定性和可靠性。
通过多方产品调研与厂商选型对比，基于对厂商轨交运维的产品体系、技术能力、业务场景理解、项目实施交付等多维度进行综合考量。最终逸迅科技凭借其在行业丰富的know-how积累沉淀，在大数据与物联网方面的技术优势以及在轨交多个专业均有成熟的项目落地经验，成为该轨交业主单位的最佳合作伙伴。
图4：层次化的健康评估体系示意图
基于通用模型的设备健康评估。基于通用模型的设备健康评估主要包含RAMS指标体系和设备健康度。其中设备健康度主要利用该用户已经存在的设备履历、维修记录、厂商型号，以及告警量和少量的模拟量。通过层次化分析、熵权分析等权重优化手段，通过历史数据形成一套健康评估分。该轨交业主单位基于该思路已实现对现场全专业设备进行评估，并随着系统应用不断优化。
图5：基于通用模型设备健康评估示意图
基于业务规则的设备健康评估。在轨交运维过程中，现场的运维人员会在专业厂商上报的状态量或者超限报警基础上，基于专家知识库和问答系统实现设备健康状况快速评估以便及时组织应对措施，同时也是该轨交业主单位宝贵的知识财产，为业务提供高效指导。比如，原来简单的阈值告警是否要改为一段时间内均值的阈值告警，原来单一采集项的判断，是否要改为多个采集点采集值的偏差等。
图6：基于业务规则设备健康评估示意图
基于模型机理的设备健康评估。对于关键设备，特别是提供有效数据并具备相应机理模型，如转辙机等，通过逸迅科技的监督深度学习能力，提供更加具备泛化能力的故障及病害检测，并利用故障案例数据不断丰富故障及病害样本，同时利用历史相似案例更加准确地辅助一线维修人员。
图7: 基于模型机理设备健康评估示意图
第三步，搭建企业级的智能运维数据底座。轨道交通领域设备运维数据量非常大，通常该轨交业主单位会将全量数据保存3到5年，其数据量很容易达到PB级。针对此，在逸迅科技大数据特别是物联网大数据方面的经验支撑下，该轨交业主单位将其智能运维从数据接入、数据处理、数据组织、数据治理到数据服务的全流程数据进行标准化，大幅提升数据利用价值，使其更好地反哺业务。
图8: 智能运维数据底座示意图
同时在逸迅科技多年经验沉淀的大数据组件底座支持下，通过对时序数据库、图数据库、分析库、内存数据库的整合和调优，基于物模型的国家标准，实现对轨道交通设备的状态数据、告警数据、设备关系数据等深度分析、利用。
图9: 大数据底座库示意图
通过该项目实施，该轨交业主单位实现了跨专业的数据与信息整合，并且实现对线网运营的全面监控与管理，取代传统靠运营人员定期巡检，提升设备健康评估能力，提高检修效率，实现业务价值提升。具体成果如下：
数据方面，实现各专业设备数据的统一管理。该轨交业主单位构建了一体化数据管理体系，依托逸迅科技打造的智能运维数字底座，实现了对轨交各专业各类智能设备全量多源异构数据的汇集、存储、分析，并对内部的运维数据从接入、处理、组织、服务、治理全流程进行标准化，从而形成高质量的数据资产沉淀。
设备评估方面，构建了高精准的评估体系，大幅提升设备运维效率。该轨交业主单位基于多维度数据，建立了基于通用模型、业务规则、模型机理等层次化的设备健康评估体系，能够对在线检测数据、巡检数据、运维历史数据、基础数据等全量数据进行快速分析、利用，取代人为手动处理，大幅提升设备运维效率。同时，也搭建了健康指数特征模型并计算出健康指数，全面评估各设备运行的健康状态，防止人为漏检或过度修造成的安全隐患。
目前，该轨交“线网级多专业智能运维”项目已取得阶段性成功，随着未来轨交运营线路进一步扩张，该轨交用户与逸迅科技双方合作将进一步深入。
首先，在逸迅科技持续迭代的大数据分析和人工智能等先进技术支持下，该轨交用户将进一步挖掘现场案例库、预案库和维修资料，未来该项目将实现更加精准的专家知识库和问答系统，将运维相关信息与知识资产化，实现轨交组织内部快速、准确地获取信息与知识共享。
其次，在逸迅科技的协助下，该用户将不断优化平台时序数据分析和算法机制，针对健康评估算法提升设备泛化能力、降低日常运营的人工参与度，同时提升设备评估的结果准确性。同时，随着双方合作进一步深入，推动逸迅科技与更多专业设备品牌厂商合作，将更多的模型机理和规则策略纳入到智能运维平台，项目将进一步满足该轨交用户越来越高的运维需求。
