<mark id="oztn4"></mark>
0
城市交通，是城市效率的重要指標
地鐵作為當前現代城市主流的出行方式，其大容量、高速度、干擾小、能耗低的特性，成為了許多人心中“準時、安全、環保”的交通方式，也成為了諸多人出行首選的交通工具。
“十三五”期間，我國城市軌道交通運營里程就位列全球榜首，遠超德國、俄羅斯、美國等發達國家。根據交通運輸部統計數據顯示，截止2020年末，共有44個城市開通運營城市軌道交通線路233條，運營里程7545.5公里。
在客運量上，2016年-2019年，我國城市軌道交通客運量年均增速均在12%以上。
2020年初，受到新冠疫情的影響，我國軌道交通客運量雖呈現斷崖式下跌，但隨著復工復產，客運量急速上升并繼續保持增長態勢，經過統計，“十三五”期間，我國城市軌道交通累計客運量達到959.4億人次，較“十二五”時期增長81.7%。
在此背景之下，我國《十四五規劃和2035年遠景目標綱要草案》也提出，“十四五”期間我國城市軌道交通運營里程數將新增3000公里，并預計“十四五”累計客運量將突破千億人次，有望達到1292億人次。
伴隨著建設地鐵的城市越來越多、客運量不斷增長，地鐵線路由線變網，運營維保問題也日益凸顯。
伴隨著我國城鎮化的穩步推進，一方面城市規模的擴大推動了地鐵的建設，另一方面地鐵也被賦予了“帶動輻射了沿線區域的經濟發展”的新使命。
與此同時，“城市管理要向繡花一樣精細”的理念也在不斷滲透到城市管理的各個方面，對于城市軌道交通的發展，也從此前的“重建設”轉向了“重運營”，轉向地鐵的精細化治理。
在第二屆城市軌道交通運營發展論壇上，交通運輸部副部長劉小明就明確表示，軌道交通發展要堅持服務為本，持續改善乘客出行體驗，堅持科技引領，穩步提升智能化水平，以提升管理效能為目標，增強智慧管理能力。
與新建地鐵不同，城市軌道交通的運營維保工作是貫穿軌道交通線路的全生命周期，但在當前，對于地鐵的運維大部分城市都仍需依靠人力來進行。
以上海為例，網絡化運營以及不斷增長的客運人數讓地鐵設備長期處于高負荷的工作之中，線路的不斷延伸，讓原本就已捉襟見肘的檢修人員，需要去兼顧更多的檢修工作；而社會經濟的不斷發展，也在讓地鐵的運營時間變得更長，留給檢修工人的維修窗口期也隨之減少。
其中值得注意的是，數據顯示，在上海僅是列車檢修基地占地就有5788922.3平方米，作為不可再生資源，尤其是在上海這樣一線城市，這些土地資源可謂寸土寸金。
運行歷史長達20多年的新加坡SMRT地鐵，2019財年由于維修及人力成本大幅提高，出現1億5500萬元的巨額虧損。對此中車浦鎮，就在尋求更加高效的運維方案。
北京和太原，在轉向地鐵精細化治理后，也在尋求主動運維解決方案，要求可以實時監測列車運行情況，將日常運行實時記錄、維保記錄、維保輔助決策管理等系統進行融合分析，從而不漏檢，實時監測并分析列車各項趨勢，根據機器學習模型實現狀態評估，對于即將出現的風險進行預測報警，防患未然。
同時也可以將此前的信息記錄與駕駛員操作記錄等進行回溯，準確定位故障發生原因。
可見，不僅國內的城市，包含國外的地鐵，也都在面臨著傳統依靠人力維保所帶來的漏檢、效率低、成本高、投入大、維修窗口期小等諸多問題。一個高效、低成本、主動運維的智能運維方案則成為當前地鐵運營公司所急切需要的。
從需求來看，對于城市軌道交通的運維，用戶所希望的是能夠對故障實現預警，可以防患于未然，讓維修人員的精力也不再分散。從結果來看，這并不是一件容易的事兒。
但明略科技卻將這一結果，進行了拆解，將其分為了4步：
第一步，將業務在線化，讓數據能夠實時的被收集上來，并打通數據間的阻礙；第二步，則是將各系統數據進行融合分析，找出其中的價值，滿足用戶所需的以及城市發展的需求。
接下來則是將數據分析下來的數據圖譜化，將數據這一生產要素，真正的變為用戶新的資產，不斷為用戶提供價值；最后，通過數據中臺不斷分析實時數據，并融合搭建的知識圖譜，將所有信息進行聯動分析，為用戶形成不同維度智能化決策。
就在這4步走的方法論下，明略科技將用戶需求以及現狀進行拆解，逐一突破。
在這一方法論下，新加坡SMRT地鐵將東北線全自動駕駛的25輛車進行了翻新改造，從而讓車輛設備和運行數據可以被實時采集，在此基礎之上，采用了明略科技的IVHM系統（大數據平臺），對采集的車輛大數據，進行整合、存儲、分析、處理，并運用明略科技提供的失效相關分析模型、趨勢分析模型、部件健康等算法模型，實現設備的健康評估和智能化運維。
在上海，明略科技為其打造了一個大數據平臺，將原有6個平臺，3類技術路線進行了合并，實現跨業務領域的數據融合，打破了此前的數據孤島，通過對數據采集、存儲、分析應用和數據服務共享，為用戶提供了統一的集成管理，形成企業數據的標準與規范，構建統一的數據資產。
目前，該大數據平臺可以對10多條線路的400多輛地鐵列車產生的TB級的數據進行實時預警處理，動態監測列車各關鍵設備的狀態、故障情況，將原來的日檢工作，降低到每8天一檢，此外，檢修內容和頻次增加的同時，檢修人員卻大大減少，人車比由0.6減為0.33，為歷史最低。
在北京，明略科技打造的大數據平臺接入了車輛、信號、災害環境、軌道表面等軌交8大專業12個系統的業務數據，不僅實現了車輛、信號、災害環境、軌道表面實時監測，同時也實現了個系統業務數據的匯聚、存儲和共享，實現了用戶所想的趨勢分析和告警預警處理。
除此之外，該大數據平臺還整合了客流預測調控、主動維保、應急決策支持、安全綜合評價等多種業務應用系統，并對系統中關鍵業務指標進行集中分析和展示。
同樣在太原地鐵，明略科技也通過建立大數據平臺，實時獲取車輛運行狀態數據，對列車維護、維修、壽命周期進行評估，針對巡檢異常問題進行系統診斷，通過預警模型，對歷史故障進行回溯分析并尋找異常曲線，提前預測故障發生。
多地的實踐，讓明略科技找到能夠讓地鐵運營公司實現智能化運維的“方法論”，在這個方法論下，無論地鐵已經建設了多久、規模如何、有何需求，明略科技都可以逐一拆解，并讓數據這一新的生產因素發揮出應有的價值，為用戶降本增效。
從這一視角來看，明略科技的智能運維方案已經具備了可規模化復制應用的條件，而在這一成績的背后，明略科技又曾面臨了哪些難題？
眾所周知，明略科技是一家與數據“打交道”的公司。從四城地鐵實踐的結果來說，取得現在的成果，似乎更應該是明略科技“分內”的事情。
從結果來反推一家公司的成功，顯然過于簡單，也太過片面。數據作為新的生產因素，在不同行業之中，其都具有著不同的特性。
也正是因此，對于明略科技來說，初入一個行業，首先都要去了解這個行業，也就是我們常說的know-how。
明略科技對雷鋒網表示到，不同于日常汽車的檢修，地鐵的講究規則機制要復雜的多，地鐵車輛車輛13大系統的多層子系統的眾多部件及系統都有不同的規程。而以上所有的規程都來自于供應商，各個部件的供應商并不會因為地理位置、氣候環境、車輛使用強度等軌交項目的具體情況定制規程，因此，怎么制定符合本地需求的規程是智能維保需要考慮的基本問題。
常規手段，就是通過收集傳感器數據，通過機器學習和深度學習算法來建立模型，最后根據模型在進行健康管理。
然而機器學習或深度學習都需要大量樣本積累，這和車輛裝備的高可靠性天然產生了一定的矛盾，足夠的樣本積累需要很長的時間，但這個過程中隨著設備老化或其他系統的更換，模型需要隨之調整。
在這一思考之下，明略科技確定了自己的實踐思路：機器學習方法要從小樣本挖掘的角度有所突破才能更好的應用于工業。
之后，明略科技通過，厘清“針對什么部件”和“誰來定規程”的重點之后，通過軌交數據平臺將每天車輛的運營數據及當地的天氣等工況、時序傳感器數據，通過數據資產目錄與數據共享的方式提供給關鍵部件供應商，逐一推進科學規程的制定。
此外，當運營故障反饋變得更加精細，運維人員每天可能會額外收到高達上萬個故障報警信號，如何了解重點檢修，必然會成為運維人員的頭疼的一件事兒。
深入了解之后明略科技則將時收集的故障數據與檢修計劃緊密結合起來，對故障數據進行聚合、收斂，通過數據及相關規則來讓機器確認“重點檢修故障”，將故障數據有效利用，從而讓司機看到最關鍵的報警信息，提高檢修計劃制定的效率。
而根據每天的告警信息，明略科技則可以通過數據分析，得出故障部件。故障關聯的知識圖譜，為未來新線路的自動發現故障聚合的規則提供了可行性。
不僅僅與此，如何讓年輕的運維人員找到維修方法、讓新司機也能同老司機一樣面對突發情況……明略科技都在讓數據發揮價值，幫助擺脫“一個人作戰”的處境。
面對行業內的不同場景，明略科技通過其數據智能的能力，讓多個場景都在發生著質變，不僅能夠讓地鐵車輛的健康情況盡收運維人員的眼底，同時在智能分析的處理下，讓地鐵的運維能夠有的放矢。
2020年新冠疫情之下，“新型基礎設施建設”成為了我國增內需、穩增長、穩就業的發力點，城際高速鐵路和城市軌道交通的也正是新基建七大領域之一。
但不同于此前，在新基建的背景下，城市軌道的交通“基建”天然的就要包含大數據、熱工智能等技術的部署和應用，推動城市軌道建設向全自動駕駛、線網運營、服務創新、智能運營等方面轉型升級，促進城市軌道交通行業的數字化轉型。
而對于此前存量的線路也應該積極探索從運營、乘客服務、管理這些環節著手促進數字化轉型。
對此，明略科技顯然已經做好了準備，可以針對不同城市的不同需求，針對性的提交定制化的解決方案，滿足個性化的需求。
在明略科技看來，在城軌數字化轉型過程中，要重視IT基礎不完善、業務系統間聯動性弱、數據問題凸顯等難題，通過數字手段與技術戰勝現有困難。但更加重要的是，要盡快邁出第一步，加入到數字化轉型大潮中不斷探索，在實踐中推動城軌行業轉型升級。雷鋒網雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
