当前位置:首页/博客

大数据时代的智能轨道交通

发布时间:2018-04-12   访问量:330

  大数据、云计算、移动互联网等新兴行业和新技术正在改变着传统的勘察设计、工程建设管理及维护模式。当前轨道交通领域的设计阶段已基本实现了数字化,但在某些环节数据管理与处理能力仍需加强,更由于施工和运营阶段数据管理与处理手段、能力的限制,使得设计成果未能得到充分应用,难于实现全阶段信息的集成和共享,制约了轨道交通领域的信息化建设。从庞杂的资料或海量数据中研究应用大数据、云计算技术解决问题的途径是轨道交通工程信息化需要解决的关键问题之一。

  IDC报告显示,近一年来,亚太区出现了越来越广泛的大数据和分析领域的应用案例。在中国,从互联网企业到电信、金融、政府等传统行业,都开始采用各种大数据和分析技术,应用场景也在逐渐拓展,从结构化数据分析,发展到半结构化、非结构化数据分析。随着信息技术的发展,轨道交通部门迫切需要用先进智能的数据分析手段对海量数据进行高效、实时分析。

  而轨道交通工程在不同阶段对云计算、大数据技术的应用需求也不尽相同。

  前期规划阶段

  轨道交通建设项目前期规划阶段,可通过建立既有铁路大数据并研制铁路建设项目地理信息系统等软件实现区段密度、车站到发、铁路OD数据等主要铁路运输指标的地理信息分析及查询、铁路运输径路比选分析、铁路网规划分析与指标测算、各行政区划、项目沿线经济指标分析等功能,为铁路建设项目前期规划提供基础资料,为国家和地方政府决策提供服务。

  建立基于数字地球的轨道交通三维空间选线平台在轨道交通工程前期规划阶段,基于数字地球(Google Earth)构建轨道交通工程三维空间选线平台,应对海外项目和国内难以获取数字地形资料的问题。

  勘察设计阶段

  现有的信息提取与数据处理方法大多是基于单一或少量数据源,处理模型依赖于数据类型、分辨率、波段数和影像特征等因素,难以满足天空地多传感器海量数据信息提取与变化分析的需求。

  面向轨道交通工程高精度高分辨率的动态感知需求,综合考虑天空地一体化协同感知条件下的多维、多尺度、高动态、多耦合等复杂的数据与信息关系,采用数据挖掘技术,实现对轨道交通工程多源观测数据的协同处理和高精度的信息提取与变化分析。

  面向全生命周期共享应用,以时空统一的GIS技术为基础,实现海量地理数据与时空大数据多元集成组织与管理,研究建立轨道交通工程统一描述框架,实现对多重数据表达、真三维GIS、时态GIS的有效支撑,推动对多尺度、动态变化世界的描述与分析,大幅提升GIS对真实地理世界的全方位建模与表达能力,推进时空融合视角下地理信息表达、处理技术与方法的发展。

  面向多元、多尺度海量数据和时空大数据的整合、组织与管理需求,开展轨道交通工程时空大数据组织、存储与索引研究,构建高安全时空大数据库管理系统,全面提升虚拟化网络环境中大规模地理时空数据的存储、管理、查询、分析与服务能力。

  GPS与GIS技术结合应用全球定位系统(GPS)在轨道交通工程勘察设计中的应用,目前主要是用于建立各种工程控制网及测定航测外控点,提供测点的定位大地坐标。地理信息系统(GIS)是用于管理地理空间分布数据的计算机信息系统。铁路工程中的勘察设计与GIS有着密切的关系,通过GIS可以直观地以地图方式录入、管理、显示和分析通过GPS及航测遥感等手段获得的各种地理空间数据和影像,辅以相应的软件制作各种比例的数字化地形图、DEM和三维景观供线路64方案设计、评审及演示汇报使用。这个过程涉及的数据量是相当大的,必须依靠大数据、云计算等先进技术提供海量数据管理的有效机制。

  利用大数据技术提高设计深度与精度,为工程投资、质量、进度控制打下基础影响设计深度及其精确程度的因素很多,其中一种就是由于资料提供不充分引起的。以站房工程为例,按照设计规范和工程建设流程,在设备没有招标或采购之前,由于缺少暖通、给排水、消防、电力、信息等工程中设备、装置的机械参数(如几何尺寸、管口位置等),设计所要表达的工程的结构、组成及相应的材料、机械、工程量无法达到需要的深度和精度,导致在施工及建设项目管理环节,难以实现进度、投资、质量的有效管控。解决问题的途径是:通过大数据应用,在设计及施工期动态共享设备制造商提供的数据信息,避免设计中信息的“真空”状况。这种方法,对于施工、运维应用大数据亦具有同样的适应性。

  工程施工阶段

  轨道交通工程项目设计通常由建筑、结构、设备、工艺等专业设计完成,在施工过程中,这些设计将转变为集成在一起的建筑构件,结果碰撞或冲突时常出现。另外,设计的不可施工性是项目设计的另一个问题,这同样增加返工量,影响施工进度,究其主要原因,就是缺少一个有效协同工作平台,即设计院、建设单位在设计阶段需要同时在二维(2D)环境下不能对设计方案进行检测与分析。因此,建立一个协同工作与检测平台,在施工前进行模拟,从而优化设计就十分必要。建立这个平台,要涉及大量设计数据(3D)、制造商提供的数据和沟通过程中信息交流数据,软硬件处理和存储能力是能否实现高效沟通的关键因素,可以考虑用云计算技术加以解决。

  同样,施工方案的可行性也一直受业界关注。施工方案一旦不可行,将拖延施工进度、使建造成本超出,因此,在施工以前找出完善施工方案十分必要。施工模拟技术不仅可以测试和比较不同施工方案,还可以优化方案。但施工模拟要用到设计3D模型(BIM),视工程的复杂程度该数据量会十分庞大。

  此外,就模拟过程而言,大型复杂结构体型庞大、体系复杂,影响受力和变形的因素很多,不同施工方法、施工工艺、施工荷载、成型顺序的不同组合,加上施工过程中产生的许多不确定因素等,使得模拟过程变得非常复杂,对硬件的存储空间、软件的处理能力要求变得非常高,也可以考虑用云计算技术加以解决。

  运营维护阶段

  大数据背景下,轨道交通行车安全、客流量密度和环境情况都会得到实时的回馈。例如,通过某一站点附近的手机信号密度,便可以快速估计出客流量密度和拥堵程度,辅以监测画面便可以更加结构性的评估、评定及对策,是对桥梁和隧道进行大数据挖掘、分析、处理后的重要应用。

  目前已有的一些技术,如病害标准化技术、结构有限元数值计算、基于可靠度的结构性能评估、混凝土碳化模拟、钢箱梁涂层劣化分析、钢丝锈蚀分析等。

  例如,根据各种桥梁管养工作预设的日历信息,对性能评估所需计算的耗时进行预估;根据耗时需要和人工干预需要,提前对一定生命周期的桥梁荷载、环境、状态、外观数据谱进行收集和多角度分析,并对全桥、节段、细部或构件等多尺度下的数值模型并行加载验算,将计算结果归并到类似于生命指数的某一数值上,进而与参数字典、标准病害库(外观、响应)、专家策略数据库进行自动化匹配,实时输出响应的结构性能评价及安全预警、维护加固策略信息。

  随着大量铁路建设项目的开通运营,大量的竣工资料、建设信息和运营过程中铁路灾害救援、抢修过程中需要的铁路设计资料以及铁路运营设施、设备等数据需要维护与管理。在铁路运营维护管理过程中,如果没有先进的技术手段维护如此庞大的数据,要提高工作效率、保障铁路网络的正常运营是非常困难的。

  可见,铁路建设运营维护信息具有典型的大数据特征,建立大数据是解决铁路设施管理、维护,保障铁路正常运营的重要手段。同时,由于铁路建设运营维护信息是国家、地方政府制定铁路规划最基础的资料,因此建立大数据,可以在国家、地方政府及建设运营维护管理部门决策中发挥重要作用。

  ■中铁第一勘察设计院集团有限公司 孟存喜