重载铁路线路设备智能运维关键技术研究

韩自力 马战国 谷牧 尹京 柴金飞 段培勇 司道林

中国铁道科学研究院集团有限公司铁道建筑研究所，北京 100081

重载铁路线路设备智能运维是通过集成应用人工智能、物联网、大数据等先进技术，构建线桥隧物理空间与数字信息空间协同交互的复杂系统，两个空间中人、机、物、环境、信息等要素相互映射、适时交互、高效协同［1-3］，实现设备故障预测、预警以及预防性状态修理。线路设备数字化以及基于多源数据的线路设备状态评估与运维决策是实现线路设备智能运维需解决的关键技术问题之一。

近年来国内外学者对线路设备智能运维关键技术开展了一些研究。文献［4］提出了铁路工程BIM协同设计平台，建立协同共享数据库，各专业根据数据协同标准和专业数据标准开发BIM设计软件。文献［5］应用BIM技术构建施工过程安全信息模型，对4D施工过程进行数字化分析，可全面检验进度计划、施工方案、设计缺陷等。文献［6］综合考虑设计、现状及病害、养护维修等因素，提出了长大公路隧道结构安全的评价指标以及分级标准。文献［7］采用层次分析-模糊评判法对隧道的各个指标进行评估，并利用二级模糊判断矩阵以及最大隶属度原则确定隧道结构状态等级。

上述研究主要集中于新建铁路的线路设备数字化，且融合多源数据开展既有铁路线路设备状态评价的研究较少。鉴于此，本文以朔黄铁路线路设备运维为背景，提出了基于GIS、BIM+GIS的线路设备可视化以及全寿命周期管理技术，并以大数据分析为核心，探究建立了基于多源数据的线路设备状态评价方法。

1 线路设备数字化与全寿命周期管理

应用BIM、GIS等技术，将设备履历、状态、维修、病害等信息进行“一张图”融合。包括设备台账、设备履历、汇总报表、专题图、春秋检、设备病害字典、基础信息等综合管理，具有台账数据导入、统计分析、台账智能更新、病害智能分级分类、汇总报表自动生成、专题图自动更新等功能，实现工务设备从上道、检查/巡检、维修、下道的全寿命周期闭环管理与三维可视化分析。

1.1 基于GIS线路设备全寿命周期管理

1）线路设备单体化

线路设备包括轨道、路基、道岔、桥隧等，分别按单元进行管理，各管理单元根据专业设备精细化管理要求，对单元进行单体化，如道岔可单体化为基本轨、尖轨、辙叉、轨枕、扣件等。轨道单元单体化为钢轨、轨枕、扣件等。钢轨按单根分左右股进行管理，长度为朔黄铁路钢轨实际长度。各结构单元可关联设备台账、属性等信息，实现设备精细化管理。

利用GIS（Geographic Information System）地图可开展重载铁路线路设备及地理环境空间拓扑关系的综合分析，实现线路设备数字化、可视化管理。为提升GIS设备地图加载速度，线路模型（图形单元）建模时需考虑一定的轻量化，分上下行分别建模，车站按实际道岔配线图、股道图建模，路基、支档结构需在GIS地图上建模，并考虑与轨道模型的差异化展现。GIS地图加载速度小于等于2 s，地图比例尺最小500∶1，线路建模时按线路实际里程建模，里程定位偏差0.2 m。

通过GIS地图将线路设备图和设计、建造、运维、检测等属性数据库信息关联，可实现“图-数”、“数-图”交互与查询统计分析。通过设备名称可进行查询统计设备的空间信息和属性信息。通过地图点击、框选等方法进行设备选择，根据运维管理需求显示设备相关属性信息。地图定位时，将需要显示的目标对象定位到当前视图的中心位置，并将用户的查询结果在图形上进行快速准确地显示和定位。

2）设备台账、属性、状态的一张图可视化管理

GIS系统中所涉及的数据可分为设备空间数据和属性数据，其中设备位置是线路设备对象的经纬度坐标，几何图元描述设备的空间形状，拓扑结构为设备空间位置关系。属性数据为台账数据和运维业务数据等，见图1。

图1 基于GIS线路设备数据结构

建立线路设备统一的编码规则，通过设备编码关联设备各类信息数据，包括设备台账、检测监测、病害、维修养护等，在地理图形上可快速查询线路设备台账信息、运维信息，实现资产图形化管理。

设备台账属性可进行新建、修改、删除，技术台账、属性按朔黄公司台账与属性表编制。结合运维需求，可在GIS地图展示不同的设备台账、属性信息。如桥梁结构包括设备名称、固资信息、现场图片、技术资料等。

设备健康状态以及病害等信息可采用色阶、弹窗等方式展示，病害信息除与单元设备关联外，还与设备具体部件精准关联。色阶显示分为三级：正常、黄色（二级病害）、红色（三、四级病害）。

1.2 桥隧BIM+GIS三维可视化技术

应用BIM+GIS技术，可实现朔黄铁路桥隧设备三维可视化“一张图”管理。应用BIM（Building Information Modeling）技术，按照铁路BIM标准，定义模型IFC分类和属性信息，对既有桥隧进行三维模型的参数化快速建模［8］，整合桥隧结构既有的全部数据信息，以3D可视化的形式，实现对既有桥隧的直观展示和资料的综合管理；而GIS可以完成桥隧构筑物的地理位置及其空间信息分析，提高BIM模型的信息完备性。

1）基于Revit的桥隧参数化建模

根据朔黄铁路桥隧分布特点，应用Revit建模软件，建立满足不同运输条件下典型桥隧BIM构件库，如T梁、箱梁、支座等标准化部件。通过构件库调用构件模型，与线路平纵曲线关联，快速搭建桥隧模型，实现典型桥隧成段落BIM快速建模。建模时需对构件几何尺寸进行规律性分析或提取，以构建参数化的BIM模型，并对每种类型构件包含的属性信息进行归集整理，形成BIM模型构件属性信息标准。应用桥隧分类编码，建立桥隧结构树状组织关系，并与桥隧病害库进行内部关联。

2）桥隧BIM+GIS融合与全寿命周期信息集成

桥隧设备全寿命周期管理依托SuperMap引擎实现BIM和GIS数据的融合分析。在BIM数据融合与GIS数据匹配时，通常两个数据使用不同的坐标系，需利用SuperMap平台进行坐标系转换操作，可利用模型数据的坐标转换功能与配准功能，方便将工程坐标系下的BIM模型自动匹配到指定的坐标系［9］。将BIM模型所在区域的倾斜摄影模型进行镶嵌压平操作，实现倾斜摄影与BIM数据的有效结合，一方面通过倾斜摄影技术可以批量构建现实世界的表面模型，可以作为底图使用；另一方面通过BIM数据生成桥隧结构，实现更加精准化数据分析和建模。

通过制定编码规则建立数据与设备构件之间唯一关联，实现基于GIS+BIM的信息动态关联展示，实现全寿命周期信息的可视化管理。主要业务功能包括：GIS场景展示、BIM模型可视化与信息（病害状态、评估结果、运维计划、设备台账）关联展示、桥隧信息双向查询和快速定位、图表自定义、信息栏属性自定义等，见图2。

图2 基于BIM+GIS桥梁三维可视化管理

2 BIM+GIS轻量化技术

BIM模型集成了桥隧设备所有相关信息数据，各构件不仅包含了三维模型的外观，还储存着大量的属性数据信息，数据量级过大时，会导致显示端运行卡顿［10］。采用以下几种方法进行了桥隧BIM+GIS信息模型的轻量化。

1）内部冗余数据删减

BIM技术在桥隧设备设计、施工、运维各个阶段，均会产生相应的属性数据，且各阶段对BIM模型的精细化程度与属性信息要求不同。如在设计与施工阶段，需要考虑梁体内部钢筋等部件。在运维生产中，在大多数情况下仅需要外部轮廓，对模型数据库中的信息进行筛选，删除冗余构件及数据（显示端中无需显示的构件）。

2）三角网格模型简化

通过减少三角面的数量，在轻量化处理过程中要保持模型外观特征，尽可能使BIM模型外观与实际桥隧外观一致［11］。

边折叠方法是三角网络模型简化常用的算法之一，具有计算简单、模型外观几何特征易保持等特点。对网格中折叠代价小的边进行删减，得到新顶点，再将与这条边有关的顶点和三角面片删除，实现简化需求，见图3。

图3 基于边折叠的三角网格简化图

3）相似图元引用

对于某些图元形态上相同的部件，在BIM建模时可采用相似图元引用的方法，对线路轨枕、扣件外形完全相同的部件进行图元合并处理，仅保留一个部件的信息，通过“引用+空间坐标”的方法构建剩余相同的部件，能够大幅缩减图元数量，降低数据存储空间，实现BIM模型轻量化。

4）LOD多细节层级模型

LOD（Level Of Detail）即细节层次模型，通过连续简化模型，减少模型网格数量从而降低模型的复杂性，提高模型的绘制速度和显示质量。离散LOD将原模型进行预处理，根据展示要求建立多个层级简化模型，采用模型可见性和模型与视点间距进行LOD多层级展示。查看整体模型时，对模型内部结构和装饰进行剔除；用户拉近视点距离时，显示精度较高的精细模型，拉远视点距离时，显示精度较低的粗糙模型，提高模型加载与渲染速度。

3 线路设备智能运维决策关键技术

3.1 大数据分析方法对比

大数据分析方法主要有贝叶斯分类、D-S证据理论、聚类分析、模糊理论、神经网络等，见表1。在大数据分析中一般会结合多源数据的关联关系分析，构建较为适宜的算法模型［12-13］。在线路设备状态评价与运维决策中，由于线路设备部件多，影响因素多，主要采用了神经网络、聚类分析、模糊层次分析等方法。

表1 大数据融合算法比较

重载铁路线路设备智能运维需融合应用大量的人工检查、移动检测、固定监测等多源数据，设备异常状态下的检测监测数据较少，给设备状态的预测预警分析带来一定难度。首先建立线路设备仿真模型，分析各检测监测数据的相关性及其对结构状态变化的影响规律，建立设备状态数据训练集。然后应用大数据、深度学习、神经网络等技术，构建融合多源数据的工务设备评估指标体系和数字化评估模型，以数据驱动为核心，实现设备状态评估预测以及智能维修决策。线路设备运维决策包括轨道单元、钢轨修理、大机清筛捣固、道岔、路基、桥隧状态评估与运维决策等。本文以轨道单元状态评价为例，建立了基于模糊层次评判法的轨道状态评价模型和方法。

3.2 模糊层次分析法

模糊层次分析是将层次分析法（Analytic Hierarchy Process，AHP）和模糊综合评价法（Fuzzy Comprehensive Evaluation，FCE）相结合的一种评价方法。重载铁路线路结构部件多，各部件的评价方法不一致，且各个部件的影响因素不同，采用某一单项或几项指标无法对这些复杂系统或问题进行全面整体评价。模糊层次分析首先结合线路设备状态影响因素分析，构建层次分析模型，采用AHP确定所有指标的权重；然后采用FCE评判，确定评价指标集以及隶属度函数；最后结合模糊运算，得出设备状态的评判结果。本文以轨道状态评价为例，应用模糊层次分析法，提出了重载铁路轨道状态评价模型与流程。

1）轨道状态评估分析模型

AHP需对所要解决的问题进行层次梳理，建立层次结构模型。层次结构模型一般分为三层：目标层、准则层、指标层［14］。轨道状态评价目标层为轨道状态，结合轨道状态影响因素分析，可分线路状态、线路结构、运营条件、环境条件四个准则层进行评价，每个准则层又分为不同的指标进行评价。共考虑21个指标，见图4。

图4 轨道状态评价模型

轨道状态评估模型评价指标集共有21个评价因素，可表示为E={E1，E2，…，E21}。一般而言，指标集中的指标因素可分为定量指标和定性指标，轨道状态评价的21个指标均为定量指标，可根据线路设备检测监测数据进行评价。

2）模糊综合评判法

模糊综合评判法根据模糊数学理论将定性评价转化为定量评价，多用于对事物进行综合评价。运用FCE法进行评估时，需要将设备状态的优劣程度划分为若干个等级，确定被评价对象和评价指标集［15-16］。采用合理的方法确定隶属度函数，通过模糊合成运算，确定模糊评判的结果。

根据重载线路设备特点，将轨道状态划分为“优良”“正常”“注意”三个等级。设评价语集U为轨道状态评价等级的集合，则U=｛U1，U2，U3｝=｛优良，正常，注意｝。

隶属度函数可采用模糊分布法来确定，隶属度函数是指评价指标E与评价等级U之间的函数关系，三角形隶属函数图形简单、便于计算。因此本文采用三角形分布法建立一级指标与其相应评估等级之间的隶属度函数。

3）轨道状态评估流程

分析轨道状态的影响因素，应用模糊层次分析方法，建立重载铁路轨道状态多层次模糊评判模型。评价分析流程如下：

①建立层次评价模型，确定评价指标集。共考虑21个指标进行评价。

②构建判断矩阵，确定评价指标权重向量。评判指标权重采用九标度法。由行业领域专家以及朔黄铁路运维管理人员两两比较相对指标的重要程度来建立判断矩阵，并进行一致性检验，确定权重向量。

③确定评语集。评价语集U=｛U1，U2，U3｝=｛优良，正常，注意｝。

④确定隶属度与评判矩阵。利用三角分布法确定各指标的隶属度，逐个准则层构建模糊关系矩阵R。以准则层中的线路状态为例，评价指标共有5个，分别为E1—E5，其构建的评判矩阵为

对评判矩阵R1进行归一化处理：

式中：r ij为评价指标Ei对评判等级Uj的隶属度；m=3。

⑤模糊合成运算，确定评价综合指标。分别将各准则层的模糊矩阵R与评价指标局部权重进行模糊合成运算，再结合各准则层指标权重矩阵，得出二级模糊评判矩阵。二级模糊评判矩阵中的最大项对应的评价语集即为轨道状态的整体评价结果。

4 结论

1）应用BIM、GIS等技术，将设备履历、状态、维修、病害等信息进行“一张图”融合。包括对设备台账、设备履历、汇总报表、基础信息等综合管理，实现线路设备从上道、检查/巡检、维修、下道的全寿命周期闭环管理。

2）基于SuperMap平台，提出了重载铁路桥隧BIM模型与三维GIS融合方法，通过制定编码规则建立数据与设备构件之间唯一关联，实现基于GIS+BIM的信息动态关联展示，实现桥隧设备三维可视化管理。

3）为减小桥隧三维模型运行卡顿。研究应用内部冗余数据删减、三角网格模型简化、LOD多细节层级模型等轻量化技术，可提高桥隧三维BIM+GIS可视化展示的流畅性。

4）线路设备运维中积累了大量的人工检查、移动检测以及固定监测等多源数据，但设备异常状态下的检测监测数据较少，对设备状态的预测预警分析带来一定难度。本文建立了基于“结构仿真+大数据分析”的线路设备状态评价方法，并以轨道状态评价为例，应用模糊层次分析法提出了重载轨道状态评价模型与流程。