娛樂城百家樂線上描述：：原標題：令全世界都頭疼的地鐵運維問題，明略科技軌交數據中臺如何解決？ 智東西（公眾號：zhidxcom） 文 | 李水青 導語：一旦這場軌交行業的變革從局部卷席至全國，受益的是整個軌交運維體系及全國廣大軌交運維工作者。 “刷臉進站”、“語音購票”、“車廂熱力圖”……近來，軌道交通領域熱鬧非凡，似乎成了AI、大數據、云計算等新技術落地的最佳場景。 不過，除了廣大乘客能感知到的一面，AI及大數據技術正從人們看不到的地方改變著以地鐵為代表的軌道交通行業。 承載AI及大數據核心技術的“土壤”正是軌交行業解決方案中的“數據中臺”，通俗地說，數據中臺是一種將海量多源異構數據匯集治理、存儲計算，并為多種應用提供數據共享服務等業務支撐的平臺，而這正是為軌交系統降本提效，甚至為整個軌交行業“插上翅膀”的關鍵變量。 我國城市地鐵40年來里程增長195倍 ，目前里程總量已占全球35.26%，且增長仍然在繼續。不斷延伸的線路和增加的客流為行業帶來持續的發展機會，同時也為軌交運營、車輛維修保養等工作帶來了難以疏解的繁重壓力。拿上海地鐵來說，其17條在運營線路里程已經達到705公里成全球之最，日均客流已經超過1200萬人次。 ▲全國城市軌道通車里程排名前十 新加坡SMRT地鐵連續兩年巨額虧損的案例為行業帶來了前車之鑒。據官方數據和聲明可知，正是由于其維修及人力成本大幅提高，占據高達71％的地鐵車資收入，從而導致其在2019財年巨虧1.5億新加坡元，比上財年的8600萬新加坡元虧損激增80％。新加坡地鐵的解決方案是繼續增加人力投入并減少運營時長，而中國企業則選擇了不同的解法。 今年年初，由上海申通地鐵牽頭，中車長春軌道客車股份有限公司、中車青島四方所研究所有限公司、清華大學以及一站式企業級人工智能平臺和服務商明略科技集團共同完成的上海軌道交通車輛智能運維平臺（R.I.S.E）被國家發改委評為軌道交通行業的國家級示范工程項目，大數據和人工智能技術在軌交車輛運維商業場景中初步落地。11月15日，明略科技集團在上海舉辦以“FASTER 聚變·增長新動力”為主題的2019數據智能峰會，宣布“打造智能時代的企業中臺”新戰略，推出面向軌交行業的“智能運維解決方案”，尋求更廣泛、更具規模化的落地效應。 明略科技集團高級副總裁丁偉慶指出，數據中臺主要是重塑IT架構、打通IT和OT領域的數據，讓數據流在研發設計、生產、管理、維護等環節中流通，形成共同的數據源，利用知識圖譜，打造知識和數據的雙驅動的具有行業Know-How的數據中臺，進一步開展開發應用服務。 ▲明略科技集團高級副總裁丁偉慶 據了解，明略科技有十余年的海量多源異構數據匯聚融合技術積累，同時還具備長期深耕于軌交領域的行業落地經驗，使其形成了獨特的以行業Know-How為核心的軌交數據中臺、業務中臺和技術中臺整體解決方案。 近年來，帶有大數據平臺的云平臺已經在北上廣深等地區啟動，成為緩解軌交運維壓力，優化軌交服務的重要舉措。不同于“大數據平臺”主要對數據進行統一的管理，“數據中臺”的重點則是把數據對接上層應用服務。數據中臺的出現，就是為了彌補數據開發和應用開發之間的開發速度不匹配及響應力不足的問題。 “只有當地鐵車輛數據的“黑盒”被打開，數據被實時調用，及時掌握車輛的運行狀態，并從中獲取業務洞察，才能真正解決實際問題，從而實現高效維保與運營。”明略科技集團工業事業部產品負責人說。 拿地鐵車輛維保的四大環節舉例。 第一個環節，車輛檢修規程制定。規程是檢修的規則機制，和汽車跑5000公里或者半年后需要檢修的機制相比，地鐵行業的規程要復雜的多，地鐵車輛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。 一般的思路是，收集了大量傳感器數據，結合機器學習或者深度學習的算法來做故障預測與健康管理（PHM）研究，來預測部件的剩余壽命。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。因此機器學習方法可能要從小樣本挖掘的角度有所突破才能更好的應用于工業。 明略科技基于對軌交業務的深入洞察，理清“針對什么部件”和“誰來定規程”的重點之后，軌交數據中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，以此推進科學的規程制定。 第二個環節，定計劃。定計劃是指制定明確可執行的每日地鐵維保計劃，指導不同班組進行不同部件的檢修工作。當前計劃主要來源自于部件規程、日常檢修故障反饋、運營故障反饋三個方面。 而隨著車輛實時狀態數據下地，車輛維護團隊可每天每線路可額外收到高達上萬個故障報警信號，出現一定“信號過載”的現象，維保團隊難以對這些警報數據一一進行核實，這就導致每天上報來的故障數據與每天的檢修計劃不能有效結合。 明略科技軌交數據中臺將實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。基于故障聚合的規則，最終可得出車輛部件、故障關聯關系的知識圖譜，為未來針對新線路自動發現故障聚合的規則提供可能性。 第三個環節，檢修執行。全國各地的地鐵線網不斷擴充延展，但地鐵檢修團隊規模卻沒有隨之擴展，有經驗的維修工人被逐步稀釋到持續增加的新線路中，甚至在一些城市，招不到具有地鐵維修一線經驗的人。 相較于部件的作業指導說明，維修工單是更為重要的數據和知識來源，其中蘊含了海量的簡潔且有效的“最佳實踐”。明略科技軌交數據中臺基于供應商提供的作業指導說明及過往的維修工單，經過文本解析，實體抽取，語義消歧以及關系抽取等處理，抓取檢修信息的文本信息，通過“判例法”等手段抓取故障解決方案，建立軌交運維知識圖譜，通過工況相似度直接給出檢修方法的推薦，形成“故障檢修建議”，為維修人員提供參考。 第四個環節，交付運營。傳統的運營應急處置需要靠司機在車輛“緊急停車”場景的的前三分鐘內判斷原因，很多緊急情況對有經驗的老司機來說都難以獨自應對。目前的“調度室專家建議”、“新老司機交流”等方案由于不能同步車況、語言體系不同等問題實際效果并不理想。 明略科技軌交數據中臺將各種應急處置場景的對應信息，尤其是司機操作實時還原給地面的運營工作者，基于實時車輛狀態，為司機提供最適當的應急處置建議。在“應急處置”中司機將在軌交數據中臺的幫助下擺脫“一個人作戰”的處境。 基于軌交數據中臺的智能維保解決方案，底層的邏輯是打通感知、認知和行動的反饋閉環。 有人說，雖然“大數據”、“云平臺”等概念在軌交行業出現了很久了，但由于行業的封閉性，實際落地情況還比較落后。 明略科技集團工業事業部產品負責人卻說，我倒不覺得它落后，反倒很先進。“幾十萬的從業人員，幾十年的行業深耕，需要心懷敬畏。軌交行業的數據是非常豐富的，要尊重它的多年沉淀和積累。” 數據本身價值有限，數據由知識轉化為智慧才更有價值。明略科技深諳于此，其軌交數據中臺背后是一套扎實的將軌交數據轉化為軌交智慧的AI及大數據技術矩陣。 結語：AI賦能軌交行業，數據中臺成“致勝法寶” 隨著AI、大數據、物聯網等多點技術的落地進入深水區，以軌道交通為代表的的傳統行業將迎來新一輪變革。一旦這場軌交行業的變革從局部卷席至全國，受益的將是整個軌交運維體系及廣大軌交運維工作者。 作為軌交行業AI化、數字化進程中的“弄潮兒”，明略科技希望能通過具有行業know-how的數據中臺等技術和方案為地鐵運營端千萬的地鐵運維者簡化工作、提高效率，并為地鐵運維方式及收支結構帶來真實的裨益。 軌道交通等傳統行業并沒有部分人想的那樣封閉落后，相反，這個領域具有海量的數據積累、深厚的行業經驗積淀和較高技術門檻，只有懷有敬畏心態的玩家才有望在“智慧軌交”的搶灘大戰中撥得頭籌。