铁路智能运输系统及其应用
贾利民1,秦勇1,张媛1, 2
(1. 北京交通大学 轨道交通控制与安全国家重点实验室,北京,100044;
2. 北京交通大学 交通运输学院,北京,100044)
摘要:铁路智能运输系统是我国铁路运输系统的发展趋势,也是国际铁路运输界的研究热点。本文给出了铁路智能运输系统的定义和特征,提出了其层次化的体系框架,分析了其中必需的六大关键技术,讨论了其三阶段发展模式,并介绍了铁路智能运输系统的不同方面的3个典型应用。
关键词:智能铁路运输系统;体系结构;关键技术;发展模式;应用
中图分类号:U29 文献标志码:A 文章编号:1672-7207(2011)S1-1042-06
Railway intelligent transportation system and its application
JIA Li-min1, QIN Yong1, ZHANG Yuan1, 2
(1. State Key Laboratory of Rail Traffic Control and Safety, Beijing Jiaotong University, Beijing 100044, China;
2. School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044, China)
Abstract: The railway intelligent transportation system (RITS) is the trend of railway transportation system in China, and it is also the research focus of international railway transport industry. In this paper, the definition and characters of RITS are given, its hierarchical architecture is proposed, and six key technologies necessary are detailed. The three-stage developing pattern of RITS is discussed, and three typical applications are introduced. Finally, the prospect of the RITS is summarized.
Key words: RITS; architecture; key technologies; developing pattern; applications
根据中国铁路中长期发展规划,到2020年,250 km及以上时速的高速铁路建设里程将超过1.8万km,占世界高速铁路总里程50%以上。与此同时,中国铁路运输系统也面临着“高运能、高效益、高安全、高服务品质”的要求。对于铁路运输系统这一融合了多因素复杂系统来说,仅依靠传统理论和技术方法已无法满足上述要求。因此,从全局考虑提出和研究适合于我国的铁路智能运输系统势在必行。欧洲、日本、美国等发达国家在铁路智能化方面已经进行了相当广泛和深入的研究,产生了一批具有代表性的系统,如欧洲的ERTMS,日本的CyberRail,美国的IRS等。近年来,欧盟提出的InteGRail,IBM提出的Smarter Railroad,CISCO提出的Smart+Connected Railway,SIMENSE提出的Intelligent Train等都推动了智能铁路的发展。目前,在铁路运输信息化发展的基础上,充分利用各种智能化技术,使铁路运输系统向智能铁路系统转化已经成为各国铁路发展战略的共识。在我国,某些高校和科研院所也已就铁路数字化和智能化等相关方面进行了深入研究。Wang等[1-2]等带领的研究团队提出了铁路智能运输系统的概念,并对其体系框架、标准体系、系统设计和优化等进行了相关研究。近年来,具有代表性的TMIS,DMIS,TDCS,CTCS,GSM-R以及客票预售系统等系统正在逐步实施和完善。近年来,随着物联网、知识推理等技术的发展,RITS也在不断演化和进步,本文作者对在这种动态发展背景下的RITS进行阐述。
1 RITS的定义及特征
1.1 定义
基于对现代运输系统、信息技术、智能技术的认识,提出铁路智能运输系统(Railway intelligent transportation system,RITS)的定义如下:铁路智能运输系统是集成了先进的信息处理技术、通信技术、控制与系统技术、计算智能与决策支持技术等,以实现信息采集、传输、处理和共享为基础,通过高效利用与铁路运输相关的所有移动、固定、空间、时间和人力资源,以较低的成本达到保障安全、提高运输效率、改善经营管理和提高服务质量的新一代铁路运输系统。其概念示意图如图1所示。
图1 RITS概念示意图
Fig.1 Overview diagram of RITS
1.2 特征
由上述铁路智能运输系统的定义及实质,其应是一个安全、高效、低碳、和谐、按需求驱动的自主化系统。作为一个集成了多因素的复杂系统,铁路智能运输系统的特点主要体现在以下4个方面:
(1) 互联互通、信息共享。RITS中辨识、定位、检测、控制、监视、通信、信息处理、决策支持等功能的集成必然要求系统中子系统及子系统各部分间实现有机的互联互通,以保证顺畅的通信和高度的信息共享。
(2) 智能处理。RITS应广泛地应用模糊控制、进化算法、神经网络等智能技术,实现行车控制、综合调度、资源管理、营运管理等的智能处理,以形成一个高度智能化自主化的铁路生产经营体系。
(3) 协同工作。RITS应使固定设施、移动设施和维修设施有机地协调成一个整体,实现营运管理信息系统、运营指挥系统以及基础作业系统的协同工作,以提高运行效率。
(4) 按需配置。基于系统信息共享机制,RITS应完成系统内外的实时需求分析,并按需动态配置各种资源,以达到高效、低碳、按需驱动的目的。
2 体系框架
铁路智能运输系统体系框架用于确定和描述提供全部铁路智能运输系统用户服务所必需具备的功能,以及实现这些功能的子系统、各子系统之间及其与外部环境之间的接口和信息流[3]。
本文给出RITS的层次化体系框架,其自底向上共分为5层,分别为感知层、通信层、融合层、实现层、服务层,如图2所示。感知层利用先进的传感技术和设备实时采集和存储移动装备、固定设施以及外部环境中的各种信息;通信层通过大容量通信等技术将感知层所采集到的信息在车上、车地和地面间进行传输,为融合层提供数据资源;融合层集合了分布式并行计算、数据融合及数据可视化等功能,可将通信层传输来的数据进行有效融合、处理和显示,为其上实现层的管理及决策提供支持。实现层与业务组织和管理功能相对应,利用融合层提供的系统信息,完成运输组织、状态监控及设施设备的维养,进而对服务层提供支持。服务层的主要功能在于根据用户需求,综合考虑当前铁路运营管理及运输资源实际情况,提供相应的客运、货运、电子商务等相关服务。
图2 RITS体系结构
Fig.2 Architecture of RITS
由图2可见:在RITS体系中层与层之间具有高层对低层提出需求,低层为高层提供支持的关系。此层次化的RITS体系框架可有效降低复杂铁路系统中各个子系统的耦合性,各层可分别吸收与之相关的先进技术,提升该层性能。同时,在层次化体系结构中各层次间的接口相对固定,便于整体系统的优化和升级。基于各层之间的动态交互,可对感知层、 通信层、融合层及实现层进行控制和优化,使得系统提供的服务不断逼近用户提出的需求。
如图2所示,该体系框架中从低层到高层分别对应了不同水平的铁路运输系统。较低的3层可实现铁路所有资源及其运行环境时空变化的数字化,此水平的铁路系统称之为“数字铁路”。在数字铁路基础上,实现实现层的铁路各业务流程和各类资源的协调优化功能后,对应的铁路系统称之为“智能铁路”。通过对智能铁路的不断控制与优化,将各资源按需配置,最终全面实现服务层的各功能,即为RITS。
3 关键技术及发展模式
3.1 关键技术
为实现上述框架中各层的功能,所亟待解决的关键技术问题有:支持感知层的物联网(传感网)技术,支持通信层的大容量通信技术,支持融合层的云计算技术及互操作技术,支持实现层的知识推理技术,以及保障整体系统安全的网络安全技术。各关键技术与RITS体系中各层间的关系见图3。
图3 RITS关键技术
Fig.3 Key technologies route of RITS
物联网(传感网)技术的研究内容主要涉及射频识别(Radio frequency identification,RFID)、传感器网络与检测技术、智能技术等[4]。目前传感网技术研究集中在先进测试技术及网络化测控、智能化传感器网络节点研究、网络自身的检测与控制等方面。随着无线通信的发展及其与物联网的集合,物联网技术的应用会更加广泛[5]。在铁路运输系统中,一般将RFID技术用于列车信息、列车部件、乘客信息和车站、铁路固定设备信息等的静态信息采集,而传感网则用于铁路、列车运行状态、轨道状态、铁路防灾系统等动态信息采集。
铁路专有大容量信息网络的建设是满足铁路跨越式发展有效途径。在车载设备网络连接领域,国内外研究和应用主要集中在基于TCN的网络上[6]。在车地间大容量无线传输系统中,国内外对诸如WLAN,GSM-R,WiMax,WiFi和McWill网络等[7]进行了应用研究和实地测试。在地面数据汇接传输网络领域,应用较多的是MSTP网络和基于IP的数据网络[8]。
云计算指通过网络以按需、易扩展的方式获得IT设施和软件等多种与互联网有关的服务。目前Google、亚马逊、雅虎、微软、Oracle以及IBM,Dell和SUN等公司都在积极研究云计算,并已经开始提供相关商业服务[9]。在RITS中,云计算可以提供动态、灵活的基础设施相关服务,可利用虚拟化技术实现铁路资源和应用的虚拟化,实现不同子系统间的数据与应用共享。
互操作是实现不同信息系统协调工作、共享信息的核心技术,是解决分布式、异构系统集成应用的有效方法。国外对其进行了广泛研究,提出了如欧洲互操作框架(EIF, European interoperability framework),美国的国家运输通讯协议(National transportation communications for ITS protocol, NTCIP)等,我国在船舶监控、计算机工程等方面也进行了初步研究[10-11]。在RITS中,资源管理、运输组织调度、安全监测与控制、客货服务、综合运输等多个模块间存在着大量的信息交互需求,因此,互操作技术是协调工作、共享信息的核心技术。
知识推理是智能系统的关键技术之一,包含了推理系统、知识发现(Knowledge discovery)、数据挖掘(Data mining)、计算智能、分布式计算等内容。目前,研究趋势主要集中于复杂实时动态环境下的建模技 术[12]、基于本体论的知识表达技术[13]和基于智能Agent的动态协作技术[14]等方面。知识推理技术在RITS中有广泛应用,包括铁路系统的基础设施运用维护、综合安全监控、运输组织优化、智能化旅客信息服务等方面。
铁路智能化的发展在网络通信安全和无线网络方面提出更高的安全要求。网络通信安全主要研究防火墙、密码、数字水印、入侵检测和病毒检测等技术[15]。无线网络安全的研究集中在安全路由、安全聚合、密钥管理和身份认证4个方面[16-17]。在RITS中,报文加密、数字水印等技术主要用于数据获取;防火墙、安全威胁主动免疫等技术主要用于网络通信;恶意程序阻止、病毒防护、密码服务等技术主要用于综合监控;安全授权、安全认证、鉴权、单点登录等技术主要用于应用管理。
3.2 发展模式
RITS中最核心的是智能技术,智能可分为高、中、低3种级别。与此相应,我国RITS应经历从初级到中级到高级的三阶段跨越式发展,如图4所示:至2013年达到初级阶段即数字铁路——全面信息化阶段;至2020年达到中级阶段即智能铁路——协同集成化阶段;至2030年达到高级阶段即RITS——高度自主化阶段。
数字铁路、智能铁路、RITS这3个概念对应3个不同的层次,即此3个概念间存在逐级递进的关系。此外,在RITS的动态发展过程中,低层发展将带动高层发展,且任一层次有突破性技术出现都可使得系统完成更高级的功能,即此3个概念(3个层次)间也存在迭代进化的关系。
我国智能铁路从初级到高级的发展过程将依靠上述六大关键技术本身不断发展和提高来实现,结合上节对各关键技术的研究现状和趋势分析,图4给出了各关键技术的发展路线。
图4 RITS发展模式
Fig.4 Developing pattern of RITS
4 典型应用
4.1 高速综合检测车系统
高速综合检测车系统结合了高速综合检测列车和地面数据处理中心,以高速动车组为载体,集成了传感网、大容量通信、数据挖掘、知识推理等RITS的关键技术,是提高高速铁路基础设施检测效率、指导养护维修、支持预测预警、确保运营安全的重要技术装备。
在传感网技术应用方面,高速综合检测列车上装有车载传感网,能够实现轨道、弓网、轮轨动力学、通信、信号和环境等各部分检测信息的同步实时采集、处理和存储,同时,每列检测车又是整个铁路系统传感网络的一个节点,支持系统信息的全面采集和处理。大容量通信技术主要为该系统的时空同步定位、高清实时图像处理和信息全息显示服务。
数据挖掘和知识推理技术主要应用于地面数据处理中心。基于已有数据,通过数据挖掘和知识推理技术,可研究铁路系统内部各部件间的复杂关系,进而分析预测其状态和趋势。例如研究轮轨子系统中的各变量的复杂耦合关系,可融合基础设施相关检测数据和专家定性知识等,利用神经网络、非线性回归分析、语义计算等智能处理分析技术,研究轨道不平顺对轮轨力的影响,构建以轨道不平顺为输入、以轮轨力为输出的预测模型,进而给出相关评判标准,以实现轨道不平顺度的报警,确保行车安全。图5所示为基于NARX (Nonlinear auto-regressive with eXogenous inputs)轮轨力预测模型的拟合曲线,此模型可以较好地反映轨道不平顺与轮轨力的相关关系。
图5 基于NARX的轮轨力预测
Fig.5 Wheel-rail force fitting curve using NARX
4.2 青藏线铁路应急管理系统
在RITS中,应急管理包括应急设施点的选址、资源静态配置等静态优化以及应急过程中资源调度等的动态优化两方面,其中后者是建立在前者的基础之上的。在应急管理静态优化中,信息共享和知识推理等关键技术将被充分应用。如在应急服务设施点的选址中可利用遗传算法等智能进化算法进行综合优化;在静态资源配置中可利用博弈论、纳什均衡等知识推理技术进行全面评价和优化。
铁路系统的动态应急处理是一个多部门参与的并行复杂处理过程[18],在铁路应急管理信息系统中,跨组织信息共享、多源数据融合、多系统协作等关键技术是提高应急能力和效率的重要因素。
作者所在研究团队已经开发了青藏线铁路应急管理信息系统(Emergency management information system of Qinghai-Tibet railway line, EMIS-QTRL)[19]。该系统基于时空数据整合模型和基于多体系统的信息共享平台等关键技术,可满足青藏线应急管理部门的信息共享和决策支持需求,且通过GIS技术可提供时空数据的集成和显示等高级功能,图6所示为该系统时空数据模型。在青藏线应急救援控制中心的实际应用显示了该系统在设计和实施方面的成效。图7所示为此系统中的一个用户界面。
4.3 高速铁路线的运行调整与优化系统
高速铁路列车运行自动调整是一个包含各类不确定性因素、关系复杂而又实用性很强的NP难解大规模组合优化问题,其在决策变量、参数、约束和目标等方面存在着显著的随机性和模糊性[20]。因此,需要将模糊随机处理方法与微分进化、粒子群等智能算法相结合,集成反映特定领域知识的启发式算法,构造高效的混合智能优化算法,以满足高速铁路运行调整优化的要求。
图6 EMIS-QTRL的时空数据模型
Fig.6 Spatiotemporal data model of EMIS-QTRL
图7 EMIS-QTRL的实时监控界面
Fig.7 Situation monitoring of EMIS-QTRL
目前,利用已有的禁忌算法、专家系统等人工智能方法和遗传算法、蚁群、粒子群等智能优化算法对高速铁路运行调整以及列车时刻表的设计优化和重新编排等方面都进行了研究,取得了一些成果。例如,以广深线为背景,有学者改进了粒子群优化算法作为出入站时间调整工具,将稳定性作为优化目标,以最小化晚点总时间的调整模型为最终目标,提出时刻表优化模型[21]。图8所示为基于粒子群优化算法的列车时刻表调整安排。
图8 基于粒子群优化的时刻表调整
Fig.8 Re-scheduled timetable using PSO algorithm
5 结论
给出了RITS的定义并结合我国铁路系统实际情况,明确了RITS的实质,简要叙述了RITS的互联互通、信息共享、智能处理、协同工作、按需配置的基本特征。基于RITS的内涵,阐述了RITS的体系框架及其发展模式,给出了RITS的3个不同方面的典型应用。
随着社会需求的增长和各方面技术的不断发展,RITS的功能将不断完善和提高,满足铁路运输“高运能、高效益、高安全、高服务品质”的要求,并逐步向人、车、环境的和谐统一这一最终目标迈进。
参考文献:
[1] WANG Zhuo, JIA Li-min, QIN Yong. Study of the structure design and optimization theory for a railway intelligent transportation system[J]. Rail and Rapid Transit, 2009, 223(1): 93-103.
[2] NING Bin, TANG Tao, GAO Zi-you. Intelligent railway systems in China[J]. Intelligent Systems, 2006, 21(5): 80-83.
[3] Borges H, Knapp G, Eisenhart B. Development of Canadian architecture for intelligent transportation systems[EB/OL]. [2010-05-20]. http://pubsindex.trb.org/view.aspx?id=715919
[4] Amardeo C, Sarma J G. Identities in the future internet of things[J]. Wireless Pers Commun, 2009, 49: 353-363.
[5] ZENG Jun-Fang, LI Ran, et al. SOA-based RFID public services infrastructure: Architecture and its core services[J]. Journal of Systems Engineering and Electronics, 2009, 20(1): 1-5.
[6] 龚军, 邱宽明. 基于TCN网络的客车电气控制系统[J]. 铁道机车车辆, 2006, 26(6): 34-36.
GONG Jun, QIU Kuan-ming. Vehicle electric control system based on TCN networks[J]. Railway Locomotives & Car, 2006, 26(6): 34-36.
[7] 李春. 城市轨道交通车地宽带移动通信技术选择分析[J]. 城市轨道交通研究, 2009(6): 73-77.
LI Chun. Broadband mobile communication technology in urban mass transit[J]. Urban Mass Transit, 2009(6): 73-77.
[8] 高宏. 电气化铁路通道组网方案的探讨[J]. 铁道工程学报, 2006(7): 68-72.
GAO Hong. Program exploration on establishing communication channel net for electrified railway[J]. Journal of Railway Engineering Societ, 2006(7): 68-72.
[9] 孙瑞锋, 赵政文. 基于云计算的资源调度策略[J]. 航空计算技术, 2010, 40(3): 103-105.
SUN Rui-feng, ZHAO Zheng-wen. Resource scheduling strategy based on cloud computing[J]. Aeronautical Computing Technique, 2010, 40(3): 103-105.
[10] 邹德清, 邹永强, 羌卫中, 等. 网格安全互操作及其应用研究[J]. 计算机学报, 2010, 33(3): 514-525.
ZOU De-qing, ZOU Yong-qiang, QIANG Wei-zhong et al. Grid security interoperation and its application[J]. Chinese Journal of Computers, 2010, 33(3): 514-525
[11] 张建聪, 吴广印. 面向知识导航的机构要素元数据规范及互操作[J]. 情报学报, 2010, 89(1): 84-92.
ZHAGN Jian-cong, WU Guang-yin. Metadata specification and interoperability on knowledge-navigation-oriented agent elements[J]. Journal of the China Society for Scientific and Technical Informant, 2010, 89(1): 84-92.
[12] 杜彦华, 刘春煌, 叶阳东. 不确定性时间知识推理和验证算法及列车群建模分析[J]. 铁道学报, 2005, 27(3): 2-8.
DU Yan-hua, LIU Chun-huang, YE Yang-dong. Fuzzy temporal knowledge reasoning and validating algorithm and its application in modeling and analyzing operations of train group[J]. Journal of the China Railway Society, 2005, 27(3): 2-8.
[13] Ivansson J. Situation assessment in a stochastic environment using Bayesian network[D]. Link?ping: Division of Automatic Control Department of Electrical Engineering. Link?ping University, 2002: 17-24.
[14] Tan G, Wee N N, Simon J E T. Developing an object exchange model template for GRIDS distributed supply chain simulations[C]//Annual Simulation Symposium. California, 2002: 259-266.
[15] Musa S, David J. Visualising communication network security attacks[C]//Proceedings of the 11th International Conference Information Visualization. Washington: IEEE Computer Society, 2007: 726-733.
[16] 石光. 网络安全技术综述[J]. 传感器与微系统, 2005, 26(9): 1-6.
SHI Guang. Summarization on network security technology[J]. Transducer and Microsystem Technology, 2007, 26(9): 1-6.
[17] 伍珏彤, 刘冬九. 无线网络安全技术及AES在WEP中的应用[J]. 计算机科学, 2005, 32(10): 87-88, 244.
WU Jue-tong, LIU Dong-jiu. Safety techniques of wireless networks and applications of AES in WEP[J]. Computer Science, 2005, 32(10): 87-88, 244.
[18] Veelen B, Storms P, Aart C. Effective and efficient coordination strategies for agile crisis response organizations[J]. New Jersey: Proc of ISCRAM, 2006: 202-213.
[19] QIN Yong, JIANG Yong, WANG Yan-hui, et al. Research on emergency management information system of Qinghai—Tibet railway line[C]//Proceedings of the Fourth International Conference on Networked Computing and Advanced Information Management. Gyeongju, IEEE. 2008: 635-638.
[20] Barnhart C, Laporte G. Passenger railway optimization[J]. Handbook in Operations Research and Management Science, 2007, 14: 129-187.
[21] MENG Xue-lie, JIA Li-min, QIN Yong. Train timetable optimising and re-scheduling based on improved particle Swarm Algorithm[C]//TRB 89th Annual Meeting Compendium of Papers DVD. Washington, 2010: 71-79.
(编辑 陈灿华)
收稿日期:2011-04-15;修回日期:2011-06-15
基金项目:国家自然科学基金资助项目(1074151);国家科技支撑计划项目(T1DB300020,T1DB200010);铁道部科技研究计划项目(2010X008)
通信作者:张媛(1985-),女,山东德州人,博士研究生,从事铁路智能运输系统、交通安全工程等研究;电话:010-51683973;E-mail: zhangyuan111@gmail.com