许伟 赵宏涛 王建英 王壮锋 张涛 陈峰
中国铁道科学研究院集团有限公司通信信号研究所
1 引言
高速铁路行车调度系统作为高速铁路日常运输组织指挥中枢，是保障列车作业和调车作业安全运行的技术装备集合，通过阶段计划的动态调整和有序执行，向运输生产系统提供安全行车调度服务。监测铁路沿线电力供应、大风和地震等突发事件状态的现场设备节点将监测数据交由铁路局集团公司中心云集中处理，形成行车数据中心化的云计算模式。目前随着节点数量增长，数据中心化、系统中心化模式导致的计算资源缺乏和网络通信延时等缺陷，极大影响高速铁路行车调度系统发展。云边协同技术具备将中心云的智能计算能力拓展至边缘节点的特点。因此，应充分利用中心云计算和边缘节点计算协同，实现数据、资源、服务和安全的集成，通过基于云边协同的高速铁路智能行车调度系统设计，以分布式行车资源高效利用为策略，提升突发事件下铁路运输资源利用效率，进一步提高高速铁路行车调度安全化、信息化和智能化水平。
1.1 现状及缺陷分析
高速铁路调度集中系统核心功能包括运行计划编制、行车进路卡控和运维状态监控等，已在各铁路局集团公司得到广泛应用。在建设初期，信息来源较少，数据类型单一，调度集中系统重点专注阶段计划执行和进路安全卡控等基础功能。随着智能技术的发展，系统加强与突发事件监测平台的结合，引入智能防灾监控和智能协同控制等技术。在云计算工作模式下，不确定性的突发事件监测数据由边缘节点实时采集，网络传输至铁路局集团公司中心云加工处理，最终应用于车站行车控制单元。大中心、小节点的系统结构使行车大数据与云计算建立依赖关系，但在云中心模式下存在一定调度安全隐患，主要体现在以下方面：
1）突发事件监测数据时效性较差。海量节点原始数据直接上传至单一中心云导致有效数据的直接延时和遗漏，并因中心云的处理瓶颈和转发延时而加重。
2）单点故障潜在风险较大。所有基础数据和服务调用都汇总到中心云，导致作为耦合焦点的中心云的单点故障会对系统可靠性产生严重影响。
3）运输设备资源浪费。节点直接面对特定事件数据的前沿性和单一性被忽略，计算潜能未被充分开发，造成网络通信资源浪费，数据传输成本增大。
4）系统扩展性和可维护性较差。中心云疲于应付各类数据处理细节，难以兼顾数据价值的深层挖掘和业务流程的统筹调度。
1.2 云边协同技术解决的关键问题
智能行车调度系统服务场景对现存系统的个性化适配、模型规模、异构接入支持、安全保护等方面提出更为严格要求。新的云边协同智能行车调度系统需解决以下关键问题。
1）考虑突发事件和应对策略为场景单元，研究数据演进趋势，深度挖掘价值信息。
2）均衡边缘节点数据感知能力、云中心多维分析能力以及中间区域数据汇聚能力，构建分层多级数据处理平台。
3）研究节点模型按需切分和部署，以典型场景下节点自适应学习使服务和智能贴近生产需求。
4）侧重局部、短时数据的前端节点增加数据不确定性，研究数据状态时序推演和预测感知机制，依据关联事件变化趋势，制定节点数据和服务可信度量。
5）涵盖数据和服务安全的边缘节点安全管理，结合场景选用身份验证和鉴权、能力匹配和行为管理、数据安全和访问控制等技术。
2 基于云边协同的高速铁路智能行车调度系统设计
云边协同是在云计算的开放架构中引入边缘计算的协同控制技术，在中心云和边缘节点间合理分配数据、资源、服务和安全，充分发挥中心云的集中计算能力和边缘节点的分布计算能力。
2.1 架构设计
基于云边协同的高速铁路智能行车调度系统架构如图1所示，主要包括数据层、网络层和应用层。相比既有数据集中式、系统中心化模式，基于云边协同的高速铁路智能行车调度系统将中心云的智能计算能力拓展至边缘节点，使得中心云统筹调度和数据挖掘功能，边缘节点侧重数据处理和行车决策能力，将资源消耗型服务由系统中心部署变为边缘节点部署，以海量资源应对集中需求。铁路局集团公司中心云加强安全防御、负载均衡和监控维护等功能，协调指挥数据层边缘节点为应用层车站单元提供突发事件行车决策服务。
图1 基于云边协同的高速铁路智能行车调度系统架构
基于云边协同的高速铁路智能行车调度系统的数据层依托计算服务、存储服务和网络服务，实现突发事件的智能故障诊断和预警功能，解决运输设备资源浪费的问题；网络层通过数据管理、设备管理和服务管理，实现云边协同下的数据互联、资源融合和服务分发功能，降低单点故障潜在风险；应用层执行行车调度、数据交互和运维管理工作，解决突发事件监测数据时效性较差以及系统扩展性和可维护性较差的问题。各层级实体设备整合虚拟服务，共同完成云边协同下的行车调度目标。
2.2 数据交互
智能行车调度系统将突发事件监测平台纳入架构体系。数据层的突发事件监测数据、网络层的决策规则数据以及应用层的行车调度数据交互形成闭环的数据链路，如图2所示。
图2 基于云边协同的高速铁路智能行车调度系统的数据交互
边缘节点对突发事件实施边缘监测，产生突发事件监测数据，并基于决策规则的边缘计算产生行车决策数据。网络层采用不同传输模式将决策数据和原始数据传输至应用层，完成云边协同中边缘侧功能；网络层中心云对行车大数据进行挖掘开发，产生升级的规则数据并应用于数据层的边缘节点，实现云边协同中心侧功能。在基于云边协同的高速铁路智能行车调度系统架构下，中心云的规则升级过程和边缘节点的数据完善过程相互促进，数据的协同实现行车资源的协同和计算服务的协同。
3 基于云边协同的高速铁路智能行车调度系统层级分析
基于云边协同的高速铁路智能行车调度系统包含数据层、网络层和应用层，其中数据层包含边缘节点、边缘子云和行车数据采集节点；网络层包含铁路局中心云和中国铁路国家铁路集团有限公司 ( 以下简称“国铁集团” ) 中心云；应用层包含车站单元、车站子云、铁路局中心应用模块和国铁集团应用模块。该系统加强边缘侧突发事件的自动监测和预警功能，突出中心侧的资源、服务和安全控制，解决海量节点与中心云的时空协调、行车任务再分配和行车资源再利用等难题，进一步提高高速铁路运营效率、运营安全和客货运运输服务质量。
3.1 数据层
u 边缘节点
借助针对突发事件监测和处置形成的边缘计算，边缘节点提供车站运输环境感知、数据处理和行车决策支持等综合服务，是整套方案设计的重点。智能调度集中系统中，常见的边缘节点包括电力供应监测节点、大风监测节点和地震监测节点等。
边缘节点的业务功能包括服务注册和边缘计算两部分。边缘节点初始启动后连接边缘子云，注册申请并动态加入行车调度网络。基于服务能力认证机制，边缘节点收集本地资源信息作为能力凭证，向中心云发送认证申请，并从中心云和车站子云获取服务范畴和完整行车卡控策略；持续边缘计算阶段，边缘节点格式化采集数据以消除数据异构性，并依据处置规则，实现监测事件状态到行车卡控处置的映射，输出含义明确的行车决策数据，并上传至边缘子云。
u 边缘子云
边缘子云是一定区域内监测相同事件类别的边缘节点集合体，实现辖区内边缘节点管理功能。常见边缘子云包括电力供应监测边缘子云、大风监测边缘子云、和地震监测边缘子云等。
边缘子云的业务功能包括数据中转和功能替补两部分。数据中转涉及边缘节点数据上传、中心数据下达以及数据缓存功能。在车站单元获取高密度决策数据并将其应用于实际行车业务后，边缘子云可以依托本地较为丰富的存储资源实现延迟数据缓存，降低网络带宽争抢；相对于单一节点，边缘子云具备更为强大的服务能力和管辖范围。在边缘节点业务由于资源缺陷或设备故障无法有效开展时，边缘子云借助行车卡控规则支持，直接对原始监测数据施加缺失功能，担当边缘节点的替补角色。
u 行车数据采集节点
行车数据采集节点是智能调度集中系统内负责与列控系统、联锁系统等其他运输生产系统进行信息交互的模块，实现不同系统间数据协议转换、专有行车数据生成以及内外部数据交互传输等数据采集功能。常见行车数据采集节点包括车站采集机笼等硬件，以及运行于其上的各类数据处理软件。
行车数据采集节点的业务功能包括协议转换和数据分发2部分。作为智能调度集中系统边界，采集节点转换不同运输生产系统间的交互数据协议，并分发至关联终端。此外，采集节点负责信息交互过程中的数据有效性和安全性检查工作。
3.2 网络层
u 铁路局中心云
铁路局中心云由部署于各铁路局集团公司中心的服务器集群组成，统筹管辖公司内各行车控制模块及由其产生的行车数据和对外提供的行车服务，实现局管内的云边协同功能，是整套方案设计的又一重点。
铁路局中心云的业务功能包括数据管理、规则管理和统一服务三部分。数据管理是行车数据集中管理和高效调阅的活动集合，可以消除信息孤岛和传输壁垒；规则管理指基于大数据挖掘技术实现的边缘节点行车卡控规则的自主学习和迭代完善工作；统一服务指基于云边关联和协同的服务调度工作，可以使应用层行车单元在数据层高效边缘服务支持下，专注行车卡控，促进行车安全。
u 国铁集团中心云
国铁集团中心云负责全路行车控制，是高速铁路智能调度集中系统内集成服务、运维监控和资源管理的最高级统一入口。
国铁集团中心云的业务功能与铁路局中心云类似。但作为各铁路局中心云的上级领导，国铁集团中心云在重大故障广域影响范围下实施跨路局调度服务，通过智能和全面的安全防护和运维监控，统筹保证全路行调运行效率和安全。
3.3 应用层
u 车站单元
车站单元主要涵盖既有车站操作设备，包括车站值班员终端、自律机模块等。在边缘节点数据服务和决策支持下，车站单元扩展既有自律卡控条件和范围，增加固定进路卡控、复杂站场进路控制等功能，实现行车调度综合智能卡控。
车站单元的业务功能包括消息订阅和行车调度两部分。车站单元初始启动后向车站子云注册登记，动态加入调度集中系统网络。综合车站位置、辖区边缘节点位置和关联事件等因素，车站单元向铁路局中心云订阅主题消息；完成上述操作后，车站单元结合本地列车运营状态及高效精简的边缘节点决策支持，持续进行行车调度和安全卡控操作。
u 车站子云
车站子云是单一线路内具有较大关联度的车站单元集合体。典型场景下，一般以调度管界为依据，划定同一调度台车站单元归属同一车站子云，由其实施统一管理。
车站子云的业务功能包括数据中转和数据缓存两部分。车站子云接收和解析本子云所属车站订阅数据。相较于边缘子云低时间敏感缓存，车站子云在行车单元或网络故障时，提供短时突发事件实时数据的缓存功能，提高数据可靠性和稳定性，缓存队列的数据削峰功能提升车站单元数据处理能力；此外，车站子云缓存辖内单元专有卡控策略和节点服务列表，对外提供统一更新服务，提升分布式下服务效率。
u 铁路局中心
铁路局中心应用单元主要涵盖既有中心操作设备，包括行调台、助调台、维护台等，提供局管内的调度数据编制、数据管理和可视化展示、数据挖掘以及内外数据交互等统筹调度和运维管理功能。
铁路局中心的业务功能包括局内调度、数据交互和数据挖掘三部分。在车站子云上层统筹局内资源，保证高等级列车以及广域事件影响范围下的本铁路局集团公司内部行车指挥调度活动；通过各类人机交互接口编制阶段计划，在既有下发车站单元的基础上，由网络层控制分发至关联边缘节点及其子云，是边缘服务开展行车辅助决策的重要依据；铁路局中心应用模块以逻辑图表形式展现杂乱数据的内在演进规律，优化指导行车调度工作。高速铁路行车大数据挖掘和安全规则自学习操作，使更加智能和高效的事件处理规则更新至边缘节点，实现数据层的区域性能提升。
u 国铁集团
国铁集团应用单元由计划编制模块、数据展示模块和数据挖掘模块等组成。站在全路角度，国铁集团关注跨局重点列车以及更为广域突发事件下的调度控制，提供更大维度、典型场景下的行车调度和数据展示、挖掘工作。
国铁集团的业务功能侧重全路范围的统筹调度和运维管理。通过建立分层多级行车数据处理平台，在海量数据中挖掘出预测性、分析性信息，在为其他平台提供辅助支持的同时，指导各铁路局中心应用单元输出更为高效、智能的行车调度决策。
4 基于云边协同的高速铁路智能行车调度系统应用
基于云边协同的高速铁路智能行车调度技术在北京、成都、郑州等多个铁路局调度车务仿真实训和测试系统中得到了充分的应用，实现数据、资源、服务和安全的集成，提高了仿真环境的资源的利用效率，节约了系统投资成本，如图3所示。
图3 基于云边协同的高速铁路智能行车调度系统的应用场景
5 结束语
随着高速铁路信息化建设步伐加快，行车调度系统功能日趋全面复杂，智能化升级改造需求紧迫。云计算技术和边缘计算技术逐渐成熟，越来越广泛应用于行车组织领域。基于云边协同的高速铁路智能行车调度系统能够充分发挥边缘计算平台协作效率和中心云数据应用效能，优化完善突发事件场景下列车运行进路和命令安全卡控逻辑，进一步提升高速铁路运输组织连贯性、协调性和安全性。新架构业务层级清晰，具有基础信息跨平台共享能力和综合行车智能动态调整特性，充实“智能高速铁路”理论技术创新内容，促进高速铁路运输组织调度向自动化和智能化方向发展。
