摘要：当前，城市轨道交通基础设施运维管理中普遍存在如数据资产数字化程度不足、数据管理体系与管理标准不完善、数据质量较低、数据分析应用深度不足等问题，导致数据价值难以充分发挥，分析决策可信度低，难以支撑运维决策等问题。因此，亟需以数据治理理论研究为切入点，系统性开展城市轨道交通基础设施运维数据治理工作，构建基础设施运维数据标准体系，开展数据治理，保障数据资产统一化维护，为城市轨道交通土建线路基础设施运维的数字化和智能化奠定数据基础。

关键词：轨道交通;基础设施;运维数据;治理方法

1城市轨道交通运维现状

我国城市轨道交通传统运维模式以计划修为主、故障修为辅，维护效率低、安全保障能力弱，已无法适应现代轨道交通发展的要求。从设备角度分析，传统运维模式主要问题包括：（1）设备分散，设备运行状态无法快速、准确地获取，只能依靠现场巡视，需花费大量时间巡检，效率低、成本高;（2）设备复杂，故障诊断困难，严重依赖作业人员的现场经验，诊断时间长、故障影响大、成本高、劳动强度大;（3）海量报警，容易遗漏关键报警，引起重大故障;（4）缺乏故障预警，以故障事后报警为主，重大故障不能提前预防，重大故障后，运营单位只能被动应对，造成重大运营延误。从管理角度分析，传统运维模式主要问题包括：（1）运维一线员工新人多技能不足，故障定位、处置困难，存在人为因素隐患;（2）维修策略依靠经验，造成成本浪费;（3）各线路、各专业各自维护，造成资源浪费;（4）依靠设备年限来更新改造，造成个别设备带病运行，个别设备过早更换，造成成本浪费;（5）维护成本测算缺乏历史大数据依据，存在维修费用不足或成本浪费情况。

随着物联网、人工智能、大数据、云计算等技术的蓬勃发展，为城市轨道交通维护提供新的技术手段。智能运维是指利用先进的检测监测、云计算、物联网、大数据、人工智能等技术手段，推动运维模式智能化升级，提高轨道交通运营设备日常运营维护、故障诊断的能力。《中国制造2025》指出在先进轨道交通装备领域重点突破体系化安全保障、数字化智能化网络化技术。《“十三五”国家战略性新兴产业发展规划》推进轨道交通装备产业智能化、绿色化、轻量化、系列化、标准化、平台化发展。《中国城市轨道交通智慧城轨发展纲要》提出智能运维、决策分析、智能巡检、应急指挥等建设方向，为智能运维系统建设提供了重要的参考。以智能制造、智能生产、智能工厂和智能产品为特征的工业4.0将引领城市轨道交通运维系统智能化转型升级。

2数据治理实施

2.1制度组织标准

基础设施数据管理体系是一套以人员、组织为核心的，涵盖企业数据管理制度、流程、考核等各个方面的数据保障机制。基础设施运维部门应建立起一整套以数据经理负责制为中心的数据管理责任体系。在数据资产管理的组织结构设计上，宜按照组织结构来任命数据管理角色。管理层级上设置管理层和执行层：在部门层面设置部门数据经理，在各工区设置数据管理专员。

专人专岗、权责明确、分工负责的数据资产管理体系既能确保基础设施运维部门数据工作统筹规划，也能兼顾各工区数据灵活多变的特征。各工区是执行规则、保证数据质量的关键环节。

2.2数据资产体系建设

2.2.1数据构成要素分解

按照数据架构设计路线，以工务专业为例对构成要素进行分解，从整体视角根据业务和数据的属性进行分析，自顶而下梳理，工务基础设施数据资产包括基础设备设施线路数据、检测数据、维修数据和运维管理数据四大要素。

以城市轨道交通某运维公司业务为例，城市轨道交通基础设施运维数据主要包括：线路基本信息、线路基础设施台账信息、土建结构台账信息。检测数据内容主要包括：动态检测、静态检查、探伤检查、土建检查。养护维修数据内容主要包括：基础设备维修、土建维修。此外数据运维支撑数据还包含了人员、物资、技术资料等。

2.2.2业务数据化

参考国际流行的togaf业务数字化框架，自上而下明确每个工作区域的业务能力，梳理每个业务领域的用例场景高级业务流程，完成特定业务流程从业务流程到数据实体的转换。首先，从企业管理的角度，画出一个简要的业务流程图;其次，定义业务实体，定义实体之间的关系;最后，采用面向对象的方法将业务实体进一步抽象为数据实体。

以轨道几何检测业务的数据转换过程为例，按照上述三个步骤获取轨道几何检测业务的数据实体。

（1）分析了轨道动态几何数据检测的概要业务流程。检测涉及的数据包括12类：工具、材料、零件/设备、个人防护用品、相关记录、检查项目、特殊天气、工作程序、记录参数、作业对象描述、人员资质、作业周期。

（2）根据以上用例分析的业务实体，进一步分析和总结业务实体：调度列表、检查员、操作说明、检测设备、检测结果和分析报告。

（3）数据实体关系图。采用面向对象的方法将业务实体抽象为数据实体，并确定数据实体之间的关系，如一对一、一对多和多对多。根据以上方法，检测业务数据实体为：人员、设备、材料、作业指导书、作业对象、派工单、检测项目、作业记录、缺陷表。

2.2.3数据亲属关系

数据的血缘关系具有层次性、多源性、可追溯性和归属性。对数据进行分类、汇总和总结，形成新的数据，不同级别的描述性信息形成数据级别。当数据发生异常时，应根据数据的上下文和继承关系跟踪异常的原始来源。

城市轨道交通基础设施运维数据也有着清晰而复杂的血缘关系。以轨道几何综合评价结果的轨道质量指数（TQI）数据为例，从线路设计要素和线路基础设施数据出发，结合检测设备的采集结果，经过数据清理和修正后，可以按照标准公式计算TQI。

2.3数据质量管理

在城市轨道交通基础设施运维大数据中，基于软件工具实现数据质量管理。具体来说，需要实现标准定义、质量监控、绩效评估、质量诊断、质量报告、重大问题及时预警、流程整改启动、系统管理等功能。

其中，数据质量诊断是根据数据分析结果来审查数据质量，发现数据中可能存在的异常和问题，为根本原因分析、数据错误纠正和错误预防提供依据。数据质量诊断主要通过数据质量评价指标对数据质量进行评价，发现潜在问题，实现智能数据质量检测功能，对重大问题及时报警。

2.4数据运维管理

运维数据管理是数据质量和长期维护的保证。城市轨道交通基础设施运维数据管理系统的实质是通过建立一支高素质的人才队伍和严格的制度，确保数据标准的全面实施。数据管理方案是根据规章制度确定各部门的组织结构和职责，规范城市轨道交通公司各部门各成员的角色、职责和管理流程的标准。评估是确保系统实施的基础。运维部应针对数据标准管理、数据质量管理、元数据管理等核心治理领域建立相关评估机制和指标，并与个人绩效挂钩。

结论

大数据时代，数据资产成为不可或缺的生产要素。城市轨道交通为实现智能化运维和提升服务质量，必须走上数据治理的道路。目前城市轨道交通线路基础设施和轨道运维数据仍存在数字化程度不高、缺乏数据标准、管理和应用不到位等众多问题，数据的价值难以充分显现。为促进大数据与城市轨道交通领域的结合，通过借鉴其他领域，尤其是高速铁路领域的技术和经验，充分挖掘城市轨道交通行业的数据价值，对数据资产进行分级分类，建立元数据和主数据平台，完善规章制度和管理措施。

参考文献

[1]邓丽娟.电网数据全生命周期管理技术研究[J].智慧中国，2021（7）：84-85.

[2]王东宁.A电力公司数据治理问题研究[D].山东济南：山东大学，2021.

[3]阿比旦·斯提瓦力地.数据治理在石油行业的探索与研究[J].信息系统工程，2021（1）：88-89.

[4]雷克，王伟，任胜利，等.数据治理在石油企业中的应用实践[J].石化技术，2021（6）：180-182，16.