摘要：应用和推广有助于重构长期以来形成的轨交行业机电系统技术架构和体系，利用云和物联网技术构建开放的综合管理一体化平台，有效打破行业技术壁垒，形成竞争的市场格局，有助于降低轨交企业设备采购的成本，保障线路和车辆的安全无故障运行

关键词：轨道交通；边缘计算；应用

前言

随着城市轨道交通线路建设的快速发展，传统机电专业系统建设模式的不足越来越显现，无法应对地铁经营成本效率方面的挑战。基于物联网技术，结合阿里云平台架构体系，通过轨道交通行业应用平台软件的定制开发，形成轨道交通综合业务一体化管理系统。

1轨道交通边缘计算关键技术

1.1边缘智能

边缘智能提供了数据聚合、边缘分析和建模的功能，是实现数字化转变的关键技术。边缘智能通过相关功能，可以加速边缘节点的智能化推理，提升多节点智能训练算法的效率，大大降低数据传输的时延和内存使用等方面，实现一种轻量级、低延迟、高性能的AI计算框架。

1.2异构计算

异构计算是一种集成了不同结构的不同指令集和计算单元的构架，该构架发挥了不同指令集/计算单元的优势，可用于对不同类型的数据进行融合处理和内容分析，挖掘出数据中有用的信息和有效的数据，进而提升不同设备状态检测的精度和准确率，实现了低功耗、低成本、高性能、高可移植性等方面的平衡。

1.3互联互通

互联互通技术是将不同技术进行结合，从而满足各种应用场景的传输需求，实现不同工业/轨道交通场景边缘设备的接入，实现网络互联，使得轨道交通系统能够快速调整和优化车间设备网络拓扑结构，大大提升网络化协同制造和管理的灵活性。

1.4微服务

微服务是一种围绕特定的业务功能构建的一组独立可部署服务，每个应用程序都在独立的微服务进程中运行，选择一种资源消耗较少的轻量级通信机制，将其部署在边缘端，降低了微服务的集中化管理。同时，采用不用的数据存书技术，提升异构边缘计算资源的灵活性。

1.5计算迁移

计算迁移是一种将资源密集、计算量大的任务转移到计算资源充足的设备上进行处理的方法，这种方法实现了资源的合理利用和调度，提高了设备的计算效率。边缘计算迁移的过程如下：首先对边缘设备采集和生成的大量数据进行预处理，去除掉其中的无效数据，减少数据传输中带宽的占用；然后按照设备的需求进行动态规划，将数据合理分配给边缘设备进行处理，保证设备的计算资源充足，预防任务超载从而降低计算效率的情况。

2边缘智能赋能轨道交通规划建设

2.1智慧化过程管理控制

轨道交通建设中的智慧化过程管理控制是保障轨道交通高效、安全建设的关键因素。轨道交通施工地点通常地处偏远地带，施工环境复杂、安全事故频发。施工现场监控摄像头作为现场安全监控的常用手段之一，可对人工作业、机械运行情况、工地周围情况等进行监视，及时预防不规范操作、保障施工质量、进行安全预警等，以提高过程管控水平。轨道交通传统的云计算模式虽然具备较强的数据计算能力，但其数据传输延迟较高的特性无法满足过程管控的实时性要求。例如，在安全管控方面，安全隐患总是发生在瞬息之间，及时的安全提醒至关重要，传统的云计算模式将难以满足安全管控的快速响应需求。边缘智能技术将进一步赋能智慧化过程管理控制。使用边缘智能技术，可以让过程管理控制实现高度自治。例如，基于卷积神经网络的智能监控系统智能化监控系统，可以通过神经网络自动分析摄像头所捕捉的画面，对操作安全隐患、不规范作业等情况实时自动做出判断并发出警告。部署在工地的大量摄像头可以将视频分析任务卸载到建设工地部署的边缘服务器中。

2.2建设现场数据采集分析

首先，由边缘服务器收集各物联网传感器数据并在边缘侧进行数据预处理，剔除冗余数据并保留具有分析意义的数据。随后，这些数据将被上传至云服务器，进行长期存储和大数据分析。通过这样的协作架构既可以保障现场施工数据得到长期存储并进行大数据分析，又保证了数据不会堵塞主干网络导致网络拥塞。对于对实时性敏感程度较高的应用场景，可以通过边缘服务器直接进行数据处理及分析，减少数据在网络中传递的时间损失，保证数据分析的实效性。面对不同专业数据难以融合的问题，可以通过边缘部署的高度自治的人工智能分析软件提取关键特征并进行标准化输出，使得跨专业数据融合分析成为现实。

2.3边缘智能赋能轨道交通运营维护及调度

2.3.1基于边缘智能的轨道交通信息共享

从轨道交通跨入大数据驱动的智能化时代以来，基于大数据的各类智能服务成为了轨道交通行业发展的主要方向。近年来，基于大数据的智能化应用已广泛应用于轨道交通运输的各个方面，例如智能旅客信息服务系统、人脸识别闸机系统、新一代客票系统等。这些智能化应用的部署显著提高了轨道交通运行维护水平。与此同时，当今智能化应用的自我演进速度也在不断加快，如强化学习等人工智能技术的引入让AI软件有自主提升性能的能力。为达到不断地更新迭代人工智能软件，不断地收集轨道交通相关信息至关重要。以上智能技术主要基于集中式机器学习，在轨道交通领域中面临着很多挑战。轨道交通相关信息种类繁杂，属多源异构信息，且数据量巨大。传统的集中式信息处理模式存在的诸如回传数据导致主干网络拥塞、回传链路负载激增、隐私安全无法得以保障等问题。为此，将边缘智能技术引入轨道交通信息共享环节，有助于解决上述问题。为解决传统的集中式信息处理模式带来的诸如回传数据导致主干网络拥塞、回传链路负载激增、隐私安全无法得以保障等问题，将边缘智能技术引入轨道交通信息共享环节。边缘智能技术具有自治性的固有属性。例如，面对海量冗余、庞杂、异构的轨道交通相关数据，首先通过边缘服务器（边）从各传感器来源（端）收集，随后通过人工智能软件进行数据特征提取、数据筛选、数据分析等智能化数据处理。同时为保证信息隐私安全，通过在边、端上部署分割的神经网络模型，使得各传感器的原始数据不再在网络中传输，以防止黑客攻击及信息泄漏造成的信息安全隐患。随后，通过抛弃冗余数据、仅汇总有价值数据至集中式云服务器（云）进行长期存储及进一步数据分析的方式进行云-边-端协作式轨道交通信息共享。这样保障了轨道交通中海量终端（传感器）数据得到运用，又充分发挥了云计算中心存储、计算能力强的特性，利用了边缘服务器进行简单处理以缓解主干网络压力的优势，使得如今轨道交通信息共享中网络拥塞、隐私安全的问题得以解决。

2.3.2基于边缘智能的轨道交通智能运维

轨道交通的运行维护和管理是轨道交通安全营运的重要环节。随着轨道交通里程不断提升、轨道交通速度逐级提高，为保证轨道交通安全、稳定、高效的运行，智能化运维是必然的趋势。轨道交通智能化运维的起步较晚，发展较为缓慢，尽管能满足基本需求，但仍存在着不少缺陷。

结束语

边缘计算能够有效为用户提供低时延、高可用性的服务，减少核心网数据传输的压力，为轨道交通专网建设提供了基础，加强了轨道交通与5G技术的融合，提高了轨道交通中各种业务服务质量。本文将轨道交通与边缘计算技术相结合，提出了基于公共设施的边缘云方案，提高了轨道交通传输的实时性，实现了数据的低时延和高可靠。

参考文献

[1]尹晓东.基于边缘计算的轨道交通智慧运控平台解决方案[J].自动化博览，2021，38（02）：104-107.

[2]刘佳佳，吴昊，李盼盼.铁路5G移动通信系统边缘计算安全研究[J].计算机工程与应用，2021，57（12）：1-10.