姜娅楠
青岛地铁集团有限公司运营分公司 山东省 青岛市266000
摘要：在城市快速建设发展过程中，城市道路拥堵的现象日趋加重，为了缓解这一现状，各地区城市大规模修建轨道交通。作为现代人出行的重要交通工具，轨道交通列车具有运量大、速度快、准时、节能等优点，有效的解决了城市道路拥堵的问题。但城市轨道交通运行的过程中需要电力系统、控制系统、通讯系统、监控系统、信号系统、自动检票系统、环境监测系统、火灾报警系统等专业配合。传统的人工工作方式无法操作这一复杂的机电系统，因此在轨道交通中运用机电一体化技术，互联网下可对每个工程程序实施智能化控制，大幅度提高了列车的运行效率，增加了乘客的通行效率，让乘客的出行变得更加舒适、安全和便捷。本文对互联网下城市轨道机电一体化进行分析。
关键词：互联网轨道；机电一体化；城市轨道交通
1机电一体化控制策略现状及互联网切入点
当前状态下，通过基于MPLC或者单片机系统控制的道岔自动监控系统、信号自动控制系统、隔离门联动控制系统、车辆定位及状态监控系统等都已经形成了信号联动。其中使用轨道主机对道岔状态和信号状态进行综合管理，使用站区主机控制隔离门状态的监控信息，使用运行主机控制车辆状态监控信息，3种主机在站区的边缘IDC进行数据汇总处理，3种主机的本质是大数据仓库系统，并无更多的数据处理功能。在最近的互联网技术升级中，将3种主机信息通过IDC接入主机接入到城市轨道交通总调度IDC中，该IDC的IDC机组（交换机组、路由器机组、数据仓库机组、服务器机组等）不做更多讨论，而其值班主机工作站组和调度主机工作站组也通过汇聚层交换机后，经过IDC核心交换机与IDC机组实现互联网功能。如图1所示。
.png)
图1 当前轨道交通信号服务状态
可以认为，当前对大部分轨道交通总调度来说，其IDC机房内已经拥有了充分的交换机组、路由器机组、数据仓库机组、服务器机组都已经拥有了足够的计算能力和安全保障能力。所以在下文中进行核心算法分析。
2轨道交通核心算法需求分析
根据前文分析，通过一卡通刷卡量和站区的客流量数据进行回归计算，结合车辆状态和轨道资源利用率状态，计算出发车密度需求，进行动态发车密度调整，是当前核心算法的核心需求。其模糊矩阵如表1所示。
.png)
表1 核心算法的模糊矩阵表
表1算法只考虑到两个变量，一是车辆状态中载客量的变化，以80%、60%、40%为3个临界值，同时考虑到各站区的检票进站量。当前大部分城市轨道交通中，会利用上述两种状态的实时发生值进行计算，但当前互联网技术发展，特别是基于大数据的趋势分析技术，可以对未来短期内，特别是15~30min之内的数据做出预判，可以得到更有领先性的数据分析结果，该部分算法一般通过神经元算法实现。
3轨道交通数据领先性预测的神经元算法设计
3.1输入数据需求
对进站流量数据来说，输入数据为当前时间段（本文以每分钟进站流量计算）内的进站流量，输出数据为15min后的进站流量。因为其本质为对15min后进站流量的曲线估计分析，所以，应分析至少150min内的每分钟数据，才可以确保10%的大数据回归算法冗余。故输入数据应为150min内每分钟的输入数据，该数据以数据序列的方式进行并行输入。所以，其输入模块共150个，每个输入模块为长整形变量。
3.2输出数据设计
因为该数据为领先性的回归结果数据，所以数据的信度较输入数据更低，所以无需将15min内每分钟数据单独输出，为保障系统正常运行，仅需要输出后续第15min数据即可实现系统功能，但为了加强系统功能，本文设计其将后续第5min，第10min，第15min数据进行分别输出，即该神经元网络的输出数据为3个长整形变量。
3.3数据汇总及比较分析
上述数据为单个站区的未来15min数据，所以，系统应具备功能，将运行线路内每站区数据进行汇总，以计算当前线路内总客流量的需求变化，同时如果线路内设置有区间车，还应计算区间内的所有站区数据。该算法同样可以计算各站区的出站客流量，对其后续15min的客流数据进行汇总，得到更贴近实际的数据。
4计算资源需求与IDC布局建议
综合前文分析，针对每个站点的进站量和出站量数据，需要有一台数据分析主机进行数据分析，对每辆车的车辆状态，需要有一台数据分析主机，假定线路内有n个站点和m辆列车，则需要m+n台数据分析主机构成分析主机阵列。因为存在弹性发车制，站点n数量保持不变，而车辆m状态保持变动，但对特定线路来说，其理论容纳的最大发车密度固定，即该线路内的车辆m分析主机数量应根据最大发车密度下的车辆数量确定。而数据仓库主机因为数据量远小于常用数据库的容量和吞吐能力，所以，采用单一的数据仓库主机控制所有数据的查询和更新过程。在服务端，因为所有值班主机和调度主机量有限，一般线路的值班主机每站1-2台，调度主机合计6-8台，所以，HTTP服务器配置一台即可完成相应的服务工作。即本文IDC的主机组配置为m+n台数据分析主机，1台大数据仓库主机，1台HTTP服务主机即可完成相应的计算任务。数据分析主机因为采用固定的任务分配模式，其负载均衡无需专用路由器处理，其他功能也使用单一主机完成，所以本文IDC系统无需专门的负载均衡系统。在DDoS防范和入侵防范方面，因为本文系统为轨道交通的纯内网系统，并不接入公网，所以上述安全系统可不予布置。即，本文的IDC机房布局如图2。
.png)
图2 机房建议布局图
结束语
各大城市都已大力发展城市轨道交通工程，机电一体化技术正适用于城市轨道交通系统。本文重点研究了基于互联网下城市轨道机电一体化分析，以机电一体化控制策略现状及互联网为切入点，通过对轨道交通核心算法需求分析和轨道交通数据领先性预测的神经元算法设计得出互联网技术对城市轨道交通的作用，更好地解决了城市轨道交通的拥堵问题，为乘客的出行提供更加快捷的方式。而机电一体化的快速发展也促进了城市轨道交通系统的更加完善和社会的更快进步。
参考文献
[1]羊权荣，汪宇，何跃川.城市轨道交通施工监测在GIS+BIM平台的集成应用[J].隧道建设（中英文），2019（S2）：345-351.
[2]安江伟.城市轨道交通空间资源综合利用的经济效益研究[J].科技风，2020（10）:223.
[3]骆焱，乔神路.城市轨道交通60kg/m钢轨12号单开道岔设计研究[J].铁道勘察，2020（03）：142-146.