铁路数据中心智能运维管理系统初步研究

当前,云计算逐渐成为铁路信息系统的主流技术架构,铁路数据中心云化进程不断加快,同时正朝着多地多中心方向发展,其运行与维护（简称：运维）环境异构特征愈发突出,运维业务需求日趋复杂化。为有效应对铁路数据中心运维面临的压力和挑战,提升运维业务的自动化、智能化水平,提出铁路数据中心智能运维管理系统方案,重点对运维数据采集、运维监控指标体系及运维数据存储展开研究,为铁路数据中心智能运维管理系统的开发奠定了基础。     

铁路多地多中心监控运维关键技术研究

为适应中国国家铁路集团有限公司统筹规划及数据中心多地多中心的发展要求，实现全国铁路数据中心集中运营维护（简称:运维）管理的目标，提出多地多中心监控运维体系架构。采用监控运维平台分布式部署、资产统一管理、统一监控等关键技术，实现了分钟级的批量多云环境巡检，以及对监控数据、日志数据的统计分析，并对云环境的资源使用提出了优化建议，以期为铁路数据中心云环境的运维工作提供重要支撑。     

基于海量运维数据的铁路数据中心风险预测与防控系统研究与开发

基于海量运维数据的风险预测和风险防控是铁路数据中心实现智能运维的基础性工作。围绕铁路数据中心智能运维需求，研究智能分析方法，依托铁路数据服务平台的大数据存储和数据共享服务能力，使用平台提供的数据预处理及模型训练、模型部署等工具，建立容量趋势预测、基于日志分析的风险预测、运行异常预测、施工风险预测等不同运维场景风险预测模型，完成模型训练、调优和测试，最后将通过实验验证的模型进行发布和上线更新。建立基于海量运维数据的铁路数据中心风险预测与防控系统，可以通过运维经验积累来改进评估指标和预测模型，提高风险预测的准确性及风险处置的有效性，帮助运维人员快速聚焦主要问题，有利于保障铁路数据中心长期安全稳定运行，夯实铁路运输生产安全的基础。     

基于GRU循环神经网络的云数据中心应用故障预测方法

云数据中心的分布式应用故障具有复杂性、随机性等特点,导致应用的运行与维护(简称:运维)管理任务难度大、效率低.为此,提出一种云数据中心应用故障预测方法,构建基于门控循环单元(GRU,Gated Recurrent Unit)循环神经网络(RNN,Recurrent Neural Network)的云数据中心应用故障预测...     

铁路通信云技术探索

铁路通信云定位为智能铁路时代的新型通信基础设施,是铁路专用通信发展到智能时代的新形态。为实现铁路通信网络云化、业务云化、运维云化、平台赋能的目标,通过分析铁路通信业务特点和发展需求,建议铁路通信云采用统一标准、统一监管、多云多域和分布式多级部署的建设模式,以满足当前及未来一段时间内的铁路通信网络部署、通信业务及通信运维的需求。     

铁路信创云平台解决方案

为实现铁路高质量发展和数字化转型,提出建设基于全栈信创体系的云计算平台,对实现科技创新、保障本质本体安全、降低信息化建设和运维成本具有重要意义。通过调研铁路行业云平台应用现状,分析存在云平台服务能力不足、建设标准不统一、自主可控程度较低的问题。结合铁路信息化特点,提出铁路信创云平台解决方案应遵从自主性、开放性、可扩展性、可靠性、安全性、前瞻性的设计原则。研究分析铁路信创云平台总体架构和技术架构,并从云平台安全和租户安全2个维度设计云安全方案,从分布式部署模式和单一数据中心部署架构2个层面设计云部署方案,完成信创云平台功能设计,经实验环境部署测试,平台可实现对IT基础设施的统一管理和运维,为上层业务系统提供有力支撑。     

基于Neo4j图数据库和UWB技术的铁路数据中心智能定位系统

针对铁路各级数据中心对室内定位的需求,设计了基于Neo4j图数据库和超宽带（UWB,Ultra Wideband）技术的智能定位系统。使用Neo4j图数据库对数据中心进行建模,通过UWB技术实现数据中心室内高精度定位。该系统可实现机房安全区域管控和人员实时监控等功能,为机房巡检机器人等自动化运营维护（简称：运维）设备提供最优路径,提高铁路数据中心运维水平和效率,为新一代铁路数据中心建设提供技术支撑。     

云数据中心网络安全设备部署研究

主要研究了云数据中心的建设模式,重点研究了云数据中心实现网络边界安全、应用安全、管理与运维安全、主机安全的网络安全设备的部署,并进行了全面总结,对云数据中心网络安全设备的部署设计具有一定的借鉴意义.     

基于ITSS的铁路主数据中心IT资源运维服务方案

针对铁路主数据中心信息技术(IT,Information Technology)资源运维服务精细化管理程度不高、运维投入产出比不平衡的问题,提出基于信息技术服务标准(ITSS,Information Technology Service Standards)的铁路主数据中心IT资源运维服务能力提升方案。方案通过明确铁路主数据中心IT资源运维服务目录,详细设定每项运维服务的级别,细粒度匹配业务信息系统的多元化服务需求,并通过服务级别协议保障运维服务标准,实现铁路主数据中心差异化、精准化的运维服务,有效优化运维服务成本,提高铁路主数据中心运维资源利用率,提升运维服务管理水平。     

基于Three.js的铁路数据中心运维数据可视化系统设计

为解决铁路各级数据中心运维监控系统功能单一、信息共享不及时、可视化程度低等问题,基于Three.js引擎,设计了一种适用于铁路数据中心的运维数据可视化系统,实现了数据中心的自动化巡检,缩短报警响应时间及问题处理时间,为数据中心运维、巡检、管理人员提供实时、规范、量化、准确的运维数据可视化服务,对数据中心进行准确、及时、...     

铁路基础设施位移数据预测模型研究

线路安全是铁路运营的重要前提，我国铁路跨度广、行车环境复杂，当铁路基础设施稳定性产生改变时往往会严重影响行车安全。文章采用长短期记忆（LSTM,Long Short-Term Memory）模型对基于全球导航卫星系统（GNSS,Global Navigation Satellite System）的铁路基础设施监测系统的形变监测数据进行建模预测，实现对铁路基础设施灾害的早期预警，并与多种传统时间序列预测模型进行对比，结果表明，LSTM模型具有更好的性能。     

基于智能算法协同的铁路网络加密流量智能监测系统研究

针对铁路网络安全需求中加密威胁难检测,加密业务与加密流量监管困难的现状,特别是加密流量分析粒度不够,技术支撑性不足等问题,设计了由数据获取子系统、特征建模子系统、智能分析子系统、配置管理子系统组成的基于智能算法协同的铁路网络加密流量智能监测系统,阐述了基于两阶段长短期记忆（LSTM,Long Short-Term Memory）网络的加密流量异常识别、基于Elmo+LSTM+SelfAttention模型的加密流量应用类型识别关键技术。该系统有助于提升加密流量监测技术水平、增强铁路网络安全综合防御能力,也为未来铁路领域网络与信息系统安全运行维护提供了技术支撑。     

基于人工智能的高铁动车组智能运维数据分析系统的构建

针对高速铁路（简称：高铁）动车组部件故障诊断和预测的业务需求,依托动车组故障预测与健康管理（PHM,Prognostic and Health Management）系统,在基于人工智能的高铁动车组智能运营维护（简称：运维）算法研究平台中构建高铁动车组智能运维数据分析系统。介绍了高铁动车组智能运维算法研究平台的架构,以及高铁动车组智能运维数据分析系统的数据处理流程和关键算法。并以高铁动车组客室空调为例,选取客室空调相关传感器数据进行数据分析,得到影响客室空调健康状况的特征,并对聚类结果进行健康度数据标注,作为客室空调健康评估模型开发的基础。     

铁路信号机房智能巡检系统设计

针对铁路信号机房设备人工巡检作业效率低、设备异常检测准确性难以保证、故障处理效率低、现场作业人员缺乏技术支持和安全控制等问题,文章设计了铁路信号机房智能巡检系统。系统由机房智能巡检设备、数据中心设备和维修终端设备构成;机房智能巡检设备采用轨道式巡检机器人,可依据巡检计划自动执行巡检作业,采集视频/图像和温度等监测数据并上传至数据中心设备;数据中心设备采用智能视频/图像分析技术,自动识别设备指示灯,据此判断设备是否出现异常;当检测到异常时,维修终端设备立即向调度员报警。在实现日常巡检作业无人化、达到减员增效目标的基础上,该系统借助巡检机器人的视频监控和语音通话功能,辅助信号维修人员进行远程故障检查,为现场作业人员提供远程指导,验证现场作业人员身份,监督其作业过程,增强信号机房现场作业安全管控。     

基于云网边端协同的铁路无人值守牵引变电所运维方案研究

为解决当前铁路无人值守牵引变电所运营维护（简称：运维）过程中面临的诸多问题,基于云网边端协同概念架构,研究制定铁路无人值守牵引变电所运维方案,提升无人值守牵引变电所的智能化运维水平。文章介绍了云网边端协同概念,阐述了运维方案的架构设计和数据流向,与前端智能、边缘计算、云计算、人工智能、大数据等技术紧密结合,通过对场景实现的适应性、可用性、畅通性、价值性进行分析,证明该方案的可行性,能够满足铁路无人值守牵引变电所的运维需求。     

基于LSTM的高铁大风预测模型及算法研究

通过对风速数据进行时间序列分析,建立风速预测模型,实现大风灾害的预警,对提升高铁运营安全保障能力具有重要意义.通过分析某高铁客运专线防灾系统的历史风速数据,建立了一种基于LSTM神经网络的大风预测模型,使用TensorFlow平台进行模型参数训练,并结合实际监测数据进行了模型验证.结果表明,该方法预测未来20 min的...