基于大数据技术的重载铁路电务专业智能运维数据汇集及共享方法研究.pdf

铁道运输与经济RAILW AY TRANSPORT AND ECONOMY第 45 卷 第 11 期基于大数据技术的重载铁路电务专业智能运维数据汇集及共享方法研究Intelligent O&M Data Collection and Sharing Method in Heavy-Haul Railway Telecommunication and Signal Field Based on Big Data Technology杨东盛1，尹明2，王高志1，马小宁1，刘彦军1YANG Dongsheng1，YIN Ming2，WANG Gaozhi1，MA Xiaoning1，LIU Yanjun1(1.中国铁道科学研究院集团有限公司 电子计算技术研究所，北京 100081；2.国能朔黄铁路发展有限责任公司 安全环保监察部，河北 沧州 062350)(1.Institute of Computing Technology,China Academy of Railway Sciences Group Corporation Limited,Beijing 100081,China;2.Safety&Environmental Protection Supervision Department,Guoneng Shuohuang Railway Development Co.,Ltd.,Cangzhou 062350,Hebei,China)摘要：为解决重载铁路通信、信号专业运维数据管理较为分散、集成整合困难、数据标准不统一等问题，满足电务专业数据互联互通及共享需求，提出一种重载铁路电务专业数据汇集及共享架构方案。该方案基于智能大脑平台提供的基础数据服务资源，利用分布式消息队列、RESTful接口等多种大数据汇集、共享相关接口技术，根据多源数据在应用层面的不同实时性要求，通过设计提出数据采集、共享一体化总线的架构形式，形成通信、信号专业数据的标准化的采集共享流程。此外，根据电务专业多种类型数据在汇集与共享中的实际情况及电务智能运维应用相关数据需求，基于流式数据处理方式，利用大数据生态组件实现电务专业数据的校验、清洗、治理等服务，并定制化实现数据存储、分析、可视化等服务功能，为电务智能运维应用的开展提供支撑。关键词：重载铁路；大数据；数据汇集；数据共享；电务；智能运维Abstract:This paper proposed a data collection and sharing architecture scheme for heavy-haul railway telecommunication and signal field to solve the scattered management,difficult integration,and inconsistent standards of operation and maintenance data in heavy-haul railway telecommunication and signal field,and meet the requirements of data interconnection and sharing.Based on the basic data service resources provided by the intelligent brain platform,the scheme employed a variety of big data collection and sharing interface technologies such as distributed message queue and RESTful interface.Meanwhile,according to the different real-time requirements of multi-source data at the application level,the architecture form of data collection and sharing integration bus was designed to form a standardized collection and sharing process of communication and signal field data.Additionally,the paper considered the actual situation of the collection and sharing of various data types in the telecommunication and signal field,and relevant data needs of the intelligent operation and maintenance application of the telecommunication and signal field.Based on the streaming data processing method,it adopted big data ecological components to realize the verification,cleaning,governance,and other services of the telecommunication and signal field data.The service functions such as data storage,analysis,and visualization were customized to provide support for the intelligent operation and maintenance applications of telecommunication and signal field.Keywords:Heavy-Haul Railway;Big Data;Data Collection;Data Sharing;Telecommunication and Signal;Intelligent Operation and Maintenance文章编号：1003-1421（2023）11-0039-09 中图分类号：U282 文献标识码：ADOI：10.16668/ki.issn.1003-1421.2023.11.05引用格式：杨东盛，尹明，王高志，等.基于大数据技术的重载铁路电务专业智能运维数据汇集及共享方法研究J.铁道运输与经济，2023，45(11)：39-47.YANG Dongsheng，YIN Ming，WANG Gaozhi，et al.Intelligent O&M Data Collection and Sharing Method in Heavy-Haul Railway Telecommunication and Signal Field Based on Big Data TechnologyJ.Railway Transport and Economy，2023，45(11)：39-47.-39杨东盛 等 基于大数据技术的重载铁路电务专业智能运维数据汇集及共享方法研究0引言随着重载铁路电务专业信息化、智能化建设的深入开展，更多新技术装备投入生产运营，积累了海量检测监测数据。这些数据为重载铁路电务专业的生产、运维及辅助决策提供了重要参考，亟需利用大数据相关技术进行汇集共享及分析运用，为重载铁路通信、信号设备的运维智能化提供基础支撑。当前，重载铁路电务专业数据，主要由通信、信号专业多源检测、监测数据构成，数据结构多样，数据源分散，暂未形成有效集成1。其中，通信、信号2个专业的运维类数据主要由通信综合网管和信号集中监测等方式进行专业内的集中存储，而生产作业类数据、检修维护类数据则暂没有统一标准的数据汇集方式2-3。这样的数据管理运用模式，难以保障数据的一致性及完整性，造成电务数据的标准化困境，难以通过现有的数据组织方式实现高效的分析挖掘。随着铁路基础设施智能运维技术的推进，铁路电务专业智能运维的一体化应用体系逐步形成4-6，对电务专业数据进行交互共享、综合利用和分析挖掘的需求不断增加，传统的通信、信号专业数据采集、汇集及存储方式没有实现专业数据的集中汇集和统一存储管理，导致大量有价值信息的流失，无法满足当前通信、信号大数据及人工智能相关业务应用的需要。研究提出一种适配重载铁路电务专业运维数据的数据汇集共享方法，通过重载铁路智能大脑平台7-8提供的基础服务，综合利用分布式消息队列9-10、表 述 性 状 态 传 递(Representational State Transfer，RESTful)数据接口11、时序数据库12等技术，实现通信、信号专业定制化的数据服务功能，将电务相关检测监测系统统一汇集接入，并利用智能大脑平台对外提供标准化的数据共享接口，解决了数据管理分散的问题，提高了数据利用的效率，为智能运维系统建设提供了基础支撑。1电务智能运维系统架构设计1.1电务智能运维应用架构电务智能运维的体系架构设计主要采用“平台+应用”的模式，其中“平台”指重载铁路的智能大脑平台，“应用”指电务设备智能运维相关应用，包括电务设备生命周期管理、电务检测监测一体化、电务设备状态评估与运维决策、电务生产管理、环境监测等。电务专业信号设备类数据源、通信监测类数据源、通信网管类数据源及电务管理类数据源分别通过电务数据归一化平台进行归并与收集后接入智能大脑平台电务定制化大数据服务中，通过电务数据治理、电务数据分析等处理方式，将处理后的结果数据推送给相关电务应用使用。电务专业各项基于大数据应用的数据源均从智能大脑平台中获取，同时，跨专业分析应用的数据源也从智能大脑平台中获取。电务智能运维体系架构如图1所示。1.2电务定制化大数据服务技术架构电务定制化大数据服务作为智能大脑平台为电务智能运维应用提供大数据服务支撑功能，主要根据电务专业数据实时性要求高、采集数据源类型多样等特点，实现与电务归一化设备的对接和电务专业的数据集成。包含数据的清洗、抽取、转换等操作以及流式数据采集；根据采集的数据形成通信设备类、信号设备类、检修维护类、电务生产作业类的数据资源池；根据形成的数据资源池实现通信专业、信号专业、跨专业数据的治理、分析及共享。主要包括电务数据的汇集共享、采集审计、数据分析、数据可视化等服务。智能大脑平台电务定制化大数据服务技术架构设计如图2所示。其中，数据采集功能由电务数据归一化平台与智能大脑平台电务定制化数据服务共同实现；数据存储、治理、分析、共享等功能由电务定制化大数据服务实现；智能运维应用由各应用功能模块实现。电务数据集成：通过与电务归一化设备的接口集成，利用 ETL 工具，即抽取(Extract)、转换(Transform)、加载(Load)，实现数据的清洗、抽取、转换等操作，最终实现对通信、信号多源异构数据的统一处理，满足各项智能运维应用的定制化数据需求。电务数据治理：对通信、信号数据进行标准化校验，对其数据质量进行诊断评价，实现源头把控，保障存储至数据资源池的专业数据符合规范。-40杨东盛 等 基于大数据技术的重载铁路电务专业智能运维数据汇集及共享方法研究信号设备类数据源通信设备类数据源电务专业数据源电务归一化平台电务数据质量管控电务数据格式梳理电务数据整合转换ETL数据清洗抽取转换分布式消息队列集群电务数据集成电务数据存储通信设备类数据资源池信号设备类数据资源池台账类数据资源池跨专业类数据资源池电务数据共享通信专业数据共享信号专业数据共享跨专业数据共享电务专业数据采集审计电务数据接口调度优化电务综合可视化电务定制化数据分析电务综合功能集成电务设备全生命周期管理电务检测监测一体化电务设备健康评估与运维决策电务生产管理环境监测数据应用智能大脑平台电务定制化大数据服务电务数据服务图2智能大脑平台电务定制化大数据服务技术架构设计Fig.2Technical architecture design of customized big data service of intelligent brain platform for telecommunication and signal field通信设备类数据源传输网接口监测系统天线与铁塔监测系统自动化检测系统接入网LTE-R数据网动环FAS信号归一化平台通信归一化平台电务归一化平台智能大脑平台电务定制化服务数据汇集数据共享电务智能运维应用其他铁路专业其他业务专业网络探针CIR在线监测系统信号设备类数据源信号集中监测系统中心CTC机车信号远程监测系统LMD系统道岔缺口监测系统机房环境监测系统信号设备履历系统电缆温度监测系统检修所管理系统车载综合传输设备图1电务智能运维体系架构Fig.1Architecture of intelligent operation and maintenance system for telecommunication and signal field-41杨东盛 等 基于大数据技术的重载铁路电务专业智能运维数据汇集及共享方法研究电务数据存储：采取分布式架构，提供面向不同数据类型的关系型数据存储、非关系型数据存储、对象存储等多种形式，提高数据存储的横向扩展及快速访问能力。电务数据分析：在智能大脑平台通用数据分析组件的基础上，对通信、信号专业数据进行综合分析与建模管理，实现电务专业定制化数据分析。电务数据共享：提供标准数据共享接口，对电务专业应用开放与共享进行管理，建立专业定制化认证机制。按照电务专业各类用户的不同等级的实时性服务响应需求，对各项应用的接口服务进行智能调度与优化。2电务专业数据汇集共享方案2.1数据汇集共享需求根据电务智能运维系统的总体设计，电务定制化大数据服务将主要从数据采集、数据存储、数据处理、数据共享、数据安全几方面提供电务通信、信号专业的数据服务功能。其中，通信、信号专业数据的数据服务需求设计，应主要从安全性、可靠性、可扩展性、可维护性、可操作性、可管理性等方面考虑。安全性方面，主要涉及到通信信号数据采集和共享中的安全性，需要考虑的技术包括安全认证、安全传输、安全存储等。可靠性方面，主要涉及到通信、信号数据在采集、共享、传输及存储方面的可靠性，需要考虑的技术包括故障检测、故障恢复、数据备份等。可扩展性方面，主要涉及保障通信、信号数据管理服务功能的可扩展性，需要考虑的技术包括网络拓扑、系统架构、系统资源等。可维护性方面，主要涉及到需要保障电务智能运维系统中数据服务功能的可维护性，需要考虑的技术包括系统监控、系统维护、系统升级等。可操作性方面，主要涉及需保障数据管理服务功能及数据采集共享流程的可操作性，需要考虑的技术包括用户界面、操作流程、操作规范等。可管理性方面，主要涉及需保障通信、信号数据在传输及存储中的可管理性，需要考虑的技术包括系统管理、数据管理、安全管理等。2.2数据汇集共享流程电务专业数据汇集共享架构如图3所示，描述了数据源产生的数据经通信、信号各自的采集模块再进行采集、清洗、存储及共享的全部流程。在电务数据采集共享的设计中，数据由各检测监测系统(数据源)产生，其通过通信、信号各自的采集模块，传输至数据汇集总线(BUS区)；总线为各类数据提供缓存，并通过消息队列形式，对外提供标准格式的序列化数据；为电务数据定制的“电务专业数据清洗模块”则消费总线队列中的数据，存储至数据仓库(DW层)中或直接共享至一体化总线，为智能运维应用提供数据服务。主要模块的具体描述如下。BUS区电务大数据汇集总线电务数据一体化总线电务专业数据清洗模块HiveOracleHadoopFSHBaseMysqlMongoDBElasticSearch 通信数据采集模块信号数据采集模块数据源结构化实时数据结构化非实时数据非结构化数据DW层实时应用分布式消息队列文件传输RESTful分布式消息队列SocketRESTful非实时应用电务数据共享分布式消息队列RESTful接口图3电务专业数据汇集共享架构Fig.3Data collection and sharing architecture of telecommunication and signal field-42杨东盛 等 基于大数据技术的重载铁路电务专业智能运维数据汇集及共享方法研究通信/信号数据采集模块：作为数据源的前置采集系统，提供多种形式的数据采集工具，RESTful接口及分布式消息队列用于和既有的检测监测系统数据源进行交互；文件传输服务13为实时性要求不高或数据量较大的履历、台账类数据提供支撑；套接字(Socket)接口则为更底层的硬件设备提供接入功能14。电务大数据汇集总线：将通信数据采集模块与信号数据采集模块的数据统一放置到一个消息队列里，形成一个数据管道，为后面的数据处理做好准备。该总线使用分布式消息队列，将采集模块输出的数据接入到相应主题块，传给数据清洗模块进行数据清洗。电务专业数据清洗模块：根据电务专业数据质量要求，通过配置的规则对数据进行过滤、清洗、关联等提高数据质量的操作。在数据完成汇集后，使用流处理服务实现大量高速的数据流处理，并完成对数据的基础校验，包括检查数据字段的完整性、一致性、唯一性等。DW层：DW层即数据仓库层，封装了几种不同数据库的连接信息，使用时只需要配置地址参数、账户、密码等信息，开箱即用。电务数据一体化总线：应用端获取数据时存在数据量过大的情况，导致应用端不能及时处理，应用端数据库写入可能存在性能瓶颈，电务数据一体化总线可以在数据量过大时起到缓冲作用，并且通过该总线屏蔽DW层的差异性，以一个统一的共享接口提供服务。3电务专业数据汇集功能3.1结构化数据实时采集汇集功能对于实时性要求比较高的数据，针对电务专业跨系统多业务且逻辑关联强的特点，通过流处理方式进行汇聚。流处理方式对实时性要求较高，数据输入是持续性的。具体流程如下：平台为每个数据源创建Topic主题，并且提前建立数据传输中所用到的数据表。将数据源通过生产者(Producer)发布到分布式消息队列(Kafka)集群的终端，平台实时消费数据落地到数据运营层(Operational Data Store，ODS)。在消费数据时，会通过主题(Topic)识别数据类型，通过标识对新增、更新、删除等计算逻辑进行分类和处理。为保证数据的完整性，Kafka Producer生产消息时应开启Kafka应答机制及重试机制，生产消息代码中将确认字符(ACK)值设置为全部(All)，应答失败后的重试时间间隔根据实际情况确定。通常会有不止一个消费者进行数据消费，平台提供在采集过程中实时开展数据分析和计算的功能和组件，满足电务专业应用实时分析计算需求。3.2结构化数据非实时采集汇集功能对实时性要求不高的电务数据，方案提供了文件传输及标准化RESTful接口的方式进行汇集。文件传输方式适用于对实时性要求不高，增量数据量较大，易于导出为文件的场景。具体流程如下：平台通过接口服务器自动生成制定平台的SSH(Secure Shell，安全外壳协议)文件传输协议(SFTP)用户和文件夹，并且提前建立数据传输中所用到的数据表，数据源端根据数据情况定期向SFTP目录中存放按照模板组织好的数据文件及对应的MD5(Message-Digest Algorithm 5，信息摘要算法)数据校验文件，平台服务会定时扫描SFTP服务器的文件信息，并进行文件解析及入库。RESTful接口方式主要针对电务专业单次传输量或日增量比较小的场景。具体流程如下：平台自动生成接口访问地址接口A和用户认证口令，将汇聚的数据根据要求转换成 JSON(JavaScript 对象标记)格式进行打包(一包或多包)发送，调用自动生成的接口A，并将传输的表名、总数据量和获取的口令作为参数传递，平台通过口令对用户进行校验，并通过传递数据量和接收入库的数据量进行对比实现数据完整性校验，数据源端根据接收端的返回值判断数据发送状态。3.3非结构化数据汇集功能非结构化的电务数据文件通过RESTful接口提供汇集服务，使用非关系型数据库(NoSQL)存储数据的元数据(Meta)信息，使用对象存储存放非结构化数据，对于传入文件，生成文件ID、文件MD5信息、文件标签信息、文件索引信息。用户通过RESTful接口以及访问存储空间所需的令牌(Token)进行文件上传，上传文件成功后，返回该文件ID，-43杨东盛 等 基于大数据技术的重载铁路电务专业智能运维数据汇集及共享方法研究通过文件ID可以取得文件、取得文件MD5、获取文件缩略图、获取文件Meta信息。3.4电务数据清洗校验功能传统的电务数据清洗过程，在提高数据质量过程中存在数据标准化问题、数据结构和粒度问题、数据完整性问题、数据重复问题，电务定制化数据服务提供电务数据清洗的功能设计，通过用户自定义规则及描述完成数据抽取、转换、加载和整合工作。清洗功能由标准化工具、转换器、增强器、匹配器、规则库组成。标准化工具：通过用户定义的规则或者字典将原始数据中特定属性的数据转变为统一的标准形式，使得数据更为规范。比如：统一将某个属性的数据中的日期标准化为：yyyy-mm-dd格式。转换器：该模块的主要功能是根据用户定义的模式对结构松散的原始数据进行分析，使之具有良好的粒度，成为结构化较强的数据。比如将信息采集地点中的线路名称转换为字典表中的代码。增强器：利用外部字典和规则，补足原始数据中不完整的数据，补充遗漏的字段，或者以增加字段的方式添加额外的信息。比如将采集数据中的空值统一设定一个自定义的值，根据负责人工号，确定负责人所在班组。匹配器：匹配和合并2个数据集中的数据，或者检测、剔除同一个数据集中的重复记录。比如对数据多次采集时只保留1份。规则库：负责对电务用户自定义数据规则的定义及维护。比如对前面标准化规则的维护，转化器转换规则的维护，增强器规则的维护，匹配器中匹配规则的维护。电务专业数据清洗组件结构图如图4所示。4电务专业数据共享功能4.1结构化数据实时共享功能对于实时性需求较高的结构化数据，智能大脑平台为电务专业定制提供Kafka分布式消息队列的方式实现数据获取，通过数据的流式处理，应用端以订阅和消费的方式直接获取采集端的数据流。消息队列通过发布订阅的方式，构建形成数据源及应用系统间的实时数据通道，通过调节通道的缓存，既可以支持大吞吐量，又可以保证数据的实时性。实际使用时，电务专业定制化的数据服务将提供消息队列的服务地址、对应的主题名称；智能运维应用作为消费者，在获取数据时可以直接访问队列地址和对应的主题名称即可。4.2结构化数据非实时共享功能智 能 大 脑 平 台 电 务 定 制 化 数 据 服 务 采 用RESTful接口提供各类非实时数据服务需求，数据需求方可根据需要调用。非实时RESTful接口可以提供包括GET(查看请求)、POST(创建请求)、PUT(更新请求)、DELETE(删除请求)等多种请求方式，并可对特定接口开放对电务定制化数据服务的写入和删除权限。使用实时RESTful接口获取非实时数据时，平台将提供接口名称、访问接口的URL地址、接口的请求方式以及调用后返回数据字段详情；并会事先约定好数据字段的含义，以及返回数据的样例格式信息。4.3非结构化数据共享功能电务非结构化数据共享通过存储服务的Web页面以及应用程序接口(API)提供文件的检索及下载服务。平台服务使用 NoSQL 数据库存储数据的Meta信息，使用对象存储存放非结构化数据，用户可通过RESTful API检索查询到对应文件的文件ID、文件标签信息、文件索引信息等。用户可通过RESTful接口以及访问存储空间所需的Token进行文件的下载，提供文件的ID可以取得文件。4.4电务数据共享权限设计智能大脑平台通过定制化的数据服务接口，实现电务应用系统对业务数据的全量访问，其主要流程包括：接口服务、接口用户管理、接口认证管理、数据授权管理、接口访问统计等，接口权限技术架构图如图5所示。接口服务相关技术架构组件功能和实现技术说明如下。规则库标准化转换器增强器匹配器数据流入数据流出图4电务专业数据清洗组件结构图Fig.4Structure of data cleaning component in telecommunication and signal field-44杨东盛 等 基于大数据技术的重载铁路电务专业智能运维数据汇集及共享方法研究认证组件：基于JWT(JSON web token)技术15实现应用身份认证。该组件提供登录接口和身份认证服务。应用系统访问数据服务接口时，首先调用登录接口获得代表其身份的Token，然后每次调用数据接口时带上该 Token，认证组件会校验该Token的身份并把认证信息传递给接口。业务数据接口：为存储于分布式数据库的通信、信号数据提供共享接口。该服务接口接收到SQL后，会解析SQL获取查询的表、字段和过滤条件，然后调用数据权限校验组件判断是否有权限访问。应用系统请求该接口时，会发送一个SQL语句，该接口接收SQL语句后，会解析并判断是否有权限访问，有则重写SQL语句查询数据库并返回数据，无权限时则拒绝请求。SQL语句会解析为查询字段、表、过滤条件，然后调用数据权限校验服务对这些解析结果进行校验，校验不成功则拒绝请求，校验成功后会返回调整后的查询字段、表、过滤条件，最终重写SQL语句并执行。数据权限校验组件：判断应用系统是否有权限访问数据。它根据SQL语句中表、字段和过滤条件，与权限数据库中的应用授权信息匹配，确认是否有权限访问。权限数据库：存储应用系统访问接口服务的授权信息，存储信息包括应用系统身份信息、共享数据的元数据信息、数据授权信息等。数据权限管理模块：为用户提供管理功能，维护应用系统身份信息、元数据信息、数据授权信息等。该服务接收查询字段、表、过滤条件(非必选)和应用系统身份信息，然后与权限数据库的数据权限进行匹配，校验应用系统是否有权限查询这些表、字段，此外通过校验过滤条件或新增过滤条件实现行级别的校权；该服务校权成功后会返回应用系统有权访问的表、字段、数据(过滤条件)。5告警数据流式数据采集应用以电务通信专业告警数据的汇集、变更、消除为例，介绍流式数据采集应用过程，告警信息采用分布式消息队列的方式传输。该方案借助Kafka构建一个分布式的数据汇集系统，在本系统中电务告警数据需要实时上传，上传数据首先被生产者推送到消息队列对应的Topic中，之后该Topic的订阅者(数据消费者组)会收到上传的消息，完成数据处理。该方案降低了数据发送方和数据使用方的耦合性，保证各自按各自的能力进行数据的生产、消费，并且双方互不关心对方的数据状态，只需要符合消息队列要求即可，起到了流量控制、优化传输的作用。Kafka为分布式架构，水平扩展方便，可以根据业务动态调整规模大小，可支持TB级的实时数据接入。（1）告警信息汇集。电务通信告警发生后，由通信数据源报送JSON格式的告警消息(含告警信息唯一标识符)到电务大数据汇集总线通信告警主题时序数据库模拟量数据分布式数据库信号/通信数据权限数据库数据授权管理模块数据权限校验组件模拟量查询接口基于SQL数据查询接口 认证组件传输系统动环系统GSM-R系统http/https图5接口权限技术架构图Fig.5Technical architecture of interface permissions-45杨东盛 等 基于大数据技术的重载铁路电务专业智能运维数据汇集及共享方法研究域中。此时，订阅告警消息的消费者组会即刻收到告警消息，同时订阅告警信息的存储应用获得告警信息，经过数据清洗环节后，将告警信息存储到相应的数据库里，完成告警信息汇聚工作。（2）告警状态变更。告警状态发生变更后，通信数据源将告警变更后的消息(告警编号未变)报送到与之前相同的主题中。电务大数据汇集总线相应主题接收到告警状态变更的消息后，会立即通知订阅该主题的应用有告警状态发生变更，订阅该主题的应用即刻接收到变更消息并根据告警编号进行业务逻辑处理，同时订阅告警信息的存储应用根据告警编号改变数据库中已存储的告警信息状态，完成告警状态变更工作。（3）告警消除。通信数据源端告警清除后，由通信数据源报送告警清除消息到定义好的主题中，告警消除信息须包含已经消除的告警信息编号、告警信息消除时间等已协商好格式的基本信息。电务一体化数据总线在接到告警消除信息后，立即将消息推送至已订阅该主题的数据应用方，数据应用方根据告警信息编号进行自身业务逻辑处理，同时订阅该主题的存储应用将告警信息更新为已消除，完成告警消除工作。6结束语研究提出一种重载铁路电务专业设备运维数据的汇集共享方案，采用分布式消息队列、RESTful接口等技术、流式数据处理等大数据汇集、清洗、存储共享技术，通过针对电务专业设计的数据采集共享流程，实现铁路通信、信号结构化、非结构化数据实时及非实时的汇集和共享，提供了一种重载铁路电务专业高效率、高可靠性的标准化数据汇集共享方案。并以通信告警数据为例，通过告警数据的汇集、确认、状态变更及消除等处理操作，验证了方案的可行性，为电务运维应用的智能化功能提供了技术支撑。参考文献：1 任明.铁路电务设备智能运维系统技术分析J.信息记录材料，2021，22(4)：15-18.REN Ming.Technical Analysis of Intelligent Operation and Maintenance System for Railway Electrical EquipmentJ.Information Recording Materials，2021，22(4)：15-18.2 张俊琦.铁路通信综合网管应用分析J.铁路通信信号工程技术，2012，9(1)：41-44.ZHANG Junqi.Application Analysis of Comprehensive Network Management System for Railway CommunicationJ.Railway Signalling&Communication Engineering，2012，9(1)：41-44.3 边云霞.铁路信号集中监测系统的分析与运用J.数码设计(上)，2020，9(12)：29.4 陈建译.电务大数据智能运维平台研究与应用J.铁道通信信号，2019，55(S1)：162-166.CHEN Jianyi.Research and Application of Big-Data based Intelligent Operation and Maintenance Platform for Railway Communications and SignallingJ.Railway Signalling&Communication，2019，55(S1)：162-166.5 胡启正，杨勇，王巍.铁路电务智能运维应用系统研究与设计J.中国铁路，2021(4)：61-66.HU Qizheng，YANG Yong，WANG Wei.Research and Design of Intelligent Operation and Maintenance Application System for Railway Communication&SignalingJ.China Railway，2021(4)：61-66.6 彭丽宇.朔黄重载铁路工务电务供电一体化施工管理模式J.铁道建筑，2021，61(8)：138-140.PENG Liyu.Integrated Construction Management Mode of Public Works，Electricity and Power Supply of Shuozhou-Huanghua Port Heavy Haul RailwayJ.Railway Engineering，2021，61(8)：138-140.7 李平，栾中，曹鸿飞.基于CPS理论的智能铁路大脑平台总体架构设计与实践J.铁路计算机应用，2021，30(9)：1-5.LI Ping，LUAN Zhong，CAO Hongfei.Overall Architecture of Intelligent Railway Brain Platform Based on CPSJ.Railway Computer Application，2021，30(9)：1-5.8 杨东盛，戚小玉，马小宁，等.基于铁路数据服务平台的电务专业数据采集、共享及可视化研究J.中国铁路，2019(8)：69-74，86.YANG Dongsheng，QI Xiaoyu，MA Xiaoning，et al.Data Collection，Data Sharing and Visualization of Telecommunication and Signal Field Based on the Service Platform of Railway DataJ.China Railway，2019(8)：69-74，86.9 于金良，朱志祥，李聪颖.一种分布式消息队列研究与测-46杨东盛 等 基于大数据技术的重载铁路电务专业智能运维数据汇集及共享方法研究试J.物联网技术，2016，6(8)：32-34.10 WANG Z H，DAI W，WANG F，et al.Kafka and Its Using in High-Throughput and Reliable Message DistributionC/2015 8th International Conference on Intelligent Networks and Intelligent Systems(ICINIS)：2015 Tianjin：China.IEEE，2016：117-120.11 RICHARDSON L，RUBY S.RESTful Web ServicesM.南京：东南大学出版社，2007.12 XIAO H.Data Mining Based on Segmented Time Warping Distance in Time Series DatabaseJ.Journal of Computer Research and Development，2005，42(1)：72.13 赵强.基于FTP协议的文件传输服务器的研究D.大连：大连海事大学，2008.14 夏玲，王伟平.客户端与服务器端的Socket通信J.电脑知识与技术，2009，5(4)：812-813.XIA Ling，WANG Weiping.The Socket Communication about Client and ServerJ.Computer Knowledge and Technology，2009，5(4)：812-813.15 范展源，罗福强.JWT认证技术及其在WEB中的应用J.数字技术与应用，2016(2)：114.收稿日期：2023-07-22通信作者：王高志(1992)，男，河南周口人，中国铁道科学研究院集团有限公司电子计算技术研究所助理研究员。基金项目：国家能源集团科技创新项目(GJNY-20-231)；中国铁道科学研究院集团有限公司科研项目(2019YJ106)责任编辑：魏然（上接第29页）13 杨玲玲.BIM技术在铁路基础设施智能运维中的应用及前景分析J.现代城市轨道交通，2021(6)：96-102.YANG Lingling.Analysis on Application and Prospect of BIM Technology in Intelligent Operation and Maintenance of R