城市轨道交通车辆智能运维系统的建设方案摘要：车辆智能运维，即采用预设点位的传感器、图像、生物特征识别等信息采集手段，通过车载ＬＴＥ（长期演进）、物联网、工业互联网等传输技术，将车辆运行及维护状态数据实时在线传输到车辆段控制中心，利用统计分析、大数据挖掘、ＡＩ（人工智能）学习等技术，实现车辆运维的人、物、作业流程的综合决策和智能化管理。
车辆智能运维是实现车辆状态修的必要手段。
关键词：城市轨道交通车辆；智能运维系统；建设方案引言现有的服务模式包括计划维护、故障维修、维修速度慢、上路时间长、运行维护成本高，不能满足现代城市轨道交通高效、快速、智能化的服务要求。
随着物联网、人工智能、海量数据、云计算等技术的飞速发展，城市轨道交通设备维修的新技术手段应运而生。
智能运维以运维为基础，以场景应用为核心，采用物联网建设、人工智能、大数据、云计算等技术手段，构建了更加智能化、安全、高效、经济的城市轨道交通智能运维系统。
铁路维修数字化改造的发展方向:在分析城市轨道交通运行维护现状的基础上，结合物联网技术、云计算、海量数据，介绍城市轨道交通智能运行维护系统的建设方案和应用平台设计，以提高轨道交通设备的可靠性，优化维护模式，降低劳动强度，提高运行维护水平。
1车辆智能运维系统的建设意义目前，国内大多数城市都在探索地铁车辆智能运维系统的建设问题，各轨道交通配套的供货厂商也在大力推广车辆智能运维系统。
事实上很多城市对此并未有明确目标，未分析清楚车辆智能运维系统需要解决的问题，亦未明确车辆智能运维系统系统关键参数，包括各系统信号、信息达４０００余项。
轨旁车辆检测系统实现列车不停车自动检测，覆盖不低于６０％的人工目视检查作业和１００％轮对尺寸测量作业，通过机器视觉、先进传感、人工智能等技术提高车辆关键部件的检测频率，延长人工检查周期。
车辆维护轨迹系统可将人工作业的各个业务过程数字化、信息化，例如，该系统可将检修工单、工具使用、物料流转等信息提供给各环节工作人员，使决策层做出有利于生产要素组合优化的决策，使资源合理配置，达到最大经济效益。
基于产品全生命周期信息模型的多源多阶段多层次数据融合方法摘要：文章基于产品全生命周期信息模型，研究原始数据融合、特征融合、决策融合的方式实现数据融合，根据问题类型定义应用场景、分析主题和指标体系，通过多维分析模型，解决多源、多阶段、多层次的数据融合问题，为分析数据集的提取和定义提供基础。
关键词：全生命周期；信息模型；多源；多阶段；多层次；数据融合以数据为关键生产要素的数字经济已经进入全新时代，数据将成为驱动企业发展的核心动能，激发数据深层价值的发挥是数据驱动的关键。
轨道交通行业产品种类繁多，结构复杂，在产品全生命周期不同的业务场景、业务流程和业务层级均会产生大量零散数据，这些数据一般是适应一个业务的单一数据，难以支撑面向多维数据分析的业务需求，真正发挥效能可以支撑数据分析应用的数据往往是这些数据融合后的综合数据。
通过数据融合将各种不同的数据信息进行联接，吸取不同数据源的特点，然后从中提取出统一的，比单一数据更好、更丰富、更有价值的信息。
根据轨道交通装备产品的特点，数据融合方法可分为边端多源异构数据的归一映射融合、横向跨产品全生命周期的一体化融合、产业链上下游纵向跨层次的贯通融合。
目前市场上的数据融合主要是直接对跨系统、跨阶段、跨层次采集到的原始数据进行全范围融合，数据间、信息间、知识片段间多维度、多粒度的关联关系融合的较少，对于多维分析数据的转换和组织缺少融合的规则支撑，尤其是缺少可直观操作的融合自主配置。
而对于多维分析数据应用场景及面向主题分析，将全生命周期原始数据抽取转换、高度聚合，深入关联后再应用于分析场景会更有针对性及提高准确率。
1数据融合方法的发展随着新一代信息计算技术的发展，新的理论和方法的不断出现，数据融合方法必将向智能化、直观化方向发展。
知识图谱技术是利用节点和关系所组成的图谱，其最大优点是基于图论和概率图模型，可以处理复杂多样的关联分析，挖掘隐藏信息并直观的展示，满足多源多阶段多层次数据融合与分析应用，满足轨道交通行业领域的知识存储和分析的需要。
