2020年基于AI与IIoT的铁路站场智能无人化作业系统研发及产业化项目可行性研究报告

智慧城轨赵俊华1，吴 卉2，杜呈欣2（1. 北京经纬信息技术有限公司，北京 100081；2. 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）基金项目：中国铁道科学研究院集团有限公司重点课题科研项目 (2022YJ076)第一作者：赵俊华, 女, 助理研究员引用格式：赵俊华, 吴卉, 杜呈欣. 智慧城轨云脑平台总体方案设计[J]. 现代城市轨道交通, 2024(03): 31-38. ZHAO Junhua, WU Hui, DU Chengxin. Overall scheme design of the cloud brain platform for smart urban rail transit[J]. Modern UrbanTransit, 2024(03): 31-38.DOI:10.20151/ki.1672-7533.2024.03.0061 引言城市轨道交通（以下简称“城轨”）作为一种高效、绿色的公共交通方式，在城市推进现代化治理、实现“碳达峰、碳中和”的过程中发挥着越来越重要的作用。

随着大数据、物联网、人工智能（AI ）、5G 等现代信息技术的进步，城轨逐步朝着智慧化、智能化的方向发摘 要：随着大数据、物联网、人工智能、5G 等现代信息技术的进步，城市轨道交通逐步朝着智慧化、智能化的方向发展。

城市轨道交通系统在运营中会产生大量数据，为促进数据的汇聚、融合和共享应用，需构建作为智慧城轨发展基础平台与数字底座的智慧城轨云脑平台。

文章在分析建设智慧城轨云脑平台必要性的基础上，确定智慧城轨云脑平台总体方案设计思路，并以此为基础进行平台总体架构和功能设计，最后对平台在车站、线路、线网 3 个层面的业务应用进行阐述，以期提升数据治理能力，实现快速流畅的数据交互、全面真实的数据分析、科学精准的决策施策，为城市轨道交通系统的安全、绿色、高效运行提供有力支撑。

关键词：城市轨道交通；智慧城轨；云脑平台；总体方案设计；数字底座 中图分类号：U231.92展。

ｄｏｉ:１０.３９６９/ｊ.ｉｓｓｎ.１００３－３１１４.２０２２.０４.００２引用格式:谌丽ꎬ艾明ꎬ孙韶辉.基于ＡＩ内生的无线接入网络架构[Ｊ].无线电通信技术ꎬ２０２２ꎬ４８(４):５７４－５８２.[ＣＨＥＮＬｉꎬＡＩＭｉｎｇꎬＳＵＮＳｈａｏｈｕｉ.ＡＩＢａｓｅｄＲａｄｉｏＡｃｃｅｓｓＮｅｔｗｏｒｋＡｒｃｈｉｔｅｃｔｕｒｅ[Ｊ].ＲａｄｉｏＣｏｍｍｕｎｉｃａｔｉｏｎｓＴｅｃｈｎｏｌｏｇｙꎬ２０２２ꎬ４８(４):５７４－５８２.]基于ＡＩ内生的无线接入网络架构谌㊀丽ꎬ艾㊀明ꎬ孙韶辉(中信科移动通信技术股份有限公司ꎬ北京１０００８３)摘㊀要:在回顾历代无线接入网络架构演进㊁５Ｇ系统引入人工智能的进展和现状的基础上ꎬ指出基于ＡＩ内生的方式是未来网络架构设计的必由之路ꎮ未来６Ｇ时代ꎬ无线接入网络将向空天地一体化㊁用户超密集㊁为更多工业互联网场景服务等方向发展ꎬ目前业界已经提出了将服务化㊁智能和开放相关技术作为６Ｇ无线网络的具体使能技术ꎬ以应对进一步提升用户体验㊁降低网络能耗㊁拥抱更多新兴技术的挑战ꎮ为此ꎬ提出了一种基于ＡＩ内生的无线接入网络架构ꎬ包括智能面㊁控制面㊁用户面三个方面的功能ꎬ通过引入智能流㊁智能体的方法ꎬ实现了ＡＩ内生ꎬ并阐述了这个架构如何满足以用户为中心的无线组网需求ꎮ最后ꎬ提出未来基于ＡＩ内生的无线网络设计还需要应对ＩＣＤＯＴ融合㊁通信感知算力融合等方面的挑战ꎮ关键词:无线接入网络架构ꎻＡＩ内生ꎻ用户为中心ꎻ频谱效率中图分类号:ＴＮ９１５.０２㊀㊀㊀文献标志码:Ａ㊀㊀㊀开放科学(资源服务)标识码(ＯＳＩＤ):文章编号:１００３－３１１４(２０２２)０４－０５７４－０９ＡＩＢａｓｅｄＲａｄｉｏＡｃｃｅｓｓＮｅｔｗｏｒｋＡｒｃｈｉｔｅｃｔｕｒｅＣＨＥＮＬｉꎬＡＩＭｉｎｇꎬＳＵＮＳｈａｏｈｕｉ(ＣＩＣＴＭｏｂｉｌｅＣｏｍｍｕｎｉｃａｔｉｏｎＴｅｃｈｎｏｌｏｇｙＣｏ.ꎬＬｔｄ.ꎬＢｅｉｊｉｎｇ１０００８３ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:ＲｅｖｉｅｗｉｎｇｔｈｅｐｒｏｇｒｅｓｓｏｆｗｉｒｅｌｅｓｓｒａｄｉｏａｃｃｅｓｓｎｅｔｗｏｒｋａｒｃｈｉｔｅｃｔｕｒｅｓａｎｄＡＩｉｎｔｒｏｄｕｃｔｉｏｎｉｎ５ＧｓｙｓｔｅｍꎬＡＩ￣ＮａｔｉｖｅＲａｄｉｏＡｃｃｅｓｓＮｅｔｗｏｒｋ(ＲＡＮ)ｉｓａｎｉｎｅｘｏｒａｂｌｅｔｒｅａｄｆｏｒＲＡＮａｒｃｈｉｔｅｃｔｕｒｅｅｖｏｌｕｔｉｏｎ.Ｉｎｆｕｔｕｒｅ６Ｇｅｒａꎬｗｉｒｅｌｅｓｓａｃｃｅｓｓｎｅｔｗｏｒｋｓｈｏｕｌｄｂｅａｐｐｌｉｅｄｔｏｓａｔｅｌｌｉｔｅ￣ｔｅｒｒｅｓｔｒｉａｌｉｎｔｅｇｒａｔｅｄｎｅｔｗｏｒｋꎬｕｌｔｒａ￣ｄｅｎｓｅｎｅｔｗｏｒｋꎬａｎｄｄｉｖｅｒｓｅＩＩｏＴｎｅｔｗｏｒｋｓ.Ｅｎａｂｌｉｎｇｔｅｃｈｎｏｌｏｇｉｅｓｆｏｒ６Ｇｗｉｒｅｌｅｓｓｎｅｔｗｏｒｋｓｈｏｕｌｄｐｒｏｖｉｄｅｓｅｒｖｉｃｅ￣ｂａｓｅｄꎬｉｎｔｅｌｌｉｇｅｎｔꎬａｎｄｏｐｅｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓꎬｓｏａｓｔｏｍｅｅｔｔｈｅｃｈａｌｌｅｎｇｅｓｏｆｉｍｐｒｏｖｉｎｇｕｓｅｒｅｘｐｅｒｉｅｎｃｅꎬｒｅｄｕｃｉｎｇｅｎｅｒｇｙｃｏｎｓｕｍｐｔｉｏｎꎬａｎｄａｃｃｏｍｍｏｄａｔｉｎｇｕｐｃｏｍｉｎｇｎｅｗｔｅｃｈｎｏｌｏｇｉｅｓ.ＴｈｅｒｅｆｏｒｅꎬＡＩ￣ＮａｔｉｖｅＲＡＮＡｒｃｈｉｔｅｃｔｕｒｅｗｈｉｃｈｃｏｎｔａｉｎｓｉｎｔｅｌｌｉｇｅｎｃｅｐｌａｎｅꎬｃｏｎｔｒｏｌｐｌａｎｅａｎｄｕｓｅｒｐｌａｎｅｉｓｐｒｏｍｐｔｅｄ.ＴｈｅｆｕｎｃｔｉｏｎｓｏｆｔｈｅｔｈｒｅｅｐｌａｎｅｓꎬｃｏｍｂｉｎｅｄｗｉｔｈｉｎｔｅｌｌｉｇｅｎｃｅｓｔｒｅａｍｓａｎｄｉｎｔｅｌｌｉｇｅｎｃｅｅｎｔｉｔｉｅｓꎬｗｉｌｌａｃｈｉｅｖｅＡＩ￣Ｎａｔｉｖｅｉｎｔｈｅ６ＧＲＡＮ.ＦｕｒｔｈｅｒｍｏｒｅꎬｈｏｗｔｈｅＡＩ￣ＮａｔｉｖｅＲＡＮａｒｃｈｉｔｅｃｔｕｒｅａｃｈｉｅｖｅｔｈｅｕｓｅｒｃｅｎｔｒｉｃｎｅｔｗｏｒｋｗａｓｅｌａｂｏｒａｔｅｄ.ＦｉｎａｌｌｙꎬｔｈｅｄｅｓｉｇｎｏｆＡＩ￣ＮａｔｉｖｅＲＡＮｓｈｏｕｌｄｆａｃｅｍｏｒｅｃｈａｌｌｅｎｇｅｓｉｎｃｌｕｄｉｎｇｉｎｔｅｇｒａｔｉｏｎｏｆＩＣＤＯＴꎬｉｎｔｅｇｒａｔｉｏｎｏｆｓｅｎｓｉｎｇꎬｃｏｍｍｕｎｉｃａｔｉｏｎａｎｄｃｏｍｐｕｔａｔｉｏｎꎬｅｔｃ.Ｋｅｙｗｏｒｄｓ:ｒａｄｉｏａｃｃｅｓｓｎｅｔｗｏｒｋａｒｃｈｉｔｅｃｔｕｒｅꎻＡＩｎａｔｉｖｅꎻｕｓｅｒ￣ｃｅｎｔｒｉｃꎻｓｐｅｃｔｒｕｍｅｆｆｉｃｉｅｎｃｙ收稿日期:２０２２－０３－２３基金项目:国家重点研发计划(２０２０ＹＦＢ１８０６８０３)ＦｏｕｎｄａｔｉｏｎＩｔｅｍ:ＮａｔｉｏｎａｌＫｅｙＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｐｍｅｎｔＰｒｏｇｒａｍｏｆＣｈｉｎａ(２０２０ＹＦＢ１８０６８０３)０㊀引言６Ｇ是近期研究热点ꎬ如何将人工智能(ＡＩ)及相关技术应用到６Ｇ无线接入网络是其热点之一ꎮ随着数字时代的来临和无线通信产业的飞速发展ꎬ无线网络已成为人们生产和生活的基础设施ꎮＡＩ强大的作用和影响力在５Ｇ时代已现端倪ꎬ３ＧＰＰ标准组织在５Ｇ后期版本引入了一些ＡＩ特性[１－３]ꎮ而６Ｇ无线网络将是原生ＡＩ的网络ꎬＡＩ不仅是实现未来日益多样化业务的需求ꎬ也是无线网络本身的需求ꎮ本文在回顾无线网络架构发展㊁ＡＩ对无线网络架构影响的基础上ꎬ探讨基于ＡＩ内生的无线接入网络架构ꎮ通过引入内嵌在无线接入网中的智能面ꎬ在接入网实现对用户业务的ＡＩ管理和网络本身的智能管控㊁灵活部署ꎮ在基于ＡＩ内生的无线网络架构基本设计基础上ꎬ可以形成以用户为中心的ｆｌｅｘｉｂｌｅｃｅｌｌ(灵活小区)架构ꎬ实现６Ｇ网络的至简部署ꎮ１㊀无线接入网架构简述１.１㊀无线接入网架构发展回顾无线通信网络包含核心网和接入网两部分ꎮ核心网负责无线网络与数据/应用网络(如ＴＣＰ/ＩＰ网络㊁ＩＭＳ网络等)的连接ꎬ对整个无线网络起到策略控制㊁业务流管理㊁ＱｏＳ管理㊁移动性管理等功能[４]ꎮ无线接入网基于应用层和核心网的需求ꎬ满足用户业务特性ꎬ其性能指标体现为系统容量㊁传输速率㊁空口时延㊁频谱效率等与空口传输直接相关的参数[５]ꎮ无线接入网是无线通信系统的基础ꎬ是实现无线传输的基本框架ꎬ每一代无线通信系统的演进都包含着无线接入网络架构的演进和跃迁[６]ꎮ３Ｇ无线接入网是一种集中管理架构ꎬ由ＲＮＣ管理多个基站ＮｏｄｅＢ[７]ꎮ４Ｇ网络是全ＩＰ化网络ꎬ接入网采用扁平化架构ꎬ４Ｇ基站ｅＮＢ直接与核心网连接[８]ꎮ５Ｇ基站ｇＮＢ可以分解为ＣＵ和ＤＵꎬ以更好地实现控制云化和资源本地化ꎮＣＵ进一步分解为ＣＵ￣ＣＰ和ＣＵ￣ＵＰꎬ实现控制面与用户面的分离[９]ꎮ在３Ｇ㊁４Ｇ㊁５Ｇ的无线网络架构(图１)变迁中ꎬ虽然系统容量和传输速率得到了极大的提升ꎬ无线接入网络实现的主要功能一直是终端和核心网之间的数据传输通道ꎮ图１㊀３Ｇ/４Ｇ/５Ｇ无线网络架构Ｆｉｇ.１㊀３Ｇ/４Ｇ/５ＧＲＡＮａｒｃｈｉｔｅｃｔｕｒｅｓ１.２㊀５Ｇ系统引入ＡＩ的进展随着ＡＩ/ＭＬ的发展ꎬ将其引入无线通信网络ꎬ提升移动通信系统的智能化水平是必然趋势ꎮ３ＧＰＰ在核心网部分对网络数据分析功能(ＮｅｔｗｏｒｋＤａｔａＡｎａｌｙｔｉｃｓＦｕｎｃｔｉｏｎꎬＮＷＤＡＦ)和管理数据服务(ＭａｎａｇｅｍｅｎｔＤａｔａＡｎａｌｙｔｉｃｓＳｅｒｖｉｃｅꎬＭＤＡＳ)进行了增强[１－２ꎬ１０－１２]ꎮ在接入网部分ꎬ３ＧＰＰＲ１７研究了以ＲＡＮ为中心的面向ＮＲ的数据收集与应用功能ꎬ并在２０２１年底通过了分别由ＲＡＮ１和ＲＡＮ３主导的两个Ｒｅｌ￣１８ＡＩ立项ꎮ其中ꎬＲＡＮ１立项的主要目标是评估几个典型用例(ＣＳＩ反馈增强㊁ｂｅａｍ管理㊁定位精度增强)ꎬ以确定可以用于空口的ＡＩ/ＭＬ框架ꎬ研究是否对协议过程有影响[１３]ꎮＲＡＮ３的立项研究现有ＮＧ￣ＲＡＮ接口和架构下ꎬ用于网络节能㊁负荷均衡和移动性优化的数据收集增强[１４]ꎮ显然ꎬ受限于５Ｇ无线网络架构和各网元的基本功能及逻辑关系已经设计完成ꎬＡＩ在５Ｇ无线接入网的引入是外围㊁辅助式的[１５]ꎮ１.３㊀ＡＩ内生的内涵ＡＩ内生是在架构层面通过内生设计模式实现ＡＩ[１５]ꎮ６Ｇ网络内生ＡＩ为网络高水平自治㊁行业用户智能普惠㊁用户极致业务体验以及网络内生安全等提供所需的实时和高效的智能化服务和能力ꎬ是在６Ｇ网络架构内部提供数据采集㊁数据预处理㊁模型训练㊁模型推理㊁模型评估等ＡＩ工作流全生命周期的完整运行环境ꎬ将ＡＩ服务所需的算力㊁数据㊁算法㊁连接与网络功能㊁协议和流程进行深度融合设计[１５]ꎮ基于ＡＩ内生的网络在满足传统无线通信系统业务数据传输功能基础上ꎬ还要进行算力㊁数据㊁ＡＩ模型的融合管理ꎮＡＩ内生将智慧功能内嵌部署在网络的各个网元上ꎬ实现ＡＩｆｏｒｎｅｔｗｏｒｋ和ｎｅｔｗｏｒｋｆｏｒＡＩ两个方面的功能ꎮＡＩｆｏｒｎｅｔｗｏｒｋ是采用ＡＩ内生对整个无线网络进行规划㊁维护和优化ꎬ其应用例涵盖大到网络部署㊁运营ꎬ小到无线信道监控㊁波束调整等无线通信网络的各个方面ꎮＮｅｔｗｏｒｋｆｏｒＡＩ是无线网络各个网元调动ＡＩ内生模块ꎬ参与用户业务传输㊁算力㊁数据㊁ＡＩ模型控制的各个方面ꎮ在这种深度参与过程中ꎬ网络不再是个管道ꎬ从而能够以最优方式实现用户业务保障等功能[１６]ꎮ无线接入网单元之间㊁接入网与终端之间要做到ＡＩ内生ꎬ需要采用系统内推演ꎮ在采用系统内推演时ꎬ需要在系统内构建ＡＩ内生业务ꎮ外挂式ＡＩ采用系统外推演ꎬ主要采用参数传递方式ꎬＡＩ内生业务的方式则可以部署更为复杂的模型ꎬ并且更有利于模型本身的ｋｎｏｗ￣ｈｏｗ保护[１７]ꎮ２㊀６Ｇ无线网络架构技术进展和趋势２.１㊀６Ｇ无线网络架构需求６Ｇ无线网络融合了多种场景覆盖需求ꎬ包括空天地一体化的立体全覆盖[１８]㊁针对新型工业互联网的特性业务满足和智能化网络覆盖ꎬ以及对新型超密集网络的支持等[１９]ꎮ２.１.１㊀空天地一体化网络空天地一体化网络在任何地点㊁任何时间㊁以任何方式为用户提供服务ꎬ实现全场景全域下各类用户的接入ꎮ由于卫星网络在覆盖范围和移动接入等方面与地面网络具有极强的互补性ꎬ构建统一的天地一体化网络是６Ｇ网络的重要特征ꎮ６Ｇ网络将通过高轨卫星网络㊁中低轨卫星网络㊁临空网络和地面蜂窝网络等共同组成立体覆盖移动通信网络ꎬ实现无盲区宽带移动通信的发展目标[２０－２１]ꎮ如图２所示ꎬ星地融合一体化网络包括天基网络㊁临近空间和地基网络三个基本子网ꎬ通过星间链路㊁测控链路㊁馈电链路等实现空天地一体化连接ꎮ进一步ꎬ通过网络管理系统㊁运营支撑系统和信关站㊁测控站ꎬ及信令㊁业务网管的联合作用ꎬ可以满足天空用户㊁空基用户㊁海基用户和地基用户的全方位覆盖和业务需求ꎮ通过对网络架构和关键技术ꎬ如高效传输技术㊁移动性管理技术等的研究ꎬ空天地一体化网络将实现包括业务㊁体制㊁架构㊁空口㊁终端和系统的全方位融合ꎬ通过对天基网络和地面网络资源的统一管理和控制ꎬ解决由于卫星网络的特点带来的天地一体化组网复杂问题ꎬ满足６Ｇ网络的智能㊁极简和按需定制的要求[１８]ꎮ图２㊀星地融合一体化网络Ｆｉｇ.２㊀Ｓａｔｅｌｌｉｔｅ￣ｔｅｒｒｅｓｔｒｉａｌｉｎｔｅｇｒａｔｅｄｎｅｔｗｏｒｋ２.１.２㊀新型工业互联网在第四次工业革命的浪潮下ꎬＩＣＴ技术与工业技术形成合力ꎬ逐步实现了技术装备的自动化㊁生产管理集成化以及生产柔性化ꎬ触发了新的生产方式㊁产业形态㊁商业模式和经济增长点的产生ꎮ未来ꎬ工业数字化㊁信息化㊁智能化转型升级的趋势愈发明显ꎬ人机物通过工业互联网彼此交互㊁相互协同ꎬ形成更为高效智能的工业系统ꎮ现阶段ꎬ５Ｇ技术通过其大带宽㊁低延时㊁高可靠等特性初步在工厂进行特定业务的数字化尝试ꎬ但未来工业互联网应用场景更加多样化ꎬ包括智能制造㊁工业视觉㊁高端机器人等ꎬ需要网络具备更加精准地控制和实时感知等能力ꎬ因此移动网络也需要进一步演进来满足不断增长的工业互联网需求[１９]ꎮ２.１.３㊀新型超密集网络新型超密集网络主要针对现代社会越来越集中化的数据业务应用需求ꎬ满足高吞吐量业务的特性ꎮ典型场景包括商城㊁车站㊁体育场馆㊁写字楼㊁密集住宅㊁密集街区㊁大学校园㊁景区㊁大型集会㊁地铁㊁医院㊁工厂数字孪生等ꎬ上述场景多存在超高密度用户分布ꎬ随着移动通信数据业务的进一步丰富ꎬ流量需求将会有巨大的增长ꎬ密集组网成为提升系统吞吐㊁应对流量激增的有效举措ꎮ新型超密集网络相比于传统密集网络ꎬ具有如下特点:用户流量需求更大㊁业务更加具有多样性㊁超密集网络可能出现的区域更加广泛㊁用户分布从二维向三维发展等ꎮ超密集网络可以采用单层密集组网和多层立体异构网络覆盖的组网方式ꎮ在超密集组网场景下ꎬ需要解决带宽频谱效率㊁干扰管理㊁成本控制等一系列问题ꎮ由于站点密集部署且设备形态多样化ꎬ密集组网后网络空前复杂ꎬ这给网络优化㊁网络运维带来极大的挑战ꎬ需要考虑利用ＡＩ技术实现网络系统多维度联合优化ꎬ以便提升网络整体性能[１９ꎬ２２]ꎮ２.２㊀在５Ｇ基础上的无线接入网络架构技术进展对于无线接入网络架构演进ꎬ业界正在进行一系列有益探索ꎬ如Ｏ￣ＲＡＮ㊁基于服务化(Ｓｅｒｖｉｃｅ￣ＢａｓｅｄＡｒｃｈｉｔｅｃｔｕｒｅꎬＳＢＡ)的网络等ꎮ２.２.１㊀Ｏ￣ＲＡＮＯ￣ＲＡＮ联盟的目标是将无线接入网(ＲＡＮ)打造成开放㊁智能㊁虚拟化和完全互操作的网络ꎮ可见ꎬ智能化是Ｏ￣ＲＡＮ的天然目标[２３]ꎮＯ￣ＲＡＮ基于３ＧＰＰ网络架构ꎬ实现开放式和智能化管理ꎮＯ￣ＲＡＮ逻辑架构如图３所示ꎬ其智能化架构包含两个核心部分:非实时ＲＡＮ智能控制器(Ｎｏｎ￣Ｒｅａｌ￣ＴｉｍｅＲＡＮＩｎｔｅｌｌｉｇｅｎｔＣｏｎｔｒｏｌｌｅｒꎬＮｏｎ￣ＲＴＲＩＣ)和近实时ＲＡＮ智能控制器(Ｎｅａｒ￣Ｒｅａｌ￣ＴｉｍｅＲＡＮＩｎｔｅｌｌｉｇｅｎｔＣｏｎｔｒｏｌｌｅｒꎬＮｅａｒ￣ＲＴＲＩＣ)ꎮＮｏｎ￣ＲＴＲＩＣ位于服务管理编排(ＳｅｒｖｉｃｅＭａｎ￣ａｇｅｍｅｎｔａｎｄＯｒｃｈｅｓｔｒａｔｉｏｎꎬＳＭＯ)实体ꎬ主要进行针对ＲＡＮ资源和效率优化的非实时的智能控制ꎮＮｏｎ￣ＲＴＲＩＣ可以通过Ａ１接口向Ｎｅａｒ￣ＲＴＲＩＣ提供指导性的策略㊁机器学习模型管理以及Ｅｎｒｉｃｈｍｅｎｔ信息来进行ＲＡＮ的智能优化ꎬ也可以通过Ｏ１接口ꎬ应用其自身进行的ＲＡＮ智能优化结果对ＲＡＮ进行配置[２３]ꎮＮｅａｒ￣ＲＴＲＩＣ用于近实时控制和优化Ｅ２节点功能和资源ꎬ可通过Ｅ２接口实现细粒度的数据收集和控制指令等ꎮＮｅａｒ￣ＲＴＲＩＣ对Ｅ２节点的控制根据Ｎｏｎ￣ＲＴＲＩＣ通过Ａ１接口提供的策略和辅助信息指导实现ꎮＥ２接口也可连接Ｏ￣ｅＮＢ与Ｎｅａｒ￣ＲＴＲＩＣ[２３]ꎮ图３㊀Ｏ￣ＲＡＮ逻辑架构Ｆｉｇ.３㊀Ｏ￣ＲＡＮｌｏｇｉｃａｌａｒｃｈｉｔｅｃｔｕｒｅ㊀㊀Ｏ￣ＲＡＮ引入ＡＩ/ＭＬ的工作流包括数据收集与准备㊁模型建立㊁模型训练㊁模型部署㊁模型执行㊁模型有效性确认㊁模型自监测及模型自训练/重训练的系列操作ꎮＡＩ/ＭＬ工作流与Ｏ￣ＲＡＮ网元存在多种映射关系ꎬＭＬ模型训练和ＭＬ模型推理的部署位置取决于计算复杂度㊁待交换数据的可获取性及数据量大小㊁响应时间需求和ＭＬ模型的类型等[２４]ꎮＯ￣ＲＡＮ分析了如监督学习㊁非监督学习㊁强化学习和联邦学习等典型ＭＬ算法的需求ꎬ目前对在Ｏ￣ＲＡＮ架构中部署ＡＩ/ＭＬ框架取得共识的４种模式如下:①ＡＩ/ＭＬ持续运营㊁模型管理㊁数据预处理㊁ＡＩ/ＭＬ训练和推理都部署于Ｎｏｎ￣ＲＴＲＩＣꎻ②ＡＩ/ＭＬ持续运营㊁数据预处理㊁ＡＩ/ＭＬ训练部署于Ｎｏｎ￣ＲＴＲＩＣ内ꎬ模型管理部署于Ｎｏｎ￣ＲＴＲＩＣ之外(ＳＭＯ内或外)ꎬＡＩ/ＭＬ模型推理及与推理相关的数据收集和预处理则部署于Ｎｅａｒ￣ＲＴＲＩＣꎻ③ＡＩ/ＭＬ持续运营㊁ＡＩ/ＭＬ推理位于Ｎｏｎ￣ＲＴＲＩＣ内ꎬ数据预处理㊁模型训练和模型管理则位于Ｎｏｎ￣ＲＴＲＩＣ外(ＳＭＯ内或外)ꎻ④Ｎｏｎ￣ＲＴＲＩＣ负责离线模型训练ꎬＮｅａｒ￣ＲＴＲＩＣ则执行在线训练和模型推理ꎮＯ￣ＲＡＮ完成了Ｎｏｎ￣ＲＴＲＩＣ和Ｎｅａｒ￣ＲＴＲＩＣ两部分核心内容ꎬ二者共同作用ꎬ实现基于ＡＩ对网络负载均衡㊁移动性管理㊁多连接控制㊁ＱｏＳ管理㊁网络节能等功能进行主动优化和调整ꎮＯ￣ＲＡＮ基于３ＧＰＰ网络现有接口ꎬ实现了无线网络嵌入式ＡＩꎬ对于３ＧＰＰ网络具有很好的兼容性ꎮ未来６Ｇ网络需要的不仅仅是嵌入式ＡＩꎬ更需要重构无线接入网层间关系和功能的内生ＡＩꎮ２.２.２㊀ＳＢＡＳＢＡ的网络是５Ｇ的重要特征ꎬ应用于５Ｇ核心网控制面ꎮ５Ｇ核心网将网络功能划分为可重用的若干个 服务 ꎬ 服务 之间使用轻量化接口通信ꎬ其目标是实现５Ｇ系统的高效化㊁软件化㊁开放化ꎮＳＢＡ将点到点接口架构转换成总线式 微服务 架构ꎬ具有自包含㊁可重用㊁独立管理三原则ꎬ松耦合的微服务㊁自动化/智能化的服务管理框架ꎬ以及轻量高效的服务调用接口三大特征ꎮ随着业务种类和部署应用场景的不断扩展ꎬ未来网络架构对包括灵活㊁柔性㊁可扩展性㊁可演进性㊁可恢复性在内的适应性方面的要求在不断提升ꎬ拥有更好适应性的服务化架构得到越来越多的关注ꎮ在接入网引入服务化架构ꎬ其目标是实现管理㊁控制㊁传输各方面功能解耦ꎮ对于实现空天地一体化场景㊁支持垂直行业应用㊁支持接入网云原生ꎬ实现真正的网络开放具有开创性的影响ꎮ接入网引入服务化架构后ꎬ接入网㊁核心网和第三方应用(例如边缘计算)将可以使用并维护统一的ＳＢＡ框架[２５]ꎬ这有助于简化系统ꎬ增强接入网㊁核心网㊁边缘计算的互联互通及它们的融合ꎮ在接入网㊁核心网和第三方应用采用通用的ＳＢＡ框架后ꎬ该框架应保持足够的稳定性ꎮＳＢＡ框架应能支持其自身的缓慢演进以及在此平台上各项服务化功能的快速迭代演进ꎮＳＢＡ￣ＲＡＮ架构应遵循如下设计原则[２０]:①采用模块化设计以最小化功能间的依赖ꎬ特别是接入网和核心网ꎬ物理层和用户面之间的依赖ꎮ支持多种无线接入网制式通过统一的ＲＡＮ￣ＣＮ接口连接到统一的核心网ꎬ也支持多种物理层技术通过统一的物理层和用户面接口连接到统一的用户面功能ꎮ支持无线接入网对于不同物理层技术的持续集成和交付ꎮ②采用面向服务的定义和功能划分ꎬ应该根据提供什么服务和提供什么类型的服务来定义和划分功能ꎬ而不是根据如何支持这些服务来划分功能ꎮ③最大程度地重用流程ꎬ一种流程可以被视为某个功能ꎬ向其他功能提供可重用的服务ꎮ④控制功能和执行功能分离ꎬ以允许独立的实现㊁部署㊁弹性伸缩和定制ꎮ⑤解耦框架性功能(平台功能)和在此之上的无线相关的功能ꎬ以便无线相关功能可以独立并且更快地演进ꎮ⑥支持按需的 无状态 控制功能ꎬ这意味着将上下文的使用和存储分开ꎮ⑦支持按需的实现和部署(例如多种功能的分离式或一体化实现和部署)ꎬ以满足灵活性和效率之间的平衡ꎮ内生ＡＩ可以充分利用网络中分布式的算力㊁数据ꎬ引入多节点以及终端与网络间的协同机制ꎬ实现网络运维㊁优化和业务传输保障等多种功能ꎮ服务化的思路可以不受制于特定信令过程ꎬ支持无线接入网不同功能的独立演进ꎬ是支持内生ＡＩ的有效方式ꎮ２.３㊀无线接入网架构面临的挑战和应对方向新一代无线接入网络架构的演进是为了应对数字化社会发展的种种特性需求ꎮ网络架构的发展和成熟与相关技术的发展息息相关ꎬ同时又是促进相关需求和场景最终落地的基础条件ꎮ其发展挑战包括以下几方面:①对各种新兴技术的平滑演进ꎬ灵活适应新的物理层技术的发展ꎬ如ＲＩＳ㊁通感一体化技术等ꎻ②针对复杂多样性的网络部署场景ꎬ如空天地一体化㊁新型密集网络㊁新型工业互联网㊁移动ＩＡＢ等ꎬ需要在满足多样性的同时ꎬ设计尽量简单㊁通用的无线接入网架构ꎻ③与现有网络架构的融合与演进ꎬ在实现新一代无线通信需求的同时ꎬ尽可能保障前期投资利益ꎻ④将ＡＩ引入网络架构设计ꎬ必将要求网元具备更多的计算能力和存储ꎬ在应用新硬件(如ＤＰＵ)的同时ꎬ还应满足碳达峰的要求ꎮ基于５Ｇ的经验和教训ꎬ６Ｇ接入网络体系具有以下几个基本目标:①５Ｇ网络虽然带来用户体验的极大提升ꎬ但其设备成本ＣＡＰＥＸ和运营成本ＯＰＥＸ较高ꎮＯＰＥＸ中的５Ｇ基站能耗问题尤其受到业内外关注ꎮ６Ｇ无线接入网络需要在支持更多样性的业务和终端的前提下ꎬ最小化ＴＣＯ(ＴｏｔａｌＣｏｓｔｏｆＯｐｅｒａｔｉｏｎ)ꎬ包括最小化ＣＡＰＥＸ和ＯＰＥＸꎮ②对６Ｇ新技术的充分利用ꎬ如通感一体化㊁ＲＩＳ㊁太赫兹支持等ꎬ需要在６Ｇ接入网设计之初就考虑到ꎬ并保证引入新技术时不对接入网架构本身造成很大影响ꎮ③６Ｇ网络要保障不低于５Ｇ网络的用户体验ꎬ直观来说ꎬ对传统数据业务用户ꎬ要保障远高于５Ｇ的用户体验速率和系统容量ꎮ同时ꎬ要实现对新兴业务ꎬ如ＸＲ㊁全息通信㊁人体域网的可商用化支持ꎮＸＲ㊁全息业务㊁人体域业务有望成为６Ｇ的 杀手级 应用ꎬ具有现实需求ꎬ很容易被市场接受ꎮ相比于５Ｇꎬ６Ｇ只能采用去管道化设计ꎬ引入从应用层到最底层的跨层设计ꎬ才能满足这些业务极低时延㊁极高可靠性和超大容量的需求ꎮ去管道化㊁轻量化㊁智能化是６Ｇ无线接入网络的基本要求和趋势ꎮ对各种复杂场景㊁各种新型业务的支持ꎬ对大量涌现的新技术的支持ꎬ看似与轻量化的网络架构设计目标是相违背的ꎮＡＩ内生是解决这个问题的内在方案ꎮＡＩ内生解决的基本问题包括:①网络架构和网络节点的灵活组织ꎻ②基于用户需求的传输方式灵活选择ꎻ③传输参数ꎬ包括协议栈参数㊁算法参数等的灵活适配等ꎮ只有通过ＡＩ内生ꎬ无线接入网架构才能摆脱作为管道的限制ꎬ实现智能化ꎬ灵活高效地为用户提供服务的同时保障网络自身的轻量㊁灵活㊁稳健ꎮ３　基于ＡＩ内生的无线接入网络架构６Ｇ网络ＡＩ内生是在网络内部实现数据采集㊁数据预处理㊁模型训练㊁模型推理㊁模型评估等ＡＩ相关工作ꎬ将ＡＩ所需的算力㊁数据㊁算法㊁连接与６Ｇ网络功能㊁协议㊁流程等进行深度融合设计[２６]ꎮ６Ｇ内生ＡＩ要解决内生ＡＩ用例生成㊁内生ＡＩ的ＱｏＳ研究和定义㊁ＡＩ生命周期管理ꎬ以及自生成数据和服务等一系列问题[２７]ꎬ这些问题都需要在整个网络体系ꎬ包括核心网和接入网中研究和解决ꎮ因此ꎬ基于ＡＩ内生的无线接入网络中ꎬ智能需要作为一种原生特性嵌入其中ꎬ并与控制面㊁用户面深度融合ꎮ基于ＡＩ内生的无线接入网络架构基本框架如图４所示ꎬ图４简单给出了无线接入网与核心网之间的链接关系ꎬ本文不涉及与核心网相关的讨论ꎮ需要说明的是ꎬ随着服务化技术研究的进一步发展ꎬ预计未来６Ｇ网络中各项网络功能均采用服务化的方式提供ꎬ无线接入网与核心网之间的界线将变得越来越模糊ꎮ图４㊀基于ＡＩ内生的无线接入网基础框架Ｆｉｇ.４㊀ＡＩＢａｓｅｄＲａｄｉｏＡｃｃｅｓｓＮｅｔｗｏｒｋＡｒｃｈｉｔｅｃｔｕｒｅ在这个基础框架中ꎬ智能面作为枢纽贯穿控制面和用户面ꎬ将无线接入网络连接成一个原生智能的整体ꎮ智能面㊀包含了在线智能体和离线智能体ꎬ根据不同的功能需求和ＡＩ算法及模型ꎬ启动和运行对应的ＡＩ模块㊁ＡＩ过程ꎮ智能面具有环境和业务感知㊁针对无线接入网架构中的控制面功能和用户面功能的智能管理㊁控制㊁计算㊁协调等功能ꎮ智能面功能所形成的业务流本文称之为智能流ꎬ与智能流相关的业务可统称为 内生业务 ꎮ内生业务的起止点㊁生命周期㊁业务特性(ＱｏＳ)需求具有鲜明的特点ꎮ内生业务网络内部作为原生业务运行和传输ꎬ智能面还负责内生业务的ＱｏＳ管理㊁策略控制和生命周期管理等ꎮ控制面㊀无线接入网的控制面功能主要指ＲＲＣ功能和过程ꎮ６Ｇ网络中ꎬ控制面除了与用户连接㊁业务承载相关的ＲＲＣ过程外ꎬ还需要承载内生业务相关的过程ꎬ如由内生业务触发的承载建立过程㊁ＲＲＣ配置过程㊁资源管理过程等ꎮ当算力作为一种资源引入ꎬ控制面还要基于智能面的管理ꎬ进行算力资源的调度㊁分配ꎮ更细节的ꎬ内生业务可以由ＳＲＢ或ＤＲＢ承载ꎬ详细设计可以在后期研究中根据具体需求考虑ꎮ用户面㊀用户面承担流映射㊁数据传输㊁资源调度等功能ꎮ内生业务根据其数据量㊁传输特性等需求ꎬ可以映射到物理信道或高层信道(如逻辑信道)上进行传输ꎮ从数据流角度ꎬ融合智能面后ꎬ无线接入网络中除传统的业务流㊁信令流外ꎬ还引入智能流ꎮ智能流传递ＡＩ内生相关的业务信息和数据ꎮ内生业务在进行数据处理㊁机器学习模型传递时ꎬ具有数据流量大㊁需要稳定的传输速率和系统容量保障的特点ꎬ需要作为独立的智能流ꎬ在无线空口㊁无线接入网络各个网络功能之间ꎬ以及与核心网的智能体之间流动ꎮ此外ꎬ智能流也有各自的传输特性需求ꎬ即智能流有各自的内生业务ＱｏＳ需求ꎮ例如ꎬ不同的机器学习类型ꎬ在时延可靠性方面有不同的要求ꎬ推理过程具有很高的时延要求ꎬ推理结果和模型的传递具有很高的可靠性要求ꎮ上述基于ＡＩ内生的无线接入网框架中ꎬ引入智能面ꎬ并使其与控制面㊁用户面共同作用ꎬ实现内生智能的支持ꎮ其中ꎬ网络中承载的数据流除了业务流和信令流ꎬ还需要支持智能流ꎮ下面从无线接入网节点间关系角度ꎬ进一步阐述内生ＡＩ的６Ｇ无线接入网是如何实现 以用户为中心的网络 ꎬ以及内生ＡＩ在其中的关键作用ꎮ在前文提到ꎬ去管道化㊁轻量化是６Ｇ网络的必然趋势ꎬ为了实现这个目标ꎬ６Ｇ无线接入网必然是一个以用户为中心的网络ꎮ６Ｇ无线网络中仍会存在宏站㊁微站㊁中继㊁点到点通信等多种网络节点部署模式ꎬ同时还需要支持多种ＲＡＴ的异构融合ꎮ以用户为中心的网络ꎬ要求从设计之初ꎬ就采用以简单的模型㊁统一的接入方式ꎬ在多样化网络侧节点和多ＲＡＴ并存的无线网络场景下ꎬ实现以用户为中心的网络和服务ꎮ以用户为中心网络的概念在５Ｇ预研阶段就曾提及[１２]ꎬ但受限于网络节点处理能力和功能的限制ꎬ并未在５Ｇ得到很好实现ꎮ随着终端类型㊁业务类型的发展ꎬ设备能力的提高ꎬ尤其是ＡＩ内生的驱动ꎬ以用户为中心的网络以其友好的用户体验特性ꎬ必将再次成为关注点ꎮ以用户为中心的网络架构的基本思路是根据用户的业务需求㊁位置和移动性等ꎬ动态选择网络节点组成灵活小区(ｆｌｅｘｉｂｌｅｃｅｌｌ)为之服务ꎬ从而避免了小区中心和小区边缘性能差异对用户体验的影响ꎬ以及消除了由于切换等移动性过程导致的可能的业务中断ꎮ随着ＡＩ技术的快速发展ꎬＡＩ内生网络和相关技术可以实现用户业务场景和需求的感知㊁用户移动性预测㊁全频谱无线网络资源高效智能调配㊁智能构建用户为中心的无线网络架构ꎬ实现满足用户需求(带宽㊁移动性等)的ｆｌｅｘｉｂｌｅｃｅｌｌ的网络节点选择等ꎬ在这个过程中ꎬ还可以智能调配所需要的算力㊁感知等能力ꎮ如图４所示ꎬ在以用户为中心的灵活小区架构中ꎬ从用户角度ꎬ在其移动或业务变更过程中(图中从上向下移动)ꎬ网络基于智能感知㊁预测用户的移动路线以及业务需求ꎬ可以始终 按需 提供以该用户为中心的无线小区(及对应资源)和网络服务ꎬ因而用户感受不到因网络部署等情况造成业务体验变化ꎬ获得了体验始终一致的服务ꎮ这是通过网络始终选择最合适的一个或几个网络接入点为用户提供服务来实现的ꎮ即:随着用户的移动ꎬ分别从小区－１㊁小区－２㊁小区－３得到无线接入服务ꎮ以用户为中心的网络在为终端提供一致性服务的同时ꎬ在网络侧ꎬ还具有以下特性:①通过智能面ꎬ感知获取以用户为中心区域的频谱信息ꎬ结合临近区域的无线频率实际使用情况ꎬ可以实现网络接入点动态频谱共享的控制ꎬ提高系统谱效ꎬ从而在相同频率资源下实现比５Ｇ更高的。

第12期2020年6月No.12June，2020随着科学技术水平的不断提高，大数据、云计算、物联网、人工智能等新技术逐渐融入社会发展的各个领域，推动着社会各行各业在管理与发展中孕育巨大变革。

2018年，第5届世界互联网大会首次提出人工智能+物联网（Artificial Intelligence+Internet of Things ，AI+IoT ）的概念。

2019年5G 网络的正式商用，驱动着人工智能发展进入新的历史阶段，把人工智能技术和物联网技术引向了技术和产业发展的重要方向。

伴随着智慧城市、智慧法院、智慧检务等理论和实践的兴起，在监狱监管改造工作领域，智慧监狱建设的重要性和必要性日益凸显，建设与发展智慧监狱已是大势所趋。

人工智能时代，如何深化“AI+IoT ”在智慧监狱建设中各个领域的开发应用，是值得思考的问题。

1 智慧监狱的建设近年来，在“智慧监狱”建设上，司法部印发《关于加快推进“智慧监狱”建设的实施意见》，出台《智慧监狱技术规范》，立足推动监狱管理由“智能化”向“智慧化”的转变，最终建成标准规范科学统一、数据信息全面准确、业务应用灵活普及、研判预警智慧高效的“智慧监狱”。

“智”是基础，指要运用大数据、云计算、物联网、“互联网+”、人工智能等新一代信息技术，实现管理的智能化；“慧”是核心，智能化的结果就是要建设“智慧大脑”，实现智能设施运行自行探测、自行分析、自行修正，达到自动预测、实时预警的智慧化水平[1]。

“智”和“慧”的概念延伸和映射到当前监狱工作发展趋势和方向上，可以定义为以大数据为引领，围绕五大改造新格局，将新一代信息通信技术与监管改造工作深度融合，对监狱环境、资源、物流、人流、信息流进行实时、精确、全面的感知、整合和分析，全方位支撑民警执法、教育改造、风险管控、队伍建设、综合保障等方面智慧化发展，实现监狱管理精细化、指挥调度立体化、安全防控精准化、刑罚执行智能化、教育矫治科学化、综合办公无纸化，推动监狱信息化发展的全面智慧化[2]。

基于人工智能的智能化运营管理系统设计与实现近年来，随着信息技术的快速发展，人工智能（Artificial Intelligence, AI）得到了广泛应用，不仅在科技领域，还在各行各业中逐渐成为主流。

智能化运营管理系统（Intelligent Operation and Management System, IOMS）就是其中一种应用。

一、智能化运营管理系统概述智能化运营管理系统是一种基于人工智能的管理工具，它能够实现数据智能化分析，为企业决策提供科学依据。

它可以整合企业内部各个部门的数据，并透过数据分析，提供有效的决策支持，以达到更高效、更精准地管理业务。

智能化运营管理系统不仅能够提高企业管理效率，而且能够降低管理成本。

这是因为，通过自动化流程和数据分析，企业不再需要投入大量的人力和物力资源来进行管理。

总的来说，智能化运营管理系统是提高管理效率、减少管理成本、提升业务水平和降低风险的一个有效工具。

二、智能化运营管理系统的设计与实现1. 数据收集智能化运营管理系统的第一步是数据收集。

数据可从各方面入手，比如采购、生产、销售和库存等。

企业最好能够采用实时数据收集技术，以及一些物联网设备（Internet of Things, IoT）传感器来收集数据。

这样一来，数据将会更加准确，也时刻更新。

2. 数据存储和处理接下来，收集到的数据将会被安全地存储在数据库中。

对于大量数据的管理和分析，通常使用大数据技术，如Apache Hadoop等。

这能够提高数据处理功率和数据存储能力，切实做到精准分析，甚至可以实现对海量数据的处理。

3. 数据分析与挖掘基于收集到的数据，我们可以进行数据分析和挖掘。

这能够帮助企业获取有用信息，比如销售趋势、库存水平、供应链优化等。

通过数据挖掘，我们能够预测未来的销售趋势，制定合理的生产计划，并及时调整库存，提供最为合理的供应链解决方案。

4. 决策支持最后，把数据分析结果转化为企业决策支持。

新一代人工智能产业创新重点任务揭榜工作方案为贯彻落实《新一代人工智能发展规划》（国发〔2017〕35号）和《促进新一代人工智能产业发展三年行动计划（2018-2020年）》（工信部科〔2017〕315号）要求，加快推动我国新一代人工智能产业创新发展，制定本方案。

一、工作目标聚焦“培育智能产品、突破核心基础、深化发展智能制造、构建支撑体系”等重点方向，征集并遴选一批掌握关键核心技术、具备较强创新能力的单位集中攻关，重点突破一批技术先进、性能优秀、应用效果好的人工智能标志性产品、平台和服务，为产业界创新发展树立标杆和方向，培育我国人工智能产业创新发展的主力军。

二、揭榜任务和预期目标（一）智能产品1.智能网联汽车揭榜任务：包括研发自动驾驶芯片、车辆智能算法、自动驾驶系统、车载通信系统等关键技术和产品，打造以车辆智能化计算平台为核心，集软件、硬件、算法、网联通信、信息安全一体化的车辆智能化平台。

预期目标：到2020年，突破自动驾驶智能芯片、车辆智能算法、自动驾驶、车载通信等关键技术，实现智能网联汽车达到有条件自动驾驶等级水平，自动驾驶智能芯片图像处理、信息融合、智能控制等计算能力缩小与国际先进水平差距，车载V2X系统通信能力及其能效比达到国际先进水平，满足车辆有条件自动驾驶等级下智能感知、自主决策、协同控制以及智能信息交换共享等计算和通信技术要求，完成安全、可靠的车辆智能化平台技术与功能验证及应用示范，形成平台相关标准，支撑高度自动驾驶（HA级）。

2.智能服务机器人揭榜任务：包括智能交互、智能操作、多机协作、三维成像定位、智能精准安全操控、人机协作接口等关键技术研发；清洁、老年陪护、康复、助残、儿童教育等家庭服务机器人，以及巡检、导览等公共服务机器人，消防救援机器人等特殊服务机器人研发；手术机器人及其操作系统研发。

预期目标：到2020年，突破智能服务机器人环境感知、自然交互、自主学习、人机协作等关键技术，实现智能家庭服务机器人、智能公共服务机器人的批量生产及应用，实现医疗康复、助老助残、消防救灾等机器人的样机生产，完成技术与功能验证及应用示范。

铁路智慧车站解决方案-------0 1 0 2 0 3 0 4 0 5轨道交通作为国家发展战略，通过信息化、数字化、智能化，智慧化的创新过程，带来全新的发展局面。

当前轨道运输正围绕打造“国内领先，国际一流”水平的要求，实现三个转型发展目标，利用人工智能技术，物联网技术，开展从传统轨道交通向智慧轨道交通转型的研究与试点工作。

智慧车站就是在原有的数字化、智能化车站的基础上，充分利用人工智能、大数据、云计算、AIOT、数字孪生等新一代技术，面向企业提供全方位体验、面向维保提供智能运维、面向站务提供全景管控、面向管理提供决策支撑，实现安全生产、智慧运营、高效管理的目标，在全息感知、智能分析、全景管控、精准便捷、主动进化五个方面开展智慧系统建设工作。

安全生产智慧车站安全分析系统将大大提高铁路突发事件，做到事故发生前的预防和监测，事故发生后的紧急救助和指挥，减少伤亡和财产损失，从而推动铁路行业管理方式的根本变革，具有重大意义。

高效协同平台将感知部分采集的基础信息数据反馈给数据支持平台进行数据服务；并且通过综合调度指挥模块，实现各子系统及信息资源的接入与集中管理、统一调用，协作办理，进一步提高了工作协同和办公效率的提高。

智慧联动采用智能感知系统和物联网技术后，综合调度指挥能够实现各子系统及信息资源的集中管理、统一调用，并实现各指挥中心子系统之间的智能化联动。

综合运营综合平台是集约运营，打通业务之间的界限，形成资源与运营合力。

通过资源数据的积累、建设与挖掘，将建成大数据综合运营平台，实现更精准的运营服务管理提升综合指挥平台同时可融合指挥中心其他子系统，如感知、计划、调度、监控、预案、告警等系统，并实现集中统一管理和操控，从而达到便捷管理、直观操作、综合调度等目的计算与存储虚拟层智慧存储聚合计算智能分发数据灾备智慧感知层展示服务层智慧云铁路智慧车站建设系统总框架后台管理移动终端权限分级管理AI 智能学习业务流程管理报表报告服务大数据分析数据安全进站感知运管控制接车报告运管分析智能感知服务标准体系云物联网应用标准体系数据总线物联网规范统一指挥中心（大屏）智慧接车人员管理作业计划工单报告资产管理智慧工单感知调车辅助作业调车报告数据分析智慧调车列车安全人员安全作业安全预警应急安全生产云存储云网络云计算列车状态感知系统人员动态感知系统作业工单感知系统异常预警感知系统全域感知平台智能激光传感系统光电传感系统位置管理系统振动传感系统图像识别系统语音识别系统位移传感系统领导驾驶舱（PAD ）云狐全域感知中心数据分析管控管理中心智能工单管理位置管理人工智能智慧接车辅助管理图像识安全生产智慧调车辅助管理激光传感数据分析接车辅助管理光电传感图像识别红外测温调车辅助管理激光传感位移识别红外测距云狐全域感知中心控制管理中心智能工单管理远程摄像头AI 识别位置管理安全生产身份验证位置管理位置管理运营指标（运输数量、运输质量、运输效率、运输人员、物资消耗、运输效益党建方面（重大任务、重大问题、党风建设、优秀事迹、维护稳定等）安全生产（行车安全、货运安全、作业安全、设业绩管理（安全、政务、财务、计划、运输、工程设备、物资管理、科技创新、节能减排、党建治安、内控审计、维稳、薪酬接车执行指令接车线空闲信号正常尾部确认交接凭证落实制度立岗接车监视运行填写占线板接车业务分析高温进站方向业务描述列车识别系统AI摄像头运输量异常情况日期接站量安全接车1/522212/523233/545454/543435/547456/551507/52625现代化数字化接车逐步替换传统的手动记账方式，列车接车时电子看板显示每日的接车量显示每日的无事故接车显示七日内接车情况对比客货运输量比率对比事故运输比率。

工业互联网技术研发及产业化项目一、项目背景随着全球工业的快速发展，工业互联网技术逐渐成为推动工业转型升级的关键因素，本项目旨在围绕工业互联网平台研发、安全防护、协同制造、大数据应用、智能硬件、通信技术、绿色制造、供应链优化、个性化定制、网络改造升级、集成解决方案开发、标准研制及推广应用、标识解析体系构建及推广应用、创新应用模式探索及推广、创新应用技术研发及产业化项目资助及奖励机制研究、创新应用产业园区建设及运营、创新应用人才培养及引进等方面，全面提升工业互联网技术研发及产业化水平。

二、项目内容1. 工业互联网平台研发本项目将重点研发具有自主知识产权的工业互联网平台，包括云计算平台、大数据平台、物联网平台等，以提供统一的云资源管理和调度能力，支持企业间的业务协同和信息共享。

2. 工业互联网安全防护本项目将加强工业互联网安全防护技术研发，建立完善的安全防护体系，确保工业互联网系统的稳定性和安全性。

3. 工业互联网协同制造本项目将推动工业互联网协同制造技术研发，实现企业间的生产协同和资源共享，提高生产效率和产品质量。

4. 工业互联网大数据应用本项目将加强工业互联网大数据应用技术研发，通过数据挖掘和分析，为企业提供决策支持和业务优化。

5. 工业互联网智能硬件本项目将推动工业互联网智能硬件技术研发，包括智能传感器、智能机器人等，以提升工业设备的智能化水平。

6. 工业互联网通信技术本项目将加强工业互联网通信技术研发，包括5G、物联网等新一代通信技术，以提升工业互联网的通信能力和稳定性。

7. 工业互联网绿色制造本项目将推动工业互联网绿色制造技术研发，实现生产过程的节能减排和资源循环利用，促进可持续发展。

8. 工业互联网供应链优化本项目将加强工业互联网供应链优化技术研发，实现供应链的实时监控和智能调度，提高供应链的效率和响应速度。

9. 工业互联网个性化定制本项目将推动工业互联网个性化定制技术研发，满足消费者个性化需求，提升产品附加值和市场竞争力。