GSM-R网络综合监测系统的研制

魏新忠，陈继仲，苏林武，摆晓军，李 源，刘亦伟

2021年底至2022年初，新型列控系统在乌鲁木齐铁路局范围内的格库线及和若线进行现场试验。试验反映出，按照CTCS-0级线路标准设计和建设的GSM-R网络，在不进行专项优化补强的情况下，难以完全满足新型列控业务的需求。虽然目前通过已有的铁路GSM-R 网络监测设备采集的数据，可以协助发现并解决部分通信异常和业务流程异常的问题，但要全面深入分析无线超时原因，维护人员仍面临诸多问题：①监测接口不全，部分问题无法进一步查明原因；
②空口数据复杂度高，可读性差；
③数据量庞大，干扰数据众多；
④数据分析范围广，分析工作繁杂，缺乏自动化分析工具，运维人员难以应对；
⑤数据统计不全，没有可视化呈现。

为此，研制适用于新型列控系统的“GSM-R网络综合监测系统”（简称“系统”），在保障和若线新型列控系统试运行顺利进行的同时，探索GSM-R 网络运维新模式，向数据自动化分析、统计分析可视化的方向发展，进一步提升GSM-R 网络的整体运维水平。

GSM-R 网络综合监测系统采用分层式结构，从下至上分为数据采集层、系统资源层、数据服务层、数据分析层和智能展现层等5层，如图1所示。

图1 GSM-R网络智能综合监测系统结构

系统的分层式结构中，每层不但可以作为系统的组件为大系统提供服务，也可以对外提供各层的服务。

2.1 数据采集层

数据采集层为系统提供原始数据，是综合监测系统大数据处理的数据来源，也是综合监测系统的基础，可产生和收集GSM-R 网络相关的各类数据，也是综合监测系统与外部系统的接口。

2.2 系统资源层

系统资源层提供计算、存储、网络等各类资源，为综合监测系统提供硬件基础和资源管理。GSM-R 网络综合监测系统部署在云平台上，各层各组件共享云平台的计算、存储、网络等资源；
同时，云平台为各个物理实体和虚机资源提供统一的监控管理，从而实现资源的合理分配调度［1-2］。

2.3 数据服务层

数据服务层提供数据融合、清洗、中间件、数据分析及预测等服务，在系统中起到承上启下的作用，由多个部分组成。数据服务层下端与系统资源层接口，从系统资源层获取原始数据，并根据业务逻辑和数据的关系对数据进行清洗和预处理；
根据专家的分析经验，从已经预处理后的数据中提取有用信息，实现常见故障的自动分析；
中间件服务包括GIS 服务、权限及审计服务、数据备份恢复服务、案例库管理服务等［3］。

2.4 数据分析层

数据分析层提供侧重于业务应用的数据分析服务，主要实现针对铁路业务数据的分析应用和数据的综合查询、统计、告警、应用等功能，具体为新型列控系统无线通信超时专项分析、铁路无线电干扰监测分析、进路预告发送失败专项分析、设备性能状态趋势预测分析、其他专项分析、综合查询及指标统计、业务告警、GIS应用、案例库应用等。

2.5 智能展现层

智能展现层是人机交互的入口，用于实现数据驾驶舱和智能信息推送功能，提供数据展示、告警推送等服务。数据驾驶舱可根据登录角色的不同为用户实时动态地展示各类分析结果，同时按照用户角色展示不同维度的统计结果；
智能推送功能可以实现多终端的协同推送，使用户可以随时随地获得所需的综合监测信息。

此外，系统管理监控贯穿于各个层，实时采集各个层的运行状态数据，统一汇总；
结合各层的状态对系统的运行情况进行评估和监测，并将结果反馈给系统资源层，实现资源的动态调整，同时监测结果也可通过智能展现层进行告警、显示和查询。

系统采用了多源数据融合、空口数据解析、数据处理中台、超时数据自动故障分析、数据驾驶舱等技术。

3.1 多源数据融合技术

传统电路域的三接口监测数据采集，仅对移动通信基站（BTS）和基站控制器（BSC）之间的Abis 接口、移动业务交换中心（MSC）与基站控制器（BSC）之间的A 接口，以及MSC 与无线闭塞中心（RBC）之间的PRI 接口数据进行汇总［4］。在实际工作中，经常出现车载侧记录与基站侧记录不一致的情况，不能确认无线超时是由车载发送出现了问题，还是BTS 接收出现了问题造成的。此外，在增加了承载新型列控业务的GPRS 通道后，分组域数据需要经过服务于GPRS 支持节点（SGSN）与业务支撑系统（BSS）间的Gb 接口、SGSN 与网关GPRS 支持节点（GGSN）间的Gn接口、GPRS 与外部分组数据网之间的Gi 接口传输［5］。同样，分组域的超时分析也需要通过空口监测数据来进一步判断是由车载设备还是地面设备造成无线通信超时。因此，不管是传统电路域的无线超时分析，还是分组域的无线超时分析，均存在监测数据不全的问题，使得无线超时问题无法进一步查明原因。

由于通过传统三接口监测数据进行数据融合已经不能满足现有的业务需求，因此本系统采用了多源数据融合技术，使得监测数据的采集除了传统的地面三接口数据外，还包括铁路无线电干扰监测采集，地面Gb、Gn、Gi接口分组域的信令及业务采集，车载ATP 的Um、Igsm-r接口的电路域和GPRS分组域信令和业务监测采集，7 号信令的监测采集，以及外部系统的数据接入，如网管的告警信息、设备维修维护信息等［6-7］。

多源数据融合技术不仅丰富了监测接口，而且能够利用各接口业务信息的一致性，解决各个数据源间的数据同步问题，使各接口数据可以进行智能化合成，为超时分析提供比单一监测数据更精确、更完全、更可靠的基础数据。多源数据融合技术的使用提高了分析效率和可靠性，为无线超时问题的深入准确分析提供了稳定的数据基础。

3.2 空口数据解析技术

针对无线超时分析中遇到的车载、地面原因归属困难问题，系统将空口监测数据引入故障分析中，从而实现故障的进一步定位［8］。采用空口监测数据解析技术还解决了以下问题。

1）空口协议复杂，包含多层协议。系统对空口监测数据按照协议栈进行分层处理，将数据分为信令层（包括GSM-R通信协议的各层）、链路层和业务数据层。分层后的数据可以与不同接口的数据灵活对应分析，如电路域中的信令层数据与Abis信令、A 接口信令对应，业务数据层数据与PRI接口数据对应。数据分层处理后大幅降低了分析难度，有效提高了分析效率，为自动分析提供了数据基础。

2）原始数据均为16 进制数，需按位处理，没有可读性。根据3GPP 和C3 列控无线信息传输中使用的各类协议，采用空口数据解析技术，先将16 进制数据解析为可交互的文本信息，再将不同协议数据分别显示，从而提高了数据的可读性，并为数据后续自动化处理打下基础。

3）监测范围内的用户数不止一个，监测数据中包含了可检测范围内所有用户的数据，多个用户的空口数据混杂在一起。采用空口数据解析技术，首先利用频点、时隙、信道等不同条件筛选出部分用户数据；
再通过信令解析、应用层数据关联等技术，实现了单用户数据追踪，能够使分析人员从繁杂的数据筛选工作中解放出来，大幅提高了数据分析效率。

3.3 数据处理中台技术

为尽量消除无线超时分析中的“数据孤岛”问题，系统接入了各个通信接口间大量的监测数据，造成数据量庞大、干扰数据众多的新问题。而随着无线超时分析的深入，越来越多的系统引入了自动化分析功能，干扰数据的存在大大降低了自动化分析的准确度。由此对自动化分析提出了数据标准化和数据清洗的需求。为了降低数据分析难度、清除干扰数据，系统在数据服务层引入了数据处理中台技术，以提高数据处理质量［9］。

数据处理中台实现了对各个接口监测数据的清洗、过滤、标记、整合等操作处理［10］。清洗和预处理可以实现对原始数据的噪点数据清除和干扰数据滤波。此外，在数据服务层，根据数据之间的逻辑还实现了用户识别、话单合成、接口关联、数据整合等功能。原始数据及处理后的数据存入数据服务层对应的数据库中，实现了数据的分类存储功能。

数据处理中台可针对上层分析服务提供专门的数据服务，减少直接处理海量数据的压力；
同时提供了大量的数据开发组件和数据治理组件，以支持数据处理和管理功能的实现。通过在数据标准、数据质量、数据服务、数据资产、数据安全等多个方面进行控制和整合，从而增强了数据服务的能力，提升了数据应用的价值。

数据处理中台基于Hadoop 分布式系统基础架构建立，通过Hive 数据仓库处理工具，使用类SQL 的hiveSQL 语言实现数据查询［11］。同时具备查询结果的可视化显示功能，查询结果可以在Hive 的可视化平台Hue 中进行显示。展示内容可包括数据库列表区、数据库内表单列表区、多行查询语句输入区、历史查询显示区、查询结果显示区、查询结果下载方式选择区、查询表格中字段的显示区等。

3.4 超时数据自动故障分析技术

针对数据分析范围广、分析工作繁杂、缺乏自动化分析工具等问题，平台引入了结合空口监测的GPRS分组域超时数据自动故障分析技术［12］。

首先，根据业务类型将电路域和分组域的数据分开，例如C3 列控系统数据采用电路域承载，而新型列控系统的列控和进路预告信息则采用分组域承载。分类后的业务数据根据业务类型通过定期扫描或人工导入的方式实现数据汇聚，其中电路域承载的数据使用Abis、A 接口、PRI 接口和BMS（基站侧空口监测）、AMS（车载侧空口监测）的监测数据；
分组域承载的数据使用Gb、Gn、Gi接口监测数据和BMS、AMS的空口监测数据。

其次，针对电路域数据，系统可自动生产话单，自动绘制上下行电平，利用空口数据及PRI接口数据，实现C3列控系统车地无线数据交互超时的自动分析。针对新型列控业务使用的分组域数据，系统根据BMS、AMS 数据的特点，实现分组域数据的单用户跟踪。与传统电路域不同，新型列控业务数据使用TBF（临时块流）承载，每次数据发送前移动终端根据发送的业务数据长度申请TBF，并在数据发送结束后释放TBF。因此，只有在用户需要发送和接收数据时才存在该用户对应的TBF，无需连续占用资源。

此外，GPRS 业务的小区切换完全由移动终端决定，基站侧没有小区切换相关的信令，因此无法根据用户的频点和时隙进行单用户数据追踪。为此系统根据业务数据的源地址、目的地址、端口号等信息，逐段定位出应用数据当前使用的频点、时隙、TFI（临时块流编号）；
再通过判断随机接入、立即指配、上下行TBF 分配、时隙重分配、TBF释放等信令，对数据进行向前和向后的双向追踪，最终获得完整的单用户数据。

为保证数据传输的可靠性，新型列控业务在RLC/MAC 层采用了确认模式进行数据交互。在该模式下，上行数据的确认完全由基站侧决定，因此造成了大量的空口数据重传。为此，系统通过使用TCP 的源地址、目的地址和序列号等信息，将空口业务数据与Gb 接口的业务数据自动对应，剔除空口重传的干扰信息，实现了异常数据的自动发现。

通过超时数据自动故障分析技术，对车载设备与地面BSS 之间无线超时故障进行定位、原因分析、自动生成分析报告［13］，实现了新型列控系统列控数据车地无线交互超时事件和进路预告发送异常事件的自动分析功能。

3.5 数据驾驶舱技术

在以往的无线超时分析中，往往是发生一件分析一件，分析后没有对超时事件进行归类统计。而对超时事件的归类统计不但可以帮助用户快速查找既有案例，了解本局超时发生的分布类型，还能帮助用户发现造成超时发生的主要矛盾，从而针对主要矛盾集中力量解决问题。因此，系统制定了各种统计规则，如按照线路、基站异常类型、基站排行、电台异常类型等，从多个维度对超时事件进行汇总统计，并利用数据驾驶舱技术实现对超时事件的可视化呈现［14］。

以数据驾驶舱对基站、电台的异常统计的展示为例，经对基站异常按照不同维度进行统计，得出基站排行榜，其中异常发生前5 名的基站示例见图2。

图2 基站的异常排行榜示例

基站异常类型占比、电台异常类型月占比统计了下行电平突降，上、下行连续质差大于5 级，上、下行电平连续偏低，上、下行电平均偏低，上下行电平不平衡等多种异常类型。基站异常类型占比见图3。

图3 基站异常类型占比

不同线路、不同日期，基站异常的总次数使用折线图进行显示，各线路基站异常数据见图4。

图4 各线路基站异常数据

1）GSM-R网络综合监测系统通过多源数据融合技术汇总了分组域接口监测数据，解决了数据不全问题；
通过空口数据解析技术将数据解析为可读文本，解决了数据复杂度高、可读性差、各层数据混杂问题；
通过数据处理中台技术对干扰数据进行清洗，解决了数据处理压力大、数据标准化程度低的问题；
通过数据自动故障分析技术实现分组域用户追踪和自动信令分析，降低了超时分析复杂度；
通过对既有超时案例多种角度统计和数据驾驶舱技术对统计结果进行可视化呈现，实现了多终端融合的人机交互。

2）该系统有效地解决了C3及新型列控系统无线超时数据分析中面临的主要问题，大大提高了无线超时数据分析的效率及准确度。