乐建炜
（中国铁路信息科技集团有限公司，北京 100844）
铁路各级数据中心是推动我国铁路信息化进程的重要技术支撑，是实现铁路信息化总体规划、推动铁路智能化发展的关键抓手。基于人工智能、物联网等技术的数据中心智能运营维护（简称：运维）体系，作为重要的技术安全防护手段，可为铁路数据中心日常运营提供安全保障。
近年来，使用室内定位技术来监控数据中心机房内人员和设备实时位置及状态的需求俞发迫切，主要表现在两个方面。（1）数据中心运维工作的需求：出于安全考虑，多数铁路数据中心机房内不允许架设无线网络，甚至须屏蔽移动网络信号，造成运维人员进入机房后处于“失联”状态，无法确定其在机房的位置，也无法进行无线通信，给运维工作造成不便，影响突发事件处置效率，增加了未来数据中心安装巡检机器人等自动化运维设备的实施难度；
（2）数据中心外来人员管理与监控的需求：铁路数据中心对外来人员大多仍采用人工登记管理的方式，效率低，不便于统计分析，无法实时掌握外来人员的位置和状态，使数据中心的运营存在安全隐患。
我国关于室内定位技术的研究已取得多项成果，蒋颂等人[1]设计了基于图数据库的室内地图系统；
孙瑜等人[2]提出了基于误差多级处理的数据融合定位方法；
赵锐等人[3]指出了室内定位技术的发展方向；
阮陵等人[4]将国内外室内定位技术研究现状进行了分析总结；
李威等人[5]设计了超宽带（UWB，Ultra Wideband）智能定位系统基站标签一体化嵌入式硬件平台；
杜超等人[6]分析了各类国际前沿的室内定位技术所用的定位算法和数据样本类型，总结出不同定位算法的优势与局限性；
张媛等人[7]分析适合用于室内定位的基于UWB 测距技术的算法；
李明等人[8]提出利用UWB 技术和到达时间差（TDOA，Time Differences of Arrival）定位算法来实现人员和物体在室内空间的高精度位置监控。
基于上述研究，本文设计了基于Neo4j 图数据库和UWB 技术的智能定位系统，对进入数据中心的人员和移动装备实时定位，并在监控平台实时展示。通过对数据中心内人员和设备实时位置的全面掌握，在应对突发事件时，监控中心可及时引领相关人员到达指定地点，提升数据中心运维作业安全水平和应急响应速度，保障数据中心运维工作安全、高效推进，确保铁路关键信息系统的稳定运行。
Neo4j 图数据库是基于图论实现的新型NoSQL数据库，其数据库存储结构和数据的查询方式都以图论为基础，将结构化数据存储在网格结构中。图论中图的基本元素为节点和边，在图数据库中对应的就是节点和关系。
数据中心中的每个实体与周围的其他实体都相互关联，这些关系中包含大量的潜在信息。传统的关系型数据库更加注重实体内部的属性，实体间的关系主要通过外键来实现，执行大规模查询操作时比较耗时。随着数据中心设备的不断扩充，关系数据库中的数据量急剧增加，大量表操作带来的复杂运算，导致数据库逐渐难以满足查询海量数据深层次关系的需求。
图数据库使用图、点、边来存储数据，图是一组点和边的集合，点表示实体，边表示实体间的关系，这种特殊的结构，在处理网格状信息方面有着优秀的表现，可为数据中心的建模工作提供充分的支持。与传统关系型数据库相比，图数据库更重视实体间关系的展现，其数据结构和基于图的算法，在图遍历、复杂数据模型的关系查询方面有着天然的优势。本文基于Neo4j 图数据库，对铁路数据中心的楼层、机房、机柜、设备等进行了建模，将各类对象属性存储在节点里，对象间的关系存储在边里，基于Neo4j 图数据库的数据中心模型示例如图1所示。图中，不同颜色代表了不同类型的对象，黄色为楼层、绿色为机房、浅蓝色为机柜、深蓝色为设备。
图1 基于Neo4j 图数据库的数据中心模型示例
1.1 场景对象建模
场景对象是数据中心的各类场景（如园区、楼层、机房、机柜等），场景对象在Neo4j 图数据库节点中存储的内容包括：场景对象的基本属性（如场景名、时间信息、空间范围等），场景对象的基本描述和场景类型（如楼层、机房、静态、动态等）。
1.2 实体对象建模
实体对象是指数据中心中包含的各种实体元素（如服务器、交换机、路由器、防火墙等）。它们在Neo4j 图数据库中节点存储的内容包括实体对象的名称、描述、类型和其他属性。
1.3 事件对象建模
事件对象包括数据中心的业务流程名称（巡检、预警、报警）和状态（起火、透水、温度超标等）。事件对象还包含嵌套结构，一个父事件可能由若干个子事件组成，各个子事件对其父事件有一定的影响。事件也受其他事件的影响，事件对象的发生一般需要实体对象的参与。综上，事件对象在Neo4j 图数据库节点中存储的内容包括事件属性、描述、事件类型、参与实体集和参与事件集。
相比通过表结构和外键来存储关系的关系型数据库，图数据库拥有独立的关系的概念，可以由实体节点通过关系直接到达其他端点，在计算数据中心大门到某机房、某机柜、某台设备的最优路径这类问题时，操作性能更高，建模的复杂度更低。本文基于Neo4j 图数据库和A*算法计算数据中心最优路径。
A*算法是一种在静态路网中求解最优路径的直接搜索方法，使用函数f(n)=g(n)+h(n)来进行路径选择。其中，f(n)是节点n的估价函数；
g(n)是实际状态空间中从初始节点到n节点的实际代价；
h(n)是从n节点到目标节点最佳路径的估计代价。用A*算法计算数据中心大门到指定机柜的步骤如下。
（1）设定一个open list 和close list 用来存放节点。
（2）把起始节点加入open list，同时，将起始节点可达的节点也放入open list。
（3）遍历open list ，查找f值最小的节点s，把它作为当前要处理的节点，将其移至close list。
（4）对于s的相邻节点，若不可通行或已经在close list 中，则忽略；
若可以通行，且不在open list中，则添加至open list 中，并把s作为当前节点的父节点，重新计算它的g和f值；
若s的相邻节点已经在open list 中，计算从当前节点移动到该相邻节点是否能使其得到更小的g值，如果能，则把该相邻节点的父节点重设为当前节点，并更新其g和f值。
（5）重复操作直至把终点加入open list，此时已找到最优路径；
如果查找终点失败，并且open list是空的，此时没有路径。
（6）保存路径，从终点开始，每个节点沿着父节点移动直至起点，便是找到的路径。
本文在中国铁路主数据中心搭建了测试环境，使用A*算法计算从数据中心大门到某机房C01-02 机柜的最优路径，具体实现方法为
match p=shortestpath（（m:Park{name:"数据中心"}）-[*]-＞（n:Device{name:"C01-02"}））return p
该方法在进行海量节点的最优路径计算中有明显的效率优势，计算出的最优路径如图2红色路径所示。
图2 基于Neo4j 图数据库的数据中心最优路径
3.1 基于到达时间的测距算法
基于到达时间（TOA ，Time of Arrival）的测距算法的原理是：测量信号在基站和定位标签间的TOA，并用测距方程将TOA 转换为距离，从而得到定位标签与基站间的相对定位。
TOA 测距算法在二维坐标上至少需要3 个基站才能计算出目标点的位置，如图3所示。假设3 个基站与目标点的距离分别为r1、r2、r3，以各自基站为圆心、测量距离为半径，绘制3 个圆，其交点即为目标点的位置。
图3 TOA 测距算法示意
3.2 基于最小二乘法的定位算法
当图3中的3 个基站都是视距（LOS，Line of Sight）基站时，根据最小二乘（LS，Least Squares）定位算法可进一步计算目标点的精确位置。假设目标点的位置坐标为 (x,y) ，第i个基站的位置坐标为(xi,yi) ，则它们之间满足的关系为
(xi-x)2+(y-yi)2=r2i(i=1,2,···,N)
其中，N代表基站数量。将公式展开，化简得到
x2i+y2i+x2+y2-2xix-2yiy=r2i
令Ki=x2i+y2i,R=x2+y2，则有
r2i-Ki=-2xix-2yiy+R
按照矢量表示形式的方程组为
这个方程组的矩阵表示形式是：Y = AX
利用LS 法，可得目标点的位置坐标矩阵X，即X=（ATA）-1ATY。
3.3 基于LS 算法的UWB 室内无线定位技术
目前，常见的室内无线定位技术包括Wi-Fi、蓝牙、红外线、UWB、射频识别（RFID，Radio Frequency Identification）、ZigBee、超声波等。在众多定位技术中，UWB 定位技术具有明显的优势，它采用纳秒级的窄脉冲进行通信，不需要载波信号进行调制，这种独特的通信机制，使得其定位精度可达到厘米级，该技术的优点包括：（1）传输速率高、信道容量大；
（2）多径分辨力强，定位精度高；
（3）系统结构简单、功耗低、成本低；
（4）抗干扰能力强、传输速率高；
（5）安全性高、穿透能力和抗干扰能力强。
本系统采用UWB 技术，使用TOA 测距算法和LS 算法，实现了数据中心的室内高精度定位。
4.1 系统架构
智能定位系统架构如图4所示，由硬件层、传输层、应用层3 部分组成。
图4 智能定位系统架构
（1）硬件层：由定位基站、定位标签组成，定位标签包括资产标签、人员标签和设备标签。系统运行时，定位标签与定位基站间采用非对称双边双向测距。主基站收集各从基站的测距信息，完成位置解算，计算出定位标签的位置。
（2）传输层：由POE （Power Over Ethernet）交换机和汇聚交换机组成。定位基站将定位信息通过有线网上传至每个机房内的POE 交换机，进而汇聚到每层机房的汇聚交换机。
（3）应用层：由服务器、终端机和显示设备（大屏幕）组成。定位标签的定位信息经汇聚交换机传输到部署在监控中心的服务器。智能定位系统软件部署在服务器上，通过终端机和大屏幕向用户提供智能定位服务。
4.2 系统功能与实现
智能定位系统功能架构如图5所示。
图5 智能定位系统功能架构
4.2.1 实时定位
该功能将人员位置实时显示在地图上，掌握人员实时动态分布情况。通过可调的刷新速率，确保位置实时更新，并可在后台电子地图中全局化显示和查询区域内所有目标位置；
接收定位标签发送的实时定位数据，并将其分别显示在二维地图和三维模型上。二维展示和三维展示的功能界面如图6所示。
图6 实时定位功能展示
4.2.2 轨迹回放
该功能可记录定位人员的运动轨迹。用户可根据标签编号和时间查询定位标签在历史时刻或某时间段内的位置、轨迹、停留时间等信息。二维展示和三维展示的功能界面如图7所示。
图7 轨迹回放功能展示
4.2.3 分类追踪
该功能可对不同类型、职务或工种的人员使用不同的图标在地图上显示，并实现对地图内容和图标属性的编辑。
4.2.4 电子围栏
用户可在二维或三维的地图上选择某个区域，将其指定为电子围栏，以此来划分人员可活动的范围，当人员的定位标签进入电子围栏内时，系统立即发出报警提示。该系统支持绘制圆形和矩形的电子围栏，同时，支持对围栏的参数进行修改，如图8所示。
图8 电子围栏功能示意
4.2.5 一键求救
人员佩戴的定位标签具有SOS 报警功能，通过一键报警，可将求救人员位置信息呈现在地图上。
4.2.6 静止报警
如果人员进入机房后静止达一定时长（默认设置为持续1 h），将会触发长时间静止报警，人员可能晕倒或者发生事故，须及时查明。
4.2.7 自动考勤
自动考勤功能可自动记录人员进出机房或楼层的时间，统计人员在工作中停留的时长并产生统计报表。
4.2.8 智能分析
系统将通过智能算法计算的最优路径与人员（或机器人）行走的实际路径进行比对，对人工巡检路线提出建议，对机器人自动巡检路线进行优化。
本文分析了铁路数据中心运维工作对室内定位功能的需求，研究基于Neo4j 图数据库和UWB 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 技术实现了数据中心室内高精度定位，以及最优路径与实际路径的智能对比。系统具有智能化路径分析、定位精度高、抗干扰能力强等特点，能够全面掌握和跟踪各类人员的实时位置和状态，实现了对数据中心安全区域和人员的监控，在应对突发事件时，可及时引领有关人员到达作业地点协同作业，提升机房作业效率和应急响应速度。
猜你喜欢 机房数据中心基站 平疫结合的CT机房建设实践现代仪器与医疗(2022年4期)2022-10-08酒泉云计算大数据中心机械研究与应用(2022年4期)2022-09-15浅析数据中心空调节能发展趋势建材发展导向(2021年7期)2021-07-16基于VPN的机房局域网远程控制系统电子制作(2019年16期)2019-09-27关于建立“格萨尔文献数据中心”的初步构想西藏艺术研究(2019年1期)2019-09-04浅谈一体化机房系统中国交通信息化(2018年1期)2018-06-06浅谈高速公路一体化机房中国交通信息化(2017年12期)2017-06-06基于移动通信基站建设自动化探讨电子制作(2017年8期)2017-06-05可恶的“伪基站”探索科学(2017年4期)2017-05-04基于GSM基站ID的高速公路路径识别系统中国交通信息化(2016年8期)2016-06-06