图扑智慧机车数据可视化大屏管理应用

· 浏览次数 : 0

小编点评

随着城市公共交通的快速发展,机车的能耗管理日益受到重视。为了实现高效、智能的能耗监控,图扑软件利用HT for Web产品构建了一套智慧机车数据驾驶舱监控平台。该平台能够实时收集和分析运营数据,为运营管理和决策提供科学依据。 首先,该平台通过可视化技术实时收集分析运营数据,将机车运行状态、能耗情况等信息直观、准确地展现出来。这样可以帮助操作人员快速了解机车概况,提高运营效率。 其次,针对车站重点设备的运行消耗,平台能实时展示机车重要设备的能耗数据、输出电压和耗电情况。通过对能耗数据的转化和可视化,实现了对相同设备在不同车站耗电量的直观对比分析,从而识别能耗异常模式,及时揭示节能减排的可能性。 此外,该平台还能实时监测并显示车站内各种设备的实时信息和状态,如温度、湿度、CO₂、PM₂.₅等关键参数。当设备异常状态时,系统状态标签将以明显颜色标注,及时预警以确保机房设备的稳定运行。 同时,利用图扑软件HT的丰富可视化图表组件,可以对车站的噪音信息、平面环境信息以及人流信息进行实时跟进和展示。这种数据驱动的环境和人流信息展示,有助于让用户能够快速而深入地理解各车站的环境状况和人流动态。 最后,该平台还可以对车站内的耗电设备进行深度剖析,采取多方位并行分析呈现各设备的当日耗电概况。这有助于管理者对设备工作状态进行集中规范和细化,实现能源的高效利用和运营成本的优化。 总之,图扑软件的智慧机车数据驾驶舱监控平台为城市公共交通的机车能耗管理提供了有效的解决方案,有助于提升能耗信息的可接收性和管理决策的效率,推动城市公共交通系统向更环保、更高效、更经济的方向发展。

正文

作为城市公共交通的核心,机车的能耗管理不仅直接关系到运营成本,更牵涉到环境保护和能源的高效、可续利用。传统的机车监控手段在现代化需求面前已显得力不从心,亟需构建一个能实时收集和分析运营数据的高效、智能、全面的智能化监控平台。利用先进的可视化技术实时收集分析运营数据,将机车运行状态、能耗情况等信息直观、准确地展现出来,为运营管理和决策提供科学依据。

效果展示

为了深入理解和有效控制机车能耗,图扑软件利用自主研发的 HT for Web 产品,构建了一套集能耗、环境、列车、设备、供电为一体的智慧机车数据驾驶舱监控平台。强化车站管理效率,构建知识驱动、动态优化、安全高效的智能制造体系。

系统分析

能耗总览

图扑 HT 智慧机车监控平台总览页,旨在以“一张图”形式展示机车运行状态、关键设备能耗、人员配置等数据,以非常直观的方式呈现机车各项重点设备信息和能耗数据,帮助操作人员快速了解机车概况。

 

设备能耗情况

针对车站重点设备的运行消耗,平台能实时展示机车重要设备(如照明系统、通风系统、空调制冷、照明、动力系统等)的能耗数据、输出电压和耗电情况。系统将提炼出来的能耗数据转化为直观易懂的视觉信息,实现了对相同设备在不同车站耗电量的直观对比分析,从而识别能耗异常模式,及时揭示节能减排的可能性。

 

机房信息可视化

机房作为控制和监测中心,其设备运行状况直接影响整个车站的能耗水平。温湿度过高可能导致设备过热和故障率增加,推高能耗;CO₂、PM₂.₅ 浓度控制则关乎空气质量。通过搭载的多样化感知元件,可以实时监测并显示温度、湿度、CO₂、PM₂.₅ 等关键参数变化。当设备异常状态时,系统状态标签将以明显颜色标注,及时预警以确保机房设备的稳定运行。

 

在图扑软件智慧机房 3D 监控界面中,则以远程的方式随时了解现场实际情况。将服务器、交换机、路由器、监控设备、通信设备等配置进行位置还原,并在三维场景中展示机房内各种设备的实时信息和状态。三维监控界面内可通过页面设备分类查找目标设备,点击列表中的每一项可自动定位到三维场景中对应的设备模型。

 

车站能耗对比

利用图扑软件 HT 丰富的可视化图表组件,空调系统能耗情况进行全天候实时跟进,揭示某时段内的能耗激增现象,辅助管理人员及时掌握当日车站能耗变化趋势。对于用户识别能耗高峰、调整运营策略,具有重要价值。例如,通风系统在夏季可能会产生较高的能耗,通过分析其能耗曲线,管理人员可以调整运行计划或风速设置,以达到节能的目的。

 

车次能耗对比

以双色柱状图的形式,显示各车次空调系统和通风系统的能耗对比/总能耗对比情况。使参观者直观清晰的识别能耗异常的根源并实施针对性调整。

 

环境概述

该板块含图扑丰富的 2D 图表组件,简洁清晰地展示近期各车站的噪音信息统计、平面环境信息以及人流信息统计。这种数据驱动的环境和人流信息展示,旨在让用户能够快速而深入地理解各车站的环境状况和人流动态,使环境监控和人流管理的决策过程更有针对性,更高效。

 

噪音信息监控

平台通过接入物联监测元件,将获取到的数据与二维场景进行联动,可实时显示机电设备、铁轨、通信设备等关键部位的分贝参数和来源统计。当这些参数超出正常范围时,系统会自动触发告警,定位至异常区域,并输出指数超标信息。

 

人流进出

HT 平台内能够实时监测并呈现多个站台的平均人流量,并将人流量较高的站台以红色字体标注,人流量较少的站台以绿色字体标注。同时,针对车站人流数据的实时动态变化,选用双色柱状图直观地展示各地铁口的进站和出站情况。帮助管理者高效疏通人流,达到各站台调控管理目的。

 

平面环境展示

平面图能准确地传达车站的物理空间布局。让管理人员能更精确地找到站台、车辆停靠位置和设施服务区域的具体位置,辅助增强他们的方位感和空间认知。搭配显示车站内各区域的温度、露点温度、压差和湿度信息,使用户对车站的环境条件有全面的了解。

 

耗电设备

在车站运营管理中,深入理解和分析耗电设备的能耗是关键。车站内众多耗电设备中,站台空调、站厅空调、冷水机组、隧道风机以及售票机处于耗电量的前列。为实现能源的高效利用和运营成本的优化,对这些耗电设备进行深度剖析是必不可少的一环。

 

图扑 HT 应用数据分析手段,搭配一系列聚簇、栅格、活动规律等多样化可视分析手段,对设备耗电排行、重点能耗设备情况、重点能耗等情况,采取多方位并行分析呈现。全面体现各设备的当日耗电概况,便于管理者对设备工作状态进行集中规范和细化。

设备耗电排行

图扑 HT 可视化监控面板可根据车站设备的职能种类进行分类,通过动态图表形式实时更新关键耗电设备的能耗高低,包括站台空调、站厅空调、冷水机组、隧道风机、售票机等。使得运营管理人员能快速识别耗电较高的设备,进而调整运行策略或进行维护。

 

过去离散刻板的静态数据在图扑可视化技术的加持下,充分激发了数字的活力,赋予动态的加载效果,更加利于揭示数据之间复杂关系。

重点能耗

支持聚焦 1 号、2 号、3 号等主要站台的平均耗电量信息。对于收集到的站台能耗数据,进行 7*24 小时实时监测。用户通过面板底部数值变化快速识别哪些站台的能耗超出正常范围。另外,通过比较不同站台之间的能耗数据,可以发现节能潜力和改进空间。

 

设备能耗情况

通过构建一个综合的数据可视化仪表盘,对各站台照明系统、通风系统、冷水系统等能耗设备的电力和总耗电量进行数据对比监控。点击相关设备,下方将显示每个站台该设备的实时耗电量和总能耗等关键信息。为用户直观比较站台各系统能耗提供便捷。

 

列车状态监控

在城市轨道交通系统的运营管理领域,实施针对列车状态的实时监控及数据分析显得尤为关键。列车运行状态集中展示列车运行状态、拥挤度、环境监控以及关键的机车管理数据,加速优化运维管理决策,提升乘客服务水平。

 

列车运行情况

监控板块的设计中,通过各站台列车进站间隔时间图表,用户可以清晰看到每列车之间的运行间隔。页面集合列车时速、通讯状态、列车排班表等多维度综合信息,方便作业人员对特定列车追踪与管理。可视化图表组件监控意在实现数据共享化、响应实时化、操作可视化的目的。

 

预警报警可视化

该功能集中显示监控站台报警待确认数量/报警总数,以及闸机、安检装置、售票机等设备的告警详情,帮助用户迅速定位、识别、追踪问题所在,高效响应处理措施。也可在此对历史信息进行回溯比对。图扑 HT 可视化监测界面简化了管理人员的操作步骤,也减少人工判断的误差。

 

 

列车承载状态

页面围绕“运行状态”、“承载状态”、”工作环境”三个主要方面进行展示。将底层数据接口获取到的列车拥挤程度,进行可视化动效展示(红色-拥挤,绿色-良好),辅助运营团队及时调整列车运行计划,如增加车次或使用更大容量的列车,以减轻特定时间段内的拥挤情况。搭配面板中详细释义的列车时速、通讯状态、系统模式等属性。以可视、互动、透明管理机制为前提,实现机车作业的实时追踪和安全预警,有效避免车辆作业无序统计和危险事件无据可查的难题。

 

 

 

图扑软件结合视频监控系统、电子巡更系统等安全防范管理系统数据,用户可直接调取查看现场各个点位的摄像头画面,以远程的方式随时了解车站现场环境的实际情况。

图扑软件 HT 还提供视频融合解决方案,将 2D 图像融合到场景的 3D 模型中,为操作人员提供直观的视频图像和简单的视图控制。HT 视频融合技术采用 WebGL 技术,利用 GPU 高性能计算能力对视频图像进行实时处理,图像处理不占用 CPU 资源,整个方案画面流畅。

 

图扑可视化监控平台全要素、立体化、多角度展现机车运营数据的上下游依赖关系,解决了当前车站可能遇到的动态跟踪质量不高、作业人员核对信息工作量大、数据共享程度较低欠缺支撑、监视盲区等现象。

供电状态

通过对站台和设备设立多个监测点,收集关于站台用电、设备供电的实时数据,应用图扑 HT 数据可视化多样化图表、图形、设计元素,将各车站目标因素运行数据进行图形化和可视化。

 

站台用电可视化

各站台的用电信息包括调控电量、调用发电机组、调控目标等。通过实时监测调控电量,可以有效预测供电需求并及时调整电力资源分配;调用发电机组功能则是在电网负荷较高时启动备用电力来源,保证供电的连续性;而调控目标的监控有助于电网运维人员了解当前的电力消耗情况,优化电网运行策略,提高能效。

 

设备供电可视化

图扑软件 HT 可视化图表展示各站台用电频率、转速、电压参数,运维团队可以迅速识别响应电网中的异常情况,防止故障的发生。

 

电力接线图

数据可视化中的车站内部电力接线图,旨在通过图形化方式清晰展示地铁站内复杂的电力线路和设备布局,使维护人员能够迅速理解和掌握电力系统的全貌。在故障排查和紧急响应方面,电力接线图可以帮助技术团队快速定位问题点,加速维修进程,减少停电或其他电力故障对运营的影响。车站内部电力接线图精简了复杂信息的传达,有效提升了整个地铁系统的安全性、稳定性和服务水平。

 

总结

利用图扑二维可视化引擎,以及多样化 UI 图表组件,合力打造数字孪生管理平台,全方位、直观地展现机车和车站各项业务运行情况。旨在提供全面的机车能耗管理视角,提升能耗信息的可接收性和管理决策的效率,推动城市公共交通系统向更环保、更高效、更经济的方向前行。

您可以至图扑软件官网查看更多案例及效果:

https://www.hightopo.com/demos/index.html

与图扑智慧机车数据可视化大屏管理应用相似的内容:

图扑智慧机车数据可视化大屏管理应用

作为城市公共交通的核心,机车的能耗管理不仅直接关系到运营成本,更牵涉到环境保护和能源的高效、可续利用。传统的机车监控手段在现代化需求面前已显得力不从心,亟需构建一个能实时收集和分析运营数据的高效、智能、全面的智能化监控平台。利用先进的可视化技术实时收集分析运营数据,将机车运行状态、能耗情况等信息直观

图扑智慧农业——生态鱼塘数字孪生监控

图扑软件应用自研 HT for Web 产品,打造轻量化智慧生态鱼塘可视化解决方案。页面整体以工业金属风格为主,采用 PBR 材质技术,精细打造鱼塘场景,实现水质透明、鱼类生动的高度逼真渲染效果。

汽车生产车间PMC组态画面应该怎么设计

通常我们所说的汽车制造四大工艺指的是:冲压、焊装、涂装、总装。一般来说,在汽车制造工厂,这四大工艺分别对应四大车间。本文结合一些实际应用案例,向大家展示一下 TopStack 在汽车制造业各工艺车间中用到的一些组态监控画面。

风光储一体化园区 | 图扑新能源可视化

图扑利用自研产品 HT for Web 搭建风光储园区可视化监控系统,整合风力发电、光伏发电和储能系统,实现了能源的多元化生产和储备,提高了能源利用效率,增强了电网的稳定性和可靠性。在这一体系中,风电、光伏和储能各自扮演着重要的角色,并且相辅相成。

国产 Web 组态软件 TopStack V5.0 发布

简介 TopStack 是一款轻量型 Web 组态软件,提供设备数据采集、定时任务、控制策略、联动控制、设备告警、设备维护管理、设备绩效管理、能源管理、组态开发、报表开发等核心功能。支持移动端访问,支持本地部署,可帮助企业从无到有快速搭建工业物联网平台。 一些大型互联网公司提供的物联网平台,其中的很

NebulaGraph实战:2-NebulaGraph手工和Python操作

图数据库是专门存储庞大的图形网络并从中检索信息的数据库。它可以将图中的数据高效存储为点(Vertex)和边(Edge),还可以将属性(Property)附加到点和边上。本文以示例数据集basketballplayer为例,通过nGQL操作和Python脚本两种方式构建图谱。数据[10]和代码[9]详

图数据挖掘:网络的基本概念和表示方法

网络(network)是一些通过链接(links)连接起来的对象集合,它包含以下成分:对象:节点(nodes)/顶点(vertices), 用N表示;交互:链接(links)/边(edges),用E表示;对象和交互组成的系统我们就称为网络(或图,graph),用G(N,E)表示。

图数据挖掘:小世界网络模型和分散式搜索

哈佛大学心理学教授斯坦利·米尔格拉(Stanley Milgram)早在1967年就做过一次连锁实验,他将一些信件交给自愿的参加者,要求他们通过自己的熟人将信传到信封上指明的收信人手里。他发现,296封信件中有64封最终送到了目标人物手中。而在成功传递的信件中,平均只需要5次转发,就能够到达目标。也就是说,在社会网络中,任意两个人之间的“距离”是6。这就是所谓的六度分隔理论,也称小世界现象。尽管他

图数据挖掘:网络中的级联行为

我们现在来研究网络中的传播。事实上,在网络中存在许多从节点到节点级联的行为,就像传染病一样。这在不同领域中都有所体现,比如生物中的传染性疾病;信息技术中的级联故障与信息的传播;社会学中的谣言、新闻、新技术的传播以及虚拟市场。其中在信息技术中信息就会经由媒体来进行扩散(diffusion)。接下来我们看如何基于网络构建传播模型。以传染病为例,传染病会沿着网络的边进行传播。这种传播形成了一个传播树,也

图数据挖掘:基于概率的流行病模型

这篇博客让我们来介绍基于概率的传播模型,这种模型基于对数据的观测来构建,不过不能对因果性进行建模。基于随机树的传染病模型是分支过程(branching processes)的一种变种。在这种模型中,一个病人可能接触d个其他人,对他们中的每一个都有概率q>0将其传染,接下来我们来看当d和q取何值时,流行病最终会消失(die out)