Le système de prédiction de pannes et de gestion de santé de la caténaire est drivé par les données du cycle de vie complet comme les paramètres de conception, détection et surveillance, inspections hors ligne, défauts, pannes, enregistrements de maintenance générés par la construction et l'exploitation de la caténaire ; il utilise les technologies de cloud computing, big data et des algorithmes d'intelligence artificielle comme l'apprentissage profond et le raisonnement flou ; il établit un système d'indicateurs d'évaluation RAMS de la caténaire, évalue l'état de santé du système caténaire, réalise la prédiction de pannes et de durée de vie de la caténaire, et propose la stratégie de maintenance optimale ; il réduit les coûts de maintenance et les risques d'accident, réalisant la transformation de la maintenance de la caténaire de « maintenance selon état » vers « maintenance  prédictive ».