基于調(diào)度電話語音信息的調(diào)度命令智能生成方法

吳佳佳，彭其淵, ，魯工圓,

（1.西南交通大學(xué) 交通運(yùn)輸與物流學(xué)院，四川 成都 611756；2.西南交通大學(xué) 綜合交通運(yùn)輸智能化國家地方聯(lián)合工程實(shí)驗(yàn)室，四川 成都 611756)

0 引言

行車調(diào)度命令是列車調(diào)度員在進(jìn)行特定行車作業(yè)時(shí)發(fā)布的調(diào)度命令。列車調(diào)度員接收到調(diào)度命令發(fā)布請(qǐng)求后，在CTC/TDCS 的調(diào)度命令管理系統(tǒng)中選擇調(diào)度命令模板，人工填寫調(diào)度命令參數(shù)并發(fā)布。此類重復(fù)的調(diào)度命令擬寫流程占用了調(diào)度員大量時(shí)間，在高強(qiáng)度的工作狀態(tài)下，調(diào)度命令錯(cuò)字、漏字等內(nèi)容不準(zhǔn)確的情況也時(shí)有發(fā)生。通過研究基于調(diào)度電話語音信息的調(diào)度命令智能生成方法，能夠?qū)崿F(xiàn)調(diào)度電話向調(diào)度命令的直接轉(zhuǎn)化，提高調(diào)度命令發(fā)布的效率與準(zhǔn)確性。此外，實(shí)現(xiàn)調(diào)度命令的智能化生成也是我國高速鐵路智能調(diào)度指揮系統(tǒng)建立的重要一環(huán)[1]。

目前關(guān)于調(diào)度命令的研究，大多集中于調(diào)度命令管理系統(tǒng)的設(shè)計(jì)、調(diào)度命令發(fā)布流程的規(guī)范化方面。在調(diào)度命令管理方面，閻帆等[2]針對(duì)目前跨信息系統(tǒng)以及同系統(tǒng)中各個(gè)調(diào)度工種的調(diào)度命令傳遞的兼容性差、可靠性低的問題，采用面向服務(wù)的架構(gòu)SOA 進(jìn)行了調(diào)度命令管理系統(tǒng)的開發(fā)，實(shí)現(xiàn)了調(diào)度命令的跨系統(tǒng)傳遞；武英強(qiáng)[3]設(shè)計(jì)了一套車輛段調(diào)度命令發(fā)布系統(tǒng)，解決了車輛段調(diào)度命令發(fā)布格式統(tǒng)一、命令發(fā)布可控、易于統(tǒng)計(jì)查詢管理的關(guān)鍵問題；陳革新[4]運(yùn)用數(shù)據(jù)庫開發(fā)了一套客運(yùn)調(diào)度命令發(fā)布與接收系統(tǒng)，改善了客運(yùn)調(diào)度命令通過電話或手工記錄的低效方式。在調(diào)度命令的規(guī)范化方面，吳朝輝[5]分析了發(fā)布、傳達(dá)及執(zhí)行行車調(diào)度命令過程中常見的問題，并針對(duì)問題提出了重點(diǎn)改進(jìn)措施。關(guān)于調(diào)度命令智能生成方法的研究，目前尚處于起步狀態(tài)，彭其淵等[6]運(yùn)用預(yù)警文本-調(diào)度命令相對(duì)應(yīng)的數(shù)據(jù)訓(xùn)練自然語言處理模型seq2seq，并提出了調(diào)度命令修正策略，共同構(gòu)成了基于預(yù)警文本信息的調(diào)度命令智能生成模型，在調(diào)度命令決策的智能化方面邁出重要一步。綜上所述，現(xiàn)有的研究多集中于調(diào)度命令管理系統(tǒng)，僅有的關(guān)于行車調(diào)度命令生成方法的研究則側(cè)重于信息來源為預(yù)警文本情況下的調(diào)度命令生成，文中研究的調(diào)度命令智能生成方法基于列車調(diào)度員接收到的調(diào)度電話語音信息，是對(duì)調(diào)度命令智能生成方法系統(tǒng)的一個(gè)重要補(bǔ)充。

1 調(diào)度命令智能生成方法架構(gòu)

1.1 調(diào)度命令內(nèi)容及發(fā)布流程

一條完整的行車調(diào)度命令內(nèi)容由模板及參數(shù)構(gòu)成，調(diào)度命令模板是《鐵路運(yùn)輸調(diào)度規(guī)則》中規(guī)定的調(diào)度命令統(tǒng)一格式，調(diào)度命令參數(shù)是命令指示的車站、車次、限速值等需要列車調(diào)度員填寫的內(nèi)容。

《鐵路運(yùn)輸調(diào)度規(guī)則(高速鐵路部分)》(鐵總運(yùn)[2017] 128 號(hào))規(guī)定高速鐵路常用行車調(diào)度命令模板按照不同的功能分為27 類，共53 條(D1 ～ D53)。這些調(diào)度命令模板從發(fā)布場(chǎng)景上又可以分為以下3 種情形。

（1）施工維修命令：向車站下達(dá)的指示施工維修開始、結(jié)束及是否開行路用列車的調(diào)度命令。

（2）應(yīng)急處置命令：設(shè)備故障、惡劣天氣、自然災(zāi)害等情況下發(fā)布的調(diào)度命令。

（3）其他命令：臨時(shí)停運(yùn)、加開列車、越出站界調(diào)車等。

根據(jù)某鐵路局集團(tuán)公司調(diào)度所高鐵行調(diào)臺(tái)發(fā)布的調(diào)度命令數(shù)量統(tǒng)計(jì)，該調(diào)度臺(tái)2019 年6—7 月共計(jì)發(fā)布行車調(diào)度命令14 324 條，通過分析發(fā)布數(shù)量最多的調(diào)度命令數(shù)量及在所有發(fā)布命令中的占比，得到調(diào)度命令發(fā)布場(chǎng)景比例如表1 所示。

由表1 可知，施工維修及應(yīng)急處置命令占比較高(84.54%)，其他命令占比較低(15.46%)。

應(yīng)急處置情況又可分為設(shè)備故障情形及其他情形。在施工維修及設(shè)備故障應(yīng)急處置情形下的調(diào)度命令下達(dá)，嚴(yán)格遵循“登、請(qǐng)、下令”的3 步原則。首先設(shè)備管理單位在施工維修電子管理系統(tǒng)或《行車設(shè)備檢查登記簿》上進(jìn)行登記；再由車站值班員或設(shè)備管理單位通過調(diào)度電話向列車調(diào)度員誦讀登記的請(qǐng)求內(nèi)容，請(qǐng)求發(fā)令，最后列車調(diào)度員依據(jù)請(qǐng)求內(nèi)容編輯調(diào)度命令并下達(dá)。其他應(yīng)急處置情形下(如接觸網(wǎng)跳閘、天氣惡劣難以辨認(rèn)信號(hào)等)，相關(guān)單位(司機(jī)、設(shè)備管理單位等)通過調(diào)度電話向列車調(diào)度員通知具體情況，列車調(diào)度員與相關(guān)單位人員溝通確認(rèn)車站、里程標(biāo)等參數(shù)信息后編輯調(diào)度命令并下達(dá)。施工維修、應(yīng)急處置場(chǎng)景下調(diào)度命令發(fā)布流程如圖1 所示。

其他場(chǎng)景包括需要臨時(shí)加開、停運(yùn)列車、越出站界調(diào)車等情況，此類情況下的調(diào)度命令下達(dá)需要綜合考慮列車運(yùn)行圖、實(shí)績(jī)運(yùn)行圖、日班計(jì)劃等多方面信息，調(diào)度命令決策信息來源廣泛，因而暫不列入研究。

綜上所述，在實(shí)際發(fā)布的行車調(diào)度命令中，施工維修與應(yīng)急處置場(chǎng)景下發(fā)布的調(diào)度命令占很大比重，并且這些場(chǎng)景下的調(diào)度命令信息來源單一，均為調(diào)度電話語音內(nèi)容。列車調(diào)度員根據(jù)調(diào)度電話選擇合適的調(diào)度命令模板，編輯參數(shù)并下達(dá)。上述流程信息來源單一且高度重復(fù)、模式化，有必要研究一種調(diào)度命令的智能生成方法，從調(diào)度電話中智能匹配調(diào)度命令模板，抽取調(diào)度命令參數(shù)并填入模板，生成完整調(diào)度命令。

表1 調(diào)度命令發(fā)布場(chǎng)景比例Tab.1 Proportions of dispatching commands release scenario

1.2 調(diào)度命令智能生成方法架構(gòu)

高速鐵路列車調(diào)度命令智能生成方法由語音識(shí)別、文本匹配、參數(shù)抽取3 個(gè)模塊構(gòu)成：①調(diào)度電話語音識(shí)別。將調(diào)度員接收到的調(diào)度電話語音信息轉(zhuǎn)化為文本信息。②調(diào)度命令匹配。根據(jù)調(diào)度電話文本匹配所需調(diào)度命令模板。③調(diào)度命令參數(shù)的抽取與填寫。從調(diào)度電話文本中提取所需的調(diào)度命令參數(shù)信息，判斷參數(shù)的完整性并依序填入調(diào)度命令模板。調(diào)度命令智能生成方法架構(gòu)如圖2 所示。

圖1 施工維修、應(yīng)急處置場(chǎng)景下調(diào)度命令發(fā)布流程Fig.1 Release process of construction and maintenance dispatching command and emergency handling dispatching command

2 基于調(diào)度電話語音信息的調(diào)度命令智能生成方法

2.1 調(diào)度電話語音識(shí)別

在中文語音識(shí)別領(lǐng)域，國內(nèi)的語音識(shí)別研究團(tuán)隊(duì)已經(jīng)開發(fā)了具有實(shí)用化水平的語音識(shí)別接口，如科大訊飛、百度語音、騰訊語音等。綜合對(duì)比識(shí)別準(zhǔn)確率、開發(fā)平臺(tái)、專業(yè)化拓展支持3方面因素，研究選用科大訊飛的在線語音聽寫JavaSDK 進(jìn)行語音信息的識(shí)別。為實(shí)現(xiàn)高速鐵路調(diào)度方面的專業(yè)領(lǐng)域化語音識(shí)別，使用科大訊飛語音識(shí)別自定義字典的功能，上傳了某鐵路局集團(tuán)公司轄內(nèi)的車站及線路所名稱字典(以下簡(jiǎn)稱《站名字典》)以及鐵路調(diào)度專業(yè)詞匯字典，自定義詞典詞匯數(shù)目共946條，提升了語音識(shí)別模塊的識(shí)別率。

2.2 調(diào)度命令模板匹配

調(diào)度命令模板匹配可通過文本相似度計(jì)算進(jìn)行。文中選擇了2 種常用的文本相似度計(jì)算方法，即編輯距離法和基于TF-IDF 算法的向量空間模型進(jìn)行相似度計(jì)算，并通過實(shí)驗(yàn)對(duì)比2 種方法的實(shí)際效果。

圖2 調(diào)度命令智能生成方法架構(gòu)Fig.2 Framework of intelligent dispatching command generation method

2.2.1 調(diào)度命令場(chǎng)景－調(diào)度命令模板知識(shí)庫

首先考慮采用上述2 種方法對(duì)調(diào)度電話文本與調(diào)度命令模板直接進(jìn)行相似度計(jì)算，即直接匹配。但匹配結(jié)果表明，由于部分調(diào)度電話文本與調(diào)度命令模板文本之間的內(nèi)容重合度較低，匹配準(zhǔn)確率并不高。因此，研究構(gòu)建了調(diào)度命令場(chǎng)景－調(diào)度命令模板相對(duì)應(yīng)的知識(shí)庫(以下簡(jiǎn)稱“知識(shí)庫”)，對(duì)每種場(chǎng)景下可能出現(xiàn)的調(diào)度電話內(nèi)容及對(duì)應(yīng)的調(diào)度命令模板進(jìn)行了歸類整理?？紤]調(diào)度電話內(nèi)容的多樣性，知識(shí)庫建立的主要依據(jù)為《鐵路技術(shù)管理規(guī)程(高速鐵路部分)》《高速鐵路列車調(diào)度員應(yīng)急處置指導(dǎo)書》、實(shí)際施工維修登銷記請(qǐng)求內(nèi)容、設(shè)備故障登銷記請(qǐng)求內(nèi)容、應(yīng)急處置語音內(nèi)容5 個(gè)方面，調(diào)度命令場(chǎng)景－調(diào)度命令模板知識(shí)庫示例如表2 所示。

2.2.2 改進(jìn)的編輯距離法

編輯距離法(Levenshetin Distance)是由Levenshetin[7]于1966 年提出的文本相似度計(jì)算方法，通過計(jì)算源字符串S與目標(biāo)字符串T之間的編輯距離來度量二者的相似度。趙作鵬[8]對(duì)該方法進(jìn)行了改進(jìn)，增加了計(jì)算點(diǎn)前后非相鄰字符間的交換操作，提升了編輯距離法在中文語境中的適用度。假設(shè)m為字符串S的長(zhǎng)度，n為目標(biāo)字符串T的長(zhǎng)度，Dmn為2 個(gè)字符串之間的編輯距離，字符串S與字符串T之間的編輯距離D(S，T)的計(jì)算公式為

式中：si，tj分別表示字符串S中的第i個(gè)字符與字符串T中的第j個(gè)字符，0 ≤i≤m，0 ≤j≤n；Dij表示從s1…si到t1…tj的編輯距離。

編輯距離相似度SI定義為

表2 調(diào)度命令場(chǎng)景－調(diào)度命令模板知識(shí)庫示例Tab.2 Examples of dispatching command situation-dispatching command template knowledge base

式中：Lmax為字符串S，T中較長(zhǎng)的字符串長(zhǎng)度；LD為兩字符串的編輯距離值?？梢娋庉嬀嚯x越大，字符串間的相似度越低。

2.2.3 基于TF-IDF 算法的向量空間模型

向量空間模型(Vector Space Model，VSM)是由Salton 等[9]于1969 年首次提出的文本表示方法，該方法將文本映射到向量空間中，通過含文本特征項(xiàng)(詞)的向量表示文本，通過比較向量之間的夾角大小來衡量文本間的相似度。

本研究中，文本特征項(xiàng)的權(quán)重計(jì)算方法采用經(jīng)典的TF-IDF 算法：每個(gè)文本特征項(xiàng)的權(quán)值表示為該詞的詞頻以及逆文檔頻率的乘積。

式中：TFw,Di為關(guān)鍵詞w的詞頻；count(w)為關(guān)鍵詞w在文檔Di中出現(xiàn)的次數(shù)，次；|Di|為文檔Di中所有詞的數(shù)量，個(gè)；IDFw為關(guān)鍵詞w的逆文檔頻率；N為所有文檔總數(shù)，個(gè)；I(w，Di)表示文檔Di是否包含關(guān)鍵詞w，若包含則為1，否則為0；TFIDFw,Di為關(guān)鍵詞w的TF-IDF 權(quán)重。

將文本表示為向量后，計(jì)算兩向量夾角的余弦值從而對(duì)比文本相似度，計(jì)算公式為

式中：a，b分別表示2 個(gè)n維向量；cosθ表示兩向量的夾角余弦值；Ai，Bi分別表示2 個(gè)向量的第i個(gè)元素。

2.3 調(diào)度命令參數(shù)的抽取與填寫

2.3.1 調(diào)度命令參數(shù)定義及抽取

根據(jù)統(tǒng)計(jì)，53 條高速鐵路行車調(diào)度命令模板中，涉及的參數(shù)主要包括通知編號(hào)、車站、車次號(hào)、線路方向、時(shí)間、里程標(biāo)、限速值、股道號(hào)、道岔號(hào)、車輛數(shù)、時(shí)間長(zhǎng)度、機(jī)車/軌道車號(hào)共12 種，每條模板包含其中的幾種參數(shù)。其中，車站參數(shù)可通過遍歷《站名字典》進(jìn)行識(shí)別，其他參數(shù)均具有固定的格式，可使用正則表達(dá)式從調(diào)度電話文本中抽取。除車站外的11 種參數(shù)對(duì)應(yīng)的正則表達(dá)式如表3 所示。

表3 除車站外的11 種參數(shù)對(duì)應(yīng)的正則表達(dá)式Tab.3 Regular expressions of 11 parameters excluding station

2.3.2 參數(shù)完整性判斷與參數(shù)填寫

由于每條調(diào)度命令模板要求的參數(shù)各不相同，依據(jù)各模板的參數(shù)要求，利用0-1 變量構(gòu)建了12×53 (12 種參數(shù)類型、53 條調(diào)度命令模板)的調(diào)度命令模板參數(shù)需求矩陣，對(duì)于每一條調(diào)度命令模板，需要某種參數(shù)則對(duì)應(yīng)矩陣元素值為1，否則為0。參數(shù)填寫前，對(duì)每條調(diào)度電話文本的參數(shù)先進(jìn)行完整性判斷，參數(shù)需求為1 而實(shí)際提取的參數(shù)為空時(shí)進(jìn)行參數(shù)缺失提示，從而提示調(diào)度員進(jìn)行參數(shù)補(bǔ)充。

對(duì)匹配到的調(diào)度命令模板，將抽取的調(diào)度電話文本參數(shù)依照參數(shù)命名依次填入?yún)?shù)需求為1 的對(duì)

應(yīng)位置中，即可生成完整的調(diào)度命令。

3 實(shí)驗(yàn)及結(jié)果

文中共設(shè)計(jì)了3 個(gè)實(shí)驗(yàn)以對(duì)比不同調(diào)度命令模板匹配模式以及匹配方法的匹配效果，并驗(yàn)證整個(gè)調(diào)度命令智能生成方法的有效性。實(shí)驗(yàn)數(shù)據(jù)來源：某鐵路局集團(tuán)公司調(diào)度所高鐵行調(diào)臺(tái)施工維修登銷記請(qǐng)求內(nèi)容、設(shè)備故障登銷記請(qǐng)求內(nèi)容文本共100條，此外，依據(jù)現(xiàn)場(chǎng)應(yīng)急處置調(diào)度電話語音內(nèi)容模擬了50 條文本數(shù)據(jù)，共計(jì)150 條調(diào)度電話文本及其對(duì)應(yīng)的標(biāo)準(zhǔn)調(diào)度命令模板。

3.1 實(shí)驗(yàn)一

本實(shí)驗(yàn)對(duì)比調(diào)度命令模板匹配中直接匹配模式與基于知識(shí)庫匹配模式的準(zhǔn)確率，從而驗(yàn)證調(diào)度命令場(chǎng)景－調(diào)度命令模板知識(shí)庫的必要性。

以基于知識(shí)庫的匹配模式為例，2 種文本相似度計(jì)算方法下的匹配流程如下。

（1）改進(jìn)的編輯距離法。①編輯距離計(jì)算。針對(duì)某一條調(diào)度電話文本D，依據(jù)公式⑴分別計(jì)算其與知識(shí)庫中每條調(diào)度命令場(chǎng)景文本的編輯距離。②編輯距離相似度計(jì)算。根據(jù)公式⑵計(jì)算每對(duì)調(diào)度電話文本與調(diào)度命令場(chǎng)景文本的編輯距離相似度。③最大相似度獲取。遍歷知識(shí)庫，獲得與調(diào)度電話文本D編輯距離相似度最大的調(diào)度命令場(chǎng)景文本，記錄其對(duì)應(yīng)的調(diào)度命令模板編號(hào)。

（2）向量空間模型。①文本預(yù)處理。對(duì)于待匹配的調(diào)度電話文本D與知識(shí)庫中的調(diào)度命令場(chǎng)景文本，使用jieba 分詞工具進(jìn)行分詞操作，并去除在文本中沒有實(shí)際含義的詞，如“的、了、與”等停用詞。②相似度計(jì)算。對(duì)分詞后的詞集合中的每個(gè)詞，依據(jù)公式 ⑶—⑸ 計(jì)算其TFIDF權(quán)重值，得出兩文本的向量表示，并依據(jù)公式 ⑹ 計(jì)算兩向量的余弦相似度。

（3）最大相似度獲取。遍歷知識(shí)庫，獲得與調(diào)度電話文本D余弦相似度最大的調(diào)度命令場(chǎng)景文本，記錄其對(duì)應(yīng)的調(diào)度命令模板編號(hào)。

模板匹配的準(zhǔn)確率P的計(jì)算公式為

式中：P表示模板匹配的準(zhǔn)確率；R表示各匹配方法與匹配模式下，匹配所得的調(diào)度命令模板編號(hào)與標(biāo)準(zhǔn)調(diào)度命令模板編號(hào)完全一致的調(diào)度電話文本數(shù)量；N表示所有調(diào)度電話文本數(shù)據(jù)量(150 條)。

直接匹配與基于知識(shí)庫匹配準(zhǔn)確率對(duì)比實(shí)驗(yàn)結(jié)果如表4 所示。

由表4 可知，對(duì)于基于知識(shí)庫匹配與直接匹配2 種匹配模式，使用改進(jìn)的編輯距離法時(shí)，前者比后者的匹配準(zhǔn)確率高22.13%；使用向量空間模型方法時(shí)，前者比后者高30.3%。2 種匹配方法下基于知識(shí)庫的匹配準(zhǔn)確率均顯著高于直接匹配，可以證明知識(shí)庫的建立能夠大幅提升調(diào)度命令模板匹配的準(zhǔn)確率。

表4 直接匹配與基于知識(shí)庫匹配準(zhǔn)確率對(duì)比實(shí)驗(yàn)結(jié)果Tab.4 Comparison of direct matching and knowledge base based matching accuracy

3.2 實(shí)驗(yàn)二

本實(shí)驗(yàn)對(duì)比2 種文本匹配方法的匹配準(zhǔn)確率與匹配速度。在上述匹配準(zhǔn)確率實(shí)驗(yàn)的基礎(chǔ)上，采用準(zhǔn)確率更高的基于知識(shí)庫匹配模式，計(jì)算每次調(diào)度命令模板匹配耗時(shí)并統(tǒng)計(jì)單次匹配平均耗時(shí)，調(diào)度命令匹配方法對(duì)比實(shí)驗(yàn)結(jié)果如表5 所示。

由表5 可知，在匹配準(zhǔn)確率方面，向量空間模型相較改進(jìn)的編輯距離法高13.02%；在匹配耗時(shí)方面，由于向量空間模型中涉及分詞操作，相較改進(jìn)的編輯距離法單次匹配平均耗時(shí)長(zhǎng)1 815 ms?？紤]到在調(diào)度命令生成的應(yīng)用場(chǎng)景下，準(zhǔn)確率更具重要性；并且在實(shí)際生產(chǎn)過程中，每條調(diào)度命令人工編輯耗時(shí)約15 ～ 30 s，此處的單次匹配平均耗時(shí)差值僅為1.8 s，對(duì)調(diào)度命令智能生成流程影響較小。綜上所述，優(yōu)先考慮匹配準(zhǔn)確率，研究選擇向量空間模型作為調(diào)度命令模板匹配的核心方法。

3.3 實(shí)驗(yàn)三

本實(shí)驗(yàn)采用實(shí)驗(yàn)人員口述調(diào)度電話文本的形式，演示整個(gè)調(diào)度命令智能生成方法的實(shí)際效果，實(shí)驗(yàn)的輸入為實(shí)驗(yàn)人員口述的調(diào)度電話，輸出為調(diào)度命令內(nèi)容。另外，實(shí)驗(yàn)統(tǒng)計(jì)了每條數(shù)據(jù)從口述結(jié)束到輸出結(jié)果的耗時(shí)，調(diào)度命令智能生成實(shí)驗(yàn)結(jié)果示例如表6 所示。

由表6 可見，文中提出的方法能夠依據(jù)語音形式的調(diào)度電話準(zhǔn)確匹配到所需的調(diào)度命令模板，并從中提取參數(shù)填入模板相應(yīng)的位置，生成調(diào)度命令。當(dāng)調(diào)度電話本身參數(shù)信息不足時(shí)(如車次信息需要列車調(diào)度員根據(jù)列車運(yùn)用計(jì)劃填寫)，調(diào)度命令空出相應(yīng)的位置并給予調(diào)度員參數(shù)不足的提示。在耗時(shí)方面，平均耗時(shí)在調(diào)度電話口述結(jié)束后的2.5 s 內(nèi)，具備較高的時(shí)效性，能夠大幅提升調(diào)度員調(diào)度命令發(fā)布的效率。另一方面，由于本方法自動(dòng)抽取參數(shù)，能夠解決既往調(diào)度命令編輯過程中容易出現(xiàn)的錯(cuò)字、漏字等問題，調(diào)度命令內(nèi)容更加準(zhǔn)確。

表5 調(diào)度命令匹配方法對(duì)比實(shí)驗(yàn)結(jié)果Tab.5 Experimental results of comparison between dispatching command matching methods

表6 調(diào)度命令智能生成實(shí)驗(yàn)結(jié)果示例Tab.6 Examples of intelligently generating experiments results by dispatching command

4 結(jié)束語

高速鐵路智能化是未來的發(fā)展方向，實(shí)現(xiàn)調(diào)度命令的智能生成也是高速鐵路調(diào)度指揮系統(tǒng)智能化的一個(gè)重要環(huán)節(jié)。針對(duì)現(xiàn)行高速鐵路行車調(diào)度命令發(fā)布流程中，調(diào)度命令擬寫工作繁重、重復(fù)且模式化的問題，設(shè)計(jì)了基于調(diào)度電話語音信息的高速鐵路調(diào)度命令智能生成方法。通過實(shí)驗(yàn)驗(yàn)證，該方法能夠?qū)崿F(xiàn)調(diào)度電話向調(diào)度命令的直接轉(zhuǎn)化，在接聽到需下達(dá)調(diào)度命令的調(diào)度電話后，調(diào)度員無需人工擬寫調(diào)度命令，只需檢查本方法自動(dòng)生成的調(diào)度命令模板、參數(shù)內(nèi)容是否完全準(zhǔn)確即可，減輕了調(diào)度員的工作量，大幅提升了調(diào)度命令發(fā)布的效率。由于調(diào)度命令智能生成主要針對(duì)施工維修與應(yīng)急處置命令，對(duì)于占比較小但信息來源復(fù)雜的其他命令的智能生成還有待進(jìn)一步研究。