調(diào)小機(jī)車生產(chǎn)狀態(tài)智能感知與輔助決策系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

趙飛， 李紅斌， 伏遠(yuǎn)昱， 曹文斌

（1. 中國(guó)鐵道科學(xué)研究院集團(tuán)有限公司 電子計(jì)算技術(shù)研究所，北京 100081；2. 中國(guó)國(guó)家鐵路集團(tuán)有限公司 運(yùn)輸調(diào)度指揮中心，北京 100844）

0 引言

在鐵路運(yùn)輸過程中，調(diào)小機(jī)車是指調(diào)車機(jī)車和小運(yùn)轉(zhuǎn)機(jī)車，主要負(fù)責(zé)車站或區(qū)域內(nèi)列車的解體、編組、車輛取送等專項(xiàng)作業(yè)。調(diào)小機(jī)車作業(yè)是鐵路運(yùn)輸?shù)闹匾M成部分，其作業(yè)效率對(duì)鐵路運(yùn)輸?shù)能囕v周轉(zhuǎn)、運(yùn)輸能力和車站生產(chǎn)能耗與生產(chǎn)效率有重要影響［1］。

隨著列車運(yùn)行狀態(tài)信息系統(tǒng)（LAIS）在全路投入使用，調(diào)小機(jī)車作業(yè)過程中產(chǎn)生的數(shù)據(jù)得到充分的挖掘，并且調(diào)車鉤數(shù)的合理分配對(duì)于調(diào)車作業(yè)計(jì)劃的高效實(shí)施有重要作用［2］。近年來隨著大數(shù)據(jù)技術(shù)的快速發(fā)展，其應(yīng)用覆蓋到諸多領(lǐng)域，我國(guó)許多學(xué)者也積極開展大數(shù)據(jù)技術(shù)在鐵路行業(yè)的應(yīng)用探索［3?5］，對(duì)于推動(dòng)大數(shù)據(jù)技術(shù)在鐵路領(lǐng)域的應(yīng)用具有重要價(jià)值。在鐵路新裝備、新技術(shù)不斷發(fā)展和數(shù)據(jù)量不斷增加的背景下，在考慮解體調(diào)車作業(yè)、編組調(diào)車作業(yè)、取送調(diào)車作業(yè)、摘掛調(diào)車作業(yè)和其他調(diào)車作業(yè)因素［6?7］的基礎(chǔ)上，采用大數(shù)據(jù)技術(shù)和LAIS 相結(jié)合的方法，構(gòu)建了調(diào)小機(jī)車生產(chǎn)狀態(tài)智能感知與輔助決策系統(tǒng)，實(shí)時(shí)獲取調(diào)車作業(yè)數(shù)據(jù)，結(jié)合調(diào)車鉤計(jì)劃對(duì)作業(yè)質(zhì)量進(jìn)行分析，再通過將分析結(jié)果可視化，為輔助調(diào)度人員對(duì)調(diào)小機(jī)車作業(yè)做出決策提供有力支撐，提高調(diào)小機(jī)車的作業(yè)效率。

1 調(diào)小機(jī)車運(yùn)用現(xiàn)狀分析

在傳統(tǒng)的調(diào)小機(jī)車作業(yè)過程中，作業(yè)實(shí)施方式以車站為單位，調(diào)度人員散布在各個(gè)車站進(jìn)行調(diào)車作業(yè)，車務(wù)段不參與班計(jì)劃的編制，調(diào)度所的日班計(jì)劃直接發(fā)給車站，計(jì)劃兌現(xiàn)全部依靠中間站獨(dú)立完成［8］。

在面對(duì)流程復(fù)雜、地點(diǎn)分散、運(yùn)行狀態(tài)需要多次人工確認(rèn)等問題時(shí)，調(diào)度人員很難動(dòng)態(tài)掌握所有車站的調(diào)車作業(yè)情況，需要進(jìn)行大量的現(xiàn)場(chǎng)確認(rèn)，造成時(shí)間和人力的大量消耗，且由于靠人工經(jīng)驗(yàn)和少量計(jì)算評(píng)估，所獲取調(diào)車作業(yè)時(shí)間評(píng)估值波動(dòng)性大，指導(dǎo)性、參考性較弱，個(gè)人主觀性強(qiáng)，缺乏統(tǒng)一的解讀標(biāo)準(zhǔn)，容易產(chǎn)生不同的解讀［9］。同時(shí)，調(diào)小機(jī)車作業(yè)過程中，缺乏有效監(jiān)督，使車站調(diào)度人員不能準(zhǔn)確及時(shí)掌握裝卸作業(yè)進(jìn)度，造成調(diào)車機(jī)車等裝、等卸或調(diào)車作業(yè)計(jì)劃編制不合理，浪費(fèi)機(jī)車能力，加大作業(yè)量。

針對(duì)上述問題，結(jié)合實(shí)際調(diào)小機(jī)車生產(chǎn)作業(yè)需求，主要開展以下工作：

（1）收集調(diào)小機(jī)車生產(chǎn)作業(yè)數(shù)據(jù)，包括機(jī)車動(dòng)態(tài)、車站系統(tǒng)、列車運(yùn)行圖、確報(bào)等系統(tǒng)數(shù)據(jù)，也包括LAIS 等系統(tǒng)傳來的相關(guān)數(shù)據(jù)，數(shù)據(jù)量龐大。采用Kafka 消息隊(duì)列進(jìn)行數(shù)據(jù)傳輸，利用大數(shù)據(jù)技術(shù)Hadoop、Spark 等進(jìn)行相關(guān)的數(shù)據(jù)處理，將海量數(shù)據(jù)在短時(shí)間內(nèi)處理完成，減少數(shù)據(jù)展示延遲，實(shí)現(xiàn)對(duì)數(shù)據(jù)的及時(shí)分析和對(duì)調(diào)小機(jī)車生產(chǎn)狀態(tài)的智能感知。

（2）在系統(tǒng)中設(shè)計(jì)機(jī)車動(dòng)態(tài)分布、鉤計(jì)劃作業(yè)效率分析、作業(yè)質(zhì)量分析、機(jī)車效率分析及輔助決策等功能模塊，使作業(yè)人員準(zhǔn)確及時(shí)地了解調(diào)小機(jī)車生產(chǎn)作業(yè)情況，為調(diào)度提供輔助決策，幫助作業(yè)人員減少工作量，提高機(jī)車運(yùn)用效率，達(dá)到樣本增效的目標(biāo)。

2 系統(tǒng)總體方案設(shè)計(jì)

該系統(tǒng)主要由感知層、存儲(chǔ)層、服務(wù)層、網(wǎng)關(guān)和前端組成，其架構(gòu)見圖1。感知層主要實(shí)現(xiàn)車站、列車運(yùn)行圖、確報(bào)與LAIS 等系統(tǒng)數(shù)據(jù)的接入和解析。存儲(chǔ)層實(shí)現(xiàn)數(shù)據(jù)的持久化，包括格式化數(shù)據(jù)庫存儲(chǔ)、Redis 實(shí)時(shí)數(shù)據(jù)緩存存儲(chǔ)、分布式日志存儲(chǔ)。在服務(wù)層，實(shí)現(xiàn)系統(tǒng)的基礎(chǔ)平臺(tái)，實(shí)時(shí)處理通過Kafka 接收LAIS 傳來的車載數(shù)據(jù)，包括列車運(yùn)行位置、車次、正晚點(diǎn)情況和車速等。根據(jù)列車運(yùn)行狀態(tài)信息數(shù)據(jù)量大的情況，采用大數(shù)據(jù)技術(shù)進(jìn)行數(shù)據(jù)處理；并采用微服務(wù)架構(gòu)，為應(yīng)用提供數(shù)據(jù)分析和加工服務(wù)。網(wǎng)關(guān)層提供服務(wù)集成和權(quán)限認(rèn)證，確保系統(tǒng)使用安全。在前端，通過地理信息系統(tǒng)（GIS）和可視化庫Echarts 對(duì)數(shù)據(jù)分析后的結(jié)果進(jìn)行展示，實(shí)現(xiàn)對(duì)調(diào)車的重點(diǎn)盯控、調(diào)機(jī)狀態(tài)查詢、機(jī)車分布查詢和作業(yè)質(zhì)量分析等功能，便于操作人員掌握全局調(diào)車作業(yè)情況。

圖1 系統(tǒng)架構(gòu)示意圖

3 基于大數(shù)據(jù)技術(shù)的數(shù)據(jù)處理方案

3.1 數(shù)據(jù)獲取

該系統(tǒng)所用數(shù)據(jù)主要來源于4個(gè)系統(tǒng)：LAIS、車站系統(tǒng)、列車運(yùn)行圖系統(tǒng)、確報(bào)系統(tǒng)。

（1）LAIS 是鐵路行車安全監(jiān)控系統(tǒng)的重要組成部分，該系統(tǒng)實(shí)現(xiàn)機(jī)車運(yùn)行安全狀態(tài)信息的自動(dòng)采集，機(jī)車信息和地面信息的雙向互動(dòng)傳輸，機(jī)車運(yùn)行實(shí)時(shí)信息與地面線路、設(shè)備檔案及其他相關(guān)信息的動(dòng)態(tài)融合。系統(tǒng)從LAIS 獲取機(jī)車實(shí)時(shí)運(yùn)行狀態(tài)信息數(shù)據(jù)，包括機(jī)車運(yùn)行位置、速度、信號(hào)燈狀態(tài)，利用這些數(shù)據(jù)進(jìn)行機(jī)車位置感知和運(yùn)行狀態(tài)感知。

（2）車站系統(tǒng)是運(yùn)輸生產(chǎn)和調(diào)度指揮的作業(yè)執(zhí)行系統(tǒng)，該系統(tǒng)實(shí)現(xiàn)了調(diào)車作業(yè)鉤計(jì)劃編制和執(zhí)行管理。系統(tǒng)將從車站綜合管理系統(tǒng)中獲取鉤計(jì)劃信息，包括機(jī)車型號(hào)、甩掛類型和車輛型號(hào)，并進(jìn)行鉤計(jì)劃效率分析。

（3）列車運(yùn)行圖系統(tǒng)是調(diào)度按計(jì)劃安排列車運(yùn)行計(jì)劃和列車運(yùn)行時(shí)刻，并提供列車運(yùn)行軌跡記錄的系統(tǒng)，系統(tǒng)提供包括單機(jī)、小運(yùn)轉(zhuǎn)在內(nèi)的列車運(yùn)行軌跡和列車關(guān)聯(lián)信息的綜合查詢。并從列車運(yùn)行圖系統(tǒng)中獲取小運(yùn)轉(zhuǎn)列車、路用列車和單機(jī)的基礎(chǔ)數(shù)據(jù)和運(yùn)行軌跡數(shù)據(jù)。

（4）確報(bào)系統(tǒng)提供開行列車編組傳遞的管理。從確報(bào)系統(tǒng)獲取列車編組信息，包括列車編組站、列車解體站、列車機(jī)車狀態(tài)等信息，作為機(jī)車作業(yè)質(zhì)量分析的數(shù)據(jù)來源。

3.2 大數(shù)據(jù)處理方案

該系統(tǒng)引入大數(shù)據(jù)多分布流式處理技術(shù)Hadoop、Spark 等。Hadoop 大數(shù)據(jù)分析平臺(tái)基于分布式計(jì)算對(duì)海量數(shù)據(jù)進(jìn)行分析和處理，因其性能穩(wěn)定計(jì)算速度快，已應(yīng)用在各個(gè)領(lǐng)域［10］。該系統(tǒng)首先從車站、列車運(yùn)行圖、確報(bào)系統(tǒng)和LAIS 系統(tǒng)中抽取列車運(yùn)行狀態(tài)的海量生產(chǎn)數(shù)據(jù)，利用Kafka 消息隊(duì)列將數(shù)據(jù)導(dǎo)入Hadoop 平臺(tái)，數(shù)據(jù)信息包含調(diào)小機(jī)車的生產(chǎn)作業(yè)軌跡、運(yùn)行速度、生產(chǎn)時(shí)間、等信號(hào)時(shí)間、非生產(chǎn)時(shí)間、吃交整時(shí)間和鉤計(jì)劃等，經(jīng)處理后按照不同的數(shù)據(jù)類型將數(shù)據(jù)存入數(shù)據(jù)庫。對(duì)機(jī)車基本信息、股道信息、主要站信息等直接存入數(shù)據(jù)庫。Spark 是一個(gè)基于分布式的計(jì)算引擎，可交互式搜索、優(yōu)化迭代作業(yè)，適用于海量數(shù)據(jù)快速通用處理場(chǎng)景［11］。對(duì)于調(diào)小機(jī)車而言，使用Spark 分布式計(jì)算技術(shù)來實(shí)現(xiàn)調(diào)小機(jī)車的實(shí)時(shí)效率追蹤分析，挖掘隱藏在數(shù)據(jù)中的調(diào)小機(jī)車作業(yè)變化趨勢(shì)，并通過可視化技術(shù)將抽象的數(shù)據(jù)及其分析和統(tǒng)計(jì)結(jié)果進(jìn)行圖形化顯示，為調(diào)度指揮決策評(píng)估提供最直接的方案調(diào)整依據(jù)。調(diào)小機(jī)車生產(chǎn)狀態(tài)數(shù)據(jù)處理流程見圖2。

圖2 調(diào)小機(jī)車生產(chǎn)狀態(tài)數(shù)據(jù)處理流程

4 系統(tǒng)功能設(shè)計(jì)

調(diào)小機(jī)車生產(chǎn)狀態(tài)實(shí)時(shí)感知與輔助決策系統(tǒng)將調(diào)度生產(chǎn)作業(yè)過程中的離散信息整合在一起，并根據(jù)業(yè)務(wù)需求實(shí)現(xiàn)機(jī)車動(dòng)態(tài)分布、鉤計(jì)劃作業(yè)效率分析、作業(yè)質(zhì)量分析、機(jī)車效率分析及輔助決策等功能，通過數(shù)據(jù)共享、輔助決策使操作人員掌握全局調(diào)車作業(yè)的局部及整體情況，可更好地對(duì)調(diào)小機(jī)車進(jìn)行作業(yè)管理，為運(yùn)輸調(diào)度提供指揮。

4.1 機(jī)車動(dòng)態(tài)分布

根據(jù)LAIS 數(shù)據(jù)，通過大數(shù)據(jù)處理方案對(duì)機(jī)車數(shù)據(jù)進(jìn)行計(jì)算，可以精準(zhǔn)掌握每臺(tái)調(diào)車機(jī)車的當(dāng)前位置、速度、信號(hào)燈狀態(tài)、工況等信息，提供機(jī)車基本狀態(tài)的實(shí)時(shí)感知。結(jié)合GIS地圖，從不同方面、多維度以圖形化的形式展示，更加簡(jiǎn)單明了全面地掌握機(jī)車當(dāng)前信息以及歷史記錄，能夠?qū)C(jī)車工況、機(jī)車速度以及停留時(shí)間等信息進(jìn)行預(yù)警提示，對(duì)速度為0的進(jìn)行原因分析。按工況不同，顯示機(jī)車顏色不同：紅色表示速度為0，沒有鉤計(jì)劃；黃色表示速度為0，有鉤計(jì)劃；綠色表示速度不為0。

4.2 鉤計(jì)劃作業(yè)效率分析

針對(duì)龐大的調(diào)車機(jī)車工作數(shù)據(jù)，采用大數(shù)據(jù)算法進(jìn)行處理，根據(jù)算法得到關(guān)鍵數(shù)據(jù)指標(biāo)：最低速度、最高速度、平均速度、生產(chǎn)時(shí)間、非生產(chǎn)時(shí)間；動(dòng)態(tài)關(guān)聯(lián)鉤計(jì)劃，實(shí)時(shí)分析鉤計(jì)劃執(zhí)行進(jìn)度情況，實(shí)時(shí)更新每臺(tái)調(diào)車機(jī)車的作業(yè)效率圖表，直觀地對(duì)每臺(tái)調(diào)小機(jī)車的作業(yè)效率信息進(jìn)行動(dòng)態(tài)展示，提供機(jī)車作業(yè)效率的及時(shí)感知。

4.3 作業(yè)質(zhì)量分析

基于鉤計(jì)劃作業(yè)效率分析的詳細(xì)數(shù)據(jù)，統(tǒng)計(jì)每臺(tái)調(diào)車機(jī)車階段時(shí)間內(nèi)的總鉤數(shù)、實(shí)際鉤分、計(jì)劃鉤分等關(guān)鍵指標(biāo)，結(jié)合列車、編組、待卸、待裝、機(jī)車數(shù)量，信號(hào)、施工、維修等數(shù)據(jù)，按階段統(tǒng)計(jì)機(jī)車的速度、生產(chǎn)時(shí)間、非生產(chǎn)時(shí)間、總鉤數(shù)、鉤分、車輛數(shù)量等數(shù)據(jù)，并根據(jù)不同數(shù)據(jù)指標(biāo)維度進(jìn)行作業(yè)質(zhì)量分析，形成不同管理單位的排名分析結(jié)果。

4.4 機(jī)車效率分析及輔助決策

根據(jù)調(diào)車機(jī)車的工作數(shù)據(jù)，為每臺(tái)調(diào)車機(jī)車生成作業(yè)效率圖表，能夠?qū)γ颗_(tái)調(diào)車機(jī)車在車站作業(yè)時(shí)長(zhǎng)、速度、速度占比、工況、運(yùn)行軌跡等不同維度的數(shù)據(jù)進(jìn)行全方面的機(jī)車效率分析。所有調(diào)車機(jī)車按照不同維度的數(shù)據(jù)可進(jìn)行排名，以及每臺(tái)調(diào)車機(jī)車可通過生成同比、環(huán)比等數(shù)據(jù)進(jìn)行對(duì)比。將不同調(diào)車機(jī)車的效率數(shù)據(jù)、同一調(diào)車機(jī)車不同時(shí)間的效率數(shù)據(jù)進(jìn)行排名分析，可為機(jī)車調(diào)度提供輔助決策。

機(jī)車工作時(shí)間、非工作時(shí)間、鉤計(jì)劃等數(shù)據(jù)是評(píng)估機(jī)車效率的重要指標(biāo)，為根據(jù)機(jī)車效率得到合理的機(jī)車優(yōu)化輔助決策方案，該系統(tǒng)選取1個(gè)月作為時(shí)間周期。因機(jī)車工作一班的時(shí)間為12 h，所以如果機(jī)車在一班中工作時(shí)間遠(yuǎn)低于12 h，可標(biāo)記為效率低下的機(jī)車；如果符合條件，效率低下的機(jī)車標(biāo)記為被優(yōu)化的機(jī)車。具體優(yōu)化算法如下：

基于大量調(diào)車機(jī)車效率數(shù)據(jù)，通過算法進(jìn)行調(diào)車機(jī)車數(shù)量?jī)?yōu)化，以車站為最小單位進(jìn)行分析，時(shí)間周期為1個(gè)月，判斷是否可以進(jìn)行調(diào)車機(jī)車數(shù)量?jī)?yōu)化，步驟如下：

步驟1：選取調(diào)別大于1的車站，構(gòu)成車站集合E；

步驟2：遍歷選取車站集合E，對(duì)站內(nèi)每個(gè)調(diào)別的每臺(tái)機(jī)車按生產(chǎn)時(shí)間長(zhǎng)短進(jìn)行升序排序；

步驟3：按生產(chǎn)時(shí)間長(zhǎng)短排序后，對(duì)生產(chǎn)時(shí)間進(jìn)行累加，如果累加結(jié)果小于12 h 則繼續(xù)累加，并記錄累加機(jī)車集合J，大于12 h則不加并結(jié)束步驟3；

步驟4：機(jī)車集合J大于2，則標(biāo)記該車站可以進(jìn)行調(diào)車機(jī)車數(shù)量?jī)?yōu)化，返回步驟2繼續(xù)循環(huán)操作，直至遍歷完車站集合E。

車站集合E為存在效率低下且符合被優(yōu)化條件的機(jī)車，將該集合信息提供給相關(guān)作業(yè)人員，可輔助其進(jìn)行調(diào)配調(diào)車機(jī)車的決策，提高調(diào)車機(jī)車生產(chǎn)效率。

5 系統(tǒng)應(yīng)用

系統(tǒng)部分功能已經(jīng)在中國(guó)鐵路北京局集團(tuán)有限公司（簡(jiǎn)稱北京局集團(tuán)公司）的34 個(gè)重點(diǎn)車站應(yīng)用，通過對(duì)調(diào)小機(jī)車進(jìn)行狀態(tài)的實(shí)時(shí)智能感知、效率分析及信息可視化，為北京局集團(tuán)公司運(yùn)輸部、調(diào)度所以及機(jī)務(wù)部對(duì)機(jī)車運(yùn)力資源的調(diào)配提供輔助決策，更加高效地實(shí)現(xiàn)安排調(diào)小機(jī)車的作業(yè)組織。北京局集團(tuán)公司減少了4 臺(tái)機(jī)車，優(yōu)化了司機(jī)人數(shù)，減少了燃料消耗，達(dá)到了鐵路調(diào)車作業(yè)過程降本增效的目的。通過該系統(tǒng)的輔助決策功能，不僅縮短了操作人員進(jìn)行調(diào)小機(jī)車作業(yè)安排的時(shí)間，降低了調(diào)度人員的勞動(dòng)強(qiáng)度，提高了調(diào)車作業(yè)效率，也減少了機(jī)車設(shè)備和人力資源的浪費(fèi)。

6 結(jié)束語

隨著調(diào)小機(jī)車作業(yè)需求急速增加，傳統(tǒng)的調(diào)車作業(yè)監(jiān)控和質(zhì)量分析方式將耗費(fèi)大量人力，在數(shù)據(jù)不全、部門溝通不足等情況下，會(huì)導(dǎo)致調(diào)車機(jī)車資源利用不足及能力浪費(fèi)情況掌握不準(zhǔn)確，進(jìn)而產(chǎn)生調(diào)車作業(yè)效率持續(xù)低下等情況。因此，調(diào)車作業(yè)信息化模式須推廣應(yīng)用?；贚AIS 的調(diào)小機(jī)車生產(chǎn)狀態(tài)智能感知與輔助決策系統(tǒng)的建設(shè)可較好地解決該問題，未來隨著機(jī)車運(yùn)行狀態(tài)數(shù)據(jù)、毛玻璃、鉤計(jì)劃等數(shù)據(jù)源質(zhì)量的提高和線路設(shè)備基礎(chǔ)數(shù)據(jù)的統(tǒng)一規(guī)范，將逐步提升調(diào)小機(jī)車生產(chǎn)狀態(tài)實(shí)時(shí)感知與輔助決策結(jié)果的準(zhǔn)確性，推動(dòng)調(diào)車作業(yè)組織安排模式走向數(shù)字化、智能化，進(jìn)一步提升鐵路調(diào)車作業(yè)的高效性。