城市轨道交通调度员安全作业行为可靠度研究

张光远，胡 晋，杜静霜，丁小东，何必胜

（1.西南交通大学 交通运输与物流学院，四川 成都 610031；2.西南交通大学 综合交通运输智能化国家地方联合工程实验室，四川 成都 610031；3. 中国铁道科学研究院集团有限公司 运输及经济研究所，北京 100081）

调度员在城市轨道交通运输中具有重要作用[1-2]，通常调度员一次连续工作时间长达12 h，考虑到交接班会，工作时间会进一步增加，容易在工作中处于疲劳状态。由于调度员在工作疲劳状态下无法及时对突发情况做出反应，而且下达的调度命令无法保证准确度，因而会降低轨道交通的运输效率[3-5]，甚至造成生命财产损失。为保证和提高城市轨道交通运输的安全及效率，必须保障调度员的工作效率。因此，通过构建多维度调度员行为能力特征因子与调度区段行车系统特征因子的安全可靠度模型，分析基于调度作业行为的调度区段行车系统能力特征因子时段演变规律，合理规划调度员工作方式。

1 城市轨道交通调度员安全作业行为影响因素分析

城市轨道交通调度员行为直接影响着行车安全及相关任务的完成，调度员安全作业行为受调度员个人因素及行车系统外部因素共同影响，因此，轨道交通调度员安全作业行为影响因素可以分为调度员作业行为能力特征与行车系统能力特征2大类。

1.1 调度员安全作业行为可靠度影响因素

（1）调度员作业行为特征。调度员作业能力特征主要按照是否专业性进行分类，可以分为非专业因素、专业因素以及其他因素。其中，非专业因素包括性格、工作态度、记忆力、语言表达能力、非常情况处理能力、机敏度；专业因素包括规章制度掌握程度、专业知识理解能力[6-8]；其他因素如调度员的工龄、年龄、身体健康状况、心理状态共同决定着调度员作业行为能力。

（2）行车系统能力特征。行车系统能力特征可以分为确定性因素、随机性因素以及其他因素。确定性因素包括最小行车间隔、高峰上线列数、准点率、兑现率、加开临客数、交路选择；随机性因素包括晚点列车数、故障列车数、线路特性；其他因素为调度设备的智能化。

1.2 调度员安全作业行为可靠度关键影响因子提取

1.2.1 调度员安全作业行为能力关键影响因子提取

影响调度员作业行为能力特征及行车系统能力特征的因素众多，通过这些因素提取出能够有效反映不同能力特征的关键因子，从而对调度员安全行为进行研究。引入层次分析法对提到的因子通过影响权重进行筛选排序，提取出最具代表性的、影响效果最大的因子作为调度员作业行为能力特征和行车系统能力特征的影响因子。

在建立调度员作业行为能力特征影响因素结构模型时，目标层为调度员作业行为能力特征影响因子，准则层包括非专业因素、专业因素、其他因素，指标层选取与非专业因素、专业因素、其他因素相对应的指标。调度员作业行为能力特征影响因素结构模型如图1所示。

图1 调度员作业行为能力特征影响因素结构模型Fig.1 Structural model of factors influencing the operational behavior ability of dispatchers

利用计算出的准则层和指标层各结果，加权得出总权重。调度员作业行为能力特征影响因素权重如表1所示。

由表1可见，选取总权重最高的前3项作为影响调度员作业行为能力特征的典型因素，分别为心理状态、工龄和非常情况处理能力。

1.2.2 调度区段行车系统能力关键影响因子提取

同理，调度区段行车系统能力特征因子的层次结构模型如图2所示。

利用计算出调度区段行车系统能力特征因子的准则层和指标层各结果，加权得出总权重。调度区段行车系统能力特征影响因素权重如表2所示。

由表2可见，选取总权重最高的前3项作为影响调度区段行车系统能力特征的典型因素，分别为最小行车间隔、调度设备智能化和晚点列车数。

表1 调度员作业行为能力特征影响因素权重Tab.1 Weight of dispatcher’s operational behavior ability characteristics influencing factors

图2 调度区段行车系统能力特征因子的层次结构模型Fig.2 Hierarchical model of the characteristic factors of dispatching segment traffic system ability

2 城市轨道交通调度员安全作业行为可靠度研究

利用总权重最高的6项影响城市轨道交通调度员安全作业行为特征的指标，作为判断调度员作业行为可靠度的影响因子。通过BP神经网络对6项影响因子及相互间的关系进行训练，得出判断轨道交通调度员作业行为可靠度模型。基于该模型对轨道交通调度员在不同条件下的可靠度进行分析，进而合理规划调度员的工作方式。

表2 调度区段行车系统能力特征影响因素权重Tab. 2 Weight of dispatching segment traffic system capability characteristics factors

2.1 建立调度员安全作业行为可靠度等级BP神经网络

BP神经网络作为人工神经网络技术之一，具有结构简单、学习能力强等特点。BP神经网络通过BP算法对各层间的权系数进行修正，指导网络学习，实现预测、评价等功能。对于BP神经网络，可以用单隐含层逼近任何闭区间的连续函数。因此，利用隐含层为一层的BP神经网络即可完成任意的s维到t维的映射h。

调度员安全作业行为可靠度BP网络模型如图3所示。

输入层神经元编号对应表如表3所示，隐含层节点传递函数选用tansig函数，输出层节点转移函数选用purelin函数。建立的神经网络模型的输出是调度员各项因子的程度，因此而输出层的维数为一维。根据调度员操作的失误及失误所造成的影响，可以将调度员可靠度分为5个等级，即不可靠、较不可靠、一般可靠、较为可靠和非常可靠，分别对应的数字输出是1，2，3，4，5。综上，建立调度员疲劳等级BP神经网络的输入层神经元个数是6个，输出层的神经元个数是1个。隐层神经元数为8个[9]。

为了论述的清晰，我们按照受调查人员是否作为交际一方参与了自然发生的真实交际，将语用学研究中常用的语料收集方法分为“自然语料”和“引发式语料”两大类：自然语料来自于受调查人员作为交际一方参与其中的言语交际行为，受真实交际意愿的驱动；引发式语料是指研究对象并没有参与到真实的言语交际中，而是受研究工具的诱发和引导，从记忆中搜寻有关语言使用的信息，并报告出来，表演出来，或写出来，受研究人员的研究目的驱动。

2.2 训练及验证调度员安全作业行为可靠度等级BP神经网络

通过对某市城市轨道交通运行控制中心的实地调研，连续跟班，选取4个不同班组共80名调度员为研究对象，其中以40名上岗调度员数据样本用以训练BP神经网络模型对地铁运营阶段调度员白班做分析，将城市轨道交通运营时间8 : 00—20 : 00以1 h为单位将其划分为12个时间区段，分别计算出对应时间区段下的调度员作业行为可靠度。

图3 调度员安全作业行为可靠度BP网络模型Fig.3 BP network model of dispatcher operation behavior matching reliability

表3 输入层神经元编号对应表Tab.3 Input layer neuron number corresponding table

利用训练完成的神经网络对另一运行控制中心的其他60名调度员的可靠度进行验证。10人一组进行编号，分别为A，B，C，D，E，F组。每编号数值即为10名调度员相关数值的平均值。调度员安全作业行为可靠度模拟与真实值如表4所示，调度员安全作业行为可靠度仿真图如图4所示。

表4 调度员安全作业行为可靠度模拟与真实值Tab.4 Simulated value versus real value of dispatcher matching reliability

图4 调度员安全作业行为可靠度仿真图Fig.4 Dispatcher’s operational behavior matching reliability simulation diagram

以A，B，C组为对象，A，B，C组仿真与真实可靠度随时间的变化如图5所示。

A，B，C组最小行车间隔如图6所示；A，B，C组最小行车间隔对应断面能力如图7所示。

结合表4，可以得出所建立的调度员安全作业行为可靠度模型仿真数值与真实值基本相似，可以反应出调度员可靠度随时间变化的趋势；在第1，2，6，11时间区段，即8 : 00—9 : 00，9 : 00—10 : 00，13 : 00—14 : 00，18 : 00—19 : 00期间，调度员安全作业行为可靠度较低；仿真数值较真实值略大，但误差均在1.0以内，影响可以忽略。

图5 A，B，C组仿真与真实可靠度随时间的变化Fig.5 A, B, C group simulation and real matching reliability changes

图6 A，B，C组最小行车间隔Fig.6 Minimum headway for groups A, B, and C

结合表4及可靠度较低情况的说明，管理者可以对第1、第2、第6、第11时间区段内调度员的作业加强监督，以提高调度员作业行为可靠度。

图7 A，B，C组最小行车间隔对应断面能力Fig.7 A, B, C group minimum headway corresponding section ability

3 结论

基于城市轨道交通调度员工作任务，利用层次分析法对影响因素进行筛选，提取出权重较高的6项指标，并建立调度员作业行为可靠度BP神经网络。

由实证分析1号线6名调度员白班下各时段的行为可靠度可知，调度员在第1、第2、第6、第11时间区段下，即8 : 00—9 : 00，9 : 00—10 : 00，13 : 00—14 : 00，18 : 00—19 : 00时间段期间，作业行为可靠度较其他时间段略低。通过现场了解，8 : 00—10 : 00期间，调度员在白班开始阶段，由于交换班以及客流高峰的影响，相关任务较为繁忙，突发情况较多，可靠度较低。在13 : 00—14 : 00期间，任务没有高峰期间繁忙，但恰属正常作息下的午休时间，调度员会产生疲劳，故该时段可靠度较低主要是由疲劳所造成的。18 : 00—19 : 00期间，由于晚高峰达到最高值，故可靠度下降。

因此，受较大断面能力及较小行车间隔影响，时段演变特征下调度员行为可靠度基本特征是早高峰期间较低，可靠度2级，即较不可靠。早高峰结束后，由于在线列车数的减少，调度员任务下降，可靠度升高，13 : 00左右，调度员由于疲劳，可靠度下降。从15 : 00开始至17 : 00，在线列车数较高峰时段小，可靠度回升。17 : 00开始晚高峰，任务繁忙，可靠度下降，至2级，即较不可靠。但是，由于客流没有早高峰集中，任务较早高峰略低，可靠度也较早高峰略高。

针对城市轨道交通调度员各时段下的作业行为可靠度进行研究，发现在早、晚高峰及午间，调度员作业行为可靠度较低，管理人员需要重点监督或调整在作业行为可靠度较低时段下调度员的工作及其他相关设施设备的运行情况，以提高轨道交通运营的安全高效。