南京城市照明管理的大数据分析

2019-09-26王鹏展

照明工程学报 2019年4期

臧锋，王鹏展

(南京市路灯管理处，江苏南京 210013)

引言

随着大数据、云计算等技术的不断演进，信息化以及智慧城市建设已经上升为国家战略[1]。在此背景下，城市照明行业也应跟随时代潮流，通过新技术手段解决目前设施量剧增、运维要求提高与有限的资源投入之间的矛盾。在具有信息化、数据模型的条件下，我们可以通过一个合理的样板空间来将大数据的先进方法植入城市照明行业管理体系。

南京城市照明现行的管理运维体系基本架构的主要特征包括：①组织架构上，由控制中心作为主导，承担“监督、指导、检查、考核”职能；各维护所基本为完整的基层单位配置；作业层为一般由3人组成的班组。②职责划分上，基本按照“包干”的方式从处到所，从所到组，实行管理指标与设施量的打包下派。③作业方式上，实行白班+晚班、巡修结合的作业方式，晚上处理应急和常规线路故障，白天完成复杂作业[2]。

我们以南京城市照明为样本空间，同时只将标准样表列入考察范围，非标、非常态、偶发等不具备普适意义的样本不在分析之列。该样本空间共包括：约13万盏照明设施，4个维护所(工区)，17个一线作业班组，67名作业人员，33名管理人员，5个月的数据采集周期，涉及13313条原始数据、6641项提炼数据，共修灯10973盏，同时涉及线路故障修复、设施安全整改、地理信息普查等相关工作；还承接了2850杆设施建设工程作业。在本文中，我们以南京城市照明为例，为城市照明大数据管理进行分析。

1 南京城市照明的大数据分析

目前与城市照明运维管养直接相关的关键指标主要有9个项目[3]，一层指标为6个，主要为各班组实际工作成果；二层指标为3个，反映作业效能问题。

1.1 一层指标大数据分析

1.1.1 指标一：修灯数量分析

(1)数据表现。

①全市修灯总量：对17个维护班组(不含亮化，以下均不含)2018年10月10日—2019年2月28日期间修灯状况进行统计，共计修灯10 973盏。

②班组平均修灯数量：116盏/班组 /月(按5个月统计)，或6.65盏/班组/天(按统计期间共有97个工作日计算)，如图1所示。

③各班组修灯量分布区间：在此期间，月均修灯量最高班组为：未来城市班组一，达到179盏/月，超过平均线54.31%；月均修灯量最低班组为：城东班组三，低至65盏/月，低于平均线43.97%。

总体情况为：高于平均线以上班组9个，低于平均线以下班组8个。

图1 各班组月均修灯数量分析

④各所月均修灯总量情况：在此期间，城北所以月均修灯602盏位居第一，如图2所示。

⑤各所月均灯修灯数量变化情况：从时间轴来看，各所修灯数量总体一致的呈现先降、后升、再降的波动趋势，如表1和图3所示。

图2 各维护所月均修灯数量分析

表1 各维护所月度修灯数量统计表

图3 维护所各月修灯数量趋势分析

(2)数据分析。

①班组修灯量差异化：班组平均6.65盏/班组/天的修灯量，可作为南京路灯现有晚班作业时间分布下班组巡修模式的标准定额。在对比分析修灯量排名末位三个包干区设施状况后，我们发现这三个班组理论判断需要达到的修灯数量不应为末位TOP3。相应调控措施为：开展该片区实际亮灯率100%检查，若亮灯率符合要求，则认为投入过剩(3.46盏/班组/天)；若不符合要求，则按照常规亮灯率考核规则处理。

②各所之间修灯差异化：对比各所设施量情况，修灯数量的排名与设施量的排名一致，修灯量与辖区设施量匹配较好，情况正常。这说明修灯数量随设施量这一主要因素变化，没有出现方向性偏差。

③各月份之间修灯差异化：不同月份修灯差异化主要是由于：一是工程建设/节能改造对维护所巡修灯数量的影响，主要体现在12月，节能改造集中了各班组协同作战，夜间施工，一定程度上占用了原用于修灯的工作时间，造成修灯数量下降；而1月工程量相对较小，修灯数量则达到波峰。二是节假日对维护所巡修灯数量的影响，主要体现在2月修灯数量降低。因此，该图表与实际工作相符。因此，修灯量的调控应考虑白班作业量、节假日等综合因素影响，达到班组工作量与修灯及其他工作量的匹配。当然，单一的修灯数量还只是表层数据，下面我们由浅入深继续解读信息时代指标体系。

1.1.2 指标二：亮灯率分析

(1)数据表现。该样本空间的亮灯率数据中，只有奥南部分是信息系统生成的，其他仍是当前巡修模式下的抽样检查结果，具体表现如下：①各班组亮灯率数值普遍较高且差距甚微，最低99.38%，最高99.89%；②各班组亮灯率高于江苏省内亮灯率最高标准的1.3%～1.9%；③各所对应班组亮灯率阶层呈连续状态，城南、奥南、城北依次提高；④亮灯率最高或最低班组，与修灯数量、巡修灯效率最高或最低班组不符。

(2)数据分析。以上数据表明，各所对亮灯率评判标准不一，数据不准确，有一定的主观因素。经分析，现有亮灯率以抽查为主，其准确性受到影响。这也引发了我们关于两种路径下亮灯率的可靠性，以及亮灯率的高低限控制和资源投入经济性、合理性的思考。

1.1.3 指标三：设施分布状况分析

(1)数据表现。

如表2、图4、图5所示，设施状况分布系数以光源类型和投运时间两个维度进行复合设置，各维护所之间存在差异：奥南所的LED功能照明占比最高，城北、城东所占比较低；奥南所5年以下设施占比最高，其他各所占比较低。由此看来，奥南所的设施状况是最好的。细分到班组这一层级，各班组之间设施状况也存在较大差异，设奥南班组二设施最好(系数为1.66)，城东班组二设施最差(系数为2.58)。

表2 各维护所设施状况分析表

图4 各维护所设施光源类型分布情况分析图

图5 各维护所设施年代分布情况分析

(2)数据分析。在我们设定的数据模型下，奥南班组二辖区设施状况是最好的，因此我们分配给了该班组较高的设施量，达到1.45万盏功能灯，高达其他班组的2～3倍；而班组配置仍保持驾驶员1人、电工2人的标准配置。事实证明，该包干区亮灯率仍能够达到99%以上。这就是说，设施状态的好坏，决定了班组的承载量，也决定了低的后期投入成本。

经过分析发现，LED正常寿命周期内，维修率仅为钠灯的百分之五甚至更低，接近免维护状态。那么，对于设施老旧、状态较差的片区，则可以用LED节能改造的方式，大幅度地解放设施运维人机资源，有效提高各所、各班组设施状况，增加设施量承载能力。当然，这需要基于信息平台、基于物联网思维、基于现代化的城市照明管理体系作为支撑。

1.1.4 指标四：修灯材料消耗分析

(1)数据表现。钠灯灯泡、镇流器、触发器确属于维护作业三大耗材，其中钠灯灯泡占比高达67%，视为第一要素，如图6所示。

图6 各类日常运维材料消耗占比分析

(2)数据分析。

①根据图7发现，各班组月均钠泡消耗数量排名与走向趋势，与各班组月均钠泡总耗材占比一致，钠泡已成为日常修灯的主要耗材；同时，各班组月均钠泡消耗数量排名与走向趋势，亦与各班组修灯数量排名趋势一致，说明钠灯灯泡修复效率已成为目前能够主导一线作业效能的关键因素，应重点控制钠灯灯泡消耗，采购时选择优质品牌延长使用寿命，作业后建立回收机制，防止钠泡的误消耗，都应成为关注重点。

图7 各班组月均钠灯灯泡消耗量分析

②根据材料消耗图形观测，更换护套线等特殊操作虽然难度系数大、耗时高，但占比微小，对整体一线投入影响小。应按照修灯作业主要消耗材料配比(灯泡数量、镇流器数量)测算平均单盏灯修复时间，并建立基于材料消耗表现的人、机投入数据分析，形成作业定额，进一步控制相关运维成本。

1.1.5 指标五：班组白班工作情况分析

班组白班工作情况如表3、图8所示。

(1)数据表现。

①白班作业类型：在对城南、奥南、城东各一个班组的统计中发现，目前白班共有24项主要工作，包括线路故障排查、箱变整改、工程建设、设施巡查等。但因工作日志未填写齐全，需要进一步完善数据准确性和丰富程度。

②各类作业占比情况：工程建设在各班组白班工作的占比，奥南班组二、城东班组二均达17%；线路故障排查，奥南班组二为22%；现场协助，城南班组四、城东班组二达25%以上。

③工程建设、现场协助、线路故障排查，为各维护班组白天主要工作，其他作业项呈离散、偶发性状态。

表3 部分班组白班工作量抽样统计

图8 班组白班工作量占比分析

(2)数据分析。班组白天修灯作业呈离散化状态，具有不规律性，不易进行质量控制。其原因主要为：一是与各所接受任务、分配任务的随机性现状相符；二是工作日志等信息化数据未填写完整，不能反映班组白天的实际工作内容；三是存在设施故障的多发性等问题。建设任务、设施故障的多发性、不确定性，需要用项目化的思维安排任务、主动整改，形成定额化、标准化的新作业模式。

1.1.6 指标六：晚班作业时间配比分析

如表4、图9所示，各维护所中，奥南所巡查时间占比最低，为57%；城东其次，为65%；城北、城南齐平，为77%。其中，城南所、城北所均有专人或兼职人员进行巡查，已纳入该两所总巡查时间占比。

表4 各班组晚班工作时间分配分析

图9 各班组晚班非巡查时间占比分析

通过17个班组的晚间有效修灯时间的横向对比，可归纳三种模式来分析其数据表现：

①采用半定修模式的奥南所三个班组，其修灯时间处于各所中位，跳闸处理时间位于各所高位，而巡查时间占比为各班组低位，晚间非巡查时间占比最高，充分说明了单灯监控体系对于提升运维效能具有较大优势。

②采用传统巡修模式的14个班组中，晚间有效修灯时间相对较低(图10)。修灯时间、巡查时间同处高位的是城南班组四，经分析该班组总的工作时间普遍超出了规定工作时间，即用时间投入来提高运维成果。而城南班组二、城南班组三、城北班组二由于晚间工作总时间最长，而修灯量相对不高，因此巡查时间占比较高。

图10 各维护所晚班作业时间占比分析

③采用巡、修分离方式的城东班组一，巡查时间占比处于低位，采用定点投放专人巡查、流水作业的方式提高效率，晚间有效修灯时间相对较高。

奥南班组“定修模式”、城东班组“巡修分离”，相对其他班组，行车速度较高，这也从侧面反映了两种模式的在作业效率方面的优势。

1.2 二层指标大数据分析

1.2.1 指标七：班组工作分配均衡性分析

如图11、图12所示，共有9个班组处于平均线以上、8个班组处于平均线以下，其中最低为城东班组三。从对全部17个班组的数据分析中可以看出，城南班组六修灯资源被利用情况为第一名，经查，该班组在维护所普遍评价较高，在样本空间采集期间，曾获得工人先锋号的荣誉。指标体系认为，对该班组的工作分配最为饱和，班组也充分发挥应有效益。这一方面说明传统的评价与新的信息化评价有异曲同工之处，但只能抓住极值表现，而不能全面精准分析。另一方面也充分论证了以上数据分析模型的科学性。

图11 各班组晚间行车速度分析

图12 对各班组修灯资源的利用情况分析图

②经数据抽样，位于修灯能力利用度末位第二的城南班组三，其工程建设承接量、节能改造项目承接量等均位于17个班组前列，则认为，该班组除修灯以外，综合能力利用度已处于高位。

新的评价体系为班组的使用和管理提供了体系化的依据，对于工作不饱和的班组，可通过扩大辖区范围、增加设施量、设施类型等进行调控。

1.2.2 指标八：班组修灯率合理性分析

第一种情况，设施状态好、修灯率高，经分析，暂未出现此种情况；暂未出现此种显著背离情况，否则将进行重点管控(图13)。

图13 各班组修灯率与设施状况匹配度分析

第二种情况，设施状态不好、修灯率不高，前两名分别为城北班组二、城北班组三，修灯率与设施状况偏差较大。

第三种情况，设施状态好、修灯率不高，奥南所班组二为此种情况，经查该包干区LED灯占比高达51.9%，为南京市区最高等级。这也验证了LED改造对降低运维投入具有本质影响。

第四种情情况，设施状态不好、修灯率高，前两名分别为城北班组五、城北班组六，该两班组在所内实际评价也较高。这也验证了数据分析与实际的一致性。

1.2.3 指标九：班组巡修灯效率分析

班组巡修灯工作效率如表5所示。

表5 各班组巡修灯工作效率分析

图14 各班组巡修灯工作效率分析图

在此数据模型下，班组巡修效率位列前四的分别为城东班组一、奥南班组二、奥南班组一、奥南班组三，均为巡修分离或单灯半定修模式班组；末位三名分别为城南班组三、城北班组三、城北班组二，则为传统巡修模式班组，如图14所示。

由于修灯效率与设施状况有关，因此，设施状态越好，则应避免高频次巡修；设施状态越差，则应调高巡修频次。

由此可见，巡修效率与单灯使用、设施状态等因素具有直接关系。

2 南京城市照明设施运维管理的创新

综合以上大数据分析，南京城市照明设施运维管理体系按照以下路径实施迭代升级与创新。

2.1 分级分步拓宽数据动态感知层的覆盖广度

目前的9大指标数据模型只是初步演示，还可以有更多的基于管理诉求的定制化创造，南京将做深做细分析模型，分级分步拓宽数据动态感知层的覆盖广度。

1)以单灯监控体系规模应用为主线，按时点完善“物的状态收集体系”。计划到2021年，根据试运行情况，将“单灯监控体系”逐步从奥南地区向城东片区、主城片区覆盖，建立全定修运维模式；并同步完成主城范围内“箱、杆、井”设施动态管理机制，为人的作业、管理行为的加载提供支撑。

2)以信息化平台数据丰富度的提升为主线，按时点完善形成“人的行为收集体系”。计划到2020年，完善形成兼容白班与晚班、建设与维护、管理层与作业层的，数据门类齐全、功能完备、动态调阅的“工作日志”信息体系。

2.2 建立智能化、标准化的大数据深度分析平台

将数据分析模型付诸于计算机，实现智能化管控，逐步向人工智能进阶。

1)编制形成一线作业标准项目清单，通过技能竞赛、行车记录、工作日志对比等，建立作业标准定额，由此实现从作业的相对控制向标准值控制的升级。

2)推进数据模型的合理化、全面化建设。计划用1年的样本时间，收集完善数据模型，经过深度学习和充分论证，形成固化格式，交付计算机进行人工智能分析，为最终的作业系统调控创造条件。

2.3 加快单灯覆盖和LED节能改造进度，动态调整维修力量匹配

(1)作业系统创新。

①推进“亮灯率”定修模式。建立一个信息平台、一个数据模型体系、一段时期的验证机制，以准确的视角、科学的依据对整个作业系统进行改变。即，以奥南地区为示范区，以已经实现的单灯体系的覆盖条件，建立全定修模式，率先进入智慧路灯时代观测期，进行弹性资源配置；而南京城市量级的设施管理，通过提升巡修效率的方式加以过渡，同时加快推进信息路灯向智慧路灯演进。

②推进“设施完好率”项目管理模式。按照项目管理体系，结合信息平台数据设施状况分析，建立预算化程序，批量化规模、定额化管理、标准化流程，用主动清理的方式分片区实施,将LED灯具改造与接地系统检查、外观检查相结合，主动消除安全隐患，从根本上解决问题。

③推进跨区调度设施运维作业。以定修模式的演进为轨迹，逐步打破现有包干区边界，实行以设施品质控制、作业量配置为重点的区域性设施维护模式，接受维护部直接管控。

(2)管理系统创新。

①开展维护管理体系扁平化调控。对维护所的管理层级建制进行调整，实现维护部与作业班组的直接对话，计划一线部门管理人员比率每年下调15%。

②建立以总部为核心的、任务为导向的现代化运维调度体系。通过信息平台制定计划、分配任务、闭环反馈，实现各班组作业量基本满负荷，作业成效达到预计指标的管理目标，从而形成一个以任务为导向的全新运维管理系统。