调小机车生产状态智能感知与辅助决策系统设计与实现

赵飞， 李红斌， 伏远昱， 曹文斌

（1. 中国铁道科学研究院集团有限公司 电子计算技术研究所，北京 100081；2. 中国国家铁路集团有限公司 运输调度指挥中心，北京 100844）

0 引言

在铁路运输过程中，调小机车是指调车机车和小运转机车，主要负责车站或区域内列车的解体、编组、车辆取送等专项作业。调小机车作业是铁路运输的重要组成部分，其作业效率对铁路运输的车辆周转、运输能力和车站生产能耗与生产效率有重要影响［1］。

随着列车运行状态信息系统（LAIS）在全路投入使用，调小机车作业过程中产生的数据得到充分的挖掘，并且调车钩数的合理分配对于调车作业计划的高效实施有重要作用［2］。近年来随着大数据技术的快速发展，其应用覆盖到诸多领域，我国许多学者也积极开展大数据技术在铁路行业的应用探索［3−5］，对于推动大数据技术在铁路领域的应用具有重要价值。在铁路新装备、新技术不断发展和数据量不断增加的背景下，在考虑解体调车作业、编组调车作业、取送调车作业、摘挂调车作业和其他调车作业因素［6−7］的基础上，采用大数据技术和LAIS 相结合的方法，构建了调小机车生产状态智能感知与辅助决策系统，实时获取调车作业数据，结合调车钩计划对作业质量进行分析，再通过将分析结果可视化，为辅助调度人员对调小机车作业做出决策提供有力支撑，提高调小机车的作业效率。

1 调小机车运用现状分析

在传统的调小机车作业过程中，作业实施方式以车站为单位，调度人员散布在各个车站进行调车作业，车务段不参与班计划的编制，调度所的日班计划直接发给车站，计划兑现全部依靠中间站独立完成［8］。

在面对流程复杂、地点分散、运行状态需要多次人工确认等问题时，调度人员很难动态掌握所有车站的调车作业情况，需要进行大量的现场确认，造成时间和人力的大量消耗，且由于靠人工经验和少量计算评估，所获取调车作业时间评估值波动性大，指导性、参考性较弱，个人主观性强，缺乏统一的解读标准，容易产生不同的解读［9］。同时，调小机车作业过程中，缺乏有效监督，使车站调度人员不能准确及时掌握装卸作业进度，造成调车机车等装、等卸或调车作业计划编制不合理，浪费机车能力，加大作业量。

针对上述问题，结合实际调小机车生产作业需求，主要开展以下工作：

（1）收集调小机车生产作业数据，包括机车动态、车站系统、列车运行图、确报等系统数据，也包括LAIS 等系统传来的相关数据，数据量庞大。采用Kafka 消息队列进行数据传输，利用大数据技术Hadoop、Spark 等进行相关的数据处理，将海量数据在短时间内处理完成，减少数据展示延迟，实现对数据的及时分析和对调小机车生产状态的智能感知。

（2）在系统中设计机车动态分布、钩计划作业效率分析、作业质量分析、机车效率分析及辅助决策等功能模块，使作业人员准确及时地了解调小机车生产作业情况，为调度提供辅助决策，帮助作业人员减少工作量，提高机车运用效率，达到样本增效的目标。

2 系统总体方案设计

该系统主要由感知层、存储层、服务层、网关和前端组成，其架构见图1。感知层主要实现车站、列车运行图、确报与LAIS 等系统数据的接入和解析。存储层实现数据的持久化，包括格式化数据库存储、Redis 实时数据缓存存储、分布式日志存储。在服务层，实现系统的基础平台，实时处理通过Kafka 接收LAIS 传来的车载数据，包括列车运行位置、车次、正晚点情况和车速等。根据列车运行状态信息数据量大的情况，采用大数据技术进行数据处理；并采用微服务架构，为应用提供数据分析和加工服务。网关层提供服务集成和权限认证，确保系统使用安全。在前端，通过地理信息系统（GIS）和可视化库Echarts 对数据分析后的结果进行展示，实现对调车的重点盯控、调机状态查询、机车分布查询和作业质量分析等功能，便于操作人员掌握全局调车作业情况。

图1 系统架构示意图

3 基于大数据技术的数据处理方案

3.1 数据获取

该系统所用数据主要来源于4个系统：LAIS、车站系统、列车运行图系统、确报系统。

（1）LAIS 是铁路行车安全监控系统的重要组成部分，该系统实现机车运行安全状态信息的自动采集，机车信息和地面信息的双向互动传输，机车运行实时信息与地面线路、设备档案及其他相关信息的动态融合。系统从LAIS 获取机车实时运行状态信息数据，包括机车运行位置、速度、信号灯状态，利用这些数据进行机车位置感知和运行状态感知。

（2）车站系统是运输生产和调度指挥的作业执行系统，该系统实现了调车作业钩计划编制和执行管理。系统将从车站综合管理系统中获取钩计划信息，包括机车型号、甩挂类型和车辆型号，并进行钩计划效率分析。

（3）列车运行图系统是调度按计划安排列车运行计划和列车运行时刻，并提供列车运行轨迹记录的系统，系统提供包括单机、小运转在内的列车运行轨迹和列车关联信息的综合查询。并从列车运行图系统中获取小运转列车、路用列车和单机的基础数据和运行轨迹数据。

（4）确报系统提供开行列车编组传递的管理。从确报系统获取列车编组信息，包括列车编组站、列车解体站、列车机车状态等信息，作为机车作业质量分析的数据来源。

3.2 大数据处理方案

该系统引入大数据多分布流式处理技术Hadoop、Spark 等。Hadoop 大数据分析平台基于分布式计算对海量数据进行分析和处理，因其性能稳定计算速度快，已应用在各个领域［10］。该系统首先从车站、列车运行图、确报系统和LAIS 系统中抽取列车运行状态的海量生产数据，利用Kafka 消息队列将数据导入Hadoop 平台，数据信息包含调小机车的生产作业轨迹、运行速度、生产时间、等信号时间、非生产时间、吃交整时间和钩计划等，经处理后按照不同的数据类型将数据存入数据库。对机车基本信息、股道信息、主要站信息等直接存入数据库。Spark 是一个基于分布式的计算引擎，可交互式搜索、优化迭代作业，适用于海量数据快速通用处理场景［11］。对于调小机车而言，使用Spark 分布式计算技术来实现调小机车的实时效率追踪分析，挖掘隐藏在数据中的调小机车作业变化趋势，并通过可视化技术将抽象的数据及其分析和统计结果进行图形化显示，为调度指挥决策评估提供最直接的方案调整依据。调小机车生产状态数据处理流程见图2。

图2 调小机车生产状态数据处理流程

4 系统功能设计

调小机车生产状态实时感知与辅助决策系统将调度生产作业过程中的离散信息整合在一起，并根据业务需求实现机车动态分布、钩计划作业效率分析、作业质量分析、机车效率分析及辅助决策等功能，通过数据共享、辅助决策使操作人员掌握全局调车作业的局部及整体情况，可更好地对调小机车进行作业管理，为运输调度提供指挥。

4.1 机车动态分布

根据LAIS 数据，通过大数据处理方案对机车数据进行计算，可以精准掌握每台调车机车的当前位置、速度、信号灯状态、工况等信息，提供机车基本状态的实时感知。结合GIS地图，从不同方面、多维度以图形化的形式展示，更加简单明了全面地掌握机车当前信息以及历史记录，能够对机车工况、机车速度以及停留时间等信息进行预警提示，对速度为0的进行原因分析。按工况不同，显示机车颜色不同：红色表示速度为0，没有钩计划；黄色表示速度为0，有钩计划；绿色表示速度不为0。

4.2 钩计划作业效率分析

针对庞大的调车机车工作数据，采用大数据算法进行处理，根据算法得到关键数据指标：最低速度、最高速度、平均速度、生产时间、非生产时间；动态关联钩计划，实时分析钩计划执行进度情况，实时更新每台调车机车的作业效率图表，直观地对每台调小机车的作业效率信息进行动态展示，提供机车作业效率的及时感知。

4.3 作业质量分析

基于钩计划作业效率分析的详细数据，统计每台调车机车阶段时间内的总钩数、实际钩分、计划钩分等关键指标，结合列车、编组、待卸、待装、机车数量，信号、施工、维修等数据，按阶段统计机车的速度、生产时间、非生产时间、总钩数、钩分、车辆数量等数据，并根据不同数据指标维度进行作业质量分析，形成不同管理单位的排名分析结果。

4.4 机车效率分析及辅助决策

根据调车机车的工作数据，为每台调车机车生成作业效率图表，能够对每台调车机车在车站作业时长、速度、速度占比、工况、运行轨迹等不同维度的数据进行全方面的机车效率分析。所有调车机车按照不同维度的数据可进行排名，以及每台调车机车可通过生成同比、环比等数据进行对比。将不同调车机车的效率数据、同一调车机车不同时间的效率数据进行排名分析，可为机车调度提供辅助决策。

机车工作时间、非工作时间、钩计划等数据是评估机车效率的重要指标，为根据机车效率得到合理的机车优化辅助决策方案，该系统选取1个月作为时间周期。因机车工作一班的时间为12 h，所以如果机车在一班中工作时间远低于12 h，可标记为效率低下的机车；如果符合条件，效率低下的机车标记为被优化的机车。具体优化算法如下：

基于大量调车机车效率数据，通过算法进行调车机车数量优化，以车站为最小单位进行分析，时间周期为1个月，判断是否可以进行调车机车数量优化，步骤如下：

步骤1：选取调别大于1的车站，构成车站集合E；

步骤2：遍历选取车站集合E，对站内每个调别的每台机车按生产时间长短进行升序排序；

步骤3：按生产时间长短排序后，对生产时间进行累加，如果累加结果小于12 h 则继续累加，并记录累加机车集合J，大于12 h则不加并结束步骤3；

步骤4：机车集合J大于2，则标记该车站可以进行调车机车数量优化，返回步骤2继续循环操作，直至遍历完车站集合E。

车站集合E为存在效率低下且符合被优化条件的机车，将该集合信息提供给相关作业人员，可辅助其进行调配调车机车的决策，提高调车机车生产效率。

5 系统应用

系统部分功能已经在中国铁路北京局集团有限公司（简称北京局集团公司）的34 个重点车站应用，通过对调小机车进行状态的实时智能感知、效率分析及信息可视化，为北京局集团公司运输部、调度所以及机务部对机车运力资源的调配提供辅助决策，更加高效地实现安排调小机车的作业组织。北京局集团公司减少了4 台机车，优化了司机人数，减少了燃料消耗，达到了铁路调车作业过程降本增效的目的。通过该系统的辅助决策功能，不仅缩短了操作人员进行调小机车作业安排的时间，降低了调度人员的劳动强度，提高了调车作业效率，也减少了机车设备和人力资源的浪费。

6 结束语

随着调小机车作业需求急速增加，传统的调车作业监控和质量分析方式将耗费大量人力，在数据不全、部门沟通不足等情况下，会导致调车机车资源利用不足及能力浪费情况掌握不准确，进而产生调车作业效率持续低下等情况。因此，调车作业信息化模式须推广应用。基于LAIS 的调小机车生产状态智能感知与辅助决策系统的建设可较好地解决该问题，未来随着机车运行状态数据、毛玻璃、钩计划等数据源质量的提高和线路设备基础数据的统一规范，将逐步提升调小机车生产状态实时感知与辅助决策结果的准确性，推动调车作业组织安排模式走向数字化、智能化，进一步提升铁路调车作业的高效性。