轨道交通运营委外人员动态监管系统研发与应用

施玮珺

（上海申通地铁集团有限公司,上海 200030）

0 引言

随着国内轨道交通的快速发展，轨道交通运营需要大量的地铁运维人员。工种涉及行车值班员、客运值班员、机车司机、设备维护人员、技术协调管理人员、车站值班员、调度人员、运营管理人员、乘务员、售票员、安检人员、保洁人员等[1]。考虑到运营成本及专业化要求，部分工作需要委外单位来承担，这不但要求地铁企业员工能与委外单位人员依规分工，共同协作，而且委外单位的人员要达到委外工作要求的素质和资质。目前，地铁委外人员主要包括委外专业维保、委外安检、委外保安、委外特勤、委外保洁、委外安全引导员等[2-3]。调研发现，轨道交通运营公司在对委外人员实施监管的实践中出现了一些问题，比如轨道交通运营公司人力资源部门对委外单位人员数量和素质没有及时监管，无法全面获取实际委外上岗人员的真实信息；部分委外单位上报的工作人员信息和实际信息不一致；个别委外单位出现核心人员同时承担多个委外项目经理和骨干技术人员等。基于对委外人员管理现状的分析研究，厘清轨道交通运营委外人员动态监管系统的建设思路，以期提升轨道交通运营委外人员管理水平，有效保障轨道交通的安全运营。

1 委外人员动态监管内容

委外人员监管内容，按内容数据类型分为委外单位、委外人员数据两大类。这两类数据又细分为基础静态数据、动态数据、评估考核数据[4]。数据分类及来源如表1所示。

表1 委外人员数据来源及分类

2 委外人员动态监管方法

充分利用数字化、物联网、大数据等信息化技术，委外人员动态监管方法采用大数据处理一般规则，包括数据采集与整合、数据处理与分析、数据应用与画像三个阶段（如图1所示）。

图1 委外人员动态监管方法流程图

2.1 数据采集与整合

委外人员数据来源于委外单位在运营公司从事委外业务中全业务场景的数据，即从投标、合同、计划到施工、竣工、结算等全业务过程中的人员相关数据。数据获取方法包括从运营公司各业务系统对接接口自动获取数据；从委外业务相关文件采集数据。采集的数据类型包括结构化、半结构化和非结构化数据[5]。各个业务场景数据、各系统产生数据类型数据规模是不同的，所有采集数据均需要遵循一定的元数据标准进行有机整合后，被汇总到大数据中心数据池，为后续进行委外人员数据挖掘应用和委外人员（委外单位、委外人员）画像呈现提供准确、有效的基础性数据。

2.2 数据处理与分析

数据在经过采集和整合之后，需要按照一定规则对数据进行编码、去重、清洗等预处理操作，以便后期进行委外人员数据挖掘[6]。预处理后的数据可以根据业务需求选择采用数理统计方法、数据挖掘算法或者机器学习算法来实现具体的处理任务。

2.2.1 数据预处理

从不同数据源采集参与标签计算的原始委外人员数据需要去除无效数据和错误数据，去除重复数据与弥补缺失数据，进而校准各系统数据，将有效数据清洗为标准格式。经过数据清洗、数据标准化等预处理后的数据进入下一阶段的标签计算环节。

2.2.2 抽取委外人员特征、建立委外人员标签体系

对收集到的委外人员数据进行行为建模，基于对委外单位、委外人员、通用标签规则和画像标签定义构建委外人员标签体系，实现对委外单位及人员的多维度、多粒度、多角度描述。

2.2.3 构建委外人员监管数据挖掘子系统

在委外人员标签体系基础上对委外单位、委外人员标签进行深入计算和挖掘，对委外单位、委外人员标签进行分级分类。“标签化”的分级分类原则可以按照属性级别和细化程度来进行，从而进一步标识委外单位、委外人员的基本属性、资质证书特征、培训特征、生产计划执行特征、考勤特征等。这个阶段会用到数理统计、分类、聚类、关联、回归等算法模型，实现对用户标签的深度挖掘，形成委外单位、委外人员画像库。

2.3 数据画像与应用

数据应用与画像的目的是对数据挖掘结果进行可视化知识呈现，为运营公司提供委外单位展示、委外人员展示和个性化服务，如全景展示委外单位各项目完成情况、委外单位人员变动情况、委外人员考核情况、预测委外单位项目完成能力等等，为运营公司对委外人员监管提供辅助智能决策，从而为委外单位、委外人员进行个性化管理提供依据[7]。

2.3.1 委外单位画像

基于运营公司所采集的投标数据、合同数据、项目管理数据、施工管理数据、竣工验收数据、结算数据等，对委外单位进行画像，评估委外单位合同履约情况、委外单位响应及时性、故障处理速度、任务计划完成率等服务指标，挖掘委外单位管理能力、服务能力特点，为运营公司在招标时对评价委外单位综合管理能力、服务水平提供有效数据支持。

2.3.2 委外人员画像

基于运营公司所采集的项目管理数据、施工管理数据、委外人员证书、委外人员培训数据、委外人员考勤数据、委外人员考试数据等，评估委外人员故障处理速度、任务计划完成率、委外人员出勤率等服务指标，挖掘委外人员认知能力、技术能力、关键技能、性格等特点，为自动评价委外人员工作绩效、全面衡量委外人员技术服务能力提供数据支持。

3 委外人员动态监管系统设计

系统设计包括功能模块设计和技术框架设计。

3.1 功能模块

功能模块包括委外单位管理、任务计划管理、委外人员考勤管理、委外单位考核管理、意见反馈管理、画像展示等六大主要模块。

（1）委外单位管理模块实现对委外单位基本信息、委外单位资质、委外单位合同、委外人员基本信息、委外人员证书、委外人员培训信息等数据的管理。

（2）任务计划管理模块实现任务计划编制、下达、执行及上报。通过任务计划的完成率、完成质量等情况，为委外单位及人员考核提供客观、有效的依据。

（3）考勤管理模块实现委外人员上岗、离岗时间地点等数据采集、存储，为委外人员的考核提供依据。委外人员考勤数据通过工作场所设置的二维码等技术进行采集。

（4）委外单位考核管理模块综合分析委外人员培训、资质、考勤、任务计划数据、响应速度、服务质量等数据，并结合第三方评测系统，实现对委外单位人员客观、公正、科学的监控。

（5）意见反馈管理模块实现委外人员意见反馈、意见处理、反馈评价三个功能，实现意见反馈的闭环管理，保证能及时收集到委外业务存在的问题，提高委外业务管理水平。

（6）画像展示模块分委外单位画像展示、委外人员画像展示。

委外单位画像通过以下数据展示委外单位综合管理能力：委外单位营业执照信息（包括注册资金、经营范围、法人、期限等）、委外单位资质信息、项目信息（包括委外单位历史项目信息、履约项目）、合同信息、合同履约情况、委外单位考核信息、委外单位联系人信息、委外人员信息、委外人员变动信息、响应及时性、故障处理速度等。

委外人员画像通过以下数据展示委外人员综合能力：委外人员个人信息、委外人员证书、委外人员培训信息、委外人员出勤信息、故障处理速度、委外人员绩效考核信息、委外人员计划完成率等。

3.2 技术框架设计

技术框架采用分布式微服务框架，实现技术采用Spring Boot/Spring Cloud框架及第三方套件，Spring Cloud是基于HTTP通信协议的RESTful框架，可以实现跨语言、跨平台优势，极大地方便不同语言栈的应用接入[8]。系统微服务框架设计为前台应用层、API接入层、业务应用层、服务中心、基础资源层等五层技术架构。

（1）前台应用层包括PC管理端、微信小程序、大屏展示、API开放平台等等。

（2）API接入层起到承上启下的作用，具备鉴权、路由、流控等功能。

（3）业务应用层包括委外单位管理、委外人员管理、任务计划管理、意见反馈管理、委外人员考核管理、考勤管理、画像管理、权限管理等。

（4）微服务中心包括委外单位服务、委外人员服务、任务计划服务、意见反馈服务、考试服务、排班服务、考勤服务、权限服务、接口服务（其他系统、第三方评测系统等系统接口）。

（5）基础资源层包括大数据中心、数据库、Redis缓存、Docker容器、文件系统等。

4 委外人员动态监管应用

该系统在上海地铁第三运营公司实施，利用基于大数据、数字化、物联网的委外人员监管系统，包括委外单位管理、任务计划管理、委外人员考勤管理、意见反馈管理、委外单位考核管理、画像展示、系统管理等模块，可以帮助地铁运营公司探索发现委外人员资质证书与委外人员岗位的匹配关系，对各岗位必要的资质证书提供依据，减轻委外单位的负担。

地铁运营公司依据委外人员培训内容与委外人员岗位的匹配关系，对各岗位人员进行针对性培训提供科学依据，为委外人员进行有效培训。运营公司依据委外人员考勤与委外单位管理能力的匹配关系，加强委外单位人员的考勤管理。

通过积极探索优化委外单位人员管理流程和管理模式，运营公司通过强化对委外单位管理的责任意识，持续改进服务质量，使对委外单位人员的管理更加科学化、精细化。

5 结语

随着当前国内轨道交通运营公司聘用委外人员数量和比例的逐年提高，轨道交通对委外人员专业素养和职业品德也提出了更高要求，针对委外单位和委外人员职业水平良莠不齐的现状，必须对其加强监管。委外人力资源监管采用实时大数据采集和分析模式，可通过采集多源数据，对数据进行清洗过滤和校正，统计分析委外人员工作质量和时长，给出委外人员数字画像。这一系统的成功应用，既为评估轨道交通运营公司对委外单位和委外人员实施绩效考核提供了决策基础，也对业主选择合格供应商提供了可供参考的基础信息。