《大数据在铁路车务系统安全管理中的应用.docx》由会员分享，可在线阅读，更多相关《大数据在铁路车务系统安全管理中的应用.docx（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、大数据在铁路车务系统安全管理中的应用张亮【摘 要】随着科技和网络技术的发展,车务系统安全管理领域数据采集手段越来越多样化,传输、储存成本更加低廉,且各类数据体量大、类型多、相关联性强,具有大数据的基本特征.通过挖掘应用相关数据,可发现安全事故发生规律,提高安全预警水平,为安全管理决策提供有效辅助手段.从发生时间和直接责任者 2 个方面,介绍大数据分析方法在车务系统安全管理领域的初步应用,分析制约大数据深入应用的因素, 并有针对性地提出完善大数据应用的措施和建议.【期刊名称】中国铁路【年(卷),期】2018(000)010【总页数】5 页(P36-40)【关键词】铁路;车务系统;大数据;安全管理
2、;数据共享【作 者】张亮【作者单位】中国铁路总公司 调度部,北京 100844【正文语种】中 文【中图分类】U292.19运输在社会经济活动中占有重要地位，要实路运输安全的持续稳定需要从“人防、物防、技防”3 个方面同时发力，构成“三位一体”的安全保障体系，而大数据技术则是“技防”的关键内容，也是串联和支撑“人防”“物防”的重要手段1。近年来铁路基础设施、技术装备等领域逐步建立起一系列设备监测与管理系统，积累了大量运输设备技术状态数据，为大数据分析提供了有力的数据支撑。车务作为铁路日常运输的直接组织部门，担负着运输安全、客货运输组织等重要职责，目前在运用大数据分析技术预测安全风险、发现事故发生
3、规律和事故间的关联等大数据应用方面进行了初步探索。1 大数据在铁路车务系统安全管理中的初步应用近年来，按照中国铁路总公司（简称总公司）创新安全管理和加大大数据应用创新力度的工作要求部署2，全路大力推进车务站段安全生产指挥中心、安全管理信息系统平台的建设，分层级研发和运用的各类安全生产管理、行车安全控制、现场作业监控、设备检测监测、环境监测预警等装备和系统已积累了海量数据，并积极在安全风险分析、实时监控、动态预警、辅助决策等方面探索运用大数据技术，取得一定成效。以 2017 年总公司车务系统安全信息库全部安全问题的大数据分析为例，对各类安全问题发生的时间、地点、责任人、性质及原因等情况进行分类，
4、并与近几年情况进行对比梳理，结合专业调研工作情况，可以得到安全问题的关联性特征3。1.1 时间特性1.1.1 月度问题分布将 2017 年各月问题数量与 20122016 年平均每月问题数量进行对比分析（见图 1），由图 1 可知，2017 年 24 月问题数量及发展趋势接近 20122016 年总体规律，510 月问题数量明显低于 20122016 年平均值但变化趋势类似。结合 2017 年车务系统安全工作情况，分析其原因，主要有以下方面：（1） 车务系统安全专项活动有助于安全水平提升。2017 年 45 月，全路车务系统开展了“中间站调车作业安全专项整治”活动，使调车作业安全问题以及由调车
5、作业引发的接发列车安全问题有所减少；810 月开展了安全生产大检查活动，进一步促进设备及作业环境检查整治，使安全趋于稳定。（2） 干部集中下现场检查或驻站指导有效减少了问题发生数量。2017 年春运（12 月）及安全大检查期间（810 月），各级干部集中深入现场检查指导， 车务系统安全问题有所减少。但集中检查指导期结束后的 3 月和 11 月，现场安全形势一般会出现反弹。（3） 设备故障减少使安全状况不断改善。设备故障与安全问题的发生具有较强的关联性。一方面随着设备故障的减少，非正常行车及应急处置的次数减少，为行车安全提供了设备保障；另一方面车站值班员等行车人员能够将主要精力放在正常行车组织上
6、，避免出现因应急处置而顾此失彼的现象，有利于正常作业标准和基本规章制度的有效落实。1.1.2 每周各日问题分布2017 与 2016 年每周各日问题数量分布对比见图 2。由图 2 可知，问题整体数量上 2017 年较 2016 年降幅较大，但每周各日问题数量变化趋势相同，周四与周日问题较多，其原因主要体现在现场作业人员与日勤管理人员 2 方面。但考虑到车务现场作业人员大部分岗位为倒班制，原则上无星期周期概念，故周期性特点与现场作业人员关联性较弱，应侧重从日勤管理人员角度进行分析。近年来总公司调度部下发一系列文件，精简车务系统一线车间班组的管理类簿册和台账，使基层管理人员可以将主要精力放在现场安
7、全防控方面，增强现场管理力量，使问题总体数量得以减少。具体到一周内，由于铁路局集团公司或基层车务站段周五或周一各类会议相对集中，会议前一日即周四和周日管理人员一部分精力放在汇总准备相关会议材料，客观上造成现场管理力量一定程度的减弱。图 1 2017 年各月问题数量与 20122016 年平均每月问题数量对比图 2 2017 与 2016 年每周各日问题数量分布对比1.1.3 时间段问题分布对 2017 年全部安全问题按照发生时间段进行梳理分析（见图 3），由图 3 可知，有 2 个时间段问题发生相对较多。一是凌晨 3：00 左右，问题发生频率逐步攀升， 原因在于人体生物钟在这个时间段较为疲乏和
8、困顿，容易因精神不集中引发安全问 题；二是早、晚交接班（7：008：00、18：0020：00）后时间段，问题数量呈增长趋势，主要是因为交接班相关事项交接不清、作业衔接不畅而可能引发一些安全问题。1.2 直接责任者1.2.1 年龄情况2017 年车务系统在岗职工及问题直接责任者各年龄段比例见图 4，数据分析发现， 二者年龄分布整体比例较为吻合，但其中 23 岁左右及 3037 岁年龄段呈现出较大差异，问题直接责任者比例明显多于该年龄段在岗职工人数比例。初步分析其原因，20 多岁年龄段属于新职人员，容易发生问题；3037 岁年龄段一方面从岗位调整角度考虑，新转岗、提职人员集中在此年龄段，存在对新
9、岗位技能及知识掌握不全的风险，另一方面该年龄段职工步入中年，除工作外家庭生活压力相对较大。1.2.2 从事本岗位时间2017 年车务系统安全问题直接责任者从事本岗位时间分布见图 5。通过分析显示， 安全问题直接责任者从事本岗位工作时间不足 2 年的所占比例最大，其次是 34年。整体上随着本岗位工作时间的增长，职工发生事故的概率不断降低，而新职人员由于对作业标准不熟、业务素质不高、经验缺乏等原因，发生问题的概率相对较大。图 3 2017 年各时间段问题数量占问题总数的比例图 4 2017 年车务系统在岗职工及问题直接责任者各年龄段比例注：直接责任者比例为该年龄段直接责任者人数占所有直接责任者的比
10、例；在岗职工比例为该年龄段在岗职工人数占所有职工的比例1.3 小结以大数据为基础，从发生时间和直接责任者 2 个方面对车务系统安全问题进行探索分析，总结出安全风险较大的时间段及职工的年龄和在岗年限，对车务系统关键时间段的管控和重点职工的管理等方面具有一定的借鉴价值，同时通过数据对比分析也可以对一些安全管理工作的开展情况进行客观评价和指导。图 5 2017 年车务系统安全问题直接责任者从事本岗位时间分布2 制约大数据深度应用的主要因素目前车务系统大数据应用还处于初级阶段，还存在一些制约大数据深度应用的因素。（1） 数据运用缺乏统筹安排。铁路车务系统大数据运用尚处于认知的初级阶段， 大部分管理人员
11、缺乏大数据应用理念和意识，尚未建立一整套规范的大数据采集、管理、应用制度机制，专业管理标准不够精细，部门规划缺乏统筹安排，致使部分信息系统功能存在重叠或盲区。由于历史原因，车务系统不同时期、不同标准、不同途径建立的信息系统技术标准不统一，多数系统自成体系，标准差异较大，形成难以与其他信息关联分析的“信息孤岛”。（2） 数据源头质量有待提升。一是没有形成完整的数据链。车务系统不同于设备管理部门，由于专业管理的特殊性，安全管理信息化建设起步较晚，尚未建成覆盖全作业范围和作业流程的信息系统，数据采集残缺不全。二是数据标准未统一。数据应满足的质量规范、对真实情况的反馈、收集条件要求、同质性要求以及合并
12、统计分析等数据采集、运用标准尚未统一。（3） 数据集成共享不充分。由于铁路专业管理的局限性，一些单位、部门信息系统研发各自为政，缺乏跨专业的横向沟通，数据跨系统、跨专业共享仍存在壁垒， 大量数据分散在不同系统和平台，整合难度较大，无法实现互联互通、广泛共享。例如目前全路已建成的 278 个车务站段安全生产指挥中心中，仍有 77 个未接入TDCS 复示及查询系统，无法实时掌握列车运行情况等数据；联锁设备微机监测系统记录的大量车务系统操纵信号作业的数据，车务部门普遍没有得到互通共享。（4） 数据挖掘应用不深入。突出表现在单体数据纵向挖掘深度不够。目前各类信息系统产生的大量数据，由于存储成本或先天设
13、计不足，大部分数据仅进行简单统计分析，没有实现二次利用，数据价值未得到充分挖掘。特别是数据互联互通、集成共享不足以及数据不成体系、统计口径不统一等，严重制约着海量数据横向跨专业综合开发，导致数据综合利用水平不高。此外，车务系统安全数据基本围绕具体行车组织事项，自成体系，信息单一，对外部数据的引入、借鉴和综合分析等利用还不够。（5） 数据应用效率不高。车务系统安全数据种类和格式打破了以前所限定的结构化数据范围，数据格式及内容既包含视频监控录像、图像、音频等车务作业数据信息，还包含设备台账、技术图纸、规章制度、作业环境、流程组织、人工检查记录等管理数据信息，同时应用过程中还存在与时间、天气、季节及
14、作业人员年龄、学历、工作经历、身体素质、业务素质等多类型数据的关联分析。特别是目前音频、视频监控已成为车务系统安全管理的重要手段，但数据自动处理、隐患智能识别及数据结构化转化技术不成熟，仍基本用于人工监控、定期抽查或发生事故后的调查分析，大量数据资源浪费，无法进行有效的大数据分析。（6） 数据安全重视不够。数据安全是确保大数据应用“可管、可控、可信”的前提和基础，一方面要保证数据不损坏、不丢失，另一方面要保证数据不被盗用，但车务系统目前对数据安全重视程度不足，尚未建立相关大数据安全保障体系，使安全管理数据存在丢失或泄露的风险。3 完善大数据应用的建议（1） 加强统一规划。应按照“统一领导、统一
15、规划、统一标准、统一管理”的原则，对涉及铁路运输安全监督检查、设备检测监控、安全管理等的信息系统建设实施归口统一管理，进一步健全管理制度，落实各级职责，各专业部门落实统一部署要求，促进资源整合、互联互通、信息共享和数据深度挖掘运用，全面提高铁路安全管理信息化应用水平和大数据开发运用。（2） 规范数据源头质量。一是将已经存在的、以非数字化形式存储的信息数字化， 包括语音、图片、视频、图纸、档案等；二是加快推进全网性信息系统建设，补强和普及监控系统、传感器等监控装备，动态实时收集车务现场作业数据，实现信息畅通无阻，助力数据的采集和传输；三是统一数据标准规范，明确数据应既真实反映安全实际情况，又具备
16、合并统一分析的基础。（3） 推进数据共享。铁路局集团公司层面要以打造智能化、标准化车务站段安全生产指挥中心为目标，根据车务系统运输安全生产需要，接入电务、机务等相关专业行车作业数据，推进跨系统、跨专业、跨区域的信息采集、交换、共享和融合。（4） 构建智能分析平台。围绕行车组织、人员管理、设备管理、作业管控、外部环境监控、应急处置和安全信息管理等运输安全生产需求，将所有相关业务数据源聚合到统一大数据安全管理智能分析平台，通过筛选处理、数学建模方式，深度挖掘相关信息，运用大数据分析技术加强安全生产规律性、倾向性、关联性问题分析， 解决数据挖掘应用不深入、应用效率不高的问题，实现原始大数据的有效应用
17、3-4。（5） 加强数据安全防护。建立大数据安全管理制度，在传统的物理安全、设备安全、网络安全、数据库安全、系统安全等铁路信息化安全保障措施之上，强化数据在集成、共享、存储和应用等全过程的安全防护5。4 结束语将大数据分析技术应用于铁路车务系统安全管理领域，扩展安全管理思路，通过不断探索和实践，可实现车务现场作业安全问题超前智能预警、作业组织及流程不断优化、运力资源调配更加精准、行车设备故障超前防范、突发事件快速准确应对、分析决策更加科学，最终实现车务系统安全管理的提质增效，助力“交通强国，铁路先行”。参考文献【相关文献】1 杨子楠. 关于大数据时代下铁路安全管理新思路探究J. 科学与信息化，2017(12 中)：170-171.2 铁总党20181 号 中共中国铁路总公司党组关于做好 2018 年铁路运输安全工作的意见S.3 中国铁路总公司调度部. 全路车务安全情况大数据分析报告（2017 年度）R. 北京，2018.4 吴军. 智能时代M. 北京：中信出版社，2016.5 李平，赵冰，刘艺飞. 面向全生命周期的铁路大数据安全保障技术体系研究J. 中国铁路， 2018(2)：32-36.