摘要：随着科学技术的发展，地铁运营管理工作效率也得到了大幅提升。特别是大数据时代的到来，应用大数据对相关的乘务数据进行分析对比，对提高乘务管理工作、设备服务质量等具有很大的提升作用。
关键词：地铁乘务；乘务管理；大数据应用
引言
大数据对其它的一些经营企业来讲，只是重视数据，对相关数据进行收集及分析，为企业未来发展进行决策的依据。这些数据的收集可展现四个层次：数据采集、数据处理、数据计算挖掘和数据应用。就我们乘务管理方面，运用大数据进行分析，对提升服务质量都有明显的裨益。比如提高信息流通、完善作业流程、预防设备故障及安全事件的发生等方面，具有很大的帮助。现分析如下：
第一：提高信息流通。地铁运营系统本来就很复杂的，各个工种各个专业的协调都需要密切的沟通联系，应用大数据之后，实现信息共享，各个专业均可以清楚当前的状态如何，各个部门也会根据列车的故障特征进行维护计划的定制。
第二：完善作业流程。通过地作业流程进行测点，对各个环节中的时间分布进行分析数据的差别原因，在安全得到保障的前提下，提高作业效率。
第三：预防设备故障及安全事件的发生。对地铁设备故障进行数据统计后，分析故障的分布规律，展开预防性的维护及人员培训，避免故障影响的扩大，同时将司乘人员的技术水平及思想状况纳入到大数据里边，做好相关安全防控工作。
一、 乘务管理和大数据
（一）乘务管理与大数据的关联
地铁乘务运作管理模式，司机作业标准化时间与流程，列车晚点及交路表优化等信息，均可在大数据里边看到，而从大数据界定的 VoLume这一特征来讲，对地铁乘务管理过程中所产生的大数据并未达到大数据的特性，因此只能称为“次大数据”。从列车故障量分析方面，传统的数据应用也是可以清楚的总结出列车惯性重复故障以及故障发生的时间 、地点、车号等信息，但这种传统的数据收集只能针对一个目标而言。而大数据不同，它比较全面地、详细地总结数据，应用于各个目标。
（二） 乘务管理中的数据采集
在乘务技术管理中，数据的采集是一项复杂繁琐的基础性工作。 多数数据需要所有参与者共同参与记录，如列车故障数据统计，需要所有驾驶员实时记录下列车故障的信息，包括故障的时间、地点、故障车底、故障现象、故障处理情况、故障处理结果等。
（三）乘务技术管理中的数据处理
对于大数据，并不全是有价值的，有些数据并不是我们所关心的内容，而另一些数据则是完全错误的干扰项，因此要对数据进行预处理。 如在统计列车满载率时，某些车站实施客流控制，在每个车门处人为控制上车客流，那么得到的列车通过该站时的满载率就是一个偏差的数据，该数据不应该并不能真实的反应列车在该站的实际载客量及载客能力。
（四）乘务技术管理中的数据挖掘
数据采集和预处理后就要对数据进行挖掘计算，即从大量的数据中，提取潜在有用的信息。 数据挖掘涉及的技术方法很多，但目前应用于乘务数据分析的工具较少，仅限于Ｅｘｃｅｌ表格中数据透视、思维导图等常用数据分析工具，常规数据分析工具分析的数据局限性较大，大量隐藏的数据价值得不到挖掘，因此需要引入更强大系统的数据分析工具，这样对数据进行深入、详细、全面的分析，才能挖掘更多的数据价值。
（五）乘务技术管理中的数据应用
维克托的《大数据时代》指出大数据的核心就是预测，这一特征非常契合乘务技术管理中的列车故障数据 ，数据进行分析后，在分析出故障按时间、地点、车底号后，综合考虑列车的运行状况，检修维护质量等对列车故障进行预测，乘务部门开展针对性的培训，设备部门有针对性加大故障排除力度，确保设备稳定。
二、地铁乘务管理中的大数据应用
（一）列车故障分析
如在对正线故障进行趋势判断时，通过数据分析，得出 2016年前三季度正线故障趋势图，将此图与此前几年故障趋势图进行对比分析可得出故障的总体趋势，如通过大数据思维，通过进一步扩大数据范围，可将列车故障时所处的环境，如天气、温度、湿度、隧道风压等，列车故障时的满载率、客流分布情况等纳入分析范围，最终在列车故障分析中我们可以得到广州地区出现回南天 （二三月份）及炎热天气（第三季度）等较极端气候的情况下，列车故障率较高。 乘务技术员制定相应的预防措施，如加强设备检查，司乘人员提高注意力和警惕性。
在分析 2016年上旬期间正线相同时刻表开行列次基本相同的情况下，列车满载率高的情况下比满载率低的情况下故障要高，如春节两天的客流量几乎是正常周末的一半，但其故障量也呈现相同的分部态势。 因此，客流量较大，列车满载率较高的情况下，需要格外留意列车的故障情况，也敦促设备检修部门要加大对列车的维护保养力度，此外这种趋势如果深入挖掘，可作为提升正线运作效率的研究方向。
针对常见故障进行大数据分析时，在分析2016年上半年车门故障时，技术员通过对数据的挖掘发现：车门故障呈现一定的特性，即靠近司机室的车门发生故障的概率较大，从统计上来看，靠近A车和 C车司机室的车门，即 A车1、2＃车门和 C车7、8＃车门，出现故障的比例约占59％。 乘务技术员将这一特性告知车辆检修部门，对具体原因予以分析，得出结论。
（二）作业流程优化
乘务技术管理中需要制定大量作业流程，受各时期客流因素、运输计划等影响，一些作业流程变得不再适用，因此需要不断对作业流程进行完善和优化。 如司乘人员正线作业流程的优化，随着三号线客流量的不断增加，三号线运力不足的矛盾日益凸显，除了通过常规的增加上线列车数量来提升运力之外还需要提升列车在线上的周转效率，即提高司乘人员的正线作业效率。 运用大数据思维就是需要对各站点，大量司乘人员的作业时间进行测点，根据测点的结果分析，得出作业环节，如站台作业环节中， 测点结果显示司乘人员对关门的时机环节上差别较大，主要原因在于各站客流情况不一样，在站上下客速度不一，司乘人员主观上对关门时机把握不一等，得出这样的结果后，在安全的前提下，制定出优化流程，即各站统一关门时机，如此提升了正线作业效率。
（三）安全技术监控
海因里希因果连锁理论认为企业安全工作的中心就是防止人的不安全行为，消除机械的或物的不安全状态。 但目前尚无具体理论或方式对人的不安全行为或物的不安全状态进行判断，常规手段是现场检查，现场制止人的不安全行为或判断物的不安全状态，如引入大数据思维，则可以通过对人的技能等级、家庭背景、思想状态、违章情况以及设备的维修保养情况、运行状态、设备所处环境、湿度、温度等进行数据分析，通过分析结果进行预警，从而达到让管理者较直观快速的掌握人员的不安全行为或物的不安全状态。
如司机驾驶列车在XX站点因现场故障处理不当，影响正线行车。通过对该司乘人员的检查记录发现，在发生事件的前两天，正线轮值连续检查到该司乘人员的标准化作业有问题。
三、结束语
随着地铁乘务管理工作的不断改革创新，乘务管理数据也得到不断累积及应用。从长远的角度来看，大数据将司乘人员的工作经历及技术水平、性格、工作态度、健康状况等数据进行采集，对以后的司乘人员上岗管理工作具有非常重大的应用价值。
参考文献：
[1]徐树亮南京地铁多线运营后的安全管理模式[J].城市轨道交通研究，2010（4）
[2]闪淳昌，卢齐忠现代安全管理实务[M].北京：中国工人出版社，2003
论文作者:尹松鹤
论文发表刊物:《基层建设》2017年3期
论文发表时间:2017/5/5
标签：数据论文; 乘务论文; 故障论文; 作业论文; 列车论文; 人员论文; 司乘论文; 《基层建设》2017年3期论文;