摘要：随着高速铁路的大规模建设，路网规模不断扩大，铁路客运调度应急处置问题的重要性日益凸显。铁路客运调度应急处置不仅直接关系到铁路运输秩序的恢复，更影响着铁路客运服务质量和铁路形象。因此，构建铁路客运应急调度指挥系统（PTEDCS），利用信息化手段提高突发事件客运调度指挥应急处置水平、提升应急处置效率，成为铁路运输部门亟需解决的重要问题。
关键词：铁路客运；应急调度；指挥系统；构建
1铁路客运应急调度指挥系统的构建
1.1系统目标
（1）建立日常监控和预警机制，通过对日常在途乘客列车运行状态的监测，优化模型算法，主动感知和预警。（2）建立应急情况下信息采集、传输和展示机制，实时收集列车故障信息，快速分析故障影响范围和预测故障修复时间。（3）制定应急预案，针对列车大面积晚点、乘客列车故障、乘客滞留、火灾、暴恐等客运突发事件典型场景，制订切实可行的应急处置方案。（4）构建应急状态下的信息共享和发布机制。及时发布故障信息，并将相关信息提供给各级运输调度指挥、客运乘务站务及售票、机务运用、车辆整备等相关部门，实现快速响应，应急联动，协同处置。（5）提供合理的渠道使乘客知情，实时调整应急情况下的乘客列车开行方案和乘客输送方案。（6）生成客运应急调度处置评估报告，建立客运应急调度经验数据库，便于利用人工智能实现基于现有知识的自适应学习。
1.2系统应用架构
（1）应急调度处理。包括应急监测预警、应急评估决策、应急调度指挥和应急恢复总结等4个阶段。建立应急监测预警是做好应急管理的前提，应急评估决策是应急处置自动化、智能化的主要体现。通过对各关联数据分析、应急资源管理、事件记录库匹配、应急预案查询、故障影响范围评估、产生应急运输调整方案等实现应急的评估和决策。应急调度指挥是应急管理的核心，是在充分掌握突发事件的信息后制定科学有效的应急处置措施的过程。应急恢复总结是指在应急响应过程中的快速恢复和评估环节，包括故障解除和总结、评估分析、应急报告生成等。（2）基础数据处理。包括铁路客运综合数据处理和应急资源管理。对客运数据进行关联分析和存储，对所有的应急资源实现电子化、一体化存储和状态更新，方便查询和调配。
1.3核心功能设计
（1）应急监测预警是主动感知客运突发事件的有效手段。通过对乘客列车动态定位、乘客列车故障感知、列车运行状态监测、应急预警模型设计、突发事件信息采集、预警信息推送、确认等方面来构建应急监测预警模块。为降低事件发生的概率，有必要研究事件发生的影响因素，明确因素之间的关系，制订更加有效的预案措施。对于铁路客运调度指挥而言，一是识别影响列车运行状态的铁路突发事件。通常将铁路客运的影响因素归纳为人为因素、设备因素、环境因素及管理因素。二是确定每个突发事件影响因素对列车运行状态的影响。三是通过提取突发事件和行车策略调整之间的各相关环节，构成突发事件因果映射关系链条，由链成网，形成突发事件因果关系网。四是每条因果链路设立预警阈值，为列车运行状态预警模型设定预警参数。五是结合全国范围内的铁路线路网络结构和乘客列车行车组织实际，建立列车运行状态预测预警模型。
（2）应急评估决策是应急处置自动化、智能化的主要体现。平台通过对各关联数据分析、应急资源管理、事件记录库匹配、应急预案查询、故障影响范围评估、产生应急运输调整方案等来实现应急的评估和决策。突发事件发生后，根据不同层级的影响范围，启动不同的应急预案进行调度指挥。
2基于大数据技术的铁路客运应急调度决策评估
2.1应急调度决策评估架构
铁路客运突发事件产生后，应对突发应急事件的影响范围、应急等级等进行评估，准确评估、合理决策是客运应急指挥的前提。为了更好地关联分析既有运输生产系统所产生的生产数据，搭建大数据处理环境，在积累海量的数据的同时，为科学辅助决策提供数据支撑。
PTEDCS的决策评估模型由数据源层、集成层、存储层、分析层、功能层、应用层和平台管理层组成。通过对不同的数据源进行整合、集成、存储、分析，为客运应急调度工作提供全方位的数据储备。
期刊文章分类查询,尽在期刊图书馆
2.2关联数据分析处理
基于大数据技术的决策评估处理模型的数据源层，主要包括乘客乘降数据、乘客列车行车调度运行线数据、列车开行数据、高速铁路铁路线数据、客车编组数据、乘客列车乘务数据等。数据处理首先是从既有的生产系统中抽取铁路客运应急调度相关的各种生产数据。考虑到乘客列车运行线数据、乘客售票信息等数据量不断攀升，采用Hadoop大数据平台处理大数据集是一个很好的选择。对于列车运行线历史信息、乘客售票历史信息等利用大数据采集工具导入Hadoop平台，按照列车运行车次、行车区间等不同的组织方式，存放在数据仓库中。对于列车运行的实时轨迹信息，以及当前运行的列车轨迹追踪、乘客乘降信息等直接存入关键值数据库，便于实时处理和查询。
Spark提供了一整套闭环的大数据应用分析解决方案。基于Spark分布式计算框架之上封装了常用的功能接口，方便在Spark之上进行数据分析和挖掘。对于应急决策评估数据分析，选用既支持离线数据分析又支持实时数据分析的Spark分布式计算工具。利用离线分析技术将铁路线运行能力、应急影响范围、应急恢复时间、应急资源储备等信息分析抽取出来，便于辅助应急决策和评估。利用实时数据分析，将应急处置过程监控、应急处置列车开行调整方案、调度命令、文电通知等数据快速提取出来，便于应急处置过程的信息交互。
2.3应急决策评估
在铁路客运应急决策评估模型功能层和应用层，利用分析抽取产生的应用数据，设计开发相应的功能，包括剩余运能分析、列车运行线拼线、乘客发送量统计，以及发布其他的数据服务。剩余运能分析是典型的基于大数据数据处理技术的应用场景。结合历史客流发送数据和区间乘客列车开行情况、区间线路通过能力、客票售票情况、铁路乘客列车开行计划、乘客列车编组信息等大量历史数据和实时数据，经过数据处理和挖掘，设计任意2个铁路站之间的剩余运行分析算法，计划区间内的乘客运输剩余运能。利用历史经验数据，预测铁路线路上任意区间的剩余运能情况。如果剩余运能超过一个阈值，将启动应急预案，进行应急决策处置。
列车运行线拼接是将列车运行所经过的各个行车调度台产生的运行线数据进行拼接和存储。在列车运行线的拼接过程中，需要结合实时数据查询和分布式数据处理2种技术将列车运行线实际信息、列车运行线计划信息、列车运行线历史信息进行关联处理。在客运应急调度指挥时，及时掌握乘客列车的历史运行轨迹、当前在途位置及未来的行车轨迹等，为决策评估提供最直接的行车方案调整依据。
通过大数据处理技术，还可以发布应急资源调配服务、应急历史事件查询等服务。客运应急调度指挥系统基于大数据技术，通过对关联数据分析、应急资源管理、事件记录库匹配、应急预案查询、故障影响范围评估、应急运输方案调整等实现应急的评估和决策。
2.4应急处置办法
突发事件发生后，通过对数据仓储内部的数据进行检索，搜寻发生过的类似突发事件，并对相关记录结果进行检索，第一时间确定相关应急预案的工作流程。铁路客运应急系统需要依托铁路应急平台，将铁路应急预案以及针对当前发生的突发事件生成的应急响应方案进行传输，确保相应方案能够快速、准确地传达到每一个管理末端。铁路各部门应在决策的总体要求下，以信息数据为技术支撑，协调合作，为应急处置提供管理、调度、物资、设备等方面的支撑。在最大限度地实现应急处置的目标后，还需要进行后续多方面的修复和处理，并在应急处置完成后对本次工作进行更深入的总结，积累经验。
结论
构建铁路客运应急调度指挥系统，做到应急有备、稳妥高效、处置得当是当前调度指挥领域亟待完成的目标。随着全路运输信息集成平台的建立，列车、车辆、客运、机车、司机、乘务、售票等信息不断收集完善，为建立客运应急调度指挥系统提供了大量的数据支撑。铁路PTEDCS采用一体化设计、集中架构，在横向的各部门、纵向的各岗位之间形成应急联动、协调指挥。基于大数据处理技术，在应急评估决策方面应做好充分论证和不断演练、实践，结合历史事件记录库的积累和修正，未来辅以人工智能和机器学习，以逐步提升运输指挥的自动化、智能化水平。
参考文献：
[1]李波.铁路局调度所客运专线SCADA系统建设方案[J].电世界，2017，56（10）：14-16.
[2]吴自民，潘云松.铁路客运车辆调度信息系统的设计与实现[J].铁路计算机应用，2013，22（10）：21-23.
论文作者:刘毛毛
论文发表刊物:《基层建设》2018年第36期
论文发表时间:2019/2/13
标签：数据论文; 列车论文; 乘客论文; 突发事件论文; 客运论文; 铁路客运论文; 信息论文; 《基层建设》2018年第36期论文;