编组站综合自动化系统大数据平台构建及应用探究

徐永梅，余 淮，王 晶

XU Yongmei, YU Huai, WANG Jing

（中国铁道科学研究院集团有限公司 通信信号研究所，北京 100081)

(Signal & Communication Research Institute, China Academy of Railway Sciences Corporation Limited, Beijing 100081, China)

编组站综合自动化系统(Synthetic Automation of Marshalling Yard，SAM)是指将列车到达、解体、编组、出发、调度指挥和计划管理等全部活动作为一个不可分割的整体，组合形成管控一体的智能闭环系统[1]，实现行车、调度指挥与作业执行的自动化。《铁路“十三五”发展规划》明确提出加强铁路行业数据中心建设、加大数据分析和研发力度，大力推进数据资源开发利用，提升决策的科学性，促进资源优化配置[2]。因此，建立SAM大数据平台，深入挖掘、利用海量数据中潜藏的价值信息，全面发挥海量数据在作业智能评价、智能执行及运输指挥决策支持方面的作用，为推进铁路编组站运输指挥的决策智能化发展、提升编组站运输效力提供更加有力的技术支撑。

1 编组站综合自动化系统大数据平台构建分析

1.1 构建目标

随着铁路信息化发展和运输组织需求的不断提升，更加安全高效的自动化、智能化发展是编组站自动化系统不断追求的发展方向。SAM大数据平台是在SAM系统基础上重新整合各系统数据资源，旨在实现规划数据总体、强化数据分析与优化资源配置。

（1）规划数据总体。既有SAM系统不同层级的作业数据存留在各自的子系统，彼此交互共享的数据有限。SAM大数据平台立足整个编组站运输组织，整合各系统数据资源，构建运输作业信息共享平台，从宏观角度梳理数据流程，规划数据分类、用途，实现数据的统一管理与应用共享。

（2）强化数据分析。目前作业过程数据的利用更多展现在数据统计方面，数据价值利用率低。利用大数据技术实现列车到达、解体、编组和出发等过程数据的采集、存储与计算，深化分析运输组织、作业过程与运输资源间的关联关系，分析各环节作业质量与制约因素，为调度指挥与作业执行决策提供科学的指导建议。

（3）优化资源配置。既有数据存储多采用传统的关系型数据库，难以从多主题角度对作业过程进行科学全面地分析与评价。依托智能化的运维管理模式，借助智能分析手段，统筹规划调度计划、作业执行与运输资源间的关系，实现调度指挥与作业过程的精细化管理以及科学量化的评价体系，进而实现编组站资源的优化配置。

1.2 总体架构

SAM大数据平台依托集中控制网和综合信息网实现各专业数据的采集，采用分布式集群服务架构体系，研究面向调度决策、作业过程执行、作业评价分析和运维管理等方向的应用服务。SAM大数据平台总体架构如图1所示。

（1）数据源。SAM大数据来源于列车调度指挥系统 (TDCS)、车站信息管理系统、集中控制子系统、联锁系统、驼峰系统、无线调车机车信号和监控系统、停车器系统和车号识别系统等诸多系统，这些系统数据包含车站静态基础数据和作业过程动态数据等。其中，静态基础数据包括运输统一的基础字典、技术资料、站场线路资料、运输规则(编组计划、车流径路、基本运行图和编组隔离要求等)；作业动态数据包括列车计划、解编计划、列车和本务机的运行实绩数据、调机走行和作业数据、进路占用时间、技检作业时间、设备运行监测数据等。

图1 SAM大数据平台总体架构Fig.1 Overall architecture of SAM big data platform based

（2）SAM大数据平台。综合当前主流大数据架构[3-5]，平台依托集中控制信息网和综合信息网，搭建分布式集群服务平台，利用大数据技术对数据进行抽取、过滤后，实现数据整合、存储、分析与服务功能，深层挖掘分析数据间的关联性与预测性等信息，满足业务系统的需求。其中，数据整合指借助大数据抽取技术实现对数据的筛选、加工与整合；数据存储指基于数据容量及其类型，选择相应的数据存储工具实现对整合后的数据存储；数据分析指根据不同数据服务需求构建相应的数据模型及算法，建立大数据分析引擎，实现对数据价值的挖掘与利用；数据服务指大数据平台借助分析引擎为不同岗位、作业过程提供相应的数据查询、可视化展示和决策支持等服务接口。

（3）SAM大数据平台应用。研究编组站作业效率影响因素[6]，以提高信息和资源共享程度、减轻人员作业强度以及提升运输效率为目标，大数据平台面向计划调度岗位提供到发线股道自动分配、作业计划自动编制、调机运用规划等决策支持服务；面向车站作业执行岗位提供列车接发车作业过程自动规划、行车风险预警等服务；面向管理岗位提供作业数据统计分析、能力查定和作业智能评价等服务；面向设备运维岗位提供可视化运维平台、故障诊断与预测以及风险识别等服务。

1.3 应用路径

编组站运输生产各环节既相互独立又相互制约，各作业环节各自产生大量有价值的作业数据信息，这些信息不仅是其作业过程的一种记录，信息之间也体现当时的作业场景和作业模式。SAM大数据平台通过抽取、过滤、整合等步骤将运输生产过程中各系统产生的数据信息进行加工存储，实现各作业过程数据的全面共享以及纵向价值挖掘。通过关联分析、神经网络和过程挖掘等技术分析作业数据关系、构建量化模型，从而向各环节作业系统提供决策支持服务，实现“数据—价值—应用”的链路循环。SAM大数据平台应用路径如图2所示。

2 编组站综合自动化系统大数据平台应用分析

2.1 智能调度

智能调度是指大数据平台基于实时的调度计划、机车和车辆状态、各环节作业进度与历史作业数据等信息智能感知运输资源与调度需求的整体态势，在调度指挥与作业执行间建立数据共享反馈机制，实现编组站作业调度方案的智能化调整。

（1）到发线股道自动分配与调整。通过分析到发线运用原则建立到发线股道分配模型[7]，结合历史作业数据对模型参数进行优化调整。将计划到发列车的基础信息（到发方向、到发类型和车辆信息等）、当前站场资源使用情况、计划数据和相关环节作业进度等因素作为模型输入，实现到发线的自动分配与调整。

（2）钩计划自动编制与调整。钩计划编制过程需要综合考量车辆状态、车流到达、集结情况以及站场资源使用情况等诸多因素，过程复杂且动态调整频繁。通过过程挖掘发现钩计划调整轨迹与阶段计划、以及其他资源间的关系规律，以此为基础搭建深度神经网络模型，利用历史数据进行自身的强化学习和深度学习，引导系统模仿人脑工作模式实现钩计划的自动编制。

图2 SAM大数据平台应用路径Fig.2 Application path of SAM big data platform

（3）调机运用规划。在满足调机作业分配的约束条件下，以调机接续任务时转线时间最短为目标[7]，将调机作业固定区域、当前作业进度、走形路径和对其他作业干扰等因素进行量化处理，并赋予各因素不同的权重因子。利用神经网络模型计算出合理的调机分配计划，减少调机不必要的转线时间，提高调机运用效率和作业质量。

2.2 智能执行

智能执行是指大数据平台基于历史作业轨迹数据分析，结合调度计划、作业实绩数据和站场设备状态等信息，自动识别与调整编组站接发列车过程中的进路执行方案，提升编组站作业过程管理及控制的智能化水平。

（1）进路开放时机判断。目前列车进路开放时机按照系统特定规则进行设定[8]，没有考虑列车实际运行情况和未来可能的调车作业计划要求等，存在进路开放时机过早或过晚问题。对此在接发列车计划、列车运行状态与调机作业计划间建立关联分析模型，当空间上存在进路冲突时，以列车进路最晚开放时间为原则，综合考虑历史冲突进路占用时间等因素，实现进路开放时机的智能判断。

（2）作业进路智能调整。受作业计划调整和线路状况等因素的影响，接发车作业进路走行也需要配合动态调整。建立列车走行路径的网络拓扑，在大数据统计分析关键道岔组、区段等设备的占用时间的基础上，以路径可达并综合考虑走行耗时、缓急程度等因素为设计目标建立机器学习算法库。在进路计划指令无法执行时，智能变更列车走行进路，减少人工干预的工作量。

（3）接发车顺序自动调整。目前系统以办理同意接车或邻站同意发车的顺序进行进路指令的下达，当不符合实际作业顺序时需要人工干预。在考虑指令下达条件时附加历史接发车顺序学习因子，完善接发车进路指令下达序列动态调整算法，解决空间上进路存在冲突但时间间隔相差较大的情况下列车进路下达指令顺序与实际接发列车顺序不一致的问题。

（4）行车风险预警。通过视频监控系统获取线路周边异常告警信息，解析调度命令中列车运行方向、限速或超限等内容，综合考虑股道属性、固定进路、接触网和施工区域等参数，实现行车作业的安全防护机制。研究车站和机车的无线通信联控系统，自动将行车安全信息、确认行车要求等内容传送到机车上，无需人工联络呼叫。建立行车事故风险关联信息库，针对风险源进行统计分析，加强管理人员对高风险源的管控。

2.3 智能分析

智能分析是指大数据平台基于列车到达、解体、编组和出发等全过程数据的自动采集、写实、分类与计算，自动综合计算编组站作业能力与量化评价各环节作业质量，多角度联动分析发现作业瓶颈，为调度指挥与作业执行工作的调整优化提供更加科学合理的指导方向。

（1）作业数据统计分析。按照《铁路货车统计规则》和《铁路货物运输统计规则》中规定的统计要求和计算方法进行相关数据的写实、筛选，集中整合“到、解、集、编、发”等各生产环节的计划、执行和控制信息，构建星型模式的数据仓库、特定主题的数据集市，实现分析对象在时间、空间及属性等不同维度的分析计算。以列车自动化率统计为例，以自动办理的列车进路为中心，按照时间、班次和列车类型等维度构建数据仓库，使用联机分析处理 (OLAP)技术和商业智能(BI)技术让管理者可以随时获取每班作业和不同类型列车的进路自动化使用情况及变化趋势等。

（2）车站能力查定自动化。传统人工能力查定的方式存在查定周期长、效率低、结果存在偏差等特点[9]。通过详实、准确的作业过程数据写实，大数据平台可以自动、实时计算出车站各方向接发车列车数、解编辆数、技检作业时间、道岔和股道等设备占用时间等，自动计算车站能力，并为探索更加精准合理的能力查定计算方式提供数据支撑。

（3）作业智能评价。作业质量评价结果的高低一定程度上可以反映作业人员的组织能力，也是作业决策支持的基础支撑；大量周期性的作业数据质量评价结果曲线也反映作业人员能力的成长曲线。通过量化分析钩计划兑现率、调机与驼峰资源利用率和车辆停留时间等实现作业质量的有效评估，为进一步提高编组站作业效率提供可靠依据。

2.4 智能运维

智能运维是指大数据平台通过建立健全设备运维管理模型，借助可视化、智能分析等技术满足设备运行状态的实时监测、故障诊断与预测等运维要求，为SAM系统稳定运行提供基础保障。

（1）可视化运维平台。通过安全、特定的数据采集技术实时采集、存储和分析监控设备的软硬件运行状态等信息，建立健全监管设备的全寿命周期履历表。为用户提供不同维度的数据报表分析功能，辅助设备管理者宏观掌握系统运行状况。

（2）故障诊断与预测。建立设备可靠性和故障分析模型，根据历史故障发生时间、原因、系统性能等因素进行关联或聚类分析，利用机器学习算法拟合推算故障发生趋势，提前预警、排查故障发生时间和问题，提前防范问题的发生。

（3）风险识别。健全网络安全诊断机制，通过IP白名单机制防止潜在风险的网络攻击；基于设备运行状态数据的实时采集与分析，当监测到设备异常或运行数据偏离正常值的幅度超过允许范围时进行实时报警提醒。全面监控设备运行状况，及时发现、告警异常信息。

3 结束语

编组站是铁路枢纽的核心，是车流集散和列车解编的基地。为保障编组站安全有序的运转，调度人员需要综合考量列车计划、站场情况、调机作业进度、驼峰和股道等资源运力等多种因素。编组站综合自动化系统大数据平台的建设将统筹规划各专业数据，为编组站资源共享、运输组织及作业方式的智能化研究提供有力支撑。随着铁路信息化以及物联网技术的不断发展，编组站大数据平台未来可以融合无线定位、语音识别、图像和视频识别及探测感知技术等，不断探索新技术形态下的编组站智能化发展方向，如驼峰自动摘钩、平面调车安全连挂控制等，充分实现调度指挥与作业控制的智能化协同作业的新局面。