基于目标导向的城市照明大数据高效能管控路径探讨

臧 锋，王鹏展

(南京市路灯管理处，江苏 南京 210013)

引言

海量数据的获得是信息时代的特征，也是照明行业在新时代的必然属性。无论是功能照明控制技术的精度提升，还是景观照明复杂多变的输出效果，数据已无处不在。然而，我们也清晰的认识到，大数据并不是大量的数据，而是有价值的数据；数据的丰富程度并不能说明问题，数据的价值是为了达成某个目标形成聚向的指标体系。面对数据的海洋，城市照明行业亦是如此，以目标体系为导向，建立感知体系、修灯体系、设施作业体系数据指标，进而根据输出结果实施调控措施，形成目标设定、获得数据、分析数据、输出结果、措施加持、效果验证、持续升级的科学程序，是目前的照明行业紧贴时代脉搏实现迭代发展的关键路径之一。

1 目标体系

信息时代，应以信息思维来解构和重塑城市照明管理体系，即将单灯监控或人工巡查设定为数据输入，将信息平台设定为数据处理，而将定点派发的工单、设施品质的改造提升，做出数据信息的输出端，以此实现城市照明管理从主观性向客观性、从定性向定量、从阶段性向整体性的转变。与此同时，所有数据均应围绕目标体系的实现而服务(图1)。

图1 以目标导向的城市照明设施管理大数据模型

1.1 感知的精准稳定

作为城市照明的参与者，我们直接接触到的数据为设施状态，包括灯具电流、电压等关键参数。然而，在我们专注于这些参数与标准值比较的同时，却会忽略我们如何获得数据，数据来源的稳定性、维持性，在数据时代具有与数据分析和使用同样的重要性。对此，我们需要用数据化的思维来管理数据来源，即城市照明的感知体系，具体来说包括线路监控、单灯监控等体系，广义上还包括人工对于设施外观的巡查等。感知系统，数据的来源，目标设定为精准、稳定。

1.2 修灯的效能迭代

在感知体系达到稳定与精准状态的条件下，则可作用城市照明运行管理模式的升级。效能，是现代城市照明管理的关键词。以南京为例，2010年设施量为20万盏，2020年达到120万盏，相应的人力投入却仅增加30%(图2)。与设施量增长不同，工程建设领域有着明显的潮汐现象，效能也同样关键，维持低的人力成本亦是建安企业的生存法则。用技术的升级，推动模式的升级；用模式的升级，推动效能的迭代，是当前城市照明发展的主旋律和设定目标。

图2 2010—2020年南京地区照明设施量分析图

1.3 设施的品质升级

统筹考虑各类事件之间的关联关系，是大数据思维的又一种先进性的体现。当我们将城市照明管理划分为修灯作业、设施品质管理两个方面，同时又在修灯作业领域取得了效能提升之后，设施品质管理便获得了更多的可用资源，进而将会产生设施品质，比如外观、安全、环境的升级，也即是设施管理的新设定目标。因此，面对庞大的城市照明体系，通过大数据在某一个方面实现突破，都能产生对整个产业的显著推动。

2 感知体系

面向设施的状态、作业的状态两类数据，建立动态的数据获得来源即感知体系，即单灯监控系统、派单系统、日志系统的有机合成，再通过单灯在线率、工单准确率、日志完整性作为评价和提升这套感知体系的主要指标系统，我们以南京奥南地区单灯监控覆盖区域为样本空间进行分析。

2.1 监控体系稳定性

健康稳定的单灯监控系统，应达成终端覆盖率、在线率两个数据指标。

1)单灯覆盖率。监控体系的完整性，在于是否与照明设施同步增长、减少和升级。大数据思维模式下，核心算法为，将单灯覆盖率目标设定为100%，用动态更新的城市照明地理信息系统，解决新建设施纳入、老旧设施消除后引起的设施变化等信息来源问题；用依附于设施变化的作业行为，实施单灯安装，达成覆盖率动态的动态达标(图3)。2020年南京奥南所辖区共装有28 000套单灯终端，达成奥南地区单灯全覆盖，全年新装、更换单灯终端2 000套(图4)。单灯覆盖率的有效性和持续性，保障了奥南“全定修”模式的深入推进。过渡期间，则采用未覆盖地区“外包人巡”的方式，解决了单灯覆盖客观存在的滞后性问题。

图3 “单灯终端覆盖率”要素控制数据模型

图4 奥南地区单灯覆盖率分析图2019.5—2020.10

2)单灯在线率。单灯监控体系的在线率，受到诸多因素的影响。包括通讯网络、平台稳定性、终端故障率、终端设备更换及时性等。核心算法为，将单灯在线率目标设置为100%，在网络、平台稳定的条件下，单灯终端维修更换作业是核心要素，当然这一要素也是根据单灯设备的故障特性、天气环境、电气环境共同作用的(图5)。面对这样的复杂问题，我们以综合结果为导向，即通过平台来动态获得离线单灯信息，生成单灯终端维修工单；再根据工单量特性，动态调整单灯终端修复作业周期的方式，来控制单灯在线率的稳定性。当然，在此之外，在单灯离线故障工单派发前，如有连续离线单灯则需结合线路控制系统，还应排查线路故障原因；如遇某片区多个单灯终端持续性离线，则应排除通讯网络故障。与此同时，当出现离线量批量上升时，还应用项目化的方式进行单灯的集中更换。根据这一科学方法，南京奥南地区实现了接近100%在线目标(图6)。

图5 “单灯终端在线率”要素控制数据模型

图6 奥南地区单灯在线率分析图2019.10—2020.10

2.2 工单体系稳定性

工单体系的稳定性，在于信息平台的智能化程度、工单派发的准确性两个方面。

1)平台的智能化程度。工单智能化，取决于系统对于电流、电压参数的分析能力，以LED灯、高压钠灯特性的深度学习为前提。主要表现在钠灯闪烁问题的处置，我们每天抽样数据5次以上，若出现持续闪烁表现的相应数据，则系统将该灯纳入可派单范围；若不足5次，则不然。与此同时，建立数据筛查结果与现场实际情况的比对机制，多次验证抽样频率的合理性，调整并设定最佳频点。南京在单灯监控系统方面，每天的监控数据在筛查前为30万条，在筛查后为300条，系统对数据的筛查率达到99%以上，为后续工单派发创造了必备条件。当然，这仅是面向灭灯故障智能化的第一步基础工作。当我们将智能化从灯具的亮灭与否，上升到每个灯具特性的正常与非正常值之后，则将实现对灯具亮灭故障发生之前的主动型预判，提升照明效果的体验感，提升重点路段的设施保障能力(图7)。这将是大数据在城市照明场景中的主要优势之一。

图7 “平台智能化”要素控制数据模型

2)工单派发的准确性。则是技术和管理的结合体，这一步骤是人工审核数据的过程，是最终确定一线人员是否修灯的主要环节。技术方面的核心模型，是对数据的再次复核的即与标准值的比对模型，是结合故障位置对一线作业进行线路规划即地理模型，是结合闪烁或者灭灯等故障类型为一线作业提供辅助信息即信息模型，是结合效能对工单量进行定额化的分配即调度模型。管理方面，则是责任明确到人，建立与调度员具有对应关系的派单系统，通过派单信息与现场作业反馈结果的比对模型，验证评定调度员的派单水平并作用于绩效，形成持续提升的闭环控制体系。综上，工单派发的准确性是一个综合体系，其主要数据处理放在平台侧完成，提升数据处理效率，将作业因素、设施特性等交给计算机；而最终输出结果，则由人工进行审核并由软件辅助，最终达到可控状态，支撑一线修灯作业的统筹、高效(图8、图9)。

图8 奥南地区单灯工单准确率分析图2019.10—2020.10

图9 “工单派发准确性”要素控制数据模型

3 修灯体系

城市照明感知体系的发展，通过监控系统与工单系统的稳定性进行落地。而在感知体系发展之后，带动的必然是作业效能的提升。我们用模式的创新，来运用监控体系实现效能提升；用传统模式下的评判指标，来衡量创新模式的可行性。

3.1 效能指标

作业效能，是解决城市照明设施量不断增长与有限的人工投入之间矛盾的主要途径。修灯作业效能，我们通过设施量/人员配比、修灯量/人员投入，两个主要参数来组成。

图10 “修灯作业投入”要素控制数据模型

1)人员配比。目标设定为效能提升，则需通过有效措施，在管辖城市照明设施量大幅增长的同时，投入人员零增长或小幅增长，即核心数据模型。措施方面，前置条件是，监控系统的精度由线路上升至单盏路灯，削减人工巡查。据此我们对南京奥南地区修灯作业进行创新。原有模式：修灯模式，奥南所采用传统的巡修结合模式管理方式，采用画地而治，包干辖区内设施管理。资源配置方面，跨包干区协作、工作量均衡分配不顺畅，不能有效匹配资源与任务的关系。现有模式：修灯模式，实施彻底的“巡修分离”，彻底的消除“人巡”的投入；故障来源全部由“单灯监控”系统监测、处置、下发。管理方式方面，实施彻底的“非包干区”模式，全所按照单灯系统“订单化”修灯；同时，根据修灯工单数量的变化，结合修灯定额，动态的调整晚班人员投入、时间投入(图10)。数据验证结果：采样空间，2019.5—2020.9，实践表明，在修灯效率提升、同时结合优化的“工单派发”机制的结合下，奥南地区可以根据工单量、修复周期等因素，进行班组的动态配置。按照每晚修灯15～20盏为测算依据，每周安排1～2个班组，每个班组2～3个晚班即可完成修灯订单。因此，富余出1个、甚至2个班组的力量动态转入专业的白天的设施整治及节能改造工作。经此统计，“定修模式”促成修灯投入降低30%以上。最终表现为，在设施量增长的条件下，运维人员配置零增长甚至负增长(图11)。

图11 2019年5月—2020年9月奥南地区设施量与作业人员投入分析

(2)修灯效率。围绕效能目标，修灯效率的提升，即修灯量与修灯投入比率的变化。该指标体现在传统“巡修结合”模式与“单灯定修”的显著区别。巡修，结果存在不确定性，线路存在不确定性，巡查的时间分摊到每盏灯的修复，则体现出低效能；定修，结果确定、线路确定，效能迭代。如图12、图13所示数据验证结果，采用空间2019年5月—2020年9月，奥南地区“巡修结合”下，由于巡修的结果存在不确定性，其平均巡修灯效率在20 min/盏～60 min/盏，上下浮动；在新的“订单式”模式下，则可以将修灯效率设定在最快的20 min/盏(含通勤时间)，再根据工单量安排修灯总时间。因此，从该指标来看，修灯作业效率平均提升达到50%。与此同时，单灯定修模式，存在两个阶段，第一阶段，以亮灯率实时100%为导向，监测系统直接派发工单，即时修复；第二阶段，则以统筹为导向，99%亮灯率为条件，分片、分区集中派单，一线队伍按照20 min/盏定额修灯，建立了修灯人员、时间投入，以及故障灯之间的一个恒定或者标准值，以此实现对修灯效率这一参数的动态可控(图14)。

图12 奥南地区修灯量与修灯投入对比图2019.5—2020.9

图13 奥南地区修灯效率分析图2019.5—2020.9

图14 “修灯效率”要素控制数据模型

3.2 保障指标

保障性指标，是技术创新、模式创新的前提条件，是最终是否产生输出价值的判断参数。相对于效能性指标，其评判相对简单，即与标准值对比是否达标。

1)亮灯率。对亮灯率数据的抓取，采用单灯监控体系为主、人工巡查为辅互相印证的机制，建立奥南地区月度亮灯率信息记录。根据《江苏省道路照明设施养护管理规定》，设定98%为亮灯率警戒值。当亮灯率低于该值时，则启动应急预案，提升修灯量、介入人工巡查。结果表明，自奥南地区2019.5“单灯定修”模式实施后，“亮灯率”未有显著下降且普遍高于行业标准。即“单灯定修”模式可行(图15)。

2)报修量。报修量反映的是社会效益的保障水平。定修模式下，我们进行了动态的监测观察，并建立了调控机制。结果表明，自奥南地区2019.5“全定修”模式实施后，“工单投诉量”较去年同比保持了较好的稳定性。即“单灯定修”模式可行(图16)。

图15 奥南地区亮灯率统计图2020.5—2020.10

图16 奥南地区亮灯故障报修量分析图2020.5—2020.10

4 设施体系

照明设施品质的保障，在智慧城市时代与亮灯保障同样重要，体现在设施外观、线路稳定等方面，并对亮灯情况产生正面影响。设施品质的提升(即白班作业)，传统模式下亦是被动式的见坏修坏；亮灯的修复(即晚班作业)效能提升，释放出人力资源，则为白班作业从碎片化向项目化的升级创造了条件，所以数据之间是相关联的、作业部署之间亦是相关联的。我们以设施品质提升为目标，以效能指标、保障指标的组合为核心模型，以调控措施为路径。

4.1 效能指标

以人员投入、人时投入的增加连接白班、晚班之间的效能关联，以作业量的增加，作业效能的提升为白班创新目标，组成效能类指标数据模型体系。

1)人数投入。人数投入，是晚班效能释放的绝对值和静态值，作用于“模式调整”，是晚班“单灯定修”模式效能提升结果向白班的传递。2019.5奥南修灯模型创新之后，常用晚班修灯人数下降30%；白班作业人数上升30%(图17、图18)。

图17 奥南地区LED占比与修灯量关系分析图

图18 奥南地区2019.5—2020.10白晚班投入人数分析图

2)人时投入。人时投入，是晚班效能释放的相对值和动态值，作用于“日常调控”，是以亮灯故障为基准、以定额化修灯作业为措施、白晚班资源动态替换的计算模型和管控模型。不仅是白晚班资源的交替，作为白班作业体系，导向应是项目化作业，人数一定时，则调整作业时间；时间一定时，则调整作业人数。因此，最终晚班资源的释放应作为白班作业资源的补充。目前实施的是对人时投入的观测，以及白班第三方人力资源的动态补充(图19)。

图19 奥南地区2019.5—2020.10白晚班投入人时分析图

3)作业量。在白晚班人数一定，且具有互换机制，白班作业量是衡量晚班效能提升的验证指标；与此同时，白班作业量的提升，也是能否实现设施品质分片分区项目化提升的前置条件(图20)。

4)作业效能(作业量与人数的关系)。作业效能，是项目化作业的综合体，其过程存在复杂性(项目特点)和不确定性(环境因素)。因此，在建立此类数据模型时，应将复杂问题简单化，用结果导向，效能的评判直接面向人、材、机三要素中最关键的“人的要素”，以作业量/人数投入，为主要指标；再以统筹性思维，考虑整个白晚班运维体系的总投入配比的变化，作为效能评价、提升的主要依据(图21)。

4.2 保障指标

设施完好率根据《江苏省道路照明设施养护管理规定》，设定95%为设施完好率最低值，观测效能提升的可行性(图22)。

图20 奥南地区设施作业量分析图

图21 奥南地区2019.5—2020.10白班作业效率分析图

图22 奥南地区2019.5—2020.10设施完好率

5 结语

综上所述，城市照明在信息时代正处于变革期，表现在大数据分析模型指导城市管理，实践于修灯作业模式的迭代升级，传递至亮灯效能对设施品质的影响，作用于城市照明主业的效能升级，延伸至智慧城市领域运营管理的可承载性。随着时间的不断推移，大数据将以更加细密、更加丰富的形态呈现在城市照明面前，而“目标导向”，仍是我们驾驭数据、使用数据的关键要素。从照明主业到智慧城市，从百万级终端到千万级终端的管理，科学的、精准的、有效的大数据体系，将成为未来产业的承载平台。