城市軌道交通調度員安全作業行為可靠度研究

張光遠，胡 晉，杜靜霜，丁小東，何必勝

（1.西南交通大學 交通運輸與物流學院，四川 成都 610031；2.西南交通大學 綜合交通運輸智能化國家地方聯合工程實驗室，四川 成都 610031；3. 中國鐵道科學研究院集團有限公司 運輸及經濟研究所，北京 100081）

調度員在城市軌道交通運輸中具有重要作用[1-2]，通常調度員一次連續工作時間長達12 h，考慮到交接班會，工作時間會進一步增加，容易在工作中處于疲勞狀態。由于調度員在工作疲勞狀態下無法及時對突發情況做出反應，而且下達的調度命令無法保證準確度，因而會降低軌道交通的運輸效率[3-5]，甚至造成生命財產損失。為保證和提高城市軌道交通運輸的安全及效率，必須保障調度員的工作效率。因此，通過構建多維度調度員行為能力特征因子與調度區段行車系統特征因子的安全可靠度模型，分析基于調度作業行為的調度區段行車系統能力特征因子時段演變規律，合理規劃調度員工作方式。

1 城市軌道交通調度員安全作業行為影響因素分析

城市軌道交通調度員行為直接影響著行車安全及相關任務的完成，調度員安全作業行為受調度員個人因素及行車系統外部因素共同影響，因此，軌道交通調度員安全作業行為影響因素可以分為調度員作業行為能力特征與行車系統能力特征2大類。

1.1 調度員安全作業行為可靠度影響因素

（1）調度員作業行為特征。調度員作業能力特征主要按照是否專業性進行分類，可以分為非專業因素、專業因素以及其他因素。其中，非專業因素包括性格、工作態度、記憶力、語言表達能力、非常情況處理能力、機敏度；專業因素包括規章制度掌握程度、專業知識理解能力[6-8]；其他因素如調度員的工齡、年齡、身體健康狀況、心理狀態共同決定著調度員作業行為能力。

（2）行車系統能力特征。行車系統能力特征可以分為確定性因素、隨機性因素以及其他因素。確定性因素包括最小行車間隔、高峰上線列數、準點率、兌現率、加開臨客數、交路選擇；隨機性因素包括晚點列車數、故障列車數、線路特性；其他因素為調度設備的智能化。

1.2 調度員安全作業行為可靠度關鍵影響因子提取

1.2.1 調度員安全作業行為能力關鍵影響因子提取

影響調度員作業行為能力特征及行車系統能力特征的因素眾多，通過這些因素提取出能夠有效反映不同能力特征的關鍵因子，從而對調度員安全行為進行研究。引入層次分析法對提到的因子通過影響權重進行篩選排序，提取出最具代表性的、影響效果最大的因子作為調度員作業行為能力特征和行車系統能力特征的影響因子。

在建立調度員作業行為能力特征影響因素結構模型時，目標層為調度員作業行為能力特征影響因子，準則層包括非專業因素、專業因素、其他因素，指標層選取與非專業因素、專業因素、其他因素相對應的指標。調度員作業行為能力特征影響因素結構模型如圖1所示。

圖1 調度員作業行為能力特征影響因素結構模型Fig.1 Structural model of factors influencing the operational behavior ability of dispatchers

利用計算出的準則層和指標層各結果，加權得出總權重。調度員作業行為能力特征影響因素權重如表1所示。

由表1可見，選取總權重最高的前3項作為影響調度員作業行為能力特征的典型因素，分別為心理狀態、工齡和非常情況處理能力。

1.2.2 調度區段行車系統能力關鍵影響因子提取

同理，調度區段行車系統能力特征因子的層次結構模型如圖2所示。

利用計算出調度區段行車系統能力特征因子的準則層和指標層各結果，加權得出總權重。調度區段行車系統能力特征影響因素權重如表2所示。

由表2可見，選取總權重最高的前3項作為影響調度區段行車系統能力特征的典型因素，分別為最小行車間隔、調度設備智能化和晚點列車數。

表1 調度員作業行為能力特征影響因素權重Tab.1 Weight of dispatcher’s operational behavior ability characteristics influencing factors

圖2 調度區段行車系統能力特征因子的層次結構模型Fig.2 Hierarchical model of the characteristic factors of dispatching segment traffic system ability

2 城市軌道交通調度員安全作業行為可靠度研究

利用總權重最高的6項影響城市軌道交通調度員安全作業行為特征的指標，作為判斷調度員作業行為可靠度的影響因子。通過BP神經網絡對6項影響因子及相互間的關系進行訓練，得出判斷軌道交通調度員作業行為可靠度模型?；谠撃Ｐ蛯壍澜煌ㄕ{度員在不同條件下的可靠度進行分析，進而合理規劃調度員的工作方式。

表2 調度區段行車系統能力特征影響因素權重Tab. 2 Weight of dispatching segment traffic system capability characteristics factors

2.1 建立調度員安全作業行為可靠度等級BP神經網絡

BP神經網絡作為人工神經網絡技術之一，具有結構簡單、學習能力強等特點。BP神經網絡通過BP算法對各層間的權系數進行修正，指導網絡學習，實現預測、評價等功能。對于BP神經網絡，可以用單隱含層逼近任何閉區間的連續函數。因此，利用隱含層為一層的BP神經網絡即可完成任意的s維到t維的映射h。

調度員安全作業行為可靠度BP網絡模型如圖3所示。

輸入層神經元編號對應表如表3所示，隱含層節點傳遞函數選用tansig函數，輸出層節點轉移函數選用purelin函數。建立的神經網絡模型的輸出是調度員各項因子的程度，因此而輸出層的維數為一維。根據調度員操作的失誤及失誤所造成的影響，可以將調度員可靠度分為5個等級，即不可靠、較不可靠、一般可靠、較為可靠和非?？煽?，分別對應的數字輸出是1，2，3，4，5。綜上，建立調度員疲勞等級BP神經網絡的輸入層神經元個數是6個，輸出層的神經元個數是1個。隱層神經元數為8個[9]。

為了論述的清晰，我們按照受調查人員是否作為交際一方參與了自然發生的真實交際，將語用學研究中常用的語料收集方法分為“自然語料”和“引發式語料”兩大類：自然語料來自于受調查人員作為交際一方參與其中的言語交際行為，受真實交際意愿的驅動；引發式語料是指研究對象并沒有參與到真實的言語交際中，而是受研究工具的誘發和引導，從記憶中搜尋有關語言使用的信息，并報告出來，表演出來，或寫出來，受研究人員的研究目的驅動。

2.2 訓練及驗證調度員安全作業行為可靠度等級BP神經網絡

通過對某市城市軌道交通運行控制中心的實地調研，連續跟班，選取4個不同班組共80名調度員為研究對象，其中以40名上崗調度員數據樣本用以訓練BP神經網絡模型對地鐵運營階段調度員白班做分析，將城市軌道交通運營時間8 : 00—20 : 00以1 h為單位將其劃分為12個時間區段，分別計算出對應時間區段下的調度員作業行為可靠度。

圖3 調度員安全作業行為可靠度BP網絡模型Fig.3 BP network model of dispatcher operation behavior matching reliability

表3 輸入層神經元編號對應表Tab.3 Input layer neuron number corresponding table

利用訓練完成的神經網絡對另一運行控制中心的其他60名調度員的可靠度進行驗證。10人一組進行編號，分別為A，B，C，D，E，F組。每編號數值即為10名調度員相關數值的平均值。調度員安全作業行為可靠度模擬與真實值如表4所示，調度員安全作業行為可靠度仿真圖如圖4所示。

表4 調度員安全作業行為可靠度模擬與真實值Tab.4 Simulated value versus real value of dispatcher matching reliability

圖4 調度員安全作業行為可靠度仿真圖Fig.4 Dispatcher’s operational behavior matching reliability simulation diagram

以A，B，C組為對象，A，B，C組仿真與真實可靠度隨時間的變化如圖5所示。

A，B，C組最小行車間隔如圖6所示；A，B，C組最小行車間隔對應斷面能力如圖7所示。

結合表4，可以得出所建立的調度員安全作業行為可靠度模型仿真數值與真實值基本相似，可以反應出調度員可靠度隨時間變化的趨勢；在第1，2，6，11時間區段，即8 : 00—9 : 00，9 : 00—10 : 00，13 : 00—14 : 00，18 : 00—19 : 00期間，調度員安全作業行為可靠度較低；仿真數值較真實值略大，但誤差均在1.0以內，影響可以忽略。

圖5 A，B，C組仿真與真實可靠度隨時間的變化Fig.5 A, B, C group simulation and real matching reliability changes

圖6 A，B，C組最小行車間隔Fig.6 Minimum headway for groups A, B, and C

結合表4及可靠度較低情況的說明，管理者可以對第1、第2、第6、第11時間區段內調度員的作業加強監督，以提高調度員作業行為可靠度。

圖7 A，B，C組最小行車間隔對應斷面能力Fig.7 A, B, C group minimum headway corresponding section ability

3 結論

基于城市軌道交通調度員工作任務，利用層次分析法對影響因素進行篩選，提取出權重較高的6項指標，并建立調度員作業行為可靠度BP神經網絡。

由實證分析1號線6名調度員白班下各時段的行為可靠度可知，調度員在第1、第2、第6、第11時間區段下，即8 : 00—9 : 00，9 : 00—10 : 00，13 : 00—14 : 00，18 : 00—19 : 00時間段期間，作業行為可靠度較其他時間段略低。通過現場了解，8 : 00—10 : 00期間，調度員在白班開始階段，由于交換班以及客流高峰的影響，相關任務較為繁忙，突發情況較多，可靠度較低。在13 : 00—14 : 00期間，任務沒有高峰期間繁忙，但恰屬正常作息下的午休時間，調度員會產生疲勞，故該時段可靠度較低主要是由疲勞所造成的。18 : 00—19 : 00期間，由于晚高峰達到最高值，故可靠度下降。

因此，受較大斷面能力及較小行車間隔影響，時段演變特征下調度員行為可靠度基本特征是早高峰期間較低，可靠度2級，即較不可靠。早高峰結束后，由于在線列車數的減少，調度員任務下降，可靠度升高，13 : 00左右，調度員由于疲勞，可靠度下降。從15 : 00開始至17 : 00，在線列車數較高峰時段小，可靠度回升。17 : 00開始晚高峰，任務繁忙，可靠度下降，至2級，即較不可靠。但是，由于客流沒有早高峰集中，任務較早高峰略低，可靠度也較早高峰略高。

針對城市軌道交通調度員各時段下的作業行為可靠度進行研究，發現在早、晚高峰及午間，調度員作業行為可靠度較低，管理人員需要重點監督或調整在作業行為可靠度較低時段下調度員的工作及其他相關設施設備的運行情況，以提高軌道交通運營的安全高效。