基于WBS-HLPN的主動防控業務流模型構建研究

胡志強，張天格，王艷輝，4，5，6

（1.北京市地鐵運營有限公司，北京 100081；2.北京交通大學 先進軌道交通自主運行全國重點實驗室，北京 100044；3.北京交通大學 交通運輸學院，北京 100044；4.北京交通大學 北京市城市交通信息智能感知與服務工程技術研究中心，北京 100044；5.北京交通大學 城市軌道交通運營安全管理技術及裝備交通運輸行業研發中心，北京 100044；6.運營主動安全保障與風險防控鐵路行業重點實驗室，北京 100044）

0 引言

城軌系統的大部分運營安全保障工作都是在出現故障或發出事故警報信息后進行［1］，此時的處理手段只有維修或應急處置，對于事故發生的原因和過程，也只能通過事故分析來確定。在這種安全保障模式下，城軌系統的運營安全不易得到保障。因此，需要優化城軌系統主動防控的業務流程。

為構建完善、合理的業務流模型，需要對風險主動防控任務進行明確和分解，因此選用工作分解結構（Work Breakdown Structure，WBS）法對風險主動防控的業務任務進行分解［2］。為了更加貼合實際，構建具有流形態和相關關系的業務流模型，選擇利用Petri 網進行網絡建模，模型具有普適性與可拓展性，可以模擬管理系統、組織結構的控制、管理方式［3］，可以描述異步并發系統，能夠保證業務流過程簡化且沒有重復［4］。

1 WBS業務模型構建

WBS［5］有4種主流構建方法：類比法、自下而上、自上而下［6］、模板法。城軌領域目前沒有已成型的或類似的業務流模型，因此不能使用類比法或模板法。同理，自下而上的方法由于工作量繁重，并且不能保證底層元素的全面性，同樣不適合。因此，選擇自上而下的結構構建方法。

1.1 WBS業務模型定義

用六元組來表示WBS 業務模型，記為UW =(Nw，Tw，Gw，Rw，Dw，Cw)。其中：

（1） Nw ={nwij|i，j= 1，2，...，n}表示編碼庫，用來標注需要完成的任務，?nwij∈nw，nwi′j′∈nw，當i≠i′或j≠j′時，nwij≠nwi′j′。

（2）Tw ={twij|i，j= 1，2，...，n}表示任務集合。

（3）Gw ={gwij|i，j= 1，2，...，n}表示任務間相關關系的集合。，其中，為twij的前一任務，為twij的上一層任務。

（4）Rw ={rwij|i，j= 1，2，...，n}表示資源集合，分為：人員、方法或技術、裝備和物資。，其中，為人員，為方法和技術，為資源和裝備。

（5）Dw ={dwij|i，j= 1，2，...，n}表示工期集合。為符合實際生產作業中時間的隨機性，將時間單位分為分鐘mi、小時ho、天da、周we、月mo和年ye，其中不滿1 h的歸為分鐘單位，以此類推。

（6） Cw ={cwij|i，j= 1，2，...，n} 表示工作包集合。

1.2 WBS業務模型構建方法

基于上述對WBS 模型元素的定義，給出以下業務分解的算法步驟：

步驟1：初始化，確定需要分解的業務任務，i=1；

步驟2：給定任務節點的唯一編號nwij，確定任務節點twij的任務內容；

步驟3：確定twij對應的關系gwij、資源rwij和工期dwij；

步驟4：判斷twij是否需要繼續分解，若不需要，記為cwij，結束，轉步驟6；否則，繼續下一步；

步驟5：對任務進行分解，i=i+1，轉到步驟2；

步驟6：返回上一層，i=i-1，若i≠0，繼續下一步；否則，轉到步驟8；

步驟7：判斷本層是否仍有任務可以繼續分解，若有，轉到步驟2；否則，繼續下一步；

步驟8：根據上述步驟的分解結果，構建出被分解業務任務的分解結構模型。

2 HLPN模型構建

為了更加貼合實際，構建具有流形態和相關關系的業務流模型，需要在業務分解的基礎上，將業務模型轉換為業務流模型，因此選用高級Petri［7-8］網（High Level Petri Net，HLPN）進行網絡建模。

2.1 主動防控業務HLPN模型定義

城軌系統主動防控業務Petri網（Petri Net，PN）模型 是 1 個 九 元 組，表 示 為 UPN ={P，T，F，I，O，C，M，PI，TI}，其中：

（1）三元組(P，T，F)組成的基本PN 稱為UPN 的1 個基網。P為庫所集合，代表模型具體的業務步驟，記為P={p1，p2，...，pn}，n為1個有限的數值；T為變遷集合，代表業務步驟完成，轉向下一個步驟的動態狀態，記為T={t1，t2，...，tm}，m為1 個有限的數值；F為流集合，表示任務和狀態之間的先后關系，用(p，t)，(t，p)對來表示。

（2）I和O分別為輸入函數和輸出函數集合，分別表示庫所中標識的變化規則。

（3）C為標識顏色集合，涵蓋了可能出現的標識顏色；M為標識集合。

（4）PI和TI分別是庫所和變遷的時間集合。

2.2 HLPN模型庫所模塊化原理

在實際應用中，HLPN 模型中的每一個步驟都可以繼續向下拆解為更詳細的步驟（見圖1）。

圖1 庫所模塊分層示意圖

2.3 HLPN模型資源庫所交互原理

由輸入函數和輸出函數可以計算發現，很多庫所的輸入和輸出標識并不對等。分析其原因，發現有很多資源是可以重復利用的非消耗性資源。因此，需要通過計算輸入函數與輸出函數之間的差值，來確定每個庫所與外部資源庫所的標識交換情況。業務流庫所與資源庫所的交互原理見圖2。

當變遷t36的激發條件被滿足，需要從資源庫所p0中補充激發變遷t36所需要的資源。當變遷t36中的標識流出時，業務庫所p37不需要利用的資源流入資源庫所p0或者直接被消耗，其他可以繼續利用的資源標識或其他標識流入業務庫所p37，繼續進行下一步變遷的系統活動。

3 WBS-HLPN映射及修正方法

利用業務模型的構建結果，可以快速映射到Petri網模型，提高算法效率。

3.1 初始PN模型向HLPN模型修正規則

由于WBS 方法本身的特性，利用WBS 進行分析時，關注對總任務的分解，不關注分解得到的小任務之間的復雜關系。在構建WBS 業務模型時，初步給出了小任務與其他任務的簡單前后關系，沒有考慮復雜的綜合相關關系。因此映射出的PN 結構也并不完善，需要對初始PN模型進行修正。

（1）初始PN 模型中的庫所，沒有分析城軌系統運營安全影響因素的不同特征和區別。因此在修正的PN模型中，需要面向乘客、工作人員、設備設施、環境等影響因素，把部分需要分解或修改的庫所進行重新構建，將不同影響因素對應的流程引向不同的庫所路徑。

（2）從WBS 業務模型映射時，只規定了變遷表示與其相連的前項任務是否完成的狀態，然而變遷的激發條件可能是非常復雜的，因此對部分不準確的變遷進行修正，并給出所有變遷的激發條件。

（3）根據實際對初始PN 模型的流關系進行修正，完善各個庫所和變遷之間的流關系，并且確定每個流關系上附著的輸入或輸出函數的具體表達式。

（4）在WBS業務模型向初始PN模型映射時，標識符號各不相同。實際上許多資源都不是單個任務獨用，而是會貫穿幾個任務步驟?；诖?，將相同含義或屬性的標識進行整合。整合不意味著把所有相同的資源都歸一，而是要體現出非一次性消耗資源在多個任務過程中可以持續使用的特性。

（5）在由WBS 業務模型工期集合映射至初始PN模型中時，是直接映射到庫所所對應的時間集合上的，但變遷也是需要時延的。因此要對每個庫所的時間元素進行分析，確定其所處的位置應該是庫所還是變遷。以此也可以構建出面向變遷的時間集合TI。

（6）工作包集合是WBS 業務模型1 個重要的集合元素。在初始PN 模型中，并沒有體現出工作包集合的作用和特性。分析每一個庫所，是否需要被設定為庫所模塊。如果需要設定為庫所模塊，還需要對每個具體的庫所模塊進行分解，確定模塊內具體的組成結構，以此指導城軌系統風險主動防控業務的運行。

3.2 WBS業務模型向初始PN模型映射規則

（1）將任務集合Tw 映射為庫所集合P，設定映射規則為{Twij|Twij∈UW(Twij)}→{Pij|Pij∈UPN(Pij)}，代表任務是PN 所描述系統當前靜態所處的狀態。如果檢驗到任務已完成，則變遷可以被激發。

（2）將關系集合Gw =(a)映射為流集合F。設定映射規則為。

（3）將資源集合Rw =(p，m，e)映射為顏色集合C=(p，m，e)。設定映射規則為｛p，m，e|p，m，e∈UW（Rw）｝?｛p，m，e|p，m，e∈UPN（C）｝。

（4）將工期集合Dw 映射為庫所時間集合PI。設定映射規則為{dij|dij∈UW(Dwij)}→{piij|piij∈UPN(PIij)}。其中，piij的上、下界由dij的值確定。

3.3 WBS-HLPN模型構建方法

給出構建WBS-HLPN模型的算法步驟如下：

步驟1：初始化，i=1，j=1；

步驟2：將任務集合映射至庫所集合；

步驟3：將關系集合映射至流集合；

步驟4：將資源集合映射至標識集合和顏色集合；

步驟5：將工期集合映射至庫所時間集合；

步驟6：若j=m，繼續；否則，轉到步驟2，j=j+1；

步驟7：若i=n，繼續；否則，轉到步驟2，i=i+1，j=1；

步驟8：根據映射后的結果，構建出初始PN 模型結構；

步驟9：修正初始PN 模型的庫所、變遷、流關系、庫所時間和變遷時間集合；

步驟10：構建出針對每個主線的HLPN 修正子模型；

步驟11：修正初始PN模型的標識集合；

步驟12：修正初始PN 模型的輸入、輸出函數集合；

步驟13：融合3 個主線任務的HLPN 修正子模型，構建出HLPN修正總模型；

步驟14：計算庫所與資源庫所的標識交互，資源標識=輸入函數－輸出函數；

步驟15：構建出最終的城軌系統主動防控業務HLPN模型。

4 城軌系統主動防控業務流模型構建實例

4.1 WBS模型構建結果

在構建城軌系統的風險主動防控業務模型前，首先需要明確防控業務的內容，主線業務可以分為2個部分：一是風險辨識和風險評估兩大主線任務；二是風險管控的主線任務。

風險的辨識、評估和管控工作，從城軌系統運營開始一直持續不斷［9-10］。而隱患一旦出現或被發現，則需要立刻進行治理，這種隱患治理的含義與立刻實施的狀態特征，與風險的管控措施是相符合的。因此，將隱患的治理業務歸納至風險的管控業務中。

基于WBS 法的風險主動防控業務任務分解結果見圖3。

圖3 風險主動防控業務任務分解結果

4.2 初始PN模型構建及其修正

根據風險辨識（評估與管控同理）的WBS 業務模型分解結果，映射其為初始PN 模型（見圖4），在圖4中，部分符號所標識的含義見表1。

表1 風險辨識機制初始PN模型符號含義（部分）

圖4 風險辨識機制初始PN模型

首先，對初始PN 模型中的庫所、變遷、流關系、庫所時間和變遷時間進行修正，得到修正子模型見圖5。

圖5 風險辨識機制HLPN修正子模型

然后，針對HLPN修正子模型標識集合中的標識進行整理與融合，并且根據修正后子模型變遷的激發條件的需求，增加邏輯標識。相應地，在顏色集合中，增加邏輯標識顏色[L]。

最后，可以得出HLPN修正子模型流的輸入和輸出函數，部分結果見式（1）。

4.3 城軌系統主動防控業務HLPN模型構建

構建出3 個主線任務HLPN 模型融合后的HLPN 耦合模型（見圖6）。

圖6 主動防控業務HLPN耦合模型

對于耦合模型，計算其具體需要交換的標識，部分交互結果見表2。

表2 變遷與資源庫所的標識交互結果（部分）

4.4 實例驗證

選取地鐵運營公司實際風險管理業務中的1個重要部分，即重大風險登記與降級工作流程進行建模分析與優化，根據公司規定的流程進行Petri 網建模，得到重大風險登記、降級工作流程PN模型見圖7。

圖7 重大風險登記、降級工作流程PN模型

對其優化的主要思想是根據工作流程模型，將其構建為模塊耦合的HLPN模型，并且將流程構建的重點放到主動防控業務，改進模型見圖8，模型符號含義（部分）見表3。需要指出的是，由于缺乏其中所需要的資源數據，以及流程本身沒有對于工作時間的規定，在優化模型中沒有對標識、顏色集、庫所和變遷時延進行詳細分析。

表3 重大風險登記與降級HLPN模型符號含義（部分）

圖8 重大風險登記與降級工作流PN改進模型

針對重大風險登記與降級工作流程，在網絡結構上改進其冗余結構一半以上，減少不必要的工作流程，使系統運轉更為高效；在功能上對其中的工作進行劃分，將工作流程模塊化，利于職能、資源和任務分配；在內容上確保工作不止于形式，而是具有可實際操作的工作內容。

5 結束語

選取了針對業務分解的WBS 分解法，提出并分解了城軌系統風險主動防控機制業務。根據WBS 法針對任務分解與Petri 網針對流關系建立的特征，提出了WBS 至PN 模型的映射規則與修正規則。據此，構建出城軌系統主動防控業務HLPN耦合模型。選取了地鐵運營公司重大風險登記與降級工作流程作為實例，對其進行了優化與分析。結果表明，提出的模型在內容分解方面更加具有合理性與可執行性。目前，該方法已經在城市軌道交通網絡安全保障與主動防控平臺中試用6 個月以上，平臺用戶方已經出具了用戶使用證明，說明該方法可行、有效，能夠切實優化主動防控的業務流程。在此，提出以下未來研究的展望：

（1）對業務模型進行面向具體防控對象的更加詳細、有針對性的任務分解與構建；

（2）對于HLPN模型，實現面向對象的流程路徑分解，以及庫所模塊的細化；

（3）對于模型結果，結合網絡分析的方法與軟件，對網絡進行評價，使網絡結構更加合理。