高速鐵路調度工作合理負荷研究

余露虹 秦茂 包蕾 何翔 王韓冬

【摘 要】基于SHEL模型，利用人物分析法，對高鐵調度工作進行分析，得到五個工作子模型：監視子模型 、思考子模型 、記錄子模型、調整子模型、通信子模型。以此為基礎，利用京滬高鐵調度所現場調研數據，可得其調度工作的工作負荷，為合理劃分區間從而合理劃分調度工作負荷提供依舊。

【關鍵詞】高速鐵路 行車調度 工作負荷 人員配置 調度區段

【中圖分類號】U284 【文獻標識碼】A 【文章編號】1672-5158（2013）03-0450-01

一、基于SHEL模型的層次分析法

SHEL模型最初由愛德華教授于1972年首次提出，描述了人在安全工作中所處的特殊位置，這個模型由4個元素組成：軟件（Software）、硬件（Hardware）、環境（Environment）和人（Liveware），分別用4元素的首字母S、H、E、L來表示。將模型稍作改進，使其適用于高鐵行車調度信息量影響因素的分析，改進后的模型見圖1-1。的調度區段長度為200-300公里；如果管轄區段內列車對數在60對以下，較合理的調度區段長度為300-400公里；高鐵樞紐臺應便于調度的掌握，根據列車密度和樞紐復雜程度合理設置。

3.2利用回歸方法劃分合理區間

列車數量、區段長度兩個自變量均與工作負荷這個因變量之間存在較明顯的線性關系，且隨著區段長度和列車數量的增長，工作負荷也呈增長趨勢。列車數量和區段長度這兩個自變量之間也并不存在明顯線性關系，符合多元線性回歸模型的前提條件，因此本文選取多元線性回歸模型來對自變量和因變量之間的關系作進一步分析。

多元線性回歸模型是研究兩個或兩個以上的自變量與因變量之間的關系，由于本文中自變量為兩個，因此可建立如下模型：

Wbb nb L=++

式中，0b、1b和2b為回歸系數，W為工作負荷，n為列車數量，L為區段長度。

3.3回歸擬合

本次回歸分析采用了京滬高鐵、京津城際和石太客專三個調度臺7：00-23：00點間的500組數據作為回歸樣本，并依托SPSS軟件對樣本數據進行回歸擬合。

經過SPSS軟件的回歸分析后可得相應的回歸系數值，其中00.012b =，10.020b =，20.001b =。在輸出結果中，可用多重可決系數2

R來判定線性回歸的擬合程度，本次回歸中20.901R =，可見回歸方程可以解釋絕大部分的工作負荷變化。在方差分析表中，可用F檢驗來判斷因變量與多個自變量之間整體線性關系的顯著性，本次回歸中F值為76.945，顯著性概率為0.000，說明因變量與自變量之間存在顯著的多元線性關系。在回歸系數表中，可用t檢驗來判斷每個自變量對因變量產生的顯著性影響，常量與兩個自變量的顯著性概率為0.043、0.000和0.010，均小于0.05，說明各個自變量與因變量之間都有較為顯著的線性關系。將各回歸系數引入回歸方程后可得，0.0120.020.001WnL=++。

四、結論

本文采用任務分析法在對行車調度的作業內容進行詳細分類的基礎上，建立了工作負荷的模型，并以京滬高鐵行車調度為研究對象進行了實例分析。結果表明京滬高鐵行車調度個別時段工作負荷較大，影響行車安全。因此，京滬高鐵調度臺設置兩名助理調度來輔助行車調度完成整個調度任務是比較合理的。

參考文獻：

[] Mogford R， Guttman J， Morrow S. The Complexity Construct in Air Traffic Control a Review and Synthesis of the Literature[R]. Department of Transportation， Federal Aviation Administration Technical Center， Atlantic City， NJ： 1995

[2] 張智君.主觀評定方法在飛行員心理負荷評定中的作用[J].中華航空醫學雜志，1994，5（1）：57-59

[3] 郝勇，桑凌志.基于SHEL模型的內河船舶最優化配員研究[J].武漢理工大學學報， 2012，36（2）：351-355