主觀貝葉斯方法在列車占用丟失報警原因分析中的應用

苗義烽，周曉昭

（1. 中國鐵道科學研究院 研究生部，北京 100081 2. 北京市華鐵信息技術開發總公司，北京 100081）

主觀貝葉斯方法在列車占用丟失報警原因分析中的應用

苗義烽1，周曉昭2

（1. 中國鐵道科學研究院 研究生部，北京 100081 2. 北京市華鐵信息技術開發總公司，北京 100081）

根據鐵總公司要求，TDCS/CTC系統增加列車占用丟失報警功能，為保證列車運行安全、提高列車運行效率，在發生列車占用丟失報警時，需要及時且準確地判定報警原因。主觀貝葉斯方法是一種概率推理方法，能從不完全、不精確或不確定的知識和信息中做出推理。列車占用丟失報警原因分析具有現象與原因的不確定性。本文將主觀貝葉斯方法引入列車占用丟失報警原因分析中。最后利用大量算例進行驗證，驗證結果表明了該方法的合理性和實用性。

列車占用丟失；主觀貝葉斯方法；TDCS；CTC

TDCS/CTC系統（客車運行安全監控系統/調度集中系統，Ttain operation Dispatch Command System/Centralized Traffic Control System）能夠提供列車運行的宏觀顯示，能夠實時顯示車站及區間的進路排列、信號顯示、軌道電路實際占用、列車車次號及列車運行方向等信息。鐵總公司要求TDCS/CTC系統增加列車占用丟失告警功能，列車占用丟失告警功能的實施對于保證列車運行安全和提高鐵路運輸效率有著重要的意義。此功能實施以來，為提高列車占用丟失告警的準確率，已將車次追蹤邏輯進行優化、提高了TDCS/CTC系統靈敏度與容錯性，屏蔽了假車次告警、場間聯絡線告警等。從目前的情況上看報警類型已趨于穩定。

為確保在發生列車占用丟失告警后及時準確地定位列車占用丟失告警原因，本文將主觀貝葉斯方法引入列車占用丟失報警原因分析模型中。

1 主觀貝葉斯方法概述

主觀貝葉斯方法是R.O.Duda等人于1976年提出的一種確定性推理模型。此方法成功地應用于地礦勘探系統PROSPECTOR中[3]。

1.1 規則不確定性

主觀貝葉斯方法中引入了2個數值（LS, LN），IF A,THEN（LS, LN）B，LS體現規則成立的充分性，LN體現規則成立的必要性。這種表示既考慮了事件A的出現對其結果B的支持，又考慮了A的不出現對B的影響。

O(X)表示證據X的出現概率和不出現的概率之比，顯然O(x)是P(X)的增函數。P(X)=0，O(X)=0；P(X)=0.5，O(x)=1；P(X)=1，O(x)=∞。幾率函數實際上表示了證據X的不確定性。

對規則A→B的不確定性度量f(B, A)以因子(LS, LN)來描述：

充分性因子LS：表示A的發生對B發生的影響程度，即規則成立的充分性。若LS為無窮大，則P(|A)=0，即P(A|B)=1，說明證據A對于得出 B為真的邏輯是充分的。LS也稱為充分似然性因子。

必要性因子LN：表示A不發生對B的影響程度，即規則成立的必要性。若LN=0，則P(B|)=0，說明證據A不存在時，B必為假，即A對B是必然的。

注：實際應用中，概率不可能求出，所以采用的都是專家給定的LS、LN值，而不是依LS、LN的定義來計算的。

幾率函數與LS，LN的關系：

注意：

（1）LS, LN≥0且LS, LN是不獨立的；

（2）LS, LN可以同時為1；

（3）LS, LN不能同時＞1或＜1 。

理論上，LS, LN的取值可以是如下幾個范圍：

（1）LS＞1，且LN＜1

（2）LS＜1，且LN＞1

（3）LS=LN=1

LS, LN與證據的關系如表1所示。

表1 LS, LN與證據的關系

1.2 證據的不確定性

證據的不確定性度量用幾率函數來描述：

雖然幾率函數與概率函數有著不同的形式，但是變化趨勢是相同的。當A為真的程度越大（P(A)越大）時，幾率函數的值也越大。

幾率函數是用概率函數定義的：

在推理過程中，經常需要幾率函數計算概率函數值時：

1.3 推理計算

主觀貝葉斯方法的不精確推理過程就是根據前提A的概率P(A)，利用規則的LS和LN，把結論B的先驗概率P(B)更新為后驗概率P(B|A)的過程。

由于是不確定性推理，所以必須討論證據發生的各種可能性。

（1）A必出現；（2）A不確定；（3）證據的合成；（4）證據組合。

1.3.1 A必出現

當A必出現時，即P(A)=1，此時可以直接使用公式O(B|A)=LS?O(B)、 O(B|)=LN?O(B)計算，從而求得使用規則A→B后，O(B)的更新值O(B|A)和O(B)。如果需要概率表示，可再由公式計算出O(B|A)和O(B|)。

1.3.2 A不確定

當A不確定時，即P(A)≠1時，設A'代表與A有關的所有證據（A'是系統中所有對A能夠產生影響的觀察）。

對于規則A→B，杜達（Duda）給出了公式（1976年）

3種特殊情況：

（1）當P(A|A')=1時，證據A必然出現；（2）當P(A|A')=0 時，證據A必然不出現；（3）當P(A|A')=P(A)時，觀察A'對A沒有影響。

3種特殊情況時，A'對B的不同影響，即可以根據A與A'的關系計算P(B|A')值。

這樣可得P(A|A')為0，P(A)為1時相應的P(B|A')值，根據這3點得到線性插值圖，如圖1所示。

對于P(A|A')的其它取值，P(B|A')可根據圖1，通過線性插值法得到。線性差值公式：

圖1 線性插值圖

當證據不確定時，證據理論推理的基本原理：

（1）從該證據A往前看，即尋找A的出處；

（2）如果A是由A'導出的，即A'→A→B，則當A不清楚的時候，采用A'的相關信息進行計算；

（3）如果還不行，就再往前推；

（4）是一個遞歸推導的過程。

A'是指從A向前看的各個相關證據，所以有時可能存在多個相關證據。

1.3.3 證據合成

當出現兩個證據，即在證據A'之下，有證據A1和A2存在時，設證據A1和A2單獨受影響的概率分別為P(A1|A')和P(A2|A')，那么

當有2個以上的證據存在時，有

1.3.4 證據組合

簡單情況：一個原因，一個結果。

A→B，A為原因，B為結果。

實際情況：證據是復合的。

若A1→B ，A2→B，而A1，A2相互獨立，對A1，A2的觀察分別為A'1，A'2。

2 主觀貝葉斯方法在列車占用丟失報警原因分析中的應用

2.1 建立列車占用丟失報警原因分析模型的“證據”

按照原鐵道部頒發的《TDCS、CTC系統列車占用丟失報警功能技術要求》（運基信號函[2011]535號），以下9種情況會產生列車占用丟失報警：

（1）區間：列車在閉塞分區占用后紅光帶消失，連續15 s前方閉塞分區無占用紅光帶，則產生列車占用丟失報警。

（2）區間：列車在閉塞分區占用后紅光帶消失，連續15 s前方閉塞分區無占用紅光帶，即使后方閉塞分區有紅光帶也產生列車占用丟失報警。

（3）區間：對于列車緊跟蹤情況，后車占用紅光帶消失后連續15 s，前方閉塞分區雖然占用但為不同列車車次，也產生列車占用丟失報警。

（4）區間：對于列車緊跟蹤情況，前車占用多個閉塞分區，后車占用紅光帶消失后連續15 s，前方雖然占用但不是后車車次時，產生列車占用丟失報警。

（5）區間：列車出站時，站內最后一個軌道區段列車占用紅光帶消失后，連續15 s第一離去無占用紅光帶，則產生報警。

（6）車站：列車在站內股道占用后紅光帶消失，且相鄰軌道區段連續15 s無占用紅光帶，則產生列車占用丟失報警。

（7）車站：列車在站內股道占用后紅光帶消失，相鄰道岔區段連續15 s索然有占用紅光帶，但道岔未開通該股道，也產生列車占用丟失報警。

（8）車站：列車進站時，股道相鄰軌道區段占用紅光帶消失后，連續15 s該股道無占用紅光帶，則產生列車占用丟失報警。

（9）車站：列車在進站信號機外方接近區段占用紅光帶消失后，連續15 s接車進路無占用紅光帶，則產生列車占用丟失報警[1]。

此9種模型作為主觀貝葉斯方法在列車占用丟失報警原因分析模型的“證據”，對應序號定義為：A1 ，A2 ，A3，A4，A5，A6，A7，A8，A9。

2.2 列車占用丟失報警原因分析模型的結果

經過幾個月以來對大量列車占用丟失告警的原因深度分析，在對車次追蹤邏輯進行優化、提高了TDCS/CTC系統靈敏度與容錯性、屏蔽假車次、場聯、自動閉塞車站的半自閉端口等降低誤報警率的方案實施后，仍存在的誤報警類型主要有：相當多車站TDCS車站設備老化，采集故障頻發導致的占用丟失誤報警；通道故障或者傳輸誤碼，導致占用丟失誤報警；現場換軌、換枕、大機搗固等施工及施工后引起的軌道分路不良導致的占用丟失報警；車輛區間故障及其他原因造成列車區間折返導致的占用丟失誤報警；單機輕車跳動、進入調諧區等導致的占用丟失報警；石太線某些區段現場情況特殊導致的占用丟失報警等。因此將目前列車占用丟失報警的主要原因歸為以下8類：（1）網絡問題；（2）采集板故障；（3）通信機工作異常；（4）現場施工 ；（5）區間折返；（6）單機 ；（7）特殊問題；（8）其他問題。

此8種類型作為主觀貝葉斯方法在列車占用丟失報警原因分析模型的“結果”，對應序號定義為：B1 ，B2 ，B3，B4，B5，B6，B7，B8。

在列車占用丟失告警原因分析中，通過查看車站及中心調監上的回放、相關服務器及終端日志、邏輯區段劃分等來分析原因。分析過程中通常以回放車站站名變紫、回放車站站名變紅、中心與車站回放不一致、日志里有主備通道頻繁故障的記錄、維護現有通信機終端的現象，日志中站死站活記錄等作為列車占用丟失報警情況對應報警類型的現象。以上述幾種特征作為主觀貝葉斯方法在列車占用丟失報警原因分析模型中對相應 證據AX產生影響的觀察，記為AX'。

以大量列車占用丟失報警分析案例為依據，給定對應規則的充分性因子LS和必然性因子LN。

3 實例驗證與結果分析

將主觀貝葉斯方法引入列車占用丟失報警原因分析中，對應產生的規則較多。由于篇幅有限，本文舉一個實例對主觀貝葉斯方法列車占用丟失報警原因分析模型進行驗證。

以北京鐵路局2014年1月20日～2014年3月27日的579起列車占用丟失告警原因為例，深度分析案例給定對應規則的充分性因子LS和必然性因子LN。

算例：2014年3月29日 T315次列車于石景山南站D10G產生列車占用丟失告警。采用主觀貝葉斯方法對此條列車占用丟失告警建立模型進行分析。有大量分析案例得到：P(A)=0.72，P(B)=0.35，LS=300。由于P(A)≠1，即A為不確定。利用線性插值法得到：P(B|A')=0.921。此結果與實際情況相符合。

4 結束語

本文將主觀貝葉斯方法引入列車占用丟失報警原因分析中，既有助于報警原因的分析，又做出相關的預測，以大量的分析案例為依據得出相關數據，并利用實例驗證，得出結果與實際情況相符合。主觀貝葉斯方法在列車占用丟失報警原因分析中的應用具有合理性和實用性。

[1] 鐵道部運輸局.運基信號[2011]535號對TDCS/CTC系統列車占用丟失報警功能技術要求[S].鐵道部運輸局，2011.

[2] 宋鵬飛，周宏偉，張 濤. FZy-CTC列車占用丟失報警功能的開發[J]. 鐵道通信信號，2012，48（9）.

[3] 李海軍，馬登武，劉 霄，姜 濤，貝葉斯網絡理論在裝備故障診斷中的應用[M].北京：國防工業出版社，2009.

責任編輯 徐侃春

Application of Subjective Bayes Method in cause analysis of train occupancy loss alarm

MIAO Yifeng1, ZHOU Xiaozhao2
( 1. Signal & Communication Research Institute, China Academy of Railway Sciences, Beijing 100081, China; 2. Beijing Huatie Information Technology Development Corporation, Beijing 100081, China )

According to requirements of China Railway, it was increased the function of train occupancy loss alarm in TDCS/CTC System. In order to ensure the train operation safety and improve the eff i ciency of train operation, when the train occupation loss alarm happened, it was needed to judge the cause in time and accuracy. Subjective Bayesian Mmethod is a method of probabilistic reasoning with the ability of making inferences based on incomplete, inexact or uncertain knowledge and information. Cause analysis of train occupancy loss alarm was with the uncertainty of phenomena and the causes. This paper introduced the application of Subjective Bayes Method in cause analysis of train occupancy loss alarm. Finally, examples for authentication verif i ed the reasonableness and practicability of the method.

train occupancy loss; Subjective Bayes Method; TDCS; CTC

U284.59∶TP39

A

1005-8451（2014）12-0009-05

2014-08-19

苗義烽，在讀博士研究生；周曉昭，實習生。