鐵路建設中的監理信息系統大數據分析

王二平 李 范 陳 聰

(1.京津冀城際鐵路投資有限公司，北京 101500；2.上海同是科技股份有限公司，上海 201203)

1 大數據分析的重要性及意義

當前，大數據已成為國家、企業的重要資產之一，被譽為未來的新“石油”。我國政府對大數據研究和應用也給予了前所未有的高度重視。2014年3月，大數據首次寫入《政府工作報告》中。

鐵路工程項目建設時間長、施工工序多、節奏快、涉及單位數量多、質量安全影響因素復雜，單純依靠人的經驗和分析已不能滿足復雜、高效協同的管理需求[1-3]。

監理單位是鐵路工程建設質量控制的主體，在履行其職責的過程中，會產生大量的日常管理數據[4-6]。目前，常規數據處理方式難以將數據有效的利用起來，且整理匯總費時費力，無法快速有效地服務于工程現場的質量安全管理工作。

借助大數據幾大核心思維，從“流程”核心轉變為“數據”核心，提高數據整合度，提取重點數據信息；用數據來對現場狀況進行解析，提高數據的客觀性和可靠度[7-10]；利用大數據的全樣本原理避免抽樣的偶然性，提高結論的真實性；利用大數據的預測原理對數據進行趨勢分析，提高現場管理的針對性[11-12]。因此，利用信息化手段進行鐵路建設監理信息系統研究意義重大。

2 大數據分析面臨的問題

我國鐵路已建立大量支撐鐵路網建設和運營的信息系統，但是在鐵路建設工程監理管理大數據分析方面還有所欠缺[13-14]。其中，在數據采集、數據質量控制、數據真實性驗證和數據融合等環節尚存在較多困難。

(1)數據采集

統計匯總的基礎是數據采集。目前，多數系統的數據采集過于依賴人工填報，費時費力，時效性難以得到保證。

(2)數據質量控制

數據采集的數量比較容易量化評判，可以通過管理手段來制定硬性指標強制獲取，但是數據的質量難以通過設定標準來進行考核?？紤]到鐵路現場人員的素質參差不齊，且僅依靠管理來提高數據質量效果欠佳[15]。

(3)數據真實性驗證

真實性是數據統計分析的必要條件。目前，鐵路建設工程中存在隱瞞不報、弄虛作假等現象。若數據不真實，所有的匯總統計結果都將沒有意義。只有保證數據的真實性，管理決策者才能從數據的匯總統計終端獲取到全面和有價值的決策依據，而不必頻繁去現場了解情況。

(4)數據融合

融合是大數據的價值所在，對于京津冀公司來說尤其如此。每條線路、每個項目都是獨立運作的，相互之間數據的交互并不多。因此，將整條線路的數據融合在一起，甚至于借鑒其它鐵路項目的管理和數據來對本項目進行優化，都具有重要意義。

根據行業的實際情況，解決上述問題是鐵路建設工程質量安全管理匯總統計、大數據分析的重中之重。

3 匯總統計大數據分析設計

基于對鐵路工程質量安全管理大數據分析現狀的研究，認為大數據分析的重點為兩個方面：一是對人的行為分析(側重于對人員履職情況的統計分析)；二是對問題的分析(側重于對問題類別、趨勢的統計分析)。

以下將圍繞這兩個側重點解決大數據分析的幾個核心問題。

3.1 核心設計

根據大數據思維的核心原理，數據優于流程，系統對流程進行簡化，同時采用“云端+移動端”的系統模式。移動端側重采集數據，獲取全樣本數據；云端則側重云計算和大數據分析。

(1)數據采集

現場巡視、發現質量安全問題是現場監理人員的日常工作之一。發現問題即可拍照并上傳，無需另行篩選匯總。系統通過后臺基礎信息維護對項目人員、工點信息進行權限劃分，在保證數據后臺分類匯總的基礎上，簡化現場人員的操作。

(2)數據質量

系統通過內置相關的高速鐵路質量驗收標準和安全技術規程，提高了現場監理人員的識別能力。同時，提交的檢查內容都需要提供照片和文字描述才能上傳，加強了互相監督和學習，統一了檢查標準，提高了數據的質量。

(3)真實性

系統采用賬號和設備MAC地址綁定的審核機制，一個賬號只能綁定一個設備，若更換需要重新綁定認證。同時，在檢查、保存、上傳的過程中進行人像自動抓拍，保證了人、機、號的一一對應。照片只能通過移動APP現場拍攝，且每張圖片都自動記錄拍攝、上傳的時間水印，消除了弄虛作假的可能。

(4)數據融合

系統通過對工程項目、施工階段的分解，對每個獨立的檢查信息賦予特征值，并在不同的層級進行匹配。將收集到的各個單位、工點、不同時間、不同類別的問題進行分類匯總。按照管理者的需求，在平臺上進行不同維度的篩選，最終使數據的結果和趨勢清晰化、準確化。

3.2 統計分析

匯總統計分析的要點為問題分類占比、趨勢匯總。

(1)問題分類占比

根據調研，管理人員往往對當月的數據比較關注，首頁默認對當月的數據進行匯總統計，從各監理單位的檢查數據量情況、施工單位問題及整改情況、檢查問題的分布情況、質量安全問題發展趨勢情況、各標段工程檢查數據匯總5個方面展開，并統計各類問題所占比例，實現對質量安全管理的總體把控。

從監理單位的檢查情況可大體了解其履職情況；從施工單位質量安全問題及整改情況可大體了解施工單位出現的問題以及整改落實情況；從各種問題的分布情況可了解現場需重點關注的施工階段；從質量安全問題的發展趨勢可了解現場質量安全管理的現狀；從各標段工程檢查數據匯總結果可了解工點的檢查次數、問題個數等情況。

(2)趨勢匯總

對于決策人員來說，最想知道的是現場質量安全問題最多的工點。因此，需要對具體問題的精準管理進行統計分析。

首先從結構上將檢查內容按照線路、標段、工點進行分類。其次從問題類型的角度上分為質量問題和安全問題。然后將問題進一步細分，如橋涵-樁基礎。最后對問題狀態細分為時限內未閉合、超時未閉合、已閉合等狀態。提供多個維度的篩選條件，例如標段、工點、檢查單位、檢查人、檢查類別、施工階段、重要度等，最大化地實現對各種問題的多角度統計匯總。

4 匯總統計分析的應用

該系統自研發以來，已在京津冀城際鐵路的3條線路、7個監理標段應用。已產生60 000多個質量安全檢查數據、20 000多條視頻數據，整改閉合質量安全問題2 300多個(數據統計截止日期2019/6/16)。

利用信息技術結合大數據構建的信息化系統較好地解決了建設單位對現場安全質量問題把控不到位的問題，使得建設單位可以方便快速地了解現場任意時間段、任意工點的質量安全情況，可對問題比較突出的時間段、工點、單位的異常數據進行重點把控。

圖1是某階段線路的檢查統計情況，由圖1可知，現場質量問題多出現在橋涵工程，占所有問題的61.9%，橋涵問題中最多的是樁基礎，占所有橋涵問題的45.8%；常見問題是鋼筋籠放置、焊接不符合要求；質量問題最多的工點為潮白河特大橋(33個問題)。安全問題最多的是橋涵工程的基礎；最常見的問題為泥漿池、臨邊防護問題和配電箱管理問題。

從圖2可知，安全問題最多的工點是潮白河特大橋(48個問題)。基于大數據統計分析的結果，可以對問題最多的工點和常見的問題進行專項檢查，從而提高現場的質量安全管理水平。

圖1 檢查數據分布情況

圖2 檢查數據分布詳情

圖3 質量安全問題趨勢

圖3為某單位質量安全問題趨勢，由圖3可知，該線路2019年3月問題最多，4～6月問題逐漸減少，呈下降趨勢。通過分析可知，1、2月份臨近春節，工點陸續停工，人員放假回家，問題逐漸減少。3月份全面開工，對質量安全問題的把控力度有所增強，從一開始問題較多到逐漸減少，符合現場的實際情況，也從側面反映了現場質量安全問題的把控情況。

5 結束語

通過對鐵路質量安全管理的充分研究，結合大數據的幾大核心優勢，設計了京津冀鐵路監理管理信息系統。實際應用情況表明，該系統較好地解決了建設單位對現場把控不足、缺乏有效數據支撐、管理重點不突出、管理精細化不夠等問題，實現了對各監理施工單位的側重管理、重要時間段和重點項目的管理，有效提升了京津冀城際鐵路各項目建設單位質量安全監督管理的水平。