城軌運營關鍵崗位人員狀態預警與調節系統研究

郭 爽，孫冠卓，董守放

（1. 北京市軌道交通運營管理有限公司，北京 100068；2. 中鐵信（北京）網絡技術研究院有限公司，北京 100044；3. 中國鐵路信息科技集團有限公司，北京 100038）

1 研究背景

近年來，我國城市軌道交通（以下簡稱“城軌”）建設與運營得到快速發展。截至2020年12月31日，中國內地共有45座城市開通城軌，運營里程達到7 978.19 km[1]。在城軌快速發展過程中，運營安全成為社會關注的重點。城軌列車駕駛員、行車調度員、行車值班員是運營管理工作中的關鍵崗位人員，承擔列車駕駛、運輸調度、行車組織、應急處置等工作，對城軌運營安全有著至關重要的作用[2-3]。

相關研究者通過對城軌運營事故的統計分析發現，人因失誤是引發事故的重要原因[4-6]。因此，對運營關鍵崗位人員進行合理的安排和調配保證其工作狀態良好才能保障城軌運營安全。為保障城軌系統正常運營，關鍵崗位人員需要晝夜輪班工作以保證各項工作的運轉。而輪班工作制干擾了人體生物節律形成的規律性生理和心理狀態，嚴重的節律紊亂不僅會影響人員工作狀態,也會導致疾病的發生[7-9]。

既有文獻對關鍵崗位的輪班形式、疲勞、工作負荷等均進行了研究[10-13]，也取得了一定的研究成果，但仍存在監測設備便攜性差、一定程度上干擾人員工作、系統實施復雜、數據有效性較差、系統評價標準難以適應個體差異等問題，因此仍較多應用于實驗環境下的驗證測試卻難以應用于城軌運營生產的實際工作中。

基于上述背景，本研究基于數據標準化管理與城軌運營安全與管理需求，研發城軌運營關鍵崗位人員狀態預警與調節系統，通過智能手環與移動終端全程監測關鍵崗位人員生理、心理與行為狀態，綜合評估分析疲勞、健康、工效與生物節律狀態并可視化展示，實現異常狀態下的預測預警與應急協同聯動，通過自適應狀態調節改善人員在崗狀態并提高工作效能，形成系統化人員狀態管理解決方案，保障城軌系統安全與高效運行。

2 需求分析

2.1 數據精準采集需求

數據是運營管理與應急決策的依據，也是信息系統智能化與精準化的基礎。數據的不可靠與缺失會導致數據結果分析有誤，錯誤引導運營決策。運營管理人員需要精準掌握生產崗位人員的工作狀態，對其進行合理調度與安全監控，就要保證數據的精準采集，確保其真實性、可靠性、完整性，為各業務應用提供精準、全面的數據支撐。

2.2 數據標準化管理需求

隨著城軌信息化的發展，各業務系統匯聚了大量的數據，但各系統間數據標準不統一以至數據共享性較差。遵照統一的數據標準，規范化管理數據，將標準化管理貫徹于數據的采集、傳輸、預處理、分析建模、業務應用等完整的數據鏈條，不僅可以提高系統對各數據資源的調用效率，也可以實現與其他系統的數據共享和系統功能的拓展升級[14]。

2.3 運營安全管理需求

“人—機—環境”是城軌系統的重要組成要素，只有確保三者的有機結合才能確保系統安全與高效運行[15]。城軌運營關鍵崗位通常采用輪班工作制，其帶來的睡眠狀態不良會導致人員注意力分散和警覺性的下降，出現誤操作、意識不清晰和執行力差等問題，長期處于這種狀態，會導致人員在工作中出現失誤和突發疾病，以至威脅到城軌運營安全[16]。監測人員狀態并進行預測預警將有效降低人因風險，通過狀態調節從根本上保障運營安全。

2.4 以人為本的管理需求

隨著社會的進步，各行各業逐步落實與推廣以人為本的管理理念。城軌行業因其工作特性，關鍵崗位人員需要晝夜輪換工作，這不僅可能造成安全風險，也對員工生命健康產生威脅。對人員生理、心理、行為狀態進行全面監測，根據人員自身狀態合理安排工作量、均衡工作負荷、減少輪班產生的不適應癥狀、提高自身生理機能與工作效能，不僅是工作安全的需要，更是企業管理現代化與社會進步的體現。

3 系統技術方案

3.1 系統總體架構

系統整體采用分層體系結構，根據系統采用的基礎設備、數據資源、業務應用等，將系統分為基礎設備層、數據資源層、技術支撐層、應用功能層、終端展示層和用戶接入層6個層級，如圖1所示。

圖1 系統整體架構圖

（1）基礎設備層。包括各類系統建設與應用所需的基礎設施設備，包括用戶終端設備如智能移動終端、智能手環終端、電腦終端，以及網絡設施設備如網絡系統、服務器、網絡安全設備等。

（2）數據資源層。包括由基礎設施設備層監測及傳輸的動態及靜態數據，如心理狀態數據、心理測試數據、心理調研數據、個人屬性數據及工作屬性數據，并通過接口服務支持其他業務系統或外部數據匯聚入系統，為系統應用功能提供多源數據支撐。

（3）技術支撐層。通過應用服務器，提供對系統應用層的技術支撐，如生理監測分析、心理主觀測評分析、心理客觀測試分析、數據分析建模、自適應標準調整，并將系統監測及統計分析數據多維可視化展示。

（4）應用功能層。基于多源數據實現人員狀態的監測、分析、預警及調節等，包括人員狀態監測預警、人員狀態評估分析、異常狀態預警、自適應狀態調節、多崗位應急協同聯動及系統綜合管理功能。

（5）終端展示層。通過基礎設施設備提供系統運行與應用平臺，實現生產人員的生理監測及心理測評、管理人員的移動管理及固定管理，包括生產人員手機端、生產人員手環端、管理人員手機端及管理人員PC端。

（6）用戶接入層。根據城軌運營管理需求，實現關鍵崗位生產人員的預警與調節，為各層級及各分管的生產與管理部門提供人員狀態監控與協同管理，包括站務管理部門、乘務管理部門、運營控制中心及線網指揮中心。

3.2 系統技術架構

系統采用瀏覽器/服務器（B/S）和客戶端/服務器（C/S）混合架構模式，根據業務場景與終端設備，支持在個人PC端與智能移動設備終端運行與使用，可通過多種應用程序接口（API）實現設備間的信息交互與系統的拓展。系統技術架構如圖2所示，分為數據采集層、數據傳輸層、數據預處理層、數據倉儲層、數據建模分析層、數據應用層和信息展示層。

圖2 系統技術架構圖

（1）數據采集層通過運營關鍵崗位人員佩戴的智能手環和移動終端實現生理、心理數據與屬性數據的采集與傳輸，其中生理數據通過智能手環監測并上傳，心理數據通過以移動終端開展主觀與客觀心理測試獲取。屬性數據包括工作崗位、班制、工齡、排班信息、工作區段等工作屬性信息和姓名、年齡、性別等個人屬性信息。

（2）數據傳輸層將監測與測評數據進行解編碼，然后通過有線和無線傳輸的形式連接手環終端、移動終端、數據庫服務器、應用服務器、管理人員PC終端，并實現數據間的傳輸與流轉。手環與移動終端通過藍牙傳輸數據，移動終端通過4G/5G無線網絡與系統服務器連接，服務器與PC終端通過有線形式傳輸。

（3）數據預處理層接收數據后，通過缺失值處理、異常值處理、數據集成、數據標準化、數據離散化等過程，實現數據清洗與預處理。數據缺失值通過忽略元組、均值填充、最可能值填充等形式處理；異常值通過刪除、均值或其他統計量取代、視為缺失值等形式處理；對多源數據，進行合并形成一致的數據存儲，并集成到一個數據倉庫中存儲；采用Min-Max標準化、向量歸一化、指數轉化法等方法實現數據的標準化處理；通過距離分組、分位數分組、單變量分組等形式實現數據的離散化。

（4）數據倉儲層對預處理數據進行數據倉儲與數據交互。數據倉儲通過構建業務指標庫、業務特征庫、業務邏輯庫、業務分析庫實現，數據交互通過分布式查詢、高效壓縮、并行計算與實時查詢的形式實現。

（5）數據建模分析層調用數據通過建模算法進行數據建模與分析，根據數據類型與業務應用提供因子分析模型、回歸分析模型、聚類分析模型等，支持開展數據挖掘、數據融合分析、數據統計分析等建模分析。根據生理與心理數據類型選用合適的分析建模算法開展建模分析，以支撐業務應用。

（6）數據應用層基于數據建模分析，實現狀態監測預警、狀態分析評估、異常狀態預警、自適應調節和應急協同聯動等業務應用功能。評估運營人員的疲勞、健康、工效及生物節律狀態，對異常狀態做出預測預警，根據個人歷史狀態與屬性變化實現自適應評估標準的調整，在異常與應急情況下實現多崗位應急聯動。

（7）信息展示層實現系統的可視化管理與多維結果顯示，實現數據管理、用戶管理、參數配置管理、接口管理等系統管理模塊功能，在終端顯示人員實時狀態、異常警示、狀態調節模型、應急聯動狀態等過程與結果數據，為運營人員狀態可視化評估與管控提供技術輔助。

3.3 系統功能架構

系統功能分為人員狀態綜合監測、狀態評估分析、異常狀態預警、自適應狀態調節、應急協同聯動和系統管理6部分，系統功能架構如圖3所示。

圖3 系統功能架構圖

（1）狀態綜合監測。系統可實現運營人員生理、心理與行為狀態數據的精準監測與多維展示。系統全程監測人員生理、心理及行為狀態數據，實現心率、血壓、體溫等生理指標狀態和主觀疲勞度、睡眠指數、反應時間與失誤率等心理測評指標狀態以及運動狀態、運動量等行為指標狀態的監測與顯示，為人員狀態監測提供基礎評價指標。

（2）狀態評估分析。系統可實現疲勞、健康、工效、生物節律狀態的評估分析與多維展示。管理人員可按崗位、班組、姓名等形式查詢人員綜合或單項指標狀態。系統通過人員生理、心理、行為歷史狀態數據，形成狀態評估標準，將實時狀態與評估標準匹配，實現狀態等級評價，并通過不同顏色顯示，為排班管理、人員調度、工作負荷評價等業務場景提供參考依據。

（3）異常狀態預警。系統基于狀態監測與評估分析，對人員疲勞、突發疾病與工效狀態的異常情況做出預測與預警。系統通過人員狀態態勢變化預測得到人員疲勞程度超過閾值、心率過速、血壓過高、心率不齊、工效降低等異常狀態后，自動向所屬主管部門及運營控制中心、線網指揮中心等發送警示信息，同時手環終端發出聲音與振動警示，提示相應管理與生產人員及時響應。

（4）自適應狀態調節。系統基于人員歷史與實時狀態，通過班制調節、環境調節與行為調節的形式實現人員在崗及生活狀態的自適應調節。基于大數據、生物節律、安全行為學等理論，形成個性化自適應狀態調節方案，如不同班制下輪班方案策略、班制內分時段輪班方案策略、低工效時段的工效提升策略、低工效時段的休息與調整策略、針對性安全風險管控策略等，通過移動終端聲光警示、工作優化方案查詢與推送、個性化生活調整方案查詢與推送等形式，實現人因導向的安全風險管控。

（5）應急協同聯動。系統通過多種終端實現數據發布共享、信息通信聯動及應急協同聯動等功能。系統通過構建多層級工作班組的形式，實現同層級與不同層級之間人員的信息共享。系統支持信息通信聯動，實現運營任務的自動分配與關鍵信息自動調用。在突發與異常狀態情況下，實現在崗人員的聯動通信、應急預案自動分配、應急人員自動調配等功能，提高人員應急處置水平。

（6）系統管理。系統支持對數據、用戶、參數配置進行可視化管理。系統通過API接口支持外部數據與其他生產系統數據的導入，實現系統功能拓展與關聯分析。通過人員權限管理為各級人員開放相應的權限，實現各級管理人員對所管范圍信息的及時更新與維護，通過對分析模型進行自定義配置與更新升級，保證分析結果的準確性。

4 系統關鍵技術

4.1 數據標準化處理技術

基于大數據技術，為運營人員狀態監測數據提供完整的數據處理與分析流程，實現數據的采集、傳輸、預處理、倉儲、建模分析、分析應用與多維展示。依據數據采集標準、數據分級分類管理標準、接口標準、數據融合標準、數據交換標準等標準規范體系，標準化數據處理流程。根據數據特征與業務應用需求，形成多樣化、可拓展的模型庫，支撐分析建模服務與業務應用。

4.2 生理狀態測評與分析技術

采用生理狀態測評與分析技術，對心電、血壓、體溫等數據進行處理計算，分析疲勞、疾病及生物節律特征。對原始脈搏信號采用時域、頻域、非線性分析法進行處理分析，計算心電信號的心率變異性特性，選用以隨機過程參數模型為基礎的自回歸模型現代譜估計和基于心臟搏動間期的龐加萊散點圖，分析脈搏信號波動特征，得到人員疲勞特征。對心電數據使用基于反向傳播神經網絡模型分析心電特征，分析及預測心臟室性早搏、心動過速等疾病。對心率、血壓與體溫數據，采用余弦分析模型，計算模型的中值、振幅、峰值相位、峰值時間等特征參數，分析人員的生物節律特性。

4.3 心理狀態測評與分析技術

采用心理狀態測評及分析技術，對疲勞量表、睡眠量表、反應時測試等數據進行處理計算，分析其疲勞度、生物節律和工作效能特征。通過疲勞癥狀自評量表 調查數據，分析不同時刻關鍵崗位人員的主觀疲勞度，通過威爾科克森符號秩檢驗分析不同時刻疲勞度的顯著性差異變化。選用人因工程領域廣泛應用的多維疲勞量表和匹茲堡睡眠尺度量表調查人員睡眠質量情況，分析輪班工作對其睡眠—覺醒生物節律的影響及睡眠和疲勞之間的相關性。通過選擇反應時測試，統計分析人員反應時間及錯誤率，計算人員的工效狀態。

4.4 評估標準自適應動態調整技術

基于動態調整技術，對人員狀態評估標準進行自適應調整（圖4），形成高精度、個性化的評估標準。系統基于海量個體生理數據、心理數據及行為數據，根據樣本屬性特征進行分層抽樣，構建疲勞、健康、工效、生物節律狀態的常模標準。以各項常模標準為基準，根據個體的動態生理數據與動態心理數據結合動態屬性數據進行狀態動態評估與動態校驗，經過多次數據迭代逐步優化模型以逼近個人真實狀態，最終形成基于個體屬性的動態評價標準，再根據實時狀態數據，實現狀態的精準評估分析與預測。

圖4 自適應調整模型

5 結語

本研究提出了城軌運營關鍵崗位人員狀態預警與調節系統的設計方案，給出系統的總體架構和技術架構，系統性介紹了系統功能和關鍵技術。該方案將生理監測、心理測評、行為監測等人因工程技術應用于城軌運營場景，通過大數據技術實現數據的標準化管理與融合應用，形成人員狀態的閉環管理，降低人因風險，為保障城軌運營安全提供技術支撐。目前，人因測評集成與生產應用的實例較少，如何提高生產環境下的適用性并將現代化監測與管理手段充分與現有運營管理形式深度融合，仍需要進行深入研究。