基于復雜網絡與聚類分析的城軌多職能崗位 復合方法研究

李志成，吳 芳，任志杰，王敬豐

（1.安徽交通職業技術學院 城市軌道交通與信息工程系，安徽 合肥 230051； 2.蘭州交通大學 交通運輸學院，甘肅 蘭州 730070； 3.寧波市軌道交通集團有限公司 運營中心，浙江 寧波 315100）

截至2021年12月31日，我國共有50個城市開通城市軌道交通線路，運營總里程達9 206.8 km. 其中，已運營、在建及規劃全自動運行系統的城市有北京、上海、深圳、廣州、成都等28座城市，線網規模2 515.77 km.這標志著我國城市軌道交通正邁向信息化、數字化與智能化的全自動運行的新階段［1］.

全自動運行系統是通過車輛、信號、通信、綜合監控多專業協同控制，實現運行全過程最佳化、自動化控制及安全防護［2］.這就需要按照業務模塊對常規單一專業的生產崗位進劃分與融合，形成適應全自動運行模式特征的多職能復合型生產崗位（以下簡稱：多職能崗位）.如何科學合理地對專業進行劃分與崗位復合，關系著全自動運行系統的安全與高效運行.

目前，國內外對多職能崗位研究處于探索階段，其中梁紫玥分析了GOA3、GOA4全自動運行線路與GOA2線路在組織機構、運營場景、設備配置、應急處置方面的差異性，提出全自動運行列車在正常運營情況和非正常運營情況下的行車組織架構和應對策略［3］；何方等分析了成都地鐵9號線全自動運營管理模式，提出按照業務界面來重構組織架構和崗位設置［4］；馬偉杰等研究根據運維一體化的管理特征及要求，將上海地鐵10號線部分崗位工作進行了有機結合，組建出多職能列控隊員、多職能站控隊員和多職能巡視隊員共3支多職能隊員隊伍［5］；陳立康等分析了UTO線路崗位配置特點和多職能崗位綜合能力需求特征，構建了多職能崗位“知識-能力-素質”人才需求特征模型.就以上研究方法而言，主要依賴于經驗方法，而經驗法取決于決策者的主觀意愿和決策水平，缺乏一定的科學性與合理性［6］.

基于此，筆者利用耦合原理與聚類分析方法，從理論層面提出了新方法.首先，將城市軌道交通運營所涉及的崗位假設成一個復雜網絡，從各崗位“業務知識”“崗位能力”與“職業素養與心理素質”3個維度下指標方面分析網絡的物理特性，運用耦合協調度模型計算各崗位間耦合聯系度，為降級復雜網絡的聚類運算量，提出了最大生成樹改進權矩陣算法對崗位進行劃分與復合，客觀有效地得出多職能崗位復合方法.

1 崗位復雜網絡耦合指標體系

1.1 崗位復雜網絡組成

城市軌道交通崗位復雜網絡主要由站務崗位群子網、乘務崗位群子網、調度崗位群子網及設備檢修崗位群子網各崗位組成.其中，站務崗位群子網包括站務員、值班員及值班站長等崗位，承擔城市軌道交通車站運營與管理；乘務崗位群包括電客車司機、工程車司機及信號樓值班員等崗位，承擔列車、車列以及自輪運轉設備的駕駛、車輛基地內的行車作業任務；調度崗位群子網包括車場調度、行車調度、設備調度以及維修調度等崗位，承擔正線、車輛基地的行車指揮、設備調度等工作；設備崗位群子網包括車輛檢修工、通信工與AFC檢修工等崗位，承擔車輛、通信信號及機電等設備的巡檢任務.這4大崗位群所涵蓋的崗位在業務上存在著相互聯系與耦合關系，而這些耦合關系便編織成了崗位復雜網絡.

1.2 崗位復雜網絡耦合指標

基于文獻［7］的方法，根據崗位勝任力特征與耦合特性，遵循系統性、可量化、可取性原則，從業務知識、崗位能力和職業素養與心理素質3個維度構建崗位復雜網絡耦合指標體系［8］.其中，業務知識知識維度反應崗位之間的知識層面交叉融合，包括通識知識、基本知識和綜合知識等4項指標；崗位能力維度是反應不同崗位間的工作能力層面的共性關聯，包括業務能力、協調溝通和綜合能力等6項指標；職業素養與心理素質則反應不同崗位間內在的規范和要求，體現職業綜合品質和心理能力養成的通性與個性統一，包括職業道德、團隊意識和責任意識等6項指標.

2 崗位耦合協調度測算模型

2.1 指標矩陣構造與同一化

設城市軌道交通崗位數為m，崗位指標數為n，則第i崗位的j指標原始值為xij，其中i=1，2，3，…，m個崗位，每個崗位有j=1，2，3，…，n類指標，由此構建出原始崗位關系指標數據矩陣X為：

2.1.1 關系矩陣指標同一度處理

由于指標數量多且單位不統一，這里采用了極值法［9］對原始指標數據進行無量綱處理，將部分異質進行同質化，考慮到同一指標只有兩項數據，同一化時需要對式（1）進行改造，指標中增加最大或最小虛擬崗位數據，并針對正向與負向兩種類型指標分別進行不同標準化方式，可得到同一度矩陣R=｛rij｝m×n［10］.其中：

2.1.2 指標權重確定

為了客觀的度量各指標在指標體系中的相對重要性，首先利用熵值法計算各指標的熵值tj，然后計算出每個指標權重系數，最后得到由各指標權重系數所構成的權重向量.即：

式（3）～（6）中，tj為第j項指標的熵值；pij為i崗位第j項指標比重；wj表示i崗位第j項指標權重系數；W為由wj組成的n維權重向量，且滿足.

2.1.3 崗位綜合指數計算

崗位綜合指數是崗位在整個崗位復雜網絡中的貢獻程度，指數值越大對網絡系統貢獻越大，其計算公式為：

式（7）中，Ui表示i崗位的綜合指數，Wj表示i崗位的第j項指標權重系數其中i=1，2，…，m；j=1，2，3，…，n.

2.2 耦合協調度測算模型

借鑒物理學中的耦合協調模型對城市軌道交通崗位群內和群間各崗位彼此間相互作用和關聯程度進行測算［11］.耦合度是描述不同系統或要素相互影響程度.協調度是描述耦合關系大小，反應崗位間協調狀況良好程度.耦合協調度模型是反應不同崗位間的關聯協調發展水平.結合城市軌道交通崗位群復雜網絡拓撲指標體系，分析不同崗位之間的耦合關系.

2.2.1 耦合度測算模型

耦合度計算借鑒物理學中容量耦合概念及容量耦合系數模型，推廣到整個系統相互作用的耦合度測算模型［12］，其公式為：

將式（8）推廣到復雜網絡中兩崗位間的耦合度計算，公式為：

式（9）中，Cij表示崗位i與崗位i之間的耦合度，Cij∈［0，1］，若Cij值越接近1則表明兩崗位耦合度越高，反之耦合度則越低，其中i=1，2，…，m，j=1，2，…，n.

2.2.2 耦合協調度測算模型耦合度只能反映兩崗位之間發展的一致性，表征兩崗位的關聯程度強弱，卻不能反映兩崗位協同發展的整體效應［11］.特別是當兩個崗位綜合指數處于較低水平時，也會發生高耦合現象.因此，耦合度難以準確判斷兩崗位能否具有較好協同效應，需要在耦合度模型的基礎上建立協調模型來反應二者協調發展水平，其公式為：

式（10）中，H為崗位間耦合協調度矩陣；Hij表示崗位i與崗位j之間的耦合協調度，Hij∈［0，1］數值越大則兩崗位耦合協調程度越高，反之則越低；式（11）中，Tij為表示崗位i與崗位j之間的綜合協調指數；αi、βj為整體偏重系數，本文崗位i與崗位j重要程度相同，故αi、βj取值為0.5.

3 多職能崗位模糊圖聚類分析

3.1 復雜模糊圖構建

假設由崗位v構成復雜網絡節點集合為V，根據耦合協調矩陣H可構造出崗位間模糊關系邊矩陣E與邊權矩陣W，進而構造出復雜網絡模糊圖G=（V，E，W），滿足于：

式（12）中，eij為崗位vi與vj關聯邊，?vi、vj∈V；式（13）中，Wij為崗位vi與vj邊權，i=1，2，…，m，j=1，2，…，m.

3.2 聚類分析方法

筆者采用基于復雜模糊圖G的最大生成樹T改進權矩陣方法進行聚類分析［13］，對于給定?λ∈［0，1］，將滿足T（kij）＜λ的eij樹枝割斷，得到不連通子圖，然后將各個連通分支聚合成類，具體算法為：

Step 1：對邊權矩陣W的上三角元素（或下三角元素）進行由大到小排序，排序數量為b，t=1；

Step 2：λ=Nt（Nt為排序值，t越大排序值越小），初始化k=0，，W*=W；

Step 3：若矩陣W*中遍歷出任意一行或一列中滿足的元素，k=k+1，如果，則 令，再以vj作為行編號或vi作為列編號進行重復遍歷查找，直至查找結束；否則轉Step 4；

Step 4：輸出第n-k個類所對應集合，若t＜b，則t=t+1，轉step 2；否則轉step 5；

Step 5：算法結束.

4 實例分析

以截至2021年12月31日我國已開通運營的50個城市的城市軌道交通運營崗位作為研究對象，對崗位群中的各崗位進行編號，見表1.

表1 城市軌道交通運營崗位編號

4.1 指標矩陣構造與同一化處理

根據城市軌道交通各運營崗位職業技能標準理論知識和崗位技能要求以及鑒定考核項目占比，綜合確定出城市軌道交通崗位復雜網絡耦合指標原始數據矩陣，在這里以編號為1的站務員崗及編號為2的行車值班員崗位為例構建式（1）中的第1行第2列指標，見表2，并根據式（2），對表2進行同一度處理，見表3［14］.

表2 站務員與值班員指標原始數據

表3 同一度指標數據

4.2 崗位耦合協調度計算分析

利用式（3）～（6）可計算得到站務員崗與行車值班員崗位指標權重W分別為0.067，0.067，0.068，0.071，0.073，0.076，0.077，0.079，0.084，0.087，0.090，0.092，0.095，0.099和 0.102.從中不難得出崗位團隊意識、責任意識與全局意識、環境適應力、心理承受力偏重系數高，而通識知識、基本知識與核心知識指標比重系數相對較低.

在以上計算結果的基礎上，利用式（7）分別計算出站務員崗位與值班員崗位綜合指數：

利用式（9）可計算出兩崗位耦合度：

利用式（10）和式（11）即可計算出兩崗位耦合協調度：

按照同樣的方法便可確定出18個運營技術崗位間的耦合協調關聯矩陣H為：

4.3 多職能崗位模糊圖聚類仿真分析

采用最大生成樹T改進權矩陣方法，運用MATLAB 2021b系統進行運行仿真得到不同λ截面水平下的模糊聚類動態結果，見圖1.

圖1 模糊聚類動態樹狀圖

當λ=0.52時，崗位復合結果見表4. 當λ截面處于0.52水平時，城市軌道交通運營技術崗位被劃分成4類：首先，聚合度為0.75時將電客車司機、工程車司機、車輛檢修工聚合成一類，復合成乘務多職能崗位；其次，聚合度為0.74時，將站務員、值班員、值班站長三個崗位聚合為一類，復合成站務多職能崗位；再次，聚合度為0.68時，將信號樓值班員、車場調度員、行車調度員、設備調度員、維修調度員聚合成一類，可復合成調度多職能崗位；最后，聚合度為0.68時，將通信工、信號工、機電檢修工、探傷工等崗位聚合成一類，可復合成多職能巡檢崗位，而該聚合結果與上海申通地鐵多職能崗位優化方案以及成都地鐵打造多專業融合方案一致.

表4 崗位復合結果

5 結語

科學有效的多職能崗位復合方法是打造適應全自動運行運營管理隊伍的關鍵，是確保新技術下人員精簡、提質增效的有力保障.綜合我國已運營的50個城市的城市軌道交通運營企業，列舉出18個典型技術崗位并以此為研究對象，使用耦合協調度模型計算得出崗位關聯矩陣，采用改進的模糊聚類分析方法進行崗位劃分與復合，通過實例運用得出結論：

（1）將城市軌道交通運營各離散的技術崗位構建成復雜的耦合網絡，從各崗位“業務知識”“崗位能力”與“職業素養與心理素質”3個維度構建了由16項指標組成的指標體系，系統地表征了網絡耦合特性；

（2）以2020年城市軌道交通各運營技術崗位職業技能標準內容及占比作為基礎數據，采用耦合度和協調度對崗位間的關聯程度進行定量化計算，計算結果更為客觀有效；

（3）為降低最大生成樹聚類方法高冪運算量，采用改進最大生成樹權矩陣法進行遍歷連通圖，有效地提升了聚類速度；

（4）城市軌道交通企業運營模式不盡相同，崗位劃分標準與復合目標不盡相同，而聚類λ隸屬［0，1］區間可滿足不同企業復合需求，當λ取值0.52時，復合結果與上海申通地鐵及成都地鐵多職能崗位復合設置一致，因此該方法具有較強的適應性和有效性.