基于云模型的城市軌道交通調度員認知能力評估*

方 鋮 黃遠春 朱 琳

(上海工程技術大學城市軌道交通學院, 201620, 上海∥第一作者，碩士研究生)

在我國鐵路運輸生產領域每年發生的各類事故中，80%以上事故為人為失誤引發[1]。相關研究表明，認知可靠性是人的可靠性評估的重要因素[2]，對提高列車運行的安全性具有重要意義。運營調度員作為軌道交通系統的“神經中樞”，長期處于高強度工作壓力之下，加上特殊的倒班制度，容易出現認知能力失衡的狀況，從而產生對工作的倦怠，增加工作失誤的概率。因此有必要對運營調度員的認知能力進行評價?？紤]到運營調度員在線路處于正常狀態下的工作任務相對輕松，故本文主要研究在應急場景下運營調度員的相關認知能力評估。為全面直觀了解軌道交通整體運營調度員的認知能力，減小認知能力評估過程中的模糊性和隨機性，本文提出基于云模型和改進CRITIC權重法相結合的運營調度員認知能力評估模型。

1 運營調度員認知能力評價指標體系

1.1 作業特征分析

根據運營調度員應急處置過程中的作業流程、內容、控制要求，以及作業特點，可將運營調度員在采取應急處置措施時的操作項劃分為5種類型。這5類操作項的作業特征如表1所示。

表1 運營調度員應急處置操作項的作業特征

1.2 建立認知能力評價指標體系

根據運營調度員作業特征、勝任力研究[3-4]以及JT/T 1004.1—2015《城市軌道交通行車調度員技能和素質要求》[5]，本文選取雙手協調能力、注意警覺能力、持續性注意能力、決斷力、外周知覺能力、反應力作為運營調度員認知能力評估的一級指標。

維也納心理測試系統被廣泛應用于認知能力測評，該系統能夠記錄被試者的操作時間、操作是否正確等數據。為實現所選取的認知能力一級指標的量化，選取該測試系統對應測試項目中獲得的指標參數作為二級指標。

構建的運營調度員認知能力評估指標體系如圖1所示。

圖1 運營調度員認知能力評價指標體系

1.3 維也納測試系統結果分析

本文隨機抽取上海軌道交通路網202名運營調度員，通過維也納測試系統完成實際測試(見圖2)，導出每項指標的系統記錄結果，形成用于云模型評估的初始數據集。利用SPSS(統計產品與服務解決方案)軟件對測得結果進行Cronbach′sα信度檢驗，得到α系數值為0.612(0.6～0.8表示較好)，說明測試結果具有較好的一致性和穩定性。在效度檢驗中，KMO(Kaiser-Meyer-Olkin)值為0.632，且顯著度p<0.01，說明測評結果具有較好的效度。但維也納測試系統目前只能獲取單人單項的心理測評數據和結果，無法有效、直觀地估計單人綜合或某一批受試者的整體認知能力，且受試者僅在隨機時間段內進行單次測試，存在一定的隨機性。此外，維也納測試系統輸出的結果為每個認知能力的等級(即很差、較差、正常、較強、很強)，描述具有一定的模糊性。

圖2 維也納心理測試系統測試實景圖

2 基于云模型的評估流程

2.1 云模型基本概念

云模型是處理定性概念與定量描述的不確定轉換模型，反映了語言值的模糊性、隨機性及二者的關聯性問題。

設U為1個定量論域，x為U內的定量數值，則論域U所對應的定性概念T對任意1個x都存在1個有穩定傾向的隨機數μ，且μ為x對T所表達的定性語言的隸屬度。隸屬度μ在論域上的分布稱為云，每1個x稱為1個云滴[6]，即：

μ:U→[0,1],?x∈U,x→μ(x)

(1)

云模型的基礎主要由云模型的三個基本數字特征值來描述，即期望Ex、熵En和超熵He。Ex表示定性概念T的中心值，并確定云滴x的分布位置；En表示定性概念T所表達的云滴x在定量論域U中的取值范圍，反映了定性概念T的模糊性和隨機性；He為超熵，即熵的熵，代表了熵的不確定性。在云圖中，He通常表示云層的厚度，超熵越大，云層越厚。云模型如圖3所示。

圖3 云模型分布示意圖

2.2 云發生器

2.2.1 正向云發生器

正向云發生器是從定性概念到其定量表示的映射，其根據云的數字特征(Ex,En,He)產生云滴，每個云滴都是該概念的一次具體實現。正向云發生器的工作步驟為：

1)產生1個期望值為Ex，標準差等于En的正態隨機數En，s。

2)產生1個期望值為Ex，標準差為En，s的正態隨機數x。

4)將x作為具有μ定性概念的一個云滴。

5)重復步驟1)到步驟4)，直到產生滿足要求數目的云滴數。

2.2.2 逆向云發生器

逆向云發生器是實現定量值到定性概念的轉換模型，可以將一定數量的精確數據轉換為以數字特征表示的定性概念。其工作步驟為：

4)刪除樣本中與期望值距離最近的s個樣本點(當N≥100時,s=0.01×N；當N<100時，s=1)，樣本數取0.99N，再次計算方差。

6)輸出云數字特征(Ex,En,He)。

2.3 認知能力評估流程設計

根據云模型理論，將運營調度員認知能力評估體系視為論域，將每一位參加測試的運營調度員視為一個云滴，則所有運營調度員獲得的所有指標評價綜合結果形成的云團整體特征即反映了整體運營調度員的認知能力等級。具體評估流程實施步驟如下：

步驟1，確定因素集。建立城市軌道交通運營調度員心理評價指標體系，如圖1所示。

步驟2，確定評價集和評價云。評價集合由實際評價方案中定性評論的屬性組成。如果實際評價方案中存在g個不同等級的定性評價，則評價集合V={V1,V2,…,Vg}。首先，基于評價集的有界區間，求解V中各等級評價云的數字特征；然后，利用正向云生成器生成評價云圖；最后，將模糊評價集轉換為實際評價尺度。云數字特征的計算公式為：

其中k為模糊程度,是確定的常數，常取0.1[6]。

步驟3，確定權重集。根據維也納測試系統獲得改進CRITIC權重法[7]的原始評估矩陣，利用數據的波動性(對比強度)和相關性(沖突性)進行權重計算：

步驟4，確定評價結果云。利用逆向發生器生成評價云數字特征矩陣Z?；诘玫降腤和Z，城市軌道交通整體運營調度員心理評價結果的云模型數字特征C可表示為：

C=WZ

其中：

由于此計算過程涉及云參數和常規參數的混合計算，因此每個云數字特征都是根據云模型和模糊理論的計算規則進行計算的，即：

步驟5，評價結果的確定。利用正向發生器生成數字特征為C的綜合結果云模型的云圖，將綜合結果云的范圍和形態與生成的評價云進行分析比較。

3 實例分析

3.1 評價過程實施

依據認知能力評估流程，將每個二級指標的評價結果劃分成5個等級，并以此作為評價集V={很差(1分),較差(2分),正常(3分),較強(4分),很強(5分)}。對應的云數字特征為：很差(0.5,0.167,0.1)、較差(1.5,0.333,0.1)、一般(2.5,0.333,0.1)、較強(3.5,0.333,0.1)、很強(4.5,0.333,0.1)。評價指標體系的權重分布如表2所示。利用逆向發生器生成每個二級指標的云特征參數如表3所示，最終得到運營調度員認知能力評價綜合結果云的數字特征為C=(2.938 5,1.028 1,0.554 5)。

表2 評價指標體系的權重集

表3 評價指標體系的云特征參數

為了更加直觀地展現最終的評價結果，設置云滴數M=3 000，以保證誤差小于0.01[6]；利用正向云發生器生成綜合結果云的云圖，并將評價云和綜合結果云放置在一張圖中，生成的云圖如圖4所示。

圖4 運營調度員認知能力評估結果云圖

3.2 評價結果分析

由綜合結果云的數字特征和云圖分布可知，隸屬度最高、云滴最集中處介于“正?！焙汀拜^強”之間，說明了整體運營調度員的認知能力處于正常狀態。通過比較綜合結果云和評價云的形態發現，綜合結果云的跨度及厚度都遠遠大于評價云的。這反映出受試運營調度員的認知能力等級存在較大差距。

由表3可知，整體運營調度員的注意警覺能力為3.023 7，達到了“較強”水平，與其他能力相比水平較高。在表2中，持續性注意能力與決斷力的權重值相對較高，分別為0.219 7、0.229 6。這與運營調度員在日常工作中需要持續關注線路車輛運行情況，果斷采取應急處置措施存在一定聯系。

4 結語

運營調度員的認知能力會對城市軌道交通運營安全產生重要的影響。本文旨在建立一套科學、系統的評估方法，以獲得整體運營調度員的綜合認知能力測評與等級評價結果。該評價模型也可針對某個個體進行基于所建立評價指標體系的整體能力評價，即需要被試者在不同時間進行多次測試，并實施所設計的評估流程，最終得到個體的各個能力維度評價等級。城市軌道交通相關部門可結合維也納測試系統的單人測試結果和整體運營調度員的認知能力等級，開展運營調度員心理輔導、認知能力提升等相關活動，確保運營調度員的認知能力處于正常水平，為城市軌道交通安全運行提供有力保障。