唐偉忠
(中國鐵路蘭州局集團有限公司 信息技術所,蘭州 730000)
鐵路調度部門在鐵路運輸組織過程中承擔著保障客貨運輸安全、完成生產作業組織、提高企業效益的重要任務。經過多年的發展,調度部門已初步建成了運輸調度管理系統,主要功能基本滿足了運輸調度生產工作需要,對優化日(班)計劃編制、提升運輸組織和調度指揮能力發揮了突出作用[1]。近幾年,隨著鐵路運輸生產力布局優化及高速鐵路的快速發展,對參與調度指揮工作的人員素質、信息化服務能力、安全意識和管理水平提出了更高的要求。如何嚴格落實各項工作標準規范,盤活數據資產價值,建立科學合理的評價考核機制、提高調度指揮工作質量及運輸組織效率效益,實現對運力資源的統籌管理、集中調配、合理運用,提升決策支持能力,成為運輸調度部門亟待研究的重要課題。
目前,調度部門在用的運輸調度管理系統,經過10 余年的持續升級、完善和優化,已經初步建成了功能覆蓋車流組織、計劃編制、行車指揮、施工、機車、調度命令、軍特調等主要調度專業崗位的信息系統,對優化日(班)計劃編制、提升運輸組織和調度指揮能力等發揮了突出作用[2]。但由于各相關信息系統初期建設時缺乏統籌設計,數據存儲比較分散,使得數據關聯性較弱,數據對業務決策的支持能力不高,難以全面發揮信息系統對運輸組織、調度指揮工作的技術保障能力。為此,本文設計了調度工作質量評價及決策支持平臺。
以運輸組織和調度指揮工作為主線,以評價調度工作質量為重點,強化信息系統的集成共享和聯動互控,提高數據自動化采集能力[3],全面規范運輸調度工作流程,提升調度工作人員整體素質。
(1)強化運輸調度應用構架頂層設計;
(2)提升調度工作質量及協調指揮能力;
(3)規范運輸和調度指揮工作流程;
(4)加強調度安全過程管控工作;
(5)應用大數據手段提升調度決策水平。
為充分發掘鐵路信息系統數據資源,調度工作質量評價及決策支持平臺的總體架構必須兼容鐵路信息系統既有架構。平臺基于JavaEE 技術體系進行底層構建,總體架構采用GreenPlum、Redis、SpingCloud、Vue.js、WebSocket 等技術構建,為B/S和C/S 混合模式,可滿足跨多平臺、異構數據庫、多系統資源全面集成與協同聯動的剛性需求。平臺架構,如圖1 所示。

圖1 平臺架構
(1)表示層。該層采用Vue.js、FineReport、FineBI 和Cell 報表插件等技術提供各類統計報表的模板定制、可視化圖表分析、數據編輯、公共查詢等服務,為管理人員和生產人員使用各功能模塊提供個便捷、直觀和個性化的操作體驗。各功能以動態表單方式按崗位需求、操作權限等配置個性化操作界面。
(2)業務邏輯層。該層針對運輸組織和調度指揮的具體應用場景,利用數據層提供的可視化服務,采用SpringCloud 微服務框架為用戶提供具體的個性化業務應用服務[4]。主要功能覆蓋安全作業管控、生產質量考評、重點列車運行監控、車流自動推算、數據統計和決策分析等業務應用需求。
(3)數據層。該層采用開源的GreenPlum 構建了面向多主題的分布式數據倉庫,采用元數據方式建立主數據字典,提供可視化ETL(Extract-Load-Transform)服務實現相關信息系統的數據資源管理與共享[5]。
(1)日(班)計劃協作互控。依據日(班)計劃協同約束、安全卡控要素及作業優先等級,完善車流計劃、機車司班、貨運組織、施工(維修)等一體化生產作業規范,對列車計劃中存在的數據一致性問題進行實時警示。
(2)列車運行速度等級卡控。對列車編組中不符合該列車運行速度等級的車輛車型、車號進行實時檢測,自動為相關崗位推送違規內容。
(3)超限運行列車會讓、越行條件的卡控。對超限運行列車中違反會讓限制條件的開行計劃進行實時檢測,自動為相關崗位推送告警信息,提醒調度人員及時確認限制條件和調整開行計劃。
(1)針對調度日(班)計劃,包括列車工作計劃、機車工作計劃、貨運工作計劃,從計劃質量、運輸效率和能力綜合利用等方面,構建面向計劃調、行車調度、貨運調度等生產人員的工作質量評價考核體系。采用企業應用集成技術,對日(班)計劃相關的數據資源、操作界面及業務功能進行深度整合[6]。
(2)以班組和調度臺為數據分析單元,采用商業智能、大數據技術等手段對列車運行速度、日(班)計劃落實、調度命令發布等工作質量進行自動統計、分析、排名,實現調度員個人專業能力和工作業績的定量分析評價。
(3)針對各項分析指標、統計數據及存在問題,均可通過明細列表的方式實時查詢核對,有針對性地及時進行整改。調度員(班組)工作質量評價考核表,如圖2 所示。

圖2 調度員(班組)工作質量評價考核表
(1)采用Java2D 矢量繪圖和調度臺間列車運行線自動拼接相關技術,建立面向跨崗位業務場景的列車運行圖,突破傳統調度臺條塊分割的限制,基于全局一張列車運行圖的設計架構,突破傳統按調度臺進行分割的約束限制,對列車運行圖、機車交路和客車車底交路等相關數據進行整合集成。
(2)針對不同工種崗位的個性化業務場景,在整合列車實際運行圖、日(班)計劃和施工(維修)計劃的基礎上,集成列車預確報、車站現在車等數據資源,實現面向多工種崗位、圖形化的全局列車運行圖,提供旅客列車、遠程直達、行包快運等重點列車在局管內運行軌跡的全程追蹤、輔助盯控、異常預警等功能。重點列車運行輔助監控圖,如圖3所示。

圖3 重點列車運行輔助監控圖
對于不同的發站、到站和品類,結合車流徑路管理系統及列車實時運行、列車日(班)計劃、列車預確報和車站現在車等數據資源,對鐵路局集團公司管內各站按編組站、分界站、多方向站、臺間站及推算站細分為5 個等級[7],Ⅰ級為關鍵支點,包括編組站、局間分界站;Ⅱ級為重要節點,主要為多方向車站;Ⅲ級為次要節點,主要為調度臺分界站;Ⅳ級為裝卸作業較多的車站;Ⅴ級為其他中間站。
以車輛鐵路局間分界站接入、鐵路局集團公司管內始發為推算起點,結合鐵路局集團公司分級節點約束條件自動推算符合車輛鐵路局集團公司間分界口移交或鐵路局集團公司管內終到的完整運行徑路,結合歷史數據自動計算各節點間列車標定運行時間和中轉作業時間的標定閾值,采用定時輪詢等方式,根據車輛實際運行位置、運行動態、列車運行等級、車流方向和徑路變更等參數進行實時軌跡調整與修正。貨物列車從發站至到站的全程運輸時間表示為

其中,T途為列車途中運輸時間;T中為列車中轉作業時間。
車流推算原理,如圖4 所示。

圖4 車流推算原理
采用開源的GreenPlum 構建了面向多主題的分布式數據倉庫,實現列車運行圖、日(班)計劃、列車預確報、車站現車管理系統、行車調度命令、施工(維修)日計劃、十八點統計報告等相關數據源的集成管理與共享。在此基礎之上,根據不同的業務場景和使用崗位,生成各類生產指標、效率指標等分析數據,以可視化分析圖表的方式為生產、管理部門,全面、動態、準確地掌握當前運輸組織和調度指揮等信息,為科學調度決策提供技術保障。
另外,基于商業智能工具軟件提供了自助數據分析功能,以可視化拖拽界面為操作人員自主進行數據分析和功能拓展提供了便捷手段,持續提升數據資產價值??梢暬瘺Q策分析,如圖5 所示。

圖5 可視化決策分析
按照“自控、互控、他控”的崗位管理原則,技術、管理多措并舉,全面優化、完善調度作業流程與考核評價機制,完善調度工作質量評價考核體系,實現調度工作考核激勵的透明化、數字化、科學化。
采用SpringCloud Gateway、GreenPlum、Kettle、XXL-JOB 等開源技術實現數據整合集成工具平臺,為用戶提供向導式數據采集操作界面,對運輸組織和調度指揮作業全流程產生的關系數據庫、Excel、Word 等業務數據按定時調度方式進行整合集成,遵循全鐵路局一張列車運行圖的管理理念,構建數據倉庫業務事實表。
(1)以元數據方式對線路、車站、機車、車輛、管界、運行徑路等實體建立全局主數據字典,對各源數據事實表進行清洗、過濾、加工等處理,統一業務數據規范,形成以列車、車輛、線路、車站、機車和施工(維修)等為主題的數據寬表和多維倉庫。
(2)以Restful API 方式提供數據檢索及算力服務,實現對列車運行、施工(維修)、機車司班、客車車底交路等可能存在的沖突進行智能分析,自動為相關崗位推送沖突內容及建議調整方案。
采用Java2D 技術實現矢量化的鐵路貨運營業站示意圖,按發站、到站和品類等要素自動推算出車輛在鐵路局集團公司管內的完整運行軌跡。調用車流徑路管理系統API 接口自動計算車輛分界口移交去向,采用最短路徑Dijkstra 算法計算鐵路局集團公司管內任意兩站間的車站序列,結合列車運行圖3 h以內的實際數據及階段計劃動態修正因違反車流路徑、違反編組計劃等情況造成的車輛推算軌跡偏差。對已經管內到達目的地車站或鐵路局集團公司間分界車站移交的車輛,實時將其從推算庫轉移到數據倉庫,依托歷史數據按列車種類、節點等級等構建運行時間和中轉作業時間的標定閾值字典,并實時推送到Redis 緩存庫。根據標定閾值和列車運行規律自動識別車輛運行異常并進行警示,為優化調整日(班)計劃開行方案提供數據保障[8]。
調度工作質量評價及決策支持平臺基于開源技術框架構建了自助式可視化數據采集工具,采用元數據方式建立了主數據字典,將分散存儲的各類源數據進行整合集成、加工處理,按運輸調度業務特點建立了多維主題數據倉庫,實現了行車安全過程管控、調度工作質量考核評價、重點列車運行輔助監控、車流自動推算和可視化決策分析等功能,為持續提升調度日(班)計劃兌現落實能力、提高運輸組織和調度決策支持水平提供了重要技術保障。