計劃臺調度工作質量考核系統設計

陳子豪，鐘德昭，羅 明

（中國鐵路武漢局集團有限公司 信息技術所，武漢 430071）

隨著我國鐵路事業的飛速發展，運輸調度已成為鐵路運輸生產的核心工作。鐵路運輸調度生產數據量大，計劃臺調度工作考核指標計算邏輯復雜、計算頻率高，考核工作量十分繁重。為了更好地掌握鐵路運輸動態，評估調度工作質量，挖掘運輸潛力，亟需建立一套完善的信息化考核機制，用于提高考核指標的計算效率和質量。

本文基于鐵路運輸調度生產數據，設計計劃臺調度工作質量考核系統，實現數據治理、調度工作質量考核、技術站作業效率考核及車流分析等功能，以期為提高調度工作的信息化水平提供技術支撐。

1 系統總體架構

計劃臺調度工作質量考核系統總體架構如圖1所示。

圖1 計劃臺調度工作質量考核系統總體架構

1.1 數據層

負責存儲和應用列車運行過程中產生的各種數據，包括數據收集、分類、處理及共享。針對不同的數據類型分為不同的存儲空間，其中，大量的運輸調度生產數據存儲在分布式數據庫中；反復使用的計算數據緩存在Redis緩存數據庫中；系統運行核心數據存儲在主從數據庫中。

1.2 網絡層

該層提供多種數據資源傳輸方式，如通過HTTP請求方式傳輸考核指標計算結果；通過Redis資源共享方式傳輸運輸相關實時數據[1]；通過消息隊列和數據共享等方式收集數據，并在完成數據匯聚和處理之后通過微服務的方式實現數據共享。

1.3 應用層

通過SpreadJS和Spring Boot等技術實現各模塊的應用。其中，用戶權限管理模塊和數據字典管理模塊能夠根據考核細則對其進行調整；多個考核指標計算模塊和考核報表導出模塊可滿足多種個性化的考核報表需求；通過運用車保有量模塊、行車調度查詢模塊和車流分析模塊，用戶可查看各類運輸調度生產數據及其分析結果。

1.4 訪問層

該層面向調度工作人員和相關管理人員，為各級用戶提供訪問和操作界面，包括網頁端和客戶端2種方式。

2 系統功能

計劃臺調度工作質量考核系統功能如圖2所示。

圖2 計劃臺調度工作質量考核系統功能

2.1 數據治理

2.1.1 數據匯聚

負責收集各種調度相關的生產數據，針對不同數據類型和不同的安全級別，分為數據庫同步、消息隊列等匯聚方式。

2.1.2 數據處理

負責將匯聚的數據串聯起來，對運行線和確報等關鍵數據進行串線、綁報及并線處理，得到鐵路局集團公司范圍內更高維度的運行線信息，再通過深入挖掘、自動分析數據，為考核指標的計算提供依據。

2.1.3 數據字典

用于統一不同數據來源中相同含義的字段，定義某項指標的擴展內容和映射關系，控制各項計算指標的考核粒度，將各種生產數據有序地組織在一起。

2.2 調度工作質量考核

2.2.1 考核指標計算

通過分析大量運輸生產數據，實現調度工作質量考核指標的自動計算，包括計劃兌現率、分界口交接統計、貨車相關指標和機車相關指標等，并按照數據來源整合計算結果，提供計算結果的接口。

2.2.2 考核報表導出

將自動計算的考核指標進行初步的數據匯總，以表格的形式呈現給用戶；用戶可查看每一項考核指標的計算詳情，核對計算結果；此外，可針對不同側重點，組合數據接口，對表格進行二次開發，提供豐富的表格導出功能。

2.2.3 運用車保有量

提供實時的運用車保有量分析。用戶可查看當前計劃臺管轄范圍內運用車的詳情，同時記錄下每次交班時各計劃臺管轄范圍內運用車的數量，作為一項重要的考核指標。

2.3 技術站作業效率考核

2.3.1 編組站作業考核

考核各計劃臺管轄范圍內主要編組站的作業效率，對編組站完成的辦理車數、中時、列車出發/到達列數、編組/解體列數進行評價。

2.3.2 區段站作業考核

2.4 車流分析

2.4.1 車流分布

分析每次交班時各計劃臺管轄范圍內的車流分布情況，包括計劃臺內工作車輛數、按去向統計的局內外移交車輛數、按車種統計的空車輛數等[2]。

2.4.2 裝卸車分析

分析每次交班時各計劃臺管轄范圍內的貨車裝卸情況，包括按車種、去向統計的裝車輛數，以及按車種統計的卸車輛數。

3 主要功能實現

計劃臺調度工作質量考核指標主要包括分界口交接車列數、中間站掛車數、貨車停留時間、運用車保有量等，需要結合列車運行圖、確報系統、車號自動識別（AEI，Automatic Equipment Identification）系統、現車系統等核心生產數據，進行數據處理和考核指標計算。

3.1 數據處理

3.1.1 綁報

綁報指將運行線與確報結合起來，使運行線的每一個站都有對應的確報。綁報操作具體分為初始綁報、AEI校正、現車反查及人工綁報。

（1）初始綁報

于2014年和2016年在廣西省采集5個居群的63份樣品（表1），經復旦大學藥學院康云講師鑒定為廣西地不容Stephaniakwangsiensis H. S. Lo。轉錄組測序用的樣品為新鮮嫩葉，于干冰中冷凍保存。其他樣品在野外采集后用變色硅膠快速干燥。

分別匹配運行線的車次、站碼和確報的車次、發報站碼，得到一組該車次在該站對應的確報，根據列車的到發時間在一定誤差范圍內匹配確報的發車時間，取發車時間最晚的確報與該站綁定。

（2）AEI校正

分界口站會設立AEI設備對進出的列車進行識別和記錄。鐵路局集團公司管內分界口站初始綁報后，需要與AEI數據進行比對，將AEI數據中的車次和到發時間與運行線數據匹配，匹配無誤視為正確綁報。

（3）現車查詢

若初始綁報失敗則需要使用現車數據反查確報[3]。通過車次、站碼和到發時間篩選出現車數據，隨機取其中一些車號，再利用車次、站碼和到發時間查詢確報。分別比較確報的報文車號和現車的車號，如果匹配成功，則認為是正確的確報。

（4）人工綁報

通過以上3步，約98%的運行線可綁報成功，其余大多因為AEI設備缺失或調度員操作不規范導致無法綁定的數據可以通過人工綁報進行修正。

3.1.2 并線

并線指將一趟行車在各個計劃臺的運行線串聯起來，并去除其中重復的站點。按照車次、時間和公共站點判斷各計劃臺內運行線的先后順序，隨后按排好的順序將線條合并起來，根據站歸屬計劃臺，對公共站點去重，獲得一趟行車在鐵路局集團公司管內的完整路線。

3.2 考核指標計算

完成數據處理后，利用整合之后的運行線信息計算各項考核指標。各計劃臺按照各自管轄范圍，每計劃臺一天兩班，生成計劃臺考核報表和調度工作質量簡報[4]。調度工作質量考核主要指標計算方法如下。

3.2.1 分界口交接車列數

分界口交接車出入統計反映鐵路局集團公司間及國內外鐵路間的列車出入情況，可作為統計現有數、考核列車交接計劃完成情況及運輸財務清算的依據。統計某一班時間段內通過各計劃臺管轄范圍內分界口的運行線數，即為分界口交接車列數。

3.2.2 中間站掛車數

中間站掛車統計貨車始發或作業時掛載車廂的數量，分為裝車、卸車、卸后裝和中轉車，反映車站掛載能力[5]。按照裝車、卸車、卸后裝和中轉車分類，分別統計貨車始發或作業時掛載車廂的數量，可計算出中間站掛車數。

3.2.3 貨車停留時間

貨車停留時間反映運用車的貨物作業停留時間和中轉停留時間，可作為檢查、分析、改善車站的運輸組織工作，提高貨車使用效率的依據[6]。按照站點、貨物、作業方式，分別統計每列貨車停靠和發車的時間差，計算出停留時間。

3.2.4 運用車保有量

統計某一時刻計劃臺管轄范圍內在途和在站的運用車數量，可作為日常調度指揮、編制運輸工作計劃、調整運力配置的依據[7]。

計劃臺調度工作一天分為2個班次，其中，前一日20：00—當日8：00為第1班；當日8：00—當日20：00為第2班。為保證數值準確，設定每一班的指標計算從這一班時間上限開始，到這一班時間下限又一小時結束，每小時計算一次[8]。例如，今日第1班的指標，從昨日的20：00開始計算，每整點計算一次，直到今日的9：00結束計算。通過SpreadJS插件，結合考核指標計算服務接口，可以對計劃臺工作簡報作定制化開發，并以Excel表格的形式導出。

4 關鍵技術

4.1 消息中間件

鐵路運輸調度相關生產數據具有變化頻率高的特點，傳統多級數據庫同步的方式難以滿足計劃臺調度工作質量考核系統對數據實時性的要求。本文基于Kafka消息中間件，匯聚各生產系統底層消息隊列（MQ，Message Queue）消息，實現對數據變動的秒級響應[9]。半結構化的各類MQ消息無法直接用于考核指標計算，計劃臺調度工作質量考核系統將其解析并匯入運輸調度數據倉庫，避免出現因為數據更新滯后而導致計算指標與實際不符的問題。

4.2 多源異構數據整合

計劃臺調度工作質量考核的數據源于多個生產系統，這些系統之間存在一定的數據壁壘，因此需要通過多源異構數據整合技術將各類生產數據有序地組織在一起。計劃臺調度工作質量考核系統分析各類生產數據之間的內在聯系，建立對應的時間、空間和狀態等特征索引，實現運行線和確報數據的整合，將考核指標的粒度細化到每一個站，解決數據結合不緊密的問題。

4.3 內存數據庫

現有計劃臺調度工作質量考核指標由人工計算得到，僅有一份最終結果，無法查看考核明細。計劃臺調度工作質量考核系統將考核指標計算產生的中間結果緩存在Redis內存數據庫，提供分布式考核算法服務，可供用戶查看任意指標的計算過程，實現考核指標的公開透明，解決考核明細不詳盡的問題[10]。

5 結束語

本文基于計劃臺行車調度生產數據，設計計劃臺調度工作質量考核系統。通過建立相關數據倉庫，匯總分析各項生產指標，實現調度工作質量分析考核的自動化。目前，該系統已投入使用，考核準確率可以達到99%，大幅減少了統計人員的工作量，促進調度工作質量的不斷提升，提高了調度的信息化水平。下一步將繼續探索生產數據的規律，深度挖掘數據價值，為調度決策提供更有力的支撐。