何世偉，宋 瑞，李玉斌

(北京交通大學 綜合交通運輸大數(shù)據(jù)應用技術(shù)交通運輸行業(yè)重點實驗室，北京 100044)

態(tài)勢感知(Situation Awareness， SA)的概念最早于 20 世紀 80 年代在軍事領(lǐng)域被提出，用于研究飛行員對當前所處飛行狀態(tài)的認識和理解.

態(tài)勢感知被廣泛運用于軍事戰(zhàn)場、核反應控制、醫(yī)療應急調(diào)度、空中交通管制等領(lǐng)域.國外對態(tài)勢感知系統(tǒng)的實現(xiàn)技術(shù)主要是采用貝葉斯網(wǎng)絡、專家系統(tǒng)技術(shù)、模塊技術(shù)、黑板技術(shù)以及D-S證據(jù)理論等[1-5].較為著名的系統(tǒng)包括利用模塊技術(shù)開發(fā)的計劃模板的海上作戰(zhàn)應用評估系統(tǒng)，使用專家系統(tǒng)開發(fā)的態(tài)勢評估框架以及模式類的態(tài)勢識別系統(tǒng)等[6-7].在國內(nèi)，吳鵬等[8]首先對作戰(zhàn)態(tài)勢推演進行了定義，闡述了作戰(zhàn)態(tài)勢推演的基本應用，研究了作戰(zhàn)態(tài)勢推演系統(tǒng)的組成及物理結(jié)構(gòu)，并重點闡述了系統(tǒng)建立過程態(tài)勢感知的關(guān)鍵技術(shù).尹江麗等[9]設(shè)計了空天態(tài)勢推演與預測分析的框架結(jié)構(gòu)，提出了基于模板匹配的敵方意圖識別態(tài)勢預測方法和基于貝葉斯網(wǎng)絡的多維數(shù)字戰(zhàn)場作戰(zhàn)行動預測方法，并通過實例進行空天態(tài)勢推演的應用.系統(tǒng)層級軟件系統(tǒng)研發(fā)主要應用在軍事領(lǐng)域，國外如美軍研發(fā)的旅營戰(zhàn)斗模擬系統(tǒng)(BBS)、軍團戰(zhàn)役模擬系統(tǒng)(CBS)、“兩面神(JANUS)”模擬系統(tǒng)等[10]，國內(nèi)主要有“SDS2000 戰(zhàn)略決策綜合集成研討與模擬環(huán)境系統(tǒng)”“通用戰(zhàn)場可視化系統(tǒng)”等[4].

基于Endsley于1988年提出的態(tài)勢定義[11]，鐵路運輸態(tài)勢感知可定義為： “特定的時間和空間內(nèi)對鐵路運輸環(huán)境中各種要素的察覺、對其意義的理解以及對其未來狀態(tài)的預測”.

目前國內(nèi)外對鐵路態(tài)勢研究較少，徐蘭花等[12]提出了一些高鐵運營安全態(tài)勢指標，以運營時間為輸入變量，事故聯(lián)動系數(shù)和事故次數(shù)作為輸出變量，建立BP神經(jīng)網(wǎng)絡安全態(tài)勢預測模型，以對高鐵運營安全態(tài)勢進行預測.羅珍珍[13]研究了在掌握鐵路信號系統(tǒng)的運行狀況和信息安全情況的基礎(chǔ)之上，針對信息安全設(shè)計的態(tài)勢評估方案，給出了態(tài)勢評估流程，分析得到態(tài)勢指標，構(gòu)建態(tài)勢指標體系.進一步利用D-S證據(jù)理論方法，對態(tài)勢指標進行融合，得到態(tài)勢評估模型，并對此方法進行了實驗驗證.左靜[14]構(gòu)造了基于貝葉斯網(wǎng)絡的態(tài)勢演化分析模型.以某列車脫軌突發(fā)事件為例，根據(jù)天氣變化情況，給出不同天氣惡劣程度下突發(fā)事件態(tài)勢趨勢狀態(tài).孫晨冉[15]采用改進XGBoost算法對鐵路貨物列車分布態(tài)勢進行研究研究，Qu等[16]基于時空網(wǎng)絡模型對緊急情況下車站擁堵態(tài)勢及疏解問題進行了研究.

態(tài)勢本質(zhì)是一種狀態(tài)、一種趨勢，是整體和全局的概念，具有環(huán)境性、動態(tài)性和整體性的特點，在軍事、電力、網(wǎng)絡、安全、商務等多領(lǐng)域已有廣泛應用，但在鐵路運營管理領(lǐng)域還是亟待填補的空白.大數(shù)據(jù)及其可視化技術(shù)近年來在信息、電力、地理等行業(yè)也有廣泛的應用，在鐵路客貨營銷、鐵路運輸設(shè)備檢測、鐵路線路勘察規(guī)劃等方面已開展了一系列理論研究與實踐探索.但是，當前國內(nèi)外采用大數(shù)據(jù)及可視化技術(shù)對鐵路運輸態(tài)勢推演及調(diào)控方法研究較少，缺乏統(tǒng)一的集成性系統(tǒng)對各個鐵路信息系統(tǒng)所產(chǎn)生的海量生產(chǎn)數(shù)據(jù)進行有效地挖掘、融合及可視化處理.隨著大數(shù)據(jù)、云平臺等信息技術(shù)的不斷發(fā)展，借助大數(shù)據(jù)技術(shù)所特有的海量存儲、并行計算、高效查詢等特點，鐵路運輸生產(chǎn)管理部門能夠?qū)﹁F路信息管理系統(tǒng)中海量的數(shù)據(jù)信息進行自動分析與深度挖掘，研究基于實時大數(shù)據(jù)的鐵路日常運輸生產(chǎn)總體態(tài)勢推演系統(tǒng)，并采用可視化技術(shù)對運營數(shù)據(jù)的特征信息進行直觀展示，對于更精準掌控運輸生產(chǎn)存在的問題和演化規(guī)律，提升調(diào)度生產(chǎn)管理水平和運輸效益，有重要的理論和實用價值.

我國鐵路已構(gòu)建完善的實時運輸生產(chǎn)信息動態(tài)采集和報告系統(tǒng)，但對未來運輸生產(chǎn)運行態(tài)勢的研判仍主要依賴人工經(jīng)驗，各種態(tài)勢感知和推演技術(shù)研究有待深化，能滿足運輸生產(chǎn)需要的鐵路運輸態(tài)勢推演系統(tǒng)亟待研發(fā).本文作者將以鐵路貨物運輸為例，對鐵路運輸態(tài)勢推演系統(tǒng)架構(gòu)及關(guān)鍵技術(shù)展開研究.

1 鐵路運輸態(tài)勢推演系統(tǒng)架構(gòu)設(shè)計

鐵路運輸態(tài)勢推演，首先需要分析鐵路運輸相關(guān)的各項技術(shù)經(jīng)濟指標，提煉出鐵路運輸狀態(tài)需要重點關(guān)注的指標，并作為態(tài)勢要素指標.在實際鐵路運營中，通過實時態(tài)勢要素指標提取，并對其進行定量評價，作為評估當前運輸生產(chǎn)態(tài)勢的依據(jù).在此基礎(chǔ)上，通過必要推演方法，對未來運輸態(tài)勢進行預測和預警.依據(jù)推演結(jié)果，便于下一步優(yōu)化決策，消除或減少突發(fā)/災變等事件影響，從而提高鐵路運輸工作中的工作效率和相應設(shè)備能力利用水平，運輸態(tài)勢推演流程如圖1所示.

圖1 鐵路運輸態(tài)勢評估流程Fig.1 Evaluation process of railway transportation situation

基于鐵路運輸態(tài)勢推演的上述內(nèi)容，構(gòu)建鐵路運輸態(tài)勢推演平臺架構(gòu)如圖2所示，包括數(shù)據(jù)采集層、數(shù)據(jù)處理層、態(tài)勢感知層、態(tài)勢推演/預測層、態(tài)勢呈現(xiàn)層.

圖2 鐵路運輸態(tài)勢推演系統(tǒng)架構(gòu)Fig.2 Architecture of RTSDS

數(shù)據(jù)采集層：獲取與鐵路運輸生產(chǎn)緊密關(guān)聯(lián)的海量數(shù)據(jù)，包括列車運行計劃和實際軌跡、貨票信息、貨運計劃、裝卸車信息等.

數(shù)據(jù)處理層：包括數(shù)據(jù)的傳輸、處理、存儲及服務，數(shù)據(jù)經(jīng)接口進入大數(shù)據(jù)處理層，在數(shù)據(jù)存儲之前會經(jīng)過1～2次的數(shù)據(jù)清洗，用來進行數(shù)據(jù)增強、格式化、解析，提供給態(tài)勢感知層和推演/預測層用來分析和預測.在鐵路運輸態(tài)勢推演中，涉及態(tài)勢察覺、態(tài)勢理解和評估、態(tài)勢預測等環(huán)節(jié)，這也是后續(xù)決策執(zhí)行的基礎(chǔ).以鐵路貨物運輸為例，鐵路日常運輸綜合態(tài)勢推演系統(tǒng)，涉及的核心內(nèi)容和主要方法如圖3所示.

圖3 鐵路運輸態(tài)勢推演的核心內(nèi)容及方法Fig.3 Core contents and methods of railway transportation situation deduction

態(tài)勢感知層：利用大數(shù)據(jù)處理層提供的數(shù)據(jù)即時訪問接口，建立相應的指標分析和模型、并利用相關(guān)機器學習等算法和評價方法，實現(xiàn)相關(guān)態(tài)勢分析.

態(tài)勢推演/預測層：主要采用相應的運輸日常生產(chǎn)態(tài)勢演化模型，對未來鐵路運輸生產(chǎn)態(tài)勢指標進行推演和預測，分析運輸態(tài)勢的變化.

態(tài)勢呈現(xiàn)層：多維可視化呈現(xiàn)，實現(xiàn)配置型可視化展現(xiàn)，可視化展現(xiàn)折線圖、餅狀圖、柱狀圖、條形圖等多種常見圖形，同時支持熱力圖、散點圖、圖標疊加等復雜展示形式.

在總體構(gòu)架基礎(chǔ)上，完成系統(tǒng)的總體架構(gòu)、核心功能、模型及方法庫、數(shù)據(jù)庫及接口、人機交互界面、運用維護及安全等詳細設(shè)計，研發(fā)鐵路運輸關(guān)鍵數(shù)據(jù)采集融合、鐵路日常運輸生產(chǎn)綜合態(tài)勢推演、態(tài)勢預警等關(guān)鍵技術(shù)，開發(fā)友好的人機交互界面，為現(xiàn)場調(diào)度、管理人員提供數(shù)據(jù)匯總及輔助決策支持.

2 鐵路運輸態(tài)勢推演系統(tǒng)的關(guān)鍵技術(shù)

1)鐵路運輸生產(chǎn)關(guān)鍵數(shù)據(jù)實時采集、融合與運營環(huán)境感知技術(shù).

鐵路日常運輸生產(chǎn)數(shù)據(jù)是鐵路日常運輸態(tài)勢感知以及態(tài)勢推演的重要依據(jù)，數(shù)據(jù)來源主要有車號自動識別系統(tǒng)、預確報系統(tǒng)、車流徑路文件和列車編組計劃、列車運行圖、貨物裝車/卸車報告、現(xiàn)車系統(tǒng)等，如何有效針對不同類型且分散分布的鐵路生產(chǎn)數(shù)據(jù)進行實時采集和融合(見圖4)，并給出運營環(huán)境感知指標及圖形化表現(xiàn)方式是需要解決的關(guān)鍵技術(shù)問題之一.由于這些海量運輸數(shù)據(jù)無法在可接受時間內(nèi)采用傳統(tǒng)的數(shù)據(jù)處理方法進行分析融合，因此必須采用新的數(shù)據(jù)處理模式及技術(shù)，包括大規(guī)模并行處理數(shù)據(jù)庫(Massively Parallel Processor，MPP)、分布式文件系統(tǒng)、云計算平臺等.

圖4 鐵路運輸生產(chǎn)關(guān)鍵數(shù)據(jù)的實時采集和融合Fig.4 Acquisition and merging of railway transportation real-time data

2)鐵路日常運輸綜合態(tài)勢分析指標體系構(gòu)建及評價技術(shù).

鐵路日常運輸綜合態(tài)勢評價是態(tài)勢感知的重要內(nèi)容，如何構(gòu)建一套完整系統(tǒng)的鐵路運輸生產(chǎn)態(tài)勢分析指標體系，并制定合理有效的評價方法是需要解決的又一關(guān)鍵技術(shù).

反映鐵路運輸生產(chǎn)狀態(tài)的指標除既有的鐵路技術(shù)經(jīng)濟指標，如貨運量、貨車運用、機車運用、運輸能力、時效經(jīng)濟等以外，為更全面反映鐵路運輸態(tài)勢，新增日常運送態(tài)勢和應急運送態(tài)勢兩類指標.日常運送是指正常的運量波動或設(shè)備檢修導致能力降低等條件下，鐵路運輸生產(chǎn)的特征；應急運送狀態(tài)是指各種災害、突發(fā)事件、重大活動等交通事件導致的結(jié)果,如圖5所示.

圖5 鐵路貨物運輸態(tài)勢指標體系Fig.5 Indexes for railway freight transportation situation

鐵路日常運輸態(tài)勢指標體系實質(zhì)是一個比較完備的指標庫，根據(jù)鐵路運輸生產(chǎn)管控的需要，還可從鐵路日常運輸態(tài)勢指標體系中抽取部分重要指標，基于態(tài)勢的不同特征，如連續(xù)性、均衡性、高效性、擁堵性、任務性等，構(gòu)成鐵路運輸生產(chǎn)的綜合態(tài)勢指標，如圖6所示.

圖6 鐵路貨物運輸生產(chǎn)綜合態(tài)勢指標體系Fig.6 Comprehensive indexes for comprehensive railway freight transportation situation

根據(jù)態(tài)勢感知對象如路網(wǎng)、線路、區(qū)段和車站的不同，還可分別從鐵路日常運輸態(tài)勢指標體系中抽取指標，實現(xiàn)對總體態(tài)勢或局部態(tài)勢的評估.

通過設(shè)置態(tài)勢等級，可綜合度量或描述態(tài)勢的嚴重程度，等級越高表示態(tài)勢越嚴峻.態(tài)勢區(qū)間是衡量態(tài)勢指標的數(shù)值區(qū)間，每一個態(tài)勢等級都會對應相應的態(tài)勢區(qū)間.根據(jù)每項態(tài)勢指標的具體特征，可設(shè)定每項態(tài)勢指標對應的等級劃分標準，采用合適的綜合態(tài)勢指標集成及評價方法，即可得到相應的態(tài)勢等級.

3)大數(shù)據(jù)運輸日常生產(chǎn)態(tài)勢演化及預警技術(shù).

運輸日常生產(chǎn)態(tài)勢推演是根據(jù)運輸生產(chǎn)過程和環(huán)境變化，研判未來各項運輸指標可能發(fā)生的變化，如要獲得運用車的數(shù)量及分布情況，則需要以技術(shù)站列車出發(fā)計劃車流推算模型為中心，結(jié)合站點裝卸車和中轉(zhuǎn)作業(yè)、區(qū)段列車運行計劃和實績大數(shù)據(jù)，構(gòu)建包含站段、區(qū)段及分界口車流推算過程的運輸日常生產(chǎn)態(tài)勢演化模型.又如，可研發(fā)基于數(shù)據(jù)擬合、極大加代數(shù)、網(wǎng)絡理論、元胞傳輸模型的列車運行態(tài)勢推演方法等技術(shù)，對導致列車運行晚點因素如惡劣氣候、列車故障、供電故障等可能產(chǎn)生的連帶影響進行評估.在對態(tài)勢指標變化進行推演基礎(chǔ)上，可給出每項態(tài)勢指標的預警閾值及監(jiān)控方法，為下一步運輸調(diào)度調(diào)整優(yōu)化奠定基礎(chǔ)，如圖7所示.

圖7 鐵路運輸生產(chǎn)態(tài)勢預警方法流程圖Fig.7 Predicting and warning flowchart of railway transportation situation

要對鐵路運輸日常生產(chǎn)態(tài)勢指標進行推演，除前述方法外，圖8給出了知識計算和數(shù)值優(yōu)化融合的鐵路貨運車流態(tài)勢智能推算方法構(gòu)架，將知識計算與傳統(tǒng)數(shù)值優(yōu)化方法結(jié)合，以獲得更精準的態(tài)勢預測結(jié)果，基于該架構(gòu)的研究方法是目前運輸態(tài)勢推演研究亟待突破的重要方向之一.

3 鐵路運輸態(tài)勢推演原型系統(tǒng)研發(fā)

在對上述鐵路運輸態(tài)勢推演平臺架構(gòu)和關(guān)鍵技術(shù)研究基礎(chǔ)上，開發(fā)鐵路日常運輸綜合態(tài)勢推演原型系統(tǒng)，并結(jié)合實際數(shù)據(jù)，驗證該系統(tǒng)日常運輸綜合態(tài)勢分析、態(tài)勢推演及預警等核心組件的功能，態(tài)勢推演系統(tǒng)用戶界面設(shè)計如圖9所示.鐵路日常運輸綜合態(tài)勢推演原型系統(tǒng)，將態(tài)勢感知和推演結(jié)果通過可視化圖形界面，展示在呈現(xiàn)層.態(tài)勢呈現(xiàn)層的功能模塊主要包括：

1)鐵路裝卸車實時數(shù)量及態(tài)勢，利用熱力圖及柱狀圖的形式，動態(tài)顯示路網(wǎng)上各個站點的裝車和卸車計劃數(shù)量及實際數(shù)量，并進行態(tài)勢推演，如圖10所示.

2)鐵路晚點列車數(shù)、晚點時長及態(tài)勢，利用熱力圖及 3D 動態(tài)柱狀圖，直觀顯示路網(wǎng)上各個站點的晚點列車數(shù)以及晚點平均時長，并進行態(tài)勢推演，如圖11所示.

圖11 列車晚點態(tài)勢Fig.11 Train delay situation of RTSDS

3)鐵路運用車保有量及態(tài)勢，利用動態(tài)散點圖，動態(tài)顯示路網(wǎng)上各個站點的計劃和實際運用車保有量，并進行態(tài)勢推演，如圖12所示.

圖12 鐵路運用車分布態(tài)勢Fig.12 Railcar distribution situation of RTSDS

4)鐵路分界站接入交出數(shù)量，利用散點圖，折線圖以及數(shù)據(jù)表格對分解站計劃和實際接入、交出的列車數(shù)及車輛數(shù)進行展示，并進行態(tài)勢推演，如圖13所示.

圖13 鐵路分界站車輛進出態(tài)勢Fig.13 Railway boundary flow situation of RTSDS

4 結(jié)論

本文在分析鐵路運輸態(tài)勢推演作用的基礎(chǔ)上，提出了鐵路運輸態(tài)勢推演流程和系統(tǒng)架構(gòu)，重點闡述了鐵路運輸生產(chǎn)關(guān)鍵數(shù)據(jù)實時采集和融合，鐵路日常運輸綜合態(tài)勢分析指標及評價，基于大數(shù)據(jù)的運輸日常生產(chǎn)態(tài)勢演化及預警等關(guān)鍵技術(shù)，初步研發(fā)了基于實時大數(shù)據(jù)的鐵路貨運日常運輸生產(chǎn)總體態(tài)勢推演原型系統(tǒng).

鐵路運輸態(tài)勢推演系統(tǒng)隨著功能的進一步擴展和加強，不僅可用于實際調(diào)度生產(chǎn)指揮工作，有助于調(diào)度部門更精準掌控運輸生產(chǎn)演化規(guī)律和預見可能出現(xiàn)問題，提升調(diào)度生產(chǎn)管理水平和運輸效益，而且還能應用于新運輸計劃應用效果評估，以及新線或車站建成開通后運營變化分析等領(lǐng)域，因此具有廣泛的應用前景.

在下一步的研究中將進一步對鐵路運輸態(tài)勢推演模型和演化規(guī)律進行建模仿真，從而根據(jù)鐵路態(tài)勢推演模型更精確地掌握運輸生產(chǎn)存在的問題，更好地為鐵路運輸調(diào)度管控提供參考依據(jù).