鐵路安全管理大數據分析平臺設計與應用

宋修德，徐涌，寧勇，余旸，官小波，張亮，王龍寶

（中國鐵路成都局集團有限公司，四川 成都 610081）

0 引言

隨著路網規模的不斷擴大，鐵路每日將產生大量的生產數據和安全信息，但目前鐵路企業對安全數據信息的運用開發較為落后，存在安全大數據利用率低、智能化分析不高、分析結果展示不直觀等問題，使大量安全數據不能轉化為有價值的信息從而為鐵路安全管理提供更加優質服務[1]。如何借助信息手段提高大數據開發利用價值，如何有效運用各類大數據為鐵路企業安全管理提供精準分析和決策支撐，進一步優化安全管理手段，提高安全管理效能，是鐵路企業亟須解決的問題，也是鐵路安全管理的迫切需求[2]。因此，有必要結合鐵路安全管理需要和大數據管理思維與挖掘方法，建立鐵路安全管理大數據分析平臺（簡稱安全大數據平臺），為鐵路安全管理提供科學的數據支撐和決策依據。

1 設計要求和平臺架構

1.1 設計要求

在《中國鐵路總公司關于印發鐵路大數據應用實施方案的通知》框架下，開展安全度量方法研究，綜合考量作業人員、設備、環境、管理方面失效危險等因素，建立安全大數據平臺，有效整合各專業系統生產數據，通過對各類數據的綜合處理分析，形成各類指數并用于安全預警和安全管理，數字量化單位的安全管理狀態，解決安全大數據利用率不夠、安全分析智能化不高、安全分析不直觀等問題，實現安全大數據的智能化、可視化、定制化分析，提高風險預警的精準性和安全管理的針對性[3]。

建立以大數據為基礎的安全大數據平臺，與各類鐵路管理系統進行數據鏈接，實現信息共享與互遞[4]。數據主要來源于車務、機務、工務、供電、電務、車輛等專業系統，包括安全生產信息、安全問題隱患、安全履職信息等涉及安全管理的所有數據。

1.2 平臺構架

安全大數據平臺（見圖1）由安全大數據智能化分析、可視化展示、智能報告3個部分10個子系統組成。其中，智能化分析包含安全管理綜合指數、重點風險分析、重點問題分析、職工違章分析4個子系統；可視化展示包含檢查頻次可視化顯示、問題分布可視化顯示、安全生產信息可視化顯示、干部履職問題可視化顯示、安全定制分析展示屏5個子系統；智能報告由安全分析報告子系統組成[5-6]。

圖1 安全大數據平臺構架

2 功能設計

2.1 安全指數算法原理

以安全管理綜合指數中的檢查力度指數為例，簡要說明平臺的特征工程過程及預測算法原理。

2.1.1 特征工程過程

在風險預測的問題中，選取如下一次特征：問題項點累計值、問題嚴重性累計值、對應的風險等級累計、問題平均檢查次數、檢查出的問題次數（月）、部門量化率（量化人員數/部門工作量）、檢查地點覆蓋率（實際檢查地點/所有的作業地點）、干部履職平均記分分數。

對問題平均檢查次數這個特征進行深入分析后，發現在不同的時間尺度下，即把檢查時間細分來看，精確到1周內的周幾以及在0～24點中哪個時段發生，會發現巨大的風險隱患。因此，以問題檢查頻次數據為研究對象，對其特性和模式進行建模，并形成二次特征。

問題檢查本質上是發生在時間維度上的一系列特定動作，利用時間序列來描述一段時間內的問題檢查。時間序列是一種非平穩信號，其統計特征隨時間改變而改變。在特征值的提取上，考慮到檢查問題的實際情況，僅從時頻域或頻域的單方面識別達不到理想的評價效果，因此在算法架構中提出結合時域與頻域的時頻特征，即解決檢查時間分布下的問題頻次統計特征。

在構建檢查頻次二次特征中，選用小波變換實現將每一層的低頻信號逐層分解，小波變換是一種解決非平穩信號的較好工具。在小波的選取中，不同的小波對信號進行分析則會得到不同的數據結果。針對大量曲線圖分析發現哈爾（Haar）小波較好表現了檢查頻次信號時頻域信號高低的特點，因此在模型中選用Haar小波函數對信號進行小波變換分解，得到小波系數向量。把同時選取于同一時間窗口內的一次特征和二次特征合并，組成16維的特征向量。

2.1.2 預測算法原理

通過上文描述的特征工程思路，對安全管理綜合指數體系進行所有子指數的特征提取工作，并構建一個神經網絡用以智能預測未來風險情況。算法步驟為：對風險問題頻次信號加窗處理→在時間窗內計算檢查頻次的二次特性向量（小波系數特征）→一次特征與二次特征合并綜合特征向量→設計并構建一個神經網絡模型→將綜合特性參數作為輸入層神經元輸入到神經網絡中去訓練→用訓練好的神經網絡進行測試集的分類定量（故障、事故、一般風險、低風險4個級別），從而得到不通過風險區間的分布。

在此設計3層神經網絡（見圖2），將16個特征向量作為網絡的輸入，網絡的輸入神經元個數為16，隱層神經元個數為8，4種風險狀態為網絡的輸出，網絡的輸出神經元個數為4。樣本數據隨機標簽，分成2部分運用，其中一部分（70%）作為訓練集，剩下一部分作為測試集。用訓練集數據對設計的BP神經網絡進行訓練，然后對測試集數據進行測試并對測試結果進行分析，達到收斂。

圖2 3層神經網絡結構

通過神經網絡模型對鐵路局集團公司每月的風險做預測。鐵路局集團公司日常檢查工作有明確的檢查計劃和指標，按照配置好的檢查項目表、檢查風險對檢查點和班組進行檢查，其中每個檢查出來的問題、每個發生的安全生產事故都會關聯到具體的按部門配置好的基礎問題庫，一個基礎問題包括問題項點、問題類型、問題分項、問題嚴重性質、部門的量化率、檢查地點覆蓋率、風險等級等特征屬性，將已經發生的安全事故作為訓練集輸出，獲取該安全事故關聯的基礎問題庫的問題項點、該部門1個月內對該問題項點的檢查工作的一些指標，如檢查次數、出現問題次數，還有該部門日常檢查的一些其他指標綜合在一起形成綜合特征向量作為輸入。

對于隱層神經元通常選用f(x)=1/(1+e-x)傳遞函數，輸出層則根據輸出量的范圍選擇S型傳遞函數或線性函數。依據樣本，網絡訓練選用Levenberg-Marquardt（LM）算法，定義其性能指數為：

式中：P為樣本個數，200；K為輸出個數，4；dsk為第s個樣本輸入時第k個量的期望輸出；zsk為相應的實際輸出；W=[w1,w2, …,wN]T為網絡中權值、閾值所組成的向量；N為所有權值與閾值的個數總和。式（1）可以改寫為：

式中：E=[e11, …,e1k, …,e1K,es1, …,esk,…,esK,eP1,…,ePk, …,ePK]T；S=1, 2, …,P；k=1, 2, …,K。

為累積誤差向量，向量元素esk=zsk-dsk。由式（2），Jacobian矩陣定義為：

設WN為第N次迭代的權值與閾值所組成的向量，則新的權值與閾值為：

式中：I為單位矩陣，μ為大于0的學習參數。將式（2）和式（3）合并整理為：

利用由式（3）得到的權值、閾值計算出相應的流量，將計算結果與實際結果進行對比，若效果理想，則說明式（4）能反映風險等級與問題檢查特征之間的關系。通過給定檢查問題特征屬性能計算相應的風險等級。

2.1.3 舉例

輸入的綜合特征向量［問題項點累計值，問題嚴重性累計值，對應的風險等級累計，問題平均檢查次數，檢查出的問題次數（月），部門量化率（量化人員數/部門工作量），檢查地點覆蓋率（實際檢查地點/所有的作業地點）,干部履職平均記分分數］，8個小波系數對應的測試值為 [20, 5, 10, 150, 12, 0.01, 0.001, 152,0.835, 0.247, 0.126, 0.254, 0.369, 0.124, 0.874, 0.295]，通過神經網絡計算，8個一級特征和8個二級特征被映射到了1個短向量[1.00, 0.125, 0.03, 0.011]，每個值分別對應故障、事故、一般風險和低風險判定。綜合評判，目前狀態在故障上較為突出，但總體風險水平不是很高。這樣就有了一個非常明確且容易解釋的結果。

2.2 安全大數據智能化分析

安全大數據智能化分析主要對重點風險、重點問題、職工違章、安全管理綜合指數進行智能分析，分析結果作為鐵路局集團公司管理的參考依據和輔助決策，可有效提高鐵路安全管理效能。

2.2.1 安全管理綜合指數

海恩法則指出每一起嚴重事故的背后，必然有29起輕微事故和300起未遂先兆以及1 000起事故隱患，鐵路安全生產過程中必然積累大量安全風險，當風險積累到一定程度就容易引發安全事故，要防止事故發生就必須通過暴露問題、解決問題的方式，提前釋放積累的風險，阻斷風險從量變向質變演變。安全管理綜合指數體系（見圖3）以海恩法則為理念，堅持問題導向，借助安全大數據分析平臺，建立不同維度指數并進行量化排序，通過事故故障進行反饋印證，不斷調整完善指數機制，實現對安全發展態勢的準確把控。同時利用綜合指數排序效應，強化排名末位單位的安全預警和督導，提醒相關部門及時開展風險排查，強化安全預警布控，有效消除安全隱患。

圖3 安全管理綜合指數體系

安全管理綜合指數分為鐵路局集團公司、專業、站段3個層級，包含檢查力度指數、檢查均衡度指數、問題暴露度指數、考核力度指數、評價力度指數、問題整改指數共6個分指數29個子指數。

2.2.2 重點風險分析

分為鐵路局集團公司、專業、站段3個層級。建立重點風險指數，每個專業指定1個風險類型，分別根據各層級的安全監督檢查情況、安全問題情況、問題整改效果等情況建立數學模型，自動形成安全風險管理綜合指數，可使不同層級管理者掌握并管控各單位、各車間、各班組的風險情況，并以事故故障為反饋印證，動態修正模型參數[7]。

2.2.3 重點問題分析

自動分析各專業、各單位存在的安全管理不到位、干部職責不履行、作業標準不執行等重點問題，分析重點問題的時間、地段分布等，并在電子地圖上進行直觀展示，協助分析重點問題的規律，得到一些經驗性結論或預測性趨勢。

2.2.4 職工違章分析

以職工被考核率、問題考核率、問題返獎率、職工違章周期、違章次數為主要項點，綜合分析職工違章情況，重點將違章詳情在地圖上進行可視化顯示，為職工違章管理提供有力的決策依據和支撐。

2.3 安全大數據可視化展示

采取電子地圖、柱狀圖、曲線圖等形式，可視化展示智能分析結果，提高數據的可讀性和易用性，便于管理層及時掌握安全關鍵，并迅速做出針對性決策，有效提高工作效率[8]。

2.3.1 固定展示

固定展示部分主要是安全定制分析展示子系統（見圖4），該部分作為決策支持數據展示入口，利用儀表盤可視化展示運輸生產作業、干部履職情況、安全問題查處等安全管理工作相關重點信息，確保顯示一目了然，實現宏觀視角掌握全局運輸安全情況[9]。集團公司和站段管理層可根據實時信息及時作出反應，高效安排各項安全管理工作，有效解決安全大數據利用率低、重點信息梳理工作量大、顯示不直觀等問題，大大提高了安全管理效能。

圖4 固定展示大屏

2.3.2 自選展示

自選展示部分（見圖5）包含檢查頻次可視化顯示、問題分布可視化顯示、安全生產信息可視化顯示、干部履職問題可視化顯示4個子系統。該部分以智能電子地圖為載體，以地圖和坐標點為形式，通過顏色及色差來表現各部門狀態。通過設計簡單易用的篩選器輔助，使用者可快速定位目標區間，鎖定符合設想模式的單位，實現具體問題速查和問題溯因，有效滿足管理需求，便于輔助決策者做出準確預判，提高安全管理的針對性和實效性[10]。

2.4 安全大數據智能報告

智能報告系統可根據管理需要，進行多角度的數據組合式智能分析，并自動生成安全定制分析報告，使管理層能夠全面、準確、科學地掌握安全關鍵和重點，大幅提高安全分析效率和水平。安全大數據智能報告包含干部安全履職報告和集團公司各層級的日、周、月安全分析報告、報表。其中干部安全履職報告以干部個人為單位，報告內容包含干部安全履職指數、干部安全履職檢查寫實、干部安全履職分析等，每名干部可查看自己上月安全檢查、問題質量、安全談心、履職評價方面的安全履職指數及在本專業同類干部中的排名情況，根據報告可針對性調整后期安全履職工作，提高安全履職能力。

圖5 自選展示大屏

3 應用實踐及效果

安全大數據平臺的建立優化了安全數據分析手段，完善了安全分析內容項點，豐富了分析結果的展示形式，實現了安全大數據開發價值的最大化，使安全分析更科學，輔助決策更直觀，安全預警更精準。平臺運用以來，得到基層單位的廣泛認可，中國鐵路成都局集團有限公司63個站段已全部正式啟用，并作為指導其安全管理的重要決策依據，安全管理成效較為明顯。

3.1 安全態勢把控更全面

安全大數據平臺創新建立了檢查力度指數、評價力度指數、考核力度指數、檢查均衡度指數、問題暴露指數、問題整改效果指數等六大管理綜合指數，通過對指數進行數字量化和排名排序，定量標尺各單位安全發展態勢，使管理層能夠更加容易了解各單位安全管理情況，能全面、準確、動態掌握各單位安全風險發展態勢，便于及時進行安全響應、強化安全管理。在平臺運用初期，通過各項指數水平分析，發現并提出了安全預警，但由于未引起高度重視，未執行預警措施，隨后發生了事故。因此，安全大數據平臺對各單位整體安全態勢把控具有一定的全面性和精準性。

3.2 安全管理更有針對性

安全大數據平臺的智能化分析和可視化展示，能夠精準找出安全問題變化規律和風險發展態勢，為鐵路局集團公司管理層提供科學的數據支撐和決策依據，使決策者能夠根據分析結果快速作出響應，確保安全管理更具有針對性。特別是通過對單位安全情況、風險管控情況、職工違章情況等安全關鍵的定向分析，能夠及時發現“違章大王”、關鍵風險、薄弱單位等影響安全的主要因素，使管理層能夠將主要精力用在轉化“違章大王”、消除關鍵風險、幫扶薄弱單位等主要安全工作上，大大節約安全管理的人力和物力投入，確保安全管理能夠因地制宜、對癥下藥[11]。

3.3 安全風險預警更精準

以安全大數據平臺為載體，建立并運用各類安全管理指數，對安全關鍵進行差異化精準預警。通過對各單位安全情況、重點風險、重要問題、嚴重違章等關鍵指標數據變化進行建模分析，精準查找風險變化規律，并與現實安全情況進行對比驗證，優化指數模型和計算方式，逐步摸準預警閥門值設置標準，有效提高各類安全管理指數的實用性和時效性，使差異化精準預警更加貼近生產實際，確保集團公司能夠提前進行預警布控。例如，某車站8月份在平臺的各項指數均處于較低值，隨后該站發生了調車脫軌事故，印證了平臺分析差異化預警的精準性和科學性。

4 結束語

隨著云計算、移動互聯網、物聯網等新一代信息技術的廣泛應用，在鐵路安全管理過程中運用大數據已具備了一定的基礎條件。中國鐵路成都局集團有限公司結合山區鐵路安全管理實際，研發安全大數據分析平臺，不僅是積極落實安全生產主體責任，不斷推進鐵路安全理念創新、管理創新、機制創新的一次有益探索，更是運用信息化手段前移風險關口、強化預警預控、加強安全分析、嚴格干部履職，全面提升安全管理信息化、科學化水平的一次重要實踐。