軌道交通大型養路機械日常運用數據分析模型研究

時光明，李嘉宇，王洪峻

（北京市地鐵運營有限公司線路分公司，北京 100082）

北京地鐵的規劃始于1953 年，始建于1965 年，最早的線路竣工于1969 年，是中國首個開通地鐵的城市。根據中國城市軌道交通協會披露的數據，截止到2022 年初，北京地鐵運營線路共有27 條，運營里程783 km。以運營里程計算，北京地鐵已是世界上規模第一大的城市地鐵系統。以客運量計算，北京地鐵亦是世界最繁忙的城市軌道交通系統之一?！侗本┦小笆奈濉?時期交通發展建設規劃》明確提出，“十四五”時期，北京市將重點加快軌道交通“四網融合”、軌道與公交融合，推進交通運輸綠色發展，建設步行自行車友好城市，鼓勵綠色低碳出行，力爭 “十四五”末中心城區綠色出行比例達到76.5%。到2025 年，北京軌道交通運營里程預計達到1 600 km。隨著軌道交通地鐵線路運營里程的不斷增長，客運量日益增加，大型養路機械對地鐵線路的維護工作任務量日益加重。為滿足日益繁重的線路維護工作，客觀準確地反映大型養路機械的日常運用情況，分析大型養路機械設備兌現率、設備油耗指數、設備作業量等關鍵日常運用數據尤為重要[1]。

1 大型養路機械運用數據種類

1.1 日常運用數據收集

在大型養路機械日常運用過程中對各類大機的運用數據進行收集，主要包括搗固車、清篩車、搗穩車、打磨車、拋碴車、動力穩定車、配碴整形車、風動吹碴車等8 種大型養路機械設備運轉數據的收集。

設備的運轉數據由共性數據和個性數據兩部分組成。其中，共性數據包括單位名稱、施工日期、次日施工計劃、次日施工項目、設備編號、工程名稱、運行區間（線）、行別、站段、運行里程、累計里程、封鎖時間、封鎖命令、出車車次、返回車次、作業里程、作業車站、當日作業時長、作業人數、作業次數、加油量、作業后剩余油量、設備檢修信息、設備維修信息、設備臺賬信息、設備狀態數據（機油壓力、發動機小時數、發動機轉速、主風缸壓力、發動機溫度、控制壓力、ZF 溫度）等。由于車類型不同，體現作業量的數據也各不相同，由此構成了個性數據。各車型個性數據分別如下：①搗固車作業量數據包括正線搗固延長里程、正線搗固延長累計里程、正線搗固復搗里程、正線搗固復搗累計里程等；②清篩車作業量數據包括清篩里程、清篩累計里程、清篩深度、換道床里程、換道床累計里程、掛風動卸碴車數等；③配碴整形車作業量數據包括作業里程、作業累計里程；④打磨車作業量數據包括正線延長里程、正線延長累計里程、正線遍里程、正線遍累計里程、道岔組數、道岔遍組數等；⑤配碴整形車作業量數據包括作業里程、作業累計里程；⑥拋碴車作業量數據包括拋碴里程、拋碴累計里程、拋碴深度、換道床里程、換道床累計里程、掛風動卸碴車數等；⑦動力穩定車作業數據量包括搗固里程數、穩定里程數、累計搗固里程數等。

以上數據均為大型養路機械日常運用數據，通過以下2 種途徑進行收集：①作業完成后，由作業人員進行填報。填報通常采用移動應用APP 表單的方式進行，其中包含數據分析所需的關鍵數據，如作業里程、燃油消耗量、作業次數、作業人數等。②設備自動采集。大型養路機械設備在線路維護作業過程中，車載控制系統自動記錄作業數據，如作業里程、作業小時數、作業次數等，數據可通過計算機網絡自動上報。

1.2 日常運用數據分類

大型養路機械日常運用涉及的數據較多，可分成設備基礎臺賬信息類、設備運行狀態類、設備檢修數據類、作業計劃數據類、作業過程數據類及作業反饋數據類等。針對大型養路機械的日常運用數據分析，主要分析設備兌現率、油耗指數、作業量等關鍵數據，其相關定義如表1 所示。

1.3 日常運用數據質量評估

為避免在后期的數據分析應用中引入“臟” 數據，需在數據的收集過程中對數據質量進行嚴格把關，即建立數據質量的評估體系。數據質量評估體系主要參考如圖1 所示的6 個指標。

圖1 數據質量評價指標框架

結合日常運用數據分析模型研究需要，在收集數據時，主要從規范性、完整性、準確性、一致性、時效性及有效性等方面對數據進行質量評估控制。

數據規范性檢測：用于描述數據是否符合數據定義規范，如數據類型、數據存儲格式、數據編碼規則等。數據規范性檢測是完整性、準確性、一致性檢測的前置評估標準。

數據完整性檢測：用于描述數據信息缺失的程度，是數據質量中最基礎的一項評估標準。數據缺失情況可以分為數據信息記錄缺失和字段信息記錄缺失。

數據準確性檢測：用于描述一個值與它所描述的客觀事物的真實值之間的接近程度，通俗來說就是指數據記錄的信息是否存在異?；蝈e誤。例如作業人員在填報作業量時，手誤輸錯了某一信息，造成了數據庫里存在的信息與客觀事實不一樣。數據準確性的檢測較為困難，一般情況下很難解決。

數據一致性檢測：可結合數據庫的數據存儲設計考慮，把待檢測的表作為主表，首先用戶確定一致性檢測的主表字段，然后選擇需要給定檢測的從表和從表字段，設置好主表和從表之間的關聯項，關聯項可以是多個字段，但是必須是擁有匹配值的相似字段。匹配關聯之后檢查主表和從表相同或者類似字段字段值是否一致。

數據時效性檢測：指信息僅在一定時間段內對決策具有價值的屬性。數據從生成到錄入數據庫存在一定的時間間隔，若該間隔較久，就可能導致分析得出的結論失去了借鑒意義。例如當天的作業數據生成后沒有及時錄入數據庫或者源庫與目的庫之間同步延遲，則會導致統計結果和真實結果存在一定誤差。

數據有效性檢測：描述數據遵循預定語法規則的程度，是否符合其定義，比如數據的類型、格式、取值范圍等。數據有效性檢測的步驟是用戶選擇需要進行有效性檢測的字段，針對每個字段設定有效性規則。有效性規則包括類型有效、格式有效和取值有效等。類型有效檢測字段數據的類型是否符合其定義，例如可以通過求和判斷是否是數值型，通過時間操作判斷是否是時間類型。格式有效檢測可以通過正則表達式來判斷數據是否與其定義相符。取值有效檢測則通過計算最大最小值來判斷數據是否在有效的取值范圍內。

2 大型養路機械運用數據分析模型

2.1 設備兌現率分析模型

在地鐵線路日常運營維護過程中，大型養路機械在出勤作業時會存在因設備原因（含設備故障、設備停用、設備定期保養等）導致不能根據運營調度計劃進行實際出勤作業的情況[2]。

根據表1 的數據種類定義，某臺設備兌現率AΔt為該設備在統計開始時間T0和統計結束時間T1的范圍內實際出勤數Pa與計劃出勤數P的百分比。其中，因該設備原因取消出勤數為Pf。則針對單臺設備的兌現率量化表達（即單臺設備兌現率計算模型）為：

式中：Δt=T1－T0，Pa=P－Pf。

根據單臺設備兌現率的量化表達，假設設備樣本總數為n，i=1 表示第一臺設備的兌現率P1，i=2 表示第二臺設備的兌現率P2……，依此類推可得到樣本范圍內的設備實際出勤率表達為，同理，樣本范圍內設備的計劃出勤率表達為，則樣本范圍內的設備兌現率量化表達（即樣本范圍內設備總兌現率計算模型）為：

2.2 設備油耗指數分析模型

油料費用是地鐵線路日常運營維護作業的主要支出成本之一，對設備油耗的監測尤為重要。設備油耗數據可通過作業人員人工記錄，也可通過設備油耗監測系統自動監測。設備油耗指數分析不僅能用來進行作業成本核算，還可在某種程度上作為衡量設備經濟性的指標之一。

根據表1 的數據種類定義，某臺設備油耗指數BΔt為該設備在統計開始時間T0與統計結束時間T1的范圍內實際加油量Ma與作業量Q的百分比。則針對單臺設備的油耗指數量化表達（即單臺設備油耗計算模型）為：

根據單臺設備油耗指數的量化表達，假設設備樣本總數為n，i=1 表示第一臺設備的加油量為M1，i=2表示第二臺設備的加油量為M2……，依此類推可得到樣本范圍內的設備實際加油量表達為，同理，樣本范圍內設備的作業量表達為，則樣本范圍內的設備油耗指數量化表達（即樣本范圍內設備總油耗計算模型）為：

2.3 設備作業量分析模型

根據表1 的數據種類定義，在地鐵線路日常運營維護作業中，設備作業量是指在一定時間范圍內設備的作業里程、作業次數、作業人數的統計。其中，作業里程、作業次數可通過車載控制系統自動記錄數據上報，作業人數可通過表單記錄填報。

在實際作業過程中，假設n為時間范圍的最后一天，則時間范圍內設備作業里程K由單日作業里程Kd累加而成，即。i=1 表示設備第一天的作業里程為Kd1，i=2 表示設備第二天的作業里程為Kd2……，依此類推直到時間范圍的最后一天。同理，時間范圍內設備作業次數為，時間范圍內作業人數為。

統計樣本范圍內設備的作業量可分別表示為：樣本范圍內設備總作業里程，其中，m表示第M臺設備，i=1 時，K1表示第一臺設備時間段范圍內的作業里程；樣本范圍內設備總作業次數，其中，m表示第M臺設備，i=1 時，T1表示第一臺設備時間段范圍內的作業次數；樣本范圍內設備總作業人數，其中，m表示第M臺設備，i=1 時，P1表示第一臺設備時間段范圍內的作業人數。

2.4 設備日常運用指標考核

設備在企業可持續發展戰略中起著越來越重要的作用，可基于設備兌現率分析模型、設備油耗指數分析模型、設備作業量分析模型分別對設備兌現率、設備油耗指數、設備作業量進行分析，深入分析影響設備運行系統綜合績效的因素，對提高產品質量、降低生產成本至關重要[3]。然而，建立設備運行系統綜合績效的評估指標體系，是科學、全面、客觀評估設備運行系統綜合績效的關鍵環節。對設備日常運用的考核指標細則如表2 所示。

3 結束語

提出軌道交通大型養路機械日常運用數據中的設備兌現率、設備油耗指數及設備作業量等分析模型，通過數據分析，可以客觀準確地反映大型養路機械的日常運用情況，為大型養路機械日常運用考核提供量化依據[4]，為大型養路機械設備運用的經濟性、健康性評價提供參考，還可為管理者科學合理調度大型養路機械、優化配置設備資源提供數據支持。

隨著大數據技術、物聯網技術、4G/5G 技術的不斷發展，大型養路機械設備信息化、物聯化及智慧化管理將是大勢所趨，設備日常運用數據分析可作為大型養路機械設備管理系統的功能模塊之一，通過數據接口與其他功能進行融合使用，可實現大型養路機械設備從生產、運用、維修、保養及報廢等環節的全生命周期管理[5]。