主观贝叶斯方法在列车占用丢失报警原因分析中的应用

苗义烽，周晓昭

（1. 中国铁道科学研究院 研究生部，北京 100081 2. 北京市华铁信息技术开发总公司，北京 100081）

主观贝叶斯方法在列车占用丢失报警原因分析中的应用

苗义烽1，周晓昭2

（1. 中国铁道科学研究院 研究生部，北京 100081 2. 北京市华铁信息技术开发总公司，北京 100081）

根据铁总公司要求，TDCS/CTC系统增加列车占用丢失报警功能，为保证列车运行安全、提高列车运行效率，在发生列车占用丢失报警时，需要及时且准确地判定报警原因。主观贝叶斯方法是一种概率推理方法，能从不完全、不精确或不确定的知识和信息中做出推理。列车占用丢失报警原因分析具有现象与原因的不确定性。本文将主观贝叶斯方法引入列车占用丢失报警原因分析中。最后利用大量算例进行验证，验证结果表明了该方法的合理性和实用性。

列车占用丢失；主观贝叶斯方法；TDCS；CTC

TDCS/CTC系统（客车运行安全监控系统/调度集中系统，Ttain operation Dispatch Command System/Centralized Traffic Control System）能够提供列车运行的宏观显示，能够实时显示车站及区间的进路排列、信号显示、轨道电路实际占用、列车车次号及列车运行方向等信息。铁总公司要求TDCS/CTC系统增加列车占用丢失告警功能，列车占用丢失告警功能的实施对于保证列车运行安全和提高铁路运输效率有着重要的意义。此功能实施以来，为提高列车占用丢失告警的准确率，已将车次追踪逻辑进行优化、提高了TDCS/CTC系统灵敏度与容错性，屏蔽了假车次告警、场间联络线告警等。从目前的情况上看报警类型已趋于稳定。

为确保在发生列车占用丢失告警后及时准确地定位列车占用丢失告警原因，本文将主观贝叶斯方法引入列车占用丢失报警原因分析模型中。

1 主观贝叶斯方法概述

主观贝叶斯方法是R.O.Duda等人于1976年提出的一种确定性推理模型。此方法成功地应用于地矿勘探系统PROSPECTOR中[3]。

1.1 规则不确定性

主观贝叶斯方法中引入了2个数值（LS, LN），IF A,THEN（LS, LN）B，LS体现规则成立的充分性，LN体现规则成立的必要性。这种表示既考虑了事件A的出现对其结果B的支持，又考虑了A的不出现对B的影响。

O(X)表示证据X的出现概率和不出现的概率之比，显然O(x)是P(X)的增函数。P(X)=0，O(X)=0；P(X)=0.5，O(x)=1；P(X)=1，O(x)=∞。几率函数实际上表示了证据X的不确定性。

对规则A→B的不确定性度量f(B, A)以因子(LS, LN)来描述：

充分性因子LS：表示A的发生对B发生的影响程度，即规则成立的充分性。若LS为无穷大，则P(|A)=0，即P(A|B)=1，说明证据A对于得出 B为真的逻辑是充分的。LS也称为充分似然性因子。

必要性因子LN：表示A不发生对B的影响程度，即规则成立的必要性。若LN=0，则P(B|)=0，说明证据A不存在时，B必为假，即A对B是必然的。

注：实际应用中，概率不可能求出，所以采用的都是专家给定的LS、LN值，而不是依LS、LN的定义来计算的。

几率函数与LS，LN的关系：

注意：

（1）LS, LN≥0且LS, LN是不独立的；

（2）LS, LN可以同时为1；

（3）LS, LN不能同时＞1或＜1 。

理论上，LS, LN的取值可以是如下几个范围：

（1）LS＞1，且LN＜1

（2）LS＜1，且LN＞1

（3）LS=LN=1

LS, LN与证据的关系如表1所示。

表1 LS, LN与证据的关系

1.2 证据的不确定性

证据的不确定性度量用几率函数来描述：

虽然几率函数与概率函数有着不同的形式，但是变化趋势是相同的。当A为真的程度越大（P(A)越大）时，几率函数的值也越大。

几率函数是用概率函数定义的：

在推理过程中，经常需要几率函数计算概率函数值时：

1.3 推理计算

主观贝叶斯方法的不精确推理过程就是根据前提A的概率P(A)，利用规则的LS和LN，把结论B的先验概率P(B)更新为后验概率P(B|A)的过程。

由于是不确定性推理，所以必须讨论证据发生的各种可能性。

（1）A必出现；（2）A不确定；（3）证据的合成；（4）证据组合。

1.3.1 A必出现

当A必出现时，即P(A)=1，此时可以直接使用公式O(B|A)=LS•O(B)、 O(B|)=LN•O(B)计算，从而求得使用规则A→B后，O(B)的更新值O(B|A)和O(B)。如果需要概率表示，可再由公式计算出O(B|A)和O(B|)。

1.3.2 A不确定

当A不确定时，即P(A)≠1时，设A'代表与A有关的所有证据（A'是系统中所有对A能够产生影响的观察）。

对于规则A→B，杜达（Duda）给出了公式（1976年）

3种特殊情况：

（1）当P(A|A')=1时，证据A必然出现；（2）当P(A|A')=0 时，证据A必然不出现；（3）当P(A|A')=P(A)时，观察A'对A没有影响。

3种特殊情况时，A'对B的不同影响，即可以根据A与A'的关系计算P(B|A')值。

这样可得P(A|A')为0，P(A)为1时相应的P(B|A')值，根据这3点得到线性插值图，如图1所示。

对于P(A|A')的其它取值，P(B|A')可根据图1，通过线性插值法得到。线性差值公式：

图1 线性插值图

当证据不确定时，证据理论推理的基本原理：

（1）从该证据A往前看，即寻找A的出处；

（2）如果A是由A'导出的，即A'→A→B，则当A不清楚的时候，采用A'的相关信息进行计算；

（3）如果还不行，就再往前推；

（4）是一个递归推导的过程。

A'是指从A向前看的各个相关证据，所以有时可能存在多个相关证据。

1.3.3 证据合成

当出现两个证据，即在证据A'之下，有证据A1和A2存在时，设证据A1和A2单独受影响的概率分别为P(A1|A')和P(A2|A')，那么

当有2个以上的证据存在时，有

1.3.4 证据组合

简单情况：一个原因，一个结果。

A→B，A为原因，B为结果。

实际情况：证据是复合的。

若A1→B ，A2→B，而A1，A2相互独立，对A1，A2的观察分别为A'1，A'2。

2 主观贝叶斯方法在列车占用丢失报警原因分析中的应用

2.1 建立列车占用丢失报警原因分析模型的“证据”

按照原铁道部颁发的《TDCS、CTC系统列车占用丢失报警功能技术要求》（运基信号函[2011]535号），以下9种情况会产生列车占用丢失报警：

（1）区间：列车在闭塞分区占用后红光带消失，连续15 s前方闭塞分区无占用红光带，则产生列车占用丢失报警。

（2）区间：列车在闭塞分区占用后红光带消失，连续15 s前方闭塞分区无占用红光带，即使后方闭塞分区有红光带也产生列车占用丢失报警。

（3）区间：对于列车紧跟踪情况，后车占用红光带消失后连续15 s，前方闭塞分区虽然占用但为不同列车车次，也产生列车占用丢失报警。

（4）区间：对于列车紧跟踪情况，前车占用多个闭塞分区，后车占用红光带消失后连续15 s，前方虽然占用但不是后车车次时，产生列车占用丢失报警。

（5）区间：列车出站时，站内最后一个轨道区段列车占用红光带消失后，连续15 s第一离去无占用红光带，则产生报警。

（6）车站：列车在站内股道占用后红光带消失，且相邻轨道区段连续15 s无占用红光带，则产生列车占用丢失报警。

（7）车站：列车在站内股道占用后红光带消失，相邻道岔区段连续15 s索然有占用红光带，但道岔未开通该股道，也产生列车占用丢失报警。

（8）车站：列车进站时，股道相邻轨道区段占用红光带消失后，连续15 s该股道无占用红光带，则产生列车占用丢失报警。

（9）车站：列车在进站信号机外方接近区段占用红光带消失后，连续15 s接车进路无占用红光带，则产生列车占用丢失报警[1]。

此9种模型作为主观贝叶斯方法在列车占用丢失报警原因分析模型的“证据”，对应序号定义为：A1 ，A2 ，A3，A4，A5，A6，A7，A8，A9。

2.2 列车占用丢失报警原因分析模型的结果

经过几个月以来对大量列车占用丢失告警的原因深度分析，在对车次追踪逻辑进行优化、提高了TDCS/CTC系统灵敏度与容错性、屏蔽假车次、场联、自动闭塞车站的半自闭端口等降低误报警率的方案实施后，仍存在的误报警类型主要有：相当多车站TDCS车站设备老化，采集故障频发导致的占用丢失误报警；通道故障或者传输误码，导致占用丢失误报警；现场换轨、换枕、大机捣固等施工及施工后引起的轨道分路不良导致的占用丢失报警；车辆区间故障及其他原因造成列车区间折返导致的占用丢失误报警；单机轻车跳动、进入调谐区等导致的占用丢失报警；石太线某些区段现场情况特殊导致的占用丢失报警等。因此将目前列车占用丢失报警的主要原因归为以下8类：（1）网络问题；（2）采集板故障；（3）通信机工作异常；（4）现场施工 ；（5）区间折返；（6）单机 ；（7）特殊问题；（8）其他问题。

此8种类型作为主观贝叶斯方法在列车占用丢失报警原因分析模型的“结果”，对应序号定义为：B1 ，B2 ，B3，B4，B5，B6，B7，B8。

在列车占用丢失告警原因分析中，通过查看车站及中心调监上的回放、相关服务器及终端日志、逻辑区段划分等来分析原因。分析过程中通常以回放车站站名变紫、回放车站站名变红、中心与车站回放不一致、日志里有主备通道频繁故障的记录、维护现有通信机终端的现象，日志中站死站活记录等作为列车占用丢失报警情况对应报警类型的现象。以上述几种特征作为主观贝叶斯方法在列车占用丢失报警原因分析模型中对相应 证据AX产生影响的观察，记为AX'。

以大量列车占用丢失报警分析案例为依据，给定对应规则的充分性因子LS和必然性因子LN。

3 实例验证与结果分析

将主观贝叶斯方法引入列车占用丢失报警原因分析中，对应产生的规则较多。由于篇幅有限，本文举一个实例对主观贝叶斯方法列车占用丢失报警原因分析模型进行验证。

以北京铁路局2014年1月20日～2014年3月27日的579起列车占用丢失告警原因为例，深度分析案例给定对应规则的充分性因子LS和必然性因子LN。

算例：2014年3月29日 T315次列车于石景山南站D10G产生列车占用丢失告警。采用主观贝叶斯方法对此条列车占用丢失告警建立模型进行分析。有大量分析案例得到：P(A)=0.72，P(B)=0.35，LS=300。由于P(A)≠1，即A为不确定。利用线性插值法得到：P(B|A')=0.921。此结果与实际情况相符合。

4 结束语

本文将主观贝叶斯方法引入列车占用丢失报警原因分析中，既有助于报警原因的分析，又做出相关的预测，以大量的分析案例为依据得出相关数据，并利用实例验证，得出结果与实际情况相符合。主观贝叶斯方法在列车占用丢失报警原因分析中的应用具有合理性和实用性。

[1] 铁道部运输局.运基信号[2011]535号对TDCS/CTC系统列车占用丢失报警功能技术要求[S].铁道部运输局，2011.

[2] 宋鹏飞，周宏伟，张 涛. FZy-CTC列车占用丢失报警功能的开发[J]. 铁道通信信号，2012，48（9）.

[3] 李海军，马登武，刘 霄，姜 涛，贝叶斯网络理论在装备故障诊断中的应用[M].北京：国防工业出版社，2009.

责任编辑 徐侃春

Application of Subjective Bayes Method in cause analysis of train occupancy loss alarm

MIAO Yifeng1, ZHOU Xiaozhao2
( 1. Signal & Communication Research Institute, China Academy of Railway Sciences, Beijing 100081, China; 2. Beijing Huatie Information Technology Development Corporation, Beijing 100081, China )

According to requirements of China Railway, it was increased the function of train occupancy loss alarm in TDCS/CTC System. In order to ensure the train operation safety and improve the eff i ciency of train operation, when the train occupation loss alarm happened, it was needed to judge the cause in time and accuracy. Subjective Bayesian Mmethod is a method of probabilistic reasoning with the ability of making inferences based on incomplete, inexact or uncertain knowledge and information. Cause analysis of train occupancy loss alarm was with the uncertainty of phenomena and the causes. This paper introduced the application of Subjective Bayes Method in cause analysis of train occupancy loss alarm. Finally, examples for authentication verif i ed the reasonableness and practicability of the method.

train occupancy loss; Subjective Bayes Method; TDCS; CTC

U284.59∶TP39

A

1005-8451（2014）12-0009-05

2014-08-19

苗义烽，在读博士研究生；周晓昭，实习生。