铁路货运安全大数据功能设计研究

张铁钢

(中国国家铁路集团有限公司 货运部，北京 100844)

铁路货运安全是铁路货运的红线和底线，是保障铁路货运质量的基础与支撑。近年来，铁路货运系统强化铁路货运基础建设，从设备更新、制度建设、人员培训等方面采取有力措施，有效地提升铁路货运安全保障能力[1]。但是，由于铁路货运风险管理能力不足，基础数据尚未得到充分挖掘，安全管理仍有优化空间。随着大数据、物联网、云计算等现代化技术日益成熟，以规模化数据为基础提升管理效率与水平，能够有效驱动铁路现代化发展步伐[2-3]。加快铁路货运安全大数据功能架构设计及研发运用，能够为充分挖掘铁路货运安全数据资源，实现铁路货运安全风险的精准识别与预测预警，提升铁路货运安全风险管理能力，提供有效的技术手段。

1 铁路货运安全大数据功能架构分析

立足铁路货运安全风险实时预警的难题，铁路货运安全大数据功能建设需要以统一铁路货运内外部信息为基础，面向安检查危、装载加固、动货混跑、装卸作业、危险货物、超限货物、鲜活货物、货损货差等铁路货运突出安全风险项点，实现及时准确地识别与预警，提高铁路货运安全风险防范能力。

1.1 数据需求分析

铁路货运安全大数据功能建设需要对铁路货运内部和外部的相关数据进行汇集，同时对不满足需求的货运站、货检、危险货物、集装箱、保价、零散快运平台等相关信息系统进行改造升级，以满足安全大数据的功能设计需求[4]。

（1）铁路货运内部数据。主要包括电子运单数据信息、确报相关数据信息、货运站作业数据、铁路集装箱运输管理数据、铁路接取送达系统及取配通系统数据、货检系统数据、限界系统数据、货运计量安全检测报警数据、电子施封锁数据等类型数据，以及线路字典、车站字典、线站字典、车型字典、车务段隶属关系字典等铁路主数据系统内信息。

（2）其他外部数据。主要包括工务部门铁路防洪应急管理系统和列车运行监控记录装置(LKJ)数据、安监部门的安监报数据、事故认定情况数据、车辆部门的列车运行状态地面安全监测系统(TPDS)数据。

1.2 功能需求分析

风险识别、风险预测和风险处理是企业风险管理的主要步骤。铁路货运安全管理的目标是实现安全风险的高效管理，要求铁路货运安全大数据能够及时准确地对风险进行识别和预测，以便于铁路货运管理部门采取措施精准治理。

（1）铁路货运安全风险识别。结合安检查危、装载加固、装卸作业、危险货物、超限货物等铁路货运安全管理要点，以铁路货运场站、货运作业、设备健康状态等为重点，能够准确找出安全事故及隐患的影响因素。明确风险临界点，实现铁路货运安全风险分级分类管理，为风险预警与综合分析提供基础支撑[5]。

（2）铁路货运安全风险预警。能够对铁路货运安全风险点数据分析预测、判断发展趋势，重点解决超时停留预警、极端天气预警、超限车辆等重点货物超偏载临界预警、高附加值货物经过货盗高发区预警等货运安全风险预警，并及时向管理人员提供预警信息，给出相应的风险应对预案[6-7]。

同时，从全面掌握铁路货运安全事故和突出隐患的全局角度，需要根据所属货运作业类型、责任单位、发生时段、具体原因等进行多维度分类统计，实现隐患特征分析、精准治理等[8]。

1.3 功能架构

铁路货运票据电子化基本贯穿了货运业务全过程，有着技术较前沿、设计合理、延伸能力较强、应用面较广泛的特征，在现有货运组织活动中的地位尤为重要。因此，充分利用货运票据电子化综合应用平台所取得的成果，以铁路货运安全基础数据采集与整理为支撑，以货运安全风险管理评价、货运安全风险预警、货运安全综合分析3大功能为重点，进行货运安全大数据相关应用建设，满足多层级、跨部门货运安全作业及管理需求。铁路货运安全大数据功能架构如图1所示。

图1  铁路货运安全大数据功能架构Fig.1 Function structure of the big data on railway freight transportation safety

2 铁路货运安全大数据功能设计分析

2.1 货运安全风险管理评价功能

按照货运场站、货运作业、货运设备3个维度，开展基于大数据的铁路货运安全风险评价，确保设备状态、作业状态和设施状态良好。

（1）货运场站安全风险管理评价。基于历史数据，结合货运量、事故数、货损货差、接取送达客户满意度等主要影响因素，给出所有货运场站(含专用线)安全管理综合级别；在选择单一货运场站后，给出主要的安全管理风险点的级别，并实现可视化展示，形成货运场站安全管理画像。

（2）货运作业安全风险管理评价。①装卸作业安全管理。基于历史数据，结合装卸作业量、装卸事故数、货损货差等主要影响因素，给出铁路局集团公司装卸安全管理综合级别；在选择单一铁路局集团公司后，给出主要的装卸安全管理风险点的级别，并实现可视化展示，形成装卸安全管理画像。②货检作业安全管理。基于历史数据，结合货检工作量、项点识别数、处理效果等主要影响因素，给出铁路局集团公司货检安全管理综合级别；在选择单一铁路局集团公司后，给出主要的货检安全管理风险点的级别，并实现可视化展示，形成货检安全管理画像。③抑尘作业安全管理。基于历史数据，结合抑尘工作量、抑尘剂喷洒量、抑尘效果等主要影响因素，给出铁路局集团公司抑尘作业安全管理综合级别；在选择单一铁路局集团公司后，给出主要的抑尘作业安全管理项点的级别，并实现可视化展示，形成抑尘安全管理画像。

（3）货运设备健康状态分析评价。①计量安全检测设备健康状态分析评价。对超偏载等计量安全检测设备的监测情况进行多维度分析，主要包括测点精度分析、设备生产厂家等进行可视化分析展示，运用图表可视化工具进行计量安全检测设备分析展示，对不同厂家、不同单位的设备进行测点精度、健康情况等方面进行分析，设置时间范围、单位等筛选条件。②视频及图像设备健康状态分析评价。分析各检测点视频图像设备接入和使用情况，分析各厂商发生故障率、图片视频质量、图片视频上传率等内容，及时判断出老化设备和不符合质量要求的厂商设备，及时发现隐患及时纠正。③电子施封锁设备健康状态分析评价。通过大数据分析对有源锁的通信、电量、锁头感应等故障进行综合判断，并且结合固定识读装置的自诊断数据及识读比例对固定识读装置的健康状态进行判断分析。

2.2 货运安全风险预警功能

由于风险预警需要大规模的数据积累，先期应选取风险特征值较为明显、风险预警较易实现的风险点进行攻关。因此，先期选择重点货物追踪及超时、极端天气、卷钢等重点货物超偏载、高附加值货物经过货盗高发区、信息系统故障等状态进行风险预警。

（1）重点货物追踪及超时预警。对剧毒品、爆炸品、三角B货物、超级超限、鲜活等重点货物，在车站或者地区设定停留时间阈值，通过历史超时数据的时空关系进行分析，优化调整停留时间阈值，超出设定阈值时进行预警。

（2）极端天气预警。通过共享工务部门的铁路防洪应急管理系统数据，通过历史数据找出极端天气与货运安全事故的时空关联关系，对重点灾害地区做出预警，指导实际生产活动，并对进入极端天气地区的货物做重点处理和监控。

（3）卷钢等重点货物超偏载临界预警。通过设定超偏载、超限阈值，构建时间段、单位、车号、车辆、超偏载等信息关联关系，对于卷钢等重点货物在历史数据中处于临界阈值的重点客户、重点发局、重点车辆，向铁路管理人员提供预警车辆的基本信息及安全预警信息，对临界预警的车辆根据不同等级突出展示。

（4）高附加值货物经过货盗高发区预警。基于电子施封锁破封、保价定责历史数据，分析得出基于时间序列的货盗高发区域，向相关保价管理部门以及铁路公安部门提前给出预警信息，提醒相关人员加强监控，防范被盗。

（5）信息系统故障预警。对货运现有的主要系统运行状态进行监控，及时得到系统异常信息，通过预备方案处理问题，避免由于信息系统故障影响实际生产作业。

2.3 货运安全综合分析功能

货运安全综合分析包括信息追溯、信息关联、信息比对等功能，辅助铁路货运安全管理人员进行日常信息查询与分析工作。

（1）货运安全信息综合追溯分析。接入安监报数据信息，按时间周期、货运问题类型、铁路局集团公司等进行关联分析，形成问题分类分级，突出安全管理重点问题，具体问题可在相关系统进行追溯分析，形成结果可辅助管理部门强化专项整治。

（2）视频图片智能关联识别分析。接入货检、货运站等系统监控数据，对时间、车次、车号、顺位号、货物品名、视频及图片等关联分析，实现问题车全过程视频及图像提取，为事故追责、保价理赔等提供决策支撑。逐步形成所有车辆的全过程视频及图像提取。

（3）货检扣车深度挖掘分析。对扣车数量、车次、列车属性、车种车型、车号、发站、到站、品名、问题类别、问题内容、沿途货检站、处理情况、电报号、图片、视频等信息进行关联，实现扣车原因深度分析，按铁路局集团公司形成货检站扣车管理画像，为铁路局集团公司提升货检质量提供支持。

（4）换装数据深度挖掘分析。通过运单号查询货物换装信息，包括发站换装、途中换装信息的分类查询，对货物品名、托运人、换装车站、换装时间、换装原因等信息进行关联，实现换装原因深度分析，为优化货运组织提供决策支撑。

（5）限界系统基础数据准确性分析。通过共享工务系统的LKJ数据，与限界系统的基础数据对比，分析限界系统基础数据更新的误差度，分析各铁路局集团公司日常维护的完整率和及时率。

（6）超偏载综合评判分析。基于货运超偏载检测设备的检测信息，结合车辆5T系统中的TPDS监测信息，对货车的超偏载报警情况进行综合比对评判，通过多测点多设备的数据比对，为超偏载报警准确性提供辅助决策支撑。

3 结束语

铁路货运安全大数据功能建设能够实现数据融合、业务联动，发挥铁路货运安全规模化数据的潜力，对提升铁路货运安全管理能力有着重要作用。从整体来看，铁路货运安全大数据功能建设面临的最大挑战是不同作业场景下风险的管理和控制，包括技术风险、管理风险等，为解决以上问题，需要通过大范围的现场调研，确定不同场景下风险特征值范围，确保铁路货运安全大数据功能建设与实施的可操作性。