城轨交通行车调度应急演练虚拟联动技术研究及应用

刘洁，吕楠，顾御坤，杨杰，侯旭，赵晔

（北京市地铁运营有限公司，北京 100044）

1 研究背景

全自动信号系统在城市轨道交通（简称城轨交通）得到越来越多的应用，行车调度在整个运营体系中发挥着更加重要的作用，针对行车调度的应急演练技术也得到前所未有的发展。针对现场运行环境、运行状态、突发异常情况的模拟仿真，凭借其良好的可控性、无破坏性、安全性、灵活性、可重复性和经济性等特点，已取代实际演练中的物理模型。卢健华等［1］以南京地铁和广州地铁为例，针对地铁应急演练实时性要求高的特点，构建了地铁应急演练与辅助决策系统，能够显著提高系统性能。张峰等［2］基于B/S 结构，将应急演练分为数据层、核心业务层和应用层，构建出能实现不同部门协同合作的应急演练通用系统架构。于江有等［3］以广州地铁为例，利用案例推理技术生成预案，为新的应急事件发生提供智能决策；贺日兴等［4］借鉴游戏引擎手段，对地铁开展反恐应急演练问题进行研究，开发了地铁三维模拟演练架构，设计的相关系统能够对演练对象进行逼真显示，并能实现信息查询、信息展示、动态视频调用等功能。李力雄［5］分析了演练流程，采用基于人工智能的应急预案流程交互模型，构建演练流程的形式化建模。刘春峰［6］利用GIS 和贝叶斯技术，分别构建基于GIS 的仿真演练程序模块和Waxman随机网络模型，以实现对应急演练环境的模拟和应急处置情况的约束与控制，实现了应急演练过程中的交互、协调仿真。王智永等［7］以苏州市轨道交通4号线为例，对行车调度演练系统的实施与应用效果进行评价。贾文峥等［8］提出了确定应急指挥系统功能需求的策略，并以列车信号系统故障为例进行分析，给出功能需求描述和实现功能需求的数据和技术要求。汤卓慧等［9］探讨相关硬件和软件系统的基本构成及主流开发平台，并对其在轨道交通行业中的应用进行研究。赵根苗等［10］从上海市地铁1 号线列车自动监控系统（ATS）实际出发，设计一种基于分布式3 层结构的城轨ATS仿真培训系统解决方案。文超等［11］分析了铁路智能调度辅助决策系统的功能需求，并阐释数据管理、列车运行仿真、晚点预测、冲突分析、辅助决策、调度决策质量评估和综合可视化等智能调度关键功能。

虽然我国针对现场运行环境、运行状态、突发异常情况的模拟仿真研究已取得了一定进展，但目前关于行车调度场景的模拟仿真大部分是基于固定的演练方案，缺乏现场的灵活处置，不能真实模拟应急场景，因此研究城轨交通行车调度的虚拟联动技术迫在眉睫。城轨交通行车调度的虚拟联动技术是指通过相关岗位的设置，实现行车调度在特定的仿真环境下进行调度指挥。要实现虚拟联动技术需要解决两大难题：一是语音识别技术，使计算机能够识别行车调度员发布的语音命令或指示；二是虚拟岗位的设计及联动，设置不同的虚拟岗位，使其与行车调度员联动，共同推动仿真场景的实现。基于上述2项关键技术，结合应急预案的部门、岗位职责及应急处置流程，研究针对城轨交通行车调度应急演练的虚拟联动技术，旨在降低行车调度应急演练的组织难度，提高演练灵活性，更好地提高行车调度员的应急处置能力。

2 语音识别技术

要实现行车调度应急演练的虚拟联动，首先需要解决语音识别问题。城轨交通术语具有很强的专业性，导致通用的语音识别技术对城轨交通术语的识别准确率低、效率低，例如：“手摇”译为“受邀”，“受令处所”译为“首领处所”等。构建有效的垂直领域语音识别系统是实现轨道交通术语识别的关键。通过在通用语音识别技术的基础上，对城轨交通术语进行调度命令基元化拆解、构建城轨交通术语专项语音数据库，提高专业术语识别的权重和命中率，使识别结果由随机发散逐步收敛聚集。

根据GB/T 50833—2012《城市轨道交通工程基本术语标准》以及调度员日常工作常用专业术语进行汇总，形成城轨交通高频术语库，然后加入人工智能专业识别语音库。在语音数据库的基础上，建立调度命令数据库，基于数据挖掘技术和语音识别算法，再通过大数据训练，提高优先级和准确率。当接收到行车调度员的语音命令后，核心系统首先进行端点检测，其次进行关键字匹配、语义分析，然后通过声学模型、语言模型进行解码，最后得到识别结果。行车调度命令库示例见表1。

表1 行车调度命令库示例

语音识别技术的基本方法是将城轨交通行业常用术语进行统计分类，并将行业专用术语基元化，结合人工智能语音合成技术，将调度员发布的语音命令进行分解合成关键词语，匹配专业识别语音库，识别翻译为计算机仿真指令。同时，根据调度员发布调度指令的常规，制定该系统的调度语音命令发布规范，不仅可促使调度员日常调度发布调度命令的规范化，还可提高与系统的融合性，从而不断提高人工智能语音识别的准确率和响应速度，从最初的人机对抗逐渐演练成为调度员沉浸式智能培训和考核。

3 虚拟岗位设计及联动

3.1 虚拟岗位设计

行车调度应急演练需要将行车调度以外的其他岗位设置为虚拟岗位，包括电调、设备调、车辆调、乘客调、车站值班员、乘务员等。为研究虚拟岗位之间的联动关系，首先需要将紧急情况下的运营场景进行分解，然后分系统、分专业按照联动的先后顺序依次触发相应操作，还原真实线路运营中各岗位的业务处理流程和岗位间协同合作。

实现虚拟岗位包括3 个部分：对外部输入的解析、逻辑处理、向外部反馈。外部输入包括2种：（1）人工操作输入。当用户人工操作信号系统，设置各类故障后，人机交互工作站将输入转化为内部命令传递给智能核心系统（MCTS）。智能核心系统作为虚拟岗位的大脑，负责决策每个输入应匹配的动作和事件，并通知信号系统执行相关操作、通知通信系统通过语音合成技术向用户发送语音通知，同时根据输入信息的严重程度、紧迫性等控制语音合成播放的语速和朗读情绪，给调度员仿佛有真实岗位在与其沟通的感觉。（2）调度命令语音输入。当用户通过语音采集设备发布调度命令后，通信系统通过内置的城轨交通专业术语识别功能将调度命令识别为准确的文字，并将文字根据调度命令基元定义的关键词进行拆解，将关键词重新构建成计算机可识别的内部命令单元，发送给智能核心系统，智能核心系统作为虚拟岗位的大脑，负责决策每个输入应匹配的动作和事件，并通知信号系统以及各虚拟岗位对应的仿真系统执行相关操作。之后收集操作结果，通知通信系统通过语音合成技术向用户发送语音通知。城轨交通虚拟岗位动作流程见图1。

3.2 虚拟岗位联动

选择要考核的应急演练场景注入后，仿真信号系统将数据库中保存的场景状态同步更新到仿真ATS 和核心后台系统中的联锁（CI）、区域控制器（ZC）、数据存储单元（FTM）、车载控制器（VOBC）、轨旁电子单元（LEU），学员接收到场景注入成功后选择开始考核，联动系统将根据演练场景自动生成乘务、站务等虚拟岗位。接收到场景指令后，虚拟岗位根据场景中注入的故障类型通过通信系统予以上报，调度员根据故障类型将调度语音命令和操作指令下达到相应的虚拟岗位，虚拟岗位根据调度命令予以执行，并将结果实时同步到仿真信号系统中，同时通过教员系统同步展示故障场景，最终形成一套虚拟岗位联动应急演练平台的闭环。城轨交通虚拟岗位联动系统应急流程见图2。

图2 城轨交通虚拟岗位联动系统应急流程

4 实例验证

虚拟联动技术在北京地铁行车调度演练平台中开展应用，以常营站全列车门无法打开场景为例，按照故障预处理→信息通报→行车调整→故障恢复4个阶段验证虚拟联动技术的可行性。

（1）故障预处理。本阶段为应急场景的初始阶段，基本内容是行车调度员对故障信息的掌握和故障的预处理，以行车调度员与虚拟岗位的语音互动为主。调度员在接到故障信息后，通知司机进行预处理，同时将信号控制权下放至常营站，由车站对故障列车的出站进路进行解锁，此时需要行车调度与故障车司机、常营站综控员联动（见图3）。

图3 司机报车门故障界面

（2）信息通报。本阶段同样为应急场景的初始阶段，基本内容是行车调度员与虚拟岗位之间故障信息传达，难点是语音识别较为频繁、相互之间的干扰多。在确定了故障信息后，行车调度首先向上级领导进行初报，同时向所有的车站及在线列车进行故障情况通报，并通知做好客运组织与宣传工作，此时需要行车调度与上级领导、全线司机、全线综控员联动（见图4）。

图4 行车调度向上级部门进行故障汇报界面

（3）行车调整。本阶段为应急场景的核心阶段，基本内容是行车调度员为了保障运营而采取的一系列调度指挥操作，是整个故障处置的核心，除了语音互动，还需要虚拟岗位接收调度指令并在信号系统上进行一系列反馈操作。根据司机的处置反馈，确定基本的故障处置策略：安排故障列车手动打开车门清人作业，同时安排后续列车在常营3 号站线乘降（见图5），安排段场信号楼准备备用车，此时需要行车调度与故障车之后的列车司机、常营站综控员、段场信号楼值班员联动。

图5 行车调度组织后续列车在常营站3号站线乘降界面

（4）故障恢复。本阶段为应急场景的收尾阶段，基本内容是行车调度员与各虚拟岗位故障信息传达，以语音互动为主。行车调度安排故障车清人后改发2850 次回段，同时安排段备车替代发车（见图6），经处置后恢复正常的行车秩序，行车调度向上级领导进行汇报，此时需要行车调度与上级领导、全线司机、全线综控员、段场信号楼值班员联动。

图6 太平庄车辆段备用车替换故障车界面

5 结论

基于智能语音辨识的虚拟岗位人机交互技术已在北京地铁行车调度演练平台项目中进行测试，测试结果表明：轨道交通类高频词汇平均语音识别准确率为98.49%，轨道交通类高频词汇在命令上下文中平均语音识别准确率为96.97%。同时，经北京地铁行车调度演练平台的测试，证明在应景演练场景中，行车调度员与计算机虚拟岗位的人机协同技术，可以解决传统桌面推演场景复用性差、灵活性低、耗时长的问题，有利于提高行车调度员的应急处置能力。