轨道交通大型养路机械日常运用数据分析模型研究

时光明，李嘉宇，王洪峻

（北京市地铁运营有限公司线路分公司，北京 100082）

北京地铁的规划始于1953 年，始建于1965 年，最早的线路竣工于1969 年，是中国首个开通地铁的城市。根据中国城市轨道交通协会披露的数据，截止到2022 年初，北京地铁运营线路共有27 条，运营里程783 km。以运营里程计算，北京地铁已是世界上规模第一大的城市地铁系统。以客运量计算，北京地铁亦是世界最繁忙的城市轨道交通系统之一。《北京市“十四五” 时期交通发展建设规划》明确提出，“十四五”时期，北京市将重点加快轨道交通“四网融合”、轨道与公交融合，推进交通运输绿色发展，建设步行自行车友好城市，鼓励绿色低碳出行，力争 “十四五”末中心城区绿色出行比例达到76.5%。到2025 年，北京轨道交通运营里程预计达到1 600 km。随着轨道交通地铁线路运营里程的不断增长，客运量日益增加，大型养路机械对地铁线路的维护工作任务量日益加重。为满足日益繁重的线路维护工作，客观准确地反映大型养路机械的日常运用情况，分析大型养路机械设备兑现率、设备油耗指数、设备作业量等关键日常运用数据尤为重要[1]。

1 大型养路机械运用数据种类

1.1 日常运用数据收集

在大型养路机械日常运用过程中对各类大机的运用数据进行收集，主要包括捣固车、清筛车、捣稳车、打磨车、抛碴车、动力稳定车、配碴整形车、风动吹碴车等8 种大型养路机械设备运转数据的收集。

设备的运转数据由共性数据和个性数据两部分组成。其中，共性数据包括单位名称、施工日期、次日施工计划、次日施工项目、设备编号、工程名称、运行区间（线）、行别、站段、运行里程、累计里程、封锁时间、封锁命令、出车车次、返回车次、作业里程、作业车站、当日作业时长、作业人数、作业次数、加油量、作业后剩余油量、设备检修信息、设备维修信息、设备台账信息、设备状态数据（机油压力、发动机小时数、发动机转速、主风缸压力、发动机温度、控制压力、ZF 温度）等。由于车类型不同，体现作业量的数据也各不相同，由此构成了个性数据。各车型个性数据分别如下：①捣固车作业量数据包括正线捣固延长里程、正线捣固延长累计里程、正线捣固复捣里程、正线捣固复捣累计里程等；②清筛车作业量数据包括清筛里程、清筛累计里程、清筛深度、换道床里程、换道床累计里程、挂风动卸碴车数等；③配碴整形车作业量数据包括作业里程、作业累计里程；④打磨车作业量数据包括正线延长里程、正线延长累计里程、正线遍里程、正线遍累计里程、道岔组数、道岔遍组数等；⑤配碴整形车作业量数据包括作业里程、作业累计里程；⑥抛碴车作业量数据包括抛碴里程、抛碴累计里程、抛碴深度、换道床里程、换道床累计里程、挂风动卸碴车数等；⑦动力稳定车作业数据量包括捣固里程数、稳定里程数、累计捣固里程数等。

以上数据均为大型养路机械日常运用数据，通过以下2 种途径进行收集：①作业完成后，由作业人员进行填报。填报通常采用移动应用APP 表单的方式进行，其中包含数据分析所需的关键数据，如作业里程、燃油消耗量、作业次数、作业人数等。②设备自动采集。大型养路机械设备在线路维护作业过程中，车载控制系统自动记录作业数据，如作业里程、作业小时数、作业次数等，数据可通过计算机网络自动上报。

1.2 日常运用数据分类

大型养路机械日常运用涉及的数据较多，可分成设备基础台账信息类、设备运行状态类、设备检修数据类、作业计划数据类、作业过程数据类及作业反馈数据类等。针对大型养路机械的日常运用数据分析，主要分析设备兑现率、油耗指数、作业量等关键数据，其相关定义如表1 所示。

1.3 日常运用数据质量评估

为避免在后期的数据分析应用中引入“脏” 数据，需在数据的收集过程中对数据质量进行严格把关，即建立数据质量的评估体系。数据质量评估体系主要参考如图1 所示的6 个指标。

图1 数据质量评价指标框架

结合日常运用数据分析模型研究需要，在收集数据时，主要从规范性、完整性、准确性、一致性、时效性及有效性等方面对数据进行质量评估控制。

数据规范性检测：用于描述数据是否符合数据定义规范，如数据类型、数据存储格式、数据编码规则等。数据规范性检测是完整性、准确性、一致性检测的前置评估标准。

数据完整性检测：用于描述数据信息缺失的程度，是数据质量中最基础的一项评估标准。数据缺失情况可以分为数据信息记录缺失和字段信息记录缺失。

数据准确性检测：用于描述一个值与它所描述的客观事物的真实值之间的接近程度，通俗来说就是指数据记录的信息是否存在异常或错误。例如作业人员在填报作业量时，手误输错了某一信息，造成了数据库里存在的信息与客观事实不一样。数据准确性的检测较为困难，一般情况下很难解决。

数据一致性检测：可结合数据库的数据存储设计考虑，把待检测的表作为主表，首先用户确定一致性检测的主表字段，然后选择需要给定检测的从表和从表字段，设置好主表和从表之间的关联项，关联项可以是多个字段，但是必须是拥有匹配值的相似字段。匹配关联之后检查主表和从表相同或者类似字段字段值是否一致。

数据时效性检测：指信息仅在一定时间段内对决策具有价值的属性。数据从生成到录入数据库存在一定的时间间隔，若该间隔较久，就可能导致分析得出的结论失去了借鉴意义。例如当天的作业数据生成后没有及时录入数据库或者源库与目的库之间同步延迟，则会导致统计结果和真实结果存在一定误差。

数据有效性检测：描述数据遵循预定语法规则的程度，是否符合其定义，比如数据的类型、格式、取值范围等。数据有效性检测的步骤是用户选择需要进行有效性检测的字段，针对每个字段设定有效性规则。有效性规则包括类型有效、格式有效和取值有效等。类型有效检测字段数据的类型是否符合其定义，例如可以通过求和判断是否是数值型，通过时间操作判断是否是时间类型。格式有效检测可以通过正则表达式来判断数据是否与其定义相符。取值有效检测则通过计算最大最小值来判断数据是否在有效的取值范围内。

2 大型养路机械运用数据分析模型

2.1 设备兑现率分析模型

在地铁线路日常运营维护过程中，大型养路机械在出勤作业时会存在因设备原因（含设备故障、设备停用、设备定期保养等）导致不能根据运营调度计划进行实际出勤作业的情况[2]。

根据表1 的数据种类定义，某台设备兑现率AΔt为该设备在统计开始时间T0和统计结束时间T1的范围内实际出勤数Pa与计划出勤数P的百分比。其中，因该设备原因取消出勤数为Pf。则针对单台设备的兑现率量化表达（即单台设备兑现率计算模型）为：

式中：Δt=T1－T0，Pa=P－Pf。

根据单台设备兑现率的量化表达，假设设备样本总数为n，i=1 表示第一台设备的兑现率P1，i=2 表示第二台设备的兑现率P2……，依此类推可得到样本范围内的设备实际出勤率表达为，同理，样本范围内设备的计划出勤率表达为，则样本范围内的设备兑现率量化表达（即样本范围内设备总兑现率计算模型）为：

2.2 设备油耗指数分析模型

油料费用是地铁线路日常运营维护作业的主要支出成本之一，对设备油耗的监测尤为重要。设备油耗数据可通过作业人员人工记录，也可通过设备油耗监测系统自动监测。设备油耗指数分析不仅能用来进行作业成本核算，还可在某种程度上作为衡量设备经济性的指标之一。

根据表1 的数据种类定义，某台设备油耗指数BΔt为该设备在统计开始时间T0与统计结束时间T1的范围内实际加油量Ma与作业量Q的百分比。则针对单台设备的油耗指数量化表达（即单台设备油耗计算模型）为：

根据单台设备油耗指数的量化表达，假设设备样本总数为n，i=1 表示第一台设备的加油量为M1，i=2表示第二台设备的加油量为M2……，依此类推可得到样本范围内的设备实际加油量表达为，同理，样本范围内设备的作业量表达为，则样本范围内的设备油耗指数量化表达（即样本范围内设备总油耗计算模型）为：

2.3 设备作业量分析模型

根据表1 的数据种类定义，在地铁线路日常运营维护作业中，设备作业量是指在一定时间范围内设备的作业里程、作业次数、作业人数的统计。其中，作业里程、作业次数可通过车载控制系统自动记录数据上报，作业人数可通过表单记录填报。

在实际作业过程中，假设n为时间范围的最后一天，则时间范围内设备作业里程K由单日作业里程Kd累加而成，即。i=1 表示设备第一天的作业里程为Kd1，i=2 表示设备第二天的作业里程为Kd2……，依此类推直到时间范围的最后一天。同理，时间范围内设备作业次数为，时间范围内作业人数为。

统计样本范围内设备的作业量可分别表示为：样本范围内设备总作业里程，其中，m表示第M台设备，i=1 时，K1表示第一台设备时间段范围内的作业里程；样本范围内设备总作业次数，其中，m表示第M台设备，i=1 时，T1表示第一台设备时间段范围内的作业次数；样本范围内设备总作业人数，其中，m表示第M台设备，i=1 时，P1表示第一台设备时间段范围内的作业人数。

2.4 设备日常运用指标考核

设备在企业可持续发展战略中起着越来越重要的作用，可基于设备兑现率分析模型、设备油耗指数分析模型、设备作业量分析模型分别对设备兑现率、设备油耗指数、设备作业量进行分析，深入分析影响设备运行系统综合绩效的因素，对提高产品质量、降低生产成本至关重要[3]。然而，建立设备运行系统综合绩效的评估指标体系，是科学、全面、客观评估设备运行系统综合绩效的关键环节。对设备日常运用的考核指标细则如表2 所示。

3 结束语

提出轨道交通大型养路机械日常运用数据中的设备兑现率、设备油耗指数及设备作业量等分析模型，通过数据分析，可以客观准确地反映大型养路机械的日常运用情况，为大型养路机械日常运用考核提供量化依据[4]，为大型养路机械设备运用的经济性、健康性评价提供参考，还可为管理者科学合理调度大型养路机械、优化配置设备资源提供数据支持。

随着大数据技术、物联网技术、4G/5G 技术的不断发展，大型养路机械设备信息化、物联化及智慧化管理将是大势所趋，设备日常运用数据分析可作为大型养路机械设备管理系统的功能模块之一，通过数据接口与其他功能进行融合使用，可实现大型养路机械设备从生产、运用、维修、保养及报废等环节的全生命周期管理[5]。