基于随机Petri网的铁路货运整车卸车流程优化

张云逸，刘文歌，张智海，石 可，胡晓骞，喜照轩

（1.大连交通大学 经济管理学院，辽宁 大连 116028；2.中国铁路沈阳局集团有限公司 货运服务中心，辽宁 沈阳 110801；3.中国铁路沈阳局集团有限公司 调度所，辽宁 沈阳 110001；4.沈阳铁道物流集团有限公司 沈阳分公司，辽宁 沈阳 110002）

0 引言

新冠疫情期间，旅客出行需求减少，由此导致全国铁路客运量断崖式下跌，铁路客运收入不断降低。与此同时，公路运输受到疫情冲击，丧失了部分市场。面对瞬息万变的市场形势，国铁集团加大“以货补客”的力度，铁路货运得到快速发展。2021年全国铁路货运发送量为47.7亿t，比2020年增加了2.2亿t，增长了4.9%；国家铁路货运收入4 359亿元，同比增长8.4%；国家铁路日均装车16.8万车，同比增长4.4%[1]。

在铁路货运量快速增长的同时，铁路总公司对铁路货运组织效率的提高提出了更高的要求。2018年在北京召开的中国铁路总公司工作会议上，公司党组提出：铁路要自觉承担起“交通强国，铁路先行”的历史使命、坚持深化“强基达标、提质增效”的工作主题。长期以来，作业流程的不断优化提高了铁路货物运输组织的效率[2]，卸车作业是排空车和装车的基础，自然成为了铁路货运作业流程的关键节点。能否正确、迅速且及时地组织卸车作业，是保证货物运输质量、确保装车车源、完成排空任务以及加速货车周转、提高货车使用效率的关键所在。

本文基于随机Petri网理论对铁路货运整车卸车流程进行分析，深入探讨现行铁路货运整车卸车流程存在的问题，并提出优化原则与优化措施，旨在提高铁路货物运输组织效率，为持续深入的铁路货运改革提供参考。

1 铁路货运整车卸车流程诊断分析

1.1 铁路货运整车卸车流程基本内容

现行的铁路货运整车卸车流程[3]大致包括8个子流程，具体为：（1）卸车计划：货运调度员操作货运站系统，在系统内执行卸车计划后，指派货运员和装卸班组出场进行卸车作业，并将送车计划、卸车计划及其他相关信息传递给现场。（2）接车对位：调车组牵车入场，外勤货运员接车对位，核对货运站系统内车辆信息与现车情况是否一致，安装铁鞋、确认防溜措施良好后确认交接。（3）安设防护信号：按规定在货物线两端来车方向左侧钢轨上设置带脱轨器的固定或移动式防护信号（尽头线路只在来车一端防护），安设完毕后填记《装卸防护信号使用登记簿》。（4）卸车前检查：货运员检查运单记载信息与现车状况、货运调度员下达的卸车计划是否相符合。检查车辆、货物装载状态有无异状，货物施封是否完好。如有异常应按规章处理后再进行卸车。（5）卸车：企业装卸班组按照《铁路货物装卸安全技术规则》有关规定进行卸车作业，卸车过程中要求装卸班组合理使用货位，按规定码放货物。（6）卸车后检查：装卸班组卸车后，由外勤货运员进行卸车后检查。主要包括检查货物件数、堆码及防护措施；检查车体是否损坏、车内货物是否卸净等情况。（7）撤除防护信号：外勤货运员确认无误后撤除防护信号，准备放车出场。（8）放车出场：货运调度员联系调车组，将空车牵出作业场所。

1.2 基于随机Petri网的铁路货运整车卸车流程分析

1.2.1 模型构建。随机Petri网是一种运用一定符号描述模型的建模工具，常被用于流程建模。其特点在于适用于多种系统，尤其是离散事件动态系统的图形化、数字化建模，能为描述和研究具有并行、异步和随机性等特征的信息加工系统提供强有力的手段。随机Petri网作为一种高级Petri网，符合铁路货运系统的特性并能较好地描述货运各流程环节间的衔接和关系。因此，本文选用随机Petri网对铁路货运整车到达流程进行建模分析。

在基本Petri网[4]中关联时间概念，即可建立随机Petri网模型，即：

其中P、T、F、K、W的含义与基本Petri网保持一致；M=｛M0，M1，Mi…，Mn｝为标识状态集合，其中0≤i≤n，Mi为资源标识在各库所中的分布情况，M0表示初始状态下资源标识分布情况；τ =｛τ1,τ2，…，τn｝为变迁集T=｛T1,T2，…，Tn｝的延时集合（即变迁所消耗的时间）；λ={λ1，λ2，…，λn}为T=｛T1，T2，…，Tn｝的平均运行速率集合，λi为在可运行条件下单位时间内的运行次数，即λi=1/τi（1≤i≤n）。

在前文有关铁路货运整车到达流程描述的基础上，建立铁路货运整车卸车流程随机Petri网模型，如图1所示，库所和变迁的含义见表1；根据可达树分析得到不同状态下资源标识分布情况见表2；通过跟踪沈大线上某货运作业站的敞车卸车作业，收集多批次作业数据并加以整理，最终对既有整车到达流程各环节作业平均延时赋值见表3，速率赋值见表4。

表1 既有随机Petri网模型库所及变迁含义

表2 既有随机Petri网标识状态及库所分布

表3 既有随机Petri网各变迁延时（单位：min）

表4 既有随机Petri网各变迁速率

图1 既有整车卸车流程随机Petri网模型

1.2.2 系统性能分析。采用马尔可夫方法对实际运输作业流程系统的运行效率、节点的吞吐与响应能力进行分析，量化系统各个环节的状态及其稳定性，进而寻找优化方案。首先根据随机Petri网模型，构造与其可达树[5]同构的马尔可夫链，如图2所示。

图2 既有可达树同构马尔可夫链

定义既有整车卸车马尔可夫链[6]的转移速率矩阵为V，矩阵V的元素vij为状态Mi转移到状态Mj的所有转移概率之和，如果两个状态之间不存在变迁，则vij=0（i≠j），而vii则由∑jvij=0判定。设马尔可夫链中的稳定状态概率P[Mi]为行向量X=(x0，x1，...，xi），求式（2）可得各状态下的稳态概率值。

带入参数构建稳态概率方程为：

求解稳态概率方程，得到各状态下的稳态概率，见表5。

对于任意可达标识的位置si∈S，设P[M(si)=q]为库所位置si处于其所表示状态的概率（q为标记数），定义-ui为稳态下位置si在任意的可达标记中的平均标记数，则有：

用q=1 代表库所处于工作状态，则既有整车卸车随机Petri 网系统中库所的平均托肯数

定义R(ti,si)为单位时间内流入ti的后置位置si内的平均标记数，即：

既有整车卸车随机Petri网系统中流入的平均标记流速λ=R(T1,P2)=U(t1)×λ1=4.61×10-3。

根据系统出入速率相等原理，既有整车卸车随机Petri网系统的平均延时时间N=/λ=414.92min。

以上结果表明：既有整车卸车随机Petri网系统的平均延时时间较长，各节点的吞吐与响应能力不理想，系统整体运行效率有待提高。

1.3 既有铁路货运整车卸车流程诊断

（1）流程繁琐。通过对既有整车卸车随机Petri网的分析发现该流程主要以串行结构为主，并行结构较少。各环节需要依次进行，前一个变迁发生后，后续环节才可以进行，极易造成库所拥堵。具体表现在：现场卸车作业时装车前与装车后检查环节的作业项点太多[7]，在现场作业能力紧张时很难高质量地完成特定变迁。

（2）智能化水平低。目前铁路货运整车卸车作业中智能化、自动化物流设备使用率低，部分环节依然依靠人工，造成系统整体运行效率低下。例如，在卸车作业时，要求外勤货运员严格落实卸车前后检查工作，现场人员需要爬车进行检查。由于此环节依靠人工完成，因此效率极其低下，尤其是在临近牵出货车时，现场人员往往无法兼顾所有检查科目，造成安全隐患。

（3）信息传递不畅。铁路货运卸车作业流程中各节点之间信息传递不畅，存在着信息失真等问题。例如，卸车信息的传递主要依靠现场货运员手抄、拍照后传递给其他作业节点，由于抄记错误导致返工的情况时有发生；在现场作业的同时，货运调度员需要时刻与现场货运员通过外部通信设备保持联络，在货运站系统中录入现场的相关信息并进行一系列操作。目前信息主要通过外部设备采集、传递，市场出现信息填记错误的情况。

（4）作业标准化有待加强。标准化的组织与管理可以有效控制铁路货运作业质量。在新条件、新形势下，与卸车作业相关的某些货运规章、技术标准亟待更新，某些作业站的作业细则亟待完善。同时，铁路货运各主体对各项作业标准的执行和管理力度不够，出现问题时责任划分不清，制约了作业标准化的推进[8]。

2 铁路货运整车卸车流程优化分析

2.1 优化原则

（1）提质增效。铁路货运作业流程优化是提高铁路货物运输组织效率、深化铁路货运改革的重要举措。当前在构建新发展格局，畅通国内经济大循环、促进国内国际双循环的背景下，迫切需要铁路货运作业流程“提质增效”。所谓提质增效就是要提高质量、增加效率，在对铁路货运整车卸车作业流程进行优化时，不能只浮于表面、局限于宏观。要深入研究流程中各节点、各细分环节的作业质量与作业效率，注重梳理节点间的逻辑关系与结构，找到流程中的死锁，通过改变结构等方式对拥堵的节点进行疏通，提高关键环节的作业质量，降低其错误率和返工率，最终使整个流程“提质增效”。

（2）协调有序。系统论认为：系统是由相互作用、相互依赖的若干组成部分结合而成的、具有特定功能的有机整体，且该有机整体亦是其所从属的更大系统的组成部分。从系统论的角度出发，铁路货运整车卸车流程就是由节点、逻辑、设备、信息等若干部分组成的一个多维有机系统。对其进行优化的目的是提高系统有序性，使该系统实现“协调有序”。因此，在对其进行优化时，要对各节点、各环节的组成与功能进行深入分析，使系统中各环节和各细分模块高效率地服务系统。在找到冲突或拥堵后，制定改进措施予以消解，同时要评估改进后是否会产生新的冲突和拥堵，并对其加以控制，使系统整体协调有序。

2.2 基于随机Petri网的铁路货运整车卸车流程优化

2.2.1 优化措施。针对现行卸车流程存在的问题，可以采取以下优化措施：

（1）提高智能化水平。考虑自主研发或外部引入“智能货检系统”辅助人工进行作业，缩短现场货检作业时间，提高检查效率。“智能货检系统”依靠高精度相机等设备输出高精度图像，并通过AI实现自动识别预检、自动识别车厢信息、检查车厢异常状态等功能。发现常见的敞车车门开启、敞车插销未落槽、车帮残留、门搭扣未落位等问题后及时发出预警，由现场人员进行人工处理。卸车前由该系统对车体以及所装货物进行智能检查，卸车后也由该系统对车体进行检查，同时由现场人员对所卸货物进行检查。

（2）加强内部信息集成。为现场货运员配备内部手持设备或开发内部APP，与“智能货检系统”及“货运站”系统相连。货运员进行出场作业前，自动传递卸车计划等信息，现场人员到场后对现场情况进行核对并确认，如有异常，录入相关信息后自动传递至货运站系统等其他作业节点。调度员只需在系统内确认即可，不必再通过电话随时联络现场，提高了内部信息集成能力。

（3）加强现场作业质量监控。为货运员或装卸人员配备小型记录仪，对卸车作业进行全程监控。发生问题时，用其记录的影像资料作为责任划分的依据。管理人员也可以用其来指导现场人员，提高标准化作业水平的同时，通过定期总结、数据分析等完善相关规章。

2.2.2 模型构建。将原有Petri网模型中的T5、T6合并为新的变迁，T8、T9合并为新的变迁；减少模型中的串行结构，增加同步与并行结构。优化后的整车卸车Petri网模型如图3所示，库所和变迁的含义见表6，根据可达树分析得到不同状态下的资源标识分布情况，见表7。

表6 优化后随机Petri网模型库所及变迁含义

表7 优化后随机Petri网标识状态及库所分布

图3 优化后整车卸车随机Petri网模型

由于各项优化措施的实施，各变迁的作业延时有所改变。优化后的整车到达流程各环节作业平均延时赋值见表8，速率赋值见表9。

表8 优化后随机Petri网各变迁延时（单位：min）

表9 优化后随机Petri网各变迁速率

2.2.3 系统性能分析。采用马尔可夫方法对优化后运输作业流程系统的运行效率、节点的吞吐与响应能力进行分析、量化系统各个环节的状态及其稳定性，评估优化效果。根据优化后整车卸车随机Petri网模型，构造与其可达树同构的马尔可夫链，如图4所示。

图4 优化后可达树同构马尔可夫链

根据优化后整车卸车马尔可夫链网转移矩阵，采用前文介绍的方法得到优化后卸车马尔可夫链的稳态概率方程为：

求解稳态概率方程，得到各状态下的稳态概率，见表10。

表10 优化后各状态下稳态概率值

3 结语

本文基于随机Petri网理论，对铁路货运整车卸车流程进行优化研究。对现行铁路货运整车卸车流程进行诊断分析，通过模型构建和系统性能分析，发现现有流程存在着流程繁琐、智能化水平低、信息传递不畅以及作业标准有待加强等问题。在此基础上，对铁路货运整车卸车流程进行优化分析，从优化后的结果来看，优化后整车卸车随机Petri网系统的响应时间与吞吐能力均有所提高，系统的平均延时由优化前的414.92min变化为优化后的378.83min，缩短了36.09min，降低了8.70%。研究结果表明：卸车流程优化措施是有效的，优化后的卸车流程效率得到了大大提升。未来的研究方向是：在卸车流程优化的基础上进一步针对内交付办理、外交付办理等整车到达作业的其他子流程进行优化研究，从而进一步提高我国铁路货物运输整体组织效率，为持续推进中的铁路货运改革和我国铁路货运的发展起到积极的推进作用。