Construction of knowledge graph of railway dispatching emergency plan
-
摘要: 为解决铁路调度应急预案信息整合困难、综合管理能力不足的问题,采用知识图谱概念和方法,对铁路调度应急预案相关信息资源进行全面梳理和系统分析,采用自顶向下与自底向上相结合的方法,完成铁路调度应急预案知识图谱的构建;提出铁路调度应急预案主要实体概念及其属性与关系的定义,研究数据抽取、数据融合及知识存储的方法,实铁路调度应急预案数据的规范、有序存储。以雾天行车场景为例,开展应用探索。应用表明,知识图谱为整合多源异构的铁路调度应急预案相关信息资源提供了有力工具,使应急预案相关信息资源的使用更加便利化,更好地支持应急指挥快速决策,支持应急处置工作从容有序开展。Abstract: To address the difficulties in information integration and insufficient of comprehensive management ability of railway dispatching emergency plan, The concept and approach of knowledge graph is employed to sort and analyze relevant information resources of railway dispatching emergency plan. Using a combination of top-down and bottom-up method, the knowledge graph of railway dispatching emergency plan is constructed, in which the core elements of railway dispatching emergency plan are indentified and their properties and associations are defined. Besides, the methods of data extraction, data fusion and knowledge storage are studied to realize standardized and orderly organization and storage of railway dispatching emergency plan data. Taking train operation in foggy weather as a study case, the application of the knowledge graph of railway dispatching emergency plan is explored. The application shows that knowledge graph can be a powerful tool for integrating multi-source and heterogeneous related information resources of railway dispatching emergency plan and facilitate the utilization of those resources and better support rapid decision-making in emergency command and and support emergency response rolling out in a calm and orderly manner.
-
安全是铁路运输生产和经营管理工作的重中之重,涉及车务、机务、工务、电务、车辆、供电多个领域和人事、财务、职教等多个部门[1-2]。目前,铁路安全领域已建立一大批业务系统,积累了大量安全领域业务数据(安全风险数据、安全隐患数据、事故故障调查报告、安全监督检查数据、静态病害库、动态病害库),以及车务、机务、工务、电务、车辆、供电专业的设备基础数据、监控数据、维修数据、报警数据和超限数据等。但由于缺乏铁路安全领域信息化顶层设计,导致安全管理思路不一致,数据标准不统一,数据接口协调困难,基层部门重复录入现象严重,安全管理效率低。
安全大数据应用是中国铁路信息化建设和铁路大数据应用顶层设计的重要组成部分[3-4]。该领域的科技工作者进行了许多探索,康高亮提出了构建具有中国特色的人防、物防、技防,三位一体的高速铁路安全保障体系[5];杨连报等人运用TF–IDF模型实现电务信号设备故障文本的特征提取,通过基于Voting的方式实现多分类器集成学习分类[6];佘振国等人开展了铁路安全风险预警信息系统的研究与设计[7];周进设计了有向加权铁路运输事故致因网络及分析方法,研究事故致因关联规则和安全风险的动态传播规律[8]。
本文在分析安全领域的业务系统和数据现状基础上,充分了解安监和各业务部门的安全业务需求,开展铁路局安全大数据应用总体方案研究,为铁路局安全大数据应用建设提供思路。
1 铁路局安全大数据应用总体方案
1.1 需求分析
(1)安全数据共享:实现不同专业、不同系统之间的数据交换和共享,提高安全数据使用效率,为安全大数据应用和分析提供数据基础。
(2)安全风险预警:建立安全风险库、安全隐患库、安全事故库、安全故障库,通过分析安全监督检查报告、事故和故障数据、超限数据、报警数据,统计事故、故障、安全隐患的发生数量,挖掘事故、故障与安全隐患、安全风险之间的关系,自动进行安全预警。
(3)事故故障分析:建立故障库、事故库和事故故障报告库,实现事故故障全文检索、事故故障提取、重点故障及区域故障关联分析、原因及潜在原因分析、事故故障整改措施推荐、故障预警等功能。使业务相关人员在事故、故障发生前进行针对性地检查与防范,在事故、故障发生后针对系统防范措施进行有效地整改。
(4)设备画像分析:建立各专业设备基础信息、动态检测、静态检测、设备维修、设备故障全流程的管理体系,开展设备实时状态安全评估,对易发生故障及重点盯控的设备,建立有效的安全隐患排查和预警机制。
(5)人员画像分析:建立人员基本信息、安全信息、两级作业、业务能力、作业量等维度标签,开展员工安全评估,对重点人员进行盯控。同时,建立职工安全综合能力预警模型,实现对职工安全综合能力及所在部门安全能力的预警。
(6)安全综合管理:需支撑安全问题通知书、安全问题整改、领导下现场情况等业务。同时,需对安全管理职责、工作标准和安全规章制度进行电子化管理。
1.2 建设目标
本文以铁路局集团公司(简称:铁路局)安全数据的集中和共享为基础,以大数据等信息技术为手段,以安全管理和风险分析为突破口,以安全风险预警为核心,以铁路数据服务平台为支撑,建立具有数据采集、存储、清洗、分析、挖掘和可视化等功能的铁路局安全大数据应用,汇集各专业的安监数据、专业数据、设备数据、综合数据等,运用结构化和非结构化数据分析技术,实现安全风险分析、安全隐患分析、事故故障分析、设备画像分析、人员画像分析、安全综合评估、安全综合管理等业务功能,为管理者全面掌握安全状态,发现铁路局安全薄弱环节,指导安全重点监督工作,实现事故、故障超前防范提供强有力支撑。
1.3 总体架构
铁路局安全大数据应用总体架构如图 1所示,主要包括数据层、平台层、应用层和两大体系。数据层包括安监数据、各专业设备数据、人员数据、综合数据等;平台层包括基础数据管理、数据集成、数据共享、大数据存储与分析、关系型和非关系型数据分析算法等;应用层包括安全风险分析、安全隐患分析、事故故障分析、设备画像分析、人员画像分析、安全总体评价和安全综合管理;两大体系是指标准体系和保障体系。
1.4 网络架构
(1)网络总体架构
铁路局安全大数据应用的网络架构主要基于铁路综合信息网,通过防火墙、网闸与铁路不同专网进行连接。铁路内部服务网用户可直接接入应用,访问数据和获取服务。铁路各业务系统可通过铁路内网,请求数据获取和大数据分析服务。铁路外部服务网用户通过安全平台接入该应用,通过安全技术确保应用的安全性。应用的网络总体结构如图 2所示。
(2)外网传输架构
为采集天气、检测和维修等数据,需通过互联网,将天气等数据进行统一打包,转换文件格式,并加密传输至铁路局外网FTP服务器,穿过铁路局安全平台实现外网FTP与内网FTP服务器同步,再传输至铁路局安全大数据应用,外网传输架构如图 3所示。
1.5 数据采集内容
(1)安监数据:包括安监报、安全风险库、安全隐患库、安全事故库、安全故障库、铁路事故故障调查材料、安全监督检查、安委会、重点工作和领导挂牌督办等数据,以及安全相关的标准规范和文件。
(2)业务安全数据:包括工务、车辆、机务、电务、供电等专业的各类相关业务安全数据。
(3)综合数据:包括组织机构、人员、培训等基本信息数据;铁路沿线天气预报数据,以及安全领域的基本规章、技术资料和铁路主数据管理平台中的基础数据。
2 功能设计
2.1 安全风险分析
安全风险分析主要包括风险类别、风险项目、风险项点、风险等级、风险危害程度、风险库、安全风险分析等功能子模块,实现事故故障纵深防御,从源头进行管控,将风险控制在隐患形成之前,并对安全重大风险、较大风险进行综合预警。
2.2 安全隐患分析
安全隐患分析主要包括隐患库待办、隐患类别、隐患等级、隐患库、安全隐患分析、隐患分析处理等功能子模块,有效实现安全关口前移,避免铁路局、站段对隐患库等的重复建设和投资,防范和遏制铁路安全事故发生。
2.3 事故故障分析
事故故障分析主要包括特征提取、分词管理、全文检索、多发区域、重点故障分析、原因分析、关联分析、历史事故故障预警等功能子模块。深入分析安全风险、安全隐患和事故故障之间的关系,实现事故故障的原因分析、诊断、整改、管控和预防,挖掘事故故障的演变规律,分析主要因素,防范未来同类事故故障的发生,实现近期安全事故的预警等功能。
2.4 设备画像分析
设备画像分析从安全、机务、工务、电务、供电、车辆等既有系统抽取设备的基本信息、动检信息、静检信息、维修信息、历史事故故障信息,构建不同维度设备安全评分标准,对评价分数较低的设备进行安全预警,指导设备重点监督检查。同时对各专业的设备进行全方位的画像分析,建立设备故障与设备基础信息、状态信息、报警信息之间的数学模型,实现各专业事故故障的超前防范,支撑设备从计划修向状态修、预测修转变。
2.5 人员画像分析
人员画像分析从铁路局的人力资源、干部管理、专业培训等系统中抽取铁路员工的基本信息、安全考核信息、两级及作业标准信息、业务量大小信息等,建立不同维度标签体系,以及针对不同专业、不同工种的综合评价,对人员进行评分,对班组、车间、站段进行评价,指导人员专业安全培训,实现重点安全人员盯控。
2.6 安全综合评估
安全综合评估主要包括铁路局综合评价、评价类别及项目、评价项点及分值、站段综合评价、安全综合分析等功能子模块,整体把握铁路局的安全态势,实现各专业内部安全排名,分析安全薄弱环节,指导安全监督检查重点,同时,为年度安全单位评比提供数据支撑。
2.7 安全综合管理
安全综合管理主要包括安全问题通知书、问题通知书分析、安全问题整改、安全预警通知书、安全表扬通知书、表扬通知书分析、领导下现场检查、挂牌督办管理、挂牌督办分析等功能子模块,有效减少基层站段安全问题重复录入,避免安全业务系统重复投资,实现安全问题的闭环管控,支撑铁路局、站段安全部门核心业务工作。
3 发展趋势
3.1 铁路局安全数据汇集和共享
逐步汇集铁路局车务、机务、工务、电务、车辆、供电、人事、职教等专业的系统数据,实现安全数据的采集、清洗、重组,为各专业的大数据应用提供丰富、全面、高质量的数据源。同时,根据各业务部门的管理范围,配置不同数据权限,实现各专业安全数据共享。
3.2 跨专业的综合安全数据应用
在数据汇集基础上,调研各专业数据共享需求,开展工务线路超前预警、普速线路大修分析、机务视频分析、车辆综合安全预警、电务事故故障原因分析、安全关键指标预测等,形成跨专业的综合应用,解决结合部的安全业务需求,重点为综合部门、站段的工作人员和管理人员提供数据支撑。综合数据分析能促使新的业务流程产生,提高铁路安全管理、安全监督检查效率。
3.3 安全智能辅助驾驶
通过汇集工务、电务、供电等固定设施的基础信息、动检信息、静检信息、维修信息、实时报警信息、历史事故故障信息、天气预报信息,以及机车、车辆等移动设备的实时报警信息等,结合电子地图和语音功能,实时为机车司机提供安全提示信息,建立铁路领域的智能语音辅助驾驶系统,保证列车运行安全。
3.4 安全综合预警
结合电子地图功能,汇集工务、电务、供电等固定设施设备数据,以及机务、车辆等移动设备数据,开展全专业的设备状态评价,基于机器学习的安全预警和跨专业的综合安全预警、季节性安全预警、专项安全预警等。
4 结束语
本文阐述了铁路局安全大数据应用的需求分析、建设目标、总体架构、网络架构、功能设计和发展趋势等,为铁路局安全大数据应用建设提供了思路,对于安全数据共享共用、数据深度挖掘和分析、安全管理和安全预警能力提升,具有一定推动作用。今后,还需深入研究该应用与中国国家铁路集团有限公司安全大数据应用的关系,与各专业设备大数据应用之间的边界,以及与铁路数据服务平台的深层关系。
-
表 1 应急处置流程概念实体的层次划分
阶段 目标 任务 事前 预警、应急预备 风险监测、应急预警、应急准备 事发 快速启动应急、
应急通知启动应急响应、应急响应信息传递、
相关人员赶赴现场事中 高效处置 设备调配、车辆抢修、机车运行组织、
添乘重点列车、旅客疏散事后 快速恢复、
总结评价应急结束通知、应急总结分析、应急处置评价 表 2 铁路调度应急预案实体关系含义说明
关系类型 含义 因果关系 某种情况的发生,必然会引发其他一种或多种事情 跟随关系 某一时段内,某一事件发生后,另一件事情跟着发生 并发关系 某一时段内,两个事件同时发生,或先后发生 互斥关系 两种类型的事件不可能同时发生 顺序关系 事件发生的先后顺序 隶属关系 概念层级关系,上下级隶属 协同关系 机构岗位之间的协同合作 信息指令传达关系 信息汇集或指令决策机构将信息、指令传达给接收单位 表 3 非结构化文本数据融合示例
数据融合前抽取的实体概念 数据融合后抽取的实体概念 北京南、北京南普速场、北京南普速到达场 北京南普速到达场 大雨、大到暴雨、强降雨、暴雨 大到暴雨 -
[1] 王 普,李 平,阿茹娜,等. 融合本体和深度学习的高速铁路应急预案数字化方法 [J]. 铁道学报,2020,42(8):29-36. [2] 李 军. 应急预案信息化方法研究 [J]. 铁路计算机应用,2012,21(5):23-25. DOI: 10.3969/j.issn.1005-8451.2012.05.008 [3] 杜会芳, 王昊奋, 史英慧, 等. 知识图谱多跳问答推理研究进展、挑战与展望[J]. 大数据, 2021, 7(3), 60-79. [4] 陈华钧,张 文,黄志文,等. 大规模知识图谱预训练模型及电商应用 [J]. 大数据,2021,7(3):99-115. [5] 陈 强, 代仕娅. 基于金融知识图谱的会计欺诈风险识别方法研究[J]. 大数据, 2021, 7(3), 116-129. [6] 于 辉,江智慧. 突发事件下分阶段启动应急预案模型研究 [J]. 管理工程学报,2011,25(1):109-114. DOI: 10.3969/j.issn.1004-6062.2011.01.016 [7] 马雷雷,李宏伟,连世伟,等. 一种自然灾害事件领域本体建模方法 [J]. 地理与地理信息科学,2016,32(1):12-17. DOI: 10.3969/j.issn.1672-0504.2016.01.003 [8] 崔 斌,高 军,童咏昕,等. 新型数据管理系统研究进展与研究趋势 [J]. 软件学报,2019,30(1):164-180. [9] 李 洺,王 巍. 政府应急平台数据库的数据需求、实现路径与管理制度 [J]. 电子政务,2008(5):56-61. DOI: 10.3969/j.issn.1672-7223.2008.05.009 [10] 李泽荃. 基于知识图谱的灾害场景信息融合技术 [J]. 华北科技学院学报,2019,16(2):20-25. DOI: 10.3969/j.issn.1672-7169.2019.02.005 [11] 杜志强. 自然灾害应急知识图谱构建方法研究[J]. 武汉大学学报(信息科学版), 2020, 45(9): 1344-1355 [12] 刘 峤,李 杨,段 宏,等. 知识图谱构建技术综述 [J]. 计算机研究与发展,2016,53(3):582-600. DOI: 10.7544/issn1000-1239.2016.20148228 [13] 徐增林,盛泳潘,贺丽荣,等. 知识图谱技术综述 [J]. 电子科技大学学报,2016,45(4):589-606. DOI: 10.3969/j.issn.1001-0548.2016.04.012 -
期刊类型引用(1)
1. 李晨悦,卢荣平,赵秀琴,郭朋,普波涛. 铁路企业信息系统软件运维检修作业技术规范研究. 铁路计算机应用. 2021(08): 69-73 . 本站查看
其他类型引用(1)