智能调度区段行调业务人机协同机制分析及优化对策研究

Analysis and Optimization Measures for the Human-machine Collaborative Mechanism in Intelligent Railway Operations Scheduling Sections

摘要

推进行调业务智能化是落实“智慧铁路”发展战略的重要举措。智能调度区段行调业务主体包含行车调度员和智能调度集中系统，行调业务智能化伴随着人机协同机制的革新。在技术装备阶段性发展的背景下，及时优化人机协同机制对于促进行调业务智能化高质量发展具有重要意义。以京张高速铁路智能调度集中系统开通以来的运用情况为基础，分析智能调度区段行调业务人机协同机制现状及面临的问题，立足当前技术水平发展阶段和行车调度员工作模式需逐步优化的客观事实，从多源异构信息智能展示、列车运行图智能调整、安全卡控方面进行分析并给出人机协同优化对策，着力加速智能调度集中系统技术演进，及时释放现阶段技术发展红利，最大化提升智能装备运用效果。

Abstract

Advancing the intelligence of railway operation dispatch (ROD) business is an important step in implementing the "Smart Railway" development strategy. The intelligent scheduling section ROD business primarily involves train dispatchers and the intelligent centralized traffic control (CTC). The intelligence of ROD business is accompanied by innovations in the human-machine collaborative mechanism. Against the backdrop of phased technological equipment development, timely optimization of the human-machine collaborative mechanism is of great significance for promoting the high-quality development of intelligent ROD business. Based on the operational experience of the intelligent CTC on the Beijing-Zhangjiakou High Speed Railway, the current situation and problems faced by the human-machine collaborative mechanism in the intelligent scheduling section ROD business were analyzed. Considering the current stage of technological development and the objective fact that the working patterns of train dispatchers need gradual optimization, the study provided analysis and offered optimization measures for human-machine collaboration from the aspects of multi-source heterogeneous information intelligent display, train working diagram intelligent adjustment, and safety control. This study aimed to accelerate the technological evolution of the intelligent CTC, release the benefits of current technological development, and maximize the effectiveness of intelligent equipment utilization.

Graphical abstract

关键词

行调 / 智能调度区段 / 人机协同 / 优化对策 / 调度集中系统

Key words

Operation Dispatch / Intelligent Scheduling Section / Human-machine Collaboration / Optimization Measures / Centralized Traffic Control

0　引言

近年来，国家铁路局、中国国家铁路集团有限公司(以下简称“国铁集团”)先后发布了《“十四五”铁路科技创新规划》和《新时代交通强国铁路先行规划纲要》，对加快铁路智能化发展进行了详细论述，为推动“智慧铁路”高质量发展提供了坚实的政策支持和良好的发展环境。作为“智慧铁路”发展战略的核心内涵之一，智能调度集中系统(Centralized Traffic Control，CTC)在政策环境和运用需求的双重驱动下，取得了长足进步。大量学者在CTC智能化方面进行了深入探索，形成了较为丰富的研究成果，在多源信息汇聚、智能辅助决策、行车安全卡控方面积累了运用经验，有力支撑了京哈高速铁路(北京朝阳—哈尔滨西)京沈段、京张高速铁路(北京北—张家口)智能CTC的装备运用与迭代优化，在一定程度上改变了行车调度员的工作模式。

人机协同又被称为人机结合，是指问题求解过程中通过人与计算机的合理分工实现各尽所长，从而获得大于人加计算机的工作效益^[1]。行车调度主体包含调度员和调度系统2个部分，是典型的人机协同系统，其担负着稳定运输秩序、完成运输计划、协调运力资源和监控设备状态的重要职责，在高度集中、多岗位协同的铁路调度指挥体系中，行调业务在连续性、紧迫性和重要性方面尤为突出^[2-3]。支撑行调业务的基础装备始终遵循“安全为先，稳步推进”的发展原则。国铁集团结合设备基础、技术水平、运用条件等限制因素，公布了《智能调度集中系统暂行技术条件》，明确了智能CTC“三步走”发展计划，对第一阶段的发展目标进行了描述^[4]。《智能调度集中系统暂行技术条件》的文件定位，以及第二、三阶段技术条件和发展路线的暂缓发布，体现了智能CTC远景规划无法一蹴而就，需要在人机协同机制的融合发展中，逐步实现。因此，立足装备技术水平和人员能力，阶段性分析装备有智能CTC的调度区段(智能调度区段)行调业务人机协同机制问题并研究应对策略，对于加速CTC智能化演进，及时释放当前“技术红利”，最大化提升智能装备运用效果，具有较强的现实意义和指导意义。

1　智能调度区段行调业务人机协同机制分析

我国铁路运输系统线网规模大、纵横跨度广，行车指挥体系结构与运行环境复杂。行车调度业务对应的生产活动具有显著的时空分布特征，对人员素质和装备先进性均有较高要求^[5-6]。行调业务主体是典型的人机协同系统，行调业务智能化的发展过程，就是人机协同系统的革新过程。下面从装备发展阶段、调度员能力及协作意愿、人机协同状态3个方面，对智能调度区段行调业务人机协同机制进行分析。

1.1　智能CTC发展阶段

根据《智能调度集中系统暂行技术条件》要求，智能CTC是对现有CTC的补充完善，在不改变现有系统架构的基础上，按照3个阶段逐步实施。第一阶段实现信息融合、列车运行计划辅助调整、安全卡控等功能；第二阶段实现列车运行计划自动调整、早晚点预测等功能；第三阶段实现行车调度信息大数据运用、列车运行计划智能调整等功能。目前，系统设计、研发及工程实施水平均处于第一阶段，初步实现了以风、雨、雪、地震等多源信息全面感知和共享集成为基础的智能辅助优化决策功能，技术成熟度有待提高，以运用需求为导向的技术优化工作尚在推进中^[7-9]。

1.2　智能调度区段调度员能力及协作意愿

我国铁路行车指挥工作遵循集中领导、统一指挥、逐级负责的原则，通过对行车调度计划的制定、分发、执行和调整，组织开展日常运输生产活动，保持运输生产活动的有序推进。行车调度员协调的人力和设备资源规模较大且广域分布，具有时间和空间的双重连续性^[10-12]。在管理措施创新和实践经验积累的牵引下，针对业务繁忙、环节众多且协作复杂的行调岗位，形成了完善的人员任用办法、制度约束体系和考核激励措施。智能调度区段行车调度员(以下简称“调度员”)是在现有选拔考核机制下遴选出的优胜者，具有突出的责任意识、主业能力和工作主动性。另一方面，调度员对系统的接触仅限于人机交互层面，缺乏对智能CTC技术能力和发展瓶颈的宏观认识，进而导致对现阶段装备运用效果的期望存在偏差。优秀的传统业务能力，叠加期望偏差引起的认识偏见，致使调度员在日常指挥和非正常事件处置时，往往更多依靠自身能力，对CTC智能功能缺乏信任。在装备技术渐序发展的过程中，相对边缘化的设备定位，不利于智能CTC优化演进。

1.3　人机协同

科学合理的调度员工作机制和安全高效的技术装备相互配合，是指挥复杂运输系统安全有序运转和资源高效利用的前提条件。非智能CTC向智能CTC的演进过程，是CTC逐步超越“工具型”系统定位，由典型信号系统向运营调度综合系统进行功能延伸的过程，必然伴随着人机协同机制的变化。由于运用单位、设备单位、科研单位各自工作界面的客观限制，合理的人机协同机制难以在短时间内自动达成。当前阶段，问题主要体现在3个方面。

（1）智能CTC在集成多源异构信息方面，侧重于系统功能扩展，对调度员需求的贴合程度不够。多专业、跨系统的数据信息汇聚于智能CTC，有效支撑了系统自身的智能逻辑功能。但智能化不是无人化，尤其在系统发展尚不完善的当下，合理的信息展示对调度员的辅助作用尤为重要。

（2）智能CTC运行图调整功能处于技术演进期，没有通过充分沟通并取得调度员的理解和支持。运行图智能调整水平是智能CTC发展阶段划分的主要依据，也是系统智能化面临的首要技术难点。目前运行图智能调整技术研究成果多集中在单区段范围内，多区段智能调整技术尚不成熟且缺乏工程运用经验，需要在技术攻关和工程实践中寻求突破；支撑场景匹配智能决策功能的专家库数据较少，有待在运用和发展中逐渐积累。调度员尚未正确认识客观存在的技术瓶颈并合理使用技术装备。

（3）智能CTC的安全卡控功能发展较为完善，但调度员对其持审慎态度，缺乏合理化信任。作为信号系统，CTC在设备状态检测、安全逻辑卡控方面具有优势，能够在系统层面有效维持行车指挥业务的可靠性、持续性和实时性。调度员可以从安全卡控、人工核验工作中逐步抽离，适当降低相关方面的劳动强度。

2　人机协同优化对策研究

智能调度区段行调业务人机协同优化对策，是以运用效果为导向，以合理化建议为手段，认可并正视当前技术瓶颈，从客观而务实的角度有效促进行车指挥智能化高质量发展。当前阶段，智能调度区段行调业务的主要革新点体现在信息汇聚、智能调整、安全卡控方面，下面展开介绍3个方面的人机协同优化对策。

2.1　多源异构信息智能展示优化对策

智能CTC加强了与客票、灾害预警、电力监控系统、列控设备动态监测系统的信息融合，集中汇聚了各类信息资源，为实现系统自身智能化提供了有力支撑。智能CTC系统结构及人机交互示意图如图1所示。

由图1可知，调度员在智能辅助信息的协助下，通过传统CTC业务区域行使人工调度权限。因此，在当前智能辅助决策阶段，调度员仍占决策主导地位，设计智能化推送策略，将信息实时、适度、准确、清晰地展示给调度员，对于保障运输安全、降低人员劳动强度以及提升运营效率，具有重要意义。

现阶段，智能CTC的信息整合、筛选及推送机制并不完善，对调度员展示的信息层次不分明、规格不统一、重复度高且难以解读，在一定程度上干扰了调度员对关键事件的判定和处置。

在装备系统层面，为保证信息展示的完备性、易读性和唯一性，有效引导调度员合理决策，智能CTC信息展示功能需要进行以下方面的优化。

（1）通过安全数据校验机制，构造融合客票、灾害预警、电力监控系统、列控设备动态监测系统等系统的完备报警信息资源池，研究解决基于业务逻辑的数据校核、面向管理决策的风险预警等数据融合技术，避免关键信息的遗漏或篡改。

（2）设计多源信息整合加工机制，按信息来源、类别、等级进行分类和关联，研究基于数据关联及清洗的信息加工技术，剔除重复信息，增加CTC系统高危操作自动识别和监测功能，屏蔽无关信息或低等级信息，实时、适量、准确地进行信息推送。

（3）构建动态学习调整策略，通过设置报警管理服务器，存储历史报警信息和调度员响应情况日志，采用基于大数据分析及遗传算法的策略演进技术，挖掘关键报警信息特征并不断优化报警推送策略，以生产运用促进迭代优化，使信息展示策略动态演进，紧密贴合运输生产需求。

在人员操作层面，调度员的使用习惯、关注点应有效反馈给智能CTC，具体实施办法包括2个方面。

（1）结合自身需求设置静态处置策略。智能CTC具备人机交互信息静态策略设置功能，包括信息推送时机、筛选机制、屏蔽等级、展示方式等。调度员可结合运用需要，准确设置人机交互静态策略。

（2）协助CTC学习调度员的关注点。调度员可集中通过智能CTC进行信息调阅和关键信息回看，准确回应系统已推送的交互确认信息，为智能系统快速掌握不同场景下调度员关注的信息特征，提供必要的训练样本。

2.2　列车运行图智能调整人机协同优化对策

列车运行图智能调整的发展方向是日常指挥自动化、客货组织前瞻化和应急处置科学化，是行调业务智能化的核心内涵。现阶段，智能运行图调整方面的人机协同优化对策包括3个方面。

（1）加强智能调整策略选型方面的技术研发和人工干预。面向智能CTC的多目标智能调整优化算法较为丰富，通过线性规划调整模型或拉格朗日松弛算法、粗糙集理论等非线性规划模型算法，求解包括列车总晚点时分最小、加权列车晚点时分均衡、列车运行时间最短和晚点列车数最少等在内的多目标最优解，能够覆盖多种运用场景，但智能化优化算法自动选型方面成果较少，需加强调整策略自主选型机制的研究，解决智能CTC无法自主决策的问题。在实际运用中，调度员需了解不同调整策略的目标导向，匹配实际运用场景，综合比选智能调整策略，解决调度员经验无法有效充实系统训练样本的问题。

（2）人员精力和系统发展向多区段智能调整方向倾斜。大量智能调整理论和技术集中在单调度区段范围内，在同一调度区段内，严格执行单一指挥原则，即仅存在一个决策主体，决策主体掌握该区段内行车指挥相关的完备信息。多区段智能调整技术研究，需要考虑铁路行车指挥体系中的2种边界。一种是依据工作量均衡、车流组织顺畅衔接、运力资源合理调用等原则划定的调度管理边界，某一边界两侧区域由不同的调度员负责；另一种是受制于设备性能极限和系统长期发展模式，在规划部署时即确定下来的设备边界，设备边界间按策略透传有限信息。调度管理边界和设备边界基本重合，并共同组成调度区段边界。因此，跨调度区段协同调整具有多主体共同决策和信息互传不完备的特点。随着路网结构加密成型，调度区段衔接关系愈加复杂。以北京铁路枢纽为例，其被划分为多个调度区段，由相应调度台管辖，北京铁路枢纽调度区段划分示意图如图2所示。

由图2可知，调度系统类型多样，智能调度台包括京张高铁台(智能区段)、京沈客专台(智能区段)；普通CTC调度台包括北京集中台、东环台、京广高铁台；TDCS调度台包括京哈一台、京广一台。跨调度区段间已贯通CTCS-2级列控系统覆盖的动车径路，多区段协同关系紧密而复杂。研究基于智能CTC的多区段协同调整技术，建立车站和线路静态模型，通过对列车的实时追踪、晚点预测和计划交互，实现跨台、跨线、跨局列车运行计划智能调整，解决大范围、多调度区段参与场景下的自动调整问题；设计合理的多区段参与定界机制，研究面向调整成本和调整收益的调整范围仲裁技术，解决自动划定调整范围功能的问题；设计CTC跨区段透传信息的信道分配策略，采用时分、频分复用等信道分配技术，综合利用CTC既有网络通道支撑跨区段系统透传功能，避免多区段信息透传业务对CTC既有业务的干扰。调度员需要加强组织，预先掌握列车接入和交出相邻调度区段车站和区间的情况，及时采取多区段协同措施，确保现有技术条件下的单区段智能调整方案符合整体目标要求。

（3）基于场景匹配的智能调整专家库资源有待充实。由于智能调度区段数量较少，基于训练样本学习的专家库案例较少。调度员应在智能CTC生产系统中优先使用智能调整功能，尤其处置非正常事件时，要加大对智能调整功能的使用力度。其次，智能CTC仿真系统均与生产系统同步构建，需要加大仿真系统场景设计和考核运用力度，畅通由实训系统向生产系统的专家库安全同步机制，在模拟训练中丰富专家库覆盖场景，并适时同步到生产系统中。

2.3　安全卡控人机协同优化对策

作为关键信号系统之一，CTC具备完备的安全运算逻辑和广泛的多系统融合监测功能^[13-14]。多年来，在以安全为导向的迭代优化中，CTC形成了严密、高效、冗余的安全卡控机制^[15]。智能CTC基于传统CTC严密的安全体系，扩展了自律卡控条件和运行计划检查范围，增加了安全逻辑卡控，阶段计划合理性校验、站细协同检查、进路触发时机判定、追踪间隔保持、延续进路适时办理、临时限速自动管理等功能，提高了行车指挥安全性。但是，基于安全卡控的自动化处置能力有待完善，主要体现在以下3个方面。

（1）高效自主发布控车信息。通过业务融合、事件关联、功能延伸等技术措施，将“故障-调度员-司机-列车”故障信息传递流程精简为“故障-列车”模式，减少信息传递中间环节，确保限速、停车等安全信息能够及时控车，当发生风雨雪震、异物侵限、接触网停电等情况时，智能CTC应通过列车自动运行系统自动发布限速或停车指令。

（2）实现CTC系统与外围接口系统协调处置。通过基于CTC与灾害预警、信号控制系统的信息整合，形成跨系统业务联动的业务闭环，当出现大风、雨量报警且需通知多列车司机限速时，CTC结合对列车实时运行状态的信息采集和位置监督，精准确定异常区域内的受干扰列车，进而辅助调度员通过运行图工作站快速选取并智能群呼报警起止里程范围内的全部列车，同步向临时限速服务器自动下达限速指令。

（3）充分利用智能CTC多专业、多系统接口通道，实现自动化的故障通知功能。构建智能CTC故障处置决策机制，支撑CTC根据故障类型自动生成故障处置方案，将故障情况自动分类并准确派发到相关业务处室和设备维护单位，降低人员干预带来的人因风险，提高处置效率和安全性。

在系统设备底层安全逻辑的支撑下，调度员的精力从微观、高压、重复、复杂的工作中逐步解脱出来，其工作重心向以下3个趋势转移。

（1）需要掌握多专业的业务知识，在调度行车资源时，统筹兼顾机车运用、乘务安排、车站运转、空车均衡、设备监测、施工组织等多方面诉求。

（2）人工干预动作更加侧重协调性和预测性事件，行动诉求更加聚焦于宏观计划。

（3）所遵循的规章制度向运输生产计划倾斜，大量安全卡控管理制度被系统安全运算逻辑取代，调度员职责向系统安全支撑下的高效决策转变。

3　结束语

随着“智慧铁路”发展战略的稳步推进，行调业务智能优化处于重要的机遇期、发展期和攻坚期。行调业务主体是包含智能CTC和调度员的人机协同系统，技术装备和调度员工作模式的协同发展，是推进业务智能化的关键所在。以当前技术水平为基础，以人机协同发展为导向，阶段性分析人机协同机制问题并设计优化策略，及时归正系统优化方向及调度员行动诉求，实现协同发展基础上的相互促进，为装备技术演进提供良好的运用环境，最大化释放当前技术红利，促进行调业务智能化高质量发展。

参考文献

[1] 李 玲.面向人机协同微创手术的智能感知与行为决策方法研究[D].合肥：合肥工业大学，2022.

[2] 高 磊.铁路调度集中区段行车指挥安全风险管控对策研究[J].铁道运输与经济，2017，39(5)：60-62.

[3] GAO Lei. Countermeasures of Traffic Command Safety and Risk Control on CTC Sections[J]. Railway Transport and Economy，2017，39(5)：60-62.

[4] 杨 奎.铁路列车调度员疲劳机理与发展规律研究[D].成都：西南交通大学，2017.

[5] 中国国家铁路集团有限公司.智能调度集中系统暂行技术条件：铁科信〔2019〕52号 [A].北京：中国国家铁路集团有限公司，2019.

[6] 苏彦升，倪少权.中国铁路智能运输系统架构研究[J].交通运输工程与信息学报，2017，15(4)：136-140.

[7] SU Yansheng， NI Shaoquan. Research on the Structure of Intelligent Railway System in China[J]. Journal of Transportation Engineering and Information，2017，15(4)：136-140.

[8] 中国国家铁路集团有限公司. 高速铁路列车调度员日常作业规范：调信技函〔2020〕54号[A]. 北京：中国国家铁路集团有限公司，2020.

[9] 庄 河，文 超，李忠灿，等.基于高速列车运行实绩的致因-初始晚点时长分布模型[J] .铁道学报，2017，39(9)：25-31.

[10] ZHUANG He， WEN Chao， LI Zhongcan，et al. Cause Based Primary Delay Distribution Models of High Speed Trains on Account of Operation Records[J]. Journal of the China Railway Society，2017，39(9)：25-31.

[11] 任禹谋.高速铁路大型客运站到发线分配优化策略及方法研究[D].北京：中国铁道科学研究院，2021.

[12] 周晓昭.复杂高速铁路路网下的列车运行智能调整策略与方法研究[D].北京：中国铁道科学研究院，2018.

[13] 谢 泽，张可新，李金波.基于统一体系结构框架的高速铁路行车安全技防体系研究[J]. 铁道运输与经济，2023，45(3)：136-143.

[14] XIE Ze， ZHANG Kexin， LI Jinbo. Technical Defense System for High Speed Railway Traffic Safety Based on Unified Architecture Framework[J]. Railway Transport and Economy，2023，45(3)：136-143.

[15] 李　军，赵世超，王　斌，等. 面向铁路运输生产全过程的智能综合调度系统方案研究[J]. 铁道运输与经济，2023，45(1)：23-29.

[16] LI Jun， ZHAO Shichao， WANG Bin，et al. Research on Intelligent Integrated Dispatching System for Whole Process of Railway Transport Production[J]. Railway Transport and Economy，2023，45(1)：23-29.

[17] 孙延浩，张　涛，刘宁馨，等. 基于改进ISM-DEMATEL的高速铁路列车晚点致因因素分析[J]. 铁道运输与经济，2022，44(3)：1-6，30.

[18] SUN Yanhao， ZHANG Tao， LIU Ningxin，et al. Analysis of Factors Causing High Speed Railway Train Delay Based on Improved ISM-DEMATEL[J]. Railway Transport and Economy，2022，44(3)：1-6，30.

[19] 郭风冬，李 涛. 高速铁路车站控制行车安全风险对策[J]. 铁道运输与经济，2020，42(9)：86-90.

[20] GUO Fengdong， LI Tao. Countermeasures for Operation Safety Risk Control of High Speed Railway Station[J]. Railway Transport and Economy，2020，42(9)：86-90.

[21] 宁 滨，莫志松，李开成. 高速铁路信号系统智能技术应用及发展[J].铁道学报，2019，41(3)：1-9.

[22] NING Bin， MO Zhisong， LI Kaicheng. Application and Development of Intelligent Technologies for High Speed Railway Signalling System[J]. Journal of the China Railway Society，2019，41(3)：1-9.

[23] 赵宏涛，陈 峰，许 伟，等. 基于云边协同的高速铁路智能行车调度系统研究[J]. 铁道运输与经济，2021，43(1)：71-76.

[24] ZHAO Hongtao， CHEN Feng， XU Wei，et al. High Speed Railway Intelligent Traffic Control System Based on Cloud Edge Collaboration[J]. Railway Transport and Economy，2021，43(1)：71-76.

基金资助

中国国家铁路集团有限公司科技研究开发计划课题(P2021G053)

中国铁道科学研究院集团有限公司科研项目(2021YJ085)