《铁路技术管理规程》产学研用方案构建研究

Research on Construction of Industry， University， Research， and Application Program of Regulations of Railway Technical Operation

摘要

铁路技术规章对于保障铁路运输安全，提高运输效率至关重要。基于对产学研用方案的构成要素及指标分析，从产、学、研、用4个方面出发，提出了《铁路技术管理规程》产学研用方案指标体系构建思路；运用平均集对势，对专家给出的指标重要性排序的合理性进行评估，根据基于相对联系数的产学研用方案指标体系筛选方法，对初始指标体系进行了优化筛选，识别重要指标，保留了原始二级指标的60%，结果表明，实践教学比重、投入的研发人员数量等指标对于构建产学研用方案具有重要作用；通过最终确定的49个指标，并结合主管部门、铁路企业、用户、高校和科研机构5个主体构建了《铁路技术管理规程》的产学研用方案，为铁路运输的高质量发展提供理论支撑。

Abstract

Railway technical regulations play an important role in ensuring the safety of railway transportation and improving transportation efficiency. Based on the analysis of the components and indexes of the industry, university, research, and application program, the idea of constructing the index system for the program of Regulations of Railway Technical Operation was proposed from the perspectives of industries, universities, research institutes, and end-users. The average set pair potential was used to evaluate the rationality of the index importance ranking given by experts. Through the screening method for the index system of the industry, university, research, and application program based on relative connection numbers, the initial index system was optimized and screened to identify important indices, retaining 60% of the original secondary indices. The results show that the proportion of practical teaching and the number of R&D personnel invested are important indices for constructing the industry, university, research, and application program. Through the final 49 indices determined in combination with five main bodies, namely the competent authorities, railway enterprises, users, universities, and research institutions, the industry, university, research, and application program of Regulations of Railway Technical Operation was constructed, which provided theoretical support for the high-quality development of railway transportation.

Graphical abstract

关键词

铁路技术管理规程 / 产学研用方案 / 相对联系数 / 指标筛选 / 平均集对势

Key words

Regulations of Railway Technical Operation / Industry, University, Research, and Application Program / Relative Connection Number / Index Screening / Average Set Pair Potential

0　引言

《铁路技术管理规程》(以下简称“《技规》”)是我国铁路技术管理的基本规章，也是铁路长期生产实践和科学研究的总结。《技规》作为保障运输安全、提升运营效率的技术法典，更是推动铁路科技创新、实现高质量发展的重要制度保障，考虑《技规》的产学研用结合有利于充分发挥各方资源优势，推动技术管理规章的系统化、标准化建设。

既有研究围绕铁路技术规章管理与产学研用机制已形成多维度的理论探索。在《技规》管理方面，众多学者在管理机制、演进路径和国际视角等方面系统推进了《技规》的理论完善与实践创新^[1-3]。在产学研用评价体系构建方面，现有研究呈现方法创新与多学科融合趋势。黄璐等^[4]提出了一套基于复杂网络分析和深度学习算法的产学研协同创新合作主题挖掘方法；王建胜^[5]探究产学研知识流动效率对先进制造业的影响机制；王美英等^[6]指出国家审计与国有企业的产学研合作创新对企业所在地区高校水平存在溢出效应。合理的产学研用方案需要用科学的指标体系去进行评估，评价指标筛选方法研究持续深化，一类是经验分析法和文献分析法^[7-8]，另一类是借助准确的数学方法进行指标筛选，比如相关性分析、R形聚类、熵权法等^[9-11]。Meng等^[12]结合测量分析系统和抽样适合性检验构建了指标筛选的统计决策框架；沈珍瑶等^[13]提出将灰关联法与其他定性定量方法结合起来进行指标综合筛选；金菊良等^[14]构建基于相对联系数的高质量发展指标体系筛选方法，定量分析指标排序的合理性。

随着高速铁路、重载铁路等新型技术体系的快速发展，以及国际铁路联运需求的持续增长，《技规》的持续优化与产学研用协同建设，已成为深化铁路供给侧结构性改革、培育发展新动能的关键环节。因此，充分发挥《技规》的牵引和指导作用，筛选合理的评价指标，构建较为完善的产学研用结合方案，使之形成有效的协同创新范式，助力“交通强国”战略实施。

1　《技规》产学研用方案指标体系框架

1.1　《技规》产学研用方案构成要素分析

研究旨在以铁路行业技术管理为核心，整合铁路企业、高校、科研机构的资源与能力，构建《技规》产学研用方案。在构建《技规》产学研用方案指标体系时，一方面要考虑产、学、研、用各角度的特色，另一方面必须强调产、学、研、用的融合。通过从技术标准、课程培训和应用效果等多个方面构建《技规》产学研用方案指标体系框架，并对这些指标进行细化，可以实现各方资源的有效协同创新。

（1）产。《技规》的编制体现了铁路行业技术管理工作的系统性和规范性。规程的编制遵循了系统工程的思路，从铁路运输业务和技术发展的实际需求出发，科学归纳和整合了行业内技术管理的各项要素，形成了完整的制度体系，铁路技术管理工作的系统性、实践性和科学性，确保了规程内容与实际工作需求的匹配。

（2）学。《技规》学习的主体分为铁路职工和在校大学生两大群体。铁路职工需专业学习《技规》，掌握其基本内容并理解在实际工作中的应用，以便在复杂环境中做出科学决策。大学生则基于培养方案系统学习基础知识，涵盖理论教学和实践环节，常在实训基地进行模拟训练，将理论与实际操作结合。影响大学生学习效果的因素包括教材质量、培养方案设计、实训基地建设和师资力量等。学生入职铁路企业后，通过入职培训进一步深化对《技规》的理解和应用，培训内容的全面性和评估方式也影响学习效果。

（3）研。“研”是科研与创新，是推动《技规》优化完善的动力来源，深入研究《技规》的创新点和改进方向，是保持规程内容先进性的重要手段。科研投入是项目的基础，通过加大科研人员与经费的投入，铁路行业可以建设高水平的科研团队和实验室，购置先进的科研设备，开展前沿技术的研究。产学研用相结合的科技项目在推动经济发展和社会进步中扮演着至关重要的角色，不仅推动了技术的进步，还为人才的培养提供了实践平台。

（4）用。《技规》的“用”是规程的最终实践落脚点。技术规程的制定和完善，最终目的是实现铁路运输生产的安全、稳定和高效运行。《技规》的执行效果直接关系铁路系统运行的安全和效率，此外，《技规》应用效果的评估与反馈也至关重要，规程的有效性不仅体现在其执行过程中，也体现在应用效果上。

1.2　《技规》产学研用方案指标分析

（1）“产”角度的指标分析。选取《技规》编制的科学性、适用性及可执行性作为“产”角度的衡量指标，分别考量《技规》内容完整性、《技规》编制与实际现场工作需求的匹配度以及规章是否具备实施条件。

（2）“学”角度的指标分析。高校层面，选取人才培养、课程体系及实训基地建设指标，具体考量培养方案专业性、《技规》理论实践关联性以及政校企联动机制；铁路企业层面则重点考察职工入职培训，包括培训目标、培训方式等内容。

（3）“研”角度的指标分析。选取《技规》条文优化、科研项目投入与科技成果转化作为衡量指标，考量《技规》技术领域突破与适应性优化效果、科研项目的人力与财力基础以及科研项目向实际生产力的转换能力。其中，项目向实际生产力的转换能力用专利数量、科技服务收入等量化指标评估。

（4）“用”角度的指标分析。从《技规》的执行力度与效果反馈2方面进行衡量，其中执行力度考虑规程宣传贯彻、被采用情况等，后者则侧重《技规》应用后的效益提升、应用效果的满意度等方面。

根据对产学研用内涵的理解，在综合政策法规依据和行业标准与规范的基础上，遵循前瞻性、创新性与适用性原则，从“产”“学”“研”“用”4个维度出发，初步构建了囊括执行力度、科研项目投入、效果反馈等12个方面，包含理论基础的科学性、课程设置覆盖度、专业技能培训等80个指标的《技规》产学研用方案初始指标体系。《技规》产学研用方案指标体系构建思路如图1所示。

2　产学研用方案指标的筛选

2.1　产学研用方案指标的筛选方法

集对分析^[15-16]是一种利用联系度处理不确定性问题的新型系统分析方法，可以应用相对联系数，并将其用于指标重要性排序，通过筛选，形成最终的指标体系，构建基于相对联系数的产学研用方案指标体系筛选方法。具体包含以下步骤。

步骤1：初始指标体系的建立。在建立《技规》产学研用方案目标的基础上，根据指标体系构建原则，根据图1的指标体系构建思路，按照“产”“学”“研”“用”4个维度展开，构建指标体系。

步骤2：定义x_{ijk}表示专家i对一级指标j的二级指标k的重要性排序值，其中i=\mathrm{1,2}，\cdots ，I，I表示专家数目；j=\mathrm{1}，\mathrm{2}，\cdots ，J，J表示初步建立的指标体系中的一级指标个数，此处取12；k=\mathrm{1}，\mathrm{2}，\cdots ，K，K表示每个一级指标下面的二级指标个数，如一级指标“《技规》编制的科学性”的K取值为6。

步骤3：计算单个专家对指标重要性排序合理性的权重。\left\{x_{ijk}\left|i=\mathrm{1}，\mathrm{2}，\cdots ，I\right.\right\}的算数平均值为

y_{jk}={\displaystyle \sum _{i=\mathrm{1}}^I}{x}_{ijk}/I⑴

若x_{ijk}与y_{jk}有偏离，则根据其偏离程度的大小，认为该专家排序的合理性由同一向差异、对立发生转变。用相对误差的绝对值反映具体的偏离程度大小，计算公式如下。

z_{ijk}=\left|x_{ijk}-y_{jk}\right|/y_{jk}⑵

根据z_{ijk}的取值确定该专家排序的合理性：当z_{ijk}落在区间\left.\left[\mathrm{0}，\mathrm{0.2}\right.\right)上时，认为属于同一关系；当z_{ijk}落在区间\left[\mathrm{0.2}，\mathrm{0.5}\right]上时，认为属于差异关系；当z_{ijk}落在区间\left.\left(\mathrm{0.5}，+\mathrm{\infty }\right.\right)上时，认为属于对立关系。通过下式计算指标排序合理性的联系数。

t_{ij}=a_{ij}{H}_a+b_{ij}{H}_b+c_{ij}{H}_c⑶

式中：a_{ij}，b_{ij}和c_{ij}分别表示同一度、差异度和对立度，且满足条件a_{ij}+b_{ij}+c_{ij}=\mathrm{1}；H_a，H_b和H_c分别为同一度系数、差异度系数、对立度系数。

公式⑶反映的是联系数中的对立类型，不同于常见对立类型，公式⑶中的对立类型反映的是集对“专家对指标重要性排序值”与“指标重要性排序的算术平均值”符合“排序合理性”这一模糊关系的取值区间\left[H_c，H_a\right] 2个端点值之间的相对关系，故可称为相对联系数。联系数的平均集对势可以表示为

s\left(t_{ij}\right)=\left(a_{ij}{H}_a+c_{ij}{H}_c\right)\left(\mathrm{1}+b_{ij}\right)+b_{ij}\left(H_a+H_c\right)/\mathrm{2}⑷

式中：s\left(t_{ij}\right)表示重要性排序的整体合理性，取值范围为\left[H_c，H_a\right]。

对s\left(t_{ij}\right)进行归一化处理得到重要性排序的权重w_{ij}。

步骤4：指标重要性综合排序值的确定。综合考虑专家排序意见的指标体系中一级指标j的二级指标k的重要性综合排序值如下。

r_{ij}={\displaystyle \sum _{i=\mathrm{1}}^I}{w}_{ij}{x}_{ijk}⑸

步骤5：指标体系中一级指标j对应的指标筛选。根据产学研用目标，对体系中j指标的重要性综合排序值从小到大排序，排名前p%(如60%)的指标作为筛选后的指标体系j的指标集，以此获得筛选后的《技规》产学研用方案指标体系。p%取决于经验，建立在初步指标体系中的指标数量与指标值的可获得性的基础上。指标数量多、指标值的可获得性高，p%取值小于60%；指标数量少、指标值的可获得性低，p%取值则大于60%。

基于相对联系数的产学研用方案指标体系优化方法如图2所示。

2.2　产学研用方案指标的筛选结果

应用文本相似度方法^[17]，并结合铁路领域专家咨询，形成了10个专家对指标重要性排序值方案。其中“1”表示最重要的指标，“2”为次重要指标，以此类推。例如《技规》编制的科学性下设有6个二级指标，某专家对其重要性排序为2，5，1，3，4，6。

由公式⑴至⑶计算各专家的联系数。其中同一度系数H_a和对立度系数H_c分别取0.90和0.25，差异度系数H_b在[0.25，0.90]区间取值。由公式⑷计算平均集对势和权重w_{ij}。《技规》编制的科学性方面指标重要性排序合理性的10个专家权重如表1所示。

表1中各专家对指标排序的权重相差不大，证明专家对指标的重要性排序的结果比较合理。10个专家对指标体系各指标重要性排序合理性的权重值如图3所示。

把指标体系中12个一级指标的权重值代入公式⑸，计算得到指标体系各方面指标重要性的综合排序结果，《技规》编制的科学性方面6个指标重要性的综合排序结果如表2所示。表2中的结果显示专家综合排序结果与其算术平均结果较为吻合，表明本筛选方法得到的各指标重要性的排序结果是合理的。产学研用方案指标体系中各指标的综合重要性排序结果如表3所示。

取重要性排序前60%的指标作为筛选后的指标，并在表中加粗以作区分，其中一级指标8因其原始指标数量少，故全部保留，不做筛选。《技规》产学研用方案筛选后指标体系如表4所示。

3　《技规》产学研用方案

在对《技规》产学研用方案的指标进行细致筛选后，识别出了涵盖《技规》编制、人才培养、科研转化、执行效果等多个维度的关键指标。在这些指标的基础上，将《技规》所涉及的各个主体，也就是主管部门、铁路企业、用户、高校、铁路行业科研机构5个部分相互关联在一起，形成一个多方协同的《技规》产学研用方案架构，《技规》产学研用方案架构如图4所示。铁路企业、高校、科研机构与用户在主管部门的政策与资金支持下，通过产学研用的协同机制，实现知识与技术的转化及应用。铁路企业与高校、科研机构合作，推动技术创新与人才培养；主管部门则通过政策引导和资金支持，促进产学研用一体化发展，最终满足用户需求并推动行业进步。各主体的协同作用，不仅提升铁路行业的整体竞争力，共同应对行业挑战，实现技术的不断进步与优化，也为用户提供更优质的服务，形成良性循环，促进各方的共同发展，同时还需要建立健全的监管机制以及适应性强的执行过程，确保方案实施的可控性。

3.1　“产”：多方协调，科学编修，确保生产安全

在编制和修订《技规》时，应基于铁路行业技术发展历程和运行特点，结合大量实际运行数据，确保技术参数经过严格验证，保证规程的科学性和规范性；编修过程需综合考虑行业管理决策与现场操作需求，适应不同作业环境和技术发展趋势。主管部门应完善监管机制，推动铁路运输企业制定考核、奖惩和应急预案，健全培训、操作规程等配套制度，确保各部门和岗位协同配合，推动《技规》的有效执行和落实。

3.2　“学”：理论与实践并重，培养行业人才

高等院校和铁路职工培训体系均以《技规》为核心形成人才培养机制。高校通过对接铁路行业需求，因材施教，设置理论与实践并重的课程体系，开展一系列《技规》衍生课程，并采用校内实训、企业实习、规章编制及“理论+实践”双轨考核推动产学融合；铁路企业则运用师徒制、VR/AR技术、在线平台及模拟器训练等现代化手段开展安全操作与技能培训，建立完善的智能化培训管理系统，实施培训考核定职制度，不断强化铁路企业职工技术规范掌握与实践能力提升。

3.3　“研”：重视科研投入，促进科技成果转化

科研项目经费投入是科研工作的基础，政府和企业通过直接资助及校企合作等方式为项目提供资金支持，同时组建由行业专家和管理人员组成的专业研发团队。铁路行业应增加研发投入，联合高等院校和科研机构建立高水平科技创新平台，实现技术快速转化和《技规》与技术发展的同步更新，形成闭环反馈机制。企业、高校及科研机构通过科研成果转化和技术转让实现投入产出，铁路领域科研成果主要体现为论文、专利、著作及科技服务，其中转化应用和专利转让是关键，而对于《技规》条文修订类的项目研究则以修订建议采纳率为成果衡量因素。

3.4　“用”：严格执行，提升安全管理水平

遵守《技规》是节约运营成本、提升技术水平的可靠保证，也是铁路运输企业高质量发展的有效途径。铁路运输企业需严格执行《技规》，加强对现场人员的培训，通过定期检查评估确保规程落实；在制定内部管理制度时应遵循《技规》，并建立反馈机制，收集现场人员的合理建议，为规程修订提供依据。此外，铁路运输企业还需提升管理与安全水平，严格设备检修、危险源管控和应急处置，保障铁路运营安全。

4　结束语

通过分析产学研用方案构成要素，构建包含4个维度、12个一级指标和80个二级指标的《铁路技术管理规程》产学研用方案初始指标体系，并采用基于相对联系数的指标体系筛选方法，最终确定了49个关键二级指标。研究基于筛选后的指标体系，进一步结合主管部门、铁路企业、用户、高校和科研机构5个主体，围绕产、学、研、用4个维度构建了最终的产学研用方案，旨在提升各主体在方案实施中的效能。研究结果有助于促进《技规》的学习和应用，推动铁路行业的整体发展，同时也为其他行业提供了产学研用一体化发展的参考模式。

参考文献

[1] 孙玉明，贾永刚，田 雷.我国铁路运输技术规章管理机制优化研究[J].铁道运输与经济，2020，42(11)：44-50.

[2] SUN Yuming， JIA Yonggang， TIAN Lei.A Study on Optimizing Technical Regulation Management Mechanism of Railway Transportation[J]. Railway Transport and Economy，2020，42(11)：44-50.

[3] 贾永刚.我国铁路技术规章变迁机制与路径研究[J].铁道运输与经济，2019，41(9)：63-68.

[4] JIA Yonggang.A Research of the Change Mechanism and Path of Railway Technical Regulations in China[J]. Railway Transport and Economy，2019，41(9)：63-68.

[5] 薛 锋，李青青，左大杰.中美铁路技术规章影响因素及差异性对比分析[J].交通运输工程与信息学报，2021，19(2)：126-135.

[6] XUE Feng， LI Qingqing， ZUO Dajie.Influencing Factors and Differences between Railway Technical Regulations in China and the United States： A Comparative Analysis[J].Journal of Transportation Engineering and Information，2021，19(2)：126-135.

[7] 黄　璐，任　航，曹晓丽，等. 面向有组织产学研协同创新的合作主题挖掘[J]. 科学学研究，2025，43(3)：548-559.

[8] HUANG Lu， REN Hang， CAO Xiaoli，et al. Collaboration Topic Mining for Organized University-Industry-Research Synergy Innovation[J]. Studies in Science of Science，2025，43(3)：548-559.

[9] 王建胜. 长三角城市群产学研知识流动与先进制造业发展的机制与效应[J]. 经济地理，2024，44(2)：134-144，218.

[10] WANG Jiansheng. The Knowledge Flow of Industry-University-Research and the Development of Advanced Manufacturing in the Yangtze River Delta Urban Agglomeration：Mechanisms and Effects[J]. Economic Geography，2024，44(2)：134-144，218.

[11] 王美英，汪　洁，侯玉婷. 国家审计与国有企业产学研合作创新研究[J]. 审计研究，2024(2)：47-59.

[12] WANG Meiying， WANG Jie， HOU Yuting. Government Audit and Industry-University-Research Co-Innovation of State-Owned Enterprises[J]. Auditing Research，2024(2)：47-59.

[13] 李卫民. 铁路现代物流统计体系构建研究[J]. 铁道运输与经济，2019，41(5)：46-51.

[14] LI Weimin. A Research on the Construction of Railway Modern Logistics Statistics System[J]. Railway Transport and Economy，2019，41(5)：46-51.

[15] 李海涛，巫兰兰，宋琳琳，等. 我国档案服务承包方筛选参考指标体系构建研究[J]. 档案与建设，2022(5)：25-28.

[16] LI Haitao， WU Lanlan， SONG Linlin，et al. Research on the Construction of Archival Service Outsourcing Contractors Screening Reference Indictors System in China[J]. Archives & Construction，2022(5)：25-28.

[17] BI Q P， LI Y C， SHEN C. Screening of Evaluation Index and Construction of Evaluation Index System for Mine Ventilation System[J]. Sustainability，2021，13(21)：11810.

[18] 朱翠玲，季圣阳，刘彦君，等. 不同用途稻米品质指标体系构建与特征性指标筛选[J]. 食品工业科技，2025，46(4)：258-269.

[19] ZHU Cuiling， JI Shengyang， LIU Yanjun，et al. Construction of Quality Index System and Screening of Characteristic Index of Rice for Different Uses[J]. Science and Technology of Food Industry，2025，46(4)：258-269.

[20] 石宝峰，迟国泰. 基于信息含量最大的绿色产业评价指标筛选模型及应用[J]. 系统工程理论与实践，2014，34(7)：1799-1810.

[21] SHI Baofeng， CHI Guotai. Green Industry Evaluation Indicators Screening Model Based on the Maximum Information Content and Its Application[J]. Systems Engineering—Theory & Practice，2014，34(7)：1799-1810.

[22] MENG Q Y， WU J H， WANG H Y. Research on New Energy Power System Stability Situation Awareness Based on Index Screening and Dynamic Evaluation[J]. Processes，2023，11(5)：1509.

[23] 沈珍瑶，杨志峰. 灰关联分析方法用于指标体系的筛选[J]. 数学的实践与认识，2002，32(5)：728-732.

[24] SHEN Zhenyao， YANG Zhifeng. Gray Associate Analysis Method in Screening of Index System[J]. Mathematics in Practice and Theory，2002，32(5)：728-732.

[25] 金菊良，周亮广，王　平，等. 基于相对联系数的区域水利高质量发展评价指标体系筛选方法[J]. 华北水利水电大学学报(自然科学版)，2024，45(1)：43-51.

[26] JIN Juliang， ZHOU Liangguang， WANG Ping，et al. Screening Method of Evaluation Index System for High-Quality Development of Regional Water Conservancy Based on Relative Connection Number[J]. Journal of North China University of Water Resources and Electric Power (Natural Science Edition)，2024，45(1)：43-51.

[27] 蒋云良，徐从富. 集对分析理论及其应用研究进展[J]. 计算机科学，2006，33(1)：205-209.

[28] JIANG Yunliang， XU Congfu. Advances in Set Pair Analysis Theory and Its Applications[J]. Computer Science，2006，33(1)：205-209.

[29] 金菊良，沈时兴，潘争伟，等. 水资源集对分析理论与应用研究进展[J]. 华北水利水电大学学报(自然科学版)，2017，38(4)：54-66.

[30] JIN Juliang， SHEN Shixing， PAN Zhengwei，et al. Advances in Theoretical and Applied Research on Set Pair Analysis Method for Water Resources System[J]. Journal of North China University of Water Resources and Electric Power (Natural Science Edition)，2017，38(4)：54-66.

[31] 梁　爽，刘小平. 基于文本挖掘的科技文献主题演化研究进展[J]. 图书情报工作，2022，66(13)：138-149.

[32] LIANG Shuang， LIU Xiaoping. Research Progress on Topic Evolution of Scientific and Technical Literatures Based on Text Mining[J]. Library and Information Service，2022，66(13)：138-149.

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(P2023B001)