付亚超

(轨道交通工程信息化国家重点实验室(中铁一院),西安 710043)

引言

截至2020年底，中国(以下文中涉及全国数据均指中国大陆地区，不含港澳台)共有45个城市开通城市轨道交通(以下简称“城轨交通”)运营线路244条，运营线路总长7 969.7 km，累计投运车辆段和停车场共计384座[1]。在全自动运行技术的推动下[2-6]，在5G、物联网、大数据等技术的加持下[7-13]，各城轨公司针对自身在运维过程中存在的问题纷纷开展了智能运维工作。其中，上海地铁相继开展了供电、车辆、工务、通信信号等全专业智能运维系统研究[14-17]，并取得了较好的效果；北京、广州等城轨公司、设计院和高校重点对车辆智能运维技术进行了研究[18-22]，提高了地铁运营的可靠性，优化了运维单位的结构和人员构成。

根据调研，城轨智能运维尚处于专业试点发展阶段，目前只有北京地铁初步建立了车辆智能运维的评价指标[23]，对于智能运维水平的评价体系尚未建立。根据目前智能运维的发展现状，对车辆基地智能运维指标及评价体系进行了研究。

1 车辆基地智能运维简介

车辆基地智能运维以车辆智能运维为中心，兼顾车辆基地内机电设备、工艺设备、基础设施、材料保障等智能运维工作。

车辆基地智能运维是以车载监测设备、轨旁检测设备、检修设备、物料计划、修程修制为主要管控对象，围绕设备运维全过程质量控制，采用移动通信、云计算、物联网、大数据、人工智能等智能技术，实现关键系统和设备故障自诊断、远程集中监测、专家系统综合决策、故障预测健康管理等功能的综合智能维修系统，以提高安全服务水平和管理效率，降低劳动强度、技能要求和运维成本，以自然科学特征为主的活动。

2 车辆基地智能运维评价体系

2.1 车辆基地智能运维评价体系的建立

构建车辆基地智能运维评价指标体系是对车辆基地智能运维综合评价的基础，应能客观、全面、科学的反映车辆基地实行智能运维策略的能力。对于车辆基地智能运维来说，智能运维的技术水平及装备、车辆检修效率和效益均是车辆基地实现智能运维的主要因素。经调研、对比、分析及筛选，并根据《城市轨道交通运营指标体系》[24]，建立车辆基地智能运维评价指标体系，见表1。

表1 车辆基地智能运维评价指标体系

该评价体系从车辆基地智能运维的技术指标、效率类指标、效果(效益)类和安全类指标4个维度，15个具体指标综合分析车辆基地智能运维能力。

2.1.1 技术类指标

车辆基地智能技术类指标体系包括运维设备配置水平、智能运维建设水平、智能运维系统的决策能力和智能运维人员技术水平等4个指标。

运维设备配置水平：反映车辆基地智能运维设备配置状况和水平。车辆基地智能运维设备配置主要包括轨旁监测设备、车载监测设备、移动检测设备、智能存储设备等，能够直接、客观地反馈车辆基地智能运维的装备能力。

运维平台建设水平：智能运维平台是车辆基地智能运维体系的重要组成部分，平台既是数据存储、提取、筛选、分析的载体，又是对智能运维相关应用的重要窗口，故起到承上启下的作用。车辆基地智能运维平台包括单项运维设备的平台，发展到最高层级即车辆基地智能运维体系综合应用的大数据平台。

运维系统决策能力：反映车辆基地智能运维系统建立后，其产生的具体效果。车辆基地智能运维系统建立后，需对既有业务水平和效率有所提升，又需要产生新的应用，以指导车辆基地的运维。

运维人员技术水平：反馈车辆基地智能运维系统建立后，现场运维人员和技术管理人员对智能运维系统的适应性和提升性等问题。建成的智能运维体系需对现场检修人员、技术管理人员进行培训，以适应新系统和新装备。

2.1.2 效率类指标

车辆基地智能运维效率类指标是体现车辆基地管理水平和维修技能的指标，包括车辆利用率、维修人员人车比、故障平均修复时间、各级修程平均库停时间、备件周转率等5个指标。

车辆利用率：反馈能够上线运营的电客车数量和全线配属电客车数量的比值，此值能够直接体现建设车辆基地智能运维对车辆检修的效率；车辆利用率越高，说明建设车辆基地智能运维系统后，检修效率越高，效果越明显。

维修人员人车比：维修人员和电客车数量的比值，比值越大，说明单辆车投入的检修人员较多，检修效率越低。经调研，传统运维情况下维修人员人车比约为0.6，车辆基地智能运维系统建设后，维修人员人车比可降低到0.3～0.4[9]。

故障平均修复时间：车辆故障平均修复时间是指车辆报修的所有故障从入库检修开始到修复交验位置所用的平均时间。修复时间越长，占用资源越多，检修效率也就越低。

各级修程平均库停时间：各级修程平均库停时间是指车辆在进行各级检修时(列检、双周检、三月检、定修、临修等修程)需在库中停留的时间。停留时间越长，车辆利用率就越低，检修效率也越低。

备件周转率：备件周转率是指车辆基地配品备件的周转效率。车辆基地智能运维系统建设后，可进行大数据分析，对备件的采购、库存进行优化和指导，备件周转率提高后，可减少备件占用空间，提升检修效率。

2.1.3 效果(效益)类指标

效果(效益)类指标是影响车辆运行稳定和健康状态指标，也是能够反馈车辆基地维修成本节约管控的指标。由于车辆基地是以车辆检修为主，其投入产出的经济性不明显，故暂不考虑由于智能运维带来的经济类指标，主要考虑其社会效益类指标，包括乘客舒适度、能源消耗水平、工作人员舒适度、车辆平均故障率等4个指标。

乘客舒适度：反馈在运营过程中乘客对车辆噪声、温度、乘客信息系统的满意及舒适程度，能够从侧面反馈出车辆维修水平。乘客舒适度越高，就能体现车辆智能运维的水平就越高。

能源消耗水平：能源消耗水平是指车辆基地内电力、天然气等能源消耗水平。通过建立车辆基地智能运维水平，通过研究，能够一定程度降低电力等能源的消耗水平。

工作人员舒适度：工作人员舒适度是反馈工作人员在车辆基地工作时环境、安全等综合指标。通过建立车辆基地智能运维系统，人员作业环境、作业安全得到一定程度的提升。

车辆平均故障率：车辆平均故障率是指系统记录的由于车辆原因造成运营故障发生的频率，该指标是衡量车辆健康状况和维修质量的基础性安全指标。平均故障率越小，反馈车辆智能运维水平越高。

2.1.4 安全类指标

安全类指标是由于车辆基地在运行过程及由于车辆基地运营造成的各类安全问题。主要包括车辆平均故障率、作业人员工伤率以及机电设备故障率等。

作业人员工伤率：作业人员工伤率是指作业人员在作业过程中由于环境、设备或者自身等原因受伤概率。通过建立车辆基地智能运维系统，使部分工序由“机检”替代“人检”，能够一定程度降低作业人员工伤概率。

机电设备故障率：机电设备故障率是指车辆基地内泵、风机、供电等设备发生故障的概率，通过建立车辆基地智能运维系统，能够实现部分设备的健康监测和故障预测，降低机电设备的故障发生率，提升系统安全性。

2.2 车辆基地智能运维水平判断指标

根据车辆基地智能运维发展阶段，车辆基地智能运维水平按照由低到高可划分为传统运维、自动化运维、敏捷型运维、智能运维等4个等级[25]，并按照0～10的分值区间对对应的智能运维发展程度进行打分，具体见表2。

表2 车辆基地智能运维程度判断指标

3 车辆基地智能运维评估模型建立

根据上节阐述，影响车辆基地智能运维的因素主要由4个维度、15个主要具体因素(指标)，需确定各个因素对车辆基地智能运维的影响程度，也就是权重分析。目前，多层级因素评价方法有层次分析法(Analytic Hierarchy Process，AHP)、熵权法等。因此，主要选用层次分析法和熵权法对车辆基地智能运维等级进行研究。

3.1 基于AHP的评估模型建立过程

当车辆基地智能运维的15个指标各有1个单独赋值时，可使用AHP进行车辆基地智能运维水平评估。具体评估步骤如下。

步骤1：建立层次结构模型。根据车辆基地智能运维4个维度和15个因素建立层次结构模型。如图1所示。

图1 车辆基地层次结构模型示意

步骤2：构造判断矩阵。根据层次模型建立本层对上一层因数的判断矩阵。

经过讨论、比较和判断，给出第二层对第一层的两两比较判断矩阵如下

分别给出第三层对第二层的3个比较判断矩阵

步骤3：利用归一法求出单层次权重，并进行矩阵的一致性检验。单层次权重见表3。

表3 单层次权重及其一致性检验

步骤4：将B1-P、B2-P、B3-P、B4-P单层次权重向量组合为15(行)×3(列)的矩阵，并与A-B权重向量相乘，即得出15个指标的权重。

W=(0.010 5，0.028 5，0.055 5，0.055 5，0.027 0，

0.162 0，0.162 0，0.090 0，0.018 0，0.029 7，

0.082 5，0.059 4，0.197 6， 0.022 4， 0.008 4)T

(1)

通过式(1)可对车辆基地智能运维的15个指标重要程度进行排序，具体见表4。

表4 车辆基地智能运维指标重要程度排序

步骤5：根据因素权重和各因素的赋值，得出车辆基地智能运维水平得分。

(2)

式中，Ci为第i个指标的赋值，赋值一般邀请专家打分完成。当车辆基地的智能运维程度进行评价时，需要邀请业界1名或者数名专家进行综合判断后打分。专家需进行现场调研、组织调查问卷、查看相关履历档案等与智能运维指标相关的内容后，通过综合判断后对指标进行打分。

3.2 基于熵权法的评估模型建立过程

当车辆基地智能运维的15个指标各出现2个及以上的赋值时，需对指标赋值利用熵权法进行归一化处理，然后再根据AHP建立的指标权重确定车辆基地智能运维水平。熵权法具体评估步骤如下。

步骤1：对各指标赋值进行标准化处理。

(3)

式中，wij为指标赋值矩阵；Yij为标准化处理后的矩阵。

步骤2：求出信息熵。信息熵公式为

(4)

步骤3：求出各赋值的权重。权重计算公式为

(5)

步骤4：求出各指标信息熵后的赋值。赋值公式为

(6)

步骤5：利用AHP求出车辆基地智能运维水平得分。

4 算例分析

4.1 基于AHP车辆基地智能运维水平计算

3个车辆基地智能运维项目需进行智能运维程度评价，特邀请1名专家对3个车辆基地智能运维各指标进行打分，具体分值见表5。

根据表2关于车辆基地智能运维的判断指标，可以得出3个车辆基地智能运维等级。

车辆基地1智能运维得分为8.39分，位于第四等级，即智能运维阶段。

车辆基地2智能运维得分为7.18分，位于第三等级，即敏捷型运维阶段。

车辆基地3智能运维得分为5.69分，位于第二等级，即自动化运维阶段。

4.2 基于熵权法车辆基地智能运维水平计算

某城市地铁车辆基地进行智能运维改造后，对其智能运维等级进行判断，特邀请10名专家对智能运维的15个指标分别进行打分，具体打分见表6。

表5 3个车辆基地智能运维情况打分

表6 某车辆基地智能运维情况专家打分

利用式(3)对打分数据进行标准化后，见表7。

表7 打分数据标准化

利用式(4)计算出各个权重的信息熵，见表8。

表8 信息熵计算

利用式(5)计算出每个专家的权重，如表9所示。

表9 每个专家对一个指标的打分权重

根据式(5)计算出每个专家加权后每个指标打分，见表10。

表10 加权后的每项指标打分

根据式(2)，计算出该车辆基地智能运维的打分为

(7)

根据表2中车辆基地智能运维的判断指标，可以得出该智能运维得分为7.82，位于第四等级，即智能运维阶段。

5 结论

(1)车辆基地智能运维指标重要程度。通过层次分析法(AHP)对影响车辆基地智能运维15个因素进行了分析，并得出其对应的影响权重。因素“车辆平均故障率”得分最高，对车辆基地智能运维影响最大，“机电设施故障率”得分最低，对车辆基地智能运维影响较小。

(2)城轨公司可根据车辆基地智能运维的权重排序，确定有效提升智能运维水平的策略，有针对性的提升车辆基地智能运维程度和等级。

(3)基于层次分析法(AHP)能有效确定车辆基地各因素的权重，但在其决策过程中，判断矩阵、各因素赋值均为根据经验、调查问卷等方式得出，且只能对各因素赋值一组得分，主管因素对车辆基地智能运维水平影响较大。

(4)基于熵权法进行的车辆基地智能运维水平计算，可以根据需要组成数名专家共同为同一车辆基地智能运维得分，并通过熵权法对得分进行加权归一，使车辆基地智能运维的打分更客观。

(5)建议在实际的评价过程中，可使用基于AHP+熵权法的组合方式，对车辆基地智能运维水平进行综合评价。