铁路建设监理信息系统大数据分析

导语：铁路建设监理信息系统大数据分析一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要:为了进一步提高对铁路建设安全质量管理的把控，通过对铁路质量安全管理的充分研究，结合现有的信息技术和大数据分析原理，设计了京津冀铁路监理管理信息系统。实际应用情况表明，该系统可较好地解决建设单位对现场把控不足、缺乏有效数据支撑、管理重点不突出、管理精细化不够等问题，实现了对各监理施工单位的侧重管理、重要时间段和重点项目的管理，有效提升了京津冀城际铁路各项目建设单位质量安全监督管理的水平。

关键词:铁路建设工程;质量安全管理;大数据分析

1大数据分析的重要性及意义

当前，大数据已成为国家、企业的重要资产之一，被誉为未来的新“石油”。我国政府对大数据研究和应用也给予了前所未有的高度重视。2014年3月，大数据首次写入《政府工作报告》中。铁路工程项目建设时间长、施工工序多、节奏快、涉及单位数量多、质量安全影响因素复杂，单纯依靠人的经验和分析已不能满足复杂、高效协同的管理需求［1－3］。监理单位是铁路工程建设质量控制的主体，在履行其职责的过程中，会产生大量的日常管理数据［4－6］。目前，常规数据处理方式难以将数据有效的利用起来，且整理汇总费时费力，无法快速有效地服务于工程现场的质量安全管理工作。借助大数据几大核心思维，从“流程”核心转变为“数据”核心，提高数据整合度，提取重点数据信息;用数据来对现场状况进行解析，提高数据的客观性和可靠度［7－10］;利用大数据的全样本原理避免抽样的偶然性，提高结论的真实性;利用大数据的预测原理对数据进行趋势分析，提高现场管理的针对性［11－12］。因此，利用信息化手段进行铁路建设监理信息系统研究意义重大。

2大数据分析面临的问题

我国铁路已建立大量支撑铁路网建设和运营的信息系统，但是在铁路建设工程监理管理大数据分析方面还有所欠缺［13－14］。其中，在数据采集、数据质量控制、数据真实性验证和数据融合等环节尚存在较多困难。(1)数据采集统计汇总的基础是数据采集。目前，多数系统的数据采集过于依赖人工填报，费时费力，时效性难以得到保证。(2)数据质量控制数据采集的数量比较容易量化评判，可以通过管理手段来制定硬性指标强制获取，但是数据的质量难以通过设定标准来进行考核。考虑到铁路现场人员的素质参差不齐，且仅依靠管理来提高数据质量效果欠佳［15］。(3)数据真实性验证真实性是数据统计分析的必要条件。目前，铁路建设工程中存在隐瞒不报、弄虚作假等现象。若数据不真实，所有的汇总统计结果都将没有意义。只有保证数据的真实性，管理决策者才能从数据的汇总统计终端获取到全面和有价值的决策依据，而不必频繁去现场了解情况。(4)数据融合融合是大数据的价值所在，对于京津冀公司来说尤其如此。每条线路、每个项目都是独立运作的，相互之间数据的交互并不多。因此，将整条线路的数据融合在一起，甚至于借鉴其它铁路项目的管理和数据来对本项目进行优化，都具有重要意义。根据行业的实际情况，解决上述问题是铁路建设工程质量安全管理汇总统计、大数据分析的重中之重。

3汇总统计大数据分析设计

基于对铁路工程质量安全管理大数据分析现状的研究，认为大数据分析的重点为两个方面:一是对人的行为分析(侧重于对人员履职情况的统计分析);二是对问题的分析(侧重于对问题类别、趋势的统计分析)。以下将围绕这两个侧重点解决大数据分析的几个核心问题。3.1核心设计。根据大数据思维的核心原理，数据优于流程，系统对流程进行简化，同时采用“云端+移动端”的系统模式。移动端侧重采集数据，获取全样本数据;云端则侧重云计算和大数据分析。(1)数据采集现场巡视、发现质量安全问题是现场监理人员的日常工作之一。发现问题即可拍照并上传，无需另行筛选汇总。系统通过后台基础信息维护对项目人员、工点信息进行权限划分，在保证数据后台分类汇总的基础上，简化现场人员的操作。(2)数据质量系统通过内置相关的高速铁路质量验收标准和安全技术规程，提高了现场监理人员的识别能力。同时，提交的检查内容都需要提供照片和文字描述才能上传，加强了互相监督和学习，统一了检查标准，提高了数据的质量。(3)真实性系统采用账号和设备MAC地址绑定的审核机制，一个账号只能绑定一个设备，若更换需要重新绑定认证。同时，在检查、保存、上传的过程中进行人像自动抓拍，保证了人、机、号的一一对应。照片只能通过移动APP现场拍摄，且每张图片都自动记录拍摄、上传的时间水印，消除了弄虚作假的可能。(4)数据融合系统通过对工程项目、施工阶段的分解，对每个独立的检查信息赋予特征值，并在不同的层级进行匹配。将收集到的各个单位、工点、不同时间、不同类别的问题进行分类汇总。按照管理者的需求，在平台上进行不同维度的筛选，最终使数据的结果和趋势清晰化、准确化。3.2统计分析。汇总统计分析的要点为问题分类占比、趋势汇总。(1)问题分类占比根据调研，管理人员往往对当月的数据比较关注，首页默认对当月的数据进行汇总统计，从各监理单位的检查数据量情况、施工单位问题及整改情况、检查问题的分布情况、质量安全问题发展趋势情况、各标段工程检查数据汇总5个方面展开，并统计各类问题所占比例，实现对质量安全管理的总体把控。从监理单位的检查情况可大体了解其履职情况;从施工单位质量安全问题及整改情况可大体了解施工单位出现的问题以及整改落实情况;从各种问题的分布情况可了解现场需重点关注的施工阶段;从质量安全问题的发展趋势可了解现场质量安全管理的现状;从各标段工程检查数据汇总结果可了解工点的检查次数、问题个数等情况。(2)趋势汇总对于决策人员来说，最想知道的是现场质量安全问题最多的工点。因此，需要对具体问题的精准管理进行统计分析。首先从结构上将检查内容按照线路、标段、工点进行分类。其次从问题类型的角度上分为质量问题和安全问题。然后将问题进一步细分，如桥涵－桩基础。最后对问题状态细分为时限内未闭合、超时未闭合、已闭合等状态。提供多个维度的筛选条件，例如标段、工点、检查单位、检查人、检查类别、施工阶段、重要度等，最大化地实现对各种问题的多角度统计汇总。

4汇总统计分析的应用

该系统自研发以来，已在京津冀城际铁路的3条线路、7个监理标段应用。已产生60000多个质量安全检查数据、20000多条视频数据，整改闭合质量安全问题2300多个(数据统计截止日期2019/6/16)。利用信息技术结合大数据构建的信息化系统较好地解决了建设单位对现场安全质量问题把控不到位的问题，使得建设单位可以方便快速地了解现场任意时间段、任意工点的质量安全情况，可对问题比较突出的时间段、工点、单位的异常数据进行重点把控。图1是某阶段线路的检查统计情况，由图1可知，现场质量问题多出现在桥涵工程，占所有问题的61.9%，桥涵问题中最多的是桩基础，占所有桥涵问题的45.8%;常见问题是钢筋笼放置、焊接不符合要求;质量问题最多的工点为潮白河特大桥(33个问题)。安全问题最多的是桥涵工程的基础;最常见的问题为泥浆池、临边防护问题和配电箱管理问题。从图2可知，安全问题最多的工点是潮白河特大桥(48个问题)。基于大数据统计分析的结果，可以对问题最多的工点和常见的问题进行专项检查，从而提高现场的质量安全管理水平。图3为某单位质量安全问题趋势，由图3可知，该线路2019年3月问题最多，4～6月问题逐渐减少，呈下降趋势。通过分析可知，1、2月份临近春节，工点陆续停工，人员放假回家，问题逐渐减少。3月份全面开工，对质量安全问题的把控力度有所增强，从一开始问题较多到逐渐减少，符合现场的实际情况，也从侧面反映了现场质量安全问题的把控情况。

5结束语

通过对铁路质量安全管理的充分研究，结合大数据的几大核心优势，设计了京津冀铁路监理管理信息系统。实际应用情况表明，该系统较好地解决了建设单位对现场把控不足、缺乏有效数据支撑、管理重点不突出、管理精细化不够等问题，实现了对各监理施工单位的侧重管理、重要时间段和重点项目的管理，有效提升了京津冀城际铁路各项目建设单位质量安全监督管理的水平。

作者:王二平 李范 陈聪 单位:1.京津冀城际铁路投资有限公司 2.上海同是科技股份有限公司