劉 新，呂 峰，孫玉明，李福順

（1.中國(guó)鐵道科學(xué)研究院集團(tuán)有限公司 運(yùn)輸及經(jīng)濟(jì)研究所，北京 100081；2.中國(guó)國(guó)家鐵路集團(tuán)有限公司 安全監(jiān)督管理局，北京 100844；3.中國(guó)國(guó)家鐵路集團(tuán)有限公司 科技與信息化部，北京 100844；4.中國(guó)鐵路北京局集團(tuán)有限公司 豐臺(tái)機(jī)務(wù)段，北京 100070）

安全是鐵路的生命線，但是鐵路作為一個(gè)復(fù)雜的巨型系統(tǒng)，在某種程度上，鐵路交通事故是鐵路運(yùn)輸生產(chǎn)的必然附帶品。因此，當(dāng)事故發(fā)生時(shí)，及時(shí)、準(zhǔn)確地對(duì)事故進(jìn)行分析和判斷，明確事故原因和責(zé)任，以便為事故預(yù)防提供決策支持，是一項(xiàng)重要的安全管理工作。其中，對(duì)于違章導(dǎo)致的事故，明確其違反的具體規(guī)章和條款是鐵路交通事故分析中的重要一環(huán)，目前，這項(xiàng)工作主要由人工完成。由于技術(shù)規(guī)章繁多，并且涉及眾多不同的專業(yè)，對(duì)事故調(diào)查人員及時(shí)、準(zhǔn)確地進(jìn)行分析判斷提出了不小的挑戰(zhàn)。

近年來(lái)，大數(shù)據(jù)、自然語(yǔ)言處理等技術(shù)在鐵路安全領(lǐng)域的研究和應(yīng)用越來(lái)越得到重視，王同軍[1]認(rèn)為安全大數(shù)據(jù)是鐵路大數(shù)據(jù)應(yīng)用的一個(gè)重要方面；鄒丹等人[2]、宋修德等人[3]探討了大數(shù)據(jù)平臺(tái)的設(shè)計(jì)和應(yīng)用；寧勇[4]研究了基于大數(shù)據(jù)的安全預(yù)警方法；楊連報(bào)等人[5]研究了利用文本大數(shù)據(jù)分析技術(shù)對(duì)事故報(bào)告進(jìn)行文本挖掘，并分析了幾個(gè)典型的應(yīng)用場(chǎng)景，但僅限于對(duì)事故報(bào)告文本所提取信息的分析。

經(jīng)過(guò)多年的信息化建設(shè)，我國(guó)已建成了相對(duì)比較完善的鐵路安全監(jiān)督管理信息系統(tǒng)和鐵路技術(shù)規(guī)章管理系統(tǒng)，實(shí)現(xiàn)了全路交通事故和技術(shù)規(guī)章的電子化管理。因此，將鐵路安全信息與鐵路技術(shù)規(guī)章數(shù)據(jù)進(jìn)行融合應(yīng)用，借助于大數(shù)據(jù)、自然語(yǔ)言處理等先進(jìn)技術(shù)，對(duì)事故概況等安全信息進(jìn)行智能化的自動(dòng)分析判斷，在人工輔助下提取相關(guān)技術(shù)規(guī)章條款，實(shí)現(xiàn)鐵路安全監(jiān)督管理信息系統(tǒng)與鐵路技術(shù)規(guī)章管理系統(tǒng)的有機(jī)融合，有助于提高事故分析的準(zhǔn)確性，推動(dòng)事故調(diào)查手段的智能化。

1 業(yè)務(wù)需求分析和系統(tǒng)功能設(shè)計(jì)

1.1 業(yè)務(wù)需求分析

根據(jù)鐵路交通事故調(diào)查流程，有事故發(fā)生時(shí)，列車(chē)調(diào)度員要在第一時(shí)間填寫(xiě)《鐵路交通事故（設(shè)備故障）概況表》（安監(jiān)報(bào)1）并提報(bào)事故發(fā)生地安全監(jiān)察值班人員；安全監(jiān)察值班人員接到安監(jiān)報(bào)1或現(xiàn)場(chǎng)事故報(bào)告后，要立即填寫(xiě)《鐵路交通事故基本情況表》（安監(jiān)報(bào)3），并向中國(guó)國(guó)家鐵路集團(tuán)有限公司（簡(jiǎn)稱：國(guó)鐵集團(tuán)）安監(jiān)局值班人員報(bào)告[6]。根據(jù)事故等級(jí)，由相應(yīng)部門(mén)或授權(quán)的相應(yīng)部門(mén)組織有關(guān)人員進(jìn)行事故調(diào)查，厘清事故原因，認(rèn)定事故責(zé)任，總結(jié)事故教訓(xùn)；國(guó)鐵集團(tuán)安監(jiān)局和鐵路局集團(tuán)公司（簡(jiǎn)稱：鐵路局）安監(jiān)室需要定期對(duì)鐵路交通事故情況進(jìn)行統(tǒng)計(jì)分析。事故報(bào)告信息流程如圖1所示。

在事故調(diào)查分析初期，事故概況是分析該事故違反的具體技術(shù)規(guī)章條款的主要依據(jù)；但由于事故概況大多只是對(duì)事故現(xiàn)象的簡(jiǎn)單概括性描述，單從事故概況入手去分析和確定違反的規(guī)章條款，可能性微乎其微。通過(guò)對(duì)歷史事故報(bào)告的數(shù)據(jù)挖掘，可以獲取事故概況與違反的技術(shù)規(guī)章及條款之間的某種關(guān)聯(lián)，借助于建立在大數(shù)據(jù)基礎(chǔ)上的這種關(guān)聯(lián)性，根據(jù)事故概況的文本描述，大概率能夠檢索到相關(guān)的規(guī)章條款，輔之以人工分析和確認(rèn)，實(shí)現(xiàn)對(duì)鐵路交通事故進(jìn)行智能化分析的目標(biāo)[7]。

1.2 系統(tǒng)功能設(shè)計(jì)

在業(yè)務(wù)需求分析的基礎(chǔ)上，設(shè)計(jì)開(kāi)發(fā)鐵路安全信息與技術(shù)規(guī)章協(xié)同分析系統(tǒng)，系統(tǒng)功能主要包括事故分析、智能檢索、統(tǒng)計(jì)分析及系統(tǒng)管理等。

1.2.1 事故分析

根據(jù)事故概況、基于大數(shù)據(jù)和自然語(yǔ)言處理技術(shù)構(gòu)建的鐵路專業(yè)關(guān)鍵詞庫(kù)可自動(dòng)提取事故特征，智能推薦事故可能違反的技術(shù)規(guī)章條款。同時(shí)，用戶可以根據(jù)推薦結(jié)果進(jìn)行關(guān)鍵詞調(diào)整，或者縮小規(guī)章推薦范圍，以提高推薦準(zhǔn)確率。

1.2.2 智能檢索

用戶可輸入任意關(guān)鍵詞或詞組，對(duì)技術(shù)規(guī)章庫(kù)進(jìn)行全文檢索，并按與關(guān)鍵詞的關(guān)聯(lián)度對(duì)檢索結(jié)果進(jìn)行排序。系統(tǒng)支持在第一次檢索結(jié)果中進(jìn)行二次檢索，并可通過(guò)設(shè)置特定條件進(jìn)行高級(jí)檢索，提高規(guī)章檢索的準(zhǔn)確率。為提高檢索召回率，系統(tǒng)可利用中文分詞算法對(duì)用戶輸入的詞組進(jìn)行分詞處理后再進(jìn)行全文檢索。

1.2.3 統(tǒng)計(jì)分析

包括事故統(tǒng)計(jì)和關(guān)聯(lián)分析。事故統(tǒng)計(jì)以表格和圖形相結(jié)合的形式，從多個(gè)維度對(duì)事故發(fā)生情況進(jìn)行分類(lèi)展示；關(guān)聯(lián)分析功能則對(duì)違反某一規(guī)章或條款的事故數(shù)量進(jìn)行統(tǒng)計(jì)，建立技術(shù)規(guī)章與事故之間的關(guān)聯(lián)關(guān)系，輔助技術(shù)規(guī)章管理人員對(duì)技術(shù)規(guī)章的應(yīng)用和適用情況進(jìn)行分析，以便為技術(shù)規(guī)章的編修、培訓(xùn)等工作提供決策支持。

1.2.4 系統(tǒng)管理

主要包括角色管理、用戶管理和操作日志等功能。系統(tǒng)將所有的功能模塊分解為相對(duì)獨(dú)立的子功能模塊，可根據(jù)用戶類(lèi)別的不同設(shè)定不同的角色，并可根據(jù)需要為每個(gè)角色賦予不同的權(quán)限（子功能模塊組合）；而用戶則與角色綁定，系統(tǒng)管理員可以隨時(shí)根據(jù)需要對(duì)用戶的角色進(jìn)行調(diào)整[8]。

2 技術(shù)路線及系統(tǒng)架構(gòu)設(shè)計(jì)

2.1 技術(shù)路線

（1）采用自然語(yǔ)言處理領(lǐng)域中前沿的機(jī)器學(xué)習(xí)模型對(duì)海量事故報(bào)告進(jìn)行智能分析，搭建機(jī)器學(xué)習(xí)模型，抽取能夠表征事故特征的關(guān)鍵詞并訓(xùn)練機(jī)器學(xué)習(xí)模型，以滿足系統(tǒng)自動(dòng)分析的要求。

（2）搭建事故智能檢索平臺(tái)，使用自然語(yǔ)言領(lǐng)域領(lǐng)先的智能語(yǔ)義分析和全文檢索技術(shù)，從海量技術(shù)規(guī)章庫(kù)中根據(jù)關(guān)鍵詞，智能、快速、準(zhǔn)確、高效地檢索出目標(biāo)規(guī)章及條款。

2.2 系統(tǒng)總體架構(gòu)

鐵路安全信息與技術(shù)規(guī)章協(xié)同分析系統(tǒng)的總體架構(gòu)由數(shù)據(jù)接入、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)分析、數(shù)據(jù)資源管理和接入服務(wù)5層結(jié)構(gòu)組成，如圖2所示。

（1）數(shù)據(jù)接入：系統(tǒng)接入的數(shù)據(jù)主要包括2部分，鐵路安全監(jiān)督管理信息系統(tǒng)的事故信息和鐵路技術(shù)規(guī)章管理系統(tǒng)的技術(shù)規(guī)章數(shù)據(jù)。

（2）數(shù)據(jù)存儲(chǔ)：根據(jù)數(shù)據(jù)量的大小、應(yīng)用方向的不同，將收集來(lái)的數(shù)據(jù)以不同的方式進(jìn)行存儲(chǔ)。例如，大量的離線計(jì)算數(shù)據(jù)存儲(chǔ)在HDFS里，緩存數(shù)據(jù)存儲(chǔ)在Redis里，關(guān)系型數(shù)據(jù)存儲(chǔ)在Oracle數(shù)據(jù)庫(kù)中[9]。

（3）數(shù)據(jù)分析：對(duì)各種數(shù)據(jù)進(jìn)行預(yù)處理、清洗、加工、學(xué)習(xí)、計(jì)算、建模，輸出系統(tǒng)需要的數(shù)據(jù)類(lèi)型，以及各種模型和接口。

（4）數(shù)據(jù)資源管理：對(duì)各種類(lèi)型的數(shù)據(jù)、計(jì)算模型和相應(yīng)的接口進(jìn)行管理，并生成相應(yīng)的平臺(tái)供最外層調(diào)用，包括各種資源的管理、應(yīng)用開(kāi)發(fā)、開(kāi)放平臺(tái)等。

（5）接入服務(wù)：提供相應(yīng)的接口和平臺(tái)，供展示和第三方調(diào)用。

3 系統(tǒng)關(guān)鍵技術(shù)研究

3.1 事故智能分析

（1）標(biāo)準(zhǔn)的鐵路交通事故報(bào)告通常包含事故概況、調(diào)查情況、原因分析、定性定責(zé)、整改措施等多個(gè)部分，根據(jù)對(duì)歷史事故報(bào)告文本的語(yǔ)義分析和數(shù)據(jù)挖掘，可以提取事故特征及事故違反的具體規(guī)章條款的特征，從而在事故特征與規(guī)章條款特征之間建立關(guān)聯(lián)關(guān)系。對(duì)全部歷史事故報(bào)告分析完成后，即可初步建立事故特征與規(guī)章條款特征關(guān)聯(lián)庫(kù)（簡(jiǎn)稱：事故-規(guī)章關(guān)聯(lián)庫(kù)），事故特征與規(guī)章條款特征

通常是多對(duì)多的關(guān)系。

（2）對(duì)于需要分析的事故，系統(tǒng)根據(jù)安監(jiān)報(bào)3中的事故概況自動(dòng)提取事故特征，并根據(jù)事故特征檢索事故-規(guī)章關(guān)聯(lián)庫(kù)。如果事故-規(guī)章關(guān)聯(lián)庫(kù)中存在與該事故特征相關(guān)聯(lián)的規(guī)章特征，則取回規(guī)章特征，在規(guī)章庫(kù)中進(jìn)行檢索，然后由用戶在檢索返回的規(guī)章條款中確定作為事故原因的1個(gè)或多個(gè)條款；如果事故-規(guī)章關(guān)聯(lián)庫(kù)中沒(méi)有與該事故特征相關(guān)聯(lián)的規(guī)章特征，則由用戶根據(jù)經(jīng)驗(yàn)和專業(yè)知識(shí)將事故特征轉(zhuǎn)換為規(guī)章特征并進(jìn)行規(guī)章檢索。用戶確認(rèn)后的規(guī)章特征將自動(dòng)添加到事故-規(guī)章庫(kù)中，通過(guò)這種方式不斷豐富事故-規(guī)章庫(kù)，提高根據(jù)事故概況檢索規(guī)章條款的準(zhǔn)確性，事故智能分析流程如圖3所示。

3.2 技術(shù)規(guī)章全文檢索

技術(shù)規(guī)章全文檢索采用開(kāi)源的Elasticsearch搜索引擎。Elasticsearch是一個(gè)分布式、高擴(kuò)展、高實(shí)時(shí)的搜索與數(shù)據(jù)分析引擎，能夠?qū)崿F(xiàn)接近實(shí)時(shí)地存儲(chǔ)、搜索和分析海量數(shù)據(jù)，對(duì)結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)都有著很好的支持，同時(shí)，它還有良好的可擴(kuò)展性，既能夠在筆記本電腦上運(yùn)行，也可以在承載了 PB 級(jí)數(shù)據(jù)的成百上千臺(tái)服務(wù)器上運(yùn)行，能夠根據(jù)業(yè)務(wù)需要進(jìn)行靈活的部署[10]。技術(shù)規(guī)章的全文檢索可以分為分詞處理和全文檢索2個(gè)過(guò)程。

（1）分詞處理：系統(tǒng)支持根據(jù)任意關(guān)鍵詞或短語(yǔ)進(jìn)行規(guī)章檢索，由于對(duì)用戶輸入內(nèi)容沒(méi)有嚴(yán)格的限制，因此輸入的關(guān)鍵詞或短語(yǔ)具有一定的隨意性，未必能夠在技術(shù)規(guī)章中檢索到匹配的條款。為提高檢索的召回率，在檢索開(kāi)始之前，先對(duì)用戶輸入的關(guān)鍵詞或短語(yǔ)進(jìn)行分詞處理[11-12]，分詞的依據(jù)是開(kāi)源分詞工具附帶的通用中文詞庫(kù)和根據(jù)鐵路行業(yè)特點(diǎn)自定義的鐵路專業(yè)詞庫(kù)。經(jīng)過(guò)多年積累，通用中文詞庫(kù)已經(jīng)漸趨完善，提升空間有限；鐵路專業(yè)詞庫(kù)則對(duì)分詞結(jié)果是否理想起著更大的作用，而它的完善有賴于對(duì)大量專業(yè)語(yǔ)料的占有和長(zhǎng)期的機(jī)器學(xué)習(xí)。

（2）全文檢索：Elasticsearch是面向文檔的（Document Oriented），Elasticsearch中的一條數(shù)據(jù)就是一個(gè)文檔，用JSON作為文檔序列化的格式，形式簡(jiǎn)潔、清晰易讀，系統(tǒng)默認(rèn)為其中的每個(gè)字段都建立一個(gè)倒排索引，因而能夠?qū)崿F(xiàn)對(duì)全文的快速檢索[13]。對(duì)于檢索結(jié)果，主要依據(jù)詞頻-逆向文檔頻率（TF-IDF）值、關(guān)鍵詞權(quán)重等因素綜合計(jì)算文檔與關(guān)鍵詞的相關(guān)性，并按其從高至低顯示。

4 結(jié)束語(yǔ)

本文從業(yè)務(wù)需求入手，按照優(yōu)化的業(yè)務(wù)流程進(jìn)行系統(tǒng)功能設(shè)計(jì)，系統(tǒng)架構(gòu)采用分層設(shè)計(jì)，開(kāi)發(fā)語(yǔ)言采用Java，全文檢索功能基于Elasticsearch實(shí)現(xiàn)。根據(jù)模擬數(shù)據(jù)測(cè)試，鐵路安全信息與技術(shù)規(guī)章協(xié)同分析系統(tǒng)能夠基于事故概況，快速、準(zhǔn)確地推薦事故違反的技術(shù)規(guī)章條款，輔助安監(jiān)人員進(jìn)行事故分析，具有較好的應(yīng)用前景。但要進(jìn)一步提高事故分析和規(guī)章檢索的精確度，則需要在搜集和積累大量相關(guān)語(yǔ)料及用戶使用行為的基礎(chǔ)上，對(duì)模型進(jìn)行深度優(yōu)化。