场景化系统在地铁司机实操考评中的应用研究

摘要： 地铁司机面对故障和应急等复杂场景时，会出现故障现象判别不到位、未按正确流程处置问题，具体表现为处置操作错项、漏项、增项，造成故障扩大或行车延误。当前主要通过大量的场景模拟和实操训练提高司机应急处置能力，且实操培训主要采用人工考评方式，场景固定、方式单一，忽视场景变化导致的处置流程变化，不能客观精准地获得培训效果。将场景化建模和最小动作单元法应用于技能实操考评中，增加考评效率，提高考评质量，通过开发1套场景化培训和数据分析系统，与人工考评进行对比，验证系统考评的全面性和实用性。

关键词：最小单元法；场景化培训；地铁司机

一 技能实操考评现状分析

司机岗位业务培训以理论考试和实操为主，主要采用人工考评。日常参考人数多、考评员工作量大，导致考评在场景设置多样化、评价客观精准性、数据获取全面性和分析效率等方面面临如下挑战。

实操考评资源受限。目前司机实操培训主要在库内实操模拟，缺少正线设备设施，仅通过考评员口述和相关图片等方式呈现，参考人员不能切实感受各类故障场景，影响故障判别和处置质效，导致培训质量不高。

设备操作权限受限。部分车辆电气设备如应急疏散门，操作后恢复时间较长，短期内无法满足大量反复操作需求，只能依靠考评员口述模拟，使得设备操作体验感差，无法实现高质效培训。

考评记录覆盖不全。考评采用人工记录方式，考评员无法在短时间将考生的所有操作全部记录，只能记录部分重要操作步骤，同时，人工记录也容易出现错项、漏项问题，导致考评记录覆盖面单一、分析结果不够客观准确。

数据分析质效不高。采用人工记录考评方式，完成一批次50人操作数据的记录、收集、整理、分析、评价、反馈流程，所需时间在1周左右，不能立即掌握该批次人员考评情况，导致相关问题整改的时效性不高。

二 场景化培训优势与平台搭建

基于故障和应急演练评估的重要性，国内相关企业及科研机构开展了大量的研究工作，李群、代德军[1]通过对国内外应急演练评估相关标准规范的梳理与分析，提出以“情景构建”方法指导构建应急演练评估指标体系。长春市轨道交通集团[2]引入“驾驶仿真培训考核系统”为轨道列车司机提供安全高效的实训环境，在满足教学、实训、技能鉴定等多种需求的同时，降低安全风险、培养实践能力、提高技能鉴定效率。

从参考人员和考评员角度，对日常技能考评中存在的相关问题进行分析，将多样化场景设置和最小动作单元法应用于实操考评，通过场景化搭建和智能考评过程实施，建立一套场景化考评分析系统。

（一）场景化培训优点

场景化培训通过搭建模拟场景还原实际工作情景，结合实操需求构建内容，助力学员沉浸式学习，提升故障判断与应急处置能力，优势显著。一是借助3D建模、多形式故障呈现等技术增强实操代入感，使场景更贴近实际，提升学员参与度与体验感，助其快速融入。二是以实际应用为导向构建多样故障场景，让学员巩固处置方法，确保突发情况时能快速应对，效果转化率高。三是通过拆分知识点融入场景，便捷性适配碎片化学习，互动挑战性满足学员成就感，激发自主学习能动性，接受度高。

（二）场景化平台搭建

通过Unity软件搭建司机故障处置3D仿真视景系统，对操作设备、环境设施、相关人员、故障应急场景4类基础模块类别进行3D专项建模和统一布置，包括列车运行及驾驶人员视线范围内的静态动态景物、设施、设备、天气等，提供对应正线、场段等基础场景，如图1-4所示。

平台操作及显示界面按照不低于5级的树结构可操作模块嵌套设计，模块界面内可自定义开关、按钮等可操作设备的位置、形状、大小和存放形式，可通过点击操作屏幕中不同场景界面选项进行切换，操作设备后，能立即通过操作系统监控界面查看效果。

三 最小动作单元法优势与考评系统构建

（一）最小动作单元法优势

最小动作单元法是将一整套实操动作细化分解为最小基本单元，对每个基本单元的作业流程、操作用时、操作质量、规章符合度设定考评标准[3]，采用信息化技术对现场操作进行全面记录，比照考评标准自动统计分析并生成考评结果。

在司机技能考评中使用最小动作单元法，可以确保信息记录全面准确，以系统记录和信息化比对替代人工主观考评，结合多个指标，细化故障处置最小步骤并定性研究，避免了人工疏漏误差。同时，数据分析直观便捷、利用率高，可按需设考评参数，细化环节、明确标准，精准识别技能短板以调整培训策略，累积数据还能转为图表，助力把握业务重点、支撑作业流程优化。

（二）考评系统功能构建

系统设置考生与管理员2类身份，管理员依据司机标准化作业、故障及应急处置流程设定考评标准并生成清单；考生按培训计划在系统完成培训、练习与考试。系统整理考生操作记录，对比考评标准生成报表，反馈个人及所在班组成绩、计划完成率、场景步骤达成率等数据，具有以下优势。

实时动态查看培训完成量。通过实时收集各线路车间、班组计划项目的参加人数、未通过人数、参与及通过次数、通过率，支持日、周、月、季、年周期统计对比，助力管理员掌握整体培训工作量，灵活调整计划。

数据分析以分级分类呈现。系统具有三级报表，一级、二级报表可查看整体计划及单个场景的未开展、未完成、未通过人员，便于组织强化培训；三级报表细化场景各步骤数据，可查找易错步骤与共性问题，支撑针对性补强培训。

四 系统验证与考评效果

（一）人工与系统考评方式对比

选取常见故障、应急场景各10项，采用人工和场景化系统考评方式，对必要步骤、附带操作、监控步骤、扣分项、失格项等关键指标进行对比分析，验证人工和系统在考评中的差异。各场景必要步骤集中于20-100项区段，人工考评中比照考评标准对考生的必要步骤进行记录、评判，经人工统计后反馈结果，系统考评实时记录考生每项操作，即时与考评标准进行比对并反馈结果。

1.人工考评对处置过程中的重点覆盖不全。各场景考评中，人工考评对必要步骤的监控率为97.10%，低于系统考评的100%，原因为人工考评对考评员要求较高，需要人工记录和统计分析工作量较大，且数据易受考评员业务能力等主观因素影响，不能全面监控考生所有操作步骤，从而导致考评要点覆盖不全。

2.系统考评在步骤优化改善方面效率更高。系统考评实时记录考生所有操作步骤并提供全过程清单，可对各项操作进行同步标注，即时提供得分清单并突显重点错漏项，便于培训师即时掌握各项步骤考评情况，及时纳入“考评-反馈-调整-验证”闭环机制，便于同步制定有关针对性补强措施。

（二）人工与系统考评效果对比

收集各场景在2种考评方式下各30次考评数据，对考评通过率、失格率、平均用时、全员得分项、涉及的扣分项和失格项进行对比分析，验证人工考评与场景化系统考评在考评效果上的差异。

1.系统考评反馈问题更全面，数据支撑更强。人工考评的各场景的平均通过率、步骤正确项占比都高于系统考评，而步骤扣分项和失格项占比都低于系统考评，表明考生在系统考评中会暴露更多操作问题，原因是系统能够对考生每一项操作进行准确记录和判别，使得系统反馈的问题比人工考评多，可为深入分析提供更全面的数据支撑。

表1 不同考评方式下各场景考评数据分析

2.系统考评提供场景更丰富，训练效果更好。对人工和系统考评用时进行对比，相较于系统，人工考评处置用时更短。原因为人工考评通常在运用库内开展，无法呈现特定故障与应急场景，例如车顶高压设备接地、正线接触网异物等，人工考评依赖固化的口述方式呈现场景和模拟操作，而系统考评能更完整还原故障应急场景，考生可据实判别和操作，始终处于更为真实的场景中接受训练，不仅提升考生操作技能，也增强考生心理素质。

五 展望

场景化培训和数据分析系统应用于地铁司机技能培训考评中，提高了故障处置和应急演练考评质效，实现了精细化、科学化管理。目前场景化培训和自动考评系统使用还处于初步阶段，后续将从以下方面提升。

不断更新与优化现有模拟场景。随着设备更新和运营环境的变化，需要定期更新模拟场景，确保其内容始终与实际工作环境保持同步，同时还要持续根据司机的反馈和表现，对各类场景进行优化，以提高培训的针对性和实效性。

增加模拟场景的种类和复杂度。面对实际生产中的多变情况，需要设计更多种类模拟场景，特别是完善多角色交互的操作方式，以增强司机与其他岗位角色的有效沟通及协作能力。

探索考评数据的长期指导作用。建立考评数据库，基于长期数据分析员工各阶段技能薄弱点，为每位司机提供合理化个性化培训方案，提升技能短板，追踪改进情况，灵活调整培训计划，确保司机能够在短时间内实现技能提升。

参考文献

[1]突发事件应急演练评估方法、技术及系统研究.李群;代德军.中国安全生产科学技术,2016(07)

[2] 吉林省交通运输厅，长春市轨道交通集团.深化技术革新与管理创新 引入“驾驶仿真培训考核系统”EB/OL.(2025-05-26)

[3]地铁应急演练最小动作单元分解快速评估法迟胜超;刘国平;吴德鑫;张利坤;沈峥;郭栩辰.城市轨道交通研究,2022(04)