铁路运输中的大数据技术

摘要 文章在国家大力发展大数据技术的背景之下，对大数据技术进行简单的阐述，从铁路运输的角度出发，分析介绍大数据的特点，并说明铁路运输中应用大数据的基本步骤，根据实际情况论述了中国铁路大数据系统的组成，介绍一些铁路运输中大数据应用实例，通过这些例子说明大数据技术在铁路运输中起到的作用，着重分析目前铁路运输大数据统计中存在的问题，指出大数据技术在铁路运输行业未来的发展方向，为铁路企业应用大数据技术提供借鉴。

关键词 铁路运输;大数据;具体应用;发展方向

中图分类号 U29文献标识码 A文章编号 2096-8949（2022）09-0011-03

引言

随着信息技术的飞速发展，传统企业面临着互联网技术带来的压力，利用大数据技术，企业可以完成自身的转型，实现精准营销，更好地把握市场，提高企业自身的竞争力，但若没有顺应时代发展的趋势，企业就有被淘汰的风险。铁路作为我国重要的交通方式，与我国的经济发展息息相关，因此推进大数据技术在铁路运输领域上的应用是十分必要的。我国铁路信息系统经过一段时间的发展，已经相对完善，但是仍有一些问题存在，从长远看来，解决这些潜在的问题可以帮助铁路企业更好的发展，对于整个行业发展有积极意义。

1 大数据的简述

1.1 大数据技术的概念

大数据，也称巨量数据，是一种规模大到远远超出了传统数据库软件工具能力范围的数据集合。大数据技术指的便是对涉及的海量数据进行撷取、管理、处理、分析、整理，研究事物内部各个元素之间的关系，通过获取的该关系来描述所研究事物的现状，企业凭此可以更好地进行经营，最大限度地避免错误决策，提升自身的效益。大数据技术对企业、对社会有着非常积极的作用。而大数据技术的关键在于信息获取和信息处理两大方面，其中最主要的是信息处理，若没有好的信息处理方式，即使有着海量数据也无法发掘其中的科学逻辑，更不能将这些信息转化为可以利用的数据。

1.2 大数据的特点

大数据有五大特点：

（1）多样。大数据的多样性指的是数据的种类和来源是多样的，数据的种类可以是结构化、半结构化，以及非结构化，数据的来源则可以是各种媒体渠道或者监测渠道，这种多样性为大数据技术提供了最基础的支持。

（2）大量。大数据采集、存储和计算的量都非常大。大数据的起始计量单位至少是P（1 000个T）、E（100万个T）或Z（10亿个T）。

（3）低价值密度。与传统的数据系统比较，大数据中的数据价值密度较低，因此也需要更有效的方式来提取数据。

（4）数据增长速度快。传统信息系统的增长率是可以控制的，但大数据的数据增量已经远远超过了自身处理能力的极限。

（5）数据的可靠性。大数据时代很难区分数据是否真实可靠，这是大数据技术需要重点解决的问题。

IBM将其归纳为5V特点，即：volume（大量）、velocity（高速）、variety（多样）、value（低价值密度）、veracity（真实性）。

1.3 大数据技术的国内发展背景

目前国内政府对大数据技术的发展十分重视，“十三五”规划里“实施国家大数据战略”中明确提出要全面实施促进大数据发展行动，加快推动数据资源共享开放和开发应用。因此，企业无论是数据获取还是大数据技术的开发与应用都有著国家政策支持。在此背景之下，企业可通过大数据技术实现自身效益的提高及转型。

2 目前我国铁路运输大数据获取情况

我国在全路大多站点和列车上装了监测设备，并从全国各地的铁路经营管理系统中获取实时数据，这些数据来自全线路18个路局，涵盖管理、基础设施检测、客货运营、应急处理等多个方面，目前的铁路信息系统经过一段时间的发展，已经积累了铁路全生命周期内各个方面的大数据资源。这些数据资源具有巨大的应用潜力和价值，可以帮助铁路行业提升运营效率，降低运营成本。使得铁路运输的竞争力大大提高，加快供给性结构改革。

3 铁路大数据特征

铁路大数据同样是由结构化数据与非结构化数据组成的，由于铁路行业的特殊性，铁路大数据除了满足上文提到的大数据的5V特点，还表现出了三个明显的特征[1]。

3.1 地域性

我国地域广泛，18个铁路局管理的各个段都会产生大量的数据信息，这使得我国铁路大数据有着明显的地域特征。

3.2 广泛性

铁路大数据包括了铁路运输生产的各个环节，涵盖了整个铁路生命周期，并且覆盖了整个业务链条。

3.3 交叉性

铁路运输不仅涵盖了自身运营管理的信息，还包含其他行业的一些信息，比如资源调配、社会安全等方面，铁路行业与国家各个行业的发展息息相关。

4 铁路运输中应用大数据技术的基本步骤

4.1 铁路大数据采集

铁路大数据采集包括形成数据、汇聚数据两个过程，形成数据是将各项指标通过数字化的方式表达出来，而汇聚数据则主要是通过北斗等技术将采集到的数据集合在一起，采集得到的数据有多种形式，比如图片、视频等。

4.2 铁路大数据预处理

经过初步采集到的数据存在大量的重复、不完整、错误等现象，如果不对数据进行预处理，会对以后的数据分析工作造成严重的影响，最终导致决策失误，在整个数据处理过程中，数据预处理占很大的比重。

4.3 铁路大数据分析及挖掘

采用合适的数据处理方式来获取所研究事物之间的内部逻辑关系是大数据技术最重要的一部分，通常可以采用聚类、预测、关联等多种方法来获取事物内部的逻辑关系，进而通过研究得到的逻辑关系产生价值。

4.4 铁路大数据展现和应用

伴随着大数据的快速发展，决策会因为受到庞大数据的影响变得困难，可以通过图形等方式将数据挖掘结果展示出来。

铁路大数据具有十分广泛的应用，由于交通与国家经济息息相关，铁路大数据可以用于旅游业发展、资源配置等多个方面的决策，铁路大数据可以作为政治和经济方面重要的评价指标。

5 中国铁路大数据系统组成

本着“全局性、先进性、完整性、可实施性、实用性”的原则，铁路大数据体系由六大部分组成，即大数据基础设施体系、汇集体系、资产体系、治理体系、分析体系、应用体系[2]。

5.1 大数据基础设施体系

基础设施体系由基于云计算架构的数据中心基础设施组成，包括机房等。

5.2 大数据汇集体系

汇集体系将各个部分的数据采集出来，并集中存放于大数据基础设施环境中。通过汇集的范围不同可分为铁路内部数据、铁路外部数据两大类，内部数据即铁路运营管理等方面的数据，外部数据则包括环境、社会等方面的数据。

5.3 大数据资产体系

铁路大数据资产体系涵盖了铁路建设、客货运管理、资源管理、决策等全方面业务，此外还包括综合交通系统、气象等外部数据的共享与协作。

5.4 大数据治理体系

数据质量直接影响大数据最终价值，保证铁路大数据准确性和实时性的方式就是对铁路大数据进行清洗、抽取等操作，可以为业务系统提供权威的数据服务。

5.5 大数据分析体系

结合业务的特殊要求，通过运用实时分析、离线分析等技术工具和手段实现多维分析、趋势性分析等，为铁路各业务分析与应用构建提供分析平台和基础支撑。

5.6 大数据应用体系

鐵路大数据应用体系由三方面组成，一是增强铁路运输安全、二是优化铁路运输服务、三是提高铁路运输效率效益。

6 大数据技术在铁路运输中的作用

6.1 提高铁路运营的效率

以往铁路工作者都依靠自身经验进行决策，科学性和准确性无法保障，大数据技术在铁路运输应用可以使运营管理层根据数据分析结果，制定较为科学的决策，有效地提升铁路运营的效率，不仅如此，大数据技术为铁路运输在资源配置等方面提供了数据支撑，使铁路运营方案更加科学[3]。

6.2 提升铁路运输的安全性

铁路运输系统可以通过传感器、检测仪等设备，对运营过程中的数据信息进行采集，并通过大数据技术对信息进行分析。工作人员通过分析结果可以直观地发现铁路在运营过程中存在的安全问题并及时地采取相关措施来避免危险，提高了铁路运输的安全性，同时降低了危险排除成本，提高了安全工作的效率，保障了运输质量，促进铁路企业的可持续发展。

6.3 提高铁路运输的服务能力

用户的需求是铁路运输的前提，用户的需求直接影响铁路的盈利状况，通过大数据技术，铁路运营系统就可以对客户的潜在需求进行分析，并根据用户的需求实现个性化服务，进一步提高铁路运输的服务能力，优化用户的使用体验。

7 铁路运输中大数据的具体应用实例

美国的Amtrak公司通过数据预测优化乘客服务体验，帮助美国铁路企业实现精准营销，同时还开发了列车实时定位网站，为乘客提供列车的最新信息。不仅如此，还通过大数据技术对全路网的道岔、桥梁、钢轨磨损、轨道几何等开展了数据分析和状态预测，以此来减少行车事故发生的概率，进而提高行车安全性。

英国铁路安全和标准委员会通过对基础设施、车站、乘客、运行环境进行数据汇聚，建立了铁路大数据平台，通过大数据挖掘提供数据分析和信息增值等服务，形成预测、规划、决策等支持能力。

8 铁路运输数据统计存在的问题

8.1 自身未注重高效整合

就当前来说，铁路运输大数据依然表现出碎片化特征，这是因为铁路统计信息系统的数据来源于基层铁路站点，经由层层汇总，最终传输到中国国家铁路集团有限公司。铁路本身是各个部门合作运营的系统，因此各个部门的统计数据也应与其他部门有着很强的相关性，每个部门进行数据统计时，都需要以其他部门的数据作为前提和基础。但是目前铁路各信息系统仍按业务和专业划分，这就造成了数据碎片化，集成化低的现象，缺乏跨部门的数据综合分析。

8.2 未注重与外部数据的融合

虽然铁路信息统计系统已经形成全时间、全部门、全地域的体系，但是这只是对自身的各项指标进行统计，并未注重与我国国民经济间的联系。铁路作为我国主要的交通方式，与经济发展息息相关，不注重铁路运输数据与经济发展的联系无疑是不恰当的。不仅如此，铁路运输数据的处理也应该注意与其他交通运输方式数据的综合分析，这对于综合运输体系的建立也是十分重要的。

8.3 缺乏将数据转化为决策依据的能力

如果不将数据转化为价值，那会很大程度上丧失数据的价值，当下铁路管理部门依然依靠自身经验来进行决策，这种决策方式有很大的局限性，决策的科学性和正确性无法保障。

8.4 信息化发展不平衡

由于经济基础和人才培养的限制，我国对于铁路信息化上的投入其实一般是选择重点项目成为可行的方案，在一定程度上造成了铁路信息化发展的不平衡，给铁路运输数据统计造成不利影响。

9 铁路运输大数据以后的发展方向

9.1 全方位的加快铁路信息统计基础设施建设

大数据技术必须依托于信息，若信息不具有代表性、实时性、准确性，那么经过大数据技术所反映出了规律也就未必准确，最终对决策造成不利影响。只有构建完善的数据统计设施，才能推进铁路运输与大数据技术的结合。

9.2 重视信息人才培养

大数据能够产生很大的经济效益，无论是大数据技术的开发还是大数据的采集都需要人才，因此要重视信息人才的培养，要保障员工具有熟练的信息操作技术，为大数据技术的发展应用夯实基础。

9.3 加强内部数据的整合

建立一个完善的指标体系是十分必要的，铁路运输企业需要将各部门的运营数据整合成统一的整体，这样可以为后续的数据分析提供便利。

9.4 加强内部数据和外部数据之间的整合

铁路运输企业虽然掌握着海量数据，但还是以自身运营数据为主，与外部数据的整合力度不够。随着我国国民经济的提高，客运市场会向买房市场发展，因此加强内部数据与外部数据的整合有利于把握市场需求，增强铁路运输未来的竞争力。

10 总结

大数据技术可以帮助铁路企业更好地进行决策，减少事故的发生，提高运营的效率，虽然我国已经建立起了涵盖18个路局的铁路信息统计系统，但是仍然存在“信息孤岛”现象。同时铁路运输大数据技术也缺少与铁路系统之外的数据进行综合分析，这对于整个社会发展是不利的。铁路企业若想更好地通过大数据技术来提高自身的竞争力，就需要注重内部数据的整合，加强内部数据与外部数据的综合分析，同时加大对信息人才的培养，为大数据技术在铁路上的应用夯实基础。

参考文献

[1]宋亚夺. “大数据”背景下铁路运输发展策略探析[J]. 福建茶叶， 2020（3）：
26-27.

[2]王同军. 中国铁路大数据应用顶层设计研究与实践[J]. 中国铁路， 2017（1）：
8-16.

[3]马丽梅， 史丹， 高志远， 等. 大数据技术及其行业应用：
基于铁路领域的概念框架研究[J]. 北京交通大学学报（社会科学版）， 2019（3）：
58-67.

收稿日期：2022-03-15

作者简介：刘昌昊（2002—），男，本科在读，研究方向：交通运输。

猜你喜欢 铁路运输具体应用发展方向 万吨列车运行安全策略的探讨与应用科技创新与应用(2017年1期)2017-05-11交通运输一体化中铁路运输发展路径研究科技与创新(2017年3期)2017-03-17精细化管理在企业财务管理中的应用研究中国经贸(2016年21期)2017-01-10略谈新课标下的语文课堂提问考试周刊(2016年62期)2016-08-15新型WEB开发技术在医院网络信息管理中的应用无线互联科技(2015年12期)2016-03-05铁路线路施工中的钢轨打磨技术研究中国高新技术企业(2015年33期)2015-09-01浅谈红外测温技术在配电线路运行中的应用企业文化·中旬刊(2015年7期)2015-07-09

推荐访问:铁路运输 数据 技术