鐵路貨運大數據應用策略探討

李 斌

(中國鐵路鄭州局集團有限公司 貨運部，河南 鄭州 450052)

大數據作為重要的信息資產，需要通過專業的綜合的挖掘和處理才能使其具有強大的決策力、洞察發現力和流程優化能力。隨著鐵路貨運信息化進程的不斷推進，大量的貨票結構化數據，貨運組織、安全監控、貨源貨流等非結構化數據，形成海量的鐵路貨運大數據，涵蓋鐵路貨運的承運交付、裝卸管理、在途運輸、安全管理、設施設備管理等各個環節[1]。因此，通過探討鐵路貨運大數據的應用策略，加快鐵路貨運大數據的充分挖掘和共享，加強鐵路貨運大數據的綜合深度分析，以助力鐵路貨運生產、經營和安全管理水平提升[2]。

1 鐵路貨運大數據應用現狀

1.1 鐵路貨運大數據特征

隨著我國鐵路貨運信息化進入快速發展階段，先后有鐵路貨車統計系統、貨運統計系統、鐵路運輸設備統計系統和鐵路貨運列車編組統計信息系統等完成研發投入使用。同時，貨運計劃管理系統、貨運站生產管理系統、集裝箱管理信息系統等信息系統不斷優化完善，基本完成了鐵路貨運大數據的積累階段，為鐵路貨運大數據發展奠定堅實基礎。自實施鐵路貨運組織改革以來，鐵路貨運信息系統逐步加入大數據分析功能，初步實現客戶畫像、貨物流向、品類運輸等功能的綜合分析，輔以鐵路貨運需求及貨物流向的預測；鐵路貨運計量安全檢測監控系統能夠將動態軌道衡、超偏載檢測裝置和超限檢測設備等貨運安全檢測數據實現集成和共享及綜合安全分析研判[3]。依據《鐵路信息化總體規劃》，明確提出鐵路數據服務平臺既從各業務系統采集數據，同時又為各系統提供數據交換、數據分析服務功能，為鐵路各類數據集中管理、大數據分析提供基礎支撐。由于鐵路貨運大數據由各鐵路貨運系統積累的歷史數據整合而成，鐵路貨運及相關運營數據在獲取、存儲、管理、分析需求方面已經超出傳統數據庫對數據的處理能力，鐵路貨運大數據具有以下特征。

（1）數據類型多。鐵路行業數據主要包括結構化數據和非結構化數據。其中結構化數據主要有交易數據、運輸數據、設備臺賬、統計報表數據等有固定格式和關系的數據；而與之對應的非結構化數據主要包含沿線和車站監控視頻文件、實時傳感監測數據、語音服務數據和規章制度數據等。鐵路貨運組織中涉及的鐵路貨運大數據包含95306 電商交易數據，集裝箱系統、設備臺賬、視頻監控、基礎設施檢測數據，以及運輸、調度、計劃、現車、貨票系統等類型，數據類型繁多。

（2）數據增長速度快。2019 年，我國鐵路貨物發送量達到34.4 億t，鐵路貨運大數據達到上百萬條。隨著貨運設備運轉、交易業務的累積變化，以及龐大的編組、發送、在途、到達等物流環節作業量，鐵路貨運相關數據呈現快速、穩定的增長態勢。截至2019 年，鐵路貨運大數據總量已經達到拍字節(PB)級，鐵路貨運大數據日增長量達到太字節(TB)級，鐵路貨運大數據增長速度日漸加快[4]。

（3）數據精確度高。鐵路貨運作為我國貨運的主動脈，前端銜接供給方，末端連接需求方，運輸過程中與港口轉運、公路短駁產生協作關系，外部又與政府部門、行業協會建立日常溝通機制，對數據的精確度具有相對嚴格的要求。由于鐵路采用半軍事化管理，數據基本為內部網絡采集，采集過程中管理規范嚴格，大多由專人管理，具有設備統一、格式統一的特點，集安全性、準確性、實時性于一身，鐵路貨運數據可靠性強，精確度高。

1.2 存在問題

目前，鐵路貨運大數據處于穩步發展的關鍵時期，但從鐵路貨運大數據應用的角度看，鐵路貨運大數據存在內部數據共享不足、外部數據融合不夠、數據分析能力不足等亟需改進的問題，具體如下。

（1）內部數據共享不足。鐵路貨運的承運受理數據從各個車站開始發送，經由站段到鐵路局集團公司，最終傳輸到中國國家鐵路集團有限公司，呈自底向上、層層匯總的“金字塔”形結構，而貨物運輸數據又是調度部門與生產部門經相互協作而傳輸完成的，每個部門的統計數據與其他部門的數據具有較強的關聯性。目前，鐵路內部各信息系統仍按業務和專業劃分，各自為政，呈現出基礎數據多方維護、數據共享和格式標準不統一、數據碎片化、集成度低的狀態，數據利用仍然局限在同一部門，缺乏跨部門、跨業務系統之間的數據綜合分析，造成內部數據共享不足的局面。

（2）外部數據融合不夠。鐵路貨運信息系統及其統計分析制度經過多年的發展與完善，已經基本形成一套完整的鐵路貨運信息收集、匯總、分析體系，而上述指標均為鐵路部門自身的經營和運輸指標，尚未很好地與其他運輸方式的相關指標進行對比，缺乏結合社會宏觀經濟、產品供需關系及物流行業背景下的綜合分析。鐵路作為我國主要的運輸方式之一，鐵路貨運量與外部經濟和供需形勢關系密切，需要綜合內外部數據進行分析，才能做到客觀準確地制訂各階段的貨運計劃。

（3）數據分析能力不足。目前，鐵路各部門仍然按照業務形式劃分成不同信息系統處理各自的數據，注重生產統計和實物量統計，對數據的處理仍然停留在簡單匯總的初級階段，缺乏深度處理數據的能力，無法很好地完成跨專業、跨業務間的綜合數據處理和分析。鐵路貨運大數據分析由于綜合數據支撐不足，無法形成涵蓋市場需求、運輸經營、決策發展的閉合回路，鐵路貨運大數據分析結果存在局限性、模糊性。

2 鐵路貨運大數據應用策略分析

2.1 應用目標

鐵路貨運大數據應緊密圍繞貨運生產、經營管理和安全管理三大基礎工作，厘清鐵路貨運痛點，結合鐵路貨運發展趨勢，找出鐵路貨運大數據助力鐵路貨運的結合點[5]，助力提升貨運生產的精細管理、助力提升貨運營銷的精準對接、提升貨運安全的綜合保障。

（1）助力提升貨運生產的精細管理。傳統的貨運組織模式的工作重心主要在路網內部運輸效率的最大化，而對外部貨運市場變化和客戶需求響應的適應性相對較弱，主要表現在階段性、區域性的貨運能力與貨運需求不匹配，個別區段貨運能力無法充分利用，公鐵短駁運輸環節繁瑣不順暢等方面，鐵路貨運需要向貼近市場、內外兼顧、科學精細的市場導向型鐵路運輸組織轉變。同時，鐵路運輸企業由粗放型向精細化、集約型轉變，亟需利用鐵路貨運大數據合理配置運力資源，全面提高鐵路貨運效率。

（2）助力提升貨運營銷的精準對接。現有的鐵路貨運市場營銷方式對市場需求采集和分析的能力有限，缺乏有效的市場預測工具，營銷決策具有局限性、模糊性和滯后性，尤其是面對靈活高效的公路運輸，應對市場競爭和需求波動的方法欠缺，對市場需求的把握能力不足。鐵路貨運大數據可以充分收集匯總鐵路運輸、社會生產、社會物流、客戶需求等各類數據，圍繞貨運收益管理和現代化物流服務需求，對各類數據進行深度挖掘分析，可以輔助完成市場需求預測、價格策略制訂和貨運產品設計，為鐵路貨運營銷工作提供依據和支持。

（3）助力提升貨運安全的綜合保障。隨著我國鐵路貨運的不斷發展，鐵路貨運安全管理是保證鐵路貨運穩步發展的基礎。鐵路貨運安全可以利用鐵路貨運大數據的聚類分析、關聯分析、時間序列等技術，圍繞鐵路貨運安全中的人、設備、環境三大因素，對安全事故數據、設備損耗數據、線路環境數據進行數據關聯和挖掘分析，逐步掌握作業安全規律、設備損耗規律以及線路災害對貨運安全影響的預測，以規避鐵路貨運危險因素。

2.2 應用策略

2.2.1 貨運生產方面

通過提升貨運效率、優化資源配置、完善運輸模式，利用鐵路貨運大數據對貨運需求及貨運能力綜合分析，能夠清晰地了解區域內的貨源布局及貨流規律，同時也能精確地掌握鐵路自身的運輸能效和設施設備運用情況，實現貨運需求與貨運能力的科學匹配，達到鐵路貨運效率的最大化。

（1）提升貨運效率。通過匯總各貨運通道及各場站的能力及利用率、貨車運用效率、裝卸作業效率等相關數據，摸清鐵路網及區域運輸能效情況并進行數據模型構建。構建數據模型后，利用鐵路貨運大數據挖掘請求車、兌現率監測數據，及時組織貨車排空，壓縮貨車中轉停時，并分析列車區間運行時間與運行圖的偏離規律，優化運行圖標尺，提高列車運行的正點率，最終實現貨運能力的智能分配和運輸方案智能優化，提升運輸組織效率[6]。

（2）優化資源配置。利用鐵路貨運大數據對物流基地及貨場利用率進行分析，提出停限辦理或者生產組織調整建議，逐步實現區域性貨運組織集中化的格局，降低用工成本和營運成本。對于貨運量持續降低的區段，通過車次合并、壓縮列車開行頻率等方式減少運力供給，反之則增加運力投放，以實現貨運資源的優化配置。鐵路貨運大數據還可以用于不同等級運輸產品的作業組織標準的梳理分析，以此優化載運工具及工作人員等資源分配，提供優質優價、運輸時限不同的定制化和個性化服務。

（3）完善運輸模式。利用鐵路貨運大數據分析市場需求和貨源變化，以市場需求為導向優化鐵路貨運組織。在安排施工計劃前，深入分析近年來樞紐干線的階段運輸需求規律，最大限度減少施工對旺季運輸的干擾。針對煤炭主產區與下游電廠、鋼廠、化工廠的固定運輸需求，利用鐵路貨運大數據結合企業需求變化和歷史運輸兌現率，進一步提升大宗直達班列的開行比例和班次，穩定大宗基礎貨源，掌握零散白貨物流運輸規律，做好支線集結方案，進一步優化集裝箱班列“干支結合，樞紐集散”的組織方式，促進批量零散白貨選擇鐵路運輸。

2.2.2 貨運營銷方面

隨著鐵路貨運能力的不斷釋放，鐵路貨運市場將逐步由“賣方市場”轉向“買方市場”，貨運市場競爭將更加激烈，挖掘市場需求將成為未來貨運經營工作的關鍵。通過完善營銷體系、優化價格策略、加強協同合作、穩固大宗貨源，將鐵路貨運大數據運用到貨運營銷中去，促進鐵路貨運健康發展。

（1）完善營銷體系。鐵路貨運營銷人員除需要掌握內部運輸數據外，還需要了解經濟運行數據、貨運市場趨勢分析、價格預測、上下游企業的產運需及庫存、港口的海鐵聯運需求、裝卸能力、公路物流基地的公鐵聯運需求、流向及短駁價格等一系列數據。鐵路貨運營銷人員利用鐵路貨運大數據將上述數據收集匯總與挖掘分析，憑借鐵路貨運大數據模型建立起科學完善的經營指標體系，把握規律、設計產品、制訂規劃，最終形成涵蓋市場需求、運輸經營、決策發展的營銷體系。

（2）優化價格策略。通過構建科學的定價模型，利用大數據技術采集公路、水運、管道等運輸方式價格，實時掌握貨流信息、客戶信息、運力信息及物流市場相關信息[7]。通過分區域、分方向、分品類、分客戶、分季節的成本測算和價格比對，調整運價方案及模型中的參數，建立靈活高效的定價機制，逐步實現“需求低迷時抓增量，需求旺盛時段抓收入，運力緊張區段抓效益，運力寬松區段抓份額”，不斷提升鐵路貨運經營品質。

（3）加強協同合作。利用鐵路貨運大數據將供應鏈中的供給端、需求端和物流端不同主體間的數據共享融合，能夠提高供應鏈總體效率，通過優化物流方案，壓縮大宗商品庫存，降低企業總體成本。供給端產品出庫前，鐵路部門提前掌握其產品產運銷及流向信息，超前安排空車及運輸方案，物流端接入物流信息，及時轉換運輸方式，需求端提前掌握上游生產及在途產品到達信息，進一步壓縮庫存等。通過優化生產周期、壓縮時間成本和庫存成本，控制上下游企業總體成本。

（4）穩固大宗貨源。在大宗貨物運輸中，公路承擔了大量的長途運輸任務，鐵路運輸低成本、低能耗的優勢未能充分發揮。為此，需要在穩定煤炭運輸的基礎上，大力挖掘其它大宗貨物點到點運輸需求，增加適合大宗貨物運輸的優質產品[8]。通過收集鐵路、公路、港口等物流樞紐間的貨運大數據，構建對不同運輸方式的品類、流向、運量、運價區間的分析模型，挖掘各樞紐間的物流關系，篩選出包含重去重回的主要節點，測算運輸成本，設計干支線和集疏運方案，初步形成“點到點”直達班列意向，針對發到企業產需周期、運輸需求，最終固化作業流程、價格體系、開行周期，簽訂量價互保的三方運輸協議，實施大宗貨物快速直達班列運輸方案。

2.2.3 安全管理方面

鐵路貨運大數據通過對海量貨運的數據分析做出模型預測，而安全管理的核心是通過案例分析到達預防為主。基于貨運安全所涉及的人、設備、環境三大要素，以鐵路貨運大數據作為依托，可以建立包含大數據綜合安全互控、大數據貨運設備監控和大數據事故識別預防的聯防聯控的鐵路貨運安全管理體系。

（1）大數據綜合安全互控。鐵路各個部門為了確保安全，研發相應的安全系統，應用于相應部門的安全監控和管理，蘊含包括鐵路貨運中實時的線路質量、施工區段監測、超限貨物裝載信息等大量其他部門需要的安全數據。鐵路貨運大數據可以將公共的安全數據進行提取，共享到各個部門，建立行車安全與設備風險動態預警模型，構建大數據綜合安全互控體系。

（2）大數據貨運設備監控。大數據貨運設備監控體系結合設備傳感監測技術，實時收集匯總貨車、集裝箱、裝卸機具等移動設備的運用狀態，利用歷史設備故障大數據，開展貨運設備關鍵部件失效規律及模式之間的關聯性分析，將基于鐵路貨運大數據專業分析后的參數嵌入業務系統，如果出現臨界或異常數據，可以及時發現移動設備存在的安全隱患，從而采取預防措施，實現貨運設備狀態的實時監控。

（3）大數據事故識別預防。通過對鐵路貨運大數據進行分析，結合圖像識別、物聯網監測技術以及深度學習算法，可以實現事故識別及預防，有效避免事故發生。鐵路貨運大數據將貨運歷史安全事故錄入系統，分析事故的原因，利用監測技術，實時采集關鍵點的操作數據和環境數據，形成大數據事故識別預防系統，避免鐵路事故的再次發生。

3 結束語

鐵路貨運大數據是鐵路貨運的重要組成部分，對掌握貨運需求、把握市場趨勢、創新運輸產品、改善貨運服務質量、提高貨運效率、保障貨運安全具有重要意義。隨著云計算及第5 代通信技術(5G)的快速發展，鐵路貨運大數據的運算及傳輸等技術難題得以有效破解，為鐵路貨運大數據的發展奠定堅實基礎。鐵路貨運大數據應用需要緊密圍繞貨運生產、經營管理和安全管理等方面，充分發揮鐵路貨運大數據優勢，有效破解鐵路貨運癥結，全面提升鐵路貨運生產、經營和安全管理水平。