基于大數據的鐵路運輸調度淺析

王洋 王昕

摘要：鐵路作為國家或企業的重要基礎設施，在運營和安全方面都有著極高的要求，鐵路調度系統基礎數據尚未得到充分挖掘，安全管理仍有優化空間。隨著大數據、物聯網、云計算等現代化技術日益成熟，以規模化數據為基礎提升管理效率與水平，能夠有效驅動鐵路現代化發展步伐;加快鐵路調度大數據功能架構設計及研發運用，能夠為充分挖掘鐵路調度數據資源，提升鐵路調度管理能力，提供有效的技術手段。

關鍵詞：鐵路;運輸;調度;大數據

Analysis of railway transportation scheduling based on big data

Wang YangWang Xin

School of Traffic Transportation，Lanzhou Jiaotong UniversityGansuLanzhou730070

Abstract：As an important infrastructure of a country or an enterprise，railway has very high requirements in operation and safety.The basic data of railway dispatching system has not been fully mined，and there is still room for optimization in safety management.With the development of big data，Internet of things，cloud computing and other modern technologies，improving the management efficiency and level based on largescale data can effectively drive the pace of railway modernization;speeding up the design and R & D Application of big data function architecture of railway dispatching can provide effective technical means for fully mining railway dispatching data resources，improving railway dispatching management capacity.

Key words：Railway;transportation;dispatching;Big Data

1 大數據概述

大數據迄今并沒有公認的定義。但是同傳統數據相比，大數據具有如下5V特征：即體量大（volume）、速度快（velocity）、模態多（variety）、難辨識（veracity）和價值大密度低（value）。相對而言，大數據并不只是在數量上的龐大，更多的是數據類型上的復雜。大數據是一種思想，是一種挖掘思想，淘金思想，核心并不是擁有數據，而是用數據去做什么，大數據有什么不重要，怎么用才重要。大數據的核心價值是預測，本質是基于預測所做出的正確判斷。以往的數據分析是基于精確數據的深度挖掘，大數據則更多是利用已有數據對分析得出某種趨勢。

2 現狀分析

2.1 我國鐵路運輸調度現狀分析

我國現行的調度指揮系統遵從分級管理、統一指揮，實行三級調度指揮體系，即中國鐵路總公司調度中心、鐵路局集團公司調度所和站段調度室。其中，鐵路總公司統一調度指揮，站段調度室在鐵路集團公司調度所指揮下，按成基層日常工作。

2.2 鐵路運輸調度存在的問題

當前階段自從鐵路總公司成立以來，我國在運輸生產以及鐵路運輸方面的管理模式依然沿用相同的方式進行，降低了鐵路運輸的管理效率，無法匹配對應的相關要求。在運輸信息管理方面，我國正處于轉型發展的關鍵節點，面臨著數據共享困難、數據分析能力不足、數據創新需求迫切等一系列問題。

大數據共享方面，存在數據壁壘嚴重、共享不足等問題。在我國當前鐵路運輸調度系統中，調度信息整合及發展上缺乏統一標準，這降低了信息共享及信息透明的作用。不同部門之間無法實現高效溝通，在部分合作帶來了巨大挑戰。而現有數據分散于各級系統平臺，無法統一分析處理。

大數據分析方面，由于缺乏數據意識，龐大數據的應用僅停留在日常工作和日常統計分析層面，對數據深度挖掘不夠，無法利用寶貴的數據資源真正改進服務管理，試驗智能鐵路發展。

總而言之，要利用當前大數據分析挖掘技術，解決鐵路目前面臨的相關問題，實現鐵路基于數據的、以客戶為中心的運輸調度及經營管理。

3 基于大數據的鐵路運輸調度指揮系統

3.1 基于大數據的鐵路運輸調度指揮系統的構想

系統架構研究主要關注于應用功能，鐵路應用的提升空間主要表現在：打破信息壁壘，實現應用系統的橫向整合;在完善以實時追蹤為核心的運輸數據管理基礎上，圍繞三大主題建立鐵路核心應用;改變目前以模擬手工操作為主的應用現狀，以信息技術引領業務的變革等。基于以上原則，構建圖1的系統構架。

運輸調度計劃編制問題是一個動態復雜問題，影響因素眾多，關系錯綜復雜，即有定量因素，又有定性因素。數學規劃中只能對其中定量因素進行數學描述，很難建立準備約束條件的下的數學模型，無法得出其解析解。基于大數據的計劃編制利用數據庫中海量信息的交互分析，可以解決復雜的調度計劃編制問題。智能調度計劃編制平臺如圖2所示。

3.2 措施淺析

3.2.1 數據處理

鐵路車流數據處理包括四個模塊：采集、分析與挖掘、預測、應用。數據分析可以滿足一般的分析需求，主要利用分布式數據庫或者分布式計算集群對其中保存的超量數據進行分類和匯總。數據挖掘即是從大量數據中通過各種技術找到其中隱藏的有用信息，是本項目的關鍵點也是一大難點。該項目擬采用技術有：神經網絡、Logistic回歸方法、SEMMA方法、預測模型、改進Kmeans聚類算法等。下面介紹Kmeans聚類算法。Kmeans聚類算法基本思想是首先隨機選取幾個初始聚類中心，其他對象根據與每個中心的距離分別分配，形成聚類。計算每個聚類均值作為新的聚類中心，重復分配對象，直至函數收斂。工作流程圖如圖3所示：

3.2.2 模型優勢

智能調度計劃編制平臺可以實時收集車輛信息，基于實時數據構建的預測模型不僅可以將預測對象精確到車輛，而且根據每個車輛的實時報告，可以獲得動態的數據信息，從而實現動態實時預測，使預測結果更加準確完善。

4 結論與展望

目前鐵路企業陸續建立的各種生產信息系統間相對孤立，許多有用信息被埋沒在海量數據中。因此，有必要結合大數據管理思維與挖掘方法，建立鐵路安全管理大數據分析平臺，綜合考量作業人員、設備、環境、管理方面失效危險等因素，有效整合各專業系統生產數據，通過對各類數據的綜合處理分析，形成各類指數并用于安全預警和安全管理，數字量化單位的安全管理狀態，實現鐵路生產信息的集中化采集、智能化分析、可視化展示，為鐵路管理提供科學的數據支撐和決策依據。

參考文獻：

[1]何川寧.高速鐵路與普速鐵路列車調度指揮對比分析[D].北京：中國鐵道科學研究院，2016.

[2]易志勇，王斌.計算機輔助編制車流計劃的研究[J].鐵路計算機應用，2005.

[3]傅志華.大數據在電信行業的應用.2014.

[4]韓凌波，王強，蔣正鋒，郝志強.一種改進的kmeans初始聚類中心選取算法[J].計算機工程與應用，2010.

[5]Anil K J.Data clustering：50 years beyond KMeans[J].Pattern Recognition Letters，2010.

[6]Mahajan M，Nimbor P，Varadarajan K.The planar Kmeans problem is NPhard[J].Lecture Notes in Computer Science，2009.