基于大數(shù)據(jù)分析的鐵路自動(dòng)售檢票監(jiān)控系統(tǒng)研究

王 成，史天運(yùn)

（1.中國(guó)鐵道科學(xué)研究院 電子計(jì)算技術(shù)研究所， 北京 100081 2.中國(guó)鐵道科學(xué)研究院， 北京 100081）

基于大數(shù)據(jù)分析的鐵路自動(dòng)售檢票監(jiān)控系統(tǒng)研究

王 成1，2，史天運(yùn)1

（1.中國(guó)鐵道科學(xué)研究院 電子計(jì)算技術(shù)研究所， 北京 100081 2.中國(guó)鐵道科學(xué)研究院， 北京 100081）

本文提出鐵路自動(dòng)售檢票監(jiān)控系統(tǒng)總體框架由基礎(chǔ)層、管理層、分析層和應(yīng)用層組成。利用多維數(shù)據(jù)分析、分布式文件系統(tǒng)存儲(chǔ)和MapReduce計(jì)算、復(fù)雜事件處理、數(shù)據(jù)挖掘等技術(shù)，實(shí)現(xiàn)對(duì)鐵路自動(dòng)售檢票系統(tǒng)的故障預(yù)警和故障率分析、設(shè)備利用率分析、業(yè)務(wù)優(yōu)化分析以及OD熱點(diǎn)分析、異常旅客識(shí)別、設(shè)備易用性分析等以旅客行為分析為基礎(chǔ)的增值業(yè)務(wù)，為鐵路自動(dòng)售檢票系統(tǒng)的未來(lái)發(fā)展提供一種新思路。

信息技術(shù)；監(jiān)控；大數(shù)據(jù)分析；鐵路自動(dòng)售檢票系統(tǒng)；復(fù)雜事件處理

中國(guó)高速鐵路（簡(jiǎn)稱：高鐵）自動(dòng)售檢票系統(tǒng)的軟硬件復(fù)雜度較高。自動(dòng)售票機(jī)發(fā)售的是符合ISO7816標(biāo)準(zhǔn)尺寸的磁介質(zhì)車(chē)票，支持現(xiàn)金和銀行卡支付，同時(shí)設(shè)紙幣和硬幣找零；自動(dòng)售票軟件系統(tǒng)支持旅客自助獲取車(chē)次、發(fā)到站、乘車(chē)日期、票種、席別，為旅客提供流程化購(gòu)票服務(wù)，并為管理人員和操作員提供交互式管理界面和維護(hù)向?qū)АＷ詣?dòng)檢票系統(tǒng)通過(guò)接口服務(wù)器連接客票系統(tǒng)，獲取車(chē)次目錄、列車(chē)?？空?、電子票等信息，通過(guò)專用接口連接旅服系統(tǒng)，獲取進(jìn)出站開(kāi)停檢時(shí)間、列車(chē)早晚點(diǎn)等信息，自動(dòng)檢票機(jī)支持讀取磁介質(zhì)車(chē)票、二代身份證電子票、中鐵銀通卡儲(chǔ)值票過(guò)閘[1～3]。

隨著自動(dòng)售檢票設(shè)備裝機(jī)量的增加，自動(dòng)售檢票系統(tǒng)在高鐵客運(yùn)作業(yè)中發(fā)揮的作用也越來(lái)越明顯，系統(tǒng)的可靠、穩(wěn)定運(yùn)行也越來(lái)越重要。通過(guò)建設(shè)鐵路自動(dòng)售檢票監(jiān)控系統(tǒng)和鐵路自動(dòng)售檢票監(jiān)控系統(tǒng)大數(shù)據(jù)分析平臺(tái)，采用大數(shù)據(jù)分析技術(shù)，實(shí)現(xiàn)對(duì)系統(tǒng)交易數(shù)據(jù)、狀態(tài)數(shù)據(jù)、用戶操作數(shù)據(jù)、日志數(shù)據(jù)、視頻數(shù)據(jù)的分析，進(jìn)一步從這些海量數(shù)據(jù)中找出故障規(guī)律，挖掘出故障與系統(tǒng)環(huán)境、用戶行為間的關(guān)系，從而提高系統(tǒng)的監(jiān)控水平，保障自動(dòng)售檢票系統(tǒng)的正常運(yùn)行[1]。

1 鐵路自動(dòng)售檢票監(jiān)控系統(tǒng)總體框架

基于大數(shù)據(jù)分析的自動(dòng)售檢票監(jiān)控系統(tǒng)可自下而上分成的4層：（1）基礎(chǔ)層。包括：以計(jì)算虛擬化、存儲(chǔ)虛擬化和網(wǎng)絡(luò)虛擬化為基礎(chǔ)的云資源池，通過(guò)采集代理收集數(shù)據(jù)庫(kù)中的交易數(shù)據(jù)、狀態(tài)數(shù)據(jù)，操作系統(tǒng)主機(jī)運(yùn)行環(huán)境數(shù)據(jù)，日志文件以及視頻數(shù)據(jù)，形成自動(dòng)售檢票系統(tǒng)的多維大數(shù)據(jù)源；（2）管理層。在多維數(shù)據(jù)源基礎(chǔ)上，提供基于海量并行處理架構(gòu)（MPP）和MapReduce的離線數(shù)據(jù)的處理和基于復(fù)雜事件處理模型的流數(shù)據(jù)管理；（3）分析層。建立大數(shù)據(jù)分析平臺(tái)，并在其上執(zhí)行針對(duì)監(jiān)控?cái)?shù)據(jù)的聚類分析、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、分類預(yù)測(cè)等數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)算法，建立故障樹(shù)和事件樹(shù)分析模型、統(tǒng)計(jì)分析模型、輔助決策模型等；（4）應(yīng)用層。提供鐵路自動(dòng)售檢票監(jiān)控管理平臺(tái)，集成運(yùn)行環(huán)境監(jiān)控、關(guān)鍵業(yè)務(wù)監(jiān)控、設(shè)備監(jiān)控、統(tǒng)計(jì)分析、輔助決策等多項(xiàng)應(yīng)用，并且支持多樣化應(yīng)用間的無(wú)縫集成。大數(shù)據(jù)自動(dòng)售檢票監(jiān)控系統(tǒng)總體框架圖如圖1所示[4～5]。

圖1 基于大數(shù)據(jù)分析的自動(dòng)售檢票監(jiān)控系統(tǒng)框架圖

2 大數(shù)據(jù)分析平臺(tái)的搭建

傳 統(tǒng) 數(shù) 據(jù) 分 析 平 臺(tái) 通 過(guò)ETL（Extract, Transform, load）等集成技術(shù)將多種結(jié)構(gòu)數(shù)據(jù)源導(dǎo)入到基于傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù)的數(shù)據(jù)倉(cāng)庫(kù)中，可采用多種手段分析并展現(xiàn)數(shù)據(jù)，如圖2所示。

圖2 傳統(tǒng)數(shù)據(jù)分析平臺(tái)

大數(shù)據(jù)分析平臺(tái)設(shè)計(jì)原則要滿足4V（即：數(shù)據(jù)量大，數(shù)據(jù)類型繁多，價(jià)值密度低，處理速度快。）需求，完成海量數(shù)據(jù)解析，需要部署分布式并行處理架構(gòu)。面向?qū)崟r(shí)處理和批處理需求，需要采用不同的技術(shù)，對(duì)于實(shí)時(shí)數(shù)據(jù)，采用key-value數(shù)據(jù)存儲(chǔ)（NoSQL數(shù)據(jù)庫(kù)）可提供高效分析；對(duì)于批處理數(shù)據(jù)，通過(guò)MapReduce技術(shù)根據(jù)特定業(yè)務(wù)對(duì)數(shù)據(jù)進(jìn)行過(guò)濾，過(guò)濾完成后可直接在本地分析，也可以加載到數(shù)據(jù)倉(cāng)庫(kù)中，關(guān)聯(lián)其他業(yè)務(wù)數(shù)據(jù)一起執(zhí)行分析業(yè)務(wù)，如圖3所示。

圖3 非結(jié)構(gòu)化數(shù)據(jù)分析平臺(tái)

在很多情況下，需要將大數(shù)據(jù)和傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)聯(lián)合才能開(kāi)展分析工作，因此，大數(shù)據(jù)分析平臺(tái)不僅要滿足快速應(yīng)用和快速數(shù)據(jù)解析需求，還要和原有的結(jié)構(gòu)化數(shù)據(jù)做關(guān)聯(lián)分析。采用Hadoop的障礙之一就是缺少和現(xiàn)有BI生態(tài)系統(tǒng)之間的集成。為解決鐵路自動(dòng)售檢票監(jiān)控系統(tǒng)和原有的客票監(jiān)控系統(tǒng)、自動(dòng)售票監(jiān)控系統(tǒng)之間的融合，將結(jié)構(gòu)化的大數(shù)據(jù)分析結(jié)果和原有數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)合并，及時(shí)高質(zhì)量的完成針對(duì)不同數(shù)據(jù)源、不同處理需求的數(shù)據(jù)分析的能力。整合原有架構(gòu)和大數(shù)據(jù)分析能力的鐵路自動(dòng)售檢票集成大數(shù)據(jù)分析平臺(tái)如圖4所示。

對(duì)于系統(tǒng)采集的基礎(chǔ)數(shù)據(jù)、交易和狀態(tài)數(shù)據(jù)、設(shè)備日志、多媒體數(shù)據(jù)，可存儲(chǔ)在關(guān)系數(shù)據(jù)庫(kù)、文件、分布式系統(tǒng)（如NoSQL和HDFS）中。

中間的組織層不僅要組織所有的數(shù)據(jù)類型和域，縮小傳統(tǒng)數(shù)據(jù)采集、數(shù)據(jù)處理框架與大數(shù)據(jù)采集和處理框架之間的差異，還要具有處理高速、高頻數(shù)據(jù)的能力、具有處理大量數(shù)據(jù)的能力，彌補(bǔ)不同數(shù)據(jù)結(jié)構(gòu)間的差距，實(shí)現(xiàn)Hadoop/MapReduce與傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)和交易數(shù)據(jù)庫(kù)之間的雙向業(yè)務(wù)集成。

圖4 大數(shù)據(jù)集成分析平臺(tái)

分析層將大數(shù)據(jù)分析結(jié)果加載到數(shù)據(jù)倉(cāng)庫(kù)或交易數(shù)據(jù)庫(kù)中執(zhí)行進(jìn)一步的分析和展現(xiàn)。復(fù)雜事件處理可針對(duì)實(shí)時(shí)的流數(shù)據(jù)執(zhí)行有針對(duì)性的實(shí)時(shí)業(yè)務(wù)分析。

決策層通過(guò)采用庫(kù)內(nèi)統(tǒng)計(jì)分析、數(shù)據(jù)可視化、高級(jí)分析（數(shù)據(jù)挖掘等）等方法提供報(bào)表、儀表盤(pán)、預(yù)警、決策建議等信息。

3 鐵路自動(dòng)售檢票監(jiān)控系統(tǒng)大數(shù)據(jù)應(yīng)用

根據(jù)自動(dòng)售檢票監(jiān)控系統(tǒng)的業(yè)務(wù)目標(biāo)和數(shù)據(jù)結(jié)構(gòu)，采用數(shù)據(jù)倉(cāng)庫(kù)、分布式計(jì)算、MapReduce、復(fù)雜事件處理、數(shù)據(jù)挖掘分析理論和方法等，建立故障樹(shù)和事件樹(shù)分析模型、統(tǒng)計(jì)分析模型、輔助決策模型等，利用大數(shù)據(jù)分析的成果，結(jié)合日志數(shù)據(jù)分析和故障分析的通用方法，可開(kāi)展鐵路自動(dòng)售檢票系統(tǒng)故障快速定位及故障率分析、設(shè)備故障預(yù)警及預(yù)處理、設(shè)備利用率分析、業(yè)務(wù)優(yōu)化分析、旅客行為分析等。

3.1 故障快速定位及故障率分析[6]

針對(duì)自動(dòng)售檢票系統(tǒng)維護(hù)作業(yè)中復(fù)雜問(wèn)題定位困難、過(guò)分依賴維護(hù)人員經(jīng)驗(yàn)人工處理的問(wèn)題，通過(guò)對(duì)系統(tǒng)響應(yīng)時(shí)間數(shù)據(jù)做聚類分析，可由稠密簇找出自動(dòng)售檢票業(yè)務(wù)正常性能指標(biāo)的邊界值，對(duì)應(yīng)一組性能指標(biāo)項(xiàng)形成的序列，可用作故障樹(shù)模型的參數(shù)輸入。系統(tǒng)建設(shè)初期，可根據(jù)訓(xùn)練數(shù)據(jù)和經(jīng)驗(yàn)值建設(shè)初步故障樹(shù)模型，系統(tǒng)運(yùn)行一段時(shí)間，積累了足夠的數(shù)據(jù)后，再由聚類分析和關(guān)聯(lián)分析得到的邊界值、閾值作為參數(shù)重新調(diào)整故障樹(shù)的分類規(guī)則，從而形成一個(gè)動(dòng)態(tài)調(diào)整的故障樹(shù)模型。

3.2 故障預(yù)警和預(yù)處理

對(duì)某些故障的預(yù)處理，需要有豐富的維護(hù)經(jīng)驗(yàn)。根據(jù)系統(tǒng)當(dāng)前運(yùn)行狀態(tài)，來(lái)制定相對(duì)應(yīng)的預(yù)處理措施，是實(shí)現(xiàn)自動(dòng)化故障處理目標(biāo)的主要步驟。利用事件樹(shù)分析模型找出系統(tǒng)事件之間的關(guān)聯(lián)關(guān)系，推斷出事件發(fā)生引起的后續(xù)結(jié)果，設(shè)計(jì)故障預(yù)測(cè)算法，設(shè)計(jì)自動(dòng)化的故障預(yù)處理流程，對(duì)于無(wú)法自動(dòng)完成的任務(wù)，向維護(hù)人員發(fā)出預(yù)警通知。預(yù)處理的故障內(nèi)容包括清理日志、整理磁盤(pán)、重啟程序、部件復(fù)位等。圖5為事件樹(shù)模型，圖6為故障預(yù)處理流程的示例。

圖5 事件樹(shù)示例

圖5描述的是服務(wù)器磁盤(pán)空間 “磁盤(pán)將滿”這一事件的事件樹(shù)。按照規(guī)定處理流程，維護(hù)人員在發(fā)現(xiàn)監(jiān)控系統(tǒng)檢測(cè)到“磁盤(pán)將滿”時(shí)：（1）下發(fā)自動(dòng)清理日志命令，啟動(dòng)服務(wù)器日志清理腳本開(kāi)始清理日志；（2）檢查命令執(zhí)行結(jié)果，查看磁盤(pán)空間使用率；（3）如果腳本執(zhí)行不成功，則手工清理日志，整理磁盤(pán)空間。圖6描述的是典型的故障預(yù)處理流程。

圖6 故障預(yù)處理流程示例

3.3 設(shè)備利用率分析[6]

為便于評(píng)估鐵路自動(dòng)售檢票設(shè)備在實(shí)際鐵路客運(yùn)組織作業(yè)中發(fā)揮的作用，需要對(duì)車(chē)站內(nèi)設(shè)備的布局情況、設(shè)備的利用情況進(jìn)行綜合分析。鐵路自動(dòng)售檢票系統(tǒng)的交易等數(shù)據(jù)、狀態(tài)數(shù)據(jù)等存放在Sybase ASE關(guān)系數(shù)據(jù)庫(kù)中，通過(guò)ETL等工具將這些數(shù)據(jù)導(dǎo)入數(shù)據(jù)倉(cāng)庫(kù)，并執(zhí)行分析處理。

通過(guò)數(shù)據(jù)傳輸中間件（DBCS）定期將存儲(chǔ)在Sybase ASE中的自動(dòng)售票存根表、自動(dòng)檢票存根表轉(zhuǎn)儲(chǔ)至Sybase IQ數(shù)據(jù)倉(cāng)庫(kù)中，建立區(qū)域、機(jī)器、型號(hào)、時(shí)間段等不同的維度表，分析設(shè)備的售、檢票量在不同區(qū)域、不同機(jī)器、不同時(shí)間段的分布，得出設(shè)備利用率情況，為設(shè)備在車(chē)站的布局和工作時(shí)間調(diào)度提供建議，最大限度發(fā)揮自動(dòng)化設(shè)備的作用。

通過(guò)DBCS將Sybase ASE中的自動(dòng)售檢票設(shè)備狀態(tài)表轉(zhuǎn)儲(chǔ)至Sybase IQ，建立服務(wù)時(shí)間維度表，分析設(shè)備的正常服務(wù)時(shí)間、暫停服務(wù)時(shí)間、維修時(shí)間分別占的比例，得出設(shè)備忙閑率，進(jìn)一步分析暫停服務(wù)的原因，為設(shè)備運(yùn)營(yíng)維護(hù)、巡檢保養(yǎng)制度的制定提供建議。

3.4 業(yè)務(wù)優(yōu)化分析

自動(dòng)售票系統(tǒng)購(gòu)票界面主要考慮城際鐵路和高鐵線路車(chē)次密集，到站集中的特點(diǎn)，隨著多數(shù)的既有線也已經(jīng)開(kāi)通使用，如何既能滿足原高鐵線購(gòu)票便利要求，又能很好的兼顧既有線線路多、到站多，車(chē)次分散的特點(diǎn)，是自動(dòng)售票系統(tǒng)購(gòu)票界面的優(yōu)化方向。

購(gòu)票首界面共有6個(gè)部分，各部分的位置標(biāo)注圖如圖7中所示。旅客通過(guò)售票界面選擇自己要購(gòu)買(mǎi)的車(chē)票信息并通過(guò)自動(dòng)售票機(jī)進(jìn)行交易。通過(guò)詳細(xì)記錄旅客每一步操作過(guò)程。挑選全路高鐵線和既有線典型車(chē)站的設(shè)備，將設(shè)備日志轉(zhuǎn)儲(chǔ)于大數(shù)據(jù)分析平臺(tái)的HDFS中，執(zhí)行MapReduce分析，得出選票過(guò)程中發(fā)站、到站、乘車(chē)日期、車(chē)次、票種、席別、張數(shù)、確認(rèn)購(gòu)票等不同功能按鈕的點(diǎn)選次數(shù)和點(diǎn)選順序，得出設(shè)備易用性指標(biāo)，為選票流程優(yōu)化提供決策建議。同時(shí)，通過(guò)分析日志中每筆購(gòu)票取車(chē)次、取票、讀取證件、支付、制票各環(huán)節(jié)分別所用的時(shí)間，找出影響售票效率的瓶頸。對(duì)于旅客選擇造成的低效問(wèn)題，考慮優(yōu)化界面提示，加快旅客操作速度；對(duì)于系統(tǒng)或設(shè)備響應(yīng)低效問(wèn)題，分析問(wèn)題原因，改善接口方式，提出優(yōu)化思路。

圖7 自動(dòng)售票系統(tǒng)購(gòu)票首界面

3.5 旅客行為分析

鐵路服務(wù)的自助化為捕捉用戶行為軌跡提供了基礎(chǔ)條件，從旅客操作軌跡中發(fā)現(xiàn)潛在的出行計(jì)劃，為旅客推出個(gè)性化的鐵路產(chǎn)品推薦信息，實(shí)現(xiàn)客運(yùn)精準(zhǔn)營(yíng)銷(xiāo)，將是大數(shù)據(jù)在鐵路應(yīng)用的研究熱點(diǎn)。另一方面，可以通過(guò)對(duì)旅客的行為分析，幫助鐵路實(shí)時(shí)改進(jìn)和創(chuàng)新鐵路產(chǎn)品，并根據(jù)旅客的實(shí)時(shí)反饋信息，改進(jìn)服務(wù)，預(yù)測(cè)面臨的經(jīng)營(yíng)風(fēng)險(xiǎn)。針對(duì)旅客過(guò)去和現(xiàn)在的實(shí)時(shí)數(shù)據(jù)有針對(duì)性的確定風(fēng)險(xiǎn)類別，及時(shí)的采取措施，減少損失。

行為分析的數(shù)據(jù)源來(lái)自自動(dòng)售檢票設(shè)備的操作日志，鐵路車(chē)站的監(jiān)控視頻等，這些數(shù)據(jù)量龐大，規(guī)律發(fā)掘困難，必須利用大數(shù)據(jù)處理分析平臺(tái)來(lái)進(jìn)行數(shù)據(jù)的存儲(chǔ)、計(jì)算以及分析結(jié)果可視化展現(xiàn)。通過(guò)CEP技術(shù)對(duì)鐵路自動(dòng)售檢票系統(tǒng)的運(yùn)行數(shù)據(jù)進(jìn)行實(shí)時(shí)或者準(zhǔn)實(shí)時(shí)處理，使用當(dāng)前或過(guò)去的數(shù)據(jù)對(duì)未來(lái)的事件作出預(yù)測(cè)。對(duì)于高速的流數(shù)據(jù)，通過(guò)建立分布式的流計(jì)算平臺(tái)，提高數(shù)據(jù)處理的實(shí)效性。行為分析包括幾個(gè)方面。

3.5.1 起止點(diǎn)的熱點(diǎn)分析

通過(guò)收集旅客選擇的發(fā)到站信息，分析在查詢熱點(diǎn)區(qū)間可售票額能否滿足旅客購(gòu)買(mǎi)需求，并分別針對(duì)有車(chē)無(wú)票、無(wú)車(chē)等不同情況，采取相應(yīng)的票額分配方案、列車(chē)開(kāi)行方案等，在運(yùn)輸?shù)緦?shí)現(xiàn)客運(yùn)效益的最大化。

3.5.2 異常旅客識(shí)別及告警

鐵路旅客常攜帶大件行李，為便于旅客通行，鐵路自動(dòng)檢票機(jī)采用了半高拍打式閘門(mén)，但拍打式閘門(mén)對(duì)尾隨的控制無(wú)法達(dá)到三桿式閘門(mén)的精度。電子票檢票業(yè)務(wù)開(kāi)通以來(lái)，互聯(lián)網(wǎng)購(gòu)票的旅客可直接持二代身份證檢票。但通過(guò)分析電子票檢票日志，發(fā)現(xiàn)有一小部分的旅客經(jīng)常在沒(méi)有購(gòu)票的情況下，刷二代證尾隨過(guò)閘。利用CEP平臺(tái)，捕獲“刷證-檢票失敗-尾隨”這一關(guān)聯(lián)事件，識(shí)別出尾隨旅客，并通知閘機(jī)發(fā)出警告，維護(hù)鐵路客運(yùn)公平秩序。

3.5.3 設(shè)備易用性分析

自動(dòng)售檢票設(shè)備均為開(kāi)放式自助設(shè)備，旅客操作的易用性決定了設(shè)備使用的效率。通過(guò)對(duì)站內(nèi)設(shè)備監(jiān)控視頻的分析，觀察不同類型旅客在操作自動(dòng)售票機(jī)觸摸選票界面，操作識(shí)鈔器、讀卡器，使用找零口、出票口等部件時(shí)的連貫性，提出面向不同類別人群的設(shè)備結(jié)構(gòu)改進(jìn)和旅客操作引導(dǎo)優(yōu)化方案，如開(kāi)發(fā)針對(duì)輪椅旅客和兒童的自動(dòng)購(gòu)票設(shè)備等。同樣，通過(guò)觀察旅客在使用右手持票規(guī)則的自動(dòng)檢票機(jī)時(shí)動(dòng)作的流暢度、持大件行李旅客通過(guò)閘機(jī)時(shí)是否存在障礙等，可針對(duì)性改善自動(dòng)檢票機(jī)結(jié)構(gòu)設(shè)計(jì)，或增加更明顯的操作提示，通過(guò)這些措施實(shí)現(xiàn)設(shè)備利用率最大化。

3.5.4 設(shè)備安全監(jiān)控

除了車(chē)站設(shè)有設(shè)備視頻監(jiān)控外，自動(dòng)售票機(jī)內(nèi)安裝有視頻錄像機(jī)，可詳細(xì)記錄旅客的購(gòu)票行為，通過(guò)對(duì)這些視頻數(shù)據(jù)的分析，可識(shí)別旅客異常購(gòu)票、檢票行為，以及檢測(cè)對(duì)設(shè)備的人為破壞，當(dāng)發(fā)生安全事故時(shí)通過(guò)告警系統(tǒng)及時(shí)通知管理人員采取措施，最大限度保障設(shè)備安全。

4 結(jié)束語(yǔ)

通過(guò)充分利用現(xiàn)有自動(dòng)售檢票業(yè)務(wù)數(shù)據(jù)，采用故障分析和預(yù)警手段，提高系統(tǒng)穩(wěn)定性，減少維護(hù)時(shí)間和成本，是目前自動(dòng)售檢票系統(tǒng)下一步的主要發(fā)展方向?；诒疚奶岢龅拇髷?shù)據(jù)分析平臺(tái)和大數(shù)據(jù)分析方法，構(gòu)建面向全路自動(dòng)售檢票系統(tǒng)的信息挖掘和增值服務(wù)系統(tǒng)，將實(shí)現(xiàn)系統(tǒng)功能的自檢自愈，故障的預(yù)警預(yù)處理；為設(shè)備制造、部件選型以及軟件優(yōu)化提供參考；為鐵路車(chē)站內(nèi)設(shè)備布局、工作時(shí)間調(diào)度、機(jī)型配比提供建議；識(shí)別特殊旅客，識(shí)別風(fēng)險(xiǎn)，檢測(cè)異常等。

[1]王 成,張家峰,蔣秋華.鐵路自動(dòng)售票監(jiān)控系統(tǒng)研究與實(shí)現(xiàn)[J].中國(guó)鐵路，2013（6）：51-55.

[2]潘浪濤,王 成,李 超.軟件故障樹(shù)分析在自動(dòng)售票系統(tǒng)服務(wù)中的應(yīng)用[J].鐵路計(jì)算機(jī)應(yīng)用，2011，20（9）：24-30.

[3]王 珊,王會(huì)舉, 覃雄派, 周 烜. 架構(gòu)大數(shù)據(jù):挑戰(zhàn)、現(xiàn)狀與展望[J].計(jì)算機(jī)學(xué)報(bào), 2011，34（10）： 1741-1752.

[4]宋亞奇,周?chē)?guó)亮,朱永利. 智能電網(wǎng)大數(shù)據(jù)處理技術(shù)現(xiàn)狀與挑戰(zhàn)[J].電網(wǎng)技術(shù), 2013, 37（4）：927-935.

[5]湯玲麗.復(fù)雜事件處理引擎關(guān)鍵技術(shù)研究[D].哈爾濱：哈爾濱工程大學(xué)，2012：5-15.

[6]Jiawei Han, Micheline Kamber,Jian Pei . Data Mining Concepts and Techniques (3rd Ed)[M]. The Morgan Kaufmann Series in Data Management Systems, 2011.

責(zé)任編輯 徐侃春

Railway Automatic Ticketing and Gate Monitoring System based on big data analysis

WANG Cheng1,2, SHI Tianyun1
( 1. Institute of Computing Technologies, China Academy of Railway Sciences, Beijing 100081, China; 2. China Academy of Railway Sciences, Beijing 100081, China )

This article proposed the general frame of Railway Automatic Ticketing and Gate Monitoring System(RATGS). The System was consisted of 4 layers, which were the infrastructure layer, the management layer, the analysis layer and application layer. The System was introduced technologies such as multidimensional data analysis, the distributed fi le system storage MapReduce, Complex Event Processing(CEP), data mining and etc., to implement the value added services based on passenger behavior analysis, such as fault early warning, analysis of failure rate, the utilization rate analysis of equipments, business optimization analysis, OD hotspot analysis, abnormal passenger recognition, usability analysis of equipment. All of these pointed out a new method for the future development of RATGS.

information technology; monitoring; big data analysis; Railway Automatic Ticketing and Gate System(RATGS); Complex Event Processing(CEP)

U293.22∶TP39

A

1005-8451（2015）11-0042-05

2014-04-10

王 成，副研究員；史天運(yùn) ，研究員。