基于大數(shù)據(jù)的鐵路運輸調(diào)度淺析

王洋 王昕

摘要：鐵路作為國家或企業(yè)的重要基礎(chǔ)設(shè)施，在運營和安全方面都有著極高的要求，鐵路調(diào)度系統(tǒng)基礎(chǔ)數(shù)據(jù)尚未得到充分挖掘，安全管理仍有優(yōu)化空間。隨著大數(shù)據(jù)、物聯(lián)網(wǎng)、云計算等現(xiàn)代化技術(shù)日益成熟，以規(guī)?；瘮?shù)據(jù)為基礎(chǔ)提升管理效率與水平，能夠有效驅(qū)動鐵路現(xiàn)代化發(fā)展步伐;加快鐵路調(diào)度大數(shù)據(jù)功能架構(gòu)設(shè)計及研發(fā)運用，能夠為充分挖掘鐵路調(diào)度數(shù)據(jù)資源，提升鐵路調(diào)度管理能力，提供有效的技術(shù)手段。

關(guān)鍵詞：鐵路;運輸;調(diào)度;大數(shù)據(jù)

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(shù)據(jù)概述

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

2 現(xiàn)狀分析

2.1 我國鐵路運輸調(diào)度現(xiàn)狀分析

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

2.2 鐵路運輸調(diào)度存在的問題

當(dāng)前階段自從鐵路總公司成立以來，我國在運輸生產(chǎn)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?shù)墓芾硇?，無法匹配對應(yīng)的相關(guān)要求。在運輸信息管理方面，我國正處于轉(zhuǎn)型發(fā)展的關(guān)鍵節(jié)點，面臨著數(shù)據(jù)共享困難、數(shù)據(jù)分析能力不足、數(shù)據(jù)創(chuàng)新需求迫切等一系列問題。

大數(shù)據(jù)共享方面，存在數(shù)據(jù)壁壘嚴(yán)重、共享不足等問題。在我國當(dāng)前鐵路運輸調(diào)度系統(tǒng)中，調(diào)度信息整合及發(fā)展上缺乏統(tǒng)一標(biāo)準(zhǔn)，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(xiàn)高效溝通，在部分合作帶來了巨大挑戰(zhàn)。而現(xiàn)有數(shù)據(jù)分散于各級系統(tǒng)平臺，無法統(tǒng)一分析處理。

大數(shù)據(jù)分析方面，由于缺乏數(shù)據(jù)意識，龐大數(shù)據(jù)的應(yīng)用僅停留在日常工作和日常統(tǒng)計分析層面，對數(shù)據(jù)深度挖掘不夠，無法利用寶貴的數(shù)據(jù)資源真正改進服務(wù)管理，試驗智能鐵路發(fā)展。

總而言之，要利用當(dāng)前大數(shù)據(jù)分析挖掘技術(shù)，解決鐵路目前面臨的相關(guān)問題，實現(xiàn)鐵路基于數(shù)據(jù)的、以客戶為中心的運輸調(diào)度及經(jīng)營管理。

3 基于大數(shù)據(jù)的鐵路運輸調(diào)度指揮系統(tǒng)

3.1 基于大數(shù)據(jù)的鐵路運輸調(diào)度指揮系統(tǒng)的構(gòu)想

系統(tǒng)架構(gòu)研究主要關(guān)注于應(yīng)用功能，鐵路應(yīng)用的提升空間主要表現(xiàn)在：打破信息壁壘，實現(xiàn)應(yīng)用系統(tǒng)的橫向整合;在完善以實時追蹤為核心的運輸數(shù)據(jù)管理基礎(chǔ)上，圍繞三大主題建立鐵路核心應(yīng)用;改變目前以模擬手工操作為主的應(yīng)用現(xiàn)狀，以信息技術(shù)引領(lǐng)業(yè)務(wù)的變革等。基于以上原則，構(gòu)建圖1的系統(tǒng)構(gòu)架。

運輸調(diào)度計劃編制問題是一個動態(tài)復(fù)雜問題，影響因素眾多，關(guān)系錯綜復(fù)雜，即有定量因素，又有定性因素。數(shù)學(xué)規(guī)劃中只能對其中定量因素進行數(shù)學(xué)描述，很難建立準(zhǔn)備約束條件的下的數(shù)學(xué)模型，無法得出其解析解?；诖髷?shù)據(jù)的計劃編制利用數(shù)據(jù)庫中海量信息的交互分析，可以解決復(fù)雜的調(diào)度計劃編制問題。智能調(diào)度計劃編制平臺如圖2所示。

3.2 措施淺析

3.2.1 數(shù)據(jù)處理

鐵路車流數(shù)據(jù)處理包括四個模塊：采集、分析與挖掘、預(yù)測、應(yīng)用。數(shù)據(jù)分析可以滿足一般的分析需求，主要利用分布式數(shù)據(jù)庫或者分布式計算集群對其中保存的超量數(shù)據(jù)進行分類和匯總。數(shù)據(jù)挖掘即是從大量數(shù)據(jù)中通過各種技術(shù)找到其中隱藏的有用信息，是本項目的關(guān)鍵點也是一大難點。該項目擬采用技術(shù)有：神經(jīng)網(wǎng)絡(luò)、Logistic回歸方法、SEMMA方法、預(yù)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(jù)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(fù)分配對象，直至函數(shù)收斂。工作流程圖如圖3所示：

3.2.2 模型優(yōu)勢

智能調(diào)度計劃編制平臺可以實時收集車輛信息，基于實時數(shù)據(jù)構(gòu)建的預(yù)測模型不僅可以將預(yù)測對象精確到車輛，而且根據(jù)每個車輛的實時報告，可以獲得動態(tài)的數(shù)據(jù)信息，從而實現(xiàn)動態(tài)實時預(yù)測，使預(yù)測結(jié)果更加準(zhǔn)確完善。

4 結(jié)論與展望

目前鐵路企業(yè)陸續(xù)建立的各種生產(chǎn)信息系統(tǒng)間相對孤立，許多有用信息被埋沒在海量數(shù)據(jù)中。因此，有必要結(jié)合大數(shù)據(jù)管理思維與挖掘方法，建立鐵路安全管理大數(shù)據(jù)分析平臺，綜合考量作業(yè)人員、設(shè)備、環(huán)境、管理方面失效危險等因素，有效整合各專業(yè)系統(tǒng)生產(chǎn)數(shù)據(jù)，通過對各類數(shù)據(jù)的綜合處理分析，形成各類指數(shù)并用于安全預(yù)警和安全管理，數(shù)字量化單位的安全管理狀態(tài)，實現(xiàn)鐵路生產(chǎn)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(xué)的數(shù)據(jù)支撐和決策依據(jù)。

參考文獻：

[1]何川寧.高速鐵路與普速鐵路列車調(diào)度指揮對比分析[D].北京：中國鐵道科學(xué)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(yīng)用，2005.

[3]傅志華.大數(shù)據(jù)在電信行業(yè)的應(yīng)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(yīng)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.