曾艳媚
深圳市地铁集团有限公司运营总部 广东深圳 518000
摘要：随着信息技术的快速发展， “互联网+”迅速融入了各行业，带来了革命性的影响，进而催生了“大数据”这个名词，大数据广泛应用于城市地铁轨道交通的各个建设、运营阶段，无论是在建设前期的规划设计、安全调度还是实际运营中的客流车次调度、视频监控、自动售票系统、智能检测等方面都表现出了非常好的应用效果。
关键词：城市地铁轨道交通；大数据；应用领域；解决
引言
地铁轨道交通每天会产生大量的数据，对这些数据进行系统的管理。例如地铁的智能管理:行车安全保障、列车定位系统、自动售票系统等，这些智能管理有助于提高地铁的运营效率，同时节省了劳动力。智能管理即促进了地铁运营的发展，又节约了地铁运营公司的开支。用大数据管理系统解决地铁客流多产生的相关人力投入，降低管理成本、提高功效。
1大数据的概述
1.1大数据的特征
杰夫·乔纳斯认为，大数据是这样的一堆数据:它是如此之大，并且利用起来如此之好，以至于它能够做出大体上更好的预测。大数据具体可以总结为四大特征:体积大、速度快、种类多、价值性。
1.2大数据已有的应用领域
云时代的到来促进了大数据的广泛应用:在天文学领域，天文学研究人员在几分钟内从大数据中提取相关内容以鉴定所有的类星体。大数据将轨道交通数据用数字方式存储，建立完善的地铁运营系统，查看客流数据并依据客流量以及视频监控及时的调动相关岗位人员，帮助乘客有序的疏散，减少了乘客乘坐地铁的困难。
2大数据应用相对成熟的领域
2.1大数据分析客流车次调度
购票系统记录了乘客进站的数量，对地铁某天的客流量进行分析。如图所示，通过折线图可以看出16:00-17:00客流在不断增加，到18:00时，客流达到最高峰，通过对采集数据的分析，调度中心可以适当的调度车辆，加开班次已达到疏散客流的目的。通过购票进站刷卡系统，当乘客进站时，刷卡记录乘客的行为，把数据放入数据库，通过模型分析，数据达到上限时，启动报警系统。工作人员可以通过报警系统及时的调配车辆，减少了地铁常运营时的负担。
2.2视频监控与定位系统
基于这个平台系统的建立，提高了地铁运营的安全性。在地铁站内，出现事故安全时，视频监控及时的反馈事发地点状况;定位系统采集的数据及时反馈到ETC(应急指挥中心)，为乘客提供及时信息服务。定位系统为乘客及时预报车到站的时间，以及车准备到站的温馨提示。当定位到列车即将到站时，会启动报站系统，为乘客提供温馨的提示。定位系统是适时采集数据及时反馈的应急服务系统，大数据时代，弥补了过去数据管理的遗漏。
2.3自动售票系统
在地铁运营体系中，自动售票系统是会有大量数据输出。根据郑州地铁运营日报信息所示，某些站点的日客流量最高达到二万七千多，最低九千多。每天所有站点的日客流量总和是一个庞大的数据，意味着自动售票系统每天承载者海量数据的输出，需要对庞大数据进行分析处理。面对海量的数据，在数据采集平台对每天的购票输出数据进行采集。对采集的数据进行分析，分析乘客的身份，可以在某段乘车区间推出相应身份交通卡。
2.4智能检测隧道系统
通过智能检测对其进行长期的，连续的检测，及时发现险情，减少事故的发生。在郑州地铁郑州东站到博学路站，在这个行车区间，由于地质问题，以及周围建筑施工问题，安装了智能检测隧道系统。当隧道发生形变时，会把产生的形变数据发送到数据接收端，对形变的数据进行处理，当处理端显示变形的数据会有发生危险的可能，把处理的结果通过ETC端输出，报警预警系统启动发生报警，工作人员通过定位系统，对形变的地段通过实施监控进行形变数据分析，让维修人员对形变路段进行维修，保证行车安全。
3轨道交通企业的大数据应用挑战
3.1数据集成挑战
轨道交通数据的采集方式的多样性和数据类型的多样性使得数据集成成为大数据应用面临的巨大挑战。首先数据得广泛异构性表现在数据类型从结构化数据为主转向结构化、半结构化、非结构化，其次数据采集方式的多样性体现在传统固定设备的数据转向移动设备的快速变动数据，且产生的数据呈爆炸式增长，并有着明显的时空特性。不同类型、不同方式、不同纬度的各种数据形成的大数据需要新的集成方法才能发挥其大数据的作用。
3.2数据清洗挑战
数据量巨大并不代表数据的价值大，数据量的增加导致数据质量低劣，噪声增多，反而会影响有用数据的筛选和使用。一方面很难由单个几系统容纳下不同数据源集成的海量数据，另一方面数据集成并不是简单的将数据聚集在一起而不作任何清洗，这样有用数据就会被大量的干扰数据淹没。大数据时代的数据清洗需要更加谨慎，因为有限的、细微的有用信息需要从巨量的数据中清洗出来，如果清洗粒度选择不合适，或大或小，都将无法达到真正的清洗效果。
3.3数据解释挑战
数据解释旨在更好的呈现大数据的分析结果，不恰当的解释方法可能导致解释结果晦涩，难以理解。然而传统的数据解释方式并不能应对大数据的分析结果，尤其是在面对类型复杂、数量巨大的轨道交通企业大数据时更为如此，外部的大数据与内部的管理数据以何种技术呈现解释结果，需要提出全新的大数据解释方式。云计算的发展为大数据的应用奠定了基础，但是对于大数据去粗取精、内外数据互联融通的过程，云计算犹如大海捞针，仍显得无力。
4地铁大数据的未来展望
4.1人脸识别技术的应用
人脸识别支付技术在国内仍是一个需要攻克的一个难题，在国内人脸识别技术应用中，乌镇景区人脸识别支付成功应用。人脸识别支付系统在国内仍处于不成熟的开发阶段，人脸识别基于支付宝平台进行开发，通过人脸识别进行支付，支付以支付宝作为支付平台。在郑州的紫荆山换乘站，每天会有大量的乘客，在客流量非常大时，乘客排队买票等候成了难题。在地铁轨道交通中，可以利用基于支付宝的人脸识别支付技术，与支付宝平台作为连接的端口，支付成功之后进站闸机门自动打开，通过此技术节约乘客的乘车时间。
4.2智能检测系统应用
在郑州城市轨道交通中，客运服务是最为庞大的一项工程，每天巨大的客流量需要人工服务，保证乘客安全。在紫荆山换乘站、火车站等车站每天都有大量的客流，为了保证乘客的安全，会有服务人员在每个屏蔽门出提醒乘客远离屏蔽处，不要站在黄线以外。利用智能服务检测系统节约了劳动成本，提高了服务效率。在黄线内可以有红外线感应，当在黄线以内感应到人体红外线时，发出预警，提醒乘客站在黄线以内。在郑州地铁的未来规划中，通过智能红外线检测，站点不断的增多的同时，服务人员减少，节约人力资源开支。
结语
随着大数据的发展，城市地铁中的大数据研究和发展将越来越重要，既是地铁管理升级的需要，也是满足乘客多种需要的必然要求，因此，切实推动大数据与城市地铁轨道交通的深度结合是非常有必要性的。
参考文献：
[1]丁慧娟,申亚伟,周杰.城市地铁轨道交通中的大数据分析[J].智能城市,2017,02:327.
[2]岳建明,袁伦渠.智能交通发展中的大数据分析[J].生产力研究,2013,06:137-138+165.
[3]李建国.智能交通发展中的大数据分析[J].硅谷,2014,06:1+3.
[4]孟小峰,慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展,2013,50(1):146-169.
[5]李得伟,张天宇,周炜腾,尹浩东.轨道交通大数据应用现状及发展趋势研究[J].都市快轨交通,2016,12:29(6).
论文作者:曾艳媚
论文发表刊物:《防护工程》2018年第4期
论文发表时间:2018/6/25
标签：数据论文; 地铁论文; 乘客论文; 轨道交通论文; 系统论文; 客流论文; 智能论文; 《防护工程》2018年第4期论文;