谈大数据分析在铁路运输系统中的应用
王妍
中铁第一勘察设计院集团有限公司 陕西 西安 710043
摘 要 大数据分析技术经过近些年的发展日趋完善，被广泛应用到各行各业，铁路行业采集的数据量大，通过大数据分析可解决诸多问题。然而在实践过程中，尽管能够采集到大量数据，但由于不少铁路企业对大数据分析缺乏了解，没有将大数据分析与铁路运输系统很好地结合，从而使得大数据分析在该领域没有得到广泛应用。本文通过介绍铁路检修、铁路运营和铁路安全中可采集的数据以及数据的分析和处理方法，以于推动大数据分析在这三个领域产生更加有效的应用。
关键词 大数据；铁路运输系统；检修；运营；安全
引言
近些年来，随着智能化、大规模存储与计算以及数据挖掘等技术的日益完善，大数据和铁路都取得了突破性的发展，大数据分析在铁路中的应用更加广泛，大数据分析不仅在降低成本和解决延迟方面对铁路运输系统的发展有巨大的贡献，还从大到提升安全标准，小到提升乘客满意度的方方面面对铁路行业产生着积极的影响。
1 大数据分析在铁路检修中的应用
根据检修标的物的不同，铁路检修可分为车辆检修、轨道检修和信号设备检修。
车辆检修可采集的数据主要是列车状态数据，它们通过声方位探测器、热箱探测器、温度趋势表、冷热轮探测器、货车性能探测器、车轮冲击载荷测试仪、裂纹轴检测器、裂纹轮检测器和机器视觉等仪器采集，这些数据有助于优化车辆运行和维修计划。例如，在列车通过探测器时，探测器对车轮进行多次称重，从而通过车轮冲击载荷测试仪发现有问题的车轮，车轮冲击载荷测试仪会根据不同的列车类型，产生不同的数据，它包括了列车数据、设备数据和车轮数据等。
除了车辆方面的检测外，对轨道的检测也非常重要。影响铁路系统安全运行的原因大多与轨道相关，因此对轨道进行大数据分析显得尤为重要，轨道出现裂纹及轨道间未对准是影响铁路系统安全运行的主要因素，轨道的磨损、轨道材料性能的衰减等同样值得关注。在轨道检修中，可采集大量的动态和静态数据，包括信号数据、检测数据、故障数据、研磨记录、压载记录、补救记录等等，轨道检测包含关注轨道形变的轨道几何检测和关注轨道、压载、系杆和排水系统等结构的轨道结构检测[1]。
问卷开头设置过滤题目“是否需要聘请外国人？”，调查企业选择“需要”和“将来会考虑”的比例分别为32.21%和45.22%，合计241份，约占76.43%。而有招聘需求的企业当中，有超过6成的企业只能招到小部分或很难招聘到外籍人才。如图1所示，大部分招聘需求并没有得到满足。
智能铁路运输系统为铁路管理人员提供的技术和服务能够让他们更加有效地做出决策，大数据分析在铁路运营中的应用包括对旅客出行路线做出预测、分析旅客出行数据、预测列车定位等等；这些大数据分析能够改进实时铁路交通管理并优化列车时刻表。
2 大数据分析在铁路运营中的应用
信号设备的检测也是大数据分析的重要应用方向，与车辆和轨道检修相比，信号设备的检修不仅需要完成硬件的维护，还需关注软件的升级。
⑫爱新觉罗·弘历:《寄畅园》，裴大中、倪咸生修，秦缃业等纂:《光绪无锡金匮县志》，《中国地方志集成·江苏府县志辑》第24册，第22页。
3 大数据分析在铁路安全中的应用
安全是铁路运输系统的首要任务，尽管铁路是目前最安全的地面运输方式，但仍有事故发生，特别是列车出轨事故的后果极其严重。从过往事故的数据中总结并吸取教训对于列车事故的认知和预防显得尤为重要。根据这些历史数据，我们可以了解事故的原因、发生的频率和严重程度，并对基础设施、运营、环境对事故的影响有更加清晰的认识。铁路事故的数据库并不大，每个细分类别的样本量不多（一般在几百到几千），这种中等大小的数据，通过总结、回归模型和数据分析的方法已可评估事故风险和其风险因素的关系。
大数据分析能够在铁路运营中广泛应用的原因，除了可采集方方面面的数据外，还得益于硬件设备的更新和软件的不断迭代升级，此前受制于如内存不足、CPU频率不够以及电池供电系统等硬件设备的限制，高效的数据存储和处理成为大数据分析的障碍。近些年来，除了硬件条件的提升外，各系统间的交互同样促进了大数据分析在铁路运营中的应用，更加完善的铁路调度指挥信息管理系统（TDCS），以及票务系统、乘客服务系统和包括天气信息系统、地理信息系统等社会服务信息系统的改进，已使得集成这些分布式应用程序并将各种异构数据源转换为统一的标准数据结构成为现实，并通过功能强大且优化的铁路运营平台系统实现，系统使用“请求-响应”的数据交互模式，即客户端向服务器发起数据请求，服务器响应请求，并将结果返回至客户端[2]。
为了解决数据量不足的问题，还可以挖掘可能酿成事故的先兆事件，这些先兆时间受到大量因素的影响，除了人为因素外，还有基础设施和设备老化等问题都将随着时间的推移和铁路运营方式的动态变化，这两者都涉及大数据源，可以进行大数据分析。然而，尽管通过复杂的网络安全分析可以减少重要铁路事故的风险，但由于数据量较少，通过建立模型解决铁路安全问题还是非常有挑战性的任务。由于在大多数情况下，安全相关的数据分布在铁路各种不同的服务器中，通过单一的计算机集群搜集所有安全信息的可能性很低，今后的研究方向在于用整合分布式数据源进行系统安全分析。
我的顺风耳和以前的顺风耳不同，以前的顺风耳只能听到国内的，而我的顺风耳不仅能听到国内国外的，还可以把外国人的话翻译成中文。
4 结束语
大数据分析技术的日渐成熟，已广发应用到各行各业，采集何种数据、如何进行分析测算以及与行业的结合将成为大数据行业发展始终的追求，铁路行业可采集的数据量大，可利用大数据分析的应用场景多，本文通过详细介绍铁路检修、铁路运营和铁路安全中可采集的数据以及数据的分析和处理方法，有助于推动大数据分析在铁路行业中更加丰富的应用。未来，大数据分析将与铁路系统产生更多的结合，助力“交通强国，铁路先行”。
参考文献
[1] 孙楠，刘永俊.大数据技术在中国铁路智库建设领域中应用的探讨[J].铁路工程技术与经济，2018，33(06):1-4.
[2] 马小宁.铁路大数据应用实践及展望[J].铁路计算机应用，2019，28(04):8-13.