“大数据”背景下铁路运输发展策略探讨

王涛

（中国铁道科学研究院　通信信号研究所，北京　100081）



“大数据”背景下铁路运输发展策略探讨

王涛

（中国铁道科学研究院通信信号研究所，北京100081）

在分析既有铁路信息统计的现状及不足的基础上，从外部数据挖掘、内部数据挖掘和数据展示三方面提出了大数据发展背景下铁路运输发展策略。通过外部数据挖掘，明确运输市场需求及其演变规律，从产品供给层面研发新产品，同时减少低需求产品供给；内部数据挖掘方面，在完善客户及市场指标体系形成有机整体的基础上，挖掘运营数据提高作业效率，挖掘监测数据确保运输安全；数据展示方面，注重数据展示及人机交互，提供决策支持。本研究为大数据背景下铁路运输发展提供了思路。

大数据；数据挖掘；铁路运输；发展策略

1　引言

“大数据”一词自2012年进入公众视野以来得到了广泛关注，随着它在商业领域的成功应用并产生巨大的经济效益，“大数据”已渗透到社会经济中，并逐渐改变人们的生活方式。为此，我国首次从国家层面制定大数据发展战略，颁布“促进大数据发展行动纲要”。

我国铁路经过近20年的信息化建设，相继研发并投入运用了运输管理信息系统（TMIS）、客票发售和预订系统、列车调度指挥系统（TDCS）、调度集中系统（CTC）、车号自动识别系统（ATIS）、货运营销信息系统等，涵盖了铁路运输生产的全过程。这些系统在运行中产生了大量数据，在“大数据”发展背景下如何发挥铁路内外部数据的作用，服务于铁路运输是未来发展的关键。

2　铁路数据统计现状及存在的问题

2.1铁路运输数据统计现状

国家铁路运输统计工作主要由铁路总公司的计划统计部完成，涉及统计信息系统包括客车统计、货车统计、机车统计、客运统计、货运统计、劳动统计、设备统计、节能环保统计等13个专业统计系统，以及客票系统、货票系统、运输调度管理系统等12大业务系统［1］。系统经过多年运行，积累了大量有价值的数据。我国铁路统计信息系统概况如图1所示。

图1　我国铁路统计信息系统示意图

在统计数据发布方面，铁路管理部门每月发布一次统计月报，公布铁路客货运营指标；每年发布一次统计公报，公布铁路运输经营、建设、科技、节能环保等指标完成情况。同时，铁路系统内部每年发行上一年度总公司、铁路局级别的“统计资料汇编”，全面汇总铁路经营的所有数据。

2.2铁路运输数据统计存在的问题

虽然铁路系统具有完备的统计指标体系，并经过多年运行积累了大量宝贵数据，但从大数据的角度看，仍存在以下问题：

（1）只注重自身统计指标，缺乏与国民经济的联系及横向对比。铁路统计系统经过多年的发展，已形成一套完整的指标体系，但这些指标均是针对铁路部门自身的经营指标，缺乏对宏观经济背景的分析及与其它运输方式的对比。铁路作为服务于国民经济的运输方式中的一种，其运量波动与国民经济发展背景十分密切，仅仅统计自身的指标是不够的。以货物运输为例，近几年铁路货物发送量先后经历了滞涨（2009年）、大幅增长（2010、2011年）、下跌（2012-2015年）的巨大波动，这与近年来全球金融危机、国家4万亿投资拉动及GDP增速放缓与经济转型等发展背景是分不开的，如果单纯从统计数值上研究铁路运输的发展，难免有失偏颇。此外，与其它运输方式横向对比，更能体现铁路运输经营指标的好坏。

（2）统计系统“各自为政”，缺乏有机结合。从图1可以看出，各专业的统计数据由基层站段到铁路局再到总公司，形成了层层汇总的“金字塔”式结构。而铁路运输生产是机、车、工、电、辆五个部门相互协作、共同完成，任何一个部门的统计数据均以其它部门为前提条件，一个部门统计指标的变动会影响到其它部门。而既有统计信息呈现碎片化状态，未能有效集成，未实现各部门统计数据的有机结合。

（3）统计数据无法提供有效的决策支持。既有统计数据经过层层汇总，细节信息已经丢失，未能对决策者提供足够支持。此外，既有统计指标体系也未形成涵盖市场需求、运输经营、决策发展的闭合回路，铁路管理部门仍需依靠自身工作经验进行决策。由于缺乏数据支撑，其决策往往存在局限性、模糊性等问题，决策的科学性受到影响。

3　大数据背景下铁路运输发展策略

在大数据发展背景下，数据已成为一种宝贵的资源，包含了大量有价值的信息，如何从挖掘外部市场数据和内部经营数据中挖掘有用的信息，更好地服务于铁路运输的发展是铁路未来发展的关键。

3.1挖掘外部数据，适应市场需求

（1）通过对外合作，挖掘市场需求。未来我国高速铁路网陆续建成通车后，铁路客货运输能力将得到释放。在我国经济增速放缓的发展背景下，未来客货运输市场将由“卖方市场”转向“买方市场”，市场竞争更加激烈，在这种情况下，挖掘市场需求将成为未来的关键。铁路运输企业虽然掌握大量数据，但多为自身运营数据，对外部市场需求数据掌握较少，数据挖掘工作尚未展开。由于市场需求信息遍布整个互联网，要进行市场信息挖掘需要借助外部合作完成。而搜索引擎公司通过网络蜘蛛搜集了海量互联网数据，且每天有上亿人次的检索，因此，可以考虑与Google、百度等搜索引擎公司合作，利用其掌握的海量互联网信息与检索数据，深入挖掘运输市场需求及发展态势，研究不同经济发展阶段下运输市场需求的演变规律。

（2）调整运输产品，满足市场需求。在明确市场需求的基础上，调整运输产品供给，适应市场需求。对于市场新的运输需求，通过研发新产品满足；而对于运量降低的运输需求，则通过车次合并、减少列车开行频率等方式减少运输供给，以实现资源的优化配置。如在客运方面，通过人口迁徙数据，调整列车开行方案；在货运方面，针对大宗物资运量下降趋势，适当减少大宗物资列车开行数量，增加快捷货物列车开行频率［2］。

3.2挖掘内部数据，提高运营效率

（1）完善指标体系，形成有机整体。铁路运输管理部门除关注自身运营指标外，还需要建立并完善客户信息、市场信息等指标，以形成完整的数据分析指标体系。如在货运客户信息方面，增加客户属性等信息（如企业所属行业、规模、产能、发货时间、批量、请求车类型等），以便通过数据挖掘与分析，为货主推荐适合的运输产品，节省货主运输成本，实现路企双赢。此外，还需将机、车、工、电、辆等各部门运营数据进行集成，形成统一整体。

（2）挖掘运营数据，提高作业效率。挖掘列车运行、客运售票、货运请求车、机车车辆等基础设施养护维修等数据，掌握其分布规律，提高作业效率。如分析列车区间运行时分与运行图标尺偏离规律，优化运行图标尺，提高列车运行的准点率［3］；挖掘售票数据，根据线路客流变化，优化列车停站方案，增开或减少旅客列车；货运方面挖掘全路请求车监测数据，及时组织货车排空，压缩货车中转停时，提高送达速度；挖掘机车车辆养护维修数据，优化维修计划。

（3）挖掘监测数据，确保运输安全。挖掘环境、列车运行及设备监控等监测数据，建立行车安全智能预警机制，确保铁路运输安全。目前，铁路已在全路范围内建立了天气、风速、轴温检测、超偏载轨道衡等多个监测系统，通过多年运行已积累大量历史数据，对这些数据进行挖掘与分析［4］，掌握其分布规律，及时进行预警，以实现铁路运输安全的全方位保障。

3.3注重数据展示，提供决策支持

数据展示是对数据挖掘成果的展现，在大数据发展背景下，在庞大的数据面前进行决策是件十分困难的事，需要通过二维或三维图形方式将挖掘结果进行展示［5］，突出决策焦点，并增强用户交互性，通过数据展示帮助决策者解读数据之间的关系，清晰有效地表达数据信息，将决策人员从繁杂的数据分析工作中解脱出来，集中精力到主要矛盾上。大数据背景下的铁路运输发展思路如图2所示。

图2　大数据背景下的铁路运输发展策略

4　结论

随着高速铁路网的建成，铁路客货运输能力将得到释放，在我国经济增速放缓的背景下，运输市场竞争将更加激烈。在大数据发展背景下，铁路仅靠既有的统计分析体系已不足以支持其未来的发展，为此，需要从内外两方面着手，对外挖掘运输市场需求、经济发展背景下运输需求的演变规律；对内完善铁路统计指标体系，挖掘运营数据，提高运营效率，挖掘监测数据，确保运输安全；最终通过数据展示为铁路发展提供决策支持。

［1］邵长虹，庄红男，贾晓非.大数据环境下的铁路统计信息化平台研究［J］.中国铁路，2015，（7）：1-9.

［2］张红亮，杨浩，朱晓宁.高速铁路成网背景下既有线货物运输发展策略［J］.综合运输，2013，（6）：55-59.

［3］刘岩，郭竞文，罗常津，孟令云.列车运行实绩大数据分析及应用前景展望［J］.中国铁路，2015，（6）：70-73.

［4］田锐，刘俊，贺义勇.铁路行车安全信息系统设计探讨［J］.铁道运输与经济，2015，37（5）：32-37.

［5］杨璟昭.多维数据可视化数据展示平台研究［D］.济南：山东大学，2012.

Discussion on Development Strategy of Railway Transportation Industry against Big Data Background

Wang Tao
（Signal Communication Research Institute， China Academy of Railway Sciences， Beijing 100081， China）

In this paper， on the basis of an analysis of the status and shortcomings of the current railway transportation informationstatistics system， we proposed the strategy for the development of the railway transportation industry in the big data era from three aspects.More specifically， through external data mining， we could clarify the demand of the transportation market as well as its evolutionary pattern，research and develop new products from the supply level and at the meantime， limit the production capacity of low- demand products； interms of internal data mining， after completing and integrating the customer and market index systems， we could mine the operational data ofthe enterprises to improve their operational efficiency and the monitoring data to ensure their transportation safety； and with regard to datadisplay， we should pay attention to user friendliness and human-machine interaction.

big data； data mining； railway transportation； development strategy

F532

A

1005-152X（2016）08-0009-03

10.3969/j.issn.1005-152X.2016.08.003

2016-07-05

王涛，男，中国铁道科学研究院通信信号研究所副研究员，研究方向：交通信息工程及控制。