|
继“物联网”与“云计算” 之后，“大数据”成为IT业的又一个热门词汇。信息技术的快速发展已推动网络时代兼有大数据的特征。随着铁路信息化步伐的加快，铁路运营系统的数据已具有海量、多源性、数据类型多、处理要求快等大数据特点。为适应市场化的经营要求，构建铁路运输企业的核心竞争力，提升铁路的持续发展能力和盈利能力，在铁路运营中应用大数据技术，能够提高信息处理效率，进而挖掘出有价值的信息，以便为铁路运营系统提供智力支撑和决策支持。 一、铁路运营大数据剖析 大数据(Big data)通常是指所涉及的资料量规模巨大到无法通过目前主流软件工具进行分析，而需结合其所在行业特征，研发合适的软件工具以能够在合理时间内达到撷取、管理、处理、整理成为帮助经营决策起到积极意义的信息。其特点可用Volume(大量)、Velocity(高速)、Variety(多样)、Veracity(精确)等4V来概括。 随着铁路运输新技术、新设备的大量投入使用，运营管理集中体现在系统管理、过程监控、数据分析等方面正向集成化、信息化、可视化、智能化方向发展，信息的实时快速采集、传输、处理、分析已成为当前铁路运营管理的主要特征。铁路运营系统信息包括方方面面的海量的、结构多样的大数据样本，包括车、机、工、电、辆、供电等各个部门人员作业、设备状态、运营指标、管理制度、外部环境等海量数据，这些数据具有广泛性、联系性、多样性、动态性和复杂性。从数据的特征看，以上数据是海量的、异构的，有视频、图像、音频、图片、曲线、文本等结构化、半结构化、非结构化的数据，并且还有动态的含干扰性；从数据分布的管理形式看，数据分散在不同的应用系统、不同单位，很多数据还存在于电子台账、文件甚至纸质记录中，同时有很多数据是孤立的，难以综合利用。 二、铁路应用大数据技术的应用领域 1.开展安全风险管理 安全风险管理是2012年铁路部门引入的安全先进理念和方法。安全风险大数据分析就是通过梳理生产过程中暴露出来的各类人员、作业、设备、环境、管理等方面不利于铁路运营安全信息源点问题，及时收集、处理、筛选、分析、统计各类安全信息，将各类信息、问题按照风险事件分层、分类、分级的原则进行处理，结合安全风险项点的严重程度和发生的频率，根据相关的数学模型生成红、黄、绿风险预警结果，便于随时掌握现场生产和安全管理现状，已实现对各个风险项点安全识别、研判和预警，以便快速消除和降低安全风险，提高安全风险超前管理、过程控制和趋势管理的能力。 2.建立面向市场的营销体系 加强市场分析和预测。可利用铁路的客票和货票系统、货运电子商务平台、运输信息集成平台等信息系统采集海量的原始信息。基于大数据技术的市场分析和预测技术能够利用上述海量数据，分析客、货运量完整全面的变化过程，深入挖掘运量变化的规律性，进而预测市场的未来走势；还可利用GPS、传感器等物联网手段采集获取精细的运输数据，并充分考虑政治、经济、其他交通方式、气候等关联性影响因素数据，根据普遍化、多样化和个性化的客户需求特点，将旅客和货流进行精细化分析，挖掘各影响因素对铁路运量变化影响的程度、走向以及趋势。例如，可挖掘出2015年旅客往返频率最高的10条高铁线分布在长三角的就有上海-杭州、南京、苏州、无锡四条，这四条线客流流向和季节、时段分布都能做到精细，这就为列车开行方案优化做了基础准备。 强化客户关系管理。大数据在客户关系管理中应用重点主要包括客户分析和客户管理两个方面。在客户分析中，可通过不同途径积累的海量客户数据中可挖掘出用户**惯、市场变化、运输趋势等有价值的信息。例如，通过对历史客票及货票中保存的乘车时间、乘车区间发掘出旅客出行**惯；通过发货时间、发货品类、发货量、发货方向等进行分析获取客户的发货**惯等。同时，可利用电话（录音）、因特网、物联网、照片、视频、地理位置、客户投诉等数据的搜集和积累，分析客户的忠诚和满意度，进而分析客户价值，预测客户的长期增长潜力，评估客户的流失风险，并可能够及时进行预警。在客户管理中，可利用对客户进行分析的结果，结合客户在历史上对价格等信息的敏感度，对客户进行分类营销，筛选出核心和非核心以及重要和次要客户，从而针对不同的客户群通过主动、服务、价格等不同方式有针对性地传递相关服信息，展开营销活动。 2.发展铁路现代物流 铁路开展全程物流服务是铁路货运改革的方向，但目前我国铁路物流经营管理能力不足，尚未建立起现代物流体系，特别是在铁路信息采集利用能力有限、物流信息服务等方面难以满足用户需求。可利用大数据技术的信息采集、分析、挖掘能力，将物流信息在铁路内部实现系统化管理，将现有的粗放、零散的铁路物流数据资源加以整合，实现信息共享与物流资源协调管理，并通过向客户提供铁路物流信息、管理与技术服务，建设成可以根据空间地理信息统一协调运作的现代化物流体系，从而提高铁路物流运作的自动化程度和决策水平，达到合理配置铁路运输资源、降低客户物流成本、提高铁路物流服务水平的目的。 3.优化运力资源配置 可结合运输信息集成平台，比如可以通过列车运行实绩数据和实际运营完成的指标数据这些典型的大数据，包括列车在各个站的实际到发时刻、列车对轨道区段的占用和释放时刻、信号系统的状态变化数据、各站货运量的变化数据等，摸索出列车运行和货运量变化的相关规律，结合对运力资源数据的分析，设计符合市场需求和铁路实际情况的运输产品，为进一步满足客户需求做好运力优化的配置和调整。 4.提高运输收益管理 铁路企业经营工作既要增收也要节支。铁路收益管理指在准确把握市场需求的基础上，充分合理使用铁路运输资源，设计合适的运输产品，以合适的价格体系销售给合适的客户群体，目的是实现铁路收益最大化。可利用大数据技术能够对市场数据建立实时或准实时的采集、监控机制，对客户在运输产品或运输服务方面的需求进行监控。通过深入挖掘现有运输产品的运营数据，以及客户对现有运输产品的反馈数据，收集、评估运输产品的市场运行情况，分析铁路历史运输价格变动下的运量变化情况，研究不同客户群体对运输产品价格的敏感性，以此为依据制定运输产品价格策略和价格体系，进而增加铁路收益。同时，考虑到运输生产成本是铁路局成本支出的大户，大修、付费、直接生产费、货车使用费等四项支出约占运输成本的54%，大数据分析就要重视加强生产过程中的节支分析，在提高运输效率和效益的同时，还要努力好节支工作。 三、铁路应用大数据技术的基本步骤 大数据分析包括以下几个关键环节和步骤： 数据采集。不断优化和完善综合管理平台建设和应用较为成熟的安全信息化设备，设计相关平台上实时采集不同领域、不同结构化的信息数据。 数据预处理。通过对数据提取、筛选、转换、加载等各类基础信息的操作，对采集的数据初步进行组织和梳理。 数据分析及挖掘。设计智能模型和算法，将实时的设备、人员和外部环境、管理等大数据进行加工分析，相关信息等数据汇入分析模型，与历史信息进行对比分析，从大量的、随机的、有噪声的实际应用数据中发现隐含的、规律性的、事先未知但又是潜在有用的并且最终可以被理解的信息和知识。 数据展现和应用。运用定性或定量的统计分析方法寻找到隐含在海量数据中的潜在规律、关键因素、数据间的复杂关联，通过揭示数据内部蕴藏的知识。探寻因果的一种途径是通过比较分析，充分利用大数据大样本的特点，通过广泛的比较发现差异，进而探寻因果。 管理决策。大数据的价值在于为使用者提供更专业的数据分析能力，其最终目标是为使用者提供高效的支持决策。可通过数据分析来实现数据的有效利用，动态掌握现场生产和安全管理现状，实现对安全、营销、现代物流、运力资源以及收益管理等的有效识别、研判和预警，并推断相关发展趋势，预测未来状态，进而确定控制的优先顺序和控制措施，提供铁路运营管理的决策支持。 四、结语 大数据已经引发铁路运输发展变革。建立铁路运营的大数据感知体系、数据共享、信息服务和决策支持是今后的发展趋势，相应地，实现状态预测—状态管理—健康管理的新常态模式已经成为铁路运营管理工作的迫切需要。但铁路信息系统呈现出条块分割的现象，在一定程度上具有分散性，信息集成优势尚未显现，导致铁路管理信息的碎片化，难以支撑数据挖掘和深度分析，这就需要将相互关联的分布式异构数据源信息整合到一起，建立综合的运输信息体系，提高铁路运输信息集成和组合的效率。铁路运营大数据技术还需要围绕“数据资源”转化成为“决策能力”，进而提升“行动效果”，逐步建立起大数据分析理论的完整体系，通过大数据技术量化管理对象和管理行为，实现对铁路运营中作业、计划、组织、控制、协调等职能的管理活动和方法。
|
|
|
