“大数据”背景下铁路运输发展策略探析

牛慧杰

摘要：伴随着我国社会经济发展进程持续加快，我国各行各业都获得了迅猛发展，基于此背景下的新的信息化技术也层出不穷。就现阶段而言，大数据理念的广泛应用对铁路运输发展意义重大。

关键词：“大数据”背景;铁路运输;发展策略

当今社会是个信息量爆棚的时代，铁路行业面临海量的工作信息，要想在短时间对其进行有效整合和管理，需要及时采集海量的信息数据，通过系统的筛查于分析，为铁路运输组织管理人员及时应对、精准决策提供有效的参考信息，这不仅服务于管理层，同时还对基层从业者的工作能力提升具有重要的促进性作用。

一、大数据概述

大数据迄今并没有公认的定义。但是同传统数据相比，大数据具有如下5v特征：即体量大、速度快、模态多、难辨识和价值大密度低。相对而言，大数据并不只是在数量上的庞大，更多的是数据类型上的复杂。大数据是一种思想，是一种挖掘思想，淘金思想，核心并不是拥有数据，而是用数据去做什么，大数据有什么不重要，怎么用才重要。大数据的核心价值是预测，本质是基于预测所做出的正确判断。以往的数据分析是基于精确数据的深度挖掘，大数据则更多是利用已有数据对分析得出某种趋势。

二、“大数据”背景下铁路运输发展策略

1.大数据在铁路运输行业数据收集中的运用

随着近些年来我国铁路改革的不断推进，铁路运行形式和管理方法也发生了翻天覆地的变化，铁路网络化售票和实名售票逐渐推行开来，电子商务模式在货运组织中的应用程度不断加深，国家出台一系列政策向铁路运量倾斜，这些都造成了铁路运输数据的进一步增加。结合铁路企业实际发展情况来看，还需要不断规划统筹建设大数据结构，促进铁路运输进入大数据时代，全面合理地选择大数据收集点，为海量信息数据的收集奠定坚实的基础。铁路企业相关部门需要重视起大数据采集工作，结合铁路运输需求和运输现状，引入专业的大数据收集和分析人才，将所有可能涉及铁路交通物流的数据整合到一起，并加強与各个电子运营商之间的交流与沟通，融合各方面的资源构建一个物流大数据资源库，以促进物流数字化管理工作的推进。结合云平台技术建立大数据平台，以大规模计算的云平台作为物理支撑，不断扩大数据平台的空间以及容量，使得数据能够进行大规模的运算和分析。然后，将客货调度分配、车站综合管理、运输路径选择等运输关键信息系统全部接入大数据平台，加强各个系统之间的交流与沟通，避免信息孤岛的存在，为大数据平台提供高价值高水平的信息与数据。

2.以对外合作为载体，实现对市场需求的挖掘

加大对对外合作的重视力度，这样不仅可以实现对外合作范围的拓宽，而且也能够更好地把握当前社会发展过程中的市场需求。未来我国高速铁路网的建立与通车是释放铁路客货运输能力的重要措施。伴随着我国经济的平稳发展，未来客货运输市场将会向“买方市场”所发展，市场竞争较现在相比也会更加激烈，在此背景下，注重对市场需求的挖掘己成为铁路运输业未来竞争过程中的关键与重点。以铁路运输企业角度来讲，虽然其掌握着海量数据信息，但基本以自身运营数据为主，包含的外部市场需求数据信息相对较少，这也体现了当前数据挖掘工作依然未展开的客观事实。而受到市场需求信息零散且遍布互联网这一特点的影响，因此想要保证市场信息挖掘的顺利开展就需要从外部借力来进行。例如可以搜索当前较为知名的搜索引擎公司，与当前较为专业的搜索引擎公司如Google、百度等进行合作，以其提供的海量互联网信息检索数据为辅助，实现对现阶段运输市场需求和未来发展形势的准确挖掘，并剖析出不同经济发展阶段下运输市场需求的演变规律。

3.加强数据的结合工作，完善内部机制

对内部运输机制的完善不仅是对相关的数据进行整合，而是在以大数据的分析工作、统计工作为基础，开辟一条新的调度指挥通道，将数据作为介质，使其在最大程度满足市场需求的基础上，在运输方向、故障分析方向、安全与配套设备保障方向、效能分析等方向发挥最大的价值。与此同时，建立一套合理的铁路调度管理体系尤为重要，该体系的职能是以完整数据的分析作为基础，对市场变化的信息、客户目标信息等指标进行有效的控制。例如铁路运输业的货物运输领域，为最大程度帮助货运客户节省运输的时间、运输的成本等，可以对客户的行业、发货的时间、需要的车型、运输的规模、真实的产能等属性信息进行一定的收集，以大数据中数据的挖掘技术作为基本技术支持，快速选择出符合货运客户实际需求，满意度较高的运输产品。该步骤可以提升铁路运输部门的信誉度，加强货运部门与铁路部门的沟通，形成共同发展、共同促进的共赢局面。

4.数据处理

铁路车流数据处理包括四个模块：采集、分析与挖掘、预测、应用。数据分析可以满足一般的分析需求，主要利用分布式数据库或者分布式计算集群对其中保存的超量数据进行分类和汇总。数据挖掘即是从大量数据中通过各种技术找到其中隐藏的有用信息，是本项目的关键点也是一大难点。该项目拟采用技术有：神经网络、Logistic回归方法、SEMMA方法、预测模型、改进K-means聚类算法等。K-means聚类算法基本思想是首先随机选取几个初始聚类中心，其他对象根据与每个中心的距离分别分配，形成聚类。计算每个聚类均值作为新的聚类中心，重复分配对象，直至函数收敛。

三、结论

综上所述，随着计算机技术的不断发展，大数据在铁路运输组织工作中的应用价值越来越高，在铁路运输系统中应用大数据可以帮助领导人更好地进行决策，提高铁路运输生产的安全性和可靠性，保证铁路运输企业的经济效益。