基于大数据下铁路运输发展策略的研究

谢俊

摘要：随着我国社会发展进程的不断加快，各行各业都取得了飞速发展，信息化技术也得以不断创新和研发。在现阶段大数据理念的广泛应用背景下，对铁路运输事业的发展有着尤为重要的现实意义。铁路运输行业可以基于客户关系管理、货物营销管理以及铁路运输效率、铁路运输收益、现代化铁路运输物流等多种方面，实现大数据发展。本次研究通过针对现阶段既有铁路信息系统的现状问题分析基础之上，深入挖掘外部数据，对运输市场需求及规律加以明确，重视人机交互提供决策性支持，减少低需求产品的供给，借助科技化手段大数据技术，提高铁路运输的整体工作效率。

【关键词】大数据、铁路运输、发展策略

自“物联网”以及“云计算”技术之后，“大数据”就成为现阶段我国各界人士所关注的话题。大数据主要指无法使用当前的软件，完成对海量的数据信息提取、储存、检索、共享以及分析和处理的集合[1]。大数据有着较大的数据量、较为繁杂的数据类型、较低的价值密度以及较快的信息处理速度。维克托曾经在《大数据时代》中明确指出[2]：“在现如今大数据时代背景下，大数据的核心特点就是全量化数据、相关性关系、预测化预判。”大数据技术不仅可以实现，在海量的数据中找寻出存在相似性关系的数据，还能够基于更深层次的中识别人类科学之间的内在运行规律，并且对未来所发生的事物进行预测。那么在如今铁路运输事业飞速发展的新形勢下，为了顺应市场化运营需求，提升铁路运输效率、效益及自身竞争力，通过运营大数据技术有着尤为重要的现实意义。

1.基于“大数据”下铁路运输管理现状研究

大数据技术中心系统中，共设置了专业安全管理工作区域、运输效率及运输成本管理工作区域以及资产资源管理工作区域以及应急指挥管理区域等不同区域管理内容。

1.1铁路运输数据统计现状概况

我国的铁路运输统计工作主要是借助铁路总公司的计划统计部所完成的，涉及了统计信息系统包括客车、货车、客运、机车、劳动、货运、设备以及节能等多种专业化的统计系统，还包括12个专业化的大业务系统，包括了客票、货票以及运输调度管理等[3]。不同的系统都有着不同价值的数据，在将所统计的有关数据发布之前，我国的铁路管理有关部门通常按照1月1次的数据统计月报发布频次。将铁路客运货运的具体运营指标公布社会，按照1年1次的统计频次，将铁路运输的科技、节能环保、运输经营以及基础建设等多种情况统计公报。与此同时铁路系统还能够根据上一年所公报的有关数据，完成统计资料的汇编工作，从而全面汇总当前铁路运营的主要数据。

2.铁路运输数据统计主要问题所在

虽然现阶段铁路运输数据统计系统，有着较为完整的统计指标体系，但是在经过多年运行所积累的大量宝贵信息数据中，基于大数据角度来讲，仍然存在诸多问题。

2.1过度重视自身统计指标

铁路信息数据统计系统在近些年的发展中，虽然已经形成了相对较为完整的指标体系，但是此类指标往往是铁路运输中，针对其本身的经营情况统计指标，并没有与我国的国民经济之间有所联系，缺乏了基于现阶段我国宏观背景之下的联系性[4]。铁路作为一种服务于我国国民的交通运输方式，整体的运输总量有所波动，直接影响我国的经济发展水平，因此仅仅重视自身的统计指标还尚且不足。比如以货运为例，在近几年来铁路的货运量，在2009年历经了滞涨、2010-2011年间的大幅度增长、2011-2016年的下跌较大范围波动[5]。而波动原因则密切相关于全球金融危机、国家四万亿投资拉动、以及我国GDP增速放缓的社会背景密不可分。如果只是单纯基于统计数值层面分析铁路运输行业的发展，难免存在较大局限性。

2.2统计系统缺乏高效结合

从我国铁路统计信息系统中可以看出，不同专业的统计数据都是由基层铁路站点，传输至铁路局再至铁路总公司，从而形成了层层汇总的金字塔式信息系统结构。铁路运输行业中，则需要机、车、电、工、辆不同部门之间的彼此合作，协同完成。无论任何一个部门所产生的数据信息统计，都是基于其他部门的数据作为前提条件，其中任何一个部门的统计指标有所变动，就必然会对其他部门造成较大影响。但是现阶段的统计信息仍然呈现碎片式状态，并未形成高效的信息集成，也并未满足各个铁路部门之间的信息统计结合。

2.3统计数据无法提供有效决策支撑

铁路运输统计数据在完成层层汇总的过程中，对于细节化数据需要确保其不会丢失，能够对决策者的决策起到重要的支持作用。当前的铁路运输统计指标体系[6]，也并未系统性的覆盖我国整体时长的运输需求，对运输经营以及进一步的运输决策发展存在闭合回路，铁路管理部门仍然需要借助本身的工作经验完成针对性决策。由于缺乏大数据等多方面的支撑，因此往往导致决策者的决策存在较大局限性，更在一定程度上影响了决策的准确性和科学性。

3.大数据背景下铁路运输发展策略

基于现阶段的大数据发展背景下，海量的信息数据已经作为一种重要的资源，其中包括了诸多具备较高价值的有用信息[7]。确保所挖掘的外部市场信息数据，以及内部经营数据中的信息有用性，是保证其能够更好的服务于铁路运输事业的关键。

3.1深挖外部数据顺应社会需求

首先需要重视对外合作，在不断拓宽对外合作范围的同时，能够深度了解社会发展中的市场需求。在未来我国高速铁路网建成成功通车之后，铁路的客运及货运整体运输能力必然会在一定程度上得到释放。在现阶段我国的经济增长速率比较迟缓的背景下，未来阶段的客货运输市场，也必然会重视由最初的“卖方”逐步转变为“买方”，逐步激烈化的市场竞争，致使社会市场需求就成为铁路运输业的未来发展关键。铁路运输企业虽然掌握了大量的数据信息，但是经过上述分析绝大多数都是自身指标数据，并没有掌握较多外部市场需求信息。市场的发展需求信息已经存在整个互联网平台中，想要深度挖掘市场需求数据，就必然需要借助社会外力所实现。因此对于引擎公司进行搜索，可以通过互联网平台搜集大量的互联网数据信息，与百度、谷歌等搜索引擎公司合作。借助每天有上亿人次的检索信息，搜集掌握关键性互联网数据信息，深度了解社会市场的发展形势。

其次则需要对运输产品进行适当调整，从而满足社会发展的市场需求。在对市场需求进行明确的基础之上，对所需要运输的产品供给进行调整，对于市场发展中所形成的新型运输需求，则经由不断研发新型产品加以满足。对于运输量逐步降低的运输需求，则可以通过实现列车开行频率、车次合并等诸多方式减少运输供给，更能达到铁路运输中的资源优化配置。在客运方面，可以通过人口迁徙数据，对列车的开车运行方案进行适当调整。针对货运方面，则可以根据大宗物资的整体运输量逐步下降趋势，适当化的减少大宗物资列车的整体开行数量，有效增加快捷货车的运输频率。

3.2深挖内部数据提升运营效率

首先需要对自身的运输指标体系进行不断完善，确保其形成一个有机整体。铁路运输管理部门需要在重视自身运营指标之外，还应当逐步构建并且根据实际情况，完善用户信息、市场信息等多项指标，从而形成具备全方面数据信息的分析体系。比如在货运客户信息方面，需要增强客户属性等有关信息，包括了企业的所属行业、具体的产品发货时间、相应的规模及产品批量，包括请求车类型等诸多内容。通过数据挖掘及进一步分析，为货主推荐能够适合运输产品、且减少运输成本的运输路线及方式。除此之外还可以实现将机、车、电、工、辆不同部门的运营数据信息达到集成，从而形成一个高效的整体。

其次则需要对铁路运输运营数据进行深度挖掘，对列车运行、货运请求车、客运售票、机车车辆等多种基础设施的维修数据全面了解，掌握其整体的规律所在，有效提升铁路运输的效率。比如对列车的区间运行时分，以及运行图标尺的具体偏离规律进行分析中，需要对运行图标尺进行优化，以此有效提升列车运输的准点效率。再或者可以通过挖掘售票的有关数据，从而根据具体的铁路線路客流运输变化情况，对列车的具体停站方案进行逐步优化，根据实际情况确定旅客列车是否需要增加或减少。对货运方面则需要对全车运输数据进行监测，保证货车能够及时运输排空，在压缩货车到达中转站停运过程中，有效提高整体的运输效率。

最后可以深度挖掘监测数据，保证铁路运输效率的同时，确保运输安全性。通过挖掘环境、列车运行以及设备监控等多方面的监测数据信息，构建自动化、智能化的安全预警机制。现阶段铁路已经在全线路的范围之内，构建了天气、超偏载轨道衡、风速以及轴温检测等全当位的监测系统，且在运行中积累了大量的历史数据。通过深入挖掘此类数据加以分析，掌握具体的规律从而能够确保及时预警，保证了铁路运输的全方面安全性。

3.3重视数据公报提高决策支持度

对深入挖掘的数据进行分析之后，实现数据展示是能够对数据的挖掘分析结果的展现。在现如今大数据发展背景下，面对铁路运输所产生的海量数据信息面前，想要完成一项决策是一个极其困难的事情。那么此种情况下则需要借助二维或者三维图形的方式，展示具体的挖掘成果，将所需要决策的焦点得以突出。并且需要重视与用户之间的沟通交互性，借助数据信息的展示，能够更好的帮助决策者完成对数据信息之间的关联性解读，确保其中关联性的可视化，减少其余复杂信息对决策者的决策影响，将精力集中于主要矛盾数据关系中（如右图所示）。同时在确保大数据能够在使用过程中，还要重视对大数据加以管理。通过构建考核机制，确保考核数据的整体可用质量，并且要不断的实现功能完善，拓展大数据的功能使用。更好的将大数据应用于铁路运输中，使我们能够真正的拥有这个决策辅助神器。

3.4打造铁路“数据供应链”

相较于互联网、电子商务的大数据技术应用优势有所不同，铁路运输作为我国的传统发展企业，在实现决策性数据分析过程中，绝大多数都是在铁路运输业的发展中所不断积累形成的标准化、结构化运营数据，此部分数据只是仅限于铁路运输业的运营分析中。绝大多数数据都被广泛应用于铁路运输业的多个部门中。那么为了确保铁路运输大数据的应用实质性，需要在实现客户关系管理中，构建针对性的立体化丰富客户数据资源库，确保铁路运输各个部门及各个行业协会之间的共同配合。同时还应当重视多项数据的共同累积，从而构建大数据时代的数据供应链，将供应链中的多项数据信息资源，能够成为提升铁路决策水平的“外向力”。

3.5构建完善的铁路安全责任机制

除此之外各个铁路运输局还需要针对性构建铁路安全责任机制，重视将具体责任下发至基层铁路运输站点，实现责任至人。并且构建相应的责任追究机制，一旦某一方责任人所管辖的铁路运输段出现安全事故，该负责人则应当立刻受到惩处。各个基层单位也要重视对安全规章机制的贯彻制定，做好相应的安全考核工作。对于考核不合格的应当重新学习，直至考核成功之后才能上岗。借助此种方式，使得铁路运输工作人员能够树立“安全运输最大”的意识认知，从而在铁路运输工作开展中，能够更加自觉的遵守安全规章机制。除此之外还要根据实际情况对机车运转交路进行制定，务必遵守不同运输路段的实际情况，基于客观角度全面确保运输路段的安全性，杜绝出现盲目贪小失大的情况。针对运输条件尚不成熟的路段，应当暂缓长交路以及单司机的运行机制，从而保证铁路的整体运输安全性。

结语

在现如今我国的社会发展中，“大数据”已经在我国铁路运输业中合理使用，并且在现如今的大数据背景下不断创新，呈现出新型的发展趋势。基于此种情况下，铁路运输单位也应当不断的加强整体管理力度，通过采用合理化的管理措施，提前做好充足的准备。随着现如今我国高速铁路运输网络的逐步建成，铁路客货运输能力也必然会得到缓解。大数据推进了铁路运输业的进一步发展，铁路运输业也必然需要不断的对统计分析体系进行完善创新，基于内外两方面着手，深度挖掘内外数据信息，在顺应社会发展需求的同时，提高铁路的运输效率，完善铁路的统计体系，保障铁路运输的安全性，更为铁路运输的决策者提供决策支持。

【参考文献】

[1]张斌， 彭其渊. 基于大数据的铁路客户关系管理系统设计研究[J]. 铁道运输与经济， 2017， 39（6）：42-48.

[2]代明睿， 朱克非， 郑平标. 我国铁路应用大数据技术的思考[J]. 铁道运输与经济， 2014， 36（3）：23-26.

[3]常星. 基于大数据技术的铁路运输企业ERP的应用研究[J]. 中小企业管理与科技， 2016（9）：219-219.

[4]张向辉. 大数据背景下铁路客运组织策略研究——以旅客购票数据为切入点[J]. 甘肃科技， 2017（2）：1-3.

[5]Gao Y， Ju C， Bao F， et al. Research on Customer Service Model and Data Fusion Strategy of Telecom Based on Big Data[J]. Telecommunications Science， 2014.

[6]李伟， 孙鹏， 陈璟. 国家动脉脉动国家——党的十八大以来交通运输发展之通道[J]. 人民交通， 2017（9）.

[7]Lin S， Song W， Luo L， et al. Simulation Research on Voltage Stabilization Control Strategy for Rail Transportation Traction Grid Based on HESS[J]. 2016.

[8]申爱萍. 以人为本发展公共交通才是民生工程——专访国家发改委综合运输研究所城市交通运输中心主任程世东[J].人民交通， 2017（12）.