夏 明，秦 勝

(1.卡斯柯信號有限公司 北京分公司，北京 100045；2.中國鐵道科學研究院 運輸及經(jīng)濟研究所，北京 100081)

鐵路行車組織數(shù)據(jù)分析系統(tǒng)的設計與實現(xiàn)

夏 明1，秦 勝2

(1.卡斯柯信號有限公司 北京分公司，北京 100045；2.中國鐵道科學研究院 運輸及經(jīng)濟研究所，北京 100081)

根據(jù)建設數(shù)字化鐵路的需要，分析鐵路行車組織數(shù)據(jù)分析系統(tǒng)的需求，構(gòu)建鐵路行車組織數(shù)據(jù)分析系統(tǒng)，提出系統(tǒng)的總體結(jié)構(gòu)，以及數(shù)據(jù)管理、調(diào)度指揮過程數(shù)據(jù)抽取、調(diào)度指揮分析指標計算、多維數(shù)據(jù)分析、調(diào)度指揮輔助支持 5 種功能。最后闡述數(shù)據(jù)抽取、數(shù)據(jù)挖掘算法和系統(tǒng)實現(xiàn)等關鍵方法和技術。該系統(tǒng)通過預先定義的抽取過程，從行車調(diào)度指揮系統(tǒng)抽取信息，可以為決策者提供多維數(shù)據(jù)分析功能，為調(diào)度指揮人員提供輔助支持。

行車組織；調(diào)度指揮；輔助決策；數(shù)據(jù)挖掘；數(shù)據(jù)抽取

1 鐵路行車組織數(shù)據(jù)分析系統(tǒng)的需求分析

以信息技術為基礎的“數(shù)字鐵路”“智能鐵路”是 21 世紀鐵路現(xiàn)代化建設可持續(xù)發(fā)展的戰(zhàn)略目標，為實現(xiàn)鐵路調(diào)度指揮智能化作業(yè)，需要借助人工智能等技術從行車組織運輸生產(chǎn)信息中發(fā)掘有用的知識、規(guī)律和經(jīng)驗，輔助調(diào)度指揮人員快速制定出高質(zhì)量的行車組織方案[1-2]。鐵路日常調(diào)度指揮信息的有效利用與知識挖掘需要解決以下 3 個主要問題。

（1）專業(yè)面較廣。鐵路日常調(diào)度指揮信息涉及計劃調(diào)度、行車調(diào)度、機車調(diào)度、貨運調(diào)度、施工調(diào)度等多個專業(yè)，這些信息分布在各自獨立的信息系統(tǒng)中，采用不同的數(shù)據(jù)庫結(jié)構(gòu)，缺乏統(tǒng)一規(guī)劃和組織[3]。

（2）行業(yè)特點鮮明。在長期的鐵路運輸生產(chǎn)過程中，行車組織專業(yè)形成了許多具有鮮明行業(yè)特點的分析、考核指標，需要設計專業(yè)程序進行大量復雜的運算，在數(shù)據(jù)抽取-轉(zhuǎn)換-加載 (Extraction—Transformation—Loading，ETL) 過程中，不能僅僅進行簡單的數(shù)據(jù)轉(zhuǎn)移和標準化，某一考核指標的計算往往需要從多個數(shù)據(jù)源獲取數(shù)據(jù)，這大大增加了系統(tǒng)數(shù)據(jù)抽取的難度，導致很多商業(yè)智能 (Business Intelligence，BI) 解決方案應用困難。

（3）信息量較大且關聯(lián)緊密[4]。行車組織決策需要全面考慮各專業(yè)的實際情況，調(diào)度指揮人員需要人工查找、對比各專業(yè)的統(tǒng)計數(shù)據(jù)，工作內(nèi)容較為繁瑣、枯燥。隨著行車組織日常生產(chǎn)信息的數(shù)據(jù)量與復雜度攀升，透過如此眾多的統(tǒng)計表格洞察數(shù)據(jù)本質(zhì)，發(fā)掘

輔助行車調(diào)度指揮的有益信息，變得越來越困難。

針對上述問題，設計研發(fā)鐵路行車組織數(shù)據(jù)分析系統(tǒng) (Transportation Data Analysis System，TDAS)，從行車調(diào)度指揮系統(tǒng)抽取信息，從多個維度對列車晚點、貨物列車兌現(xiàn)、旅行速度、貨車停留時間等調(diào)度指揮核心指標進行分析，為決策者提供全方位的分析工具，為調(diào)度員提供輔助支持。

2 鐵路行車組織數(shù)據(jù)分析系統(tǒng)的總體結(jié)構(gòu)

TDAS 系統(tǒng)結(jié)構(gòu)圖如圖 1 所示。

由圖 1 可知，TDAS 系統(tǒng)由數(shù)據(jù)庫功能模塊、ETL功能模塊、數(shù)據(jù)挖掘功能模塊、維護終端和查詢終端組成。為保證安全，系統(tǒng)與生產(chǎn)庫通過網(wǎng)閘相連，或者采用中間庫的方式，避免對生產(chǎn)系統(tǒng)造成影響。

（1）數(shù)據(jù)庫功能模塊。以列車運行過程、貨車裝卸過程和機車牽引過程為主題域，設計數(shù)據(jù)存儲模型?？紤]系統(tǒng)的可擴展性，針對所需處理需求數(shù)據(jù)的量級、系統(tǒng)架構(gòu)和存儲系統(tǒng)的不同，提供集中存儲模式和基于分布式架構(gòu)的并行處理模式 2 種模式，前者適用于萬億字節(jié) (Trillion byte，TB) 級以下數(shù)據(jù)、普通存儲結(jié)構(gòu)，或者單機已經(jīng)足夠滿足性能需求；后者適用于異構(gòu)數(shù)據(jù)庫存儲系統(tǒng)，TB 級和千萬億字節(jié) (Peta byte，PB) 級以上數(shù)據(jù)量。

（2）ETL功能模塊。負責運行一組數(shù)據(jù)抽取任務，從鐵路運輸調(diào)度管理系統(tǒng)(Transportation Dispatch Management System，TDMS)、綜合調(diào)度集中系統(tǒng)(Centralized Traffic Control，CTC)/ 列車調(diào)度指揮系統(tǒng) (Train Operation Dispatching Command System， TDCS) 系統(tǒng)中抽取列車時刻表、編組計劃、現(xiàn)車、裝卸車及機車等原始數(shù)據(jù)，按照定義好的數(shù)據(jù)模型導入數(shù)據(jù)庫服務器中。

（3）數(shù)據(jù)挖掘 (Data Mining，DM) 功能模塊。負責承載預先設計的指標計算和數(shù)據(jù)挖掘分析任務，定時對列車晚點率、貨物列車開行兌現(xiàn)率、貨車停留時間、接入/交出貨車數(shù)量等各種指標進行多維度的計算分析，同時以列車運行、貨車開行和機車運用等歷史數(shù)據(jù)為樣本進行數(shù)據(jù)挖掘模型訓練，為當前行車組織數(shù)據(jù)分析提供參考。

（4）維護終端。負責維護管轄范圍內(nèi)的基礎數(shù)據(jù)字典。管理數(shù)據(jù)抽取、挖掘分析的數(shù)據(jù)源，以及多維分析所需的數(shù)據(jù)立方體制作等。

（5）查詢終端。采用 B/S 方式，提供友好的查詢分析界面，可以查看分析結(jié)果。根據(jù)用戶不同，可以分為統(tǒng)計分析和輔助調(diào)度指揮 2 個用戶組，分別查看統(tǒng)計分析和輔助支持 2 組功能頁面。

圖1 TDAS系統(tǒng)結(jié)構(gòu)圖

3 鐵路行車組織數(shù)據(jù)分析系統(tǒng)的功能

3.1 數(shù)據(jù)管理

（1）數(shù)據(jù)源管理。用戶可以根據(jù)需要配置數(shù)據(jù)源類型、連接參數(shù)。

（2）靜態(tài)數(shù)據(jù)管理。系統(tǒng)提供車站字典、區(qū)間字典、公里標和管轄范圍等靜態(tài)數(shù)據(jù)的存儲和維護。

（3）動態(tài)數(shù)據(jù)管理。系統(tǒng)以列車、機車、貨車等移動設備的作業(yè)和活動為核心，對生產(chǎn)系統(tǒng)產(chǎn)生的動態(tài)數(shù)據(jù)進行重新組織，構(gòu)建數(shù)據(jù)集市兼容單機數(shù)據(jù)庫和分布式數(shù)據(jù)庫 2 種模式，對分析挖掘工具提供統(tǒng)

一的接口，提高查詢、分析效率。

3.2 調(diào)度指揮過程數(shù)據(jù)抽取

系統(tǒng)提供面向調(diào)度指揮過程的數(shù)據(jù)獲取、清理、轉(zhuǎn)換和存儲全過程的 ETL 工具，根據(jù)列車、貨車和機車數(shù)據(jù)集之間的邏輯關系定義 ETL 過程，并且定義執(zhí)行的時間或時機，保證從 TDMS 和 CTCTDCS獲取列車計劃、實際軌跡、確報、現(xiàn)車和機車等數(shù)據(jù)的一致性和正確性。

3.3 調(diào)度指揮分析指標計算

系統(tǒng)提供列車晚點、列車兌現(xiàn)率、列車旅行速度、貨車中時 (停時)、貨車走行公里、輛公里、保有量等常用指標的計算模型。可以根據(jù)分析對象的時間范圍 (月度、日班、時段)、區(qū)域范圍 (路局、區(qū)域、區(qū)段、車站、區(qū)間) 和特殊分析屬性 (如車輛類型、始發(fā)終到類型) 等維度進行分析計算，便于構(gòu)建分析對象的數(shù)據(jù)立方體。

3.4 多維數(shù)據(jù)分析

（1）數(shù)據(jù)立方體構(gòu)建。提供數(shù)據(jù)立方體制作工具，利用該工具可以將分析對象與時間、空間及屬性等維度信息相互關聯(lián)，制作數(shù)據(jù)立方體。以晚點列車數(shù)據(jù)立方體為例，晚點列車數(shù)為關注指標，在時間層面，通常用戶比較關心每月晚點列車數(shù)，同時希望了解每日、每班晚點列車數(shù)，因而可以將月、日、班作為時間維度構(gòu)建數(shù)據(jù)立方體；在空間層面，用戶既可能需要查看全局晚點列車數(shù)，也需要查看調(diào)度臺晚點列車數(shù)，因而可以將全局、調(diào)度臺作為空間維度構(gòu)建數(shù)據(jù)立方體。

（2）多維數(shù)據(jù)展示。用戶可以通過拖拽方式靈活構(gòu)建所關心的分析表格。例如，在晚點分析中，以日為行、以全局為列，可以構(gòu)建出分析全局每日晚點列車變化的表格；如果以日為行、以調(diào)度臺為列，既可以實現(xiàn)對某日各調(diào)度臺晚點列車數(shù)進行同比，又可以實現(xiàn)對某調(diào)度臺多日晚點列車數(shù)進行環(huán)比，同時還可以對關心的細節(jié)進行鉆取、旋轉(zhuǎn)、切片、切塊等多維數(shù)據(jù)分析操作。

（3）數(shù)據(jù)輸出。支持圖表數(shù)據(jù)輸出操作，可以通過直方圖、餅圖、折線圖等豐富的圖表類型直觀展示分析結(jié)果。

3.5 調(diào)度指揮輔助支持

數(shù)據(jù)挖掘的主要目的是從海量歷史數(shù)據(jù)中，發(fā)現(xiàn)規(guī)律和有價值的信息，輔助調(diào)度指揮。系統(tǒng)利用決策樹分析、關聯(lián)分析等數(shù)據(jù)挖掘模型，對列車運行過程、貨物列車開行方案、貨車運用和機車運用進行分析，得出關于調(diào)度指揮的普遍規(guī)律，還能實現(xiàn)列車晚點預測、貨物列車作業(yè)組織提醒、貨車在站作業(yè)安排提醒和機車優(yōu)化調(diào)配等輔助決策功能。

（1）列車晚點預警。對當前班運行的列車進行晚點預測，標識出可能發(fā)生晚點的列車，提醒列車調(diào)度員注意。

（2）貨物列車兌現(xiàn)提醒。自動識別不能兌現(xiàn)貨物列車的規(guī)律，識別當前行車計劃中可能無法開行的列車，提示當班調(diào)度員加強機車、車流組織，預防取消開行計劃列車情況的發(fā)生[5]。

（3）貨車作業(yè)安排提示。分析鐵路局管內(nèi)所有周轉(zhuǎn)時間超過平均值的貨車特征，探查當前管內(nèi)符合特征的現(xiàn)車，提醒調(diào)度員注意加強該貨車的工作組織，縮短其停留時間等，提高貨車使用效率。

（4）機車運用優(yōu)化。對機車周轉(zhuǎn)過程的影響因素進行建模，分析當前可能延長周轉(zhuǎn)時間的機車，輔助調(diào)度員優(yōu)化機車運用。

4 鐵路行車組織數(shù)據(jù)分析系統(tǒng)實現(xiàn)的關鍵技術

4.1 數(shù)據(jù)抽取

確保數(shù)據(jù)的一致性和完整性是進行數(shù)據(jù)分析挖掘工作的基礎，也是數(shù)據(jù)抽取過程的關鍵。行車調(diào)度指揮系統(tǒng)間的數(shù)據(jù)字典往往采用不同的編碼方式。例如：車站字典在鐵路運輸管理信息系統(tǒng) (Transportation Management Information System，TMIS) 中采用電報碼的方式，而在調(diào)度系統(tǒng)中則采用單獨編碼的方式。TDAS 系統(tǒng)提供統(tǒng)一的編碼轉(zhuǎn)換方式，避免不一致的情況發(fā)生。

與此同時，鐵路調(diào)度指揮系統(tǒng)中的數(shù)據(jù)往往由于地域范圍廣而被分解為各個獨立的單元進行管理，如列車運行線經(jīng)常會被劃分為若干個調(diào)度臺的運行線單元，在劃分的過程中，各單元之間的聯(lián)系已經(jīng)被

切斷，導致難以實現(xiàn)對列車的整體性進行分析 (如總里程、旅行時間、旅行速度等)。旅客列車由于規(guī)律性、準時性較高，可以按照徐承禹等[6]提出的方法進行運行線連貫及晚點統(tǒng)計。對于貨物列車，TDAS 系統(tǒng)首先從 TDMS 系統(tǒng)獲取車次、徑路、計劃到發(fā)時間等，再根據(jù)計劃臺與行調(diào)臺的對應關系，利用該列車的車次、始發(fā)站、到發(fā)時間從 CTCTDCS 系統(tǒng)搜索匹配的實際列車信息，最后采用徐承禹等[6]提出的方法對貨物列車運行線進行連貫。由于貨物列車運行里程及時間跨度較大，因而匹配時將搜索 2 日內(nèi)的全部運行線數(shù)據(jù)。對于自然災害等造成的嚴重晚點等特殊情況，系統(tǒng)提供人工監(jiān)控功能，可以擴大匹配搜索時間范圍進行人工糾正等。

4.2 挖掘分析算法

TDAS 系統(tǒng)對行車組織數(shù)據(jù)進行挖掘分析的主要目的是利用歷史數(shù)據(jù)預測列車、貨車、機車在行車組織過程中可能發(fā)生的情況，并且對各因素是如何影響結(jié)果的進行一定的描述。因此，選擇決策樹算法。J48 算法是決策樹算法的一種，由于其產(chǎn)生的分類規(guī)則易于理解，并且準確率較高，因而選取 J48 算法進行挖掘分析。在 J48 算法中，屬性的選擇至關重要，直接影響算法的分析性能和計算結(jié)果的準確性。根據(jù)評價目標， 選取各分析目標的屬性如表 1 所示。

表1 各分析目標的屬性

與此同時，對挖掘結(jié)果的表達與分析也至關重要。例如，系統(tǒng)利用 3 個月的歷史數(shù)據(jù)對列車運行過程決策樹模型進行訓練，對考察的樣本數(shù)據(jù)進行分析，并且將預測目標及置信度轉(zhuǎn)換為晚點預警信息提醒調(diào)度員注意，判斷結(jié)果及表達內(nèi)容如表 2 所示。

表2 判斷結(jié)果及表達內(nèi)容

4.3 實現(xiàn)技術

ETL 過程沒有采用開源 ETL 工具，基于 java語言開發(fā)一組數(shù)據(jù)抽取程序，每日定時在后臺自動運行。聯(lián)機分析處理（On-Line-Analytical-Processing，OLAP) 后臺服務采用開源項目 Mondrian，用于管理多維分析建模的元數(shù)據(jù)，定義從數(shù)據(jù)庫到多維邏輯模型的映射關系。為方便用戶使用查詢，數(shù)據(jù)展示功能為 B/S 模式。系統(tǒng)采用 JQuery 組件，基于 BackBone框架實現(xiàn)前端顯示功能，通過后臺服務連接數(shù)據(jù)挖掘服務器，并且動態(tài)生成查詢分析界面。在選擇分析模型后，通過拖拽統(tǒng)計指標和維度，就可以生成各種報表。數(shù)據(jù)挖掘采用開源機器學習組件 weka[8]，總是利用最近 3 個月的數(shù)據(jù)進行模型訓練，保證樣本規(guī)模的同時也更貼近運輸組織的變化，并且將模型輸出的預測結(jié)果轉(zhuǎn)換為調(diào)度員可以理解的形式。

具體工作流程為：①明確分析對象，定義分析模型 (數(shù)據(jù)立方體)；②定義 ETL 后臺程序運行時間及參數(shù)，從 TDMS 和 CTC/TDCS 系統(tǒng)抽取分析數(shù)據(jù)；③選擇挖掘目標和分析屬性，定時進行模型訓練；④選擇數(shù)據(jù)立方體，選擇分析目標及維度，自動生成報表；⑤對當前階段的列車運行和貨車運用等進行數(shù)據(jù)挖掘分析，將結(jié)果推送到客戶端，進行預告和警示。

5 結(jié)束語

目前，鐵路行車調(diào)度指揮系統(tǒng)建設主要解決了調(diào)度指揮計算機化、信息通訊與存儲等方面的問題。實現(xiàn)數(shù)字鐵路、智慧鐵路，還需要在數(shù)據(jù)挖掘和分析利用方面進行大量應用研究。TDAS 系統(tǒng)在這方面進行有益的探索，提供了一系列的數(shù)據(jù)挖掘和分析功能，并以實際數(shù)據(jù)為例，驗證其應用效果。鐵路行車調(diào)度

指揮涉及的專業(yè)、部門、人員數(shù)量龐大，調(diào)度指揮模式、行業(yè)地域特點非常顯著，系統(tǒng)的功能及應用還有待進一步完善。系統(tǒng)基于其他系統(tǒng)數(shù)據(jù)庫進行分析，不可避免地存在局限性，將來應研究建立信息采集終端，實現(xiàn)自動采集所需數(shù)據(jù)，有利于系統(tǒng)的應用和擴展。同時， 鐵路調(diào)度指揮需要對管轄范圍內(nèi)列車、機車和貨車進行統(tǒng)籌安排，這也導致調(diào)度指揮各事件之間存在密切的關聯(lián)，因而系統(tǒng)還應將各專業(yè)調(diào)度指揮信息進行統(tǒng)一的數(shù)據(jù)挖掘分析，探索有價值的信息。

[1] 阮秋琦.“數(shù)字鐵路”21 世紀我國鐵路現(xiàn)代化建設的戰(zhàn)略目標[J].鐵道學報，2000，22(3)：96-101.RUAN Qiu-qi.Digital Railway—21st Century Strategy Object of Our Country's Railway on the Modernized Construction[J]. Journal of the China Railway Society，2000，22(3)：96-101.

[2] 賈利民，秦 勇，張 媛.數(shù)字鐵路、智能鐵路與鐵路智能運輸系統(tǒng)[J].中國鐵路，2012(3)：16-20.JIA Li-min，QIN Yong，ZHANG Yuan.Digital Railway, Intelligent Railway and Railway Intelligent Transportation System (RITS)[J].Chinese Railways，2012(3)：16-20.

[3] 吳惠娜.數(shù)據(jù)倉庫在鐵路統(tǒng)計分析中的應用[J].鐵道運輸與經(jīng)濟，2007，29(3)：36-38. WU Hui-na.Application of Database on Railway Statistic Analysis[J].Railway Transport and Economy，2007，29(3)：36-38.

[4] 代明睿，朱克非，鄭平標.我國鐵路應用大數(shù)據(jù)技術的思考[J].鐵道運輸與經(jīng)濟，2014，36(3)：23-26.DAI Ming-rui，ZHU Ke-fei，ZHENG Ping-biao.Thoughts on Applying Big Data Technology to China Railways[J].Railway Transportand Economy，2014，36(3)：23-26.

[5] 史柱文，王俊剛.北京鐵路局壓縮貨車周轉(zhuǎn)時間對策的思考[J].鐵道貨運，2014，32(5)：25-28.SHI Zhu-wen，WANG Jun-gang.Thoughts on Countermeasures of Shortening Wagon Turnround Time by Beijing Railway Administration[J].Railway Freight Transport，2014，32(5)：25-28.

[6] 徐承禹，韓旭芳.旅客列車正晚點實時分析系統(tǒng)的設計與實現(xiàn)[J].鐵路計算機應用，2012，21(11)：18-21.

[7] 楊 浩，何世偉.鐵路運輸組織學[M].北京：中國鐵道出版社，2001.

[8] 陳慧萍，林莉莉，王建東，等.WEKA 數(shù)據(jù)挖掘平臺及其二次開發(fā)[J].計算機工程與應用，2008，44(19)：76-79.CHEN Hui-ping，LIN Li-li，WANG Jian-dong，et al.Data Mining Platform-WEKA and Secondary Development on WEKA[J].Computer Engineering and Applications，2008，44(19)：76-79.

（責任編輯 馮姍姍）

Design and Realization of Data Analyzing System of Railway Transportation Organization

XIA Ming, QIN Sheng
(1.Beijing Branch, CASCO SIGNAL LTD., Beijing 100045, China; 2.Transportation and Economics Research Institute, China Academy of Railway Science, Beijing 100081, China)

This paper analyses the requirement of data analyzing system of railway transportation organization and constructs data analyzing system for railway transportation organization based on the need for the construction of digital railway. This paper puts forward with overall structure and five functions including data management, data extraction data digging algorithm, data analysis, dispatching support, analyses key methods and technology of system realization. The system can provide analysis of various data for decision maker and support for dispatchers through defining the extract process and extracting information of dispatching system.

Transportation Organization; Dispatch; Support Decision-making; Data Digging; Data Extraction

1004-2024(2016)10-0016-05

TP399：U292

B

10.16669/j.cnki.issn.1004-2024.2016.10.04

2016-10-09

夏明 (1981—)，男，遼寧朝陽人，博士。秦勝 (1980—)，男，廣西桂林人，博士。

中國鐵路總公司科技研究開發(fā)計劃 (2016X006-C)