摘要 探討地鐵中的數(shù)據(jù)挖掘技術(shù)，可以提高數(shù)據(jù)挖掘技術(shù)的質(zhì)量與效果，從而為地鐵工程工作的推進奠定良好的基礎。基于此，文章從智能決策分析系統(tǒng)的系統(tǒng)架構(gòu)、系統(tǒng)運行方式等方面，分析了地鐵自動售檢票系統(tǒng)在地鐵工程中的應用。在此基礎上，提出客流分析預測系統(tǒng)過程、建立客流分析模型兩方面來加強數(shù)據(jù)挖掘技術(shù)的應用策略，希望能給相關(guān)人員一些借鑒。

關(guān)鍵詞 數(shù)據(jù)信息資源挖掘;地鐵;自動售檢票系統(tǒng);聚集式計算;可視化技術(shù)

中圖分類號 TP311.13 文獻標識碼 A 文章編號 2096-8949（2022）12-0050-03

收稿日期：2022-04-15

作者簡介：彭瓊芳（1982—），女，本科，高級工程師，研究方向：電氣工程及自動化。

0 引言

科學的進步，社會的發(fā)展，促使信息時代的到來。在當前，人們可以在短時間內(nèi)獲得大量的信息，這些信息毫無規(guī)律，并且相對模糊，相關(guān)人員很難找到目標信息促進自身的工作有效開展。而數(shù)據(jù)挖掘技術(shù)的應用，則可以改變這種情況。將數(shù)據(jù)挖掘技術(shù)應用到工作中，使用者就能夠在相對較短的時間內(nèi)，從海量的信息中，經(jīng)過科學地篩查與歸類，最終找出目標信息及其傳播規(guī)律。

1 數(shù)據(jù)挖掘技術(shù)

1.1 產(chǎn)生的背景

隨著計算機技術(shù)的飛速發(fā)展，數(shù)據(jù)庫被普遍地應用于很多領(lǐng)域，產(chǎn)生了大量數(shù)據(jù)庫。這些數(shù)據(jù)庫可以為管理者帶來統(tǒng)一、全局的視角，但是數(shù)據(jù)的豐富也使得人們?nèi)狈τ行Х椒▉碜R別一些隱藏的、對決策有益的信息，而傳統(tǒng)查詢方法和報表工具也根本無法滿足信息數(shù)據(jù)挖掘的需要。因此需要一套技術(shù)來管理這些冗雜的數(shù)據(jù)，從中選擇并挖掘出有用的信息，由此就形成了數(shù)據(jù)挖掘技術(shù)[1]，如圖1。

另一方面，數(shù)據(jù)挖掘技術(shù)是數(shù)據(jù)倉庫技術(shù)逐步發(fā)展和完善的成果，但并不是任何信息挖掘的技術(shù)都可以歸類到數(shù)據(jù)挖掘技術(shù)。比如，信息檢索技術(shù)也能夠利用數(shù)據(jù)庫的管理系統(tǒng)來檢索個別記錄，又或者利用互聯(lián)網(wǎng)的檢索功能來找到特殊的頁面，這些都不屬于數(shù)據(jù)挖掘技術(shù)。

1.2 概述

以數(shù)據(jù)庫、數(shù)理統(tǒng)計學、人工智能、可視化研究等為基石，算法的設計工作需要這些來描述和解釋數(shù)據(jù)分析。算法的設計工作主要包括錄入、產(chǎn)出和數(shù)據(jù)處理。數(shù)據(jù)庫是數(shù)據(jù)挖掘的計算入口，計算產(chǎn)出是挖掘數(shù)據(jù)信息知識的模型，而算法處理的流程則是設計具體工作的方式。

1.3 分類

數(shù)據(jù)挖掘可以按不同的方式分為不同的類別。

以數(shù)據(jù)庫的視角來定義數(shù)據(jù)挖掘的3個基本技術(shù)方面，分別為數(shù)據(jù)信息挖掘視角、數(shù)據(jù)挖掘?qū)ο?、?shù)據(jù)分析信息挖掘方式。數(shù)據(jù)信息挖掘視角是將數(shù)據(jù)挖掘?qū)ο蠹毞譃槿舾蓚€信息庫或數(shù)據(jù)源，如關(guān)聯(lián)、面對的對象、空間環(huán)境、時態(tài)、文本庫、多媒體、歷史等相關(guān)領(lǐng)域方面的數(shù)據(jù)庫和萬維網(wǎng)等[2]。

而數(shù)據(jù)分析信息挖掘方式則可粗分為數(shù)據(jù)分析方式、機器學習方法、神經(jīng)網(wǎng)絡方式和數(shù)據(jù)庫方法。數(shù)據(jù)分析方式可劃分為回歸式數(shù)據(jù)分析、判別分析方式等。機器學習方式可劃分為遺傳算法等。神經(jīng)網(wǎng)絡方式可劃分為前向神經(jīng)網(wǎng)絡、自組織神經(jīng)網(wǎng)絡等。數(shù)據(jù)庫方法則主要為多維的數(shù)據(jù)挖掘方式等。

1.4 作用

數(shù)據(jù)挖掘過程是指自動提取并利用各種數(shù)據(jù)表中隱藏的有價值信息的過程，消息的類型可分為規(guī)律、法則、定義和模型等。管理人員通過這一技術(shù)，能剖析當前數(shù)據(jù)信息、歷史數(shù)據(jù)信息及二者之間的關(guān)聯(lián)，并從中找到隱藏的模型和關(guān)系，以便于預見未來可能出現(xiàn)的重大事件。這一過程也是人們探索認知系統(tǒng)的過程，是一個涉及方面非常廣泛的新興交叉性學科，主要應用于數(shù)據(jù)庫、大數(shù)據(jù)計算、新一代人工智能和信息可視化與并行計算等領(lǐng)域。

1.5 常見技術(shù)形式

數(shù)據(jù)分析挖掘中掌握專業(yè)知識的重要技能是機器學習和數(shù)理分析計算，目前研究數(shù)據(jù)挖掘的重點聚集于計算基礎理論與應用方面。機器學習作為另一種深入研究人工智慧的分支方法，被稱作歸納與推理;采用關(guān)聯(lián)分析法，也可以從關(guān)系數(shù)據(jù)庫中獲取相關(guān)聯(lián)系。而挖掘關(guān)聯(lián)則是指根據(jù)系統(tǒng)查找各種事件，以找出符合條件概率比較高的模式;資源數(shù)據(jù)分析挖掘以人工神經(jīng)元網(wǎng)絡使用最為普遍，計算方法是采用模擬個人神經(jīng)系統(tǒng)，不斷地訓練和掌握相應的數(shù)據(jù)集合，在每個待分析數(shù)據(jù)的集合里，出現(xiàn)可估計和分析的建模。決策方法是一個預測模型，呈樹型構(gòu)造，非終端節(jié)點顯示屬性，葉節(jié)點則顯示不同類型;遺傳算法則是一種基于優(yōu)化生物學發(fā)展理論研究的技術(shù)，基礎觀念是“適者生存”。遺傳算法可進行多種類型、并行處理大量數(shù)據(jù)分析[3];聚合后發(fā)現(xiàn)，整個數(shù)據(jù)庫都能夠分為不同集群，群和集群之間存在明顯區(qū)別，同一個群的數(shù)據(jù)信息也盡量接近。聚類分析方法只是其他如特征和類型等預處理的第一步，算法在新生成的簇上等待數(shù)據(jù)處理。與分類方法不同的地方是在開始聚合之前，人們不清楚如何將數(shù)據(jù)信息分門別類，也不清楚如何按照變量分類。在聚合后，熟悉業(yè)務的人有多種方式理解分群的含義。大多數(shù)情形第一次聚合后所獲得的分群信息對業(yè)務沒有直接價值，需要通過刪減和添加變數(shù)，來修正數(shù)據(jù)信息分群所采用的多種方法。如此，在重復多次以后，就會得出一個非常理想的結(jié)論。聚合方法主要分為兩類，即神經(jīng)網(wǎng)絡方法和統(tǒng)計分析方法。K-均值和自組織的神經(jīng)網(wǎng)絡方式在聚合計算中應用更為普遍。

2 地鐵自動售檢票系統(tǒng)

2.1 智能決策分析系統(tǒng)的系統(tǒng)架構(gòu)

由于現(xiàn)有自動售檢票系統(tǒng)都自建內(nèi)部網(wǎng)絡，在管理上屬于私有內(nèi)網(wǎng)范圍。目前自動售檢票系統(tǒng)的數(shù)據(jù)庫中一般存儲60天歷史數(shù)據(jù)，但出于行業(yè)需要和安全方面的要求，可首先采取增加備用策略，把自動售檢票系統(tǒng)的數(shù)據(jù)庫數(shù)據(jù)備份到備用數(shù)據(jù)庫服務器，之后再提取歷史數(shù)據(jù)到本信息系統(tǒng)業(yè)務數(shù)據(jù)庫，同時再向其他的輔助管理系統(tǒng)導入新數(shù)據(jù)，從而構(gòu)成了該信息系統(tǒng)的全部服務統(tǒng)計信息。所以，在大數(shù)據(jù)分析集成處理過程中，必須本著安全性第一、兼顧成本的原則，通過防火墻實現(xiàn)隔離，以確保自動售檢票系統(tǒng)與該信息系統(tǒng)業(yè)務數(shù)據(jù)庫的安全性。

2.2 系統(tǒng)運行方式

每天自動售檢票系統(tǒng)處于空閑時，一般在凌晨2點之后，分析系統(tǒng)應用服務器開啟中間件，將自動售檢票系統(tǒng)數(shù)據(jù)備份到備用數(shù)據(jù)庫服務器，并采用編程方法實現(xiàn)了自動售檢票系統(tǒng)數(shù)據(jù)庫的實時備用以及到備用數(shù)據(jù)庫服務器的增量備用方法，同時實現(xiàn)錄入歷史數(shù)據(jù)信息和為本系統(tǒng)業(yè)務數(shù)據(jù)庫進行直接抽取歷史數(shù)據(jù)信息的要求，并將成果保存到數(shù)據(jù)分析管理系統(tǒng)服務器上。

用戶帳號安全方案：通過不同的員工帳號、角色等定義，分別獲得對應的授權(quán)，以確保系統(tǒng)用戶帳號與系統(tǒng)數(shù)據(jù)的安全。

在辦公網(wǎng)的分析系統(tǒng)服務器上，以實時方式存取資產(chǎn)數(shù)據(jù)庫信息，對數(shù)據(jù)采用拉（PULL）的方法，只讀取所需要的資料數(shù)量，以增加管理系統(tǒng)的反應時間。

分析系統(tǒng)客戶端的接入方式使用了純B/S模型，以滿足地鐵辦公室OA與分析管理系統(tǒng)的兼容，支撐最大規(guī)模的并發(fā)性使用。

備份功能：用SQL2000編程腳本，可以定時實現(xiàn)自動售檢票系統(tǒng)與備份服務器的2臺數(shù)據(jù)庫同步，所有決策支持系統(tǒng)的數(shù)據(jù)信息都來自備份服務器數(shù)據(jù)庫。而針對備份數(shù)據(jù)庫服務器與本管理系統(tǒng)業(yè)務數(shù)據(jù)庫之間的備份問題，可以使用光盤塔為備份設備，利用數(shù)據(jù)庫中的自動備份功能自動完成，將來也能夠利用索引管理系統(tǒng)還原需要的數(shù)據(jù)信息。

2.3 相關(guān)客流的數(shù)據(jù)

按站點計算每日的出入站客流信息，分時間（輸入起止時間和間隔時間）計算每日各站點的進出站客流和實時客流信息，按周計算各時間段的實時客流、進出站客流信息，以及多種檢索條件下的客流信息。

（1）根據(jù)輸入的卡號、日期查詢進出站記錄。

（2）統(tǒng)計每臺設備的分時段進出站客流。

（3）統(tǒng)計每天在各個站點單程票的銷售、進站、出站情況。

（4）統(tǒng)計每月通卡會員的乘車人次和總額。

（5）計算每天在用地鐵專屬卡的張數(shù)，并占所有可用地鐵專屬卡片的比例。

（6）數(shù)據(jù)備份功能，將全年的每日交易數(shù)據(jù)都儲存到同一個數(shù)據(jù)庫中。

（7）運營日報中的相關(guān)數(shù)據(jù)統(tǒng)計。

（8）特殊交易查詢：查找超出所提供的許可區(qū)域的特殊交易的有關(guān)設備信息。

（9）按照某市地下鐵路專用卡的卡號查看此卡的有關(guān)出站信息內(nèi)容以及剩余次數(shù)。

（10）地鐵專用卡到期的提示。

（11）退款申請查詢：對某一設備在某一時段的交易信息查詢。

（12）員工考勤：票務中心可查看、打印每張卡片的進、出站等相關(guān)信息（員工卡的卡號、可變賦值金額和數(shù)量），可查看和打印當班的操作員的所有操作數(shù)據(jù)，如初始化數(shù)量、編碼數(shù)量、賦值金額之和數(shù)量、注銷數(shù)量。

2.4 系統(tǒng)數(shù)據(jù)管理

數(shù)據(jù)分析抽?。簩⑵髽I(yè)數(shù)據(jù)從自動售檢票系統(tǒng)數(shù)據(jù)庫備份到企業(yè)智能決策與支持分析管理系統(tǒng)、企業(yè)備份數(shù)據(jù)庫服務器，再按照實際服務需求，提取相關(guān)數(shù)據(jù)分析到本管理系統(tǒng)服務信息庫中。然后從擴展視角出發(fā)，保留端口，直接從外部大數(shù)據(jù)系統(tǒng)庫提取所要求的數(shù)據(jù)分析。

信息系統(tǒng)備份：將通過智能決策支持分析系統(tǒng)備份數(shù)據(jù)庫服務器中的服務數(shù)據(jù)信息，并且將該管理系統(tǒng)用抽取數(shù)據(jù)分析信息自動備份到光盤塔等備份設施。

備份與恢復：根據(jù)企業(yè)運營需求，通過索引從光盤塔等備份設施中將數(shù)據(jù)恢復至企業(yè)智能決策與支持的分析管理系統(tǒng)，備份數(shù)據(jù)庫服務器供本系統(tǒng)業(yè)務數(shù)據(jù)庫管理之用。

應用管理：實現(xiàn)本管理系統(tǒng)的使用者登錄、注銷、角色分派、密碼與授權(quán)管理等功能，將使用數(shù)據(jù)分析整合于對業(yè)務管理系統(tǒng)客流的數(shù)據(jù)分析[4]。

3 數(shù)據(jù)挖掘技術(shù)的應用

互聯(lián)網(wǎng)的高速發(fā)展將為用戶帶來許多新信息服務，而互聯(lián)網(wǎng)因內(nèi)涵豐富、功能強大以及使用簡便，在所有獲取信息的服務方法中尤為突出，成為了數(shù)據(jù)挖掘發(fā)展的重點方向。又由于當前互聯(lián)網(wǎng)信息服務的主要趨勢是單向與被動信息服務的模式，使網(wǎng)絡應用挖掘信息服務更符合性能要求，提高了互聯(lián)網(wǎng)與應用之間的互動性，使互聯(lián)網(wǎng)與應用能真正地相互融合。

與以前的使用方法和被操作方式完全不同，通過運用數(shù)據(jù)挖掘技術(shù)，使互聯(lián)網(wǎng)針對應用需要進行更針對性的、更主動的信息服務，并能形成具有個性化信息服務特點的體系，而根據(jù)對不同用戶信息服務提供不同需要的滿足方法，進行信息服務特點就有所不同。構(gòu)建的個性化信息服務體系也更加依賴于挖掘應用信息服務的需要。

以某市地鐵客票業(yè)務為例，大資料數(shù)據(jù)挖掘技術(shù)在客運數(shù)據(jù)分析中發(fā)揮最快捷的功能?？瓦\數(shù)據(jù)分析預測體系流程由數(shù)據(jù)分析源形成、建立數(shù)據(jù)分析集市形成;而客流分析模型的構(gòu)建過程由大樣本數(shù)據(jù)分析、對BP神經(jīng)網(wǎng)絡的數(shù)據(jù)處理兩部分形成。

3.1 客流分析預測系統(tǒng)過程

3.1.1 數(shù)據(jù)源構(gòu)成

因客票管理系統(tǒng)的資料數(shù)據(jù)庫與恢復業(yè)務所使用SYBASE產(chǎn)品，而資料倉儲的制作所使用Microsoft公司產(chǎn)品的SQLSerner2000，因此面臨著轉(zhuǎn)換為異相數(shù)據(jù)源的問題。在技術(shù)上采用了數(shù)據(jù)庫對接技術(shù)，把所需要的基礎表導入到了SQLServer中。

3.1.2 構(gòu)建數(shù)據(jù)信息集市

數(shù)據(jù)挖掘技術(shù)對于中小型公司的運用，更偏向于在不影響信息體系上先構(gòu)建中小型數(shù)據(jù)集市。首先將相應的數(shù)據(jù)分析提取至小型數(shù)據(jù)集市中，再將其中的各個關(guān)系表格數(shù)據(jù)分析提取至大型數(shù)據(jù)集市中，最后再將數(shù)據(jù)集市中各個表格的數(shù)據(jù)分析提取至特定關(guān)系表格中，并在此基礎上利用零LAP技術(shù)工具來構(gòu)建多維分析的模型立方體，從而通過建立的數(shù)據(jù)分析挖掘來進行高鐵客流數(shù)據(jù)分析與預報[5]。

3.2 建立客流分析模型

因為在前期就已設置了大量數(shù)據(jù)集市，人們就可以據(jù)此抽取出相應的數(shù)量來完成數(shù)據(jù)分析挖掘。在大量數(shù)據(jù)集市中，有各大車站、區(qū)間和線路中的售票數(shù)量、貨物總收入、旅客票價總收入、乘客上車的數(shù)量，以及各種類型的統(tǒng)計運量信息，通過BP神經(jīng)網(wǎng)絡進行信息處理。

數(shù)據(jù)變換也是一種預處理數(shù)據(jù)分析的關(guān)鍵部分。數(shù)據(jù)變換就是將大量數(shù)據(jù)信息內(nèi)容加以轉(zhuǎn)化，并使之更適合于數(shù)據(jù)分析挖掘類型，也就是說將特征向量的統(tǒng)計信息內(nèi)容按百分比加以壓縮，進而將其落入到某個較小的特定區(qū)域。所采用的技術(shù)是歸一化處理。在此網(wǎng)絡模式的運算中，將輸入樣本和檢驗樣品中的所有數(shù)據(jù)信息，都統(tǒng)一加以量化為0～1之間的實數(shù)。

4 結(jié)語

綜上所述，數(shù)據(jù)挖掘技術(shù)在地鐵中的應用優(yōu)勢是相當明顯的，因此相關(guān)地鐵工作單位要加強對數(shù)據(jù)挖掘技術(shù)的應用，以便為地鐵的相關(guān)工作開展創(chuàng)造有利的條件。隨著大數(shù)據(jù)的發(fā)展，城市軌道交通中的大數(shù)據(jù)研究是地鐵管理升級的需要，也是滿足乘客多種需求的必然要求。通過數(shù)據(jù)挖掘技術(shù)，深入探究城市軌道交通信息系統(tǒng)的運維和數(shù)據(jù)規(guī)律，指導運營實踐和規(guī)劃，對提升城市軌道交通的運營管理水平具有重要的理論和現(xiàn)實意義。

參考文獻

[1]王露. 數(shù)據(jù)挖掘技術(shù)在智能交通系統(tǒng)中的應用[J]. 工程技術(shù)， 2015（23）： 215.

[2]陳靖. 數(shù)據(jù)挖掘技術(shù)在智能交通信息處理中的研究與應用[J]. 電腦知識與技術(shù)， 2018（25）： 7-8.

[3]陸化普， 周錢， 周永華， 等. 數(shù)據(jù)挖掘技術(shù)在智能交通系統(tǒng)綜合信息平臺中的應用[J]. ITS通訊， 2004（1）79-84.

[4]周健. 無線網(wǎng)絡技術(shù)在智能交通系統(tǒng)中的應用分析[J]. 數(shù)碼世界， 2017（12）： 538.

[5]李萬欣， 李玉. 大數(shù)據(jù)技術(shù)在智能交通系統(tǒng)中的應用研究[J]. 科學與財富， 2019（33）： 324.