劉 宏，郭 芊，2，陳諫滔，2，張 錦，3

（1.湖南師范大學 信息科學與工程學院，湖南 長沙 410081；2.長沙市智慧交通發(fā)展中心智慧交通關鍵技術研究聯(lián)合實驗室，湖南 長沙 410023；3.長沙理工大學 計算機與通信工程學院，湖南 長沙 410114）

0 引言

信息技術的發(fā)展促使數(shù)據(jù)總量呈指數(shù)級增長，數(shù)據(jù)的市場要素地位越來越凸顯。Google 董事會主席埃里克·施密特（Eric Schmidt）指出，人類社會在2003 年通過書面記錄共創(chuàng)建了5EB（1 018 字節(jié)）數(shù)據(jù)，到2013 年，僅用10min即創(chuàng)建了5EB 數(shù)據(jù)。隨著數(shù)據(jù)規(guī)模的快速增長，數(shù)據(jù)的重要性已經(jīng)發(fā)生了根本性變化。因此，對海量數(shù)據(jù)的深度挖掘與有效利用將促進不同行業(yè)生產(chǎn)效率的提高。

長沙市交通綜合運行協(xié)調(diào)和應急指揮中心（Transportation Operations Coordination Center，TOCC）是交通信息化建設的基礎工程，也是市級綜合交通運輸協(xié)調(diào)體系的重要組成部分。隨著TOCC 項目的建設，長沙市交通行業(yè)數(shù)據(jù)實現(xiàn)了大匯聚、大集中，并借助局級二級部門和局本級信息化建設，形成了長沙市市級交通大數(shù)據(jù)。交通數(shù)據(jù)的運用不僅能為優(yōu)化運輸結(jié)構、提高運輸效率提供參考，而且能為行業(yè)管理與決策提供輔助分析功能，具有很高的經(jīng)濟價值和顯著的社會效益。但是，目前由于各級交通信息系統(tǒng)建設時間先后不一、標準不同、數(shù)據(jù)多而散亂、數(shù)據(jù)多源異構現(xiàn)象明顯，且“信息孤島”問題嚴重，海量交通數(shù)據(jù)一直未得到有效利用。長沙市作為湖南省省會，在交通復雜度更高的同時，也面臨上述問題，這些問題的存在致使TOCC 系統(tǒng)無法全面、有效地分析各類交通數(shù)據(jù)。

數(shù)據(jù)標準化是信息資源整合的基礎，標準化交通數(shù)據(jù)不僅有利于交通行業(yè)內(nèi)數(shù)據(jù)交換與共享，而且通過統(tǒng)一的數(shù)據(jù)管理可減少數(shù)據(jù)冗余、降低維護成本，并能更好地利用交通大數(shù)據(jù)。數(shù)據(jù)元是數(shù)據(jù)的基本單元，科學、規(guī)范地建立數(shù)據(jù)元標準可以從根本上實現(xiàn)數(shù)據(jù)規(guī)范與統(tǒng)一。如何獲取數(shù)據(jù)元是關鍵的一環(huán)，數(shù)據(jù)元提取方法有多種，常見的4 種分別是：通過已有信息系統(tǒng)直接提取數(shù)據(jù)元、通過自頂向下的業(yè)務分析分解提取數(shù)據(jù)元、通過自底向上的業(yè)務流程整合提取數(shù)據(jù)元、通過用戶視圖提取數(shù)據(jù)元。

交通部出臺了交通行業(yè)標準［1］（JT/T 697 交通信息基礎數(shù)據(jù)元），該標準是一個國家層面上的標準，但由于我國幅員遼闊，不同地區(qū)針對交通不同領域的側(cè)重點不同，往往存在一些特殊情況。例如，有些城市水域不發(fā)達，水路相關數(shù)據(jù)元則不屬于重點探討范疇。因此，對長沙市交通數(shù)據(jù)元標準化的研究，不僅要以國家行業(yè)規(guī)范、標準為基礎，而且需考慮城市實際情況，制定具有本市特色的交通信息數(shù)據(jù)元體系。

1 相關工作

數(shù)據(jù)標準化的重要性不言而喻，但在實際應用中，重建設、輕實施的情況屢見不鮮，其原因主要是數(shù)據(jù)標準化的收益是長期性、系統(tǒng)性的。例如，在項目建設期間，項目建設方可以通過硬編碼方式實現(xiàn)數(shù)據(jù)轉(zhuǎn)換，保證系統(tǒng)對數(shù)據(jù)訪問的一致性，但隨著系統(tǒng)建設完成進入運維期，由于系統(tǒng)之間互聯(lián)互通、數(shù)據(jù)層面各種數(shù)據(jù)類型增加、數(shù)據(jù)庫表更新迭代等原因，會導致數(shù)據(jù)不標準的現(xiàn)象頻繁發(fā)生。

國際上發(fā)達國家開展數(shù)據(jù)元標準建設較早，從20 世紀60 年代末開始，國際上一些學者對基礎數(shù)據(jù)元理論方面進行了探討，具體研究大致可分為3 個階段：①1965-1970 年，起步階段。1965 年，國際標準化組織（International Organization for Standardization，ISO）成立了“數(shù)據(jù)元及其編碼表示”工作組（TC97/WG-K）；②1970-1988 年，發(fā)展階段。1970 年，在柏林會議上將“數(shù)據(jù)元及其編碼表示”工作組更名為“數(shù)據(jù)元表示法”工作組（TC97/SC14），TC97/SC14通過全面調(diào)研制定出相關數(shù)據(jù)元表示法的國際標準；③1988 年至今，推廣應用階段。隨著信息產(chǎn)業(yè)的迅速發(fā)展，越來越多組織開始進行數(shù)據(jù)元標準化研究，ISO 和國際電工委員會（International Electro technical Commission，IEC）成立了信息技術標準化聯(lián)合技術委員會，編號為JTC1，“數(shù)據(jù)元表示法”工作組的代碼隨之更改為JTC1/SC14。JTC1/SC14 制定并發(fā)布了相關標準，例如ISO/IEC 11179《數(shù)據(jù)元協(xié)調(diào)標準》、ISO/IEC TR 9789《信息技術——數(shù)據(jù)交換數(shù)據(jù)元素的組織和表示指南——編碼方法和原則》。

我國數(shù)據(jù)元建設工作相對于國外起步較晚，但是發(fā)展迅速，整體成就較為可觀。1983 年，我國正式成立計算機與信息處理標準化技術委員會數(shù)據(jù)元表示分技術委員會。除國際上已有的ICS 分類標準外，中國也有了自己的CCS分類標準。我國標準化委員會發(fā)布了多項數(shù)據(jù)元標準，例如GB/T 18391 系列的關于數(shù)據(jù)元的標準、GB/T 7027 信息分類和編碼基本原則與方法等。針對交通行業(yè)也制定了相關標準，例如GB/T 18731 干線公路定位規(guī)則、GB/T 919-2002 公路等級代碼、JT/T 697 交通信息基礎數(shù)據(jù)元、GB 11708橋梁命名編號與編碼規(guī)則等。

在數(shù)據(jù)元標準化以及數(shù)據(jù)元提取方面，Shepherd 等［2］對英國4 個公共部門進行案例分析，發(fā)現(xiàn)了數(shù)據(jù)冗余、數(shù)據(jù)不一致、數(shù)據(jù)不規(guī)范等問題，相關數(shù)據(jù)缺乏共同的數(shù)據(jù)元標準；歐陽毅等［3］對面向信息系統(tǒng)需求的數(shù)據(jù)元提取方法進行研究，對其進行總結(jié)與歸納，并對幾類常用抽取方法的特點進行對比；楊喆等［4］參照信息模型（Reference Information Model，RIM），依據(jù)我國相關數(shù)據(jù)集以及數(shù)據(jù)元標準內(nèi)容構建衛(wèi)生數(shù)據(jù)概念模型，并依照模型中的類、屬性和數(shù)據(jù)類型元素提煉通用數(shù)據(jù)元；陳軍［5］結(jié)合“自上而下”的業(yè)務建模和“自下而上”的既有線路數(shù)據(jù)分析提取城軌線，并圍繞數(shù)據(jù)元描述規(guī)則，規(guī)范數(shù)據(jù)元屬性以及屬性的表示規(guī)則，最終建立城軌線網(wǎng)數(shù)據(jù)標準網(wǎng)；嚴菁等［6］首先介紹了數(shù)據(jù)元結(jié)構與基本屬性，然后在此基礎上說明數(shù)據(jù)元的提取方法，從表單數(shù)據(jù)及業(yè)務流程兩方面分析數(shù)據(jù)元的結(jié)構與屬性，并提取數(shù)據(jù)元；周俊燁［7］為了構建圖書館、檔案館和 博物館（Libraries Archives and Museums，LAM）數(shù)字資源整合模式，提出在實施時需要注意用戶交互模式、開放許可標準、關聯(lián)數(shù)據(jù)維護、現(xiàn)有數(shù)據(jù)轉(zhuǎn)換等問題；傅昊陽等［8］介紹了中醫(yī)治未病信息數(shù)據(jù)元的相關概念，闡述并實施中醫(yī)治未病信息元標準編制，包括信息數(shù)據(jù)項收集、概念數(shù)據(jù)模型研究、數(shù)據(jù)元提取方法以及數(shù)據(jù)元規(guī)范化、編碼等。

在交通領域數(shù)據(jù)標準化方面，張紹陽等［9］為了改進現(xiàn)有交通信息基礎數(shù)據(jù)元基于業(yè)務領域的分類組織造成的冗余問題，提出并建立了交通信息基礎數(shù)據(jù)元層次結(jié)構模型，該模型將交通信息基礎數(shù)據(jù)元劃分為基礎數(shù)據(jù)元、抽象數(shù)據(jù)元及標準規(guī)定數(shù)據(jù)類型3個層次，并對中國交通運輸數(shù)據(jù)標準編制與管理現(xiàn)狀進行分析，將交通運輸數(shù)據(jù)標準分為管理標準、數(shù)據(jù)定義標準、交換標準和接口實現(xiàn)標準4類，分析了數(shù)據(jù)在產(chǎn)生、存儲、交換以及應用環(huán)節(jié)的標準化需求，并與編制現(xiàn)狀進行對比［10］；鄒巖鵬［11］針對云南省交通數(shù)據(jù)提出數(shù)據(jù)元標準化編制方法、數(shù)據(jù)元命名與分類方法，通過基于業(yè)務流程和基于用戶視圖的兩種數(shù)據(jù)元提取方法，結(jié)合省級交通運輸行業(yè)信息資源數(shù)據(jù)中心應用框架研究，提出交通運輸數(shù)據(jù)標準的兩種分類以及4 種規(guī)范標準的編制方法，用于規(guī)范和指導交通運輸數(shù)據(jù)標準研究與開發(fā)；陳偉［12］對新疆交通運輸行業(yè)內(nèi)數(shù)據(jù)治理現(xiàn)狀進行梳理與分析，從數(shù)據(jù)標準入手，研究基礎數(shù)據(jù)元分類方法，并建立3 層數(shù)據(jù)元結(jié)構，以解決基礎數(shù)據(jù)元存在的重復、冗余問題，同時設計并實現(xiàn)數(shù)據(jù)管理平臺，達到數(shù)據(jù)標準統(tǒng)一化、數(shù)據(jù)規(guī)范化以及數(shù)據(jù)質(zhì)量可控化的目的。除交通領域外，其他行業(yè)的數(shù)據(jù)標準化問題也非常明顯，許多學者針對不同領域開展了相關標準化工作。劉麗等［13］針對國土資源數(shù)據(jù)庫命名缺乏整體協(xié)調(diào)統(tǒng)一的問題，結(jié)合國土資源數(shù)據(jù)的重要特征，推薦了兩類命名規(guī)則，使不同時間、不同業(yè)務、不同空間上的數(shù)據(jù)命名達到標準上的統(tǒng)一；許瀟文等［14］從政務數(shù)據(jù)共享政策部署出發(fā)，深入研究政務數(shù)據(jù)共享的總體現(xiàn)狀，探討推進政務數(shù)據(jù)共享標準化的必要性，為政務數(shù)據(jù)共享工作提供新思路；高婷等［15］設計并實現(xiàn)了氣象相關行業(yè)間共享數(shù)據(jù)的標準化處理流程，建立行業(yè)間共享數(shù)據(jù)的標準化數(shù)據(jù)集。

從目前研究現(xiàn)狀不難發(fā)現(xiàn)，數(shù)據(jù)元標準化是各行各業(yè)都需要進行的一項工作，有利于保證數(shù)據(jù)傳輸與數(shù)據(jù)交換的規(guī)范性，從而保證數(shù)據(jù)質(zhì)量和數(shù)據(jù)利用的高效性。本文的數(shù)據(jù)元標準化工作建立在長沙市TOCC 平臺上，采用更全面的方法提取數(shù)據(jù)元。由于數(shù)據(jù)元之間是互聯(lián)互通的，故基于數(shù)據(jù)元之間具有網(wǎng)狀結(jié)構這一特點，本文針對業(yè)務流程數(shù)據(jù)元采用深度優(yōu)先算法［16-18］，針對用戶視圖數(shù)據(jù)元采用廣度優(yōu)先算法［19-21］，以更好地獲取數(shù)據(jù)元。

2 長沙市交通行業(yè)現(xiàn)狀

長沙市交通運輸局通過交通專網(wǎng)實現(xiàn)了長沙市轄區(qū)內(nèi)重要車站、港口、碼頭、公路等交通場所的視頻監(jiān)控信號接入，基本實現(xiàn)了對重點場所、設施的實時監(jiān)控。全市所有公交車都已實現(xiàn)了視頻監(jiān)控100%覆蓋，所有在營運出租汽車也已安裝了GPS 衛(wèi)星定位設備，設備的完善從某方面來說代表著數(shù)據(jù)類型增多以及數(shù)據(jù)量增大?，F(xiàn)從以下幾個方面分析長沙市交通行業(yè)現(xiàn)狀：

（1）公路現(xiàn)狀。長沙市是湖南省公路網(wǎng)絡最密集的地區(qū)之一，目前已形成以長沙為中心，通達全省各地市的干線公路網(wǎng)絡。隨著道路通行能力提高，運輸市場呈快速發(fā)展態(tài)勢。到2021 年，公路旅客運輸量平均每月可達100 萬人，旅客周轉(zhuǎn)率平均每月可達7 000 萬人；公路貨物每月平均運輸量約1億噸，每月平均周轉(zhuǎn)量可達68億噸。

（2）水路現(xiàn)狀。長沙市位于湘江干流下游，長沙港是我國中部地區(qū)重要的水陸交通樞紐，已與長江沿岸各大城市通航，是全國28 個內(nèi)河的主要港口之一?，F(xiàn)碼頭主要分布在霞凝港區(qū)、暮云港區(qū)等10 個港區(qū)，除霞凝港區(qū)以集裝箱、件雜貨運輸為主外，其余港區(qū)主要為當?shù)爻擎?zhèn)及周邊地區(qū)發(fā)展服務，以礦建材料運輸為主。2021，長沙水路貨物每月運輸量約為200 萬噸，旅客每月運輸量約1 萬人，長沙的港口貨物總吞吐量每月平均約為280 萬噸，其中外貿(mào)貨物月吞吐量約為10萬噸。

（3）城市公共交通現(xiàn)狀。截至目前，長沙市公交車運營車輛共有7 575 臺，其中純電動車輛5 256 臺，油電混合車輛2 319 臺。市內(nèi)公交線路共計291 條，線路總長度為5 584.09km；共有出租車8 370臺，日客運量最高可達50多萬人次；針對網(wǎng)約車已建設了長沙市網(wǎng)絡預約出租汽車監(jiān)管信息交互平臺，對經(jīng)營者、車輛、司機人員等進行全面監(jiān)管；共享代步車行業(yè)發(fā)展迅速，成為僅次于公交、地鐵的第3 大城市出行方式，其具備實時定位和精確查找功能，加裝帶有車載衛(wèi)星定位與智能通訊控制模塊的智能鎖。長沙城市軌道運營線路現(xiàn)共有6 條，其中包括5 條地鐵線和1條磁浮線，總里程為161km，軌道站點總數(shù)102個。2021年4 月29 日，長沙地鐵開通載客運營7 周年，運營線路長度突破至161.02km，運營車站增加至114 個，累計安全運營2 557 天，運行4 800 余萬km，準點率99.9%，運行圖兌現(xiàn)率99.9%，且運營以來創(chuàng)下單日285.12萬人次客流的紀錄。

3 數(shù)據(jù)元屬性

數(shù)據(jù)元（Data Element）是指用一組屬性描述其定義、標識、表示和允許值的數(shù)據(jù)單元，在特定語義環(huán)境中被認為是不可再分的最小數(shù)據(jù)單元。數(shù)據(jù)元規(guī)范是指一個對各行業(yè)數(shù)據(jù)進行規(guī)范的方法或理論，可使用該規(guī)范對行業(yè)數(shù)據(jù)的名、型、值定義及分類進行統(tǒng)一。數(shù)據(jù)標準是指在一定語境內(nèi)對數(shù)據(jù)進行規(guī)范化地定義與解釋，使相關人員都能對數(shù)據(jù)信息形成一致的認識和理解。數(shù)據(jù)元屬性包括數(shù)據(jù)元名稱、英文名稱、中文全拼、數(shù)據(jù)元分類編號、數(shù)據(jù)元類型、數(shù)據(jù)元格式、版本、注冊機構、定義、值域、計量單位、備注等。本文著重探究其中4 個重要屬性，分別是數(shù)據(jù)元名稱、數(shù)據(jù)元分類編號、數(shù)據(jù)元類型、數(shù)據(jù)元格式。

3.1 數(shù)據(jù)元名稱

數(shù)據(jù)元名稱是單個或多個中文字詞的指稱，其命名應該遵循3 個規(guī)則：①唯一性原則。在一定語義下的數(shù)據(jù)元名稱應該是唯一的；②語義規(guī)則。數(shù)據(jù)元名稱中一般包括對象類詞、特性詞、表示詞或限定詞。對象類詞表示數(shù)據(jù)元所屬的事物或概念，表示某一語境下的活動或?qū)ο?。特性詞是數(shù)據(jù)元對象類明顯、有區(qū)別的特征。表示詞指數(shù)據(jù)的表現(xiàn)形式。這3 類詞在數(shù)據(jù)元名稱表示中應該有且只有一個。而限定詞是對這3 類詞進行限定的，是可選擇的；③語法規(guī)則。對象類詞、特性詞和表示詞在數(shù)據(jù)元名稱中的位置依次排列且順序是固定的，而限定詞可以分別附加到這3 類中。當表示詞與特性詞有重復時，在不會出現(xiàn)歧義的情況下可以刪除重復部分。

3.2 數(shù)據(jù)元分類編號

數(shù)據(jù)元的表達形式需要通過一套標準化的表述來完成，而每個數(shù)據(jù)元都應有其對應編號。數(shù)據(jù)元分類編號是數(shù)據(jù)元的特征號，本文采用長沙市交通數(shù)據(jù)元編碼規(guī)則引用標準性文件《交通信息基礎數(shù)據(jù)元第一部分：總則》（JT/T672）中的編碼規(guī)則，其數(shù)據(jù)元分類編號結(jié)構如圖1所示。

Fig.1 Data element classification numbering structure圖1 數(shù)據(jù)元分類編號結(jié)構

第一、二位為字母，代表所屬業(yè)務領域，由業(yè)務領域或簡稱的漢語拼音第一個字母縮寫組成?！督煌ㄐ畔⒒A數(shù)據(jù)元第一部分：總則》（JT/T672）中將業(yè)務領域分為13 類，而本文根據(jù)長沙市實際情況，以及為了服務TOCC 系統(tǒng)這個立足點，將交通數(shù)據(jù)按照業(yè)務領域分為以下4 個類別：公路、水路、城市客運及城市貨運，其代碼表示如表1 所示。其中，第三、四位為數(shù)字，代表數(shù)據(jù)元所屬一級分類順序號；第五、六位為數(shù)字，代表數(shù)據(jù)元所屬二級分類順序號；第七、八位為數(shù)字，代表數(shù)據(jù)元所屬三級分類順序號；第九、十、十一位為數(shù)字，代表某一級分類下的數(shù)據(jù)元序號，從001 開始按順序編碼。一、二、三級分類順序號按從左到右順序排列，每級分類順序號從01 開始。當某級無分類時，則該級編號為00，該級分類名稱為空。

Table 1 Classification of business areas and their codes表1 業(yè)務領域分類及其代碼

3.3 數(shù)據(jù)元類型

數(shù)據(jù)元類型包括字符型、日期時間型、布爾型、數(shù)字型、二進制型等。字符型是由漢字、字母、符號等組成的字符串，以文本形式進行存儲；日期時間型以YYYYMMDDhhmmss 形式表示“年月日時分秒”；布爾型是通過有且只有兩個具體值來表示數(shù)據(jù)元值的類型，如True、False；數(shù)字型是通過一位或多位阿拉伯數(shù)字表示值的類型，其存儲形式可以是整型、浮點型、貨幣型等；二進制型是通過計算機二進制語言表示值的類型，可以用來表示圖片、視頻等。5種數(shù)據(jù)類型及其可能的取值如表2所示。

Table 2 A list of possible values for the data type表2 數(shù)據(jù)類型可能的取值列表

3.4 數(shù)據(jù)元格式

數(shù)據(jù)元格式是從業(yè)務需求角度規(guī)定的數(shù)據(jù)元值的表示格式。數(shù)據(jù)元格式與數(shù)據(jù)元數(shù)據(jù)類型聯(lián)系緊密，但是無論數(shù)據(jù)元值的類型是什么，只要其有不同的組成和長度，就有不同的數(shù)據(jù)格式。其數(shù)據(jù)格式采用字母+數(shù)字分類序號的方式表示，標識規(guī)則如表3所示。

Table 3 Data format identification rules for data elements表3 數(shù)據(jù)元的數(shù)據(jù)格式標識規(guī)則

3.5 數(shù)據(jù)元其他屬性

數(shù)據(jù)元屬性除上述4 種屬性外，還包括其他類別屬性，其他屬性含義如表4 所示。數(shù)據(jù)元屬性約束條件如表5所示。

Table 4 Data element attributes and their meanings表4 數(shù)據(jù)元屬性及其含義

Table 5 Data element attribute constraints表5 數(shù)據(jù)元屬性約束條件

4 數(shù)據(jù)元提取

提取數(shù)據(jù)元的方法有多種，要做到靈活使用，選擇一種或多種數(shù)據(jù)元分析方法提取數(shù)據(jù)元。首先，從已有信息系統(tǒng)出發(fā)直接提取數(shù)據(jù)元。其次，以長沙市交通運輸管理局數(shù)據(jù)收集為例，其數(shù)據(jù)收集是3 級架構：市交通局一級平臺、行業(yè)二級平臺（直屬單位例如公交事務中心）、企業(yè)三級平臺。如圖2 所示，對于長沙市的公交車數(shù)據(jù)來說，公交事務中心屬于行業(yè)二級平臺，對接企業(yè)與市交通局。而公交數(shù)據(jù)收集過程中又會出現(xiàn)許多不同的業(yè)務流程，例如公交車司機信息收集、公交線路情況收集等，雖然收集過程不盡相同，但是其中也會有與其相關的業(yè)務連接。因此，各業(yè)務流程之間并不是獨立存在的，而是相互聯(lián)系、相互依存的關系。與業(yè)務流程相關的數(shù)據(jù)元為網(wǎng)狀結(jié)構，對于此部分數(shù)據(jù)信息，可以從某一個業(yè)務流程入手展開深入調(diào)研，挖掘與之相關的其他業(yè)務及其業(yè)務相關的數(shù)據(jù)元，通過自底向上的業(yè)務流程法提取數(shù)據(jù)元。

Fig.2 Three-level architectural pattern for data collection圖2 數(shù)據(jù)收集3級架構模式

最后，考慮到現(xiàn)階段仍有很多工作需要依靠手工或者半手工進行操作，會保留許多紙質(zhì)檔案、紙質(zhì)表格等。鑒于該情況，本文還將使用用戶視圖提取法提取數(shù)據(jù)元。當然，不同的用戶視圖會存在相同數(shù)據(jù)元的情況，例如多份信息表格都存在與申請人信息相關的數(shù)據(jù)元。因此，用戶視圖之間的數(shù)據(jù)元也不是孤立的，同樣屬于網(wǎng)狀結(jié)構。

網(wǎng)狀結(jié)構不同于鏈狀結(jié)構與樹形結(jié)構，無法找到首結(jié)點或根節(jié)點，也不能從某個點出發(fā)達到獲取數(shù)據(jù)元的目的，因此需要一種適合網(wǎng)狀結(jié)構的數(shù)據(jù)元提取方法?，F(xiàn)假定所有數(shù)據(jù)元構成集合D，根據(jù)某種規(guī)則R將集合D分成不同的子集Di，其中i∈[1，N]。在集合D上定義函數(shù)Ai，該函數(shù)用于判定集合D中的數(shù)據(jù)元d在集合Di中是否存在。

假設每個子集Di的權重為wi，則在D上定義函數(shù)W。對于d∈D，W(d)表示數(shù)據(jù)元d在規(guī)則R 下的權重。

由于不同數(shù)據(jù)元子集中可能會存在相同數(shù)據(jù)元，基于此，可在集合D上定義一個函數(shù)S，對于d∈D，S(d)表示數(shù)據(jù)元d在所有子集下的多重性。

此外，還可構建一個關系集合P，用于記錄數(shù)據(jù)元d在規(guī)則R下的所有關系。

4.1 基于自底向上的業(yè)務流程法獲取數(shù)據(jù)元

對業(yè)務流程進行分析，發(fā)現(xiàn)不同業(yè)務環(huán)節(jié)之間聯(lián)系緊密，圖3 列舉了部分業(yè)務環(huán)節(jié)包含的數(shù)據(jù)元信息建模。其中，公交車刷卡數(shù)據(jù)和刷卡POS 機信息中同時包含數(shù)據(jù)元“刷卡POS 機編號”，刷卡POS 機信息和公交車車輛信息中同時包含數(shù)據(jù)元“車輛編號”，公交車車輛信息和企業(yè)信息中同時包含數(shù)據(jù)元“企業(yè)名稱”。

Fig.3 Data information modeling of different bussiness phases圖3 不同業(yè)務環(huán)節(jié)數(shù)據(jù)信息建模

采用深度優(yōu)先算法提取業(yè)務流程數(shù)據(jù)的數(shù)據(jù)元，從某一業(yè)務出發(fā)逐個挖掘該業(yè)務中數(shù)據(jù)元與其他業(yè)務之間的關系，進而找到其他業(yè)務鏈及其相關數(shù)據(jù)元集合，再進行多次循環(huán)、更新與挖掘。算法流程如圖4所示。

Fig.4 Depth-first algorithm flow圖4 深度優(yōu)先算法流程

4.2 利用用戶視圖提取法獲取數(shù)據(jù)元

利用用戶視圖提取法獲取數(shù)據(jù)元可操作性強，分析方法也比較簡便。具體步驟如下：

（1）收集用戶視圖。應優(yōu)先收集具有權威性、版本最新的用戶視圖。

（2）分解/規(guī)范用戶視圖。將復雜的表格層層拆解成多個簡單的表格。圖5 為道路旅客運輸班線經(jīng)營申請表，可將該表拆解成申請人基本信息子表、現(xiàn)有營運客車情況子表、申請許可客運班線情況子表、擬投入營運客車情況子表。

（3）提取數(shù)據(jù)元。從上述化簡后的用戶視圖中可提取數(shù)據(jù)元如下：申請人名稱、法定代表人姓名、經(jīng)辦人姓名、通信地址、郵編、聯(lián)系電話、電子郵箱、經(jīng)營許可證編號、營運客車總數(shù)、高級營運客車數(shù)量、中級營運客車數(shù)量、客運班線起點地、客運班線訖點地、中途停靠客運站點、營運里程、日發(fā)班次下限、申請經(jīng)營期限、客運班車類型、車輛類型、車輛等級、車輛技術等級、擬購車輛數(shù)量、現(xiàn)在車輛數(shù)量。

Fig.5 Application form for the operation of road passenger transport lines圖5 道路旅客運輸班線經(jīng)營申請表

將多個用戶視圖中的數(shù)據(jù)元提取出來后發(fā)現(xiàn)有很多重復數(shù)據(jù)元，針對該數(shù)據(jù)元采用廣度優(yōu)先算法，算法流程如圖6 所示。先選取任一用戶視圖中的數(shù)據(jù)元集合，然后遍歷其他用戶視圖內(nèi)容，對數(shù)據(jù)元集合不斷更新，進而提取出全而不重的數(shù)據(jù)元，將利用用戶視圖中的數(shù)據(jù)進行分類的方法視為一種規(guī)則R。

4.3 數(shù)據(jù)元規(guī)范化

Fig.6 Breadth-first algorithm flow圖6 廣度優(yōu)先算法流程

（1）數(shù)據(jù)元名稱不規(guī)范。針對數(shù)據(jù)元名稱不規(guī)范的情況，要解決3 個問題：首先需要檢查數(shù)據(jù)元名稱是否符合基本語法，是否按照對象類詞、特性詞和表示詞的順序進行命名；其次要檢查是否有同構異義數(shù)據(jù)元，例如某個業(yè)務中會出現(xiàn)“名稱”“時間”等數(shù)據(jù)元，但是不同業(yè)務中對應的“名稱”“時間”等含義不同，例如“企業(yè)名稱”“部門名稱”“上車時間”“下車時間”等。這些數(shù)據(jù)元的真實含義不同，但是往往被賦予相同名稱，此種情況往往是因為缺少對象類詞來約束數(shù)據(jù)元，因此需要在原有名稱基礎上加上對象類詞進行限定；最后還需要檢查是否有異構同義數(shù)據(jù)元，例如數(shù)據(jù)元中可能會出現(xiàn)“編號”“代號”“序號”等，其含義相同，但表達方式不同，此時需要對這類數(shù)據(jù)元進行統(tǒng)一命名，保持其一致性。

（2）數(shù)據(jù)類型選擇不正確。一些數(shù)據(jù)元的含義精確到特定的“時、分、秒”，但是數(shù)據(jù)類型選擇了“日期型”，就只能精確到“年、月、日”，因此需要選擇“時間日期型”。而數(shù)據(jù)元“身份證號”的數(shù)據(jù)類型雖然是一串數(shù)字，但是數(shù)據(jù)類型不應該選擇“數(shù)值型”，而應該選擇“字符型”。數(shù)據(jù)類型需要基于數(shù)據(jù)元定義中表達的特定含義來確定與選擇。

（3）表示格式選擇不適用。許多數(shù)據(jù)元的表示都是整數(shù)位數(shù)，例如“人數(shù)”不會出現(xiàn)半個人，如果選擇小數(shù)，不僅不會顯得精確，反而會消耗更多存儲空間。還有關于文字類描述的數(shù)據(jù)元，由于文字表達不確定，字數(shù)可長可短，表示格式若使用“定長”，就會限制字數(shù)，此時應該選擇“變長”。

對所在交通行業(yè)的具體工作進行了解，并對基層單位進行調(diào)研。參考有關標準規(guī)范，梳理每個業(yè)務領域下的業(yè)務重點與中心要素，構建如表6 所示的數(shù)據(jù)元框架表。該表中只列舉了一級分類下的對象名稱，例如現(xiàn)有基礎數(shù)據(jù)元公交車車輛編碼，該基礎數(shù)據(jù)元的業(yè)務領域為城市客運代碼CK；一級分類為公路運輸，其分類順序號為04；二級分類為公交車，其分類順序號為01；三級分類為車輛基本信息，其分類順序號為01?；A數(shù)據(jù)元為公交車車輛編碼的分類順序號為001，基礎數(shù)據(jù)元IC 卡編號的編碼為CK040101001，該數(shù)據(jù)元的表示如表7所示。

5 結(jié)語

本文針對長沙市交通數(shù)據(jù)元數(shù)據(jù)不規(guī)范、數(shù)據(jù)難以融合、利用率不高的問題，展開面向TOCC 的交通數(shù)據(jù)元標準化研究，確定了適用于TOCC 平臺數(shù)據(jù)元的業(yè)務領域以及數(shù)據(jù)元編碼規(guī)則。針對數(shù)據(jù)的網(wǎng)狀結(jié)構，本文在業(yè)務流程中采用深度優(yōu)先算法，在數(shù)據(jù)視圖中采用廣度優(yōu)先算法，能夠?qū)崿F(xiàn)全而不重地提取數(shù)據(jù)元，進而降低系統(tǒng)冗余度，提高系統(tǒng)存儲能力，并針對數(shù)據(jù)元規(guī)范化過程中出現(xiàn)的一些不規(guī)范情況進行說明。最后根據(jù)4 個業(yè)務領域下的業(yè)務重點與中心要素構建了數(shù)據(jù)元框架表，以提高數(shù)據(jù)利用率。

Table 6 Data element frame table表6 數(shù)據(jù)元框架表

本文通過對交通數(shù)據(jù)元的標準化進行研究，可以豐富TOCC 系統(tǒng)的可視化展示能力，為決策者提供決策依據(jù)。同時該標準化研究具有普適性，可推廣到其他地級市，對于實現(xiàn)城市交通數(shù)據(jù)的規(guī)范與統(tǒng)一具有重要意義。