轨道交通大数据应用方案-external.pptxVIP

轨道交通大数据应用解决方案;我国城市轨道交通行业进入高速发展阶段;城市轨道交通客流增长趋势;城市轨道交通的数据来自哪里？城市轨道交通数据涵盖面广，数据量大，增长速度，结构多样快是其四大特征;城市轨道交通行业IT架构面临的主要挑战;DataSources;基于传统数仓上的轨道交通行业方案带来的挑战;DataSources;城市轨道交通业与大数据的驱动力;城市轨道交通业大数据用来做什么？;11;主要应用场景介绍;遗留系统接入及集成！ 系统复杂的过程和的高科技，用以跟踪火车位置，估计旅行时间等 从机电到电子数字（ATTC）、自动列车控制（ATTC）、自动列车控制（ATTC）、正列车控制（PTC）、自动列车控制系统 、无人驾驶ATO等，跨越多种系统和学科;执行例行的，繁琐的任务 列车线路规划 开发时间表 公共汽车和地铁换乘时间表 运行和其他必要的组件任务，如排队 允许调度员和中转计划者快速开发许多不同的调度方案 提高运营效率;使用基于GPS的数据+ Analytics（分析）跟踪列车位置 列车基于AVL或列车信号/调度系统 乘客信息系统公示;使用自动售票机（TVM） 智能卡可以访问多个运营机构和辖区内的所有类型的公共交通服务 AFC分析提供乘客如何使用系统，识别趋势，帮助改善服务的详细信息;实时统计并告知地铁运营机构每个车辆有多少乘客登车 ／下车 数据可用于提供更好的服务，以及分析的乘客流量变化趋势;Travel Analysis Zones in Baltimore Metro Area;主要应用案例;大数据分析是列车运营、乘客服务、电力交付、路边设施的关键要素 操作分析包括延误分析、乘客流建模（PFM）、系统性能分析 PFM确保准时服务、 优化列车时刻表（确保高客户满意度），同时有助于降低服务运营成本;CTC控制中心使用数据无线电作为主要系统，蜂窝电话系统作为辅助备份 GPS目前主要用作乘客信息系统的组成部分（车站中有PID） APC用于收集乘客统计数据以及规划和操作（例如，调整时间表以适应乘客流量，按时间改变交通需求）;多种分析/大数据功能 - 操作控制，调度，AVL，火车信号/调度，AFC与TVM，APC，乘客信息与PID等。 乘客信息系统在一些较大的车站提供PID，以及???智能手机提供总线/列车状态的应用 APC数据，用于调整作业访问和反向通勤（JARC）服务的计划汇总和跟踪行程;信令控制调度中涉及的大数据分析; 乘客信息与在线和智能手机列车状态信息和站PID; APC; GPS和AVL功能; AFC与车站TVM?AFC系统使用“无缝”区域，跨机构ORCA支付卡 地方运输机构的大数据来源 - 各地区乘客流动的信息，加上不同地点和时间的乘客流量;主要应用趋势;公众声誉不佳，主要是因为隐私问题 但是数据挖掘通常只是一个基于计算机的过程，可以识别大量数据集中的模式 特别是与AFC和APC，机会充足利用数据流的数据挖掘来分析操作，乘客行为等。 目标：改善服务和绩效;通过网络可用的计算资源（硬件/软件）（例如，在线 - 电子邮件或博客软件） 随着大数据和分析需求的增长，云是一种获得更强大的外部供应商资源的手段 Apache Hadoop - 不是数据库！ 用于数据密集型任务所需的分布式处理的开源框架;数据挖掘形式应用于文本，口头信息（来自电子邮件，社交媒体，公开论坛等） 可以识别和提取源材料中的态度，意见，意图等，用于处理和审查 有助于衡量公众对过境机构服务的态度，对新计划或服务的态度，政治问题（如投票措施）的情绪;大数据放大了关注点（比要丢失的数据要多得多） 最近对大型机构的数据和功能的“网络攻击”问题升级;普通大众非常关心的热门问题： 从交易票价、乘客数量、地铁火车和车站乘客监视中提取大量数据的潜力可能会被滥用 西雅图ORCA卡问题 - 雇主可以跟踪员工使用过境通行证！;将分析应用于当前和历史的大数据，以开发有关未来的预测 用于评估公共交通系统的未来作用，预测乘客，并建议需要新的交通系统和设施 进一步的好处包括客流模拟（BART），其他运营预测和模拟;机器人;整体方案设计;总体架构设计;数据着陆区;;Hadoop;数据采集;与Apache Spark Streaming 集成进行real-time 的数据分析 处理完的数据再接入Kafka 进行进一步的处理和供下游系统进一步分析;系统批量数据采集模式;;数据计算;基于Cloudera的大数据平台提供多种计算框架;计算框架一：基于MapReduce/Spark的批处理;计算框架二：基于Impala的交互式SQL查询;计算框架三：基于Spark Streaming的流计算;计算框架四：基于Cloudera Search的搜索计算;计算框架五：基于Hbase／Cass