铁路运输中的大数据技术.docxVIP

铁路运渝中的大黝剧支术 引言 随着信息技术的飞速开展，传统企业面临着互联网技术带来的压力，利用大数据技术，企业可以完成自身的转型， 实现精准营销，更好地把握市场，提高企业自身的竞争力，但假设没有顺应时代开展的趋势，企业就有被淘汰的风险。铁 路作为我国重要的交通方式，与我国的经济开展息息相关，因此推进大数据技术在铁路运输领域上的应用是十分必要的。 我国铁路信息系统经过一段时间的开展，已经相对完善，但是仍有一些问题存在，从长远看来，解决这些潜在的问题可 以帮助铁路企业更好的开展，对于整个行业开展有积极意义。 1大数据的简述 大数据技术的概念 大数据，也称巨量数据，是一种规模大到远远超出了传统数据库软件工具能力范围的数据集合。大数据技术指的 便是对涉及的海量数据进行撷取、管理、处理、分析、整理，研究事物内部各个元素之间的关系，通过获取的该关系来 描述所研究事物的现状，企业凭此可以更好地进行经营，最大限度地防止错误决策，提升自身的效益。大数据技术对企 业、对社会有着非常积极的作用。而大数据技术的关键在于信息获取和信息处理两大方面，其中最主要的是信息处理， 假设没有好的信息处理方式，即使有着海量数据也无法开掘其中的科学逻辑，更不能将这些信息转化为可以利用的数据。 大数据的特点 大数据有五大特点： （1）多样。大数据的多样性指的是数据的种类和来源是多样的，数据的种类可以是结构化、半结构化，以及非结 构化，数据的来源那么可以是各种媒体渠道或者监测渠道，这种多样性为大数据技术提供了最基础的支持。 （2）大量。大数据采集、存储和计算的量都非常大。大数据的起始计量单位至少是P （1 000个T）、E （100万 个T）或Z （10亿个T） o （3）低价值密度。与传统的数据系统比拟，大数据中的数据价值密度较低，因此也需要更有效的方式来提取数据。 （4）数据增长速度快。传统信息系统的增长率是可以控制的，但大数据的数据增量已经远远超过了自身处理能力 的极限。 （5）数据的可靠性。大数据时代很难区分数据是否真实可靠，这是大数据技术需要重点解决的问题。 IBM将其归纳为5V特点，即:volume （大量）、velocity （高速）、variety （多样）、value （低价值密度）、veracity （真实性）。 1.3大数据技术的国内开展背景 目前国内政府对大数据技术的开展十分重视，“十三五”规划里“实施国家大数据战略”中明确提出要全面实施促进大 数据开展行动，加快推动数据资源共享开放和开发应用。因此，企业无论是数据获取还是大数据技术的开发与应用都有 著国家政策支持。在此背景之下，企业可通过大数据技术实现自身效益的提高及转型。 2目前我国铁路运输大数据获取情况 我国在全路大多站点和列车上装了监测设备，并从全国各地的铁路经营管理系统中获取实时数据，这些数据来自 全线路18个路局，涵盖管理、基础设施检测、客货运营、应急处理等多个方面，目前的铁路信息系统经过一段时间的 开展，已经积累了铁路全生命周期内各个方面的大数据资源。这些数据资源具有巨大的应用潜力和价值，可以帮助铁路 行业提升运营效率，降低运营本钱。使得铁路运输的竞争力大大提高，加快供给性结构改革。 3铁路大数据特征 铁路大数据同样是由结构化数据与非结构化数据组成的，由于铁路行业的特殊性，铁路大数据除了满足上文提到 的大数据的5V特点，还表现出了三个明显的特征［1］。 地域性 我国地域广泛，18个铁路局管理的各个段都会产生大量的数据信息，这使得我国铁路大数据有着明显的地域特征。 广泛性 铁路大数据包括了铁路运输生产的各个环节，涵盖了整个铁路生命周期，并且覆盖了整个业务链条。 交叉性 铁路运输不仅涵盖了自身运营管理的信息，还包含其他行业的一些信息，比方资源调配、社会平安等方面，铁路 行业与国家各个行业的开展息息相关。 运输中应用大数据技术的基本步骤 铁路大数据采集 铁路大数据采集包括形成数据、汇聚数据两个过程，形成数据是将各项指标通过数字化的方式表达出来，而汇聚 数据那么主要是通过北斗等技术将采集到的数据集合在一起，采集得到的数据有多种形式，比方图片、视频等。 铁路大数据预处理 经过初步采集到的数据存在大量的重复、不完整、错误等现象，如果不对数据进行预处理，会对以后的数据分析 工作造成严重的影响，最终导致决策失误，在整个数据处理过程中，数据预处理占很大的比重。 铁路大数据分析及挖掘 采用合适的数据处理方式来获取所研究事物之间的内部逻辑关系是大数据技术最重要的一局部，通常可以采用聚 类、预测、关联等多种方法来获取事物内部的逻辑关系，进而通过研究得到的逻辑关系产生价值。 铁路大数据展现和应用 伴随着大数据的快速开展，决策会因为受到庞大数据的影响变得困难，可以通过图形等方式将数据挖掘结果展示 出来。 铁路大