探析鐵路運輸支持系統(tǒng)關鍵技術
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了探析鐵路運輸支持系統(tǒng)關鍵技術范文，希望能給你帶來靈感和參考，敬請閱讀。
傳統(tǒng)數據庫在進行決策支持時具有以下幾個方面的不足:(1)缺乏組織性，首先是獲得的數據格式雜亂不穩(wěn)定，無統(tǒng)一標準;其次，由于各部門在分析時對數據的片面抽取，對同一問題的分析，可能導致不同的結果;(2)數據的利用率低，難以轉化為有用的信息;(3)數據存儲不完整，難以滿足決策支持的需要;(4)模型庫分析能力有限;(5)人機接口開發(fā)不理想。數據倉庫和聯機分析處理(OLAP)技術及數據挖掘技術的日漸成熟，為克服傳統(tǒng)數據庫存在的問題提供了技術上的支持，為決策支持系統(tǒng)開辟了一條新的途徑。鐵路運輸決策支持系統(tǒng)是以數據倉庫技術為基礎，以OLAP技術和數據挖掘工具為手段，從而進行設計實施的一整套解決方案。
1.1鐵路運輸決策支持系統(tǒng)的架構
鐵路運輸決策支持系統(tǒng)由數據抽取、數據倉庫管理系統(tǒng)、模型庫/知識庫管理系統(tǒng)、數據挖掘、用戶界面等模塊組成。如鐵路運輸決策支持系統(tǒng)具有如下特點。(1)從異構的多種數據源中抽取數據，實現數據庫系統(tǒng)無關性。(2)以數據倉庫和OLAP相結合建立輔助決策系統(tǒng)，相互結合、相互補充。(3)利用數據挖掘工具發(fā)現過去未被認識的數據關系，幫助決策者做出更好的決策。(4)將數據倉庫、OLAP、數據挖掘、方法庫/模型庫以及用戶交互結合起來形成的綜合決策支持系統(tǒng)能以此進行定量分析和定性分析，進一步提高了輔助決策能力。鐵路運輸決策支持系統(tǒng)采用數據倉庫技術，遵循數據倉庫的結構體系，包括以下幾個方面:環(huán)境、數據倉庫、主題、主題表、匯總表組、信息集市和數據集市。
1.2數據倉庫的數據源
數據倉庫的數據源基于鐵路系統(tǒng)現在的業(yè)務系統(tǒng)及其綜合應用，包括:(1)十八點統(tǒng)計分析系統(tǒng);(2)車號自動識別系統(tǒng);(3)貨車追蹤系統(tǒng);(4)確報系統(tǒng);(5)TMIS貨票系統(tǒng);(6)集裝箱系統(tǒng);(7)貨運營銷與生產管理系統(tǒng)(8)客票發(fā)售與預定系統(tǒng);(9)精密統(tǒng)計系統(tǒng);(10)調度系統(tǒng);(11)編組站現在車管理系統(tǒng)。
1.3鐵路運輸決策支持系統(tǒng)的原型系統(tǒng)
對于鐵路運輸決策支持的核心組成部分———數據倉庫，選取綜合運輸指標數據集市和客運數據集市，作為該項目的原型。選取“綜合運輸指標數據集市”作為本項目的原型，是出于以下幾個方面的考慮。
(1)目前能夠綜合反映運輸生產組織和經營狀況的十八點運輸統(tǒng)計報告系統(tǒng)和精密統(tǒng)計系統(tǒng)，其基本信息通過手工作業(yè)進行采集，再逐級上報。系統(tǒng)的穩(wěn)定性好，也已經積累了豐富的數據;在此基礎上建立數據集市，見效快，效果明顯。
(2)綜合運輸指標體系所涉及的內容，是指導運輸生產和經營的重要信息，為各級運輸部門服務，如:運輸分析部門、運輸統(tǒng)計部門、調度部門。其中，某些綜合效益指標(貨運收入、客運收入、貨物發(fā)送量、旅客發(fā)送量等)更是部領導們重點關心的信息。
(3)十八點統(tǒng)計分析系統(tǒng)和精密統(tǒng)計系統(tǒng)所設計的指標雖有交叉，但時間范疇不一致，十八點統(tǒng)計分析系統(tǒng)是日報系統(tǒng)，每日十八點上報;精密統(tǒng)計系統(tǒng)是月報系統(tǒng)，是經過層層校驗、核實過的月信息，準確度高，每月的中旬上報上個月的精密統(tǒng)計數據;所以，兩者相結合，既能掌握每日的運輸情況，又能得到準確的數據用于指導今后的運輸生產和經營。而目前的情況是由于十八點統(tǒng)計分析系統(tǒng)、客運精密統(tǒng)計和貨運精密統(tǒng)計均是數據庫系統(tǒng)，各個運輸部門所關心的內容又各不相同，往往不能及時得到想要的信息。鐵路客運業(yè)務系統(tǒng)經過近十多年的發(fā)展，絕大部分的客運業(yè)務都實現了計算機管理。主要包括客票聯網系統(tǒng)、客票非聯網站系統(tǒng)、小站系統(tǒng)、車務段系統(tǒng)、移動補票系統(tǒng)、客運管理信息系統(tǒng)，手工完成的業(yè)務主要包括代用票、偏遠小站的手工售票?？推毕到y(tǒng)全稱為“鐵路客票發(fā)售和預定系統(tǒng)”，是國家“九五”科技攻關計劃重中之重項目，項目自1996年啟動以來，經過1.0、2.0、3.0、4.0版的研制和中央、地區(qū)、車站三級系統(tǒng)的建設，建成了包括鐵道部客票中心、23個地區(qū)客票中心、1800多個計算機售票車站在內的計算機售票系統(tǒng)，其中800多個車站已實現了聯網售票?？推毕到y(tǒng)實現了車站售票業(yè)務處理和地區(qū)中心的客運業(yè)務應用管理，這些業(yè)務操作產生的數據是信息綜合利用決策支持系統(tǒng)重要數據源。而且客票系統(tǒng)聯網站的增多，使得經客票系統(tǒng)發(fā)售的客票銷售量占全路總售票量的85%以上，客票收入占全路總客票收入的90%以上。因此，客票系統(tǒng)已經積累了豐富的歷史數據，具備了建立數據集市的各種優(yōu)越條件，應該是鐵路運輸決策支持系統(tǒng)的不可或缺的一部分。
2綜合運輸指標數據集市的設計
綜合運輸指標數據集市的數據來源于十八點統(tǒng)計分析系統(tǒng)和精密統(tǒng)計系統(tǒng)(包括貨運精密統(tǒng)計和客運精密統(tǒng)計)。前者所涉及的維度少，指標多，大多數指標值僅與時間維度相關;后者所設計的指標少，但相關的維度較多。因此，可采用不同的邏輯模型。
2.1綜合運輸指標數據集市的模型設計
十八點統(tǒng)計分析系統(tǒng)的數據關系簡單，采用傳統(tǒng)的E_R模型。精密統(tǒng)計系統(tǒng)的數據采用星型模型。精密統(tǒng)計系統(tǒng)的維度包括:時間維度、地理維度1(層次為鐵道部、路局、分局、分界口)、地理維度2(層次為全國、省、市)、品類維度、運輸距離維度、席別維(硬座、軟席、臥鋪)、統(tǒng)計分類維(站售、車補、退票)、運輸類別維(管內直通、管內接入、管內到達)、干線維、車次維、發(fā)到站維。十八點統(tǒng)計分析系統(tǒng)和精密統(tǒng)計系統(tǒng)的數據在數據集市中采用不同的物理存儲模型。前者采用關系數據庫組織形式(由關系型事實表和維表組成);后者多采用多維數據庫組織形式(MDDB)。
2.2綜合運輸指標的ETL方案設計
綜合運輸指標的數據清洗任務主要是:(1)十八點統(tǒng)計分析系統(tǒng)和精密統(tǒng)計系統(tǒng)中編碼的統(tǒng)一;(2)為了方便OLAP分析，需要將數據源的數據整合以后，加載到數據集市的主題表中，而不是將數據源直接復制到數據集市中。十八點統(tǒng)計分析系統(tǒng)的ETL方案，包括:綜合指標主題表，現在車類，裝卸車類，分界口貨車出入，客運綜合指標，重點、快速旅客列車指標和主要客運站上車人數指標。貨運精密統(tǒng)計的ETL方案，包括貨物發(fā)到量統(tǒng)計，貨物運輸量及噸公里統(tǒng)計，分界站貨物接入交出及通過統(tǒng)計，省間貨物交流統(tǒng)計，貨物運輸距離統(tǒng)計，主要干線貨運統(tǒng)計表，鐵路分局貨物交流統(tǒng)計?？瓦\精密統(tǒng)計的ETL方案，包括旅客發(fā)送量及票價統(tǒng)計，旅客運輸量及周轉量，距離別旅客人數及周轉量，車次別旅客人數、周轉量及票價，行李、包裹發(fā)送、中轉及到達量統(tǒng)計，局別/窄軌行包運輸量、周轉量及平均行程等。
2.3建立數據倉庫更新的時間機制
數據倉庫的數據并不要求與聯機事務處理系統(tǒng)保持實時的同步，因此數據抽取可以定時進行，但多個抽取操作執(zhí)行的時間、相互的順序、成敗對數據倉庫中信息的有效性則至關重要。十八點信息系統(tǒng)是每天18點這一時刻的統(tǒng)計信息，更新數據倉庫的時間是24h;精密統(tǒng)計信息系統(tǒng)每個月更新1次。
3綜合運輸指標數據集市的決策支持應用
3.1報表應用
報表一直是表現數據的最為簡便的方式，這種方式在鐵路業(yè)務部門間是必不可少的數據傳遞方式。所以報表應用也是鐵路運輸決策支持系統(tǒng)的主要應用之一。系統(tǒng)采用BusinessObjects軟件實現報表應用，BusinessObjects能夠靈活、隨意地制作出各種不同形式的報表以進行數據分析?；阼F路運輸決策支持系統(tǒng)，首先制作部門日常經常使用的報表，然后在已有報表上衍生其他各式各樣的報表，報表的個數是不限的，報表的形式是可多變的。報表主要包括貨運靜態(tài)報表和客運靜態(tài)報表。
3.2多維分析
在決策支持系統(tǒng)中可進行各種多維分析，包括貨物運量變化趨勢分析、旅客運量變化趨勢分析等。在貨物運量變化趨勢分析中可以生成總運量變化趨勢圖，各局(省、市)運量變化趨勢圖，按品類運量變化趨勢圖，各局(省、市)按品類運量變化趨勢圖，省間貨物交流變化趨勢圖，以及各運輸距離的貨物發(fā)送量變化趨勢圖;在旅客運量變化趨勢分析中可以生成旅客發(fā)送量及收入變化趨勢圖，局別、省別、線別、窄軌別旅客發(fā)送量及周轉量變化趨勢圖，局別行包發(fā)送量及周轉量變化趨勢圖，各運輸距離的旅客發(fā)送量變化趨勢圖，車次別旅客人數、周轉量、收入變化趨勢圖等。多維分析的展現方式包括多維報表和三維柱圖、餅圖。
3.3即席查詢
即席查詢，是數據庫應用最普遍的一種查詢;利用數據倉庫技術，可以讓用戶隨時可以面對數據庫，獲取所希望的來自各業(yè)務系統(tǒng)的數據。在綜合運輸指標數據集市里，包含了所有的運輸指標。通過提供給終端用戶友好、易用的圖形界面，提供選擇和模糊查找指標的功能，即用戶鍵入他希望查詢的指標名稱(部分名稱)和其他如時間、局名、品類、運輸類別、席別等，就能得到相應的信息，并能根據需要導入文本文件或存為HTML格式的文件。
3.4數據挖掘應用
基于十八點統(tǒng)計分析系統(tǒng)和精密統(tǒng)計系統(tǒng)的數據，可以利用數據挖掘工具對運輸綜合指標作時間序列預測分析。具體方法包括:使用廣泛的預測方法，包括指數平滑模型，Winter方法以及ARIMA(Box-Jenkins)模型，也可以通過組合模型產生新的預測模型或方法;在預測模型中使用預測因子變量，預測模型包括時間趨勢曲線，回歸因子，干擾影響;瀏覽時間序列圖，預測－真實值、預測誤差圖，帶置信區(qū)間的預測圖;逐個比較任意兩個預測模型的擬合優(yōu)度值或按一特定擬合統(tǒng)計排序的所有模型;瀏覽每個模型的預測和誤差值或任意選擇兩個模型比較預測結果;檢驗每個預測模型的擬合參數及其統(tǒng)計顯著性。
4結語
本文介紹了鐵路運輸決策支持系統(tǒng)的基本架構，該系統(tǒng)依托數據倉庫，運用數據挖掘技術，力圖實現信息的綜合利用，并為鐵路系統(tǒng)的各級各部門提供決策支持。其中重點研究了鐵路運輸決策支持系統(tǒng)中一個子系統(tǒng)，即綜合運輸指標數據集市的設計，包括基于數據源特點的數據集市模型設計和ETL方案設計;并針對綜合運輸指標數據集市，研究了其在決策支持中的應用，包括報表應用、多維分析、即席查詢和數據挖掘應用等。本文首次將數據倉庫、數據挖掘和決策支持技術系統(tǒng)性地應用于構建我國的鐵路運輸決策支持系統(tǒng)，具體研究了系統(tǒng)基本架構的建立，包括系統(tǒng)建立中的數據源抽取、數據集市模型設計、數據清洗技術，以及系統(tǒng)在決策支持中的若干具體應用。從而為這一系統(tǒng)的建立提供了堅實的理論基礎和富有現實意義的實踐指導，并且為先進的數據處理技術在其他第三方物流企業(yè)決策支持系統(tǒng)中的應用提供了寶貴的借鑒。
作者：李敏 黃遠新 單位：鐵道部信息技術中心 西南交通大學交通運輸與物流學院