• 查询稿件
  • 获取最新论文
  • 知晓行业信息
官方微信 欢迎关注

铁路货运营销大数据系统的设计与实现

王娜娜, 张建国

王娜娜, 张建国. 铁路货运营销大数据系统的设计与实现[J]. 铁路计算机应用, 2024, 33(5): 36-39. DOI: 10.3969/j.issn.1005-8451.2024.05.07
引用本文: 王娜娜, 张建国. 铁路货运营销大数据系统的设计与实现[J]. 铁路计算机应用, 2024, 33(5): 36-39. DOI: 10.3969/j.issn.1005-8451.2024.05.07
WANG Nana, ZHANG Jianguo. Railway freight marketing big data system[J]. Railway Computer Application, 2024, 33(5): 36-39. DOI: 10.3969/j.issn.1005-8451.2024.05.07
Citation: WANG Nana, ZHANG Jianguo. Railway freight marketing big data system[J]. Railway Computer Application, 2024, 33(5): 36-39. DOI: 10.3969/j.issn.1005-8451.2024.05.07

铁路货运营销大数据系统的设计与实现

基金项目: 中国铁路济南局集团有限公司科技开发课题(2022YY06285)
详细信息
    作者简介:

    王娜娜,工程师

    张建国,高级工程师

  • 中图分类号: U294 : F530.5 : TP39

Railway freight marketing big data system

  • 摘要:

    为实现货运营销各项业务的有机融合,优化铁路货运营销模式,设计了铁路货运营销大数据系统,阐述了系统的总体架构,通过数据采集调度技术和基于机器学习的预测分析技术实现客户关系管理、一体化考核管理、分析决策管理和市场监测等功能。该系统已在中国铁路济南局集团有限公司上线应用,实现了经济效益的显著提升,有效提升货运生产组织水平,为货运部门的各项营销决策提供技术支持。

    Abstract:

    In order to achieve the organic integration of various businesses in freight marketing and optimize the railway freight marketing model, this paper designed a railway freight marketing big data system and elaborated on the overall architecture of the system. The paper implemented functions such as customer relationship management, integrated assessment management, analysis and decision-making management, and market monitoring through data collection dispatching technology and machine learning based predictive analysis technology. The system has been launched and applied in China Railway Jinan Group Co. Ltd., achieved significant improvement in economic benefits, effectively enhanced the level of freight production organization, and provided technical support for various marketing decisions of the freight department.

  • 在国家经济不断发展及公路、水路、航空等其他运输方式也在蓬勃发展的背景下,铁路货运面临着机遇与挑战。在全国铁路深化货运改革的新形势下,为适应市场化经营的需求,增强铁路运输的核心竞争力,提高可持续发展和盈利能力,大数据技术的运用至关重要。如何充分利用大数据技术来分析海量货运数据,以支持货运运营管理的变革,消除管理和运营障碍,优化现有的生产配置结构,是亟需解决的问题。

    大数据技术的应用已经在铁路货运领域取得众多成果,通过收集、处理和分析海量货运数据(包括位置信息、货物状态、交通情况及需求预测等),为铁路货运提供更高效、更智能的解决方案,从而提高运输效率、降低运输成本、提升服务质量,取得更好的经济效益。靳继红等人[1]提出大数据技术在铁路货运信息系统中的应用框架,以推动大数据在货运中的应用;王亮亮[2]分析大数据对铁路货运发展的积极影响,认为以大数据为支撑,可有效整合铁路物流资源,提升铁路货运效率,促进货运资源共享;中国铁路95306货运电子商务系统[3-4](简称:95306)及货运生产管控平台[5-6]的功能较为丰富,但尚缺少对货运营销领域的系统管理。

    综上,本文利用大数据技术及人工智能算法,构建铁路货运营销大数据系统,旨在通过充分整合海量货运数据信息,促进货运信息资源互联互通,从而优化铁路货运营销模式、提升效益,提高货运安全生产、经营管理和客户服务精细化管理水平。

    铁路货运营销大数据系统包括基础设施即服务(IaaS,Infrastructure as a Service)层、平台即服务(PaaS,Platform as a Service)层和软件即服务(SaaS,Software as a Service)层,其总体架构如图1所示。

    图  1  铁路货运营销大数据系统总体架构

    (1)IaaS层提供面向整个系统运行的支撑服务,包括机房基础设施和虚拟层。机房基础设施包括物理机、存储设施、网络设施;虚拟层提供虚拟机、云储存和云网络等。

    (2)PaaS层提供了一个完整的开发和部署环境,包括开发工具和数据服务等,如公共数据采集工具,实现从互联网采集相关数据;数据采集调度工具,实现从货运相关的各业务系统采集数据,并驱动各增量数据采集程序完成增量数据的同步;内外网数据交换服务,为内外网的数据交换提供安全可靠的数据通道;报表工具,提高报表生成效率;机器学习库,为货运指标的预测分析提供模型支撑。

    (3)SaaS层为用户提供已部署和托管在云端的应用模块,实现业务发展、国际联运(简称:国联)计划管理等应用功能,用户可通过浏览器和移动终端对其进行访问。

    铁路货运营销大数据系统功能架构如图2所示。

    图  2  铁路货运营销大数据系统功能架构

    客户管理在货运营销业务中至关重要[7],该功能实现以客户为中心的全流程管理,包括客户档案管理、客户归并、客户画像、重点客户分析、客户动态排名、拓扑图分析等功能,便于铁路局集团公司、货运站段、车间和车站货运营销人员及时准确掌握客户运输和货源货流的变化情况等,强化对货运市场的研究分析。

    该功能包括交班报表生成、物流月计划管理、新货源拓展、集装箱项目管理、基础集装箱价格政策管理等。基于本系统内部数据,按照不同科室的交班需求,指定交班模板,并定时生成交班报表;通过对新货源的维护、跟进,完成新货源生命周期管理;通过对集装箱项目信息的维护,完成对集装箱项目和价格的管理。

    铁路局集团公司根据中国国家铁路集团有限公司(简称:国铁集团)下发的国联轮廓计划值,结合各车务站段提交的需求信息,通过采集内部生产系统中的客户收发货历史数据,计算客户车站历史运量及兑现率等,获取客户贡献度,根据客户贡献度及分配公式等相关规则,进行运算分配,从而公平且合理的完成国联计划全流程生命周期的分配管理。该功能包含国联方案建议、计划值历史管理、合同客户管理、班列使用需求查询、国联兑现率查询和中欧中亚班列需求查询等。

    该功能基于货源数据,对各业务部门关注的指标进行多维度分析,包括同/环比综合分析、主要指标完成分析、零散白货分析、货源特征分析、集装箱分析等,为用户提供直观的数据变化,有效辅助决策制定。

    该功能包括需求车预测分析和货运指标预测。构建数据挖掘模型预测铁路局集团公司、车务段、车站未来7天的需求车数,预测铁路局集团公司未来30天货运发送吨数和货运收入的数据,以折线图和表格形式,直观展示历史预测情况。

    该功能通过获取社会经济宏观指标、行业统计、大宗物资价格、企业信用和大型企业产供销信息等,及时掌握外部市场及客户行为的动态变化情况,为制定货运营销策略、合理编制运输生产计划、紧密衔接市场、日常运输生产安排提供参考依据。

    该功能主要展现铁路集团公司的关键运营指标(如货运指数、发货量、收入完成情况、任务进度、核心客户运量等),对部分指标进行对比、排名、趋势分析及预警提醒。采用ECharts、图表、地图相结合的形式设计货运发展大屏、领导决策驾驶舱和货运班列可视化大屏,呈现上述指标,实现了对货运关键运营指标的监控,供管理人员实时掌握货运经营全貌,有效辅助营销决策。

    该功能主要包括营销综合分析和营销报告自动化生成。以货运历史生产经营数据为依据,结合高速公路费、油价波动、天气、自然灾害等主要影响因素,按时间、统计指标、统计类别等维度,对货运发送量、货运收入等数据进行全面分析;用户可通过“模板文字+最新数据”的方式,自定义时间段,自动化生成营销报告。

    该功能包括货运文库管理和全文检索等。提供文件的在线管理,如上传、下载等操作,可设定文件的保密级别,用户可根据关键字进行检索,实现对货运文件的管理。

    该功能包括货运班列维护和货运班列运行分析。建立货运班列运行监测指标,通过多维度的货运班列数据分析,洞察货运班列开行质量,发现货运班列的异常信息,强化对货运班列的运营能力。

    该功能包括白货增量考核和集装箱增量考核,实现了依据考核参数对白货和集装箱的多维度考核分析。

    通过对用户角色和权限等系统基础配置的管理,确保系统的正常运行,主要包括组织机构管理、权限管理、角色管理、菜单管理和用户管理 。

    本文基于Kettle和xxl-job组建数据采集调度工具,通过Kettle,实现ETL(Extract—Transform—Load)任务,从多数据源中提取货运、货票等业务数据,对数据进行转换和清洗,为统计分析和预测分析提供数据支撑;通过xxl-job,实现对于ETL任务的周期性调度执行,驱动增量数据采集程序来完成数据同步。采用数据采集调度工具,实现了对数据采集、调度和治理的全过程有效管理和监控,确保数据在整个生命周期内的高质量和可用性,辅助运营维护人员实现数据维护和管理。

    众多研究表明,将机器学习应用到铁路货运量等相关预测领域,可显著提升货运组织效率,提高铁路物流规划的前瞻性[8-11]。本文基于机器学习实现需求车预测和货运指标预测,为货运相关管理决策提供数据支撑。

    (1)需求车预测分析。通过构建支持向量回归(SVR,Support Vector Regression)模型,分析货运的需求车信息,预测铁路局集团公司、车务段及车站未来7天的需求车数,将预测数据和实际需求数据以折线图形式绘制,直观展示需求车的预测走势与实际情况是否符合,方便模型调整,在提升预测精度的同时为管理者提供直观的需求情况,为需求车的分配提供数据支撑。

    (2)货运指标预测。通过构建时间序列 模型,以货运历史生产经营数据为基础,结合油价、天气、自然灾害等因素,预测铁路局集团公司未来30天货运发送吨数和收入的数据,以折线图和表格形式直观展示历史预测情况,为管理者提供决策支撑。

    本文研发的铁路货运营销大数据系统于2022年1月在中国铁路济南局集团有限公司上线运行,使用情况良好。2021年,各级营销人员面临“煤、矿、油”传统货源需求下滑的情况,2022年借助本文系统分析制定精准营销方案,实现“公转铁”增量1600万t,辅助全年开发集装箱和整车白货项目70个,实现铁路货运增量106万t,增收1.02亿元。通过大数据技术的融合运用,实现货运各业务的有机融合,促进货运信息资源互联互通、资源共享和有效利用,优化货运营销模式、开拓货运市场;通过国联计划审批管理功能,实现操作过程信息的实时记录,全程透明,审批流程清晰明确、规范管理,解决先前国联计划审批数据不透明和缺乏监管的问题,有效提高廉政意识。

    本文在对现有铁路货运相关系统充分调研的基础上,设计了铁路货运营销大数据系统,实现了对货运营销数据的采集、汇聚和统一管理;具有客户关系管理、一体化考核管理和国联计划审批管理等多种功能。本系统为各级用户提供数据共享服务,在海量货运数据信息充分整合的基础上,对业务历史数据进行综合统计分析和数据挖掘,在开展客户关系管理、加强市场分析和开展货运营销、提高铁路运输收入等方面进行数据分析和趋势预测,为货运部门的各项营销决策提供技术支持。

  • 图  1   铁路货运营销大数据系统总体架构

    图  2   铁路货运营销大数据系统功能架构

  • [1] 靳继红,刘淑芝. 大数据在铁路货运信息系统中的应用框架探讨[J]. 电脑知识与技术,2015(5):5-6.
    [2] 王亮亮. 浅议95306升级后大数据在铁路货运转型发展中的积极影响[J]. 铁路采购与物流,2022,17(10):46-48.
    [3] 刘 洋. 基于集中部署的铁路货运电子商务系统(95306)应用设计及关键技术研究[J]. 铁道运输与经济,2023,45(2):68-75.
    [4] 张 焱. 95306电子商务平台价值分析及发展对策探讨[J]. 铁道运输与经济,2016,38(2):22-24.
    [5] 董 晖. 铁路货运生产作业与管控平台总体方案设计研究[J]. 铁道货运,2023,41(4):1-8.
    [6] 马新刚. 铁路货运生产作业与管控平台功能优化研究[J]. 铁道货运,2023,41(6):1-5,10.
    [7] 史永乐,陈 兵,周发明. 铁路货运客户价值综合评价方法研究与设计[J]. 铁路计算机应用,2021,30(3):45-49.
    [8] 孟建军,陈鹏芳,李德仓,等. 铁路货运量预测研究综述[J]. 铁道标准设计,2022,66(10):18-26.
    [9] 曹 慧,秦江涛. 基于ARIMA-BP组合模型的货运量预测研究[J]. 软件导刊,2022,21(2):32-36.
    [10] 杨 艳,黄 晴,龙 思,等. 基于ARIMA-LSTM的货运量组合预测方法研究[J]. 交通科学与工程,2022,38(2):102-108.
    [11] 尹左斌,郑鹏辉,梅家农,等. ARIMA模型在铁路货运量预测中的应用[J]. 铁道货运,2008,26(6):8-11. DOI: 10.3969/j.issn.1004-2024.2008.06.003
图(2)
计量
  • 文章访问数:  90
  • HTML全文浏览量:  83
  • PDF下载量:  47
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-11-05
  • 网络出版日期:  2024-05-29
  • 刊出日期:  2024-05-24

目录

/

返回文章
返回