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

铁路客运大数据智能化应用

王晓蕾, 王洪业

王晓蕾, 王洪业. 铁路客运大数据智能化应用[J]. 铁路计算机应用, 2024, 33(8): 83-86. DOI: 10.3969/j.issn.1005-8451.2024.08.14
引用本文: 王晓蕾, 王洪业. 铁路客运大数据智能化应用[J]. 铁路计算机应用, 2024, 33(8): 83-86. DOI: 10.3969/j.issn.1005-8451.2024.08.14
WANG Xiaolei, WANG Hongye. Intelligent application of big data in railway passenger transportation[J]. Railway Computer Application, 2024, 33(8): 83-86. DOI: 10.3969/j.issn.1005-8451.2024.08.14
Citation: WANG Xiaolei, WANG Hongye. Intelligent application of big data in railway passenger transportation[J]. Railway Computer Application, 2024, 33(8): 83-86. DOI: 10.3969/j.issn.1005-8451.2024.08.14

铁路客运大数据智能化应用

基金项目: 中国国家铁路集团有限公司科技研究开发计划课题(K2022X028)
详细信息
    作者简介:

    王晓蕾,高级工程师

    王洪业,研究员

  • 中图分类号: U293.1 : TP39

Intelligent application of big data in railway passenger transportation

  • 摘要:

    随着信息技术的飞速发展,大数据和智能化技术已经深入到各个领域。铁路客运作为国民经济的重要组成部分,其大数据智能化应用更具重要意义。文章以此为背景,介绍铁路客运大数据智能化应用在市场感知方面的典型应用案例,以及大数据技术在客运需求挖掘、决策建议、市场营销、安全保障等方面的应用方案。客运大数据和智能化技术为提高铁路客运服务质量、优化运输组织、确保行车安全提供了新的技术手段。

    Abstract:

    With the rapid development of information technology, big data and intelligent technology have penetrated into various fields. As an important component of the national economy, the intelligent application of big data for railway passenger transportation is of greater significance. Based on this background, this paper introduced typical application cases of intelligent application of big data for railway passenger transport in market perception, as well as application solutions of big data technology in demand mining, decision-making suggestions, marketing, safety assurance, and other aspects for passenger transport. Big data and intelligent technology in passenger transportation provide new technological means to improve the quality of railway passenger services, optimize transportation organization, and ensure train operation safety.

  • 随着铁路客运市场化经营的不断深入和旅客出行需求的日益增长,铁路客运面临前所未有的发展机遇和挑战。这对客运管理部门及时感知市场动态,精准捕捉旅客需求,充分优化运力部署,精细提升产品设计提出了更高的要求。在此背景下,如何充分挖掘铁路客运大数据要素,及时、高效挖掘高价值信息,辅助营销决策,大力发展新质生产力,推动铁路客运事业高质量发展,成为铁路客运工作者当下面临的一项重要课题。

    目前,我国在铁路客运大数据智能化发展领域已经取得了理论突破和技术创新。例如,史天运、朱建生、单杏花等学者[1-3]基于铁路新一代客票系统积累的客运大数据,建立了铁路客运大数据平台;吕晓艳、卫铮铮、宋超等学者[4-8]在铁路客运大数据平台的基础上建立了一系列涵盖市场监测、票额组织、客流预测、用户分析等多元化大数据分析模型,为铁路客运事业发展提供了科学有效的数据决策支持。然而,随着数据体量和数据种类的不断扩展,以及深度学习、人工智能等大数据和智能化技术的升级迭代,铁路客运营销工作也需要进行更精细化的业务拓展和更深层次的技术升级。中国铁路12306互联网售票系统(简称:12306)研发团队在丰富客运大数据的基础上,综合运用大数据和智能化技术,深入挖掘铁路客运数据要素价值,为综合感知、精准预测、能力优化、针对营销、精细管理等日常营销工作赋能,大幅提升了原有的工作效率和工作质量,全面推动了技术创新和行业升级。

    实现铁路客运大数据智能化应用,需要有丰富的数据源、灵活的数据存储、多元化数据建模、稳定高效的数据读取与传输等。为此,基于如图1所示的新一代信息技术架构,构建了完整的铁路客运大数据生态,通过海量数据与客运业务的有机结合与互动,实现大数据的感知、管理、分析与应用。

    图  1  新一代信息技术架构

    除了12306积累的客运数据外,作为数据补充,还收集、获取包括人口、国内生产总值(GDP,Gross Domestic Product)、综合交通情况等方面国家统计局公布的公开数据;此外,通过与其他机构合作的方式,获取相关数据,如各地天气情况、极端天气预警信息等。通过多种渠道和手段,综合收集应用于大数据智能化分析的稳定数据源。

    由于大数据的“5V”特性(即:体量大、速度快、种类多、真实、价值高),因此,在传统的数据仓库基础上,又建立了铁路分布式数据库与分布式文件存储系统,有效支撑大规模并发查询和实时数据分析工作,提高客运大数据关联计算效率。

    建立分析模型,利用数据挖掘技术对大数据进行深度挖掘,分析、提取有价值的信息,如客流量的季节性变化、乘客出行偏好、列车运行效率等。这些数据模型为智能化应用提供有力支持。

    数据应用方面,通过与各级铁路客运管理部门深度沟通与合作,了解日常分析工作中的痛点、难点问题,为其提供针对性的多元化、多维度、多层次的铁路客运大数据应用分析,包括系统化应用服务、可视化分析大屏、定制化日常报表与分析报告服务、决策建议与异常事件监控预警等,实现铁路大数据智能化应用。

    大数据智能化已经在铁路客运业务的市场感知、需求挖掘、决策建议、市场营销及安全保障等多项重点工作领域中进行了应用尝试,取得了良好的应用效果。作为新质生产力,铁路客运大数据的智能化应用为铁路数据要素赋能,推动铁路客运业务高质量发展。

    通过微博、百度搜索引擎、大麦网等外部公开渠道,及时获取大型集会时间、地方特色节假日、热点舆情、极端天气及预警等影响旅客出行的重点事件,及时捕捉外部市场资讯,研究客流突变因素,把握客流变化趋势,及时调整运力部署和票额组织,为旅客提供更优质的铁路出行服务。

    以2023年8月西安市某演唱会为例,该演唱会前后到达客流量示意如图2所示。演唱会前、后两个星期的周末客流趋势呈典型的“M”型特点,即星期五、星期日为客流高峰,星期六为客流平峰(图中黄色线所示);而演唱会所在周末客流趋势则呈现了异常的“N”型特征,即星期五、星期日为客流高峰,星期六为客流超高峰(图中红色线所示),表明星期日举办的演唱会吸引大量旅客在前一日到达当地,出现了异常的客流规律。通过提前收集类似热门的集会信息,可以提前捕捉旅客出行动向,及时调整、科学安排运力投放,实现精准营销。

    图  2  2023年西安市某演唱会前后到达客流量示意

    区域性的公众假期,如广西壮族自治区的三月三假期、宁夏回族自治区的开斋节和古尔邦节、新疆维吾尔自治区的肉孜节和古尔邦节等,都会使铁路客流量产生局部区域的假期客流特征。以2023年新疆维吾尔自治区客流量为例,如图3所示,古尔邦节期间客流形成了典型的假期“M”型特点,即假期第1日和最后1日形成客流高峰,假期中间几日为客流平峰,均较平时客流显著增加。通过提前收集各地区放假安排,了解假期客流分布,可以提前预估客流强度,针对性部署运力,保障节假日期间旅客顺利出行。

    图  3  2023年新疆维吾尔自治区古尔邦节假期客流

    运用多种技术手段,深入挖掘铁路客流的时空分布规律。时间规律上,将客流按不同维度划分为年度、季度、月度、星期、时段等不同的时间周期,分别捕捉不同维度下的客流特征和波动规律,了解需求变化趋势。空间规律上,结合城市群分布和客流结构化差异,捕捉不同OD(Origin - Destination)下的客流特点、出行需求和地方经济、人口发展规律,实现铁路客流与外部市场环境变化的动态综合分析,精细化挖掘旅客出行规律和需求变化。主要区域群客流特征如图4所示,图4(a)中,颜色越深,代表客流量越大;图4(b)中,橘黄色、绿色、蓝色分别代表探亲、旅游和公务的客流,颜色越深,代表客流量越大。

    图  4  主要区域群客流特征

    建立大数据分析模型,分析旅客的多元化出行需求变化与外部时空环境的相关性,掌握不同结构客流受影响程度和波动规律,从而及时感知外部时空环境变化,捕捉客运市场变化动态,预估同省、邻省、跨省等不同距离、不同类别的旅客出行需求变化,及时联动运力调整,最大化铁路运输资源的利用效率,实现挖潜提效。此外,根据不同区间内经济环境、客流结构特点和对应的旅客出行偏好,针对性部署铁路客运产品谱系,满足区域内不同旅客的出行需求,实现铁路客运产品的精准营销。全国铁路客流结构如图5所示。

    图  5  全国铁路客流结构

    建立多维度经营状态监测指标体系和大数据分析模型,基于分析结果,辅助调整票额供给策略和运力安排。

    (1) 候补需求:通过实时收集、统计分析候补需求数据,挖掘探析不同线路、不同区段、不同时段下的供需矛盾点。

    (2) 预售强度:实时收集预售数据,了解当前客流期下的客流预售强度,研判客流预期体量和总体预售规律。

    (3) 剩余存量:实时计算各方向、各区间、各车次、各席别的剩余票额,掌握既有运力安排下的票额库存状态。

    针对不断推出的铁路客运新产品特征,基于出行大数据定位分析目标旅客群体,制定针对性产品营销方案。

    (1) 客票新产品设计优化:根据铁路旅客出行频次、连贯性、行程特征,优化铁路计次票、定期票、旅游套票等产品票制,扩大产品旅客群体,增强铁路旅客出行粘性,提高综合营收能力。

    (2) 铁路运输服务质量提升:分析旅客出行习惯、产品偏好,根据出行需求变化,匹配合适的开行方案、运力部署,为旅客提供更优质的运输服务。

    采取多种技术手段,实现高峰期热门方向列车超载停车(简称:超停)预警与精准防控。

    (1) 风险预警:通过构建大数据分析模型,精准识别旅客买短乘长需求,提前预判实际车内人数,预警列车超停风险。

    (2) 乘降组织优化:通过实时计算列车预售结果和进出站检票人数,实时监测站台人数变化和车站拥挤程度,及时通知地面工作人员疏导旅客,优化列车乘降组织。

    (3) 风险防范:制定分级、分类管理措施,针对超停高风险列车精准施策,研发相关模型,防范列车超停事件,保障高峰期铁路运输安全有序。高峰期列车超停防控手段如图6所示。

    图  6  高峰期列车超停防控手段

    铁路客运大数据和智能化技术为铁路客运业务发展,实现综合感知、精准预测、能力优化、针对营销、精细管理等工作目标提供了新技术和新手段,是提高铁路客运服务质量、优化运输组织、确保运行安全的重要举措。

    未来,需要加大技术创新力度,探索新的算法、模型和应用场景,提高智能化技术在铁路客运中的应用效果;进一步加强数据质量管理等工作,建立完善的数据采集、清洗、整合和校验机制,确保数据的质量和完整,提高数据分析的准确性和可靠性,持续推动铁路客运大数据智能化应用的深入发展。

  • 图  1   新一代信息技术架构

    图  2   2023年西安市某演唱会前后到达客流量示意

    图  3   2023年新疆维吾尔自治区古尔邦节假期客流

    图  4   主要区域群客流特征

    图  5   全国铁路客流结构

    图  6   高峰期列车超停防控手段

  • [1] 史天运,刘 军,李 平,等. 铁路大数据平台总体方案及关键技术研究[J]. 铁路计算机应用,2016,25(9):1-6. DOI: 10.3969/j.issn.1005-8451.2016.09.002
    [2] 单杏花,王富章,朱建生,等. 铁路客运大数据平台架构及技术应用研究[J]. 铁路计算机应用,2016,25(9):14-16,30. DOI: 10.3969/j.issn.1005-8451.2016.09.004
    [3] 朱建生. 铁路新一代客票系统大数据应用创新研究[J]. 铁路计算机应用,2019,28(4):1-7. DOI: 10.3969/j.issn.1005-8451.2019.04.002
    [4] 吕晓艳,刘彦麟,单杏花,等. 基于大数据平台的铁路旅客群体分析应用研究[J]. 铁路计算机应用,2016,25(9):28-30. DOI: 10.3969/j.issn.1005-8451.2016.09.008
    [5] 卫铮铮,单杏花,王洪业,等. 基于客运大数据平台的铁路客流预测系统[J]. 铁路计算机应用,2022,31(1):37-42. DOI: 10.3969/j.issn.1005-8451.2022.01.06
    [6] 宋 超. 大数据在铁路客运工作中的运用[J]. 铁路计算机应用,2016,25(12):31-34. DOI: 10.3969/j.issn.1005-8451.2016.12.009
    [7] 周姗琪. “一日一图”目标下高速铁路列车运力供给与市场需求适配质量评价研究[J]. 铁道运输与经济,2023,45(9):42-48.
    [8] 孔德越,程 默,颜 颖,等. 基于铁路旅客常住地与行程环的年度出行特征分析体系[J]. 中国铁道科学,2022,43(5):132-145.
图(6)
计量
  • 文章访问数:  53
  • HTML全文浏览量:  21
  • PDF下载量:  20
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-05-30
  • 刊出日期:  2024-08-24

目录

/

返回文章
返回