引言：易發表網憑借豐富的文秘實踐，為您精心挑選了一篇論軌道交通大數據之挑戰與機遇范例。如需獲取更多原創內容，可隨時聯系我們的客服老師。

近年來，隨著城鎮化的不斷推進、城市規模的不斷增大，使得城市中人口數量顯著增加，對城市公共交通系統的要求也越來越高[1]。作為一種新型的交通工具，城市軌道交通具有運量大、快速、安全的優點，使其成為有效緩解城市交通壓力的一種手段[2]。《中國制造2025重點領域技術路線圖》明確指出，軌道交通作為我國公共交通和大宗運輸的主要載體，是我國高端裝備“走出去”的重要代表。國家發改委指出，城市軌道交通示范應用是《增強制造業核心競爭力三年行動計劃（2015—2017年）》實施中的顯著成效，并將城市軌道交通設備列為《增強制造業核心競爭力三年行動計劃（2018—2020年）》九大重點支持領域之一。城市軌道交通作為一類重要的城市交通工具，從另一方面也體現了一個城市的發達與發展程度[3]。軌道交通數據指在城市軌道交通系統日常運營和運維過程中，以自動、主動或被動形式產生的包含結構化數據、半結構化數據和非結構化數據在內的數據[4]。其來源廣泛、種類眾多、產生速度快，因此，是一種典型的大數據。如何管理、處理、分析、挖掘軌道交通大數據背后隱藏的知識，并將其服務于軌道交通工程的規劃、勘查設計、工程施工、運營維護、決策支持等各個階段，是一件極其重要的事情[5]。

1軌道交通大數據

軌道交通大數據按照運營關聯情況可以分為內部數據和外部數據[6]。其中，內部數據包含基礎地理數據、公共行業數據、屬性數據、標準、規章、計劃及指標數據在內的靜態數據和包含專業數據（車務、車輛、工務、電務、機電、通號等）、客流數據、環境數據、安全數據、財務數據、資源配置信息、客運服務信息在內的動態數據組成。外部數據由氣象數據、大型活動數據、公共交通數據、社會媒體數據構成。軌道交通大數據具有多源、異構、動態、時空的特點。按照流轉途徑，軌道交通大數據的生命周期可以分為六個階段。不同來源的軌道交通數據以自動、主動或被動的形式產生，通過傳感器等設備進行采集和存儲，地理上分散的軌道交通數據通過網絡進行匯聚，經過數據集成、數據清洗等處理手段后存儲在統一的數據中心，按照上層的業務需求對存儲的數據進行處理和分析，最后將結果進行可視化，以服務不同的應用。

2軌道交通大數據挑戰

2.1數據管理的挑戰

軌道交通大數據來源廣泛、種類繁多、產生速度快，具有多源、異構、自組織的特點。使得其在管理上面臨著“匯聚難、集成難、存儲難、檢索難”的挑戰。軌道交通數據在地理上分散，并通過不同的數據模型和元數據來進行自組織管理，如何連接不同類型的數據源，定時、自動化地匯聚多源的軌道交通大數據是一個挑戰。軌道交通數據的體量大，對于已經匯聚、集成的數據，一方面，如何去設計適用于分布式環境下的數據存儲模型，以滿足高可擴展、高可用、高吞吐的需求；另一方面，如何結合軌道交通數據的時空特性，構建包含時空索引、全文檢索在內的多類型索引模型，減少查詢的搜索空間，加快查詢的過程，是一個關鍵的挑戰。

2.2數據處理的挑戰

軌道交通數據的體量大，產生速度快，既包括了實時產生的動態數據，又包括了歸檔的靜態數據，使傳統的單機處理難以滿足軌道交通應用實時處理的需求。Hadoop和Spark作為如今主流處理大規模數據的系統，可以作為解決軌道交通數據處理難的有效途徑。軌道交通大數據存儲在Hadoop生態系統和Spark生態系統的數據管理系統（如：HDFS、HBase、Hive等）中，通過MapReduce或者Spark進行分布式處理。在這個過程中，面臨三個挑戰：（1）數據管理系統數據讀取接口的開發：由于軌道交通大數據涉及多個數據模型和存儲系統，如何基于這些存儲系統開發統一的數據讀取中間件是一個挑戰；（2）并行編程框架的開發：無論是MapReduce還是Spark，都要求算法開發者熟悉框架，限制了其使用范圍，因此，需要在MapReduce和Spark提供的底層API上開發適用面廣泛的編程框架；（3）工作流調度：數據處理通常由多個子過程構成，如何將這些子過程通過工作流機制進行組織、調度，以便實現處理過程的自動化是一個挑戰。

2.3數據分析的挑戰

數據分析的目的旨在挖掘、提取海量軌道交通數據背后隱藏的規律及知識。對于軌道交通大數據分析而言，其核心問題在于如何對軌道交通大數據進行有效的表達、解釋和學習。

2.4安全性的挑戰

具體而言，針對軌道交通大數據的安全性包含以下幾方面：（1）用戶隱私保護：如何保證在數據的傳輸、處理、應用過程中，用戶的隱私數據不會被非法用戶及非授權應用訪問；（2）數據的可信度：由于軌道交通大數據來源廣泛，數據質量參差不齊，如何為上層應用或用戶提供可靠的數據；（3）大數據訪問控制：如何通過用戶鑒權和訪問控制避免非法用戶和非授權用戶對軌道交通大數據的訪問。

3軌道交通大數據典型應用

城市交通系統作為城市信息化程度較高的一部分，因其自身數據富集的優勢，使得以數據為驅動的智能交通技術被廣泛應用。而軌道交通大數據作為城市交通系統的重要組成部分，其在包括智慧城市、智能交通運輸系統在內的諸多應用中被廣泛應用。

3.1智慧城市

智慧城市作為全球范圍內下一代城市發展的新理念和新實踐，依托信息化建設基礎，對城市部分數據進行實時、動態監測、分析、整合和利用，從而實現對城市的透徹感知。其構建的核心在于數據。目前，我國諸多發達城市都在構建智慧城市。軌道交通大數據作為交通大數據的一種，在構建智慧城市的過程中發揮著至關重要的作用。例如，深圳市通過匯聚全市的交通大數據，構建了“交通云”，實現了全面的17類數據的采集和共享，并通過大數據分析、挖掘手段，為全市的交通運輸規劃等業務提供了有效的決策支持。

3.2智能交通系統

城市軌道交通大數據可應用在智能交通系統構建上，具體包括統計分析、應急輔助決策、乘客出行誘導、客流量預測、調控管理方面。基于北京市軌道交通的現行方案，依托收集到的北京市軌道交通大數據，設計了基于大數據技術的城市軌道交通應急輔助決策流程。通過將上海市軌道交通大數據中的網絡客流數據進行可視化，以挖掘網絡客流時空變化特征和演變規律，從而在科學行車和客運組織方面向管理人員提供決策建議及依據。按照軌道交通大數據的生命周期，結合業務需求，利用大數據分析技術，設計了一套城市軌道交通自動化售票系統。青島市通過構建“兩地三中心”的大數據中心，實現了地鐵大數據中心的建設，匯聚、管理全市的地鐵大數據，以加強對地鐵行業的管理和調控。

4結語

本文系統介紹軌道交通大數據的來源、分類、特點，并基于數據全生命周期，總結軌道交通大數據在管理、處理、分析三個方面面臨的挑戰，最后綜述基于軌道交通大數據開展的一系列典型應用。

參考文獻：

[1]涂小華，張正.大數據在城市軌道交通客流預測的應用[J].江西化工，2015（6）：144-146.

[2]楊川.基于大數據的軌道交通網絡化運營管理[J].中國新技術新產品，2017（16）：120-121.

[3]孔磊.城市軌道交通公共安全大數據共享資源庫研究[J].交通與港航，2015，2（5）：37-41，68.

[4]顧偉華，黃天印，郭鵬.面向大數據的城市軌道交通非結構化數據管理[J].城市軌道交通研究，2016，19（11）：77-80.

[5]孟存喜.大數據、云計算在軌道交通工程中的應用需求[J].土木建筑工程信息技術，2015，7（5）：62-66.

[6]李得偉，張天宇，周瑋騰，尹浩東.軌道交通大數據運用現狀及發展趨勢研究[J].都市快軌交通，2016，29（6）：1-7.

作者:王文斌 單位:南寧軌道交通集團有限責任公司