有轨电车运行控制技术及大数据应用

1.关键技术

（1）大数据存储技术

随着数据的快速海量增长，数据存取对文件系统的要求越来越高，传统的本地文件系统受单个节点的局限，难以很好地支持数据密集型计算，因而需要借助分布式文件系统把系统负载转移到多个节点上。HDFS是Hadoop实现的一个高容错性的分布式文件系统，可以将存储文件分割成多个文件块，每个文件块再被存储到不同的数据节点上，副本分配到几个主机上，保证安全性的同时提高效率。

（2）大数据计算处理技术

Hadoop的核心计算部件MapReduce是一种可靠的分布式并行运算编程模型，在大规模集群中运行处理海量数据时，能够快速准确地处理结构化、半结构化数据集，具有容错、数据分布和负载平衡等功能，以简单计算作接口简化并行处理，能够从海量数据中提取所需的元素并返回成果集，且数据处理速度很快。

（3）大数据分析技术

轨道交通大数据所包含的信息是关于存储数据整体特征的描述和发展趋势的预测。由于存在大量非结构化数据，所以难以通过人工建模的方式来分析，因而依赖于建立人工智能系统，希望通过大量训练样本将语音、图像、视频信息转化为机器可识别的语意明确的信息，进而进行高效的深度分析和知识提取。

2.应用平台架构

要想真正应用轨道交通大数据，应当从整体出发，统筹考虑多因素，强调顶层平台架构，建立完善的大数据应用体系，如图3－35所示。

图3－35　轨道交通大数据管理应用体系

（1）基本数据采集

源源不断的数据是大数据分析的前提条件，只有通过多方式、多渠道获取准确有效的数据，才能通过进一步分析来预测挖掘其中蕴含的价值。

（2）基础设施体系(www.xing528.com)

基础设施体系主要包含机房环境和硬件设备，以满足轨道交通大数据的存储和传输需求。

（3）数据整合

将各业务部门的数据资源进行集中与整合，将数据标准化，达到消除歧义、提高数据质量的目的。同时要建立统一化的管理平台，并对其进行及时更新和专业维护。

（4）大数据分析

提供分布式计算平台，满足计算需求，进行实时处理和后期深化分析，从而开展分析建模、模型运行等工作，为实现分析挖掘、决策应用提供基础平台支持。

（5）大数据安全应用

基于安全风险管理的数据分析、决策支持需求，进行面向应用的业务数据建模，面向战略决策、运营管理、现场管理各层用户的分析应用。

3.实施要点

（1）加强基础设施建设

对既有轨道交通所需的机房环境进行改扩建，使其具备支撑应用要求的机房环境，并且适当配置主流X86服务器，从而建设支持相关业务领域数据存储处理的软硬件环境。

（2）强化数据汇集与管理

实现轨道交通工程建设、联调联试、基础设施、移动设备、客货运、安全应急、防灾监测等业务领域数据的汇集，并适度采集社会数据，开展数据清洗、关联、质量管理等工作。同时，进一步实现对互联网、社交、舆情、供应链上下游等数据的采集，并加强数据管理的能力，提高数据质量，发挥安全管控作用，建立完善的数据管理体系和制度。

（3）建设基于大数据共享的安全管理平台

充分考虑轨道交通大数据增长速度和增长规模的要求，适时开发一定规模的轨道交通大数据安全管理平台，建立跨部门、跨区域的协调机制和统一的安全策略，快速整合轨道交通领域的各种数据，通过构建安全模型和综合分析现状与发展趋势，有效减小事故发生的概率。与此同时，利用大数据进行快速的应急事件反应，提供决策支持，提升安全能级。