铁路大数据平台

在铁路信息化总体规划的指导下，以强化数据治理、提升数据质量为基础，以共享交换、挖掘分析及精细化管控为目标，以基础数据的规范统一、集中管理为支撑，统一数据标准，实现数据资源的充分共享及综合应用 ；搭建基于数据仓库、大规模并行处理（MPP， massively parallel processing）和Hadoop 的综合性大数据分析基础架构，提供离线的PB 级和在线的 TB 级数据处理能力，支撑各业务领域开展深入的数据挖掘分析及业务模式创新 ；及时全面地掌握数据资产的内容、存量、增量及使用情况，实现对于数据资产的全生命周期精细化管控 ；为提高运输组织效率、保障铁路行车安全、优化客货服务质量、提升企业经营效益提供支撑。

铁路大数据平台总体架构主要由数据采集层、数据传输层、数据存储层、数据服务层、数据分析层、数据应用层、数据展示层及数据标准体系、数据保障体系等组成。

铁路大数据典型应用场景包括客运、货运、基础设施、运输安全等各领域：

（1）客运领域

运用大数据技术实现发送客流和 OD 客流的长短期预测，优化列车次数、开行数量和计划 ；开展铁路旅客网上购票行为分析，建立旅客全方位的用户画像，分析旅客满意度和忠诚度，并实现送票、保险、餐饮、酒店、旅游、租车的个性化智能推荐服务 ；对网络黄牛、抢票软件等异常行为实现智能预警 ；实时收集航空的票价信息，实现铁路商务舱票价智能调整。

（2）货运领域

运用大数据技术实现物流总量的长短期预测，建立物流货主的用户画像并进行客户细分，分析货主对铁路运输的粘合度，进行货主流失预警 ；实时收集航空、公路、水运等交通方式和其他物流公司的运价，辅助开展铁路货运运价的调整，以及提升铁路物流的服务能力和水平。

（3）运力资源领域

通过实时采集工务专业的 TQI、高低、轨向、轨距、水平、三角坑等数据，电务专业的机车掉码、电化干扰、邻线干扰、邻段干扰、场强覆盖、服务质量等数据，供电专业的超限数据和视频数据，车辆专业的测温精度、探测角度、轴距、无线数传等数据，以及机车和环境监测设备的状态数据，实现基础设施、机车等设备状态科学评估，分析设备故障演变规律，优化设备维修计划。

（4）运输安全领域

运用深度学习实现基础设施和移动装备及关键部件的故障诊断和识别，实现基于多数据源融合的基础设施和移动装备故障智能识别，分析基础设施和移动装备运行总趟数、风、雨、雪等环境因素与设备故障率的关联关系。