對鐵路運輸決策支持系統關鍵技術研究

韓翟

摘要：鐵路運輸一項非常復雜的工程，這其中存在著戰略、管理和生產3個層次全系列的決策活動。建立良好的鐵路運輸決策支持系統的關鍵就是要做好數據的共享、整理和輸出工作，使得能夠獲取的海量數據能夠成為鐵路運輸決策的基礎和依據。傳統的信息管理系統經過發展衍生出了決策支持系統，目前鐵路決策支持系統架構中對于信息進行整理儲存的的數據倉庫技術以及在此基礎上對數據進行分析預測的數據挖掘技尤為關鍵。本文對這兩種技術在鐵路運輸決策支持系統里的應用進行了梳理，以期提高鐵路運輸的經濟效益和社會效益。

關鍵詞：鐵路運輸；決策支持系統；數據倉庫；數據挖掘

中圖分類號：U292.12；TP3111

文獻識別碼：A

文章編號：1001-828x（2016）036-000354-01

20世紀90年代起，鐵路運輸管理信息系統（TMIS）的發展開始走向正軌，如今在鐵路運輸三個層次的許多方面都可以看到鐵路運輸管理信息系統的應用。在票務工作、鐵路運輸生產管理、鐵路運輸計劃規劃、車輛管理、貨運信息整理等各個方面，鐵路信息管理系統都有所應用。但由于各類系統是各自獨立的，形成了一個個數據孤島，使得數據共享成為一個問題，這也對運輸的決策活動造成障礙。因此建立良好的鐵路運輸決策支持系統的關鍵就是要做好數據的共享、整理和輸出工作，使得能夠獲取的海量數據能夠成為鐵路運輸決策的基礎和依據。

一、鐵路運輸決策支持系統架構

決策支持系統（Decision Support systems，簡稱Dss）是20世紀70年代，在傳統的管理信息系統（Management Information Systems，簡稱MIsl的基礎上形成和發展起來的。目前鐵路決策支持系統架構中對于信息進行整理儲存的的數據倉庫技術以及在此基礎上對數據進行分析預測的數據挖掘技尤為關鍵。

鐵路運輸決策支持系統的功能包括數據的管理和存儲、信息查詢和輸出、運輸績效分析、市場需求分析和預測、違規行為判斷和客戶關系管理等。具體系統架構分為數據源、數據存儲與管理、OLAP服務和前端工具與應用四部分。其中數據源主要由三大部分的信息組成：第一部分是經濟指標、貨票信息、車號識別信息、貨運營銷系統信息；第二部門是調度系統、貨車追蹤系統、集裝箱系統的系統信息；第三部分為十八點統計、精密統計的統計信息。數據存儲與管理主要指的就是數據倉庫，數據源產出的信信息通過摘取、整理、加載、刷新等儲存在數據倉庫內，并根據維度對數據進行劃分形成數據集市。而OLAP服務則是在數據倉庫的基礎上對數據進行挖掘和分析。數據倉庫的數據直接大批量輸出或者通過數據集市的方式輸出，在OLAP服務環節利用數據挖掘和知識發掘工具進行匯總和聚集機制。從鐵路運輸決策支持系統的建構分析中可知，數據倉庫技術和數據挖掘技術是鐵路運輸決策支持系統的關鍵部門，對于大量數據的儲存和分析處理都集中在這兩個環節。

二、數據倉庫技術

數據倉庫技術是大量數據儲存和分析處理的基礎，其結構包括元數據和數據集市。元數據由鐵路應用系統中的貨運信息、車輛信息、貨票信息等組成，經過抽取和處理之后存儲于數據緩沖庫，并通過加載傳送到鐵路全局數據倉庫，最后分解傳送至數據集市。數據集市根據主題會還原成鐵路應用系統所對應的三大維度，包括貨運信息、經濟指標和市場信息。經過分解的數據會各自匹配到多維數據庫中，并最終輸出信息進行分析應用。

存儲于數據倉庫中的數據的特點可以概括為“四性”：

1.規模性。數據倉庫的數據來自于經濟指標、貨票信息、車號識別信息、貨運營銷系統信息、調度系統、貨車追蹤系統、集裝箱系統、十八點統計和精密統計的各類信息。因此數據倉庫的數據量龐大，具有可觀的規模。

2.歷史性。數據在數據倉庫中的儲存時間很長，可以長達數年。這些數據會記錄時間標記，可以滿足橫向、縱向信息比較。并且通過對歷史數據的整理，可以進行預測等的功能的實現。

3.集成性。從各個鐵路應用系統來的數據進入數據倉庫后都會被統一處理，儲存在數據緩存庫，并統一加載和分解。

4.只讀性。數據倉庫是一個信息源，它只是為在其上開發的DSS或EES等提供信息服務。因此它應是只讀數據庫，一般不能輕易改動，只能定期刷新。

三、數據挖掘技術

數據倉庫將大量歷史數據集中處理，而數據挖掘技術則是將數據倉庫的作用發揮出來的一項重要技術。數據挖掘是一種可以從如數據倉庫中提取隱藏的預測性信息的新技術，相對于數據倉庫其最大的特點是展望性和預測性。作為一種數據分析的工具，數據挖掘可以在大量數據中發現數據之間潛在的關系模式，找出不被重視的信息，即可以充分利用好大量數據，并以此為基礎，找出盡可能多的數據關系，以此為鐵路決策提供依據。

大數據時代為我們提供了大量數據作為依據，因此要想在利用好這些數據，數據挖掘技術至關重要。數據挖掘可以對已知數據進行分析，對已有關系進行探索和發現，這樣的結果更具有實踐意義和現實性。并且利用數據挖掘技術，可以讓數據本身說話，尋求出更多的可能性，建立新的業務模型，幫助決策者調整市場策略，作出正確的決策。

四、結語

鐵路運輸決策支持系統是服務于決策過程，而其中實現科學化和智能化的關鍵是數據倉庫和數據挖掘技術。數據倉庫是基礎，通過整理、分類、儲存數據解決了各系統之間信息孤島的問題；而數據挖掘則是在數據倉庫的基礎上更好地利用好數據，最終實現決策的最優化。