引言

客流预测是铁路路网规划、线路及场站设计、铁路运营等工作的重要基础。客流预测研究领域有许多分支和分类，通常按预测对象的不同，将铁路客流预测划分为区域客流预测、线路客流预测和列车客流预测。

1发展现状及趋势

日本、欧洲与美国等国家与地区在本世纪初就开展了智慧铁路运输的研究，如日本力求通过强大的信息提供功能，实现铁路运输与其他运输方式的无接缝、无障碍衔接。欧洲要研究欧盟范围内的信息共享和资源一体化使用技术方案，支撑实现更高效、更高服务水平的铁路运输组织体系；美国主要研究利用智能信息的网络化，以提升铁路运营效率，节约成本支出。纵观不同国家的数字化、智能化铁路发展战略，运输组织、装备运用、设备维修及综合安全管理始终是重要的战略内容。如欧洲RailRoute2050提出无缝衔接旅程服务、列车准时性达95%、运营智能与自动化等内容；数字化法国铁路提出路网运力自适应、优化客户服务、优化资源利用等内容；瑞士铁路实现“欧洲列车控制系统”；澳大利亚铁路提出列车运行安全风险自动监测与控制；德国铁路4.0提出远期实现运营过程全自动化等。

2智慧铁路时空大数据平台建设与实现

2.1建立精准的客流预测算法模型库

2.1.1建立客流预测测试环境与评价体系

为各类客流预测算法模型提供便利的测试环境，可对预测算法模型的效果和适用性进行定量分析，建立客流预测结果分析评价体系，逐步形成预测方案应用规范、业务涵盖广泛、功能日趋完善的铁路客流预测系统。

2.1.2沙盘演练数据区

沙盘演练数据区主要包括仿真平台、分布式在线算法演练库、分布式离线算法演练库。其中，仿真平台基于RStudio环境创建，运用R语言编写的脚本来调用运行在RServer上的客流预测算法组件，并运用ShinyServer实现算法可视化，对预测效果进行评估，生成客流预测分析报告，用以确定最终的客流预测方案。在分布式在线算法演练库中，预测算法所使用的训练数据是从相关业务系统中以切片为单位获取的实时数据，如客票营销系统中的余票数据、实时用户点击日志流数据等，运用实时大数据处理框架Storm，对这些预测算法组件进行实时演练。分布式离线算法演练库基于Spark大数据平台创建，运用SparkR、PySpark、Scala改为分布式算法实现；在分布式离线算法演练库中，预测算法所使用的训练数据是从相关业务系统中获取的、以天为单位的时间切片数据，如客票营销系统中的运能、运量数据等。

2.2非结构化大数据技术架构

（1）数据源层。铁路运输安全非结构化数据来源于铁路运输安全体系下各类规章制度、管理系统及监控系统。例如，铁路工务、电务、供电等专业的监测检测系统产生的视频数据、图像数据及音频数据，运维及安全管理系统产生的大量人员管理规章制度、人员履职行为、风险隐患、病害、事故调查报告等文本数据。（2）数据采集层。根据数据源层系统产生数据的特点及分析实时性需求，采用大数据Streamsets，Flume组件，或者通过FTP，SFTP，ETL，JDBC/ODBC等方法对数据进行采集。通过数据采集工具可将非结构化数据从生产系统导入到大数据平台，便于数据分析人员对安全非结构化数据进行分析。（3）数据存储层。数据存储层存储经过数据采集层抽取、转换、清洗的数据，根据非结构化数据的特殊性，设计多种分布式存储方案。例如，CEPH在小文件分布式存储中具有高效检索与查询的优势，适用于铁路事故分析报告的存储与检索；Neo4j以图谱的形式存储数据及数据之间的关系，是存储铁路运输安全知识的庞大非结构化知识库。（4）数据服务层。数据服务层提供非结构化数据的特殊服务，主要包括针对基于监督学习的非结构化数据分析模型的训练与测试数据的智能标注服务，以及数据目录、数据同步与共享服务。数据标注服务内置智能分析模型，辅助人员对图像、文本、音频样本数据进行快速标注，形成样本集，为非结构化数据分析提供样本基础。（5）数据分析层。数据分析层是分析非结构化数据的核心，应用图像处理、文本分析、OCR文字识别技术、语音识别技术分别处理图像、文本数据、PDF等文字识别及语音数据，各类处理技术中包括基于传统学习与深度学习的分析算法。（6）数据应用层。数据应用层是非结构化数据的最终价值体现。应用非结构化大数据处理技术，实现铁路运输安全非结构化数据的管理、查询、统计及结构化转换应用，便于后续对数据的深入挖掘。

2.3智慧铁路业务架构

智慧铁路遵循主流“资源虚拟化平台+应用”架构，应用构成主要包括铁路智能监测分析平台（大数据中心）和智能装备、智能建造、智能运营3大板块。铁路智能监测分析平台（大数据中心）是整个系统的中枢神经，统一为智能建造、智能装备、智能运维3大板块的应用智能计算和提供大数据分析等服务，实现3大板块互联、互通和共享。铁路智能监测分析平台（大数据中心）支持多源异构数据接入与数据仓库动态构建，提供类SQL标准化查询与分析能力，并支持可视化智能管控，最终将为智慧铁路提供技术支持。平台采用大数据算法技术，从各类多源异构数据中采集、存储和流转数据，解决数据分散问题；采取“集中数据、分布应用”的方式，让数据共享更有价值，通过数据互通互联、打破员工效应和信息孤岛，形成统一的铁路大数据平台，依据包神集团的数据标准，让不同的数据互联互通。铁路智能监测分析平台（大数据中心）是铁路业务支撑平台，是铁路知识库和智慧决策中心，可针对各业务层级不同需求提供数据分析，有效地提高信息资源的利用率。主要实现对安全风险、安全隐患、事故故障、机车视频、设备图像、设备故障规律等的基于大数据分析和安全评估等。

2.4智能装备

主要包括铁路智能驾驶、机车智能调度管理平台、重载铁路综合检测车、站场综合巡检小车、智能供电管理系统、基于北斗+5G通信的移动闭塞等应用。铁路电力机车智能驾驶系统以“自动感知、智能决策、自动执行”为设计思路，实现重载列车运营全过程的自动化控制。铁路机车调度管理信息平台是实现机车检修作业管理、质量控制、运行调度信息化和合理化的综合管理系统。铁路综合检测车主要用于铁路的接触网检测、线路轨道检测和探伤、信号机轨旁设备检测、红外线轴温探测站检测及限界检测等，并提供实时智能分析和预警等功能。合作研发站场综合巡检小车应具备站场、轨道检测与探伤和接触网检测等功能。基于北斗+5G通信的移动闭塞通过智能定位和不间断的通信，根据列车位置和实时的速度，动态计算列车的最大制动距离，根据实时的“最大制动距离+列车的长度+安全防护距离”的数据组成1个列车同步位移的间隔分区，缩短列车的发车间隔，提高线路的使用效率。

2.5智慧铁路应整合和建设的各类应用

智慧铁路建设将坚持“创新驱动，智慧引领，价值创造”的发展思路，研究构建以集疏运为核心、智能高效、安全稳定、绿色环保的重载铁路运输体系，应整合和建设的各类应用如下：①铁路智能驾驶系统（已建设，正在全面推广）。②铁路运营综合业务管理系统（已建设未推广应用）。③国家能源集团调度信息系统。④高精度铁路地理空间信息平台（已开始建设）。⑤重载铁路综合检测车（已开始购置）。⑥铁路智能监测分析平台（大数据中心）。⑦铁路智能供电管理系统。⑧铁路智慧安全应急救援平台。⑨站场综合巡检小车。⑩基于北斗+5G的移动闭塞。I1重载铁路运输智能助理系统（在研项目）。基于北斗+5G定位的移动闭塞和重载列车智能驾驶缩短列车追踪间隔，有效提高列车运行密度，提高运输组织效率。通过构建铁路智能监测分析平台（大数据中心）开展安全管理大数据应用，实现了设施设备和环境的综合监控、故障“诊断”、超前预警、资产全生命周期管理等，提高了重载运输安全保障能力。通过应用运营综合业务管理系统和国家能源集团调度信息系统，可实现在保障安全前提下固定资源的合理配置和高效利用，有效降低运营维护成本。

结语

综上所述，智慧铁路不仅是强化铁路运行效率与物流管理服务水平的必经阶段，同时也是“互联网+”时代铁路信息化建设与构建智慧化综合交通运输体系的首要任务，必将对社会经济发展产生深远影响。

参考文献

[1]赵杉.云平台安全监控大数据集群调度容错控制仿真[J].计算机仿真,2021,38(7):486-490.

[2]缪炳荣,张卫华,刘建新,等.工业4.0下智能铁路前沿技术问题综述[J].交通运输工程学报,2021,21(1):115-131.

［3］凌文.科技创新引领中国智慧重载铁路发展［J］.铁道学报，2018，40（1）：3.

［4］易小浪，杜建波.铁路多式联运智慧化转型发展对策探析［J］.铁道货运，2021，39（1）：20-24.

［5］宁滨，卜长堃，李学伟.铁路信息化建设的探讨［J］.中国铁路，1999（2）：11-13，5.

［6］贾利民，秦勇，张媛.数字铁路、智能铁路与铁路智能运输系统［J］.中国铁路，2012（3）：16-20.

［7］张雍华，王富章，蒋丽丽，等.高速铁路智能基础设施发展关键技术研究［J］.铁道建筑，2021，61（3）：87-91.