0 引言随着计算机技术、互联网和物联网的快速发展与广泛应用,铁路系统开始通过电子传感器、视频监控、GPS、全站仪、电子水准仪、无人机等多种方式采集海量数据。随着新技术的不断涌现,铁路工程建设过程中的数据采集方式更加先进,数据增长速度越来越快,数据采集成本越来越低。但传统的数据分析、管理和决策方式已不能灵活应对内外部环境快速变化的要求,不能有效地将数据转化为有价值的信息从而为铁路工程建设相关方提供更优质的服务。根据文献[1],北美铁路已经开始大数据的挖掘、分析和应用。因此,如何采集到更有效的数据并更好地利用这些数据为铁路工程相关方创造价值,值得进一步探讨和研究。 我国铁路工程建设项目里程长、线路类型多样、地域和气候环境差异大,建设过程中产生了具有多源、异构等特性的海量数据,但目前大多仍使用常规方法进行处理和应用,技术手段相对落后,不能充分挖掘和利用数据中所蕴藏的信息和价值。同时,铁路工程项目建设时间长、施工工序多、涉及单位数量大、质量安全影响因素复杂,依靠人的经验和分析已不能满足复杂的管理和协同优化的需求。因此,如何利用大数据的理念、方法和技术,提升铁路工程数据采集、存储、处理、分析、挖掘、应用及管理的能力,并进一步加强工程质量和安全,提高建设效率,降低建造成本,已成为铁路工程建设管理现代化亟需解决的问题,也是交通运输领域的重要战略需求。 1 大数据在铁路工程建设过程中的作用1.1 铁路工程建设大数据的特点随着铁路信息化的快速发展,铁路系统数据量急剧增长,这些数据具有广泛性、关联性、专业性、流程性、时序性、动态性和复杂性等典型的工业大数据特征,具有体量大(Volume)、多样性(Variety)、产生速度快(Velocity)和真实性(Veracity)的大数据普适“4V”特性,最重要的是具有数据可见性(Visibility)和数据价值(Value)“2V”特性。“4V”特性表征的是大数据信息,“2V”才是在铁路工程建设过程中应用大数据的目的和意义[2]。 铁路工程建设过程中产生的数据,从大数据“4V”特征看,是海量、异构的,业务数据包括轨道、路基、桥梁、隧道、站场、牵引变电、接触网、信号等专业的人员作业、设备状态、管理制度、外部环境等日常信息,数据格式包括结构化、半结构化、非结构化的视频、图像、音频、曲线、文本等;从分布形式看,数据分散在不同的应用系统、单位,大量数据还存在于电子台账或电子文件中,甚至还有部分纸质记录,且大多孤立存在,难以综合利用;从数据特点看,铁路工程建设数据存在隐匿性、碎片化和低质性的问题,需要进一步梳理数据关联的机理和逻辑,确定以价值需求为导向的数据标准,通过清晰的数据管控流程和与其相匹配的技术手段提高数据质量,让其“2V”特性更加突显。 1.2 大数据价值大数据在铁路工程建设过程中的应用,应从技术端和应用端充分挖掘和利用大数据的价值(见图1),建立以价值为导向的铁路工程建设大数据生态系统,为铁路工程建设过程中的规划、设计、施工及建成后的运维提供持续性服务共享模式,以较低成本满足铁路工程建设相关方的特定需求,帮助提高工程建设效率和质量,降低成本和资源消耗。同时,还可以为公众提供高效、安全、环保的出行环境,从而进一步提升社会认可度,促进铁路建设的良性可持续发展。 铁路工程建设过程信息具有典型的大数据特征,利用好大数据是促进铁路工程建设更经济、高效、优质和安全的重要手段[3]。大数据在铁路工程建设过程中的价值展现场景主要体现在以下3方面: (1)隐性问题显性化:通过对收集的数据进行挖掘和分析,对原本潜在的问题进行显性化,能够更好地避免以往难以预知的风险; (2)增值服务:将铁路工程建设过程中的大数据与先进的分析工具相结合,实现施工过程的智能化升级,利用数据挖掘产生的信息为铁路建设各参建企业提供全生命周期的增值服务; (3)寻找需求缺口:通过为工程建设过程中的数据寻找用户价值需求缺口,开拓新的商业模式等。 2 大数据应用2.1 主要问题及解决方法从不同层面分析铁路工程建设中的大数据应用,主要存在以下问题: 图1 大数据在铁路工程建设过程中的价值体现 (1)从管理层面看,首先遇到的问题是大数据思维转变和数据决策文化的建立。目前,多数人还停留在大数据的概念认识阶段,没有深入理解大数据所能带来的价值,没有形成数据分析和数据决策的习惯。要解决这一问题,需要中国铁路总公司加强大数据应用的宣传,在行业政策上给予相应的调控,促进铁路工程建设各参建企业逐步形成大数据应用的良好氛围。 (2)从技术层面看,最棘手的问题是数据的去冗、去噪,从海量数据中挖掘大数据资源价值。目前,铁路工程建设项目每天采集的数据量达几GB、几十GB,甚至上百GB,如此海量的数据如何高效、准确地剔除无用信息,并建立合理有效的连接,从而产生新的价值、新的资源,这是在大数据时代有效利用大数据资源要解决的首要问题。解决这一问题的主要途径是寻找数据抽取算法,同时利用云计算、云分析、云管理等方法提高解决问题的效率,使大数据变为有用数据,真正做到智能化分析。 (3)从操作层面看,目前各管理部门、科研单位和参建企业都在建设铁路信息库以及监测数据库等,并且很多数据库都是相似、重复的,造成劳动力、资金等资源的极大浪费。解决这一问题的有效途径是加强行业主管部门、科研单位、企业间的相互合作,开放和共享数据资源和计算资源,这是大数据时代发展的必然趋势。 2.2 总体思路综合面临的问题并结合大数据的特性,针对铁路工程建设项目,大数据技术的总体推进思路为:首先应转变思维,让铁路工程各参建企业意识到大数据的重要性和价值;其次需做好顶层设计,并出台相关政策给予支持;最后需从技术角度在标准体系建设、信息资源整合和数据应用平台研发等方面整体推进。 (1)数据驱动决策思维转变。数据驱动决策思维和传统经验支持决策的区别在于决策过程更加数据化、客观化和扁平化,以数据为导向的决策更快速、更准确。中国铁路总公司作为铁路工程建设的主管部门,应组织各参建企业加强有关数据共享、数据分析和数据驱动决策的宣传,养成数据分析的习惯,重视大数据应用,充分认识大数据给工程建设各环节带来的价值,倡导形成数据驱动决策的文化。 (2)政策经济支持。由于大数据具有体量大、类别复杂、处理速度快和价值量大等特点,在研究初期阶段大数据的价值还未充分体现时,要储存、分析、利用大数据资源需有适当的软硬件等基础设施投入,行业主管部门应积极制定相关的激励政策,并提供合理的资金支持。 (3)标准体系建设。铁路工程建设参建企业众多,工程结构复杂,大数据应用的相关标准体系建设必须同步进行。按照铁路建设项目管理信息化需要的数据特点,借鉴国内外其他标准制定的方法,逐步形成完善的大数据应用标准体系,才能使数据为铁路工程建设提供有价值的服务,发挥大数据的优势[3]。 (4)资源整合、共享,避免信息壁垒。由于铁路建设数据具有多源性,数据分别存在于设计、咨询、建设、监理、施工等单位,如果没有形成有效的整合共享机制,就会形成一系列信息孤岛,大大降低数据的使用效率。大数据应用必须以标准体系为基础,建立大数据共享平台,进行数据整合,使之从松散的状态变为有序、聚合的状态,形成有机整体,实现共享,才能提高数据的使用效率和价值,更好地为工程建设管理服务。 2.3 技术路线按照总体思路,首先应由行业主管部门做好顶层设计,以“二维战略”发展思维从横向和纵向2个维度推进大数据的应用进程。纵向是指在铁路参建企业内部实现“端到端的信息融合”;横向是指企业间及产业链上下游信息和服务的融合,实现整个产业链的价值链整合和协同优化,为面向全产业的价值链提供智能化服务。大数据应用推进步骤采用持续迭代的方式推进(见图2)。 (1)顶层设计。由中国铁路总公司确立铁路工程建设大数据发展整体战略思想,在铁路工程建设过程中营造数据分析和决策的文化,形成数据分析的习惯,结合当前信息化发展基础,制定大数据战略目标和顶层设计。 (2)探索。需要全面系统了解和掌握业务领域的相关知识,并进行广泛调研,了解和借鉴类似项目的成功经验。评估行业内可以用于项目实施的人员、技术、时间和数据现状,重点把铁路工程建设过程中的业务问题转化为大数据分析挑战和应用场景。 (3)数据准备。需要准备好分析沙盘、数据转换和可视化表述标准,以便在项目推进过程中进行数据分析。建立数据提取、加载和转换(ELT)环境,深入熟悉数据,并逐步治理数据。 (4)模型规划。需要确定在后续模型构建阶段所采用的方法、技术和工作流程。分析数据,了解各变量之间的关系,确定关键变量和最合适的模型。 (5)模型建立。构建并测试运行由上阶段确定的模型,创建用于测试、培训和生产的数据集,还需要考虑现有的运行环境是否满足选定模型的运行需求,并根据实际情况调整模型和运行环境。 (6)结果反馈。需要与主要利益相关方进行合作,以第1阶段制定的标准来判断项目结果是否成功。鉴别关键成果,量化其商业价值,进行科学有效的总结,分发到利益相关方。 (7)实施。将模型应用到实际生产环境中进行试点,形成最终报告、简报、代码和技术文档。为铁路工程建设各专业、各参建企业、主管单位的日常数据分析和应用提供服务,建立标准化、高质量、安全性好、以服务铁路工程建设为主的数据决策分析平台,满足铁路工程建设全生命周期内各类场景应用。 图2 大数据应用推进步骤 3 结束语随着大数据、云计算、移动互联网、物联网等新一代信息技术的广泛应用[4],在铁路工程建设过程中应用大数据已具备一定的基础条件。但目前在数据采集、传输、管理、分析和应用等方面还存在基础设施欠缺、数据挖掘应用技术储备不足、大数据应用人才缺乏等问题[5],需要在大数据应用观念上达成共识。直面当前存在的问题,结合正在推进的铁路工程管理平台建设契机,做好大数据应用顶层设计,逐步建立大数据应用治理体系,并在基础网络、数据标准和应用规范等方面形成配套保障,尽快盘活我国铁路工程建设大数据资产,为我国高铁走向世界提供强劲动力。 参考文献 [1] THOMAS P. The role of big data in railroading[J]. Railway Age,2014(8):44. [2] 李杰(美). 工业大数据:工业4.0时代的工业转 型与价值创造[M]. 北京:机械工业出版社,2015. [3] 李中海. 铁路建设项目管理数据规范及数据平台研 究[D]. 北京:北京交通大学,2009. [4] 孟存喜. 大数据、云计算在轨道交通工程中的应用需 求[C]//第五届工程建设计算机应用创新论坛论文集. 上海:中国土木工程学会,2015:230-236. [5] 王卫东. 铁路基础设施大数据的应用与发展[J]. 中 国铁路,2015(5):1-6. |
|