摘要：随着经济的发展和社会的进步，城市轨道交通已经进入到大发展时期，国内城市轨道交通行业正迎来建设高峰，随着北京轨道交通快速上涨的运营里程，运营管理难度及维护工作压力也急骤增大，以往依靠人力投入缓解运营管理及维护压力的方法显得并不经济且不现实。文章以北京地铁为例，主要分析了大数据技术在城轨运营管理中的应用。结合目前城市轨道交通路网建设现代化、智能化、信息化的要求，利用现代化信息手段对地铁设备进行状态监测与智能诊断，实现城市轨道交通领域设备状态集中监测、各专业设备信息融合挖掘的智能分析平台，为政府部门提供必要的监管参考，为地铁运营方提高维修效率、实现故障预判、增强应急处理和决策能力提供依据。
关键词：大数据技术；城市轨道交通；运营管理；应用
引言
随着近年来各大城市轨道交通建设由单一化线路逐渐向网络化发展，在运营中每时每刻产生并积累的数据也越来越庞大。传统的以关系型数据库为主的数据存储和分析体系，已无法适应多元化、井喷式增长的数据量存储和网络化实时数据动态分析及评估的需求。如何通过对海量数据的存储、对多元化数据的高效检索、对不同维度数据的即时分析和挖掘来提升运营效率，已成为城市轨道交通线网运营管理中迫在眉睫的新诉求。在这种形势下，线网指挥中心的建设需从简单的线网级综合监控逐渐向以数据中心为基础的相关应用功能逐步过渡。本文主要围绕着大数据技术在城市轨道交通运营管理中的应用研究进行分析和探讨。
1大数据概述
大数据（BigData）是指借助于计算机技术、互联网，捕捉到数量繁多、结构复杂的数据或信息的集合体。大数据的“大”并非仅仅指数量繁多，还指通过数据挖掘、分析进行专业化的处理，蕴含的价值大。大数据具有5V的特点：①Volume（大量），即数量繁多，形式多样，杂乱无章；②Velocity（高速），即数量高速增长，呈几何式增长，越到后期增长速度越快，对数据处理的速度不断提高；③Variety（多样），数量类型多样、结构复杂，表现形式不一，价值不等；④Value（低价值密度），包含大量无用信息，而有价值的信息往往被无用信息所覆盖，使得数据的利用变得更加困难，即海量数据需采集、分析才能捕捉到有价值信息；⑤Veracity（真实性），即数据的产生与处理是实时的，具有准确性。大数据的这些特点，使其具有巨大的应用潜力。大数据处理技术是以大数据为原料的，正是由数据量的巨大，才使得传统的数据处理技术无法继续适用。因此大数据处理技术才会得到相应的发展。大数据之所以需要处理，是因为大数据如果不经处理，那么它就是毫无价值的。大数据处理技术已成为大数据服务于各行各业的关键环节，在计算机技术和网络技术的发展推动下，各种大数据处理方法已经开始得到广泛的应用。通常来说，大数据的处理过程包括数据的生成、数据的采集、数据的存储以及数据的分析。常见的大数据技术包括信息管理系统、NoSQL、分布式数据库、数据挖掘、类聚分析等。大数据处理技术的进步得益于计算机技术和网络技术、传感器技术和数学等基础学科的发展，各种高性能的大数据处理系统和算法正在不断涌现，服务于社会的各行各业，推动着社会的进步和人类文明的发展。随着技术的进步，一些更加新颖高效的大数据处理技术也应运而生，成为不断推动大数据应用的强大驱动力。
2大数据技术在城市轨道交通运营管理中的应用研究
2.1实时共享运营数据，提升系统数据一致性，保障数据质量
应用大数据技术，将信号专业、线路专业、机电专业和车辆专业等系统中的运营指标、延误情况、运营状态、设备状态、精度监测、故障统计、所属线站、列车类型、准点信息等运营信息采集至统一的大数据平台，从而为数据质量分析提供一个标准的数据源，按照设备关联关系及联动规则，实时多维度分析系统间的信息一致性情况，为设备运营数据质量管理工作提供信息支撑，从而有效提升设备数据质量。
2.2数据分析层
数据分析层的功能是对采集和存储的数据进行大数据分析。该层是大数据技术在轨道交通信息系统中应用的主要体现，其中涉及大量的大数据分析算法，包括数据的清洗加工、统计分析、聚类分析、OD算法、关联分析等，从而提取出对轨道交通运营有价值的数据信息。其中，清洗的目的是将原始数据中的异常数据和不合格数据去除，以保证后续数据处理的有效性。聚类分析、关联分析、时间序列等大数据挖掘算法是数据分层的核心，它可以准确预测特定区域的人流量指数、天气状况、客流实时情况，并给出相应的历史统计信息，为轨道交通管理人员和乘客提供数据参考。
2.3数据开放
为了使运输服务用户和应用程序开发人员能够有效地查找和重用数据，需要对数据进行归档，并以良好的质量公开访问。数据质量指的是其准确性、完整性、可靠性和一致性。数据质量欠佳的大数据会误导决策甚至产生有害的结果。然而，开放优质数据需要时间和成本。需要在低成本下快速开放数据和以高成本获得高质量数据之间做出权衡，这使得开放高质量数据成为一个更大的挑战。有效的解决方案包括采用自动数据捕获，利用人工智能来验证数据等。此外，运输部门应制定相应的数据管理机制，确保原始数据的准确性。
2.4实时、高效对各专业系统关键设备故障趋势预判与预警，以减少或提前发现故障的产生，提升辅助决策能化水平
轨道交通运营中重大事故的发生不仅会造成巨大的经济损失，更会给乘客带来严重的灾难，影响乘客对轨道运营环境安全的信任评价，造成一定的社会负面影响。轨道关键设备，由于长时间在高负荷下连续运行，其故障是在所难免的，开展有效的数据挖掘工作，通过一系列计算模型在故障发生之前对可能发生的故障进行预警，及早采取相应的措施，可以降低故障发生率和故障严酷度，从而避免重大事故的发生，减少事故危害性，保证地铁安全运营，保护乘客的人身安全，提升社会公共安全效益。
2.5数据存储
目前，大数据的数据量已经从TB级跃升到PB级，数据存储容量的增长速度远远落后于数据增长速度。特别是在轨道交通运维中，将每天从各种传感器产生各种数据。传统数据存储基础设施和数据库工具已经无法应对日益庞大和复杂的海量数据。因此，设计最合理的数据存储体系结构已经成为一个关键的挑战。主要的公共云存储提供商，如谷歌和微软，通过提升大数据集成能力来改进其服务，多云存储和混合存储正在成为大数据存储的关键领域。它们的计算能力在处理计算密集型分析工作负载中极具优势。
结语
在城市轨道交通快速建设的背景下，为快速适应轨道交通的建设高潮，降低快速发展带来的安全隐患、运营效率、服务质量的影响，缓解单线建设、单线运营、单线维护模式所带来的弊端，同时结合目前地铁“平安、人文、高效、节约、便捷、创新”的要求，利用现代化信息手段对城市轨道交通各专业设备信息进行收集、融合、挖掘、关联、预警、可视化处理，最终形成一套可以面向政府监管方、运营管理方、设备维护方等各轨道交通运营参与方提供集中化、专业化、深层次的定制内容，并应用于运营维护组织工作当中去，具有重要意义。
参考文献
[1] 2017年度中国主要城市公共交通大数据分析报告?[J]．城市公共交通，2018（6）：5.
[2] 顾伟华，黄天印，郭鹏，等．城市轨道交通大数据体系建设的思考[J]．城市轨道交通研究，2018，21（9）：1-4.
[3] 杨烨．城市级轨道交通数据中心业务需求分析[J]．中国高新区，2018（8）：24.