從2011年起，鐵路在全路實行旅客列車票額智能預(yù)分，采用客流預(yù)測方法生成列車席位預(yù)分方案，達到了票額管理合理化、科學化、趟車效益增加，并且自預(yù)售之日起，保證始發(fā)長途票額分配合理，兼顧沿途需求，保障中間站的旅客發(fā)送，充分提高了中間站組織客流的積極性。為各鐵路局客運組織實現(xiàn)挖潛提效、精細化管理起到關(guān)鍵作用作用。隨著參與預(yù)分的列車不斷增多，動車組列車購票習慣的變化，現(xiàn)有的預(yù)分方法和實現(xiàn)機制也存在以下問題：
(1)鐵路列車近年來調(diào)圖頻繁，車次急劇增加，并且預(yù)售期延長，由調(diào)圖帶來的停站方案、開點變更、編組調(diào)整變化較大，導致預(yù)測計算量巨大，系統(tǒng)負載較重。
(2)以往的票額預(yù)分為預(yù)售期外一次預(yù)測并預(yù)分，預(yù)售期內(nèi)調(diào)整完全依據(jù)人工調(diào)整，不容易及時發(fā)現(xiàn)問題，票額調(diào)整工作被動，且臨近開車期間銷售情況難以掌握。
因此，有必要針對參考期內(nèi)席位售出情況和預(yù)售期內(nèi)余票概貌等情況進行動態(tài)監(jiān)測，研究票額動態(tài)預(yù)分的方法，并對預(yù)測數(shù)據(jù)、調(diào)整依據(jù)的計算進行基礎(chǔ)架構(gòu)改造，適應(yīng)海量數(shù)據(jù)變化的需要。
1鐵路客票大數(shù)據(jù)平臺的研究與實現(xiàn)
隨著客運歷史數(shù)據(jù)的累積，以及全國鐵路客運規(guī)模的快速擴展，全國鐵路客票歷史數(shù)據(jù)規(guī)模越來越大，數(shù)據(jù)種類也越來越多，僅僅依靠關(guān)系型數(shù)據(jù)庫進行數(shù)據(jù)的管理和操作，已經(jīng)不能滿足需要。因此，以客運營銷數(shù)據(jù)為基礎(chǔ)，結(jié)合由客票生產(chǎn)系統(tǒng)產(chǎn)生的實時數(shù)據(jù)，采用開源分布式數(shù)據(jù)庫構(gòu)建大數(shù)據(jù)平臺，實現(xiàn)鐵路客票大數(shù)據(jù)平臺的研究具有重要意義。
1.1Hadoop分布式并行處理
Hadoop是近年來炙手可熱的開源分布式并行處理框架，用戶可忽略對底層并行實現(xiàn)的細節(jié)高效的構(gòu)建出并行的分布式程序。Hadoop主要包括2個組件：(1)與GFS類似的分布式文件系統(tǒng)，簡稱HDFS;(2)并行計算模型MapReduce，由JobTracker、TaskTracker等組件組成。
Hadoop的工作原理是將數(shù)據(jù)拆成片，并將每個“分片”分配到特定的集群節(jié)點上進行分析，每個數(shù)據(jù)分片都是在獨立的集群節(jié)點上進行單獨處理的，因此非常適合處理大數(shù)據(jù)量、非結(jié)構(gòu)化數(shù)據(jù)。Hadoop集群的另一個特點是具有較好的可擴展性，隨著數(shù)據(jù)量的增加，集群的處理能力將會受到影響，可通過添加額外的集群節(jié)點有效地擴充集群以解決問題。Hadoop集群的并行處理能力可顯著提高計算效率，能達到實時或準實時數(shù)據(jù)處理的時效性。此外，Hadoop所需軟件為開源軟件，并能夠很好的支持商用硬件從而客運很好的控制成本，此外，Hadoop集群還具有故障容錯的優(yōu)點，當一個數(shù)據(jù)分片發(fā)送到某個節(jié)點進行計算時，該數(shù)據(jù)在集群其他節(jié)點上會保留副本，即使一個節(jié)點發(fā)生故障，該策略也能保證該節(jié)點數(shù)據(jù)的副本數(shù)據(jù)正常處理。
1.2鐵路客票大數(shù)據(jù)平臺數(shù)據(jù)源
鐵路客票大數(shù)據(jù)平臺主要來源于歷史數(shù)據(jù)和實時數(shù)據(jù)兩類。歷史數(shù)據(jù)包括互聯(lián)網(wǎng)訂票數(shù)據(jù)、運能數(shù)據(jù)以及售票、退票、廢票和改簽數(shù)據(jù)。客票系統(tǒng)實時數(shù)據(jù)包括實時余票數(shù)據(jù)、實時存量數(shù)據(jù)以及取票軌跡數(shù)據(jù)。其中，實時余票數(shù)據(jù)從互聯(lián)網(wǎng)售票的余票查詢集群獲得，實時存量數(shù)據(jù)和取票軌跡數(shù)據(jù)從鐵路局中心的客票系統(tǒng)獲得。
客票歷史數(shù)據(jù)和客票系統(tǒng)實時數(shù)據(jù)通過ETL服務(wù)，進入鐵路總公司營銷數(shù)據(jù)倉庫，通過數(shù)據(jù)建模組成數(shù)據(jù)集市提供報表、查詢應(yīng)用等服務(wù);同時上述數(shù)據(jù)也進入Hadoop平臺的HDFS，數(shù)據(jù)提供Hbase和Hive兩種訪問方式。
在票額預(yù)分應(yīng)用服務(wù)層中，由客流預(yù)測應(yīng)用服務(wù)器從Hbase中提取預(yù)測需要的樣本數(shù)據(jù)，應(yīng)用MapReduce實現(xiàn)客流預(yù)測算法，以實現(xiàn)客流預(yù)測結(jié)果。
客流預(yù)測結(jié)果通過鐵路總公司客票系統(tǒng)服務(wù)器實現(xiàn)往18個鐵路局(公司)分發(fā)。各鐵路局客票系統(tǒng)服務(wù)器上部署預(yù)測執(zhí)行子系統(tǒng)，將預(yù)測結(jié)果與席位實時存量數(shù)據(jù)結(jié)合生成預(yù)分方案，對鐵路局中心席位庫進行預(yù)分操作。
2基于客票大數(shù)據(jù)平臺的票額預(yù)分系統(tǒng)
各鐵路局售票歷史數(shù)據(jù)通過傳輸軟件進入鐵路總公司營銷系統(tǒng)，實時售票數(shù)據(jù)通過數(shù)據(jù)同步技術(shù)進入到鐵路總公司營銷系統(tǒng)，另外，來自于互聯(lián)網(wǎng)售票查詢集群的余票相關(guān)數(shù)據(jù)也進入到營銷數(shù)據(jù)庫，多個渠道的數(shù)據(jù)形成所需分析的數(shù)據(jù)源，通過Hadoop平臺ETL裝置進入鐵路總公司營銷數(shù)據(jù)倉庫，在客流預(yù)測子系統(tǒng)中進行預(yù)測并且形成預(yù)測數(shù)據(jù)進入票額預(yù)分執(zhí)行子系統(tǒng)，票額預(yù)分執(zhí)行子系統(tǒng)形成預(yù)分方案通過傳輸下發(fā)到各鐵路局形成預(yù)分方案，通過票額預(yù)分執(zhí)行子系統(tǒng)作用于席位庫，對生成的初始票額進行預(yù)分。在各鐵路局通過票額預(yù)分優(yōu)化子系統(tǒng)對預(yù)分效果進行實時反饋，形成優(yōu)化方案供鐵路局客運決策者進行調(diào)整，實現(xiàn)智能調(diào)整流程。
2.1客流預(yù)測子系統(tǒng)
客流預(yù)測子系統(tǒng)是該系統(tǒng)的核心系統(tǒng)。歷史數(shù)據(jù)是對未來計劃預(yù)測的重要依據(jù)，有效數(shù)據(jù)量越大、越全面，得到的預(yù)測結(jié)果也會與實際更為接近。目前，文獻中最常見的客流預(yù)測方法是外推法，該方法有很多成熟的模型，如指數(shù)平滑、ARIMA模型、非線性回歸模型、神經(jīng)網(wǎng)絡(luò)模型等。Vlahogianni,GoliasandKarlaftis指出神經(jīng)網(wǎng)絡(luò)在短期交通預(yù)測領(lǐng)域是最有潛力的技術(shù)，并且一些文獻也歸納了神經(jīng)網(wǎng)絡(luò)的優(yōu)點，如分布自由、全局最優(yōu)逼近和容錯性等，還有一些學者基于神經(jīng)網(wǎng)絡(luò)使用定量的'方法建立了鐵路客運量預(yù)測模型，因此，本系統(tǒng)采用神經(jīng)網(wǎng)絡(luò)構(gòu)造預(yù)測模型。
2.2票額預(yù)分執(zhí)行子系統(tǒng)
票額預(yù)分執(zhí)行子系統(tǒng)的主要功能包括預(yù)分車次定義、預(yù)分天數(shù)定義、專家參數(shù)定義、預(yù)分方案審核、預(yù)分模板交路維護、預(yù)分方案查詢及修改、預(yù)分結(jié)果查詢等功能。其核心概念如下：
(1)預(yù)測數(shù)據(jù)。預(yù)測數(shù)據(jù)是通過Hadoop平臺的MapReduce并行預(yù)測算法計算得出的分車次數(shù)據(jù)，其存在形式為始發(fā)站—終點站(OD)客流矩陣。
(2)預(yù)分方案。預(yù)分方案是基于預(yù)測數(shù)據(jù)生成的票額分配方案，是結(jié)合實際票額情況通過票額分配算法調(diào)整而生成的實際票額OD矩陣。
(3)預(yù)分模板。預(yù)分模板是歷史預(yù)分方案經(jīng)過專家經(jīng)驗確定的內(nèi)置預(yù)分方案。鐵路局客票管理人員可自定義預(yù)分模板。預(yù)分模板可通過經(jīng)驗值人工指定，也可以通過“模板復(fù)制”功能獲取一段時間內(nèi)的預(yù)分數(shù)據(jù)后，參考得出模板值。預(yù)分模板分為精確模板和模糊模板，精確模板與預(yù)分方案OD區(qū)間一致，設(shè)置了每個預(yù)分站票額的可售區(qū)間，模糊模板是對車站分組并按以遠站分塊分配票額。
(4)預(yù)分方式。由于淡旺季客流的不同，決定了預(yù)分方案的不同。一般來說按模板預(yù)分管理更加嚴謹，而按預(yù)測預(yù)分更貼近客流實際情況。針對各鐵路局淡旺季的不同，操作員可通過此功能對預(yù)分方式進行定義。操作員可以在此查詢到本局所有車次的預(yù)分方式定義，并對相關(guān)車次的預(yù)分方式定義進行追加和刪除，并查看相對應(yīng)的操作日志。
(5)預(yù)分車次分組定義。對一些具有相同管理需求的車次，操作員可以將這些車次分成一組進行統(tǒng)一定義，同一組內(nèi)的車次可一并添加到預(yù)分方式定義中。此功能避免可避免客運管理人員對同一類車的重復(fù)定義。
預(yù)分結(jié)果記錄在預(yù)分結(jié)果表中，再回傳至票額預(yù)分優(yōu)化子系統(tǒng)。計劃預(yù)分的數(shù)據(jù)也可以來源于鐵路局客票生產(chǎn)庫中的預(yù)分模板和模板交路，這樣可以得到一個相對穩(wěn)定的預(yù)分方案。
2.3票額預(yù)分優(yōu)化子系統(tǒng)
2.3.1動態(tài)票額預(yù)分
由于客票系統(tǒng)預(yù)售期較長，傳統(tǒng)的票額預(yù)分方案是基于預(yù)售期外1次預(yù)測結(jié)果生成的，預(yù)售期之內(nèi)不再重新預(yù)分，因此，無法適應(yīng)預(yù)售期內(nèi)偶然事件的影響。從2014年開始，票額預(yù)分系統(tǒng)引入了動態(tài)票額預(yù)分，可在預(yù)售期內(nèi)進行周期性的動態(tài)客流預(yù)測及多次動態(tài)調(diào)整，如圖6所示。以2014年6月17日為例，這一天預(yù)測子系統(tǒng)將產(chǎn)生2014年7月10日始發(fā)列車的OD客流預(yù)測，同時調(diào)整2014年6月30日和2014年6月23日的始發(fā)終到預(yù)測數(shù)據(jù)(這兩日初始預(yù)測數(shù)據(jù)分別在2014年6月8日和2014年6月1日生成)，在票額預(yù)分執(zhí)行子系統(tǒng)中將預(yù)分2014年7月6日始發(fā)列車的席位，并對2014年6月29日和2014年6月22日始發(fā)列車的票額進行重新預(yù)分。
票額動態(tài)預(yù)分是基于客流按周變化的規(guī)律較為顯著的特點進行的。在預(yù)售期為20天時，最多通過3次預(yù)分即可達到非常滿意效果，但在預(yù)售期延長至60天的時候，由于客流變化較大，且高鐵、城際列車在開車前一日和當天的預(yù)售情況變化非常顯著，僅靠預(yù)售期之外的動態(tài)調(diào)整也不能很好的滿足預(yù)測需求，結(jié)合余票快照分析技術(shù)實現(xiàn)敏捷票額調(diào)整。
2.3.2敏捷票額調(diào)整
余票快照分析模塊能記錄每個時刻余票歷史截面的可售能力。由余票快照分析模塊取得的余票情況可通過圖表觀察得知，圖表的橫坐標為觀察日(觀察點)，縱坐標為對應(yīng)的觀察點的余票快照數(shù)據(jù)。一條折線表示對應(yīng)某一下車站的余票變化趨勢。余票波動圖用于顯示在車次、日期、席別、上車站確定的情況下，到各站的可售剩余票數(shù)隨時間的變化情況。在預(yù)售期內(nèi)距離發(fā)車時間3天以外的取數(shù)時間間隔為1天，3天以內(nèi)的時間間隔為1h。
2014年5月12日7:00始發(fā)的G101次列車各區(qū)間的余票消逝情況，默認為北京南—上海虹橋這一始發(fā)終到區(qū)間的余票，可得知該區(qū)間首次售完在2014年5月11日23:00。說明次日首列始發(fā)的京滬高鐵動車始發(fā)長途票在前一日晚間23:00全部售罄，由于首班高鐵旅客一般不會在開車前即買即走，而夜間高鐵旅客購票相對較少，相當于既能保證始發(fā)長途票在開車前有票可買，又能保證始發(fā)長途票及時賣完。因此該結(jié)果符合預(yù)分的初衷。若開車前始發(fā)長途票既未賣完，而沿途區(qū)間在開車前一直無票可售，則說明始發(fā)長途預(yù)留過多，因調(diào)配一些到沿途站銷售。
3結(jié)束語
實際應(yīng)用中Hadoop集群使用了16臺HPDL380的服務(wù)器，操作系統(tǒng)是RedHat6.4，每臺服務(wù)器上安裝了JDK1.6和Intel的Hadoop穩(wěn)定版IDH2.3。16臺服務(wù)器中，1臺機器作為Master節(jié)點，剩余機器作為Slave節(jié)點。客流預(yù)測子系統(tǒng)開發(fā)環(huán)境采用Eclipse，開發(fā)語言使用Java;票額預(yù)分執(zhí)行子系統(tǒng)前臺應(yīng)用采用PowerBuilder開發(fā)，與客票核心系統(tǒng)保持一致;預(yù)分優(yōu)化子系統(tǒng)采用.net開發(fā)。
通過對京滬、京廣等干線經(jīng)過一段時間的試用及跟蹤分析，可看出旅客發(fā)送量、客運收入都有5%以上的提升。尤其是在傳統(tǒng)的客運淡季，其增收的效果更為明顯。
在鐵路運輸企業(yè)改革推動下，鐵路客運業(yè)務(wù)快速發(fā)展，對新一代客票系統(tǒng)對票額管理精細化和智能化以及提高鐵路運輸企業(yè)效益等方面提出了更高的要求，基于大數(shù)據(jù)平臺構(gòu)建了動態(tài)票額智能預(yù)分系統(tǒng)，形成了“預(yù)測、預(yù)分、監(jiān)控、調(diào)整、再預(yù)測”的閉環(huán)流程。進一步提高了票額預(yù)分系統(tǒng)的可用性和有效性，為鐵路實施收益管理提供理論依據(jù)和技術(shù)儲備。
【簡析基于大數(shù)據(jù)平臺的動態(tài)票額智能預(yù)分系統(tǒng)的研究與實現(xiàn)論文】相關(guān)文章：
2.基于J2EE平臺的網(wǎng)絡(luò)輔助教學系統(tǒng)的設(shè)計與實現(xiàn)的研究論文
3.淺析TDCS3.0車站子系統(tǒng)數(shù)據(jù)平臺的設(shè)計與實現(xiàn)論文
5.基于Android平臺的紋理映射分析與實現(xiàn)論文
7.簡析關(guān)系型數(shù)據(jù)庫系統(tǒng)的設(shè)計方法論文
8.基于數(shù)據(jù)抽取與訂閱實現(xiàn)數(shù)據(jù)共享分析及研究論文
本文來源：http://www.nvnqwx.com/shiyongwen/2164631.htm