数据仓库在公交智能管理中的应用

摘要

通过对公交系统已有数据按照数据仓库相应业务主题划分，建立面向不同业务需要的多维分析模型（OLAP），通过OLAP分析模型的数据结果，辅助公交管理人员决策，进而通过对公交资源的合理调配，已达到提高公交业务系统的可靠性、运行效率、服务质量、减少公众出行时间、等待时间、降低运行和维护成本，提高驾驶员和乘客的安全性，使公共交通资源分配更加合理，资源利用率更高。

车载终端是车辆运行数据的主要来源，车载终端通过GPS设备周期性的传送车辆运行数据到调度指挥中心，车载终端数据包括车辆经纬度、时间、速度，站点、上客人数、下课人数等，通过对车载机数据的建模分析，可以对公交智能调度提供有效支撑。

1. 公交系统数据仓库的建立

对“海量”数据最有效的分析处理方法就是建立数据仓库，数据仓库（datawarehouse）是一个面向主题的（subjectoriented）、集成的（integrate）、相对稳定的（nonvolatile）、反映历史变化（timevariant）的数据集合，用于辅助管理决策。

数据仓库结构主要星型和雪花型两种，本文采用业界通用的星型结构结构图如下：

图1-1数据仓库星型结构

公交系统数据仓库业务域主要包括：运营企业组织、运营人员、运营车辆、运营线路、运营站点、运营场站、机务维修保养、自助收银等。

建立公交系统数据仓库首要任务是对业务主题域进行划分，针对公交业务情况划分主题域：运营资源、运营线路、机务维修保养、运营收入。如图1-2.

                               图1-2数据仓库主题域

数据仓库主题域确定之后，通过Power Designer建模工具创建数据仓库物理模型，使用Oracle数据库做数据存储服务，数据仓库二维表格定义规范，DW_开头代表数据仓库事实表用于存储分析的维度与指标，DIM_开头代表维度表，事实表与维度表关联组成OLAP模型,如图1-3，其中浅黄色代表维度表，淡蓝色代表事实表。

                                 图1-3多维模型

1. 数据分析

多维分析对数据指标从多种维度观察，从中发现指标的变化规律，多维分析对数据立方（Cube）的操作包括：钻取（roll up和drill down）、切片（slice）和切块（dice）、以及旋转（pivot）等。

1. 1. 趟次时间分析

主场（副场）发车后，到达副场（主场）的运行时间，时间会依据早晚高峰及平峰不同时间段的路况，运行时间也会不同，通过数据分析。

                           图：2-1

1. 1. 站间时间分析

各线路车辆运行趟次最大站间时长分析，统计站间时长去除路况拥堵情况，影响站间运行时长的可能是客流量，若路况正常的情况，站间时间增大可能站点客流增加。

图：2-2

1. 1. 车辆间隔距离分析

通过车载机（GPS）设备上传的车辆经纬度数据，结合GIS地图应用实时展现离场发出车辆在线路上的间隔距离，距离加大等待时间增大，乘客体验越差，这里没有采用车辆发车间隔时间，是因为发车时间间隔固定，运行途中的各种路况导致车辆在途中并非是发车间隔时间，而通过线路上实时的车辆间隔更能直观的体现车辆是否有积压情况，随时通过车载机与当班驾驶员沟通情况，适时加以调度调整。

1. 总结

通过公交系统数据仓库的数据建模分析，使公交运营管理更智能，资源利用率最大化，缩短乘客出行时间，降低运营成本，提高公交企业的服务水平与管理水平，公交系统数据仓库对公交运营管理有着重要的价值。