在轨道交通领域，大数据将各种设备采集到的相关数据进行有效存储。通过对数据进行清洗、统计和研究，可以找到大数据背后隐藏的价值，提升轨道交通系统的性能。

大数据的基本特征是容量大、速度快、种类多、价值高，但在城市轨道交通领域，真正值得注意的并不是这些，而是数据的时效性。从时间角度看，一类是历史大数据，另一类是实时大数据。在轨道交通系统中，物联网的传感器不断进行着数据的采集和存储。通过实时数据和历史数据的对比分析，在事件中做出决策和处理，系统对时效性的要求是毫秒级的，因此对实时数据的处理尤为重要。以深圳地铁轨道交通为例，目前深圳轨道交通的客流信息系统采取的是轨道交通自动售票系统（automated fare collection system, AFC系统）。其特点在于进出站是采取刷手机的方式，刷卡记录与手机的imsi卡进行绑定。AFC系统在售票和票务管理中，实时的采集着相关客流的数据。在所记录的信息中，以imsi卡号为主。根据AFC系统所记录的票卡信息，对数据进行统计后，可得到不同路线、不同站点的进出站客流量。将所得票卡数据以进出站时间和站点进行分析，可获得乘客的时空坐标，对乘客的时空坐标进行统计，可得到不同站点不同时段的客流量。根据统计对比所得的结果，可细化到乘客增加、平稳、下降的不同时段。通过客观分析，地铁调度中心可以合理的安排现有车辆。在高峰时段加开车次，低谷减开车次。在客流量大的站点增加车辆的停留时间，在客流量小的站点减小车辆的停止时间，以此来最大限度地提高车辆的使用效率，避免地铁空座或拥挤的情况出现。

当前，世界各国都在积极推动大数据在交通方面的运用。美国作为信息革命的发源地，在业界有着极高的声誉。不过鉴于美国航空及汽车行业的发达和轨道交通设施老化的国情，在轨道交通大数据方面他们表现的并不十分抢眼，而是着力于基于大数据开发无人驾驶和智能交通系统。欧洲也面临着相似的问题，且因人口密度较小，数据量并不丰富，在大数据应用领域建树并不多。反观以中日韩三国为代表的东亚地区在大数据轨道交通领域发展的较好。中日韩三国有着密集的人口、庞大的客流量以及更新的城市轨道交通设施，随时提供者丰富且海量的数据。尤其是中国凭借着人口和规模的优势以及更严格的信息审核机制在大数据获取方面有着无可比拟的优势。2018年国内首个轨道交通大数据研究基地落户成都，随着轨道交通产业黄金期的到来，轨道交通大数据行业也将迎来腾飞。如果沿着这条路走下去，中国极有可能在未来称为轨道交通大数据行业的领军者。

2. 研究的基本内容与方案

此次大规模轨道交通数据分析系统的研究目标为对深圳地铁刷卡数据进行处理以达到调整地铁运营调度的目的。此系统包含四个基本模块：数据分析模块，数据筛选模块，数据处理模块，相应调度方案前端显示模块。数据分析模块是根据数据特征分析出所拥有的数据中哪些是有用数据，然后确定数据处理方案，编写算法；数据筛选模块首先进行数据探查和预处理，然后根据前面分析结果对数据进行筛选，对数据以imsi、CapTime、station_name等词条为关键字进行数据筛选，得到所需的有用数据。数据处理模块是对得到的数据进行排序及统计，然后用编写的算法对数据进行处理，达到数据融合等目的。将所得的结果制成站点客流量统计图、换乘站点分析图、轨道车次统计图等留作备用；相应调度方案显示模块是将数据处理模块所得的结果在web界面中进行显示，并能根据结果进行地铁运营调度方案的推送，达到辅助调整地铁运营调度的目的。其系统框图如下图：

这次研究的目的是通过对大规模轨道交通系统的研究，实现比较有效的通过大数据处理调整地铁运营调度的方法，总结并完善整个过程。我拟采用的技术方案及措施如下：

1.数据分析：

(P代表乘客的坐标，t代表时间，L代表站点）

将地铁数据转换为可唯一标识的时空坐标，根据这些坐标编写一些可进行数据融合的算法，找出数据间的联系与规律。