列车折返能力提升方法、电子设备及存储介质与流程

1.本技术涉及轨道交通技术领域，尤其涉及一种列车折返能力提升方法、电子设备及存储介质。


背景技术：

2.随着城轨建设、运营里程的不断增长，以及在国家提出智慧交通战略的大背景下，如何实现"保证运营安全，提升运营效率，精益企业管理，提高乘客体验"的发展目标，是摆在运营企业面前的一个难题。而列车折返能力是提高城市轨道交通运营效率的一个重要因素，所以提高列车折返能力对于城轨的高效运营、提升乘客体验有着极大的意义。
3.列车在运行过程中会产生大量的数据，包括运行日志数据、各种信号机数据、设备数据等，从数据结构上来看又分为结构化、半结构化、非结构化数据。这些数据不仅杂而且乱，梳理起来非常繁琐、复杂。如果直接对这些数据进行分析挖掘则，会因为数据结构上的不同，使得不同结构的数据之间无法进行准确的关联，影响分析挖掘的准确性，使得最终列车的折返能力由于分析挖掘的不准确而具备一定的局限性。


技术实现要素：

4.为了提升列车的折返能力，本技术提供了一种列车折返能力提升方法、电子设备及存储介质。
5.本技术第一个方面，提供了一种列车折返能力提升方法，所述方法包括：
6.基于列车折返业务，建立业务模型；
7.基于所述业务模型，采用维度建模构建数据总线矩阵，构建物理模型；
8.根据所述物理模型，进行抽取-转换-加载开发，获取到最终的列车折返数据；
9.分析所述最终的列车折返数据，得到影响列车折返的因子；
10.对所述因子进行挖掘，确定列车折返能力提升方案。
11.可选地，所述基于所述业务模型，采用维度建模构建数据总线矩阵，包括：
12.根据列车折返业务的优先级，选择业务模型；
13.针对选择的业务模型，声明事实表的粒度；
14.基于选择的业务模型和粒度，确定维度及事实；
15.根据每个数据域下选择的业务模型、维度及事实构建数据总线矩阵。
16.可选地，所述物理模型，包括：贴源数据层、维度层、数据标准层、统一数仓层、标签数据层和应用层；
17.所述贴源数据层，用于存储原始数据；
18.所述维度层，用于存储维度；
19.所述数据标准层，用于存储所述贴源数据层数据处理后的数据；
20.所述统一数仓层，用于存储最终数据；
21.所述标签数据层，用于存储最终数据的标签；
22.所述应用层，用于提供应用服务。
23.可选地，所述根据所述物理模型，进行抽取-转换-加载开发，包括：
24.抽取初始列车折返数据，将所述取初始列车折返数据存入所述贴源数据层中；
25.对所述取初始列车折返数据转换，将转换结果存入数据标准层；
26.加载维度层；
27.根据维度层，对数据标准层中的数据进行处理，得到最终的列车折返数据；
28.将最终的列车折返数据存入统一数仓层，并根据最终的列车折返数据构建标签数据层和应用层。
29.可选地，所述分析所述最终的列车折返数据，包括：
30.根据所述最终的列车折返数据，进行列车在折入折出折返轨平均速度的计算、历史折返情况数据对比、不同时段折返情况的对比。
31.可选地，影响列车折返的因子为如下的一种或多种：起始站台停站时间、折入进路办理时长、折入区间走行时长、折入区间平均速度、列车换端时长、折出进路办理时长、折出区间走行时长、折出区间平均速度、终止站台停站时间。
32.可选地，所述对所述因子进行挖掘，确定列车折返能力提升方案，包括：
33.基于预先训练的线性回归模型对所述因子进行挖掘，得到所述因子的调整值；
34.根据所述调整值确定列车折返能力提升方案。
35.可选地，所述线性回归模型为：
[0036][0037]
其中，i为因子标识，n为因子总数，xi为第i个因子对应的数据，θi为第i个因子对应的调整值。
[0038]
本技术第二个方面，提供了一种电子设备，包括：
[0039]
存储器；
[0040]
处理器；以及
[0041]
计算机程序；
[0042]
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如上述第一个方面所述的方法。
[0043]
本技术第三个方面，提供了一种计算机可读存储介质，其上存储有计算机程序；所述计算机程序被处理器执行以实现如上述第一个方面所述的方法。
[0044]
本技术提供一种列车折返能力提升方法、电子设备及存储介质，该方法包括：基于列车折返业务，建立业务模型；基于业务模型，采用维度建模构建数据总线矩阵，构建物理模型；根据物理模型，进行抽取-转换-加载开发，获取到最终的列车折返数据；分析最终的列车折返数据，得到影响列车折返的因子；对因子进行挖掘，确定列车折返能力提升方案。
[0045]
其中，本技术提供的方法基于列车折返业务，构建物理模型，根据物理模型，进行抽取-转换-加载开发得到最终的列车折返数据，进而基于最终的列车折返数据，得到影响列车折返的因子，对因子进行挖掘，确定列车折返能力提升方案，实现对城轨运营能力的提升。
[0046]
另外，在一种实现中，对数据总线矩阵的构建进行具体限定，明确了基于业务模型，采用维度建模构建数据总线矩阵的实现过程，保证了数据总线矩阵与业务之间的关联
性，提升了数据总线矩阵与列车折返业务的匹配度，保证了列车折返能力提升方案的可行性和提升效果，实现对城轨运营能力的提升。
[0047]
另外，在一种实现中，对物理模型的架构进行具体限定，通过该物理模型只需要在原始层数据的基础构建一套统一的标准，数据往下游生产的标准都是不变的，用以解决不同厂商数据格式不一致问题，从而增强本架构的通用能力。
[0048]
另外，在一种实现中，对根据物理模型进行抽取-转换-加载开发的方案进行具体限定，使得开发后得到的最终的列车折返数据格式同意，使得后续挖掘和分析更具备意义，保证了列车折返能力提升方案的可行性和提升效果，实现对城轨运营能力的提升。
[0049]
另外，在一种实现中，对最终的列车折返数据分析过程进行具体限定，分析处的影响列车折返的因子与业务模型的关系，保证了列车折返能力提升方案的可行性和提升效果，实现对城轨运营能力的提升。
[0050]
另外，在一种实现中，列车折返的因子进行具体限定，明确了影响列车折返的因子与业务模型的关系，保证了列车折返能力提升方案的可行性和提升效果，实现对城轨运营能力的提升。
[0051]
另外，在一种实现中，通过对因子进行挖掘确定列车折返能力提升方案，更有利于提升列车的折返能力提高列车运力进而提升轨道交通的运营效率。
[0052]
另外，在一种实现中，通过对线性回归模型进行限定，明确了因子的挖掘方案，保证了列车折返能力的提升，进而提升轨道交通的运营效率。
[0053]
本技术提供的电子设备，其上计算机程序被处理器执行以基于列车折返业务，构建物理模型，根据物理模型，进行抽取-转换-加载开发得到最终的列车折返数据，进而基于最终的列车折返数据，得到影响列车折返的因子，对因子进行挖掘，确定列车折返能力提升方案，实现对城轨运营能力的提升。
[0054]
本技术提供的计算机可读存储介质，其上的计算机程序被处理器执行以基于列车折返业务，构建物理模型，根据物理模型，进行抽取-转换-加载开发得到最终的列车折返数据，进而基于最终的列车折返数据，得到影响列车折返的因子，对因子进行挖掘，确定列车折返能力提升方案，实现对城轨运营能力的提升。
附图说明
[0055]
此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
[0056]
图1为本技术实施例提供的一种列车折返能力提升方法的流程示意图；
[0057]
图2为本技术实施例提供的一种列车折返示意图；
[0058]
图3为本技术实施例提供的一种维度建模方法的流程示意图；
[0059]
图4为本技术实施例提供的一种物理模型架构示意图；
[0060]
图5为本技术实施例提供的一种线性回归模型中数据输入和输出关系的示意图。
具体实施方式
[0061]
为了使本技术实施例中的技术方案及优点更加清楚明白，以下结合附图对本技术的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本技术的一部分实施
例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
[0062]
在实现本技术的过程中，发明人发现，列车在运行过程中会产生大量的数据，包括运行日志数据、各种信号机数据、设备数据等，从数据结构上来看又分为结构化、半结构化、非结构化数据。这些数据不仅杂而且乱，梳理起来非常繁琐、复杂。如果直接这些数据进行分析挖掘则具备一定的局限性。
[0063]
针对上述问题，本技术实施例中提供了一种列车折返能力提升方法、电子设备及存储介质，该方法包括：基于列车折返业务，建立业务模型；基于业务模型，采用维度建模构建数据总线矩阵，构建物理模型；根据物理模型，进行etl开发，获取到最终的列车折返数据；分析最终的列车折返数据，得到影响列车折返的因子；对因子进行挖掘，确定列车折返能力提升方案。本技术提供的方法基于列车折返业务，构建物理模型，根据物理模型，进行抽取-转换-加载开发得到最终的列车折返数据，进而基于最终的列车折返数据，得到影响列车折返的因子，对因子进行挖掘，确定列车折返能力提升方案，实现对城轨运营能力的提升。
[0064]
参见图1，本实施例提供的一种列车折返能力提升方法，实现过程如下：
[0065]
101，基于列车折返业务，建立业务模型。
[0066]
图2为一种列车折返示意图，基于图2，可以得到具体的列车折返业务如下：
[0067]
业务1，列车进入到终点站起始站台停稳。
[0068]
业务2，列车停稳以后，乘客进行下车，同时进行折入进路的办理。
[0069]
业务3，当乘客下车完毕并且折入进路办理完成之后，列车进入折返轨，向折返停车点行驶。
[0070]
业务4，列车进入到折返停车点，停稳之后进行换端，同时进行折出进路的办理。
[0071]
业务5，列车换端完成并且折出进路办理完成，列车向终点站终止站台行驶。
[0072]
业务6，列车驶入终止站台停稳，此时乘客上车，同时进行进路的办理。
[0073]
业务7，乘客上车完毕，并且进路也办理完成，此时列车驶离终止站台。
[0074]
在车辆的实际折返过程中，上述7项任务依次执行。
[0075]
以上为列车折返从驶入终点站起始站台到驶出终点站终止站台全流程详细步骤，通过以上业务可以实现业务建模，得到业务模型。
[0076]
对列车折返业务的梳理，明确了具体的列车折返业务内容，提升了物理模型与列车折返业务的匹配度，保证了影响列车折返的因子的准确性，保证了列车折返能力提升方案的可行性和提升效果，实现对城轨运营能力的提升。
[0077]
102，基于业务模型，采用维度建模构建数据总线矩阵，构建物理模型。
[0078]
1、基于业务模型，采用维度建模构建数据总线矩阵的实现，可以采用如下方案：
[0079]
1)对于根据列车折返业务的优先级，选择业务模型。
[0080]
2)针对选择的业务模型，声明事实表的粒度。
[0081]
3)基于选择的业务模型和粒度，确定维度及事实。
[0082]
其中，维度包括但不限于如下的一种或多种：时间、站台、进路、列车、链路、车站、逻辑区段、计轴区段等。
[0083]
由于维度均与业务相关，因此通过维度提升了数据总线矩阵与业务之间的关联性
以及数据总线矩阵与列车折返业务的匹配度，保证了列车折返能力提升方案的可行性和提升效果，实现对城轨运营能力的提升。
[0084]
4)根据每个数据域下选择的业务模型、维度及事实构建数据总线矩阵。
[0085]
通过上述过程完成了数据总线矩阵的构建，保证了数据总线矩阵与业务之间的关联性，提升了数据总线矩阵与列车折返业务的匹配度，保证了列车折返能力提升方案的可行性和提升效果，实现对城轨运营能力的提升。
[0086]
本步骤基于便于理解、查询性能高、对称性和可扩展性都比较强的特点，采用维度建模构建数据总线矩阵。
[0087]
维度建模是一种将数据结构化的逻辑设计方法，它将客观世界划分为度量和上下文。度量是常常是以数值形式出现，事实周围有上下文包围着，这种上下文被直观地分成独立的逻辑块，称之为维度。
[0088]
在具体实现时，维度建模方法的流程示如图3所示，
[0089]
1)选择业务过程：该过程是根据业务过程的优先级选定业务的过程，即会根据列车折返业务的优先级，选择业务模型。
[0090]
2)声明粒度：主要是声明事实表的粒度，即针对选择的业务模型，声明事实表的粒度。
[0091]
一般选择粒度的颗粒度要足够细，具体实施中，以原子级粒度较为合适。
[0092]
3)确定维度：在业务过程和粒度的基础上，需要选择相关的维度，即基于选择的业务模型和粒度，确定维度。
[0093]
其中，维度如时间、站台、进路、列车、链路、车站、逻辑区段、计轴区段等。
[0094]
4)确定事实：选择适用于业务过程的事实，即基于选择的业务模型和粒度，确定事实。
[0095]
其中，事实如列车运行事实、运行计划事实等。
[0096]
在明确数据域下面有哪些业务过程以及维度的确定之后，就可以进行总线矩阵的构建了，即根据每个数据域下选择的业务模型、维度及事实构建数据总线矩阵。
[0097]
构建时，首先明确业务过程与哪些维度相关，并定义每个数据域下的业务过程和维度。
[0098]
如表1示出了列车运营板块的数据总线矩阵，包括购买时间(年、季度、月、日、小时、分钟、秒)、地点(城市、线路、集中站、车站、站台、计轴区段、逻辑区段)、设备类型(信号机、道岔、进路、屏蔽门、紧急关闭按钮)、相关人员等维度。列车出段、列车到站、列车发车、列车折返等事实。
[0099]
表1
[0100]
[0101][0102]
2、对于构建的物理模型，其包括：贴源数据层(ods，operational data store)、维度层(dim，dimension)、数据标准层(dsl，data standard layer)、统一数仓层(dw，data warehouse)、标签数据层(lable)和应用层(ads，application data store)。
[0103]
统一数仓层，包括：明细层(dwd，data warehouse detail)和轻粒度汇总层(dws，data warehouse service)。
[0104]
贴源数据层，用于存储原始数据。
[0105]
维度层，用于存储维度。
[0106]
数据标准层，用于存储贴源数据层数据处理后的数据。
[0107]
统一数仓层，用于存储最终数据。
[0108]
标签数据层，用于存储最终数据的标签。
[0109]
应用层，用于提供应用服务。
[0110]
通过上述物理模型只需要在原始层数据的基础构建一套统一的标准，数据往下游生产的标准都是不变的，用以解决不同厂商数据格式不一致问题，从而增强本架构的通用能力。
[0111]
在具体应用时，构建的物理模型一定会包括上述6层。如果想要存储临时数据，该物理模型还可以多包括一个临时数据层(tmp，temporary)。例如图4所示的物理模型整体分为7层，包括贴源数据层(主要用来存储原始数据表)、临时数据层(用来存储临时表)、维度层(创建的维度表)、数据标准层、统一数仓层(包括明细层和轻粒度汇总层)、标签数据层、应用层。
[0112]
其中，维度层和临时数据层贯穿整个纵向数仓分层，而其他的模型层都是自下而上进行建设，同时数据的加载也是自下而上，不允许存在自上而下的引用。
[0113]
图4所示的物理模型架构区别于传统的数仓分层架构，引入了数据标准层以及标签数据层。
[0114]
考虑到对于不同的厂商产生的原始数据格式不一致问题，因此在原始数据层的基础上引入了数据标准层。数据标准层的意义就在于在本物理模型架构中只需要在贴源数据层数据的基础构建一套统一的标准，数据往下游生产的标准都是不变的，只在这一层进行统一处理用以解决不同厂商数据格式不一致问题，从而增强本架构的通用能力。
[0115]
标签数据层的意义在于，事先只需要建立统一的标签体系，对于应用层需要的数据，只需要进行标签的组合即可满足极大部分业务需求，而传统数仓由于需求变化快而且多的特点导致为了快速满足需求而不断的拉宽表然后不断的改变模型来进行业务上的满
足，而标签数据层的应用就可以很好的解决这个问题。
[0116]
其中，进入轻粒度汇总层的一种示例性的物理表结构如表2所示，表中每次折返为一条记录。
[0117]
表2
[0118][0119][0120]
其中，轻粒度汇总层汇总后的一种示例性的物理表结构如表3所示，表中每次折返
为一条记录。
[0121]
表3
[0122][0123][0124]
103，根据物理模型，进行etl(extract-transform-load，抽取-转换-加载)开发，获取到最终的列车折返数据。
[0125]
本步骤中根据物理模型，进行etl开发的具体实现过程如下：
[0126]
1，抽取初始列车折返数据，将取初始列车折返数据存入贴源数据层中。
[0127]
其中，初始列车折返数据可以为行车日志中的数据。
[0128]
2，对取初始列车折返数据转换，将转换结果存入数据标准层。
[0129]
3，加载维度层。
[0130]
4，根据维度层，对数据标准层中的数据进行处理，得到最终的列车折返数据。
[0131]
5，将最终的列车折返数据存入统一数仓层，并根据最终的列车折返数据构建标签数据层和应用层。
[0132]
在物理模型构建过程中，已经完成多维度模型构建、模型分层构建、以及实体表的构建，接下来进行etl开发即可。首先加载原始层数据，然后将原始数据经过处理得到数据标准层，接着加载维度层，然后一步步构建统一数仓层-》标签数据层-》应用层，在加载的过程中需要注意数据的加载顺序问题，如果存在反向指向，违反了自下而上数据加载流程，此时模型需要进行调整。优化后的模型，直到不存在反向指向问题即可满足上线条件，然后进行任务上线调度即可。
[0133]
通过上述根据物理模型进行etl开发的方案，可以使得开发后得到的最终的列车折返数据格式同意，使得后续挖掘和分析更具备意义，保证了列车折返能力提升方案的可行性和提升效果，实现对城轨运营能力的提升。
[0134]
104，分析最终的列车折返数据，得到影响列车折返的因子。
[0135]
本步骤，会根据最终的列车折返数据，进行列车在折入折出折返轨平均速度的计算、历史折返情况数据对比、不同时段折返情况的对比，进而得到影响列车折返的因子为：起始站台停站时间、折入进路办理时长、折入区间走行时长、折入区间平均速度、列车换端时长、折出进路办理时长、折出区间走行时长、折出区间平均速度和终止站台停站时间。
[0136]
本步骤可以通过etl的作业处理实现对车辆折返过程中的数据进行分析和计算，包括列车在折入折出折返轨平均速度的计算、历史折返情况数据对比、不同时段折返情况的对比等，进而得到如下一个多个影响列车折返的关键因子：
[0137]
1、起始站台停站时间(到站时刻和发车时刻)；
[0138]
2、折入进路办理时长(进路开始办理到进路开放时长)；
[0139]
3、折入区间走行时长(起始站发车到折返轨到达时长)；
[0140]
4、折入区间平均速度(列车起使站台到进入折返轨停车点平均速度)；
[0141]
5、列车换端时长(列车换端开始到换端完成的时长)；
[0142]
6、折出进路办理时长(进路开始办理到进路开放时长)；
[0143]
7、折出区间走行时长(折返轨发车到终止站到达)；
[0144]
8、折出区间平均速度(折返轨停车点到终止站台平均速度)；
[0145]
9、终止站台停站时间(到站时刻到发车时刻)。
[0146]
在具体实施时，还可能得到其他影响列车折返的因子，本实施例不对具体的影响列车折返的因子进行限定。
[0147]
上述影响列车折返的因子是基于最终的列车折返数据得到，而最终的列车折返数据是基于业务模型进行预处理的，因此影响列车折返的因子与基于业务模型强相关，通过影响列车折返的因子与业务模型的关系，保证了列车折返能力提升方案的可行性和提升效果，实现对城轨运营能力的提升。
[0148]
105，对因子进行挖掘，确定列车折返能力提升方案。
[0149]
线性回归算法是机器学习中常见的一种算法，它在实际应用中使用非常广泛。对列车折返情况可以通过线性回归算法来进行模型训练进而模拟演练推演出列车折返能力和列车折返各个因子的关系，通过调整列车折返因子来实现对列车折返能力的提升。
[0150]
列车折返能力的推演(也即预测)是个回归问题，通过分析影响列车折返的因子有多个(如9个)，因此是一个多元回归问题。
[0151]
因此，本步骤可以先基于预先训练的线性回归模型对所因子进行挖掘，得到因子的调整值。再根据调整值确定列车折返能力提升方案。
[0152]
如将调整值均作为列车折返能力提升方案
[0153]
其中，线性回归模型中数据输入和输出关系可如图5所示。
[0154]
线性回归模型为：
[0155][0156]
i为因子标识，n为因子总数，xi为第i个因子对应的数据，θi为第i个因子对应的调整值。
[0157]
列车折返推演，实际上就是通过大量的训练数据来训练模型，最终得到预测函数y＝h
θ
(x)。将列车折返因子作为数据输入的变量，然后通过学习得到的预测函数h
θ
(x)输出变
量为结果。
[0158]
x0,x1,x2,
…
,xn是输入，h
θ
(x)是输出，通过计算可得到参数(即因子对应的调整值)θ0,θ1,θ2,
…
,θn的值，也即得到预测函数的解。根据函数曲线，就可以指导相关参数进行适当的调节，加以模拟验证，作为参考然后提出改进方案。
[0159]
通过对因子进行挖掘确定列车折返能力提升方案，更有利于提升列车的折返能力提高列车运力进而提升轨道交通的运营效率。
[0160]
本实施例提供的方法，先进行列车折返业务全链路的分析，然后根据维度建模进行模型的设计，在经过etl处理之后的数据进行分析挖掘才更具备意义。
[0161]
本方法基于数据建模分析和数据挖掘技术对列车的行车日志数据进行处理来实现对列车折返能力的提升，通过本方法可以提升列车的折返能力，进而实现对城轨运营能力的提升。
[0162]
本方法可以解决如下问题：
[0163]
1、解决异构数据按照指定方式进行归类、多种采集方式、最终统一存储在数仓，形成完整的标准原始层数据。
[0164]
2、通过对列车折返全流程业务的分析首先完成业务建模，根据维度建模进行一致性事实和维度的设计，构建数据总线矩阵，最后进行物理模型的构建。
[0165]
3、通过构建的物理模型进行etl开发获取到需要的结果数据，根据获取到的数据分析影响列车折返的关键因子，通过对列车折返因子数据进行挖掘分析，提出列车折返改进方案进而实现列车折返能力的提升。
[0166]
本实施例提供的方法基于列车折返业务，构建物理模型，根据物理模型，进行抽取-转换-加载开发得到最终的列车折返数据，进而基于最终的列车折返数据，得到影响列车折返的因子，对因子进行挖掘，确定列车折返能力提升方案，实现对城轨运营能力的提升。
[0167]
基于列车折返能力提升方法的同一发明构思，本实施例提供一种电子设备，该电子设备包括：存储器，处理器，以及计算机程序。
[0168]
其中，计算机程序存储在存储器中，并被配置为由处理器执行以实现上述列车折返能力提升方法。
[0169]
具体的，
[0170]
基于列车折返业务，建立业务模型；
[0171]
基于业务模型，采用维度建模构建数据总线矩阵，构建物理模型；
[0172]
根据物理模型，进行抽取-转换-加载开发，获取到最终的列车折返数据；
[0173]
分析最终的列车折返数据，得到影响列车折返的因子；
[0174]
对因子进行挖掘，确定列车折返能力提升方案。
[0175]
可选地，基于业务模型，采用维度建模构建数据总线矩阵，包括：
[0176]
根据列车折返业务的优先级，选择业务模型；
[0177]
针对选择的业务模型，声明事实表的粒度；
[0178]
基于选择的业务模型和粒度，确定维度及事实；
[0179]
根据每个数据域下选择的业务模型、维度及事实构建数据总线矩阵。
[0180]
可选地，物理模型，包括：贴源数据层、维度层、数据标准层、统一数仓层、标签数据
层和应用层；
[0181]
贴源数据层，用于存储原始数据；
[0182]
维度层，用于存储维度；
[0183]
数据标准层，用于存储贴源数据层数据处理后的数据；
[0184]
统一数仓层，用于存储最终数据；
[0185]
标签数据层，用于存储最终数据的标签；
[0186]
应用层，用于提供应用服务。
[0187]
可选地，根据物理模型，进行抽取-转换-加载开发，包括：
[0188]
抽取初始列车折返数据，将取初始列车折返数据存入贴源数据层中；
[0189]
对取初始列车折返数据转换，将转换结果存入数据标准层；
[0190]
加载维度层；
[0191]
根据维度层，对数据标准层中的数据进行处理，得到最终的列车折返数据；
[0192]
将最终的列车折返数据存入统一数仓层，并根据最终的列车折返数据构建标签数据层和应用层。
[0193]
可选地，分析最终的列车折返数据，包括：
[0194]
根据最终的列车折返数据，进行列车在折入折出折返轨平均速度的计算、历史折返情况数据对比、不同时段折返情况的对比；
[0195]
可选地，影响列车折返的因子为如下的一种或多种：起始站台停站时间、折入进路办理时长、折入区间走行时长、折入区间平均速度、列车换端时长、折出进路办理时长、折出区间走行时长、折出区间平均速度、终止站台停站时间。
[0196]
可选地，对因子进行挖掘，确定列车折返能力提升方案，包括：
[0197]
基于预先训练的线性回归模型对所因子进行挖掘，得到因子的调整值；
[0198]
根据调整值确定列车折返能力提升方案。
[0199]
可选地，线性回归模型为：
[0200][0201]
其中，i为因子标识，n为因子总数，xi为第i个因子对应的数据，θi为第i个因子对应的调整值。
[0202]
本实施例提供的电子设备，其上计算机程序被处理器执行以基于列车折返业务，构建物理模型，根据物理模型，进行抽取-转换-加载开发得到最终的列车折返数据，进而基于最终的列车折返数据，得到影响列车折返的因子，对因子进行挖掘，确定列车折返能力提升方案，实现对城轨运营能力的提升。
[0203]
基于列车折返能力提升方法的同一发明构思，本实施例提供一种计算机可其上存储有计算机程序。计算机程序被处理器执行以实现上述列车折返能力提升方法。
[0204]
具体的，
[0205]
基于列车折返业务，建立业务模型；
[0206]
基于业务模型，采用维度建模构建数据总线矩阵，构建物理模型；
[0207]
根据物理模型，进行抽取-转换-加载开发，获取到最终的列车折返数据；
[0208]
分析最终的列车折返数据，得到影响列车折返的因子；
[0209]
对因子进行挖掘，确定列车折返能力提升方案。
[0210]
可选地，基于业务模型，采用维度建模构建数据总线矩阵，包括：
[0211]
根据列车折返业务的优先级，选择业务模型；
[0212]
针对选择的业务模型，声明事实表的粒度；
[0213]
基于选择的业务模型和粒度，确定维度及事实；
[0214]
根据每个数据域下选择的业务模型、维度及事实构建数据总线矩阵。
[0215]
可选地，物理模型，包括：贴源数据层、维度层、数据标准层、统一数仓层、标签数据层和应用层；
[0216]
贴源数据层，用于存储原始数据；
[0217]
维度层，用于存储维度；
[0218]
数据标准层，用于存储贴源数据层数据处理后的数据；
[0219]
统一数仓层，用于存储最终数据；
[0220]
标签数据层，用于存储最终数据的标签；
[0221]
应用层，用于提供应用服务。
[0222]
可选地，根据物理模型，进行抽取-转换-加载etl开发，包括：
[0223]
抽取初始列车折返数据，将取初始列车折返数据存入贴源数据层中；
[0224]
对取初始列车折返数据转换，将转换结果存入数据标准层；
[0225]
加载维度层；
[0226]
根据维度层，对数据标准层中的数据进行处理，得到最终的列车折返数据；
[0227]
将最终的列车折返数据存入统一数仓层，并根据最终的列车折返数据构建标签数据层和应用层。
[0228]
可选地，分析最终的列车折返数据，得到影响列车折返的因子，包括：
[0229]
根据最终的列车折返数据，进行列车在折入折出折返轨平均速度的计算、历史折返情况数据对比、不同时段折返情况的对比；
[0230]
可选地，影响列车折返的因子为如下的一种或多种：起始站台停站时间、折入进路办理时长、折入区间走行时长、折入区间平均速度、列车换端时长、折出进路办理时长、折出区间走行时长、折出区间平均速度、终止站台停站时间。
[0231]
可选地，对因子进行挖掘，确定列车折返能力提升方案，包括：
[0232]
基于预先训练的线性回归模型对所因子进行挖掘，得到因子的调整值；
[0233]
根据调整值确定列车折返能力提升方案。
[0234]
可选地，线性回归模型为：
[0235][0236]
其中，i为因子标识，n为因子总数，xi为第i个因子对应的数据，θi为第i个因子对应的调整值。
[0237]
本实施例提供的计算机可读存储介质，其上的计算机程序被处理器执行以基于列车折返业务，构建物理模型，根据物理模型，进行抽取-转换-加载开发得到最终的列车折返数据，进而基于最终的列车折返数据，得到影响列车折返的因子，对因子进行挖掘，确定列车折返能力提升方案，实现对城轨运营能力的提升。
[0238]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实
施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本技术实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言java和直译式脚本语言javascript等。
[0239]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0240]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0241]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0242]
尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
[0243]
显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。