轨道交通自动售检票系统AFC数据分析(5)
自动售检票系统中的终端设备根据用途划分主要包括：分拣编码机、自动检票机、自动售票机、半自动售/补票机、自动加值机、便携式验票机等类型。
（5） 车票媒介
车票媒介目前经常采用的有视读印刷票、机读印刷票、磁票、智能卡等。终端设备与处理的票卡相关。
由于车票媒介决定了终端设备的选型，所以车票媒介的选择是一个非常重要的环节。目前，选用非接触式IC卡作为轨道交通车票已是大趋势，并被广泛使用。
2.2 轨道交通AFC系统的数据结构
轨道交通自动售检票系统是AFC终端设备监控与信息管理的综合应用系统，需运用计算机、自动控制、统计和财务等专业知识设计和实现，通常包括自动售检票终端设备的票务处理、通信传输、汇总统计、清分结算、设备监控和运行管理等应用功能，其沉淀的票务和设备状态数据能够为客流分析、票/卡分析、运载量分析、收益分析、设备故障分析等提供数据来源。轨道交通线路AFC系统需要根据线路站点规划、客流量需求、票务管理需求和终端设备监控数量等进行系统化设计和部署，通常包括构建合适的运行平台，选用AFC终端设备、第三方软件产品，设计开发相应的应用软件和系统集成。一般，每一个乘客乘坐一次轨道交通，其用于售检票的终端设备将产生3笔交易。如果线路的客流设计为200万人次/天，则该线路每天将产生600万笔票务交易，若线路中央计算机系统联机存储票务交易的周期设计为180天，则该线路中央计算机系统联机存储数据库的满负载票务交易量可达11亿条票务交易记录[15]，因此轨道交通AFC系统中央主机的联机存储数据量非常庞大。
轨道交通AFC运营数据库承载着轨道交通售票、检票、设备监控、进出站分类统计、运营结算和日常运营管理等过程生成的交易和数据。因此，AFC中央数据库具有数据量大、访问频率高、结构复杂、安全性要求高等四大应用特点:
１）数据量大。各种数据库和数据仓库的设计与开发都必须考虑数据量大的问题，但是，轨道交通领域的数据量仍然是常用数据库和数据仓库系统所无法处理的。2005年，上海市轨道交通客流量为6.4亿人次，平均日乘坐量为175万人次。这样庞大的数据集合是其他商业数据库所不能比拟的。单独从一张数据表中拿一次数据并显示到客户端就需要数分钟，这样的等待时间远远超出了客户的心理承受极限。因此，使用常用的数据库语言和数据挖掘算法根本无法完成项目设计的需要。另外，数据量大带来了数据存储空间的限制问题。
2）访问频率高。由上述说明可知，乘客乘坐一次轨道交通至少要经过购票、进站和出站三次交易，因此，按照平均日乘坐量为200万人次，只计算进出站交易纪录，则至少会产生400万条记录。如果统计售票、补票等交易，数据量会更大。
３）结构复杂。数据在数据库中的存放形式是按照表和属性记录的，然而由于轨道交通的复杂性，每一张表的数据属性个数庞大，表与表之间的E－R关系模型复杂，形成了蜘蛛网结构，使得数据缺乏可信度。这种可信度危机的主要产生原因是数据在进入数据库时:(l)没有一定的时间基准;(2)每一次进入数据库的途径不同;(3)外部设备的问题;(4)处理数据的起始点不同。这样导致在数据挖掘与数据分析过程中，数据的准确性得到了怀疑。
4)安全性要求高。轨道交通AFC系统中央数据库应能确保当数据库系统宕机、数据库数据存储媒体被损坏或者当数据库用户误操作时，数据库数据信息不至于丢失。数据库管理系统应尽可能地堵住潜在的各种安全漏洞，防止非法用户利用它们侵入数据库系统。特别是对轨道交通AFC系统这样的票务型数据库，安全性要求就会更高。轨道交通AFC中央数据库的这些特点要求我们在为客户提供数据分析、查询和进行数据挖掘时，必须重新建立一个高效、可靠的数据存储、分析和展示系统。