Open Journal of Transportation Technologies 交通技术, 2018, 7(6), 381-389Published Online November 2018 in Hans. /journal/ojtthttps:///10.12677/ojtt.2018.76046Design and Construction of High-SpeedTrain Pedigree Data Management PlatformQinglong Wei1, Ailin Yang1, Na Wang1, Yongzhi Jiang21Zhongche Tangshan Locomotive & Rolling Stock Co., Ltd., Beijing2State Key Laboratory of Traction Power, Southwest Jiaotong University, Chengdu SichuanReceived: Oct. 18th, 2018; accepted: Oct. 31st, 2018; published: Nov. 7th, 2018AbstractThe data warehouse of high speed EMU pedigree is subject oriented, integrated, time-varying and relatively stable, and is a collection of high-speed train space data and non-spatial data. At present, the platform of high-speed train genealogized development has been built based on genealogical theory, and the integrated platform of eight subsystems is constructed, including the virtual visua-lization and rapid process file generation. The data management platform of high speed EMU pe-digree is the basis for the smooth and efficient operation of the integrated platform. Based on the theoretical research of high speed EMU pedigree, this paper designs and constructs a data man-agement platform for high speed EMU pedigree. Overall architecture of this platform is introduced, and the module composition and the functions, user interfaces and uses of each module are com-bed, which provide a foundation for the operation and management of high speed EMU pedigree platforms.KeywordsHigh-Speed EMU, Pedigree, Data Warehouse, Data Management高速列车谱系化数据管理平台设计与构建魏庆龙1，杨爱林1，王娜1，蒋咏志21中车唐山机车车辆有限公司科技管理部，北京2西南交通大学牵引动力国家重点实验室，四川成都收稿日期：2018年10月18日；录用日期：2018年10月31日；发布日期：2018年11月7日魏庆龙等摘要高速列车谱系化数据仓库是面向主题的、集成的、时变的、相对稳定的，并集合了高速列车空间数据和非空间数据。
如今的高速列车谱系化研制平台已经在谱系化理论的基础上，构建了虚拟可视化、快速工艺文件生成等八项子系统为核心的一体化平台。
高速列车谱系化数据管理平台是该一体化平台流畅、高效运行的基础。
本文基于高速列车谱系化相关理论研究，设计并构建了高速列车谱系化数据管理平台。
系统阐述了平台的整体架构、模块组成以及各个模块的功能，界面和用途，为高速列车谱系化平台的运行和管理提供了基础支撑。
关键词高速列车，谱系化，数据仓库，数据管理Copyright © 2018 by authors and Hans Publishers Inc.This work is licensed under the Creative Commons Attribution International License (CC BY)./licenses/by/4.0/1. 前言数据仓库是面向主题的、集成的、稳定而随时间不断变化、用来支持管理人员决策的数据集合。
它是近年来为联机分析处理(OLAP, Online Analytical Processing)、数据挖掘等处理提供海量数据存储、数据组织的容器和解决数据集成问题的关键技术。
经历引进消化吸收再创新之后，我国高速铁路已经在“四纵四横”的基础上，建成了具有中国特色的高速铁道网络[1]。
在一带一路的倡导下，我国在现有高速动车组研制平台的基础上，构建了需求多样化，设计一体化，技术体系可定制化，标准体型国际化的高速动车组设计制造平台[2] [3] [4]。
高速列车谱系化数据仓库是面向主题的、集成的、时变的、相对稳定的，并集合了高速列车空间数据和非空间数据[5] [6]，它可以将多个异种的、自治的、分布的信息源有机的组织起来，并提供对空间数据和非空间数据简便、有效的访问，为决策分析提供数据[7] [8] [9] [10]。
谱系化的研究最早开始于60至70年代，Sutherland在系统中提出利用约束作为辅助手段生成零件，但缺少约束定义和修改几何模型，因此，模型的修改为一个单行过程，当模型生成之后约束无法反过来限制模型随谱系化理论不断完善，因此谱系化方法广泛运用于实践中。
目前，谱系化理论研究主要代表有两个：1) Jae Yeol Lee提出的利用图表示的基于知识的几何推理法；2) Xiao Shan Gao提出的约束传播法。
国内这几年来对谱系化建模的研究也逐渐成熟，此类方法多利用软件的二次开发功能，实现对三维几何模型的简单化生成。
中南大学的周咏翔、谭灿枚等以基于编程环境下的二次开发，结合数据库技术，对货车转向架进行了谱系化设计系统的开发。
中北大学的史丽娱等提到在软件中建模时，要对零件模型的几何约束和尺寸约束进行定义。
随着高速列车快速发展，谱系化理论成为解决高速列车设计中需求多样化重要的工具。
文献[11]已经对高速列车谱系化数据仓库系统研究进行了系统的阐述，本文基于高速列车谱系化相关理论研究和数据仓库系统的研究，设计并构建了高速列车谱系化数据管理平台。
文章系统阐述了平台的整体架构、模块组成以及各个模块的功能，界面和用途，为高速列车谱系化平台的运行和管理提供了基础支撑。
魏庆龙等2. 高速列车谱系化数据管理平台架构高速列车数据内容繁杂、涉及领域广泛、数据量庞大，目前仍是以分散、多源、异构、语义不一致等存在，没有达到为决策支持提供有效数据源的水平，因此结合谱系化高速列车平台采用数据仓库技术、面向对象思想、空间数据库等关键技术将现有的多域高速列车数据有机地集成起来，并发挥其应有的共享作用，进行相应的OLAP分析和数据挖掘等处理，最终以友好的管理界面显示给数据管理者。
为此需要开发相应的数据管理平台用以支持高速列车谱系化一体化设计平台。
数据管理平台的基本架构如图1所示，主要包括数据管理可视化界面和数据管理功能模块，功能模块包括需求数据管理模块、需求元模型数据管理模块、产品结构树数据管理模块、产品元模型管理模块、映射规则数据管理模块、指标体系数据管理模块、产品生命周期数据管理模块等。
数据管理者通过可视化管理界面操作各功能模块，实现对各类数据的管理操作，包括数据的新增项目、数据的录入、错误数据清理、数据备份等管理和维护工作。
Figure 1. Basic structure of the data management platform图1. 数据管理平台的基本架构这些功能模块的所有操作都通过接口直接影响数据仓库中的基础数据，包括设计、生产以及产品整个生命周期相关的基础数据，这些数据是谱系化一体化平台功能模块的基础，支撑整个一体化平台的运作。
服务与谱系化平台的最终用户，如设计师、生成人员、试验人员等。
数据安全对于企业尤其重要性，因此数据管理者需要有足够的权限才可进行管理操作。
3. 高速列车谱系化数据仓库接口需求数据仓库是面向主题的、集成的、稳定而随时间不断变化、用来支持管理人员决策的数据集合。
同时数据仓库也是联机分析处理(OLAP, Online Analytical Processing)、数据挖掘等处理提供海量数据存储、数据组织的容器和解决数据集成问题的关键技术。
由于数据仓库是数据管理平台的操作对象，因此需要魏庆龙等具有友好的、完整的接口。
数据仓库系统的一般体系结构如图2所示。
Figure 2. General architecture of the data warehouse system图2. 数据仓库系统的一般体系结构数据仓库系统的体系结构一般包括四个部分：1) 底层多种数据源，一般情况下，这些数据源可以是关系数据库或其他如平面文件、XML文档等在内的数据类型。
2) 各种数据源通过ETL (Extract-Transform-Load)，即数据抽取(Extract)、转换(Transform)、清洗(Cleansing)、装载(Load)。
谱系化高速列车数据源众多，ETL是保证数据一致性，实现跨多平台、多系统整合数据库，最大可能提高数据质量的关键技术。
ETL按照统一的规则从数据源抽取出所需的数据，经过数据清洗和转换，其间可能还要进行过滤(Filtering)、汇总(Summary)，或与其它数据源的信息合并(Merging)，最终按照预先定义好的数据仓库模型，将数据加载到数据仓库中，是数据仓库实施成败的关键。
3) 经过ETL处理的数据进入企业级数据仓库，企业相关部门，如设计、制造、试验等可以通过数据集市(Data marts)，建立满足特定需求的数据存储，形成一个小型的部门级数据仓库。