在铁路运输中,车流是指由货车在装车地与卸车地之间移动,在路网中不断变化的一种车辆流动状态。车流推算就是对这种状态进行预测的过程。准确的车流推算结果是铁路运输计划编制和铁路车流调整的重要前提和根本保障。在全路统一调度的情况下,研究车流推算对运输调度指挥具有指导意义,对提高铁路货运效益、降低运输成本具有较大的现实意义。但是我国铁路具有网络纵横交错,车站数量多且分布不均匀,车站内部作业复杂,不可预测因素较多等特点,这些都为准确、高效地进行车流推算造成了相当大的困难。随着信息化发展建设的不断加深,我国铁路行业积累了大量车流相关的历史数据,这些数据无论是在维度上还是在容量上都符合大数据的典型特征,因此将大数据分析方法引入到铁路车流推算中,分析车流历史数据来准确、高效进行车流推算便成为可能。本文通过研究铁路车流推算的目标、特点、作用,分析了当前车流推算研究存在的不足,提出采用大数据分析方法对铁路历史数据进行学习与分析,利用黑箱作业的方式对铁路车站进行抽象,以计算机模拟的方式分路局、分方向、分作业类型对重车车流历史数据进行分析,并建立模拟模型,得到车辆经过车站的作业时间,以提高车流推算的准确度。利用云计算的方式,采用Hadoop系统架构对全国铁路网络进行节点设置与布局,利用面向对象语言对模型与算法进行实现,达到快速处理车流数据的目的,最终缩短车流推算的响应时间。