中国火车晚点好几个小时的情况多吗？如何看待这种情况？ 第1页

看到很多人的回答里在讨论火车是否偶尔晚点，以及问题标题里，从「动不动」改成了「偶尔」，所以我决定通过真实的火车正晚点数据来分析一下火车晚点现象。

（数据在 2019.1.26 有更新。因为之前爬取的车次时刻表部分有误，所以更新了一版数据。）

先展示经过简单处理过的火车晚点数据：

（更新于：2019.1.26 13:30

数据说明：

1. 数据涉及的车次为10:00—12:00 有进站数据，且在 2019.1.26 当天在 12306 官网查到预计进站时间的车次；
2. 在 12306 官网查询正晚点数据时，最多发起 20 次查询，超过 20 次查询失败的，视为查询失败；
3. 类型里，「普」为车次编号不带字母的列车类型；
4. 平均晚点时间，指晚点的列车的平均晚点时间；
5. 只要列车晚点一分钟，就算作晚点（可能在火车站仍会显示正点，所以针对晚点时间，我还展示了晚点时间超过 5 分钟和超过 15 分钟的晚点数据）；
6. 列车数据每天每时都在变化，此数据仅作参考使用；

如果限制火车晚点 5 分钟以上（不含 5 分钟）才是晚点，那么数据是这样的：

如果限制火车晚点 15 分钟以上（不含 15 分钟）才是晚点：

如果像题目里所说的，限制晚点好几个小时（就按晚点 1 小时以上吧），数据是这样（没有晚点的类型没有展示）：

结论：火车晚点情况很普遍，达到 20%；晚点时间超过 5 分钟的晚点率是 9.5%；超过 15 分钟的晚点率只有 3%。因为在晚点时间不长的情况下，车站仍会提示火车正点到达，所以我们感受到的晚点率应该在 10% 以内。

题目里所说的晚点好几个小时，按 1 小时统计，只有 Z、K、D 和纯数字的列车有晚点，晚点率都在 1% 以内。所以，用「动不动」来描述晚点好几个小时的情况，并不合适；但用来描述晚点情况，还是勉强可以接受的。

（这里的结论有更新，一开始没注意到题目里的「几个小时」。

（比较详细的数据爬取过程和分析结果，可继续看下文：

用到的方法主要包括爬虫和数据分析，数据来源是 12306 官网和携程网。

爬虫：使用 Java 写的爬虫程序；

车次数据来源：12306 官网的某个文件；（https://kyfw.12306.cn/otn/resources/js/query/train_list.js）

包含停站信息的车次数据来源：携程网火车票时刻表查询里的车次查询；（http://trains.ctrip.com/trainbooking/TrainSchedule/）

针对携程网的数据准确情况，我专门问了在携程网负责火车票产品的产品经理朋友：

问完之后再爬数的时候，偶尔就需要验证码了？？？

火车正晚点数据：12306 官网火车正晚点查询；（https://kyfw.12306.cn/otn/zwdch/init）

数据处理和分析：MySQL、WPS Excel 和 R 。

整体思路和步骤：

1. 从 12306 官网获得车次数据（只有车次编号）；
2. 通过车次编号，从携程网获得每个车次的停站数据，包括车站名称，进站时间，发车时间；
3. 在 12306 官网查询到站时间在未来 1-3 小时内的车次的正晚点数据；
4. 对获得的数据进行处理和分析，数据包括车次，车站名称，原定进站时间，预计进站时间。

第一步：获得车次数据

之前无意间发现了 12306 官网有个文件可以获得所有车次数据，链接：https://kyfw.12306.cn/otn/resources/js/query/train_list.js 。通过爬虫程序，爬取到页面源码，然后通过正则表达式，输出所有车次数据，记录到 MySQL 数据库里。

这一步用到的代码比较简单，没有直接存数据库，而是直接输出了。输出之后，手动将结果存到 Excel 里，然后导出为 CSV 格式的文件，再导入到数据库里。主要代码如下：

车次有 11988 个。

第二步：获取停站数据

因为通过 12306 官网查询这些数据实在是太慢了，而且不能保证每次都查询成功，所以选择了其他网站。百度了一下之后，携程网花钱多，排名靠前，就它了。链接：http://trains.ctrip.com/trainbooking/TrainSchedule/

在携程网爬车次数据还算简单，链接结尾直接加车次编号就可以查询了，所有站名和进站发车时间都可以在页面源代码里使用正则表达式匹配到。

爬虫代码和第一步使用的类似，但是这次数据除了及时输出（为了查看运行状态和进度），还直接读取了数据库的车次信息，以及将结果直接存储到数据库里。部分代码如下：

一秒钟大约可以获取 3 个车次的数据，花了挺长时间才运行完成，中间还卡了好几次。（感觉需要多学习一下多线程和阻塞处理。

第三步：查询正晚点信息

找了很久，发现只有 12306 官网可以查询正晚点信息，且只能查询未来 3 小时内的。

链接：https://kyfw.12306.cn/otn/zwdch/init

经测试，查询速度大约为一分钟 40 次，查询成功率大约为 25%。

查询时间是在中午 12 点，所以使用 SQL 脚本跑出 13:00—15:00 这个时间段内有进站的车次的较晚的一个进站数据。然后在 12306 官网根据车次编号和站名，查询预计进站时间，将车次、站名、原定进站时间和预计进站时间存储到数据库里。这些都是通过程序自动完成的。（这里之所以使用延后 1-3 小时的时间段，且选择进站时间较晚的一条数据，是因为符合条件的车次有 5000 多个，预计需要 1-2 小时才能获取完正晚点数据。

代码和前两步的差不多，这里增加了对每一个车次的重复查询次数限制。根据查询速度和成功率，限制每个车次最多查询 20 次，如果 20 次都没有返回进站时间，则认为查询失败。部分代码如下：

运行结果输出：

注：查询失败的原因可能是：

1. 重复查询 20 次后仍没有返回所需数据；
2. 站点为始发站，没有预计到站时间；
3. 当天此车次没有运行。

第四步：数据处理和分析

因为只有几千行数据，所以直接从 MySQL 导出，在 WPS Excel 里处理。

1. 对列车类型进行分类，分为高铁、动车、特快等共 8 类；
2. 修改原定进站时间和预计进站时间的数据类型，并计算它们的差值，单位是分钟；
3. 对于同一列车在不同路段更换车次编号的情况，将实际为同一列车的数据进行去重处理；

4. 对数据进行分析；

晚点率数据在回答一开始已经展示了，相关的数据图和分析稍后再补充。