铁路数据定价体系构建及应用路径研究

Construction of Railway Data Pricing System and Its Application Path

摘要

在数据作为当今世界关键生产要素的时代，构建以铁路数据资产化为目标的定价体系意义重大。围绕铁路数据定价体系在资源和产权管理等方面的特点，从资产性质、市场需求、安全性和管理权限等方面对数据资产进行分类，明确战略规划、运输生产等多方面定价需求。通过构建定价体系，设计铁路数据成本价值、标的价值和增值价值指标，搭建铁路数据的基础成本法模型和动态系数法评估模型，制定铁路内外部市场定价策略及交易方案。提出建立铁路数据定价交易平台和协会、仲裁机制等保障措施，旨在为铁路数据市场化交易和财务管理提供理论支撑。

Abstract

In an era where data serves as a critical factor of production, establishing a pricing system aimed at changing railway data into assets is of significant importance. This paper explored the distinct characteristics of railway data pricing in the contexts of resource allocation and property rights management. It proposed a classification framework based on asset attributes, market demand, security requirements, and management authority, and identified corresponding pricing requirements in areas such as strategic planning and transportation operations. The paper constructed a comprehensive valuation system incorporating indicators for cost value, benchmark value, and value-added potential. Two evaluation models were proposed: a basic cost model and a dynamic coefficient model. In addition, pricing strategies and transaction mechanisms were developed for both internal and external markets. To ensure implementation, the paper recommended the establishment of a dedicated railway data pricing and trading platform, along with supporting mechanisms such as industry associations and arbitration systems. These measures aimed to provide theoretical support for the market-oriented trading and financial management of railway data.

Graphical abstract

关键词

铁路数据 / 数据分类 / 内外部市场 / 定价体系 / 保障措施

Key words

Railway Data / Data Classification / Internal and External Markets / Pricing System / Safeguard Mechanism

0　引言

随着新一代信息技术的快速发展，人类社会已经进入数字经济时代，作为当代“新石油”的大数据，其价值已超越以往任何时代^[1]。数据已被正式确立为第七大生产要素，它将改变现有的财富分配模式，数据资产如何定价已成为备受关注的话题^[2-3]。数据作为数字化、网络化、智能化的核心信息，已经快速渗透到生产、分配、流通、消费和社会服务管理等各环节，推动了生产方式、生活方式和社会治理方式的变革^[4]，已经被作为全要素资产纳入交易体系。欧阳日辉等^[5]认为，高新技术的应用是解决数据所有权界定、隐私安全保护、交易透明度提升等问题的有效途径，构建数据定价理论体系，建立自动定价和动态定价模型，完善数据资源交易平台规则，有助于研究不同市场层次和交易场所的数据交易机制。王欣亮等^[6]提出，大数据作为生产要素推进经济高质量发展，需要全面评估数据基础设施建设水平，根据政府、民用与商业等主体对大数据的需求，合理布局数据基础设施。李文文等^[7]基于价值驱动的铁路数据服务能力提升过程的研究，通过分析过程提升、探讨方法与实施路径，相比传统模式可以为铁路企业提供新视角。铁路数据作为交通运输领域的重要资源，其定价机制的建立与应用对数据资源合理配置、数据市场健康发展及铁路运输行业可持续高质量发展具有重要意义。在此，旨在探讨如何构建铁路数据定价体系，论证其在实际工作中的可行性和有效性，满足铁路现代化建设需要。

1　铁路数据的特点和分类及定价体系构建的必要性

1.1　铁路数据资源的特点

铁路积累的海量行业数据，涵盖基础设施、安全管理、客货运输、列车运行、站点信息、车辆参数、生产经营等多领域，具有规模性、多样性、实时性、时空关联性、保密性和准确性等特征，其应用潜力及价值巨大^[8-9]。铁路数据同时具有独有性、低流通性和稀缺性等特点，当前大部分数据由铁路相关专业企业掌握，但由于铁路源点数据的敏感性和数据结构的复杂性，导致数据公开度不足、市场需求满足率低。

（1）铁路信息化布局。数据资产依托信息系统作为载体，中国国家铁路集团有限公司(以下简称“国铁集团”)按照“一个服务平台，多专业分别管理”模式推进信息化建设，构建中国铁路数据中心，部署战略决策、经营开发、运输生产、资源管理、建设管理、综合协同六大业务领域应用系统，各专业分别开发特色鲜明、技术领先的信息系统。例如，客运、货运、供电、车辆、机车、特运、集装箱，以及科研院所、合资公司都有不同的系统支撑。铁路信息系统布局示意图如图1所示，各专业、各公司信息化系统在国铁集团统一规划下结合自身业务特点进行开发和使用，为铁路数据的归集增添了复杂性。

（2）铁路数据分布。铁路数据主要为国铁集团及所属单位在铁路运输生产、经营开发、建设管理和客户服务过程中产生、获取及其衍生的数据，主要分布在3个方面：一是国铁集团内部经营管理的相关数据，来源于铁路各专业基层作业岗点按作业流程收集、校核和加工后的数据；二是以国铁集团为核心节点的供应链、商务链数据，如中车公司、勘察设计单位、港口企业物流数据等；三是互联网公开铁路关联数据，如客运领域的服务评价、产品咨询等信息，货运领域的企业经营信息、政策数据^[10]。

（3）铁路数据产权和管理。铁路数据产权归国铁集团所有，但其管理具有特殊性^[11]。按照国铁集团《铁路数据管理暂行办法》，国铁集团统一负责国家政策法规的贯彻落实与国铁企业管理制度制定，协调解决铁路数据管理中的重大问题，科技和信息化部、发改部门、各专业管理部门、信息技术中心和下属各单位分别按照职责进行不同业务的管理分工，但由于多部门、多专业分散管理与数据存储现状，给数据的整合应用及定价机制构建带来挑战。

1.2　铁路数据资产分类

数据管理需跨越空间域、管辖域与信任域，若要实现数据资源配置优化，需聚焦全要素生产率中的资本、劳动、技术创新及数据要素，促使各类要素发挥差异化功能^[11-12]。铁路数据资产化的核心是数据分类体系。为此，基于市场需求与管理权限，厘清铁路数据属性，以使用权为核心构建分级分类管理框架，结合内外部应用场景明确数据权属，最终形成“内部共享、外部开放”的定价机制^[11]，简化数据审批流程、降低数据获取成本，为构建科学明晰的铁路数据转变为资产的定价体系奠定基础。

（1）按资产性质分类。铁路数据定价的前提是数据共享，而数据共享的基础是安全保障，需要结合空间和时间维度界定数据价值，因此铁路数据应基于共享、安全、时间、空间维度的性质进行分类^[13]。这一分类既有助于用户获取最佳数据并实现其应用价值，也能通过多维度数据刻画实现铁路数据立体画像，从而降低核心数据泄露风险。按资产性质铁路数据资产分类如表1所示。

（2）按市场需求分类。基于铁路企业管理的区域性和专业性特点，铁路数据管理划分为内部和外部数据，并形成对应的内部和外部市场数据。内部市场数据共享实行核备制，以“共享为常态，不共享为个例”为原则，通过“大共享”机制拓展应用场景；外部市场数据共享实行“合规性审查+价值风险评估”的审批制，通过外部协作平台统一进行安全交换，通常采取“一次性、限制性、协议式”数据提供模式。实际运用中，铁路数据共享机制仍然存在短板，内部市场数据供需双方缺乏量化激励，外部市场数据交易面临合规性与价值评估标准模糊等挑战。

（3）按安全性分类。数据作为新兴生产要素，在深度赋能传统产业，成为经济社会发展核心驱动力的同时^[14]，其伴随的数据安全风险也对政府和企业数字化转型构成现实威胁。铁路数据应用的风险评估应以数据风险识别为基础，按照公开、敏感和高敏感三级数据分类，其风险影响因素主要包括管理风险、失真风险、监管风险、流通风险与技术风险，这些因素均可能对数据价值产生直接影响。铁路数据安全分级和风险点预测如表2所示。

（4）按管理权限分类。铁路数据网络具有相对闭环性，数据生产贯穿铁路运输生产、经营开发、建设管理和客户服务各流程，随着数据集成业务的发展，铁路数据资源更倾向聚合于国铁集团内部生产经营和管理的数据，其源点数据绝大部分产生于所属单位的生产岗位，其中既有横向交换数据，又有纵向上下级管理数据。按照国铁集团数据管理办法，铁路数据采集获取、开发利用、共享交换以及数据安全管理遵循统筹规划、分级管理、安全可控、开放共享、充分利用的原则，实行集团统筹、各部门和各单位分工负责的体制，国铁集团网络安全和信息化领导小组、科技和信息化部、机关各部门、中国铁道科学研究院集团有限公司和下属各单位分别按照职责分工进行数据管理。

铁路数据的多维度分类(资产性质、市场需求、安全性、管理权限)为定价体系构建提供了基础框架。不同类别的数据在价值构成、应用场景和风险属性上存在显著差异，直接影响定价策略的选择。在按照市场需求提出定价需求时，需要结合数据分类匹配对应关系，为定价体系设计提供逻辑支撑，确保定价策略的科学性和针对性。

1.3　铁路数据定价需求

数据资产市场化的关键，是在精准界定所有权的基础上构建完善的数据资产权利体系与定价机制，以释放数据价值，扩大交易规模，最终实现数据作为生产要素的市场化流动^[15]。国铁集团在信息化建设中，围绕数据处理、资源共享、挖掘分析、可视化等方面开展了系列探索与应用。现有数据共享及外部交换模式，已难以满足铁路规划建设、运输生产、经营开发及社会融合多元需求，由于数据应用缺乏量化标准，铁路数据的市场化流转潜力尚未释放^[16]。

（1）战略规划建设需求。新质生产力以创新为主导，其蕴含的高科技、高效能、高质量数据应用特征，必然成为产业发展的主流方向^[17]。铁路规划建设中以创新为主导实现高科技、高质量、前瞻性规划项目的实施，高度依赖数据支撑。无论是铁路内部经营数据，还是与社会发展的交换数据，均需要通过成本化管理转化为数据资产。

（2）运输生产领域需求。随着科学技术进步，铁路运输生产的多元化经营管理手段不断完善，以科技引领的降本提质增效需求持续提升，数据支撑成为跨专业融合发展的核心驱动力，打通数据壁垒是实现联合指挥和智能作业的基础。在运输领域的深化发展中，专业间数据供给量的核算将成为科技驱动跨专业融合的关键。

（3）经营开发应用需求。交通运输网络作为经济发展的纽带，人流、物流数据已成为经营开发的核心资源。铁路运输作为国家交通物流体系的支柱，其数据蕴含的价值不可估量，科学合理的铁路数据定价机制，不仅能精准体现数据价值，满足经营开发的量化应用需求，更能通过数据资产化交易降低社会物流成本。

（4）社会融合发展需求。铁路生产数据在系统内部，其经营数据作为企业核心资产，在社会经济发展监测、交通规划设计、商业服务创新及民生保障等领域，均依赖数据支撑^[18]。唯有将铁路数据深度融入社会发展生态，才能在服务国家发展战略、推动经济社会发展和改善民生福祉中发挥更大作用。

2　铁路数据定价体系的构建

铁路数据资产化体系的构建，以数据基本属性为基础，涵盖数据名称、来源、规模、产生时间、更新时间、类型、呈现形式、时效性及应用范围等要素^[19]，并重点梳理数据价值影响因素开展评估。结合铁路数据的业务特征与应用场景，其价值影响因素可归纳为技术、质量、应用商业模式及风险4类^[20]。通过量化分析各因素对数据资产价值的作用强度，结合商业模式对铁路数据进行分类，构建评价指标体系与定价模型，制定差异化定价策略，最终形成科学合理的铁路数据定价体系。

2.1　构建铁路数据评价指标体系

铁路数据评价指标体系由一系列反映铁路数据本质特征、界定其内涵外延并相互关联的指标构成。结合铁路数据独有的系统性、专业独立性、自然垄断性、交通动态性、积累与可操作性特征，可以将其评价指标体系划分为成本价值、标的价值和增值价值3类。铁路数据评价指标体系如图2所示。

2.1.1　成本价值

成本价值指铁路客货运输过程中，对数据在产生、存储、交换、汇集、检索、分发、转移、保护等环节产生的基本消耗，可分为作业成本、运维成本和管理成本3类。

（1）作业成本。指数据形成过程中的作业所产生的成本，构成成本价值核心部分。

①数据规划成本是为挖掘数据规律，建立面向实际业务的数据系统架构，在数据生命周期整体规划所投入的成本，主要为相关资源统筹配置产生的费用。

②数据采集成本是数据从产生、记录到清洗、校验、分类存储过程中产生的成本，包括主动申请采集和被动留存加工产生的成本。

③数据核验成本是指通过多方验证、逻辑校验等手段确保入库数据客观性与一致性产生的成本，主要包括资源整理、清洗挖掘、检验评估等核验环节的费用支出。

④数据标识成本是指从数据中提取关键要素信息，定义源数据描述进行标识，以便于后续转化利用产生的成本。

（2）运维成本。是数据产生后运营维护产生的成本，主要包括数据存储、整合、维护及设备折旧成本。

①数据存储成本是数据入库后持久化存储，以及构建、优化数据存储库产生的费用。

②数据整合成本是指对具有相同特性或内容的信息进行清洗、合并，减少重复数据以提高数据挖掘效率过程中，数据资源整理、清洗、重构产生的费用。

③数据维护成本是指通过优化数据存储设计，确保数据系统安全、可靠运行过程中，数据优化、清洗、备份、修正、迁移、应急处置等环节产生的费用。

④设备折旧成本是承载数据硬件设备在使用过程中因损耗转移到产品成本中的价值。

（3）管理成本。指保障数据日常管理产生的费用，一般包含管理人员成本、间接保障成本和服务外包成本，一般通过统计分析核算。

①管理人员成本指数据资产规划、采集、运维及服务过程中，管理保障人员的支出，包括劳动报酬、保险、培训等人工成本。

②间接保障成本指数据建设、运维及服务中，无法直接计入成本而需通过分配方法归集的费用，包括不直接参与生产的信息支持、法律保障、突发问题处理等费用。

③服务外包成本指通过专业服务商承接非核心业务，利用外部专业化资源降低成本、提高效率、增强核心竞争力与应变能力产生的费用。

2.1.2　标的价值

标的价值是数据实物化呈现形式的价值体现，由数据质量、供需匹配及数据公开风险等要素综合反映。其核心是对数据资产化后的时效性、完整性及关联性等属性的综合评估，这些属性在时间、频率、精准度、规模、敏感性等方面直接影响数据在不同应用场景下的价值水平。数据的标的价值最终通过质量、应用、风险等维度的差异化体现数据在特定交易场景中的核心价值。

（1）产品研发成本。指从海量数据中通过算法挖掘潜在价值信息过程产生的成本。

数据产品研发成本=产品设计工作量×设计单价+工具研发工作量×研发单价+数据挖掘工作量×挖掘单价

（2）统计分析成本。指采用特定工具与方法对收集来的数据进行处理，通过汇总、解读、整合形成高质量信息并得出结论，实现数据深度研究和概括总结过程产生的成本。

统计分析成本=工具研发工作量×研发单价+统计分析实施工作量×采集单价

（3）市场营销成本。指在数据产品的创造、沟通、传播和交换过程中，为客户、合作伙伴以及社会带来经济价值的活动产生的成本。

市场营销成本=营销策略制定工作量×咨询单价+营销策略实施工作量×实施单价

（4）风险控制成本。指在数据产品开发过程中，运用数据建模手段对数据产品进行风险提示和控制而产生的成本。数据采集、预处理、产品设计、数据挖掘、统计分析、营销策略制定实施、风控建模及策略制定实施过程，可通过工作分解结构法(WBS)进行任务拆解，最终分解成单项工作，把每项工作分配到岗位日常工作中形成工作清单，作为工作量价值标的。

风险控制成本=(风控建模工作量+风控策略制定工作量)×咨询单价+风控策略实施工作量×实施单价

2.1.3　增值价值

增值价值是数据在可利用程度与价值潜力的综合体现。数据在使用范围、使用方式及不同场景中通过深度分析与挖掘，实现价值创造和溢出效应，为企业生产经营赋能，催生新的利润增长点或成本节约项，通过驱动生产组织、业务模式、效率体系等变革，最终形成超越数据本身的溢出效益。

2.2　铁路数据定价模型构建

基于铁路数据资产价值的生成逻辑，从数据产生、数据价值及数据量3个主要因素切入^[21]，通过数据汇集、检索、共享等全流程管理，以成本价值、标的价值、增值价值分类为框架，构建数据拥有方可控、安全有保障的铁路数据体系架构^[22]，结合标的参数和增值参数，分2步构建铁路数据基础价值模型和铁路数据动态定价模型，构建铁路数据定价模型。

2.2.1　铁路数据基础价值模型

以数据评价指标体系的指标为基础，借鉴数据仓库技术(Extract-Transform-Load，ETL)的数据集成原理，对数据进行提取、转换及加载，引入重置成本系数和数据质量系数，构建铁路数据转变为资产的基础价值模型。模型在分类核算数据资产财务成本基础上，加入反映数据质量水平和重置成本的修正因子，确保评估结果的精准性和实用性。

TC={\displaystyle \sum _{i=\mathrm{1}}^n}{K}_i=R{C}_{\mathrm{1}}\times \left(\mathrm{1}-{\beta }_{\mathrm{1}}\right)+R{C}_{\mathrm{2}}\times

\left(\mathrm{1}-{\beta }_{\mathrm{2}}\right)+\dots +R{C}_n\times \left(\mathrm{1}-{\beta }_n\right)(1)

式中：TC为数据资产基础总价值，指铁路数据的初始成本之和；K_i为i个独立岗位成本构成要素(i=1，2，\dots，n)；RC为数据源点重置成本，根据各岗位数据生产环节的特点，需要通过专家评估法对重置成本进行量化评估；\beta为非关联系数，根据数据价值使用时的关联度，在一定范围内进行专家评估获取，取值为0~1，所有关联岗位按照系数之和构成数据源点的基础成本，同时也可以作为定价应用的基础。

模型基于铁路联劳协作机制和工艺在一定程度上相对稳定的假设，例如货物运输数据与货运、车务、车辆、机务等专业的影响度在一定范围内的联系相对稳定，由此构成相对稳定的数据资产资源，故称之为基础价值计算模型。

2.2.2　铁路数据动态定价模型

铁路数据定价需综合考虑成本价值、标的价值、增值价值3类特征的差异化属性，尤其结合铁路数据的动态特征，通过引入标的价值和增值价值参数系数构建动态系数法价值评估模型。其中标的价值参数是从收益维度反映数据质量、应用场景及风险水平对数据价值的影响；增值价值参数是从市场供需维度反映铁路内外部市场环境对数据价值的动态作用。2类参数随应用场景与需求变化动态调整，以此规避单一评估方法的局限性，同时量化风险因素与增值维度对定价的综合影响。

P=TC\times (\mathrm{1}+u)\times (\mathrm{1}+t)(2)

式中：P为数据资产实际价值评估值；TC为数据资产基础总价值；u为标的价值参数；t为增值价值参数。

其中，标的价值参数重点针对数据质量、应用价值及数据风险对数据资产价值的影响；增值价值参数重点针对数据的使用范围、使用条件、使用场景等变化对数据资产价值的影响。标的价值参数、增值价值参数为相对动态变化系数，可以根据应用场景通过层次分析法、指标计算法和专家打分法计算获得。为保证交易的公开和持续性，参数系数相对稳定。

2.2.3　铁路数据定价体系的构建

铁路数据资产管理机构需依据数据的产生、应用和价值建立铁路数据定价和评估制度。首先按照来源(如国铁集团、所属单位、外部合作方)和用户类型(内部企业、外部企业、社会机构)进行分类，再分别以成本价值、标的价值参数、增值价值参数开展量化评估。其中成本价值基于一次性采集、处理及存储的全流程成本进行静态评估；标的价值参数和增值价值参数采用层次分析法、指标量化法、专家打分法确定各二级指标的权重与评分，结合铁路数据基础价值模型和动态定价模型模拟修调，形成铁路数据资产价值的综合评估结果。铁路数据定价流程如图3所示。

3　铁路数据定价体系的应用

3.1　应用场景

当前，铁路行业各法人单位的数据产生和共享，仍停留在业务协同层面，尚未实现数据资产价值化。铁路数据定价体系的构建，可以通过区分内部数据市场和外部数据交易场景，制定差异化数据交易策略。结合铁路数据流的闭环性、专业性特点，开展正反向价值验证，通过持续优化定价参数与交易机制，推动铁路数据从业务支撑工具向价值创造要素转化，最终实现数据资产管理水平与市场化运营能力的协同提升。

（1）内部市场定价应用。铁路数据在铁路系统内的定价可采用内部转移定价法，以解决铁路内各企业间的数据交换问题，按照定价模型进行成本和支出核算，推动预算管理，建立激励体系，优化配置资源，提升竞争优势，防患经营风险。通过完善铁路数据定价体系，为铁路数据全面资产化奠定基础。

（2）外部市场定价应用。外部市场数据资产的定价方法应满足市场多样化需求，铁路数据走向外部市场，应结合传统定价法、讨价还价定价法、专家定价法等。可以分为两部分：一是政府及附属的监测研究机构所需的公开数据以及对社会活动监测的服务数据，其对铁路数据的需求具有时效性、全面性特点，需在法律法规和合同约束下，提高铁路数据增值价值指数标准；二是为铁路规划设计服务的铁路数据，其对数据需求具有专业面广、经营决策性强的特点，要在按需提供的模式下按照商业模式在既定条件下进行交易。

（3）铁路数据交易方案。铁路数据在基础成本定价和动态定价模型的基础上，拓展形成铁路数据的价值体系，细分内外部需求市场后，形成了铁路数据交易的基本条件。但在实际应用中，需要根据专业特点、需求特点、交易类型等制定不同的定价方法，尤其在铁路数据走向市场初期，需要采取多元、灵活、科学、安全的方案，尝试在内部市场采取市场导向型转移定价方法；在外部市场采取成本导向型定价方法；开创性交易可以采用协商定价方法。

3.2　应用保障

当前，由于公共数据开放不足、安全隐私保护欠缺、数据质量不高等问题，知识数据获取与应用受限^[23]，而铁路数据具有独特且显著的定价交易试点优势。铁路数据定价和交易机制依循业务流程，在数据汇集、权限管理、数据共享等多个环节有序运作，进而延伸到市场交易，还需要从以下几点着手。

（1）成立铁路数据监管平台和协会，形成行业协同监管局面。一是以数据平台为中介的监管。网络交易平台既是数据交易和管理的平台，也是信用保障的平台和消费者保护的平台。因此，监管部门需主动介入平台建设过程并加强跨部门协作，使“平台”成为各个主体之间的媒介，形成交易链条。二是发挥行业协会在监管中的作用，建立起相互监督约束的行业协会，督促其建立自律机制。

（2）建立铁路数据交易争端仲裁机制，完善市场运营机制。铁路数据交易不可避免会出现争端问题，建立数据要素市场的争端仲裁机制，是推进数据要素市场快速发展的重要环节。建立健全规范的法律法规、政策评估机制及市场退出机制，人性化的售中、售后评价和投诉通道，可以使争端信息快速、有效传达，实现市场化经营目标，监管负面评价，及时制止违法违规交易。

（3）从理念、制度、技术、平台等层面着力，建立数据开放共享的标准。鉴于铁路数据的独特性，一方面应制定铁路数据安全脱敏标准，尤其在开放及分享应用大数据技术的过程中，突出铁路数据安全特性管理，制定安全规则和要求，保证数据在授权范围内实现安全共享与开放；另一方面应加强数据共享标准管理。建立满足交易数据完整性、准确性、时限性、可溯性等市场需求的标准，客观分析数据，形成数据安全性、可控性制度。

（4）建立数据定价指导机制，促进数据市场有序良性竞争。推进试点运行定价机制，分类分型定价。例如，对于排他性数据统一制定上下限制的指导价格，防止不良竞争；对于普适性较强的数据，以推动市场自主发展、构建良性竞争格局为主；对于新兴涌现的数据，由政府制定指导方针和一定的政策扶持，助力市场快速形成公允的定价，同时留出一定的保护期，逐步形成良好的市场竞争环境。数据交易成果按照重要财务收支予以关注。

4　结束语

铁路数据市场定价进程不是一蹴而就的，需要市场参与的多方主体统筹协调发展，既要有基于国家政策的指导和市场建设的原则性意见，又要有刺激市场发展的举措，利用不同口径铁路数据的分类，按照铁路资产数据价值，初步确定基础成本定价模型。结合铁路数据特点，确定基于动态定价法的铁路数据价值评估模型，通过铁路数据要素内外部流通保障需求，推进和完善数据管理顶层设计，使铁路数据市场化发展有法可依，促进铁路数据共享意愿，形成铁路数据的投入、产出链条，为铁路数据的市场化奠定基础。

参考文献

[1] 王守义. 数据要素价值化、实体企业数字化转型与全国统一大市场构建[J].思想战线，2023，149(5)：149-157.

[2] WANG Shouyi. Value of Data Resources，Digital Transformation of Real Enterprises and Construction of A Unified Domestic Market[J].Thinking，2023，149(5)：149-157.

[3] 汤道生，徐思彦，孟 岩，等. 产业区块链[M].北京：中信出版社，2020.

[4] 谢 康，吴 瑶，肖静华. 基于大数据合作资产的适应性创新[J].北京交通大学学报(社会科学版)，2020，19(2)：26-38.

[5] XIE Kang， WU Yao， XIAO Jinghua. Adaptive Innovation with Big Data-Based Cooperative Assets[J].Journal of Beijing Jiaotong University (Social Sciences Edition)，2020，19(2)：26-38.

[6] 中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见[EB/OL].(2022-12-19)[2024-03-18].

[7] 欧阳日辉，杜青青.数据要素定价机制研究进展[J].经济学动态，2022(2)：124-141.

[8] OUYANG Rihui， DU Qingqing. Research Progress on the Pricing Mechanisms of Data[J]. Economic Perspectives，2022(2)：124-141.

[9] 王欣亮，张家豪，刘 飞. 大数据是经济高质量发展的新引擎吗？[J].统计研究，2023，40(5)：103-119.

[10] WANG Xinliang， ZHANG Jiahao， LIU Fei. Is Big Data a New Engine for High-Quality Economic Development[J]. Statistical Research，2023，40(5)：103-119.

[11] 李文文，苟娟琼，穆文歆. 基于价值驱动的铁路数据服务能力提升策略研究[J].铁道运输与经济，2023，45(9)：112-118.

[12] LI Wenwen， GOU Juanqiong， MU Wenxin. Research on Value-Driven Improvement Strategy of Railway Data Service Capability[J].Railway Transport and Economy，2023，45(9)：112-118.

[13] ZHANG D， PENG Y， XU Y，et al. A High Speed Railway Network Dataset from Train Operation Records and Weather Data[J]. Scientific Data，2022，9(1)：244.

[14] 孟祥爱，晋旭博，李许增.基于区块链技术的铁路货运数据治理策略[J].工业控制计算机，2021，34(7)：124-125.

[15] MENG Xiangai， JIN Xubo， LI Xuzeng. Railway Freight Data Governance Strategy Based on Blockchain[J].Industrial Control Computer，2021，34(7)：124-125.

[16] 王 杰.铁路数据管理关键技术研究[J].东南大学学报(哲学社会科学版)，2016，18(12)：66-68.

[17] 王 煜，黄 磊. 铁路数据内外部确权方案研究[J].铁道运输与经济，2020，42(10)：92-97.

[18] WANG Yu， HUANG Lei. A Study on Internal and External Rights Confirmation Scheme of Railway Data[J].Railway Transport and Economy，2020，42(10)：92-97.

[19] 杜小勇，李　彤，卢　卫，等. 跨域数据管理[J].计算机科学，2024，51(1)：4-11.

[20] DU Xiaoyong， LI Tong， LU Wei，et al. Cross-Domain Data Management[J].Computer Science，2024，51(1)：4-11.

[21] 梁 洁，冯 琼. 统一大市场背景下数据要素资源集聚对物流业效率的影响[J].商业经济研究，2023(18)：81-84.

[22] 刘光强. 数据资产赋能企业高质量发展的价值创造逻辑与路径[J].财会通讯，2024(4)：1-12.

[23] 陆岷峰. 构建我国微观主体数据资产市场化管理体制与机制的研究[J].南都学坛(人文社会科学学报)，2021，41(5)：92-100.

[24] LU Minfeng. Toward Constructing Data Assets Marketization Management System and Mechanism for Micro-Entities in China[J]. Academic Forum of Nandu(Journal of the Humanities and Social Sciences)，2021，41(5)：92-100.

[25] 财政部推动强化企业数据资源会计信息披露：数据资源“入表”，明年起实施[EB/OL].(2023-08-24)[2024-03-18].

[26] 习近平的新质生产力“公开课”[EB/OL].(2024-03-08)[2024-03-18].

[27] XIE Z， YUAN M， ZHANG F，et al. A Structure Identification Method for Urban Agglomeration Based on Nighttime Light Data and Railway Data[J]. Remote Sensing，2022，15(1)：216.

[28] 中国资产评估协会.资产评估专家指引第9号：数据资产评估(中评协(2019)40号)[Z]. 北京：中国资产评估协会，2019.

[29] 丁传琛.铁路数据价值评估方法初探[J].铁道经济研究，2023，174(4)：16-23.

[30] DING Chuanchen. An Initial Exploration of Methods for Value Evaluation of Railway Data[J].Railway Economics Research，2023，174(4)：16-23.

[31] 吴 江，马小宁，邹 丹，等. 基于AHP-FCE的铁路数据资产价值评估方法[J].铁道运输与经济，2021，43(12)：80-86.

[32] WU Jiang， MA Xiaoning， ZOU Dan，et al. Value Evaluation Method for Railway Data Assets Based on AHP-FCE[J].Railway Transport and Economy，2021，43(12)：80-86.

[33] 代明睿. 基于区块链技术的铁路数据汇集共享体系架构研究[J].铁道运输与经济，2020，42(11)：80-85.

[34] DAI Mingrui. Architecture of the Railway Data Collection and Sharing System Based on Blockchain[J].Railway Transport and Economy，2020，42(11)：80-85.

[35] 顾天安，刘理晖，程 序，等.我国构建数据要素市场的挑战与建设[J].发展研究，2022(1)：44-51.

基金资助

中国国家铁路集团有限公司科技研究开发计划课题(2023F006-B(JB)┣2023BZ01)

中国国家铁路集团有限公司科技研究开发计划课题(2024BZ02)