目前，我国地铁企业大多建立了自动售检票（Automatic Fare Collection，AFC）系统用于日常票务数据管理。随着时间的推移，AFC系统中的数据大量沉积并带来两个问题：一方面，海量历史数据不仅占用巨大的存储空间，而且查询效率极低；另一方面，地铁决策者越来越希望从这些历史数据中发掘有用的信息并充分利用，从宏观上把握企业发展方向。为解决以上问题，我们考虑建立一套数据存储/分析系统。首先，这套系统必须拥有足够的空间容纳十年级别的在线历史数据，才能充分反映数据的历史特征；其次，它必须高速响应每一个查询请求，否则将不利于它的推广应用；最后，它还应提供一种对数据的启发性展现方式，以便使用者自助式发现规律。现有的AFC系统显然无法充当这个角色，因为它属于纯业务系统，面向业务员而非分析员，设计中更多考虑的是提高并发性，所以不具备高效处理海量数据的能力。而数据仓库（Data Warehouse，DW）技术恰好满足我们的需求：其数据仓库引擎即是大型关系数据库管理系统，足以支持TB级数据的存储；独特的数据存储方式可保证海量数据的高速访问；其所包含的OLAP技术则可实现对数据的多维度分析、展示，为决策提供支持。通过分析比较，最终我们确定了建立一套独立的服务于地铁票务系统的数据仓库方案并进行了实施。广州地铁数据仓库项目现已在线试运行一年，装载了2005年至今总计10TB的票务数据，对外提供数十个票务分析主题，达到设计目标。该项目是数据仓库技术在城市轨道交通行业的首次应用，为今后其它城市地铁实施此类项目,特别是在架构及产品选择方面提供了参考。