列车运行实绩大数据分析及应用前景展望

基于京沪高铁一个半月的列车运行实绩数据,分析得出列车实际区间运行时分和停站时分的分布特征、列车区间运行时分与发车晚点之间的关系、列车停站时分与到站晚点之间的关系,阐述了大数据分析对优化列车运行图编制和辅助调度指挥工作中的作用,并展望列车运行大数据分析的应用前景。

基于高速列车运行实绩的致因-初始晚点时长分布模型

高速列车初始晚点时长分布模型是行车指挥决策及相关理论研究的基本依据,具有重要的理论和实践意义。本文基于广铁集团高速列车运行实绩,研究不同致因情况下初始晚点时长的分布模型。以2014—2015年高速列车初始晚点时长为建模数据,通过Kolmogorov-Smirnov检验比选5类典型模型对不同致因导致高速列车初始晚点时长分布曲线的拟合效果,运用R软件对模型参数进行极大似然估计。研究发现:对数正态分布模型拟合效果最优;韦伯分布模型、伽马分布模型拟合效果较好。以2016年初始晚点时长数据进行模型校验,以2014—2016年数据进行双样本同分布检验,结果表明对数正态分布模型总体上能够满足校验数据的拟合度要求,也能通过双样本同分布检验。

铁路列车运行冲突检测与消解理论研究综述

为解决列车运行冲突管理问题,提升铁路运输组织效率,基于列车运行冲突基本概念,综述列车运行冲突检测及消解的传统数学模型及数据驱动模型;分析传统数学模型存在的不足,提出运用机器学习和深度学习方法研究列车运行冲突与检测问题的趋势。结果表明:传统数学模型大多基于抽象模型和简单假设,较难处理实践中的大尺度复杂问题,这些模型的试验结果与运输生产实践仍有较大差距;智能计算和机器学习数据驱动模型以列车运行实绩为基础,更加贴近运输生产及实践。

高速铁路列车晚点时间实时预测的神经网络模型

准确地预测高速列车晚点时间对提高高速铁路实时调度指挥水平及运输服务质量有重要意义。以武汉-广州高速铁路(HSR)列车运行实绩数据为基础,建立基于循环神经网络(RNN)的列车晚点预测模型。该模型中,按照列车实际运行顺序输入RNN以利用其反馈机制学习到相邻列车间相互作用关系。基于平均绝对误差(MAE)以及平均绝对百分误差(MAPE)评估模型的预测能力。结果表明:提出的深度学习模型预测精度明显高于人工神经网络、支持向量回归及马尔科夫等已有列车晚点时间预测模型。

高速铁路初始晚点致因-影响列车数分布模型

为了研究高速铁路列车晚点严重程度,基于统计建模方法建立了高速铁路列车初始晚点不同致因情况下影响列车数的分布模型.首先基于中国铁路广州局集团有限公司的高速铁路列车运行实绩,以2014年至2015年高速列车初始晚点影响列车数为建模数据,比选了5类备选模型对初始晚点影响列车数分布曲线的拟合优度;其次运用R语言估计了模型参数并建立了初始晚点致因-影响列车数分布的逆模型;最后对模型可行性进行了卡方检验,并运用2016年高速列车运行实绩数据进行Kolmogorov-Smirnov双样本检验.研究结果表明:每类致因的逆模型精度都能够通过0.05的显著性水平检验,所建立的分布模型与校验数据是同分布,模型预测结果对初始晚点原因的实际影响列车数匹配度在97%以上.

数据驱动的列车晚点传播研究

为分析和总结铁路列车晚点传播问题的最新进展,深入研究数据驱动方法的应用情况,首先,阐述晚点传播问题内涵,了解晚点传播过程;其次,简要分析基于传统数学模型驱动的晚点传播研究情况;然后,重点综述列车晚点传播的数据驱动模型,针对晚点预测和晚点恢复2个关键问题,分析统计模型、智能计算和机器学习3类数据驱动方法的应用情况;最后,总结已有研究存在的4方面不足,指出未来研究的趋势。结果表明:基于人工智能、深度学习构建列车晚点传播及恢复模型可以辅助调度员提高调度决策质量,降低调度员工作负荷。

武广高速铁路列车晚点恢复时间预测的随机森林模型

基于列车运行实绩的列车晚点恢复模型是铁路晚点管理的重要内容,是运行图优化和行车指挥的理论基础和依据。为了研究高速列车初始晚点恢复的机理,进行初始晚点恢复预测,本文以武广高速铁路列车运行实绩数据为研究基础,将列车在初始晚点站的晚点时间(PD)、列车晚点后经停各站的总停站缓冲时间(TD)、列车晚点后经停各区间的总区间缓冲时间(RB),以及标识列车是否晚点通过株洲西—长沙南区间的0-1变量(ZC)作为自变量,运用R语言编程建立了以晚点恢复时间(RT)为因变量的高速列车初始晚点恢复随机森林回归模型。对275个测试集数据的预测结果表明:模型允许误差在3min情况下,模型的预测精度能达到90%以上。随机森林模型与多元线性回归模型、支持向量机模型的对比表明,随机森林模型具有最优的预测精度。

基于GBDT的列车晚点时长预测模型研究

准点率是衡量英国铁路服务质量的关键指标之一。列车晚点时长的准确预测,尤其是旅客列车,对调度指挥工作具有重要意义。基于对英国WCML列车实际运行数据分析,提出一种列车晚点时长预测方法:通过时间事件图分析影响晚点的因素,交叉验证法确定模型重要参数,以列车的车站晚点偏差值为自变量建立晚点时长预测的GBDT模型。对测试数据集的预测结果表明,允许误差3min以内,模型预测精度达到99.76%。决策树模型、随机森林模型、基于默认参数的GBDT模型预测结果对比表明,调整参数后的GBDT模型预测精度更高,性能更优。同时基于预测模型的重要度排序,得到影响列车晚点的关键因素为列车前一站的晚点偏差值。

铁路列车调度指挥系统数据仓库体系结构的研究

为促进铁路运输信息化管理和智能调度的发展,结合我国铁路列车调度指挥系统的结构,在分析列车运行实绩数据的构成和信息流的基础上,提出由数据采集层、数据服务层、业务逻辑层和应用层组成的铁路列车调度指挥系统数据仓库的体系结构。以铁路列车调度指挥系统的基础数据、列车运行实绩和行车操作数据为数据源,通过操作数据库实现数据的预处理、转换和加载。通过建立概念模型,建立维度表和事实表,设计星型结构的数据仓库。基于业务逻辑和需求分析,构建列车运行实绩数据立方体,实现不同层次的数据分析和展现,为铁路列车调度指挥系统数据仓库的设计和方案提供参考。

高铁故障晚点时间预测的支持向量回归模型

为准确预测高速铁路(HSR)列车故障引起的总晚点时间,基于广铁集团高速铁路列车晚点实绩数据,分别运用软间隔支持向量机回归(ε-SVR)和容错比支持向量机回归(ν-SVR)方法以初始晚点时间、影响列车数、晚点致因为自变量,总晚点时间为因变量构建SVR模型。使用测试数据进行模型预测能力评估,结果表明:在20%相对允许误差范围内,ε-SVR和ν-SVR模型的预测精度均超过了0.8,且ν-SVR模型的预测精度要高于ε-SVR模型。

基于梯度提升回归树的武广高铁区间晚点恢复策略研究

晚点列车区间恢复策略的智能推荐是高速铁路调度指挥自动化的关键技术,对于提高调度员决策效率,提升高速铁路运营控制水平具有十分重要的意义。基于武广高速铁路列车运行实绩数据,运用梯度提升回归树算法(GBRT),以晚点列车进入区间时间、晚点时长、图定运行时间、最短运行时间、历史平均运行时间、前车到达间隔约束和图定到站时间约束为自变量,构建区间晚点恢复策略的预测模型。使用测试集数据对模型进行验证评估,结果表明:模型在测试集上的预测平均绝对误差接近0.5 min,在允许误差不超过2 min的情况下,其预测精度达到95%以上;模型对比评价表明,GBRT模型的预测精度优于随机森林和多元线性回归等常用模型。

一种调度区段晚点时长的神经网络预测模型

晚点是区段内列车运行受到扰动后出现的时刻表偏移现象,为分析和预测晚点的发生,相关研究通常采用晚点传播分析、实绩数据统计的方法改善模型输出结果。在现有分析方法的基础上,设计了初始晚点和连带晚点的分类方法,将列车在调度区段的开行转化为有向图表示,并通过分析有向弧内的计划时间饱和度,实现了晚点的分类与传播路径的确定。在分类方法提供的数据基础上,提出了晚点预测模型,采用反向传播神经网络预测晚点时长。组合模型使用北京铁路局某调度区段的实际运行数据进行验证,结果表明允许误差为5 min时,神经网络的晚点时长预测准确率为85.5%,网络受突发事件影响较大,模型拟合复杂数据关系的能力需要进一步改善。

高速列车晚点传播的SIS传染病模型

晚点传播理论是铁路列车运行图优化和行车指挥的基础理论。本文基于武广高速铁路运行实绩,建立晚点传播的SIS传染病动力学模型,并根据平稳性理论探索系统内晚点传播的最终趋势。模型通过晚点有效传播率、治愈率、增晚率和恢复率四个指标将状态变量和过程变量相结合,刻画了晚点传播的完整演变过程。系统内基本再生数小于传播阈值,因此在无重大干扰的情况下,预测晚点情况将逐渐恢复。

基于LightGBM算法的沪蓉高铁列车晚点动态预测

高速铁路列车在运行过程中容易受到外部环境的干扰,由于干扰具备随机性、突发性和复杂性,导致列车晚点传播较快,影响范围较广。实现列车晚点精准预测对于提高调度指挥智能化水平具有重要意义。基于沪蓉高速铁路2020年全年列车运行实绩数据,运用LightGBM(Light Gradient Boosting Machine)算法,对列车运行过程中的时间相关特征、历史统计特征、前车相关特征以及其他特征等进行分析,按照影响程度提取重要特征,分别实现列车到达晚点预测和列车出发晚点预测。通过训练集数据调整算法中相关参数,结合动态预测流程实现客运列车全程到发晚点预测;使用测试集数据对模型进行验证评估。结果表明,在允许误差不超过3min的情况下,模型预测精度达到90%以上。同时与多元线性回归模型和XGBoost模型对比,结果表明LightGBM模型预测效果良好。

基于晚点恢复效率最大的高速铁路冗余时间优化模型

研究冗余时间利用效率,分析冗余时间与晚点恢复之间的关系,对高速铁路列车运行图优化具有重要意义。本文基于武广高速铁路列车运行的实绩,建立基于晚点恢复效率最大的高速铁路冗余时间优化模型。首先分析武广高铁下行计划运行图,提取相关区间、车站冗余时间利用情况,分析各站到发晚点情况,运用岭回归模型,建立基于列车晚点恢复效率最大化的冗余时间布局模型,并用遗传算法求解,优化后晚点恢复效率平均提高了26%。