高速铁路故障分类及其影响列车数模型

准确衡量高速铁路(HSR)系统故障的影响,对于提高高速铁路行车调度指挥水平和运营管理质量具有重要意义。基于武汉—广州高速铁路列车运行实际数据,提取故障影响晚点列车运行序列;运用K-Means聚类算法根据故障自身及运行图特征将其聚为4个不同类别,利用5类常见分布模型对训练集影响列车数分布进行拟合;以柯尔莫可洛夫-斯米洛夫(K-S)检验结果为模型拟合优度的比选依据,建立高速铁路故障影响列车数分布模型。测试集数据对拟合模型校验结果表明:测试数据集分布与拟合的最优模型分布一致,所建模型可以用于高速铁路实时调度指挥过程中故障影响列车数的估计。

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。

高速铁路故障时空分布及持续时长分布特征研究

研究故障的频率特点及持续时长对实现高速铁路(HSR)故障的预测以及提高实时调度指挥水平具有重要作用。基于我国高速铁路2014—2015年故障发生实际数据,分析多条线路故障发生频率的时空分布特点;将故障根据其致因类型分为7大类别,统计分析每类别故障持续时长,探索各类型故障持续时长的分布特征;利用对数正态分布、韦伯分布以及伽马分布拟合各类型故障持续时长,并通过柯尔莫可洛夫-斯米洛夫(K-S)检验方法对各模型拟合效果进行检验。结果表明:故障频率分布具有明显的时空差异性;对数正态分布是拟合度最好的模型,各类故障持续时长均可认为服从对数正态分布。

英国公众对搭乘高速铁路出行的态度和看法

随着英国高速铁路(HSR)的计划扩张,预计未来几十年,长途出行的需求将大幅增加。本文针对英国民众对采用高铁长途旅行的态度和看法进行了研究。研究以问卷调查的方式,对长途旅行和采用高铁的态度、旅行特征及当前旅行行为的重要性进行了调查。对46种态度的影响因素进行分析总结出了6个因素,分别为:出行安全、公路和航空旅行的改善、提高高铁的影响力、舒适性、高铁的负面影响以及旅行时间的有效性。分析结果显示:(1)各因素之间存在显著的人口统计差异和旅行特征差异。(2)居住在拟建高速铁路附近的居民,对通过采用高铁出行会有更消极的态度,从而会降低他们采用高铁出行的概率。(3)公众对节省出行时间付费的意愿与许多旅行特征相关,但时间的有效性也很重要。这些调查结果是根据如下因素考虑的:态度动态变化理论、对旅行和可持续发展的看法、对未来高速铁路政策的影响,其中重点考虑了增长的票价和旅行时间效用之间的平衡。

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。