基于KNN多模型融合的高铁列车晚点预测方法

高速铁路列车运行过程中,由各种外部环境干扰或内部设备故障引发的列车晚点问题对铁路调度指挥与运营管理带来了极大的负面影响。为了更好地把握列车晚点情况,及时调整列车运行图,提高铁路行车指挥与运输服务的质量,本文提出了一种基于KNN多模型融合的列车晚点预测方法。本文采用神经网络、支持向量机和随机森林等机器学习方法,通过对荷兰铁路不同时间下的列车运行数据进行预处理、特征提取和特征选择,训练出了三个独立的列车晚点预测器。为了利用不同机器学习方法的互补预测特性,同时提高在异常交通条件下列车晚点预测模型的整体性能,本文采用基于KNN的多模型融合框架对三种基本预测器进行融合。研究结果表明,基于KNN多模型融合的智慧列车晚点预测方法的预测精度明显优于独立的机器学习模型。