基于孤立森林算法的轨道交通实时客流告警阈值设定方法研究

在轨道交通客流实时监视业务中,车站实时客流告警的目的是帮助业务人员快速、准确地定位到网络中可能存在大客流风险的车站,达到提示预警的作用。如果告警阈值偏小,则告警频率会增加,使业务人员无法准确判断最需要关注的大客流风险车站,并对告警提示产生麻木心态;如果报警阈值偏大,则车站的突发大客流风险有可能未被监测到,从而无法及时采取应对措施。因此,需要提出一套科学、合理、适用性强的告警阈值。研究利用传统统计学方法和基于孤立森林的异常检测方法训练设定告警阈值,并通过应用效果测试验证对两种算法进行比选,确认利用孤立森林异常值判别思路训练的告警阈值更满足业务目标。研究成果按照“一站一方案”“一个时段一方案”的原则,为北京市轨道交通指挥中心路网调度指挥平台提供车站实时进站量与出站量告警阈值,支撑客流实时监视与大客流风险预警。     

基于轨迹数据的货车自发编队节油潜力估计

为探索最大编队长度和路网中行驶货车数目对自发编队的影响以及评估真实世界自发编队油耗节省潜力，提出了既可保证一定程度的搜索又能防止为过分追求更大编队长度而花费较长时间等待的动态时空搜索范围策略，利用辽宁省货车轨迹数据挖掘了多辆货车的最长公共子序列，并构建整数规划模型求解，获取最大节省油耗下的编队方案。结果显示：编队油耗节省会随着路网中行驶货车数目和最大编队长度的增加而增加，编队中车辆平均行驶距离和平均节省油耗最终分别收敛至一范围；编队行驶距离并不一定会随着允许最大编队长度的增加而增加，即自发编队最大油耗节省策略并非编队最大行驶距离策略；在不考虑时间搜索范围时，通过继续增大空间搜索范围可实现更多的燃油节省，但不考虑空间搜索范围时持续增加时间搜索范围却不能获得更多燃油节省；4000辆车的数据集进行自发编队时每天最多可节省燃油2026.21 L，最大允许编队长度为5辆比最大允许编队长度为2辆的车辆平均节省油耗最多可提升13.92%。将本文整套处理流程应用于更大规模的货车数据集，可组成自发编队的目标车辆将会显著增加，相应地也可减少更多的能源消耗和污染物的排放，具有很大的应用潜力。