基于属性相关分析与聚类的铁路列车时刻表非均衡数据集预处理方法

在铁路列车运行图调整日趋频繁的背景下,列车时刻表数据集具有数据量大、属性多、不同车次时刻表记录数量差异较大、相同车次时刻表记录属性值相似的特点,列车时刻表数据分析和挖掘面临着数据集不均衡问题。为此,提出基于属性相关分析与聚类的铁路列车时刻表非均衡数据集预处理方法,依据列车时刻表属性与列车运营指标(客座率)的相关分析,可有效合并蕴含冗余信息的相似数据,降低数据集中此类相似数据的占比,可削弱非均衡数据集对后续数据分析的不利影响,并能保留数据所蕴含的主要信息,减少过多相似数据对数据分析模型应用效果的不利影响,提高模型的预测准确度。     

基于层次分析法的全路客运车站等级评定研究

针对现有铁路客运车站等级评定中相关评价因素考虑不够全面,不能客观、合理地评定全路客运车站重要程度的难题,研究建立一种基于层次分析法的全路客运车站等级评定模型,综合考虑车站服务能力、资源条件、客流吸引力以及在路网中的地位等多方面因素;采集和整理全路所有客运车站的客运历史数据,使用R语言工具与数据库技术建立该模型,计算生成全路客运车站等级,并对等级评定结果进行分析。目前,由该模型计算生成的全路客运车站等级评定结果具有较强的实用性与参考价值,已在列车开行方案与运行图评估、铁路企业客票收入预算管理等多项业务中得到应用和验证。