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。

Setting Method of Rail Transit Real-time Passenger Flow Alarm Threshold Based on Isolation Forest Algorithm