京沪高铁列车运行晚点预测方法研究

为快速、准确地掌握列车的运行状态及未来的运行趋势，需要对列车运行晚点预测方法进行深入研究。文章根据对北京—上海高速铁路（简称：京沪高铁）2020年列车运行数据的分析，包括停站时长对于晚点的影响及不同初始晚点时长下的传播车站数，提出了基于循环神经网络（RNN,Recurrent Neural Network）的全段预测方法，使用同步多对多模式的RNN模型作为基础模型结构，建立列车运行晚点预测模型。在特征值的选择上，采用集成梯度打分法，从多个特征值中选择12个最显著的变量作为模型自变量。采用该模型对京沪高铁2020年晚点数据进行验证，结果表明，该模型在验证集上5 min的误差范围内可以达到89%的准确率，该预测方法可以满足实际生产的需要，有助于调度部门进行科学决策，有利于提升铁路旅客服务质量。     

一种智能调度集中系统列车运行实时调整方法

智能调度集中系统中的列车运行调整业务，要求实时优化列车运行计划晚点时长。以此为目标，提出一种高实时性的列车运行调整业务数据处理方法，并基于不同的运输场景和调度操作，建立了约束规划模型；通过约束规划算法执行可递归检查流程，当列车运行计划状态变量不满足约束条件时，对调度操作进行调整，从而实现模型数据的更新。结合某调度区段的数据，计算采用约束规划模型的列车运行计划晚点时长，并与同等条件下采用整数规划模型的计算结果进行对比，验证了本方法对列车运行计划晚点时长具有较好的实时优化效果。     

基于深度强化学习DDDQN的高速列车智能调度调整方法

在高速铁路系统的日常运营中,列车经常受到各种突发事件的干扰而导致晚点,严重影响旅客出行体验。为在短时间内制定出列车运行调整方案并尽可能缩短列车晚点时间,提出一种将深度强化学习与整数规划模型相结合的列车智能调度调整方法(DDDQN)。首先,将线路划分为多个轨道区段相连接的形式,并基于车间作业调度问题,以最小化所有列车总晚点时间为目标,构建描述列车运行过程的整数规划模型。之后,将各列车视为智能体,根据实际运营需求定义了多智能体的状态、动作以及回报函数,并构造了2个深度神经网络以近似值函数。最后,结合上述整数规划模型设计了DDDQN的训练方法,先利用智能体在仿真环境中探索求出问题可行解,并通过2个神经网络之间的“互馈”机制,实现神经网络参数的更新。在此基础上求解整数规划模型,即可在短时间内得到问题最优解。利用京张高铁实际线路数据和运营数据进行仿真实验,通过比较3种不同求解方法在10个不同突发事件场景下得到的列车总晚点时间和求解时间,验证了所提出的DDDQN模型可以在短时间内得到问题的最优解,可降低至多30.43%的列车晚点时间以及至多68.33%的求解时间。DDDQN为提升高速铁路系统在突发...     

基于多阶段特征优选的高速铁路列车晚点预测模型

为克服大规模高维数据集不相关和冗余信息对列车晚点预测模型性能的影响，提出一种融合多阶段（MS）特征优选方法和改进深度神经网络（IDNN）模型的高速铁路列车晚点预测模型（简称MS-IDNN模型）。首先，利用MS特征优选方法，基于列车运行实绩提取影响列车晚点的相关特征，构建初始特征集，并对其进行数据清洗和特征优选，生成最优特征子集；其次，将列车晚点特征映射为IDNN模型的神经元，采取全连接方式提取特征间的交互关系，并叠加多个浅层神经网络以克服深度神经网络反向传播过程中梯度消失的缺陷，实现列车到达晚点的精准预测；最后，以武广高速铁路列车运行实绩为例，验证MS-IDNN模型的有效性。结果表明：相比初始特征集，构建得到的最优特征子集特征维度降低了54.29%；相比6种基线模型，MS-IDNN模型的平均绝对误差和均方根误差分别至少降低4.85%和8.97%，在沿线至少66.66%的车站中表现出更高的预测性能；MS-IDNN模型能够有效剔除数据集中的不相关和冗余信息，提升列车晚点预测精度。     

基于改进RF-XGBoost算法的列车运行晚点预测研究

为度量列车晚点造成的影响，将传统随机森林(RF)与极端梯度提升树(XGBoost)相结合，采用改进的RF-XGBoost算法对高铁列车运行晚点进行预测。以济青高铁为例，将其原始数据预处理并根据特征重要度排序，选取前7个参数组成晚点特征自变量，以预测到站晚点时间为因变量。将列车实际到达时间等7个特征变量输入RF-XGBoost预测模型中参与训练。前200次列车的晚点预测结果表明：预测晚点与实际晚点时间的曲线变化趋势大致相同。相较于XGBoost算法，本文提出的方法MAE和RMSE值分别降低60.5%与44.8%, R2值提高14.6%,且在允许预测误差5 min的范围内，精度达到97.78%,此方法拥有更优的晚点时长预测性能，对铁路实时调度与提升客运质量至关重要。     

基于约束规划方法的高速铁路调整优化模型

调度区段内的列车运行调整问题是大规模组合优化问题。针对运行计划调整算法计算效率的问题难点,设计一种基于约束规划方法的调整优化模型,将运行计划调整问题转化为有向图构建下的约束满足问题,围绕约束传递方法以及试错回退机制讨论运行图、车站股道条件的检查方法以及缓冲时间、列车越行调整策略,建立相同间隔时间、车站能力以及调度措施约束下的整数规划算法,用于对比优化模型效果。优化模型使用京津城际某月的实际运行数据,计算并对比多个干扰场景下不同模型的总晚点时长与计算耗时。通过数学实验结果验证优化模型减小晚点总时长的能力与高速计算特性。     

区段内列车晚点传播理论的研究

铁路运输企业如何适应运输市场需要，加速运输管理体制改革，已成为当前我国铁路运输企业改革的重要课题，作者认为，发达的运输市场经营机制，必要求有高标准的运输系统质量与之相适应，基于这一认识出发，本文强调了在我国长期被忽视的铁路运输列车工作质量问题，并通过对区段内各类运行列车组间第一层次和高层次列车晚点传播过程及其传播规律的研究，定义了列车后效晚点时间，必要列车运行图缓冲时间和列车运行工作时间质量指标等     

基于Tableau的高速列车晚点综合可视化

高速列车晚点综合可视化可以清晰呈现车站和区间的列车运行情况,对于辅助智能高铁调度决策具有重要意义.定义高速列车晚点分析的指标,给出各指标的计算方法.运用Tableau软件构建高速列车晚点综合可视化的显示界面,以沪昆高铁部分车站和区间为对象,对高速列车晚点情况进行可视化显示和分析.高速列车晚点综合可视化可以辅助行车人员快...     

旅客列车正晚点实时分析系统的设计与实现

针对旅客列车正晚点实时分析的现状和不足,提出基于列车调度指挥系统(TDCS)实际列车运行线数据,采用追溯的方法,研制具有全过程记录旅客列车运行轨迹线特点的旅客正晚点实时分析系统.重点介绍了系统的研制思路、总体框架、系统构成、功能及其关键技术.     

城市轨道交通大小交路套跑下列车晚点分析与行车调整策略探讨

城市轨道交通大小交路套跑运行时,大交路列车与小交路列车的晚点将相互制约、相互影响。文章基于小交路折返站采用站前单渡线侧进直出折返方式,根据列车折返作业流程,分析不同列车不同程度晚点下的行车调整制约点,建立列车晚点行车调整模型,提出相应行车调整策略,为行车调度人员在应对列车晚点情况下高效组织行车提供最佳决策。以厦门地铁3号线为例,探讨列车晚点下行车调整策略应用实施方案,相关研究对大小交路套跑晚点分析及行车调整具有借鉴意义。     

RBF神经网络在铁路货运量预测中的应用

基于回归和时间序列模型的传统预测方法以及目前较为常用的灰色预测和BP神经网络预测方法，建立了RBF神经网络模型对全国铁路货运量进行详细分析和预测。利用铁路货运量的原始数据构造时间序列，并对时间序列进行分析和相应的处理。将处理后的数据构造为一个非线性映射，利用RBF神经网络进行逼近。利用Matlab对灰色预测、BP神经网络预测和RBF神经网络预测模型进行仿真实验，得出3种预测模型的平均相对误差，分别为7.67%、4.79%和1.31%。表明RBF神经网络预测方法的预测精度比另外两种预测方法高很多，可为铁路货运量预测研究提供方法支撑。     

高铁沿线大风预测技术研究

风速预测是风致灾害预警的关键技术。针对高铁大风预测中延迟性和误报的问题,提出一种基于完整集合经验模态分解(CEEMDAN)和长短期记忆神经网络(LSTM)的组合预测模型对高铁沿线风速进行预测。为了减少预测模型的复杂度和提高模型预测精度,原始风速数据用CEEMDAN分解并利用样本熵(SE)理论将分解出的分量按照样本熵近似值重组成趋势、细节、随机三分量后用长短期记忆神经网络建立预测模型。以高铁沿线某段风速气象数据为例,实验结果表明,与其他预测方法相比,本方法可有效降低预测延迟性和提高预测精度,准确追踪风速的波动性和非线性非平稳的变化,性能更加优越。在高速铁路沿线大风预测中能够发挥良好的适用性,减少大风预警的误报或不报等情况的发生。     

基于改进LS-SVM算法的列车通信网络时延预测方法

由于通信网络诱导时延的存在会对列车牵引制动系统造成影响,因此对时延精准预测并实现补偿十分重要。提出了一种基于改进粒子群(PSO)算法优化的最小二乘法支持向量机(LS-SVM)算法对列车通信网络时延进行预测,搭建了列车网络控制系统半实物平台,使数据通过多功能车辆总线(MVB)进行传输,分别改变车辆控制单元(VCU)特征周期及负端口数量大小,以获取大量不同特性的时延数据。将数据分组后利用改进的PSO算法优化LS-SVM算法进行预测仿真。仿真结果表明,与传统的LS-SVM算法及Elman神经网络算法的预测方法相比,所提出的方法在列车通信网络的时延预测方面具有更好的快速性和准确性。     

基于多智能体的城市轨道交通列车延误仿真模型与应用

城市轨道交通列车延误处置方案制定是轨道交通运营管理的重要工作,处置方案的合理性是提高处置效率的前提,验证处置方案的合理性也是运营管理部门急待解决的问题。基于此,以多智能体（以下简称多Agent）理论为基础,分别构建乘客Agent、列车Agent、网络Agent及突发事件Agent的仿真模型;分析列车延误的多Agent仿真原理;以上海轨道交通2号线列车延误为背景,编写多Agent列车延误仿真程序,并对处置方案进行仿真分析,该模型已在上海轨道交通人民广场站大客流处置工作中得到了实际应用。     

灰色理论在铁路客运量预测中的分析研究

针对传统灰色预测模型存在对历史数据依赖性强、容错性小及抗干扰能力差的局限性，将无偏灰色理论与残差验证理论引入预测模型，从趋势曲线灰色拟合与状态分类方式上对传统灰色模型进行改进，提出无偏灰色预测铁路客运量方法；同时，对铁路客运量预测方法从定性预测和定量预测两个方面进行阐述并对其优缺点进行分析。依据建立的无偏灰色预测铁路客运量模型，以1997—2016年铁路客运量为基础数据，对铁路“十三五”时期的数据进行预测，通过残差检验和结果分析，其预测精度明显高于BP神经网络预测。     

基于BPNN-TD算法的城市轨道交通线网规模预测方法

科学预测城市轨道交通线网规模,对于轨道线网的规划建设与城市布局发展具有重要意义。基于轨道交通线网规模及其影响指标数据,综合两种模型优势,对城市轨道交通线网规模进行有效预测。首先,从政策、经济、城市规模、出行需求4个方面,简要分析城市轨道交通线网规模的影响因素,并利用相关性分析法,提取GDP、第三产业值、人口规模、建设用地规模、日均客运量等5个模型输入指标。其次,构建基于BP神经网络模型(BPNN)的城市轨道交通线网规模预测方法,在求解熵权向量的基础上,结合交通需求法(TD)调整预测结果。最后,以广州市轨道交通线网规模为例,以误差最小为目标,对模型的隐含层数、神经元数、激活函数等进行优化。研究结果得出:2023年广州市轨道交通线网规模预测值为745.2km,低于实际规划值5.9%,表明广州市轨道交通线网规模的发展规划仍存在调整空间,研究有助于在大数据背景下为城市轨道交通线网的规划设计提供理论支撑。     

城市轨道交通列车运行延误及其传播特点的仿真研究

城市轨道交通系统具有列车运行间隔小、站间距离短、车站线路布置比较简单等特点，一旦列车发生运行延误，其传播的速度快、影响范围大。本文在分析城市轨道交通列车运行延误发生的随机性特征的基础上，指出城市轨道交通列车运行延误具有直接性、快速性和双向性的特点以及基于这些特点的列车运行延误传播的两种表现形式，然后运用系统仿真的理论与方法，建立了基于列车运行图的城市轨道交通列车运行延误的仿真模型，通过设计合理的列车运行延误统计指标和仿真分析方案，以某城市轨道交通线路为背景进行仿真分析。通过仿真分析发现，列车运行延误及其传播主要与能力利用率、缓冲时间、备车数量以及辅助线数量等因素有关，并且这些参数之间应该保持一定的合理匹配关系。     

基于Verhulst-RBF的铁路客运量预测

为更准确地预测铁路客运量,采用灰色关联法,分析不同因素对铁路客运量的影响程度,确定主要影响因子,并将其作为预测指标,提出基于Verhulst-RBF神经网络的铁路客运量预测组合模型。基于四川省近14年的铁路客运量数据,进行组合模型测试。实验结果表明,Verhulst-RBF神经网络组合模型的预测精确度高于单一的Verhulst模型或单一的RBF神经网络模型。     

CTCS-3级无线通信网络设计中GIS与模型校正研究

GIS（Geographic information system,地理信息系统）近来常常应用在无线网络的规划和设计中,管理并处理有关的地理信息数据。从CTCS-3级列控系统无线网络的站址选择,传播模型选择及实施,场强测试分析,模型校正4个方面,研究了GIS在CTCS-3级列控系统无线网络设计中的应用。并针对铁路环境的特殊性,引入了一些新的方法,即根据传播环境特征选择对应的传播模型,基于传播环境分类校正传播模型,利用GIS发现无线覆盖盲区。结果表明,GIS几乎可以应用于CTCS-3级列控系统无线网络规划和优化的整个过程中。通过GIS的应用,可以大大提高CTCS-3级列控系统无线网络设计的效率和质量。