武广高速铁路列车晚点恢复时间预测的随机森林模型

基于列车运行实绩的列车晚点恢复模型是铁路晚点管理的重要内容,是运行图优化和行车指挥的理论基础和依据。为了研究高速列车初始晚点恢复的机理,进行初始晚点恢复预测,本文以武广高速铁路列车运行实绩数据为研究基础,将列车在初始晚点站的晚点时间(PD)、列车晚点后经停各站的总停站缓冲时间(TD)、列车晚点后经停各区间的总区间缓冲时间(RB),以及标识列车是否晚点通过株洲西—长沙南区间的0-1变量(ZC)作为自变量,运用R语言编程建立了以晚点恢复时间(RT)为因变量的高速列车初始晚点恢复随机森林回归模型。对275个测试集数据的预测结果表明:模型允许误差在3min情况下,模型的预测精度能达到90%以上。随机森林模型与多元线性回归模型、支持向量机模型的对比表明,随机森林模型具有最优的预测精度。     

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。     

一种调度区段晚点时长的神经网络预测模型

晚点是区段内列车运行受到扰动后出现的时刻表偏移现象,为分析和预测晚点的发生,相关研究通常采用晚点传播分析、实绩数据统计的方法改善模型输出结果。在现有分析方法的基础上,设计了初始晚点和连带晚点的分类方法,将列车在调度区段的开行转化为有向图表示,并通过分析有向弧内的计划时间饱和度,实现了晚点的分类与传播路径的确定。在分类方法提供的数据基础上,提出了晚点预测模型,采用反向传播神经网络预测晚点时长。组合模型使用北京铁路局某调度区段的实际运行数据进行验证,结果表明允许误差为5 min时,神经网络的晚点时长预测准确率为85.5%,网络受突发事件影响较大,模型拟合复杂数据关系的能力需要进一步改善。     

基于高速列车运行实绩的致因-初始晚点时长分布模型

高速列车初始晚点时长分布模型是行车指挥决策及相关理论研究的基本依据,具有重要的理论和实践意义。本文基于广铁集团高速列车运行实绩,研究不同致因情况下初始晚点时长的分布模型。以2014—2015年高速列车初始晚点时长为建模数据,通过Kolmogorov-Smirnov检验比选5类典型模型对不同致因导致高速列车初始晚点时长分布曲线的拟合效果,运用R软件对模型参数进行极大似然估计。研究发现:对数正态分布模型拟合效果最优;韦伯分布模型、伽马分布模型拟合效果较好。以2016年初始晚点时长数据进行模型校验,以2014—2016年数据进行双样本同分布检验,结果表明对数正态分布模型总体上能够满足校验数据的拟合度要求,也能通过双样本同分布检验。     

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...     

基于改进差分算法的高速列车运行调整研究

为了压缩高速铁路列车运行的总晚点时间、编制高质量的列车运行调整计划,建立高速铁路列车运行调整模型,运用矩阵描述高速列车运行调整中的相关概念,以列车到发线数量、列车追踪时间间隔、列车停站时分等作为高速列车运行调整的约束,以列车在各站的到达的总晚点时间最少为优化目标,构建高速铁路列车运行调整模型。在分析基本差分算法差分策略的基础上,提出基于三角差分策略的高速铁路运行调整差分算法,给出详细的计算步骤。以京广高速铁路实际列车运行数据进行计算,验证了模型的有效性和算法的高效性、精确性。本文提出的基于新的改进的差分策略的高速铁路列车运行调整方法是合理可行的。     

基于超统计理论的高速铁路跨线列车晚点分布模型研究

精确描述高速铁路跨线列车晚点时长分布是准确计算跨线列车晚点引起的后效晚点的基础,也是精细化管理能力紧张的高速铁路的依据,具有重要的理论和实践意义。通过对高速铁路跨线列车晚点实绩数据的分析,运用超统计理论对列车晚点机理进行研究,构建跨线列车晚点时长q-指数分布模型。以2018年9月京沪高速铁路跨线列车晚点数据为样本,通过非线性回归拟合和Kolmogorov-Smirnov检验比较常见的正偏态厚尾分布模型及用于建模普速铁路列车晚点的指数分布模型对跨线列车晚点时长分布曲线的拟合效果。结果表明:q-指数分布模型相比于常见的正偏态厚尾分布模型,有更优的拟合效果,能更精确地描述高速铁路跨线列车晚点时长分布。     

多类干扰下的高铁列车运行调整优化模型

高速铁路列车运行实时调整一直是行车调度指挥工作中的重要核心任务之一.为解决有多种行车干扰事件(初始晚点、限速和到发线不可用)影响下的列车运行调整问题,针对准移动闭塞行车方式,基于替代图理论,兼顾车站进路调整约束,建立混合整数线性优化模型,设计两阶段近似求解算法,在600 s内可以实现列车变更到发线次数最少和列车晚点延误时间最短的列车调整方案的快速求解.研究结果表明:模型可以同时实现列车运行调整和列车径路优化,相比时间间隔法行车方式,该模型可以有效避免列车在闭塞区间的冲突;有初始晚点的干扰会加剧列车的二次晚点;列车限速值越低会指数型加剧晚点时间.     

列车运行实绩大数据分析及应用前景展望

基于京沪高铁一个半月的列车运行实绩数据,分析得出列车实际区间运行时分和停站时分的分布特征、列车区间运行时分与发车晚点之间的关系、列车停站时分与到站晚点之间的关系,阐述了大数据分析对优化列车运行图编制和辅助调度指挥工作中的作用,并展望列车运行大数据分析的应用前景。     

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。     

高速铁路列车运行调整的模型及其策略优化方法

在分析高速铁路列车运行调整决策特点的基础上,针对高速铁路列车运行调整的传统优化模型在求解效率方面存在的问题,以相邻且存在冲突列车所在的位置为状态,行车调度员可采取的调整措施为行动,列车加权总晚点时间为调度员采取行动所获得的报酬,构建高速铁路列车运行调整的马氏决策过程模型;分析高速铁路列车运行调整决策过程最优策略的结构,给出采取列车顺晚开行和越行调整等行动的最优策略条件,基于列车的越行矩阵、到开时刻矩阵、最小停站时间矩阵和区间标准运行时间矩阵的定义,采用极大加代数和矩阵推算列车到发时刻,并据此设计模型求解的策略优化方法。结合某高速铁路区段的实例计算结果表明:给出的模型和策略优化方法能取得较人工调整方法更好的优化效果,较数学模型优化方法可提高求解效率,从而验证了高速铁路列车运行调整的马氏决策过程模型和策略优化方法的有效性。     

基于全局冲突解析的高速铁路时刻表调整模型

面对高速铁路日常运输过程中不可避免的非正常事件扰动，如何快速疏解列车运行冲突并即时生成时刻表调整方案是列车调度指挥的关键问题。在分析列车运行冲突产生机理的基础上，首先探讨各类冲突的适用疏解策略，并建立相应的状态更新方程和适用场景约束；其次结合冲突主导性和冲突优先级的内涵解析设计树状冲突疏解机制。以全局冲突解析为基础，构建时刻表调整的双目标规划模型，采用帕累托最优和纳什均衡相融合的算法进行求解，并结合典型区间中断工况进行实证研究。结果表明本文所构建的解析与求解融合模型能够充分利用运行冗余适时采取疏解策略，和实绩运行图相比，调整方案下的影响列车数降低33.3%,站车累积加权延误减少49.7%。     

基于BP神经网络的动车组智能化控制和诊断研究

为解决因采集数据异常导致的列车控制的误动作和误诊断问题,对基于BP神经网络的动车组智能化控制和诊断方法进行了研究,建立了基于BP神经网络的预测模型,采用列车实际运行数据进行多次训练和参数调整,获取最优网络模型,结合该模型的预测值和实际值得到最终可信值,并融入到现有列车控制逻辑中进行控制和诊断。通过实验验证,采用训练模型的预测结果与实际采集值相比具有较高准确性,能够达到预测效果。实验结果表明,采用BP神经网络模型进行状态预测,并结合相关处理策略进行列车运行控制及故障诊断具有可行性。     

高速铁路车站股道运用与列车运行调整综合优化方法

股道运用是高速铁路车站作业组织的核心,车站股道运用与列车运行相互影响、相互制约。为缓解晚点对列车正常运行秩序的影响,以相邻若干高铁车站股道运用与列车运行调整综合优化为对象,统筹考虑各站股道、进路占用的唯一性及其最小安全间隔时间、车底周转计划等约束,以最小化列车到发时刻波动性和车站股道运用方案波动性为优化目标函数,构建综合优化模型;以列车在站到发时刻为纽带,设计基于模拟退火算法思想的综合优化算法,制订高速铁路车站股道运用与列车运行调整综合优化方案。算例表明：所提方法能快速解决线路级高速铁路车站股道运用与列车运行调整综合优化问题,有效降低股道运用站间影响及晚点对后续车站的影响;合理设置初始Markov链长有利于提高算法效率;立折旅客列车晚点对方案的波动性影响最大,终到、经停旅客列车的影响最小,在调整过程中应优先保证立折旅客列车的正点运行;若调度员决策偏好到发时刻稳定性,可优先调整终到旅客列车的方案,若决策偏好股道运用稳定性,优先考虑经停旅客列车;所提方法能够为高速铁路列车运行计划实时调整提供决策支持。     

基于模糊神经网络预测控制的高速列车ATP研究

在目标-距离速度控制模式普遍应用于我国高速铁路列车控制的背景下,本文针对高速列车运行性能的要求,将模糊神经网络预测控制运用到高速铁路ATP中,对列车速度进行控制。控制系统以闭塞区间为单位,建立高速列车速度模糊神经网络预测控制模型。在闭塞区间内,利用车-地通信将控制所需信息发送至列控中心;根据所得信息,通过预测控制算法得到从当前位置到闭塞分区出口的列车速度自动防护曲线并确定列车运行方式和控制策略;在每1个通信周期内,利用滚动优化和误差校正进行速度优化。仿真结果表明,与传统的控制方法相比,基于模糊神经网络预测控制的高速列车ATP具有更高的安全性。     

基于车辆响应的高速铁路轨道几何状态评估方法

轨道几何状态科学评估对保障高速铁路列车平稳、安全运行具有重要意义。基于高速综合检测列车多次检测数据，利用卷积神经网络、注意力模块和长短时记忆网络，分别学习数据的波形特征、注意力权值、长距离空间依赖关系特征，建立CBAM-CNN-LSTM车辆动态响应预测模型。该模型通过输入轨道几何、运行速度和车型预测不同工况下的车辆动态响应，进而利用预测的车辆动态响应评价轨道几何状态。研究结果表明，建立的模型能够有效预测车体振动响应，根据我国某高速铁路两种车型综合检测列车检测数据的验证结果，车体横向、垂向加速度的均方根预测误差分别为0.004g、0.009g,相关系数分别为0.608、0.793;利用预测的车辆动态响应评估轨道状态，能够有效识别引起车体振动加剧的轨道几何不利状态或隐形病害。此外，模型内部的注意力权值有助于分析挖掘导致轨道状态不良的轨道几何参数类型和位置信息。     

考虑乘客流影响的列车运行调整难点研究

本文针对基于通信的列车控制(CBTC)系统中列车运行的特点,研究了运行调整中的难点问题-晚点传播,即在前行列车发生初始延误的条件下,引起后行列车或其自身的后效晚点现象.分析了乘客流对列车晚点的影响,在建立列车停站模型时,考虑乘客流的影响,提高该系统的可行性.建立了以列车总晚点时间为优化函数的运行调整模型,最后利用matlab中的遗传算法工具箱对此进行求解,实验结果显示了该模型应用于实际运行调整时的可行性和有效性.     

基于数据驱动的高速铁路动车组列车头尾车车轮踏面缺陷预测方法

[目的]踏面缺陷是高速铁路动车组列车车轮失效的主要表现形式之一,严重影响了动车组运行的安全性及乘客的乘坐舒适性。车轮踏面缺陷主要集中在头尾车,可能是多种因素共同作用的结果,需要寻找一种能综合多种影响因素的预测方法。[方法]基于某铁路局动车组列车的车轮镟修数据,每个数据样本包括10个特征(4个名义特征和6个连续特征),对数据进行预处理。通过合成少数类样本过采样技术对不平衡数据集进行处理,构建了标准化数据集。建立了DNN(深度神经网络)模型,对底层特征进行组合,形成了特征的高层抽象表示。通过网络结构调整和超参数优化得到了模型的最优学习效果。对模型进行训练并测试,验证了该模型的预测效果。[结果及结论]基于数据驱动的头尾车车轮踏面缺陷预测方法具有较高的预测精度和较优的综合性能,其预测精确率达92.5%,可有效预测头尾车车轮踏面损伤的发生概率。     

基于可达集的虚拟编组行车安全防护方法研究

虚拟编组可有效提升运输能力，是轨道交通领域的研究前沿，其行车方式的变革给列车运行控制带来新的问题。为满足虚拟编组行车紧密追踪及协同作业的安全防护需求，探讨一种基于可达集的虚拟编组列车运行安全防护方法。首先，构造列车运行控制混成自动机模型，更加精确地描述编组列车控制行为；然后，提出一种通过对混成模型过近似可达集求解来确保列车运行安全的防护方法，深入剖析虚拟编组列车运动行为，给出一种面向多面体精化的自适应步长可达集求解算法，能够实时预测前行列车动态轨迹，进而达到最大限度缩短列车追踪间隔的效果；最后，利用实际线路数据进行仿真实验。实验结果表明，该防护方法与传统防护方法相比，可进一步缩短列车追踪间隔，更能满足虚拟编组行车安全防护需求。     

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。