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。