检索结果-内蒙古大学图书馆

铁道学报 2017年第9期39卷 25-31页

作者：庄河文超李忠灿汤轶雄黄平西南交通大学交通运输与物流学院四川成都610031 中国铁路总公司运输局北京100844 西南交通大学综合交通运输智能化国家地方联合工程实验室四川成都610031 滑铁卢大学铁路研究中心

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... 详细信息

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。

关键词：高速列车列车运行实绩初始晚点分布模型

来源：评论

学校读者我要写书评

暂无评论

运行实绩驱动的高速列车晚点网络传播研究

运行实绩驱动的高速列车晚点网络传播研究

引用

作者：李忠灿西南交通大学

学位级别：博士

高速铁路的网络化满足了旅客对更便利与快捷的出行方式的需求,然而也为铁路运输企业的运营管理与调度员的调度指挥水平带来了更高的要求。铁路系统是一个受到多种因素影响的复杂系统,不可避免的会发生列车晚点。网络化运营下的列车晚点... 详细信息

高速铁路的网络化满足了旅客对更便利与快捷的出行方式的需求,然而也为铁路运输企业的运营管理与调度员的调度指挥水平带来了更高的要求。铁路系统是一个受到多种因素影响的复杂系统,不可避免的会发生列车晚点。网络化运营下的列车晚点既可能影响本线的列车,也可能传播至网络中其他线路,造成晚点的网络传播。因此,研究高速列车晚点网络传播,建立精确的晚点预测模型,可以为列车调度员制定科学合理的调度调整方案奠定坚实的基础。基于列车运行实绩大数据,利用数据科学及人工智能手段为解决高速列车晚点网络传播问题带来了新的契机。本文基于我国高速铁路网络运行实绩,结合晚点传播机理领域知识与人工智能方法,研究了高铁列车通过多线衔接站的到达晚点以及始发终到站的始发晚点造成的晚点网络传播,解析了网络中不同种类列车与车站综合作用下的网络晚点状态演化规律。本文的预期成果能进一步丰富高速铁路晚点传播研究理论与方法体系,为高速铁路调度指挥智能化提供理论支撑。本文主要工作和结论如下: (1)基于历史列车运行实绩,研究了广州南站和长沙南站的到达晚点、终到晚点以及始发晚点的晚点时长分布规律;解析了到达晚点和始发晚点与前行进路冲突列车晚点之间的相关性规律。分析了广州南站和长沙南站的到达晚点、终到晚点和始发晚点在不同时段的分布规律,探索了广州南网络和长沙南网络不同车站上列车的到达晚点时空分布规律。 (2)基于潜在进路冲突,考虑待预测列车和不同线路上运行列车的相互作用,构建多线衔接站到达晚点预测模型。首先,根据到达晚点影响因素的数据特性选取适合的神经网络模块,使用一维卷积神经网络(1DCNN)处理包含列车到达/出发进路数据的进路相关变量,采用两个长短时记忆网络(LSTM)处理包含前行进路冲突列车晚点以及与待预测列车的行车间隔时间的晚点相关变量,使用全连接神经网络(FCNN)处理包含运行图结构参数和列车运行自然环境参数的环境相关变量,并最终建立了一种名为LLCF-net的混合神经网络模型。随后,基于我国广州南和长沙南站的列车运行实绩,对比既有研究中按列车到站顺序考虑列车间相互作用的方法,验证了从潜在进路冲突角度考虑列车间相互作用所建立的到达晚点预测模型有着更高的预测精度。此外,与既有研究中主流的晚点预测方法相比,LLCF-net表现出更优的预测性能,且对不同晚点长度都具有很高的预测精度和鲁棒性。最后,本文证明了考虑列车到达/出发进路数据时,模型可以获得更好的预测精度。 (3)考虑动车组车底周转和潜在进路冲突,提出了一种名为TLF-net的混合神经网络模型用于预测列车始发晚点。依照影响因素和神经网络特性,TLF-net分别使用Transformer、LSTM、FCNN模块处理到达/出发进路数据、列车相互作用关系、列车运行环境变量。基于广州南和长沙南的数据,验证了考虑不同线路上的列车潜在进路冲突相较于仅考虑本线铁路上的列车潜在进路冲突有着更高的预测精度;此外,TLF-net的预测性能优于既有主流的晚点预测算法。再者,使用不同的方法处理到达/出发进路的结果显示:使用Transformer模块相较于其他的方法可以更有效地揭示到达/出发进路之间的进路冲突严重性。通过特征灵敏度分析,证实了本文考虑的三类影响因素均对始发晚点有着重要的作用。最后,将TLF-net与本文建立的列车到达晚点预测模型相结合,将到达晚点模型的预测作为TLF-net的输入,设计了一种能随着前行列车的到达/出发进行实时动态预测始发晚点的框架,增强了始发晚点预测的及时性。 (4)结合异质图神经网络框架和Graph SAGE同质图神经网络构建了一种名为SAGE-Het且可以处理不同属性节点的异质图神经网络模型,考虑运行列车、终到列车、通过站和终到站为四种不同类型的节点,通过预测网络中运行列车的晚点研究了网络晚点状态的演化。SAGE-Het可以解决传统机器学习方法要求输入具有相同格式和同质图神经网络不能考虑不同属性节点的缺点,并且可以通过元路径捕获列车与列车、列车和车站、车站和车站之间的相互作用对网络晚点状态演化的影响。基于广州南网络和长沙南网络的数据,验证了SAGE-Het比现有主流的晚点预测方法以及一些其他高效的异质图神经网络结构在短晚点和长晚点预测上都具有更高的预测精度。随后,基于SAGE-Het模型,证实了列车间隔时间较大时,列车间的相互作用对晚点传播的影响不显著;基于SAGE-Het模型在不考虑不同节点间的相互作用时的预测效果,从空间维度解析了不同节点间的相互作用对网络晚点状态演化的重要性。最后,验证了在预测时间间隔分别10/20/30分钟时,SAGE-Het的预测精度均优于其他基准模型,从时间维度研究了SAGE-Het对不同预测时间间隔下网络状态演化的预测效果。

关键词：高速列车晚点网络传播列车运行实绩进路冲突动车组车底周转晚点演化深度学习

来源：评论

学校读者我要写书评

暂无评论

武广高速铁路列车晚点恢复时间预测的随机森林模型

引用

铁道学报 2018年第7期40卷 1-9页

作者：黄平彭其渊文超杨宇翔西南交通大学交通运输与物流学院四川成都610031 综合交通运输智能化国家地方联合工程实验室四川成都610031 滑铁卢大学铁路研究中心滑铁卢N2L3G1 亚琛工业大学交通科学研究所亚琛52074

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... 详细信息

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。

关键词：高速铁路初始晚点列车运行实绩晚点恢复随机森林模型

来源：评论

学校读者我要写书评

暂无评论

高速铁路初始晚点致因-影响列车数分布模型

引用

西南交通大学学报 2018年第6期53卷 1261-1269页

作者：文超李忠灿黄平汤轶雄蒋朝哲高磊西南交通大学综合交通运输智能化国家地方联合工程实验室四川成都610031 西南交通大学交通运输与物流学院四川成都610031 滑铁卢大学铁路研究中心中国铁路总公司调度部北京100844

为了研究高速铁路列车晚点严重程度,基于统计建模方法建立了高速铁路列车初始晚点不同致因情况下影响列车数的分布模型.首先基于中国铁路广州局集团有限公司的高速铁路列车运行实绩,以2014年至2015年高速列车初始晚点影响列车数为建模数... 详细信息

为了研究高速铁路列车晚点严重程度,基于统计建模方法建立了高速铁路列车初始晚点不同致因情况下影响列车数的分布模型.首先基于中国铁路广州局集团有限公司的高速铁路列车运行实绩,以2014年至2015年高速列车初始晚点影响列车数为建模数据,比选了5类备选模型对初始晚点影响列车数分布曲线的拟合优度;其次运用R语言估计了模型参数并建立了初始晚点致因-影响列车数分布的逆模型;最后对模型可行性进行了卡方检验,并运用2016年高速列车运行实绩数据进行Kolmogorov-Smirnov双样本检验.研究结果表明:每类致因的逆模型精度都能够通过0.05的显著性水平检验,所建立的分布模型与校验数据是同分布,模型预测结果对初始晚点原因的实际影响列车数匹配度在97%以上.

关键词：高速铁路列车运行实绩初始晚点影响列车数逆模型

来源：评论

学校读者我要写书评

暂无评论

基于GBDT的列车晚点时长预测模型研究

引用

铁道标准设计 2021年第8期65卷 149-154,176页

作者：廖璐张亚东葛晓程郭进禹倩西南交通大学信息科学与技术学院成都611756 哈德斯菲尔德大学铁路研究所英国

准点率是衡量英国铁路服务质量的关键指标之一。列车晚点时长的准确预测,尤其是旅客列车,对调度指挥工作具有重要意义。基于对英国WCML列车实际运行数据分析,提出一种列车晚点时长预测方法:通过时间事件图分析影响晚点的因素,交叉验证... 详细信息

准点率是衡量英国铁路服务质量的关键指标之一。列车晚点时长的准确预测,尤其是旅客列车,对调度指挥工作具有重要意义。基于对英国WCML列车实际运行数据分析,提出一种列车晚点时长预测方法:通过时间事件图分析影响晚点的因素,交叉验证法确定模型重要参数,以列车的车站晚点偏差值为自变量建立晚点时长预测的GBDT模型。对测试数据集的预测结果表明,允许误差3min以内,模型预测精度达到99.76%。决策树模型、随机森林模型、基于默认参数的GBDT模型预测结果对比表明,调整参数后的GBDT模型预测精度更高,性能更优。同时基于预测模型的重要度排序,得到影响列车晚点的关键因素为列车前一站的晚点偏差值。

关键词：铁路运输晚点时长预测 GBDT 时间事件图列车运行实绩

来源：评论

学校读者我要写书评

暂无评论

数据驱动的列车晚点传播研究

引用

中国安全科学学报 2019年第S02期29卷 1-9页

作者：文超李忠灿黄平田锐牟玮玮李力西南交通大学综合交通运输国家地方联合工程实验室四川成都610031 西南交通大学综合交通大数据应用技术国家工程实验室四川成都610031 中国国家铁路集团有限公司调度部北京100844

为分析和总结铁路列车晚点传播问题的最新进展,深入研究数据驱动方法的应用情况,首先,阐述晚点传播问题内涵,了解晚点传播过程;其次,简要分析基于传统数学模型驱动的晚点传播研究情况;然后,重点综述列车晚点传播的数据驱动模型,针对晚... 详细信息

为分析和总结铁路列车晚点传播问题的最新进展,深入研究数据驱动方法的应用情况,首先,阐述晚点传播问题内涵,了解晚点传播过程;其次,简要分析基于传统数学模型驱动的晚点传播研究情况;然后,重点综述列车晚点传播的数据驱动模型,针对晚点预测和晚点恢复2个关键问题,分析统计模型、智能计算和机器学习3类数据驱动方法的应用情况;最后,总结已有研究存在的4方面不足,指出未来研究的趋势。结果表明:基于人工智能、深度学习构建列车晚点传播及恢复模型可以辅助调度员提高调度决策质量,降低调度员工作负荷。

关键词：铁路列车运行实绩晚点预测晚点恢复晚点传播数据驱动模型

来源：评论

学校读者我要写书评

暂无评论

高速铁路列车晚点时间实时预测的神经网络模型

引用

中国安全科学学报 2019年第S1期29卷 20-26页

作者：黄平文超李忠灿杨宇翔彭其渊西南交通大学综合交通大数据应用技术国家工程实验室四川成都610031 西南交通大学综合交通运输国家地方联合工程实验室四川成都610031 滑铁卢大学铁路研究中心加拿大滑铁卢N2L3G1

准确地预测高速列车晚点时间对提高高速铁路实时调度指挥水平及运输服务质量有重要意义。以武汉-广州高速铁路(HSR)列车运行实绩数据为基础,建立基于循环神经网络(RNN)的列车晚点预测模型。该模型中,按照列车实际运行顺序输入RNN以利用... 详细信息

准确地预测高速列车晚点时间对提高高速铁路实时调度指挥水平及运输服务质量有重要意义。以武汉-广州高速铁路(HSR)列车运行实绩数据为基础,建立基于循环神经网络(RNN)的列车晚点预测模型。该模型中,按照列车实际运行顺序输入RNN以利用其反馈机制学习到相邻列车间相互作用关系。基于平均绝对误差(MAE)以及平均绝对百分误差(MAPE)评估模型的预测能力。结果表明:提出的深度学习模型预测精度明显高于人工神经网络、支持向量回归及马尔科夫等已有列车晚点时间预测模型。

关键词：高速铁路(HSR) 列车运行实绩晚点预测循环神经网络(RNN) 列车相互作用

来源：评论

学校读者我要写书评

暂无评论

高铁故障晚点时间预测的支持向量回归模型

引用

中国安全科学学报 2019年第S02期29卷 18-23页

作者：汤轶雄徐传玲文超李忠灿宋邵杰西南交通大学交通运输与物流学院四川成都610031 综合交通运输智能化国家地方联合工程实验室四川成都610031 中国铁路广州局集团有限公司调度所广东广州510088

为准确预测高速铁路(HSR)列车故障引起的总晚点时间,基于广铁集团高速铁路列车晚点实绩数据,分别运用软间隔支持向量机回归(ε-SVR)和容错比支持向量机回归(ν-SVR)方法以初始晚点时间、影响列车数、晚点致因为自变量,总晚点时间为因变... 详细信息

为准确预测高速铁路(HSR)列车故障引起的总晚点时间,基于广铁集团高速铁路列车晚点实绩数据,分别运用软间隔支持向量机回归(ε-SVR)和容错比支持向量机回归(ν-SVR)方法以初始晚点时间、影响列车数、晚点致因为自变量,总晚点时间为因变量构建SVR模型。使用测试数据进行模型预测能力评估,结果表明:在20%相对允许误差范围内,ε-SVR和ν-SVR模型的预测精度均超过了0.8,且ν-SVR模型的预测精度要高于ε-SVR模型。

关键词：高速铁路(HSR) 列车运行实绩初始晚点晚点时间预测支持向量回归(SVR)模型

来源：评论

学校读者我要写书评

暂无评论

铁路列车运行冲突检测与消解理论研究综述

引用

中国安全科学学报 2018年第S2期28卷 66-73页

作者：文超杨雄黄平李忠灿唐优华西南交通大学综合交通大数据应用技术国家工程实验室四川成都610031 西南交通大学综合交通运输国家地方联合工程实验室四川成都610031 滑铁卢大学铁路研究中心

为解决列车运行冲突管理问题,提升铁路运输组织效率,基于列车运行冲突基本概念,综述列车运行冲突检测及消解的传统数学模型及数据驱动模型;分析传统数学模型存在的不足,提出运用机器学习和深度学习方法研究列车运行冲突与检测问题的趋... 详细信息

为解决列车运行冲突管理问题,提升铁路运输组织效率,基于列车运行冲突基本概念,综述列车运行冲突检测及消解的传统数学模型及数据驱动模型;分析传统数学模型存在的不足,提出运用机器学习和深度学习方法研究列车运行冲突与检测问题的趋势。结果表明:传统数学模型大多基于抽象模型和简单假设,较难处理实践中的大尺度复杂问题,这些模型的试验结果与运输生产实践仍有较大差距;智能计算和机器学习数据驱动模型以列车运行实绩为基础,更加贴近运输生产及实践。

关键词：铁路冲突检测冲突消解数据驱动列车运行实绩

来源：评论

学校读者我要写书评

暂无评论

一种调度区段晚点时长的神经网络预测模型

引用

铁道标准设计 2019年第3期63卷 148-153页

作者：曾壹陈峰金博汇中国铁道科学研究院集团有限公司研究生部北京100081 中国铁道科学研究院集团有限公司通信信号研究所北京100081 国家铁路智能运输系统工程技术研究中心北京100081 北京市华铁信息技术开发总公司北京100081

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... 详细信息

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。

关键词：铁路运输管理列车运行实绩有向图神经网络晚点传播晚点时长预测

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：