[發明專利]基于最大似然回歸樹的地鐵事故延誤時間預測方法

有效

• 申請號: 201810915093.9
• 申請日: 2018-08-13
• 公開（公告）號: CN109447306B
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 翁金賢;于堯;馮琳
• 申請（專利權）人: 上海海事大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26
• 代理公司: 上海互順專利代理事務所(普通合伙) 31332
• 代理人: 成秋麗

本發明披露了一種基于最大似然回歸樹的地鐵事故延誤時間預測方法。由于導致地鐵延誤的多個變量之間可能存在交互作用，本發明利用所構造的雙變量分裂法建立最大似然回歸樹(MLRT)模型，描述并分析地鐵事故延誤。利用2005年到2012年的香港地鐵事故數據建立的MLRT模型包含13個葉節點，每個葉節點分配有一個對數邏輯斯諦分布的加速失效模型(AFT)。模型驗證結果表明，雙因素分裂最大似然回歸模型比傳統的AFT模型和單因素分裂的最大似然回歸樹模型擬合效果更好。在此基礎上，本發明可準確預測地鐵延誤事故，以及地鐵事故延誤超出最大承受范圍的概率，作為提醒乘客重新規劃行程的重要基礎信息。

技術領域

本發明涉及交通領域，具體涉及地鐵事故延誤分析及預測方法。

技術背景

由突發事件、供電故障等多種因素造成的地鐵事故可能導致地 鐵運輸能力暫時下降，給乘客帶來巨大損失，尤其是對通勤者帶來延 誤損失。地鐵是城市公共交通的重要交通方式，減輕地鐵事故帶來的 影響很重要。

地鐵管理部門需要實施有效的管理措施，盡快處理地鐵事故。 快速清除地鐵事故通常需要有效地分配相關資源，以便及時分派工作 人員。為了達到這一目標，需要建立一個模型來全面探索地鐵事故的 影響因素，并預測地鐵事故造成的延誤。通勤者的出行可能受到外部 影響因素的影響，向公眾提供地鐵事故延誤信息可以提醒乘客重新安 排行程。因此，準確預測地鐵事件延誤，并確定地鐵事故延誤是否可 接受至關重要。

目前，諸如加速失效時間(AFT)模型等許多參數模型都被用 來預測高速公路事故延誤。然而，參數模型具有事先定好的函數形式 和假設條件，地鐵事故一般不滿足該條件，尤其是考慮到大量影響因 素的情形。為了消除參數模型的缺點，許多研究人員提出了估計地鐵 或高速公路事件延遲的非參數模型。但需要指出的是，這些非參數模 型難以計算影響因素對事故延誤的邊際效應，而這些邊際效應對于工 作人員確定減少地鐵事故延誤的各影響因素的先后順序很有幫助。在 地鐵事故延誤中，這些變量可能和其他變量之間存在相互作用。因此， 準確識別地鐵事故延誤中相互作用的變量很重要。

發明內容

本發明的目的在于準確預測地鐵事故延誤以及地鐵事故延誤 超出最大承受范圍的概率，為乘客重新規劃行程提供基礎信息。

本發明提供的基于最大似然回歸樹的地鐵事故延誤時間預測 方法是這樣實現的，主要包括以下步驟：

S1.歷史數據收集并處理。收集某一特定統計期內目標地鐵交 通系統的事故數據，并將其按照地鐵事故發生的日期、地鐵線路、事 故起因以及地鐵事故延誤時間等類別進行分類梳理。

S2.描述性統計分析。對收集的地鐵運營事故延誤數據及地鐵 事故發生日期、發生時間、供電故障、車門故障等自變量進行描述性 統計分析，研究數據的分布特點，確定數據分布形式，為研究模型的 選取提供依據。

S3.模型建立。包括兩個階段：建樹和剪枝。將樣本分為兩部 分，隨機選取80％的數據作為訓練樣本，用于初始樹形結構的構建， 剩余20％的數據作為檢驗樣本，用于初始樹形結構的剪枝，得到最優 樹形結構。

S3-1.建樹：

(1)對于具有n_k個樣本觀測數量的節點k，計算預測模型(AFT 模型)的參數的最大對數似然值LL(k)，