[發明專利]高速鐵路列車晚點時間預測的深度神經網絡模型建模方法

有效

• 申請號: 201811487875.3
• 申請日: 2018-12-06
• 公開（公告）號: CN109508751B
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 黃平;文超;李忠燦;湯軼雄;蔣朝哲
• 申請（專利權）人: 西南交通大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都頂峰專利事務所(普通合伙) 51224
• 代理人: 李想

本發明公開了一種高速鐵路列車晚點時間預測的深度神經網絡模型建模方法，屬于軌道交通的技術領域，結合相鄰列車間具有明顯相互作用關系及列車晚點具有時間序列以及非時間序列影響因素的特點，提出了包含循環神經網絡以及全連接神經網絡的深度神經網絡模型；該模型中，晚點的非時間序列影響因素被輸入全連接神經網絡，時間序列影響因素被輸入循環神將網絡以利用其反饋機制學習到相鄰列車間相互作用關系；以達到能夠識別列車之間相互作用對列車晚點的影響，具有較高的預測精度，且具有較好的實際應用能力，其預測絕對誤差與相對誤差均低于支持向量回歸模型、普通神經網絡模型及馬爾科夫等模型的最優預測結果。

技術領域

本發明屬于軌道交通的技術領域，具體而言，涉及一種高速鐵路列車晚點時間預測的深度神經網絡模型建模方法。

背景技術

我國高速鐵路自2008年8月1日開始運營以來，短短十年的時間里獲得了飛速發展，截止2017年底，我國高速鐵路的運營里程已超過了2.5萬公里，占全世界運營里程的66％以上，動車組開行比例也已經占到總旅客列車數的60％以上。高速鐵路的運營，完善了鐵路路網結構、消解了客貨運輸瓶頸與沖突、推動了鐵路修建與技術裝備的持續更新。

列車晚點情況下，調度員經驗化的調度組織原則嚴重影響了我國高速鐵路運輸組織效率，提高列車晚點時間實時預測能力是提高高速鐵路調度指揮水平的關鍵。準確地預測列車晚點時間，一方面能夠使調度員較為準確地估計列車的運行狀態，制定合理的行車指揮決策并指導客運及其他相關部門協同完成運輸任務，在提高鐵路行車指揮質量方面具有一定的實踐意義；另一方面，將有助于旅客估計行程時間、制定新的旅行計劃，是鐵路部門向社會提供優質運輸服務的保證。

列車晚點時間實時預測一直是鐵路運輸領域專家致力解決的熱點問題。 2018年INFORMS鐵路優化專題競賽(The 2018Railroad Problem Solving Competition)也基于鐵路運營數據與列車晚點預測進行。已有研究中，部分學者由于列車運行數據缺乏，主要致力于用時間-事件網絡、排隊模型來描述列車占用資源的次序，從而進行列車到發時刻的估計或使用列車運行仿真系統來仿真列車運行。

Hansen等首先將時間-事件網絡理論應用于列車區間運行時間以及車站到達時間預測。

隨后，Kecman等在此基礎上利用具有動態權重的時間-事件網絡圖來實現列車運行時刻的更精確估計。

Huisman等基于排隊網絡模型來預測列車平均晚點時間、連帶晚點時間以及列車等待進路時間。

Fukami等針對日本高速鐵路開發了列車運行仿真系統，并最終于2003年將該系統成功用于新干線列車晚點實時預測，為新干線高鐵列車的調度指揮提供可靠決策支持。

楊肇夏等也基于列車晚點傳播仿真系統對我國不同鐵路區段運行圖穩定性進行了仿真分析，但該系統并未成功應用于實際，且主要針對既有線。

馬嘶等假設干擾服從左偏的β函數分布，以列車終到正點率、平均晚點時間、恢復率等為統計指標仿真研究了不同冗余時間布局對列車運行圖穩定性的影響。

當列車實際運行數據充足時，學者主要利用統計分析或人工智能算法構建數據驅動模型。

在基于統計分析方法上，劉巖等利用京滬高速鐵路一個半月的列車運行實際數據分析了列車實際區間運行時分和停站時分的分布特征以及區間運行時分與發車晚點、停站時分與到達晚點之間的關系。

孟令云等利用荷蘭鐵路運營數據，并基于軌道區段鎖閉時間理論，提出了列車之間的晚點傳播過程構建方法。