System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于分位数回归的不确定性列车到达晚点预测方法及应用技术_技高网

基于分位数回归的不确定性列车到达晚点预测方法及应用技术

技术编号:44365096 阅读:0 留言:0更新日期:2025-02-25 09:45
一种基于分位数回归的不确定性列车到达晚点预测方法及应用,包括:确定研究线路,收集用于模型训练的列车运行历史数据;构建分位数回归晚点预测网络模型;使用构建的神经网络和历史数据进行模型训练;构建不确定性评价指标评价进行模型性能评价。本发明专利技术使用CNN、Transformer结合的神经网络进行列车历史信息的提取与晚点有关的时空特征信息,设计分位数回归损失函数进行预测,得到不同分位数条件下的预测晚点值,从而获得到达晚点的范围及其概率分布,为调度员进行延误调整提供了更加丰富的决策信息,更好地应对不同应用场景下的调整方案制定。

【技术实现步骤摘要】

本专利技术属于高铁晚点预测,涉及一种基于分位数回归的不确定性列车到达晚点预测方法及应用


技术介绍

1、高速铁路具有速度快、准点率高和运营里程长的特点。截至2024年底,我国高铁的运营里程已达4.8万公里,最高运行速度可达350公里每小时,最小发车间隔为3分钟。为实现铁路的高质量发展,并满足日益增长的旅客出行需求,由国家铁路集团牵头实施的cr450科技创新工程正在稳步推进,不断提升铁路出行品质。随着列车提速和乘客需求的不断增长,铁路运营密度不断增加,线路的缓冲时间不断缩短,列车的应急处置时间减少,这需要更加智能化的铁路行车调度指挥系统来提高决策效率。

2、高铁运行过程中的可能发生的设备故障、恶劣天气等随机扰动会影响列车的准点运行,调度员需要根据随机扰动产生的影响以制定调整策略,准确可靠的列车晚点预测信息对列车调度调整的决策过程至关重要。传统的点预测只能给出一个预测值,而基于不确定性的晚点区间预测的能给出各个分位数水平下的预测值,由此得到丰富的决策信息,可以加强决策方案的全面性,对于实现可靠的晚点预测有重要作用。

3、目前的列车晚点预测方法主要是基于数据驱动的神经网络短期点预测,只能给出一个预测值,然而由于随机扰动的不确定性以及神经网络的黑盒模型缺乏解释性,这种基于数据驱动的神经网络单点预测的方式的可靠性难以保证,过于乐观或者过于悲观的估计都会影响调整方案的制定质量。而基于分位数回归的神经网络能够给出列车预测晚点的范围信息,展示出不同分位数条件下晚点的概率分布,使得调度员能根据不同场景条件和晚点预测范围情况来制定出更加稳健合理的决策。


技术实现思路

1、本专利技术提出一种基于分位数回归的不确定性列车到达晚点预测方法,以解决随机扰动下单点预测的不确定性较强带来的可靠度不足的问题,本专利技术由以下技术方案实现:

2、步骤s100:确定研究线路,收集用于模型训练的列车运行历史数据。

3、步骤s200:构建分位数回归晚点预测网络模型。

4、步骤s300:使用构建的神经网络和历史数据进行模型训练。

5、步骤s400:构建不确定性评价指标评价进行模型性能评价。

6、进一步的,所述步骤s100包括:

7、步骤s110:确定线路起终点,收集列车的历史信息,根据晚点统计情况筛选晚点发生频率较大的相关车次和办理乘客作业较多的站点作为晚点预测的对象。

8、步骤s120:确定与晚点相关的特征信息,包括列车的在各站的计划到发时间、实际到发时间,相邻车的晚点时间、天气条件等信息。

9、步骤s130:进行数据预处理,筛选列车历史数据,只保留列车在目标站发生晚点的数据,同时删除只有某一站产生了突发晚点同时对包括数据进行均值标准化。

10、进一步的,所述步骤s200包括:

11、步骤s210:融合卷积神经网络(convolutional neural networks, cnn)、自注意力机制(transformer)构建神经网络模型用于列车晚点区间预测的主体结构,提取列车运行信息终与晚点有关的时空特征。

12、步骤s220:根据所选的特征数量、批次大小和时间步长设置输入层。

13、步骤s230:选择目标的分位数集合,设计分位数损失函数。

14、进一步的,所述步骤s300包括:

15、步骤s310:选择adam优化器进行优化。

16、步骤s320:划分训练集、验证集和测试集。将原始数据的随机抽取15%作为测试集,将另外85%的数据用作训练集和验证集进行模型训练,其中训练集和验证集的比例为4:1。

17、步骤s330:调节模型的参数。设置学习率、迭代次数和随机失活率(droupout)大小。

18、进一步的,所述步骤s400包括:

19、步骤s410:选择不确定评价指标winkler score(ws)衡量预测区间的宽度和覆盖率。

20、步骤s420:选择不确定评价指标quantile score(qs)衡量分位数的准确性。

21、有益效果

22、使用cnn、transformer结合的神经网络进行列车历史信息的提取与晚点有关的时空特征信息,设计分位数回归损失函数进行回归预测,得到不同分位数条件下的预测晚点值,从而获得到达晚点的范围及其概率分布,为调度员进行延误调整提供了更加丰富的决策信息,更好地应对不同应用场景下的调整方案制定。

本文档来自技高网...

【技术保护点】

1.一种基于分位数回归的不确定性列车到达晚点预测方法,其特征为:

2.根据权利要求1所述的基于分位数回归的不确定性列车到达晚点预测方法,其特征为:所述步骤S100进一步包括如下内容:

3.根据权利要求1所述的基于分位数回归的不确定性列车到达晚点预测方法,其特征为:所述步骤S200进一步包括如下内容:

4.根据权利要求1所述的基于分位数回归的不确定性列车到达晚点预测方法,其特征为:所述步骤S300进一步包括如下内容:

5.根据权利要求1所述的基于分位数回归的不确定性列车到达晚点预测方法,其特征为:所述步骤S400进一步包括如下内容:

6.根据权利要求2所述的基于分位数回归的不确定性列车到达晚点预测方法,其特征为:

7.根据权利要求3所述的基于分位数回归的不确定性列车到达晚点预测方法,其特征为:

8.根据权利要求3所述的基于分位数回归的不确定性列车到达晚点预测方法,其特征为:

9.一种非易失性存储介质,其特征在于,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行权利要求1至8中任意一项所述的方法。

10.一种高铁运行系统,其特征在于,该系统包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行权利要求1至8中任意一项所述的方法。

...

【技术特征摘要】

1.一种基于分位数回归的不确定性列车到达晚点预测方法,其特征为:

2.根据权利要求1所述的基于分位数回归的不确定性列车到达晚点预测方法,其特征为:所述步骤s100进一步包括如下内容:

3.根据权利要求1所述的基于分位数回归的不确定性列车到达晚点预测方法,其特征为:所述步骤s200进一步包括如下内容:

4.根据权利要求1所述的基于分位数回归的不确定性列车到达晚点预测方法,其特征为:所述步骤s300进一步包括如下内容:

5.根据权利要求1所述的基于分位数回归的不确定性列车到达晚点预测方法,其特征为:所述步骤s400进一步包括如下内容:

6.根据权利要求2所述的基于分位数...

【专利技术属性】
技术研发人员:傅卿云丁舒忻张涛袁志明孙延浩罗叶菲
申请(专利权)人:中国铁道科学研究院集团有限公司通信信号研究所
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1