一种智慧地铁轨道状态预测和维修决策优化系统

摘要：

为提高地铁轨道智能化管理水平,设计了一种新的智慧地铁轨道管理系统;分别设计了朴素贝叶斯分类器、Logistic回归分类器和支持向量机分类器,并构建了基于Stacking集成算法的轨道状态预测模型;利用XX地铁1号线、2号线和6号线在2015-2021年的设备数据、检测数据和维修数据,验证了模型有效性;引入自适应学习的马尔可夫决策过程(AL-MDP),构建了基于Stacking-SVM的轨道维修决策优化模型;利用模型对地铁轨道进行运行状态感知和异常状态预测,通过自适应学习的过程不断学习地铁轨道的劣化机理,并且为轨道的状态预警和维修策略提供个性化、精细化的决策建议;最后,设计并实现了智慧地铁轨道管理系统;引入AL-MDP后进一步降低地铁轨道的维修成本,能够实时掌握地铁轨道的运作状态;该研究给管理者和工作者提供精细化、个性化、更科学的维修优化决策,对维修成本和轨道安全实现双重精准控制.

关键词：智慧地铁轨道管理系统、Stacking集成算法、轨道状态预测、自适应学习的马尔可夫决策过程、维修决策优化

所属期刊栏目：31

分类号：U216.3(铁路线路工程)

在线出版日期：2023-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：48-54