基于国内外铁路运营数据的列车运行时间预测模型

摘要：

为了准确预测列车运行时间,考虑铁路调度工作准确性和及时性需求,构建列车区间运行时间预测模型.首先,提取并分析列车时刻表数据,确定可能影响列车区间运行时间的因素;考虑列车运行时间数据分布的偏态性,引入Box-Cox转换正态化处理数据;然后,基于决策树以及网格搜索算法,分别优化模型输入特征和超参数,提升模型性能;最后,应用装箱梯度提升树(HGBT),基于优化后的特征和超参数,建立列车区间运行时间预测模型,并分别利用我国某铁路线路和欧洲某铁路线路的运营数据评估各阶段工作.结果表明:Box-Cox转换可显著提高数据正态性,提升列车运行时间预测模型的拟合效果;网格搜索算法可同时提高列车运行时间模型效率和精度;相较于其他常用的运行时间预测模型,HGBT模型具有高精度和高效率的优势.

关键词：铁路运营数据、列车运行时间、预测模型、Box-Cox转换、决策树、装箱梯度提升树(HGBT)

所属期刊栏目：32

分类号：X928.03(安全管理（劳动保护管理）)

资助基金：铁四院科研课题2018K094

在线出版日期：2022-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：123-130