[发明专利]一种高速列车初始晚点影响预测模型的建立方法

权利要求书

1.一种高速列车初始晚点影响预测模型的建立方法，其特征在于：包括初始晚点影响列车数预测模型的建立方法和初始晚点影响总时间预测模型的建立方法；其中，初始晚点影响列车数预测模型的建立方法包括以下步骤：

S101：指定待处理车站，提取待处理车站的初始晚点影响列车序列，得到初始晚点影响列车数数据样本；

S102：根据初始晚点影响列车数数据样本得到初始晚点影响列车数S；

S103：确定影响初始晚点影响列车数的因素特征集F；

S104：将影响初始晚点影响列车数的因素特征集F作为特征输入，将初始晚点影响列车数S作为模型输出，初始晚点影响列车数S与影响初始晚点影响列车数的因素特征集F的对应关系为：

S＝Φ(F)，

其中Φ为第一机器学习分类模型；

S105：选择多个备选的第一机器学习分类模型，将影响初始晚点影响列车数的因素特征集F输入对应的多个备选的第一机器学习分类模型，并得到多个最终参数；

S106：分别对多个备选的第一机器学习分类模型的最终参数进行评价并得到评价结果，然后根据评价结果选定其中一第一机器学习分类模型为初始晚点影响列车数预测模型；

初始晚点影响总时间预测模型的建立方法包括以下步骤：

S201：基于步骤S106得到的初始晚点影响列车数预测模型，预测得到预测影响列车数S’，确定影响初始晚点影响总时间的因素特征集G，其中影响初始晚点影响总时间的因素特征集G为影响初始晚点影响列车数的因素特征集F与预测影响列车数S’的集合；将预测影响列车数S’中所有列车晚点的时间之和设为初始晚点影响总时间Y；

S202：将影响初始晚点影响总时间的因素特征集G作为特征输入，将初始晚点影响总时间Y作为模型输出，初始晚点影响总时间Y与影响初始晚点影响总时间的因素特征集G的对应关系为：

其中为第二机器学习分类模型；

S203：选择多个备选的第二机器学习分类模型；将预测影响列车数S’分别输入对应的多个备选的第二机器学习分类模型，并得到多个最终参数；

S204：分别对多个备选的第二机器学习分类模型的最终参数进行评价并得到评价结果，然后根据评价结果选定其中一第二机器学习分类模型为初始晚点影响总时间预测模型。

2.根据权利要求1所述的一种高速列车初始晚点影响预测模型的建立方法，其特征在于：在步骤S103中，组成影响初始晚点影响列车数的因素特征集F的因素特征如下：

D：初始晚点列车的到达晚点时间；

B：初始晚点列车是否停站；

T：晚点发生时段；

H：初始晚点列车与后行第一列列车的计划间隔时间；

N：理想状态下冗余时间充分利用时，恢复初始晚点列车到达晚点时间需要影响的列车数；

初始晚点影响列车数S与影响初始晚点影响列车数的因素特征集F的对应关系为S＝Φ(D,B,T,H,N)。

3.根据权利要求2所述的一种高速列车初始晚点影响预测模型的建立方法，其特征在于：在步骤S103中，影响初始晚点影响列车数的因素特征集F为对初始晚点影响列车数数据样本进行预处理与特征提取后，得到的列车到站时到站顺序未发生变化的初始晚点影响模型的因素特征集，其中预处理为去除异常值，特征提取为将计划运行过程与实际运行过程进行对比，然后通过计算得到。

4.根据权利要求1所述的一种高速列车初始晚点影响预测模型的建立方法，其特征在于：在步骤S105中，备选的第一机器学习分类模型为：支持向量机、随机森林、K最近邻分类、XGBOOST算法和Logistics回归。

5.根据权利要求1所述的一种高速列车初始晚点影响预测模型的建立方法，其特征在于：在步骤S105中，将初始晚点影响列车数数据样本中70％的数据作为训练集，将初始晚点影响列车数数据样本中剩余的30％的数据作为验证集。