[发明专利]高速铁路系统多模态融合晚点预测方法

说明书

本发明公开了一种高速铁路系统多模态融合晚点预测方法。该方法步骤如下：分析并明确影响高速铁路运行时间晚点的因素，将影响因素分为自然因素与行车故障因素两大类；结合模糊层次分析法FAHP，对各个子因素进行归属度计算分析，获取各子因素归属度数值；确定晚点惩罚因子；将不同数据源的子因素通过数据融合建立晚点预测方法，得出站点之间高铁晚点时间预测值，与实际列车运行时刻表相结合获取晚点时间。本发明能够预测高速列车晚点时间，为高铁相关部门提前制定高铁运行时刻部署规划提供依据，保障居民安全便捷出行。

技术领域

本发明涉及交通服务技术领域，特别是一种高速铁路系统多模态融合晚点预测方法。

背景技术

当前，我国城市轨道交通处于迅速发展的阶段，轨道交通线路也越来越多采取地面和高架的形式。列车行驶线路周围的自然条件对轨道交通运行的影响越来越显著，同时列车自身发生的故障因素对列车运行起着重要影响。对高速铁路系统晚点预测具有一定的实用性，近年来各位科研作者通过支持向量机(SVM)、人工神经网络、随机森林模型等一些机器学习理论算法对高铁晚点领域做出一定贡献。

尽管如此，大量的科研工作者未对影响高铁正常运行的各类因素进行合理划分，例如学者汤轶熊公开发表的《高铁故障晚点时间预测的支持向量机回归模型》，虽然将晚点致因考虑在内，为了利于模型求解，引入7个0-1分类虚拟变量代替7个分类的晚点致因分类，没有涉及对天气等外界因素的合理划分，且未考虑不同子因素对高铁晚点的影响程度，难以准确、合理地预测实际高铁晚点时间。

发明内容

本发明的目的在于提供一种高效准确的高速铁路系统多模态融合晚点预测方法。

实现本发明目的的技术解决方案为：一种高速铁路系统多模态融合晚点预测方法，包括以下步骤：

步骤1、分析并明确影响高速铁路运行时间晚点的因素，将影响因素分为自然因素与行车故障因素两大类；

步骤2、结合模糊层次分析法FAHP，对各个子因素进行归属度计算分析，获取各子因素归属度数值；

步骤3、确定晚点惩罚因子C_γ；

步骤4、将不同数据源的子因素通过数据融合建立晚点预测方法，得出站点之间高铁晚点时间预测值，与实际列车运行时刻表相结合获取晚点时间。

进一步地，步骤1所述分析并明确影响高速铁路运行时间晚点的因素，将影响因素分为自然因素与行车故障因素两大类，具体如下：

自然因素方面：根据风力等级，将风天气划分为和风、劲风、强风、疾风、大风5个等级；根据时降雨量的大小，可划分为小雨、中雨、大雨、暴雨4个等级；根据1小时内降雪量，可划分为暴雪、大雪、中雪、小雪4个等级；根据可见度分析，将雾的类型划分为重雾、浓雾、中雾、轻雾；

行车故障因素方面：将目前的车载设备故障模式划分为两级，即一级故障模式和二级故障模式；其中，一级故障模式代表故障发生的模块或单元的范围，称为车载设备的故障类型，分为ATPCU相关故障、BTM相关故障、STM相关故障、测速测距单元故障、无限通讯故障、列车接口单元故障、DMI故障、其他故障8个等级；二级故障模式代表故障模块或单元的具体故障原因。

进一步地，步骤2所述结合模糊层次分析法FAHP，对各个子因素进行归属度计算分析，获取各子因素归属度数值，具体如下：