[发明专利]一种基于列车运行秩序的列车晚点人工神经网络识别方法

说明书

本发明公开了一种基于列车运行秩序的列车晚点人工神经网络识别方法，包括：获得多条列车运行晚点信息数据，生成列车运行晚点信息数据表；对所述列车运行晚点信息数据表中的数据进行预处理，提取列车晚点信息作为BP神经网络预测模型的训练集合；输入所述训练集合到所述BP神经网络预测模型中，采用批梯度下降法与Adam优化器训练神经网络参数，训练完成后输出并保存训练后相应的带权重参数集合和偏值参数集合；综合分析所述带权重参数集合和所述偏值参数集合，获取其中最优的一组带权重参数和偏值参数；输入最优的所述带权重参数和所述偏值参数至所述BP神经网络预测模型中，进行后续列车晚点预测。该方法过程简单，适用性广，可应用于任意一段铁路。

技术领域

本发明属于列车监测技术领域，具体涉及一种基于列车运行秩序的列车晚 点人工神经网络识别方法。

背景技术

高铁的发展极大地方便了居民出行，随着铁路网运营规模的扩大，铁路运 营管理也面临着新的挑战。尽管随着铁路信息化管理建设发展，铁路服务水平 已得到很大的提高，但其中高铁晚点的预测仍是重点和难点，把握列车晚点情 况能更好地从全局实现铁路智能调度，方便经营管理。

目前所有的相关技术中，有通过对晚点传播理论研究，分析列车晚点原因 与规律，高速铁路仿真实验系统，模拟列车晚点的传播与影响；也有基于轨道 区段锁闭时间理论的基础上，计算相邻列车间晚点传播，进而给出针对多列车 的构建晚点树的方法；还有先通过基于K-S拟合优度检验方法，采用启发式微 调参数概率拟合方法，对列车的到达晚点分布和出发晚点分布进行拟合，再在 此基础上构建基于随机森林的列车到站晚点预测模型。

由此可见，在大多数上述现有技术中，有的存在有以下缺点：过程繁琐， 需先通过概率分布拟合求得晚点分布，再在晚点分布的基础上对列车到站晚点 进行预测；预测过程涉及参数种类繁多，参数需通过不同样本数据采集获得， 且参数需通过不断微调估算并检验，直至得出经验分布良好的参数集；规模有 限，用于晚点预测的随机森林算法的精度受决策树数目的影响较大，在决策树 数目过多时，预测的准确率会出现瓶颈。且高速铁路仿真系统实验中，模拟规 模过大，计算与预测也会出现瓶颈问题。

发明内容

为了解决现有技术存在的上述问题，本发明提供了一种基于列车运行秩序 的列车晚点人工神经网络识别方法。

本发明的技术方案如下：

一种基于列车运行秩序的列车晚点人工神经网络识别方法，所述方法包括 以下步骤：

获得多条列车运行晚点信息数据，生成列车运行晚点信息数据表；

对所述列车运行晚点信息数据表中的数据进行预处理，提取列车晚点信息 作为BP神经网络预测模型的训练集合；

输入所述训练集合到所述BP神经网络预测模型中，采用批梯度下降法与 Adam优化器训练神经网络参数，训练完成后输出并保存训练后相应的带权重参 数集合和偏值参数集合；

综合分析所述带权重参数集合和所述偏值参数集合，获取其中最优的一组 带权重参数和偏值参数；

输入最优的所述带权重参数和所述偏值参数至所述BP神经网络预测模型 中，进行后续列车晚点预测。

优选的，所述获得多条列车运行晚点信息数据的方法包括：

以到达时间与图定到达时间为参考，从列车运行图数据库中选取历史运行 途中晚点较多的列车；

查询列车经过站点，划定晚点列车所经行区域范围；

找寻该范围内晚点发生最为频繁的几天，以天窗时间作为分割点；

区分上下行，去除支线部分，并去除经过3个站以下的列车，获得所述多 条列车运行晚点信息数据。