本站已运行 4475 天。
用脚步丈量每一寸轨道，
用心灵享受每一段旅程
列车开往的方向并不重要，
重要的是窗外的风景和看风景的心情。
处在嘈杂的动态中，
却是静而细腻的心思。
运输经济
目前铁路调度动态调整方面的研究主要集中于列车晚点状态分析、列车晚点传播预测以及智能决策三个方面，相关研究使用传统方法相对较多。列车晚点状态分析主要通过列车实际运行数据，提取并分类统计列车晚点、初始晚点、连带晚点，运用描述性统计、绘制分布曲线、关联、聚类等方法从宏观上探明高速列车晚点分布的基本规律，并应用于列车运行控制及晚点预测，根据列车在对应区间内历史和实时状态及列车在后续车站、区间的晚点分布规律，对列车的运行状态进行预判。早期研究主要基于统计学方法，由于概率统计模型多是基于单变量分析且模型形式简单，分析和预测性能有限，目前主要研究通常基于聚类等一般机器学习方法。Markovi ć等[1]使用支持向量回归建立列车晚点和铁路系统基础设施、时刻表和列车之间的关系，评估各种变化对列车晚点影响。Murali[2]基于模拟的列车晚点数据，研究列车晚点与列车组合、运行参数和网络拓扑之间的关系。Lee等[3]提出基于机器学习和数据挖掘的监督决策树方法，用于发现影响连带晚点的关键因素。张琦等[4]提出了一种高速铁路列车连带晚点的特征识别方法，综合考虑连带晚点的实际值、预测值和影响值等因素。
通过对历史晚点数据进行分析，可掌握相关规律，可在晚点发生时制定相应的对策，快速消解延误，但列车运行是一个动态过程，列车晚点具有较大的随机性，受制于大量内外部因素，还受到人员决策的影响，通过历史数据虽然能够提供一定的指导，但是无法根据实际情况做出准确的判断，且列车在运行时与线路和其他列车是相互制约的，若发生晚点，很容易向相邻列车、相邻线路传播，因此需要对晚点传播和后续演化进行研究，预测列车未来的运行时刻及区间运行时间。汤轶雄等[5]以初始晚点时间、影响列车数、晚点原因作为自变量，总晚点时间作为因变量，运用支持向量回归模型实现了故障的晚点时长预测。Huang等[6]提取了故障影响晚点列车运行序列，运用K-Means聚类算法，根据故障的强度、发生时段及行车间隔将列车晚点故障聚类为4个不同的类别，可以用于列车晚点致因的特征分类。Oneto等[7]以意大利铁路网实际维修记录、外部天气数据和运营商的经验为研究基础，应用决策树方法构建了一个基于规则的故障恢复时间预测模型，该模型具有足够的可解释性，有助于列车调度员合理评估局部铁路网络的可用性。Zilko等[8]提出了基于Copula-Bayesian网络方法的故障时间预测模型，该模型通过建立中断长度与各影响因素之间的依赖关系来产生准确预测。Wang等[9]基于列车运行历史数据和实时信息建立了两种线性回归模型。Corman等[10]构建了列车晚点时间预测的贝叶斯网络模型，实现了30分钟以内的列车晚点时间预测。Yaghini等[11]提出了一种高精度的人工神经网络模型来预测伊朗铁路客运列车的晚点。Oneto等[12]通过大量历史列车运行数据训练列车晚点预测模型，建立基于数据驱动的动态列车晚点预测系统，根据列车运行状态更新训练数据集，实现列车运行状态的实时预测。Wen等[13]基于列车运行实绩，通过长短记忆深度学习模型，对列车晚点进行预测。Huang等[14]提出结合三维卷积神经网络、长短期记忆神经网络和全连接神经网络结构的深度学习方法，针对4条具有不同运行特征的线路进行了预测分析。列车晚点恢复建模可协助调度人员掌握相关调度策略的晚点恢复效果、冗余时间利用情况等，实现对列车晚点恢复的预测，提高调度调整效果。Sahin[15]使用从土耳其国家铁路收集到的历史数据，建立了一个马尔可夫链模型估计列车晚点传播和恢复。Jiang等[16]基于武广高铁的列车运行实绩，比较了多类机器学习模型用于初始晚点恢复预测的效果，建立了有最佳效果的初始晚点恢复预测的随机森林模型。Huang等[17]基于武广高铁列车运行数据建立了缓冲时间分配的数据驱动模型，使用岭回归算法解析晚点恢复规律，所提出的机器学习模型综合考虑了运行图的执行效果指标，如缓冲时间利用率和晚点概率等。Martin[18]提出了运用预测推理和机器学习方法来提高铁路系统可靠性，运用贝叶斯推理进行晚点预测时可以考虑冗余时间的布局。胡雨欣等[19]以高速列车初始晚点时间、站停冗余时间和区间冗余时间等为变量，使用多层感知机和循环神经网络建立了高速列车晚点恢复时间预测机器学习模型。黄平等[20]建立基于循环神经网络的列车晚点预测模型。
智能决策是当发生意外情况时，如何在不同方案中进行选择，由于列车运行调整决策模型涉及的约束条件多、参数多、优化目标多，使得精准建模和求解相对困难。徐培娟等[21]建立混合整数线性优化模型，可以同时实现列车运行调整和列车径路优化，有效避免列车在闭塞区间的冲突。闫璐等[22]设计改进的ε-约束法，有效生成不同列车到发时刻调整次数下的调度策略。Sun等[23]通过对高速铁路列车运行控制程序的详细分析，提出一种基于模糊神经网络的列车运行调整模型，并通过引入变步长的改进BP算法，完成自适应神经网络模糊推理系统的训练工作。王修齐[24]提出了基于细菌觅食—蚁群算法的高速铁路突发事件影响分析及运行图调整优化方法。目前深度学习和时空图网络相关技术在航空运输、网约车、导航等领域有较为深入的研究，基于深度学习的方法已经成为主流研究方向，可借鉴其先进方法用于铁路运输相关研究。
本站已运行 4475 天。
列车开往的方向并不重要，
重要的是窗外的风景和看风景的心情。
处在嘈杂的动态中，
却是静而细腻的心思。
