基于梯度提升决策树级联分类方法的城市轨道交通列车突发事件延误时间预测

U231.92; 为了精确预测城市轨道交通设备故障等突发事件致使的列车延误时间,提升应急处置效率和乘客引导服务水平,对地铁突发事件互联网发布数据和现场事故数据进行了关联融合,对面向不平衡的地铁事故数据随机欠采样,提出了一种基于GBDT(梯度提升决策树)的级联分类预测方法,对地铁突发事件的延误时间进行预测.结果表明,GB-DT级联分类方法在延误时间容许偏差为0～5 min时的预测延误时间准确率,比现场发布的预测延误时间准确率高20％～25％,比GBDT多分类预测方法准确率高5％....

Full description

Saved in:
Bibliographic Details
Published in城市轨道交通研究 Vol. 25; no. 10; pp. 65 - 70
Main Authors 欧冬秀, 张馨尹, 赵源, 张雷, 高博文, 吴宇森
Format Journal Article
LanguageChinese
Published 上海轨道交通运营管理中心,200070,上海%上海自主智能无人系统科学中心,201210,上海 2022
同济大学交通运输工程学院,201804,上海
上海市轨道交通结构耐久与系统安全重点实验室,201804,上海%同济大学交通运输工程学院,201804,上海%上海市轨道交通结构耐久与系统安全重点实验室,201804,上海
Subjects
延误时间预测
列车
梯度提升决策树
级联分类方法
城市轨道交通
突发事件
Online AccessGet full text
ISSN1007-869X
DOI10.16037/j.1007-869x.2022.10.013

Cover

More Information
Summary:U231.92; 为了精确预测城市轨道交通设备故障等突发事件致使的列车延误时间,提升应急处置效率和乘客引导服务水平,对地铁突发事件互联网发布数据和现场事故数据进行了关联融合,对面向不平衡的地铁事故数据随机欠采样,提出了一种基于GBDT(梯度提升决策树)的级联分类预测方法,对地铁突发事件的延误时间进行预测.结果表明,GB-DT级联分类方法在延误时间容许偏差为0～5 min时的预测延误时间准确率,比现场发布的预测延误时间准确率高20％～25％,比GBDT多分类预测方法准确率高5％.
ISSN:1007-869X
DOI:10.16037/j.1007-869x.2022.10.013