-
题名城市轨道交通列车运行数据实时压缩方案
被引量：1
- 1
-
-
作者
李德祥
王林美
王曙
-
机构
中车青岛四方车辆研究所有限公司
-
出处
《城市轨道交通研究》
北大核心
2025年第1期253-257,共5页
-
文摘
[目的]针对目前城市轨道交通列车运行数据存在的磁盘存储空间需求增加、磁盘频繁损伤及高带宽占用等问题,研究数据压缩对于减少存储空间需求,缓解磁盘负担,以及减少带宽浪费具有重要意义。[方法]分析了列车运行数据的特性,从数据自身的时间相关性、空间相关性及整体冗余性等三个维度对其内部的冗余特性进行研究,提出帧间压缩+改进的RLE(游程编码)压缩+ZIP压缩的多维度实时压缩方案以降低数据的冗余性。通过算法的实时性验证试验,以及实际列车运行数据验证试验,证明此压缩方案的有效性。[结果及结论]提出的数据多维度实时压缩方案复杂度低,且具备压缩能力强、压缩速度快的优点。试验及应用表明,所提方案的数据实时压缩操作耗时仅为0.16 ms,满足20.00 ms的数据采集周期;所提方案的最终压缩率可达3.35%,同样成本的硬件能够存储更长时间数据;最终写入存储磁盘和无线传输的数据量缩减至原数据的11.83%,大幅减少了磁盘擦写的次数和无线传输的数据量,有效降低了磁盘存储故障率以及无线传输带宽占用。
-
关键词
城市轨道交通
列车运行数据
数据实时压缩
-
Keywords
urban rail transit
train operation data
real-time data compression
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名数据驱动的列车晚点传播研究
被引量：4
- 2
-
-
作者
文超
李忠灿
黄平
田锐
牟玮玮
李力
-
机构
西南交通大学综合交通运输国家地方联合工程实验室
西南交通大学综合交通大数据应用技术国家工程实验室
中国国家铁路集团有限公司调度部
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2019年第S02期1-9,共9页
-
基金
国家自然科学基金资助(71871188,U1834209)
四川省科技厅应用基础研究项目(2018JY0567).
-
文摘
为分析和总结铁路列车晚点传播问题的最新进展,深入研究数据驱动方法的应用情况,首先,阐述晚点传播问题内涵,了解晚点传播过程;其次,简要分析基于传统数学模型驱动的晚点传播研究情况;然后,重点综述列车晚点传播的数据驱动模型,针对晚点预测和晚点恢复2个关键问题,分析统计模型、智能计算和机器学习3类数据驱动方法的应用情况;最后,总结已有研究存在的4方面不足,指出未来研究的趋势。结果表明:基于人工智能、深度学习构建列车晚点传播及恢复模型可以辅助调度员提高调度决策质量,降低调度员工作负荷。
-
关键词
铁路
列车运行实绩
晚点预测
晚点恢复
晚点传播
数据驱动模型
-
Keywords
railway
real-world train operation data
delay prediction
delay recovery
delay propagation
data-driven models
-
分类号
U292.4
[交通运输工程—交通运输规划与管理]
-
-
题名武广高速铁路列车晚点恢复时间预测的随机森林模型
被引量：23
- 3
-
-
作者
黄平
彭其渊
文超
杨宇翔
-
机构
西南交通大学交通运输与物流学院
综合交通运输智能化国家地方联合工程实验室
滑铁卢大学铁路研究中心
亚琛工业大学交通科学研究所
-
出处
《铁道学报》
EI
CAS
CSCD
北大核心
2018年第7期1-9,共9页
-
基金
国家重点研发计划(2017YFB1200701)
国家自然科学基金(61503311)
中国铁路总公司科技开发计划项目(2016X008-J)
-
文摘
基于列车运行实绩的列车晚点恢复模型是铁路晚点管理的重要内容,是运行图优化和行车指挥的理论基础和依据。为了研究高速列车初始晚点恢复的机理,进行初始晚点恢复预测,本文以武广高速铁路列车运行实绩数据为研究基础,将列车在初始晚点站的晚点时间(PD)、列车晚点后经停各站的总停站缓冲时间(TD)、列车晚点后经停各区间的总区间缓冲时间(RB),以及标识列车是否晚点通过株洲西—长沙南区间的0-1变量(ZC)作为自变量,运用R语言编程建立了以晚点恢复时间(RT)为因变量的高速列车初始晚点恢复随机森林回归模型。对275个测试集数据的预测结果表明:模型允许误差在3min情况下,模型的预测精度能达到90%以上。随机森林模型与多元线性回归模型、支持向量机模型的对比表明,随机森林模型具有最优的预测精度。
-
关键词
高速铁路
初始晚点
列车运行实绩
晚点恢复
随机森林模型
-
Keywords
high speed railway
primary delay
real world data of train operation
delay recovery
random forest model
-
分类号
U292.1
[交通运输工程—交通运输规划与管理]
-
-
题名高铁故障晚点时间预测的支持向量回归模型
被引量：3
- 4
-
-
作者
汤轶雄
徐传玲
文超
李忠灿
宋邵杰
-
机构
西南交通大学交通运输与物流学院
综合交通运输智能化国家地方联合工程实验室
中国铁路广州局集团有限公司调度所
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2019年第S02期18-23,共6页
-
基金
国家自然科学基金资助(71871188,61503311)
四川省科技厅应用基础研究项目(2018JY0567).
-
文摘
为准确预测高速铁路(HSR)列车故障引起的总晚点时间,基于广铁集团高速铁路列车晚点实绩数据,分别运用软间隔支持向量机回归(ε-SVR)和容错比支持向量机回归(ν-SVR)方法以初始晚点时间、影响列车数、晚点致因为自变量,总晚点时间为因变量构建SVR模型。使用测试数据进行模型预测能力评估,结果表明:在20%相对允许误差范围内,ε-SVR和ν-SVR模型的预测精度均超过了0.8,且ν-SVR模型的预测精度要高于ε-SVR模型。
-
关键词
高速铁路(HSR)
列车运行实绩
初始晚点
晚点时间预测
支持向量回归(SVR)模型
-
Keywords
high-speed rail
train real operation data
primary delay
delay time prediction
support vector regression(SVR)model
-
分类号
U292.4
[交通运输工程—交通运输规划与管理]
-
