基于梯度提升決策樹的城市軌道交通網(wǎng)絡運營態(tài)勢綜合評估方法*

段力偉 冉松民 陳瑞雪 鄺雅靜 董少帥 歐光繼

(1.重慶交通大學交通運輸學院, 400074, 重慶; 2.重慶交通大學信息科學與工程學院, 400074, 重慶∥第一作者, 副教授)

城市軌道交通(以下簡為“城軌”)網(wǎng)絡運營態(tài)勢是對城軌網(wǎng)絡的客流規(guī)模、運行效率、運營安全以及工作負荷的綜合反映。城軌網(wǎng)絡運營態(tài)勢評估即通過分析影響城軌運行的各項因素得到城軌網(wǎng)絡化運營管理與服務的水平，進而判斷城軌網(wǎng)絡是否處于安全穩(wěn)定的運營狀態(tài)。

目前，已有對城軌大客流預警需求的研究和分析[1]，通過確立預警指標和閾值進行城軌運營安全評估[2]，采用云模型對預警指標進行融合來確定預警閾值[3]，以及通過圖像識別[4]、支持向量機[5-6]及時間序列分析法[7]等技術或方法對可能帶來安全隱患的短時大客流進行預警。而這些文獻多為對客流預測的分析和預警方法的研究，仍缺少對城軌運營網(wǎng)絡運營態(tài)勢整體的綜合評估分析，存在評估指標體系建設不夠全面等問題。在已有研究的基礎上，本文通過分析城軌網(wǎng)絡運營態(tài)勢的影響因素，確立多維度評估指標體系，劃分了4個預警等級，綜合使用梯度提升決策樹算法對城軌運營網(wǎng)絡進行運營態(tài)勢等級評估。

1 指標體系和預警等級的建立

1.1 運營態(tài)勢評估指標體系

按全面性、科學性、實用性的選取原則，城軌網(wǎng)絡運營態(tài)勢預警指標體系包含客流、效率、安全及工作負荷等4個一級指標，以及20個二級指標。

1.1.1 客流指標

客流指標主要涵蓋影響運營態(tài)勢的客流規(guī)模因素指標，以及由此導致的線網(wǎng)及站點的客流風險指標。

客流指標包含4個二級指標：全網(wǎng)客流總量Q1，即從全網(wǎng)各車站乘坐城軌到達目的地的客流總量；全網(wǎng)換乘客流總量Q2，即全網(wǎng)所有換乘站內進行換乘的客流總量；線路客流量不均衡系數(shù)K1;站點進站負荷系數(shù)K2。

其中：

(1)

式中：

n——全網(wǎng)線路總數(shù);

qi——第i條線路在統(tǒng)計時間和統(tǒng)計范圍內的客流量，i=1,2,…,n。

(2)

式中：

u——全網(wǎng)車站總數(shù)；

qj——統(tǒng)計時間內第j個車站的進站客流量，j=1,2,…,u。

1.1.2 效率指標

效率指標主要反映城軌網(wǎng)絡運行效率，其包含4個二級指標：列車正點率Z,列車停站時間不均衡系數(shù)K3,一次滯留乘客數(shù)Q3,AFC(自動售檢票)系統(tǒng)的故障設備數(shù)T1。

其中：

(3)

式中：

m——統(tǒng)計時間內，全網(wǎng)實際開行的列車數(shù)；

mf——始發(fā)晚點列車數(shù)；

md——到達晚點列車數(shù)。

(4)

式中：

tj，停——列車在第j個車站的停站時間。

1.1.3 安全指標

安全指標主要為影響列車運行安全和乘客乘車安全的各項因素指標。

安全指標包括9個二級指標：列車臨時停車總次數(shù)E1,列車發(fā)生故障的總次數(shù)E2,全網(wǎng)信號設備發(fā)生故障的總次數(shù)E3,全網(wǎng)自動扶梯發(fā)生故障的總次數(shù)E4,全網(wǎng)供電系統(tǒng)發(fā)生故障總次數(shù)E5,全網(wǎng)屏蔽門發(fā)生故障總次數(shù)E6,網(wǎng)絡中突然發(fā)生重大安全事故的總次數(shù)E7,人員糾紛等不安全事件發(fā)生總次數(shù)E8,安檢發(fā)現(xiàn)危險物品的總檢出次數(shù)E9。

1.1.4 員工工作負荷指標

員工工作負荷指標為主要考慮影響列車運行安全關鍵崗位人員的工作時長因素指標。

員工工作負荷指標包含3個二級指標：在統(tǒng)計時間內列車駕駛員平均工作時長ta,駕駛員工作時長最大值tm,行車調度員在統(tǒng)計時間內的平均工作時間占有率th。

其中：

(5)

式中：

tz——第z個駕駛員當日的工作時長;

N——全網(wǎng)列車駕駛員人數(shù)。

(6)

式中：

tp——行調員在統(tǒng)計時間內的平均工作時長；

tj——統(tǒng)計時間。

1.2 預警等級劃分

根據(jù)運營態(tài)勢評估指標體系及《城軌運營期間安全評估規(guī)范》，將城軌網(wǎng)絡運營態(tài)勢預警等級劃分為四級，如表1所示。

表1 城軌網(wǎng)絡運營態(tài)勢預警等級

2 運營態(tài)勢綜合評估模型的構建

2.1 梯度提升決策樹的原理

GBDT(梯度提升決策樹)算法由Jerome Friedma于1999年提出[8]，其在訓練過程中確定一系列合適的決策樹作為弱學習器，并將弱學習器線性組合成為強學習器后對測試樣本進行判斷。

對于訓練集M={(x1,y1),(x2,y2),…,(xN,yN)}，GBDT算法的具體模型表示形式為：

(7)

式中：

FS(x)——預測函數(shù);

x——訓練集數(shù)據(jù);

T(x;Φs)——第s個決策樹變量；

Φs——第s個決策樹參數(shù)；

S——決策樹個數(shù)。

模型的迭代步驟如下：

步驟1：確定初始的提升樹為F0(x)=0。

步驟2：采用向前分布算法，第v步的算法模型為：

Fv(x)=Fv-1(x)+T(x;Φv)

(8)

式中:

Fv-1(x)——v-1步的預測函數(shù)模型。

步驟3：通過要求得到的預測值F(x)使得損失函數(shù)L最小，來確定第v個決策樹參數(shù)Φv，即：

(9)

式(9)中，L為平方誤差損失函數(shù)，即：

(10)

通過不斷迭代，使得最后得到的輸出結果不斷逼近訓練值。

2.2 基于GBDT算法的城軌運營態(tài)勢評估

本文以訓練集中的4個預警等級、2個樣本特征指標(Q1及E1)為例，敘述GBDT算法模型通過擬合殘差進行學習的過程。

城軌網(wǎng)絡運營態(tài)勢評估模型首先通過訓練集M={(x1,y1),(x2,y2),…,(xN,yN)}找到目標函數(shù)。其中,x為特征指標值，xi∈X?Rn；y為預警等級對應值，yi∈Y={1,2,3,4}。隨后，使得x映射到y(tǒng)的損失函數(shù)L最小，來確定決策樹參數(shù)，得到下一棵決策樹；最后，將所有決策樹節(jié)點值進行累加，得到輸出的評估結果。以Q1、E1指標為例，根據(jù)初始數(shù)據(jù)生成決策樹1，樹的每一個節(jié)點相應有一個輸出值；然后，根據(jù)樹1的殘差生成決策樹2，當決策樹節(jié)點值為0時，結束迭代。將對應決策樹節(jié)點值進行累加得到模型預測結果。過程見圖1，如預警等級Ⅰ的評估值y=樹1左節(jié)點+樹2左節(jié)點=1。

圖1 GBDT算法通過擬合殘差的迭代過程

3 案例驗證

根據(jù)城軌網(wǎng)絡運營態(tài)勢評估指標體系，本文以重慶軌道交通客流量綜合分析平臺的數(shù)據(jù)為基礎，對評估模型進行驗證。

選取全網(wǎng)客流總量Q1、屏蔽門故障次數(shù)E6、列車停站不均衡系數(shù)K1以及行調員平均工作負荷占有率th作為典型評估指標，繪制預警等級評估結果與典型評估指標的時間曲線如圖2所示。

圖2 預警等級評估值與典型評估指標的時間曲線

圖2可反映重慶城軌網(wǎng)絡當日的運行態(tài)勢。在運營初期(06∶30—07∶15)，城軌網(wǎng)絡客流基本保持平穩(wěn)，預警評估等級維持在Ⅰ級。在07∶15，發(fā)生屏蔽門設備故障，且客流量呈現(xiàn)遞增趨勢，預警等級評估模型的評估等級變?yōu)棰蚣?。預警等級評估提升的原因并不是客流量的大幅上升，而是運營過程中出現(xiàn)的設備故障。如果關鍵設備發(fā)生故障，則會導致客流流速減緩，并帶來大量乘客滯留的風險。07∶25屏蔽門故障設備被修復，但由于城軌網(wǎng)絡運營時間臨近早高峰，客流量持續(xù)上升，預警等級評估結果維持為Ⅱ級，城軌網(wǎng)絡出現(xiàn)客流短時間聚集等狀況，有運營風險加劇的趨勢。

城軌網(wǎng)絡運營態(tài)勢的預警等級在多維評估指標的影響下是變化的?？土饕?guī)模(Q1、Q2、K1、K2)并非是判斷運營態(tài)勢的唯一因素，城軌網(wǎng)絡運行效率(Z、K3、Q3、T1)、安全狀態(tài)(E1～E9)及員工工作負荷(ta、tm、th)都是影響城軌網(wǎng)絡運營態(tài)勢的必要因素。

4 結語

及時掌握城軌網(wǎng)絡運營態(tài)勢，進行多維度的綜合評估與預警，是保障城軌網(wǎng)絡運營安全、提高運營效率的有力保障。本文通過分析城軌網(wǎng)絡運營態(tài)勢的影響因素，提出了預警評估指標體系，基于梯度提升決策樹算法建立城軌網(wǎng)絡運營態(tài)勢評估模型，并以重慶軌道交通網(wǎng)絡為實例，進行了預警等級評估驗證。驗證結果表明：運營態(tài)勢評估結果能基本反映城軌網(wǎng)絡運營現(xiàn)狀及發(fā)展趨勢；模型具有可行性；進行城軌網(wǎng)絡運營態(tài)勢評估有助于保障城市軌道交通網(wǎng)絡的運營安全，提高運營效率。