基于LSTM(长短期记忆)网络的城市轨道交通列车停站精度预测

作者：谢嘉琦; 邹喜华; 汪小勇; 毕文峰; 华志辰

来源：城市轨道交通研究, 2022, 25(11): 62-71.

DOI：10.16037/j.1007-869x.2022.11.014

• 城市轨道交通
• 长短期记忆网络
• Weibull分布
• 停车精度预测

城市轨道交通列车进站自动停车过程中常会出现冲标和欠标问题，结合行车日志大数据分析和LSTM(长短期记忆)网络算法，提出了有效的解决方案。首先针对行车日志中大量的列车停车精度历史信息进行大数据分析，按1 d为一个统计周期对数据进行分期，并对数据进行预处理和多类拟合，对比后获得最佳拟合参数的时间序列。然后通过LSTM网络算法构建深度学习模型，对列车进站自动停车精度的分布进行预测。最后基于成都某地铁线列车停车精度的历史数据，对该LSTM预测模型进行训练与验证。结果表明：该预测模型可满足统计学上对相似度大于0.9的要求，从而验证了该模型的有效性和准确性。

• 单位
  西南交通大学; 卡斯柯信号有限公司