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(xué)交通運輸學(xué)院, 400074, 重慶; 2.重慶交通大學(xué)信息科學(xué)與工程學(xué)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(luò)運營態(tài)勢是對城軌網(wǎng)絡(luò)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(luò)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(luò)化運營管理與服務(wù)的水平，進而判斷城軌網(wǎng)絡(luò)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(yù)警需求的研究和分析[1]，通過確立預(yù)警指標(biāo)和閾值進行城軌運營安全評估[2]，采用云模型對預(yù)警指標(biāo)進行融合來確定預(yù)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(shù)或方法對可能帶來安全隱患的短時大客流進行預(yù)警。而這些文獻多為對客流預(yù)測的分析和預(yù)警方法的研究，仍缺少對城軌運營網(wǎng)絡(luò)運營態(tài)勢整體的綜合評估分析，存在評估指標(biāo)體系建設(shè)不夠全面等問題。在已有研究的基礎(chǔ)上，本文通過分析城軌網(wǎng)絡(luò)運營態(tài)勢的影響因素，確立多維度評估指標(biāo)體系，劃分了4個預(yù)警等級，綜合使用梯度提升決策樹算法對城軌運營網(wǎng)絡(luò)進行運營態(tài)勢等級評估。

1 指標(biāo)體系和預(yù)警等級的建立

1.1 運營態(tài)勢評估指標(biāo)體系

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

1.1.1 客流指標(biāo)

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

客流指標(biāo)包含4個二級指標(biāo)：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(nèi)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(nèi)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(nèi)第j個車站的進站客流量，j=1,2,…,u。

1.1.2 效率指標(biāo)

效率指標(biāo)主要反映城軌網(wǎng)絡(luò)運行效率，其包含4個二級指標(biāo)：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(shè)備數(shù)T1。

其中：

(3)

式中：

m——統(tǒng)計時間內(nèi)，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(biāo)

安全指標(biāo)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(biāo)。

安全指標(biāo)包括9個二級指標(biāo)：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(shè)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(luò)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(biāo)

員工工作負荷指標(biāo)為主要考慮影響列車運行安全關(guān)鍵崗位人員的工作時長因素指標(biāo)。

員工工作負荷指標(biāo)包含3個二級指標(biāo)：在統(tǒng)計時間內(nèi)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(diào)度員在統(tǒng)計時間內(nèi)的平均工作時間占有率th。

其中：

(5)

式中：

tz——第z個駕駛員當(dāng)日的工作時長;

N——全網(wǎng)列車駕駛員人數(shù)。

(6)

式中：

tp——行調(diào)員在統(tǒng)計時間內(nèi)的平均工作時長；

tj——統(tǒng)計時間。

1.2 預(yù)警等級劃分

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

表1 城軌網(wǎng)絡(luò)運營態(tài)勢預(yù)警等級

2 運營態(tài)勢綜合評估模型的構(gòu)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(xùn)練過程中確定一系列合適的決策樹作為弱學(xué)習(xí)器，并將弱學(xué)習(xí)器線性組合成為強學(xué)習(xí)器后對測試樣本進行判斷。

對于訓(xùn)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(yù)測函數(shù);

x——訓(xùn)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(yù)測函數(shù)模型。

步驟3：通過要求得到的預(yù)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(jié)果不斷逼近訓(xùn)練值。

2.2 基于GBDT算法的城軌運營態(tài)勢評估

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

城軌網(wǎng)絡(luò)運營態(tài)勢評估模型首先通過訓(xùn)練集M={(x1,y1),(x2,y2),…,(xN,yN)}找到目標(biāo)函數(shù)。其中,x為特征指標(biāo)值，xi∈X?Rn；y為預(yù)警等級對應(yīng)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(jié)果。以Q1、E1指標(biāo)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(yīng)有一個輸出值；然后，根據(jù)樹1的殘差生成決策樹2，當(dāng)決策樹節(jié)點值為0時，結(jié)束迭代。將對應(yīng)決策樹節(jié)點值進行累加得到模型預(yù)測結(jié)果。過程見圖1，如預(yù)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(luò)運營態(tài)勢評估指標(biāo)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(chǔ)，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(diào)員平均工作負荷占有率th作為典型評估指標(biāo)，繪制預(yù)警等級評估結(jié)果與典型評估指標(biāo)的時間曲線如圖2所示。

圖2 預(yù)警等級評估值與典型評估指標(biāo)的時間曲線

圖2可反映重慶城軌網(wǎng)絡(luò)當(dāng)日的運行態(tài)勢。在運營初期(06∶30—07∶15)，城軌網(wǎng)絡(luò)客流基本保持平穩(wěn)，預(yù)警評估等級維持在Ⅰ級。在07∶15，發(fā)生屏蔽門設(shè)備故障，且客流量呈現(xiàn)遞增趨勢，預(yù)警等級評估模型的評估等級變?yōu)棰蚣墶ｎA(yù)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(shè)備故障。如果關(guān)鍵設(shè)備發(fā)生故障，則會導(dǎo)致客流流速減緩，并帶來大量乘客滯留的風(fēng)險。07∶25屏蔽門故障設(shè)備被修復(fù)，但由于城軌網(wǎng)絡(luò)運營時間臨近早高峰，客流量持續(xù)上升，預(yù)警等級評估結(jié)果維持為Ⅱ級，城軌網(wǎng)絡(luò)出現(xiàn)客流短時間聚集等狀況，有運營風(fēng)險加劇的趨勢。

城軌網(wǎng)絡(luò)運營態(tài)勢的預(yù)警等級在多維評估指標(biāo)的影響下是變化的。客流規(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(luò)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(luò)運營態(tài)勢的必要因素。

4 結(jié)語

及時掌握城軌網(wǎng)絡(luò)運營態(tài)勢，進行多維度的綜合評估與預(yù)警，是保障城軌網(wǎng)絡(luò)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(luò)運營態(tài)勢的影響因素，提出了預(yù)警評估指標(biāo)體系，基于梯度提升決策樹算法建立城軌網(wǎng)絡(luò)運營態(tài)勢評估模型，并以重慶軌道交通網(wǎng)絡(luò)為實例，進行了預(yù)警等級評估驗證。驗證結(jié)果表明：運營態(tài)勢評估結(jié)果能基本反映城軌網(wǎng)絡(luò)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(luò)運營態(tài)勢評估有助于保障城市軌道交通網(wǎng)絡(luò)的運營安全，提高運營效率。