基于梯度提升決策樹級(jí)聯(lián)分類方法的城市軌道交通列車突發(fā)事件延誤時(shí)間預(yù)測(cè)*

歐冬秀 張馨尹 趙 源 張 雷 高博文 吳宇森

(1.同濟(jì)大學(xué)交通運(yùn)輸工程學(xué)院， 201804， 上海； 2.上海市軌道交通結(jié)構(gòu)耐久與系統(tǒng)安全重點(diǎn)實(shí)驗(yàn)室， 201804， 上海；3.上海軌道交通運(yùn)營(yíng)管理中心， 200070， 上海； 4.上海自主智能無人系統(tǒng)科學(xué)中心， 201210， 上?！蔚谝蛔髡?， 教授)

城市居民日常出行對(duì)城市軌道交通的依賴毋庸置疑，而突發(fā)事件時(shí)有發(fā)生，經(jīng)常致使列車延誤。據(jù)統(tǒng)計(jì)，某城市在2017年至2019年地鐵全線突發(fā)事故導(dǎo)致列車延誤5 min以上高達(dá)360次，某條單線延誤達(dá)67次，其中最長(zhǎng)延誤時(shí)間達(dá)275 min，嚴(yán)重影響公眾出行體驗(yàn)。為了減緩延誤影響，地鐵運(yùn)營(yíng)管理部門在信息平臺(tái)實(shí)時(shí)播報(bào)地鐵各條線路的運(yùn)營(yíng)情況和突發(fā)事件信息[1]，但現(xiàn)階段播報(bào)的預(yù)報(bào)延誤時(shí)間與實(shí)際延誤時(shí)間相比具有較大偏差。如某日某條線路預(yù)報(bào)延誤時(shí)間為10 min以上，而實(shí)際延誤時(shí)間長(zhǎng)達(dá)128 min。精準(zhǔn)的列車延誤時(shí)間估計(jì)不僅能為乘客提供直觀可信的地鐵實(shí)時(shí)信息便于其調(diào)整出行路線，而且還能為運(yùn)營(yíng)管理部門調(diào)整運(yùn)維方案、部署清客和救援工作提供基礎(chǔ)數(shù)據(jù)支撐。因此，突發(fā)事故下地鐵列車延誤時(shí)間的預(yù)估研究對(duì)于提升地鐵信息化服務(wù)水平具有重要意義。

一方面，學(xué)者們正研究運(yùn)用數(shù)據(jù)驅(qū)動(dòng)的人工智能方式進(jìn)行故障診斷，實(shí)現(xiàn)智能運(yùn)維和狀態(tài)維修，從而降低故障發(fā)生率[2]；另一方面，學(xué)者們也在積極探索故障發(fā)生后降低列車延誤影響的方法和技術(shù)。列車延誤與設(shè)備維護(hù)、人員操作、外部環(huán)境、發(fā)生時(shí)段、客觀綜合等因素有關(guān)[3]。文獻(xiàn)[4]從單因素、時(shí)空維度等方面研究了事故類型、運(yùn)營(yíng)時(shí)間、區(qū)段等事件特征之間的關(guān)聯(lián)性，但未對(duì)事件特征與延誤時(shí)間的關(guān)聯(lián)性做深入分析。文獻(xiàn)[5]結(jié)合灰色模型和馬爾科夫模型預(yù)測(cè)了列車晚點(diǎn)時(shí)間。文獻(xiàn)[6-8]基于晚點(diǎn)列車運(yùn)行數(shù)據(jù)進(jìn)行了聚類分析，運(yùn)用隨機(jī)森林模型、支持向量機(jī)預(yù)測(cè)各類晚點(diǎn)列車的晚點(diǎn)時(shí)間。文獻(xiàn)[9]構(gòu)建了航班延誤特征，基于GBDT(梯度提升決策樹)對(duì)航班延誤進(jìn)行分類預(yù)測(cè)。大量研究表明，分類預(yù)測(cè)方法能夠?qū)α熊囃睃c(diǎn)時(shí)間進(jìn)行可靠預(yù)測(cè)。

地鐵事故數(shù)據(jù)具有低延誤數(shù)量多、高延誤數(shù)量少的特點(diǎn)，這種類別不平衡特性會(huì)影響機(jī)器學(xué)習(xí)算法的性能。對(duì)于類別不平衡數(shù)據(jù)集，文獻(xiàn)[10]基于欠采樣法提出基于自適應(yīng)加權(quán)Bagging-GBDT分類算法，解決了數(shù)據(jù)集正負(fù)樣本數(shù)目不均衡導(dǎo)致的分類算法預(yù)測(cè)準(zhǔn)確率低的問題。目前，對(duì)地鐵列車延誤的預(yù)測(cè)方法較少地考慮了事故數(shù)據(jù)集的類別不平衡性，因此，基于不平衡事故數(shù)據(jù)對(duì)列車延誤時(shí)間進(jìn)行精細(xì)化預(yù)測(cè)的研究仍有待開展。

本文對(duì)地鐵事故互聯(lián)網(wǎng)發(fā)布數(shù)據(jù)和現(xiàn)場(chǎng)故障記錄數(shù)據(jù)進(jìn)行融合，并挖掘日期、時(shí)段、線路類別、致因等事故特征，及其對(duì)列車延誤影響的關(guān)聯(lián)關(guān)系?；谑鹿蕯?shù)據(jù)的不均衡特征，采用隨機(jī)欠采樣方法建立了基于GBDT的級(jí)聯(lián)分類模型，并對(duì)突發(fā)事件引起的列車延誤時(shí)間進(jìn)行分級(jí)預(yù)測(cè)。

1 城市軌道交通列車運(yùn)營(yíng)延誤影響及事故特征分析

為緩解突發(fā)事件影響，地鐵運(yùn)營(yíng)管理部門在站內(nèi)、互聯(lián)網(wǎng)等多個(gè)平臺(tái)發(fā)布事故信息，內(nèi)容大致如下：“上海軌道交通2號(hào)線因信號(hào)設(shè)備故障，世紀(jì)大道站至南京東路站區(qū)間列車限速運(yùn)行，預(yù)計(jì)晚點(diǎn)10 min以上，請(qǐng)乘客們及時(shí)調(diào)整出行……”實(shí)際運(yùn)營(yíng)中，地鐵突發(fā)事件的播報(bào)延誤時(shí)間遠(yuǎn)長(zhǎng)于10 min，且通常無法準(zhǔn)時(shí)恢復(fù)運(yùn)營(yíng)。據(jù)上海軌道交通2號(hào)線2017—2019年的統(tǒng)計(jì)數(shù)據(jù)，地鐵預(yù)報(bào)延誤時(shí)間均為20 min以上；平均實(shí)際延誤時(shí)間為29 min，最大實(shí)際延誤時(shí)間高達(dá)275 min。由此可見，突發(fā)事件的預(yù)報(bào)延誤時(shí)間和實(shí)際延誤時(shí)間存在較大偏差，且兩者偏差越大，對(duì)應(yīng)急處置方案的制定和乘客引導(dǎo)的影響也越大。

如表1可見，軌道交通突發(fā)事件數(shù)據(jù)包含互聯(lián)網(wǎng)發(fā)布數(shù)據(jù)和現(xiàn)場(chǎng)故障記錄數(shù)據(jù)?；ヂ?lián)網(wǎng)發(fā)布的非結(jié)構(gòu)化文本信息含有豐富的信息：“2018-01-15T 16:29:00，上海軌道交通1號(hào)線因信號(hào)設(shè)備故障,×站—×站區(qū)間列車限速運(yùn)行，發(fā)車班次間隔延長(zhǎng),預(yù)計(jì)晚點(diǎn)15 min以上,請(qǐng)乘客們及時(shí)調(diào)整出行路徑，以免耽誤行程”“2018-01-15T16:49:00，1號(hào)線信號(hào)設(shè)備故障已排除，全線運(yùn)營(yíng)正在逐步恢復(fù)中，給您出行帶來不便，敬請(qǐng)諒解！”經(jīng)文本抽取、挖掘等方法處理后獲取如下特征元素：日期d、時(shí)間h、線路編號(hào)l、預(yù)報(bào)延誤時(shí)間Dp、實(shí)際延誤時(shí)間Dr等。現(xiàn)場(chǎng)故障記錄數(shù)據(jù)包含如下特征元素：d、h、l、致因c、延誤時(shí)間D1、影響列車數(shù)q等。融合互聯(lián)網(wǎng)數(shù)據(jù)與現(xiàn)場(chǎng)數(shù)據(jù)兩個(gè)數(shù)據(jù)集，得到事故特征數(shù)據(jù)集：{d,h,l,c,Dp,Dr}。

表1 上海軌道交通1號(hào)線事故特征元素取值示例

2 GBDT級(jí)聯(lián)分類預(yù)測(cè)模型的建立

2.1 GBDT級(jí)聯(lián)分類預(yù)測(cè)模型

本文設(shè)計(jì)了一個(gè)面向不平衡數(shù)據(jù)的GBDT級(jí)聯(lián)分類預(yù)測(cè)模型。模型構(gòu)建過程中，組合多個(gè)學(xué)習(xí)器f(x)構(gòu)成層級(jí)分類器g(x)，串聯(lián)多個(gè)g(x)的正例輸出結(jié)果構(gòu)成級(jí)聯(lián)分類器G(x)。

級(jí)聯(lián)分類器是在每層分類器設(shè)置不同閾值劃分樣本并進(jìn)行分類訓(xùn)練。若通過前一層分類器的測(cè)試樣本滿足下一層級(jí)閾值標(biāo)準(zhǔn)，則可進(jìn)入下一層分類器測(cè)試，依次類推。

2.1.1 梯度劃分

按照事件Dr劃分“階梯”級(jí)別，設(shè)置層級(jí)時(shí)間標(biāo)準(zhǔn)ti，i∈[1,m]，m為層級(jí)數(shù)。判斷輸入的Dr與ti的關(guān)系，將事故數(shù)據(jù)按層級(jí)時(shí)間標(biāo)準(zhǔn)進(jìn)行劃分。

2.1.2 層級(jí)分類器g(x)

2.1.2.1 面向不平衡數(shù)據(jù)的隨機(jī)欠采樣

將事故數(shù)據(jù)按層級(jí)時(shí)間標(biāo)準(zhǔn)劃分為負(fù)樣本和正樣本。事故數(shù)據(jù)表現(xiàn)出標(biāo)簽不平衡的問題。采用隨機(jī)欠采樣方法實(shí)現(xiàn)正、負(fù)樣本平衡，具體方法為：對(duì)于每一層級(jí)i(i∈[1,m])，對(duì)數(shù)據(jù)進(jìn)行隨機(jī)欠采樣，進(jìn)而得到k個(gè)相互獨(dú)立的正負(fù)樣本平衡的數(shù)據(jù)集，每個(gè)數(shù)據(jù)集記為si,j(j為數(shù)據(jù)集編號(hào))，訓(xùn)練得到k個(gè)GBDT學(xué)習(xí)器fi,j(x)(i∈[1,m],j∈[1,k])，組合k個(gè)GBDT學(xué)習(xí)器的結(jié)果得到最終分類結(jié)果。

2.1.2.2 學(xué)習(xí)器f(x)

采用GBDT作為學(xué)習(xí)器f(x)，GBDT是一種基于CART(分類與回歸決策樹)的集成學(xué)習(xí)模型。該模型串行訓(xùn)練1組弱學(xué)習(xí)器(CART決策樹)，將預(yù)測(cè)延誤時(shí)間逐步擬合逼近真實(shí)值。對(duì)于二分類模型，對(duì)樣本進(jìn)行正、負(fù)分類，采用sigmoid函數(shù)計(jì)算得到類別[11]。

輸入樣本集為si,j=(x,yi),i∈[1,m],j∈[1,k]。 其中，x為輸入特征,x={d,h,l,c}；yi為對(duì)應(yīng)樣本x的實(shí)際延誤標(biāo)簽。對(duì)第i層級(jí)含有n個(gè)樣本的數(shù)據(jù)集訓(xùn)練學(xué)習(xí)器。GBDT模型f(x)的構(gòu)建步驟如下：

步驟1 初始化學(xué)習(xí)器f(x)，并采用對(duì)數(shù)損失函數(shù)，調(diào)整決策樹參數(shù)使得損失函數(shù)L(yi,f(x))達(dá)到最小。

(1)

式中：

θ1——決策樹參數(shù)。

步驟2 利用損失函數(shù)的負(fù)梯度ri擬合殘差，調(diào)整決策樹的參數(shù)目標(biāo)使損失函數(shù)達(dá)到最小，并更新模型f(x)。

(2)

式中：

θ2——決策樹參數(shù)。

步驟3 重復(fù)步驟2完成L-1次迭代，并通過sigmoid函數(shù)完成概率計(jì)算，實(shí)現(xiàn)類別判別。

(3)

式中：

θi——決策樹參數(shù)。

2.1.2.3 集成學(xué)習(xí)分類模型

以均等投票機(jī)制組合同類別且彼此之間無強(qiáng)關(guān)聯(lián)的學(xué)習(xí)器，如圖1所示。采用學(xué)習(xí)器進(jìn)行二分類預(yù)測(cè)，則投票機(jī)制定義為：超過半數(shù)學(xué)習(xí)器及層級(jí)分類器輸出正例，即判定延誤時(shí)間大于該層級(jí)時(shí)間標(biāo)準(zhǔn)ti。則層級(jí)分類器gi(x)可表示為：

(4)

2.1.3 級(jí)聯(lián)分類器G(x)

級(jí)聯(lián)通過正例輸出串聯(lián)所有層級(jí)分類器，以實(shí)現(xiàn)多分類的效果。GBDT多分類即對(duì)含有多個(gè)分類標(biāo)簽的樣本進(jìn)行分類。相較于GBDT多分類，GBDT級(jí)聯(lián)分類預(yù)測(cè)模型在各層級(jí)分別進(jìn)行類別數(shù)據(jù)的平衡處理，各層級(jí)之間彼此獨(dú)立，可以同時(shí)訓(xùn)練。如圖2所示，當(dāng)預(yù)測(cè)延誤時(shí)間大于該層級(jí)時(shí)間標(biāo)準(zhǔn)時(shí)，層級(jí)分類器預(yù)測(cè)輸出正例，進(jìn)入下一層級(jí)分類器進(jìn)行預(yù)測(cè)；若層級(jí)分類器預(yù)測(cè)輸出負(fù)例，則終止計(jì)算。通過正例串聯(lián)各層級(jí)分類器預(yù)測(cè)結(jié)果，得到預(yù)測(cè)延誤時(shí)間區(qū)間。

2.2 模型訓(xùn)練與評(píng)測(cè)

2.2.1 模型訓(xùn)練

確定合理的訓(xùn)練集和測(cè)試集樣本量，在訓(xùn)練集中通過有標(biāo)簽的樣本來尋找1組使得損失函數(shù)取值最小的模型參數(shù)。模型參數(shù)主要包括GBDT框架參數(shù)φ(宏觀參數(shù)，包括基學(xué)習(xí)器的個(gè)數(shù)和權(quán)重縮減系數(shù)等)和CART決策樹參數(shù)θ(微觀參數(shù)，包括決策樹的深度、節(jié)點(diǎn)數(shù)及使用特征數(shù)量等參數(shù))。采用網(wǎng)格搜索尋優(yōu)方法對(duì)參數(shù)空間進(jìn)行求解，并以對(duì)數(shù)似然損失函數(shù)作為評(píng)判標(biāo)準(zhǔn)，求得最佳模型參數(shù)。

2.2.2 預(yù)測(cè)結(jié)果評(píng)測(cè)

乘客對(duì)延誤時(shí)間具有一定容許度。定義nt為預(yù)測(cè)延誤時(shí)間zt與Dr之差同容許偏差ξ的大小關(guān)系。zt與Dr之差在ξ內(nèi)為預(yù)測(cè)準(zhǔn)確。則準(zhǔn)確率Racc的計(jì)算公式為：

(5)

式中：

t——樣本編號(hào)，t∈[1,N]，N為樣本總數(shù);

Dr,t——第t個(gè)樣本的實(shí)際延誤時(shí)間。

3 實(shí)例驗(yàn)證

3.1 數(shù)據(jù)分析與處理

經(jīng)數(shù)據(jù)清洗與融合，獲得某城市2017年1月1日至2019年12月31日地鐵事故互聯(lián)網(wǎng)數(shù)據(jù)與現(xiàn)場(chǎng)數(shù)據(jù)265條。為有效利用事故特征，本文將事故特征(事故日期、事故時(shí)段、事故線路、事故致因)進(jìn)行細(xì)致劃分：事故日期劃分為工作日故障和非工作日故障；事故時(shí)間劃分為高峰期故障和非高峰期故障；事故致因主要?jiǎng)澐譃檐囕v故障、通號(hào)故障、供電故障和客觀故障(包含運(yùn)營(yíng)組織、安全管理)。

事故線路采用K-means算法進(jìn)行聚類。將事故線路分為事故高發(fā)線路、事故中發(fā)線路、事故低發(fā)線路等3類，見圖3。

如圖4所示，通過分析各事故特征下不同延誤時(shí)間的事故頻數(shù)，得到延誤時(shí)間與事故特征之間的相關(guān)性：取5 min作為延誤時(shí)間粒度，工作日事故延誤時(shí)間多為>5～20 min，非工作日事故延誤時(shí)間多為>5～15 min；高峰期事故延誤時(shí)間多為>5～20 min，非高峰期事故延誤時(shí)間多為>5～15 min；故障高發(fā)線路事故延誤時(shí)間多為>5～15 min，故障中發(fā)線路事故延誤時(shí)間多為>5～20 min，故障低發(fā)線路事故延誤時(shí)間多為>5～10 min；車輛故障延誤時(shí)間多為>5～20 min，通號(hào)故障延誤時(shí)間多為>5～15 min，供電故障和客觀故障延誤時(shí)間多為>5～20 min。

3.2 結(jié)果分析與模型評(píng)價(jià)

為平衡模型的復(fù)雜程度和有效性，本文選取層級(jí)數(shù)量m為3，層級(jí)基分類器個(gè)數(shù)k為3，地鐵運(yùn)營(yíng)部門播報(bào)延誤時(shí)間分別為10 min、15 min、20 min及以上(延誤時(shí)間為5 min以內(nèi)未公示)，故設(shè)置每個(gè)層級(jí)時(shí)間標(biāo)準(zhǔn)分別為t1=10 min、t2=15 min、ta=20 min。將事故日期、事故時(shí)段、事故線路和事故致因等作為自變量，將實(shí)際延誤時(shí)間作為模型的因變量，即根據(jù)實(shí)際延誤時(shí)間是否大于t1、t2、t3，對(duì)其進(jìn)行二分類轉(zhuǎn)換為y1、y2、y3。將數(shù)據(jù)集按8∶2劃分為訓(xùn)練集和測(cè)試集，對(duì)模型進(jìn)行訓(xùn)練和測(cè)試。

模型訓(xùn)練完成后，得到層級(jí)分類器的特征重要度，如圖5所示。由圖5可見 ，對(duì)事故延誤是否大于10 min的預(yù)測(cè)與事故日期和事故時(shí)段有較大關(guān)聯(lián)，對(duì)事故延誤是否大于15 min的預(yù)測(cè)與事故致因和事故時(shí)段的關(guān)聯(lián)程度較高。

為確定模型性能，將本文提出的GBDT級(jí)聯(lián)分類方法預(yù)測(cè)延誤時(shí)間與互聯(lián)網(wǎng)預(yù)報(bào)延誤時(shí)間、GBDT多分類方法預(yù)測(cè)延誤時(shí)間的準(zhǔn)確率進(jìn)行對(duì)比。GBDT多分類預(yù)測(cè)方法是將CART決策樹作為弱分類器，采取一對(duì)多策略，對(duì)每個(gè)類別訓(xùn)練一定數(shù)量分類器，從而進(jìn)行多分類預(yù)測(cè)。

乘客對(duì)延誤時(shí)間預(yù)測(cè)的容許偏差ξ={0,5,10,15}。對(duì)比不同ξ時(shí)互聯(lián)網(wǎng)預(yù)報(bào)、GBDT多分類方法、GBDT級(jí)聯(lián)分類方法下延誤時(shí)間的準(zhǔn)確率，如圖6所示。由圖6可見，延誤時(shí)間在0～5 min容許偏差范圍內(nèi)，GBDT級(jí)聯(lián)分類方法預(yù)測(cè)延誤時(shí)間的準(zhǔn)確度較互聯(lián)網(wǎng)預(yù)報(bào)高20%～25%，較GBDT多分類方法的準(zhǔn)確度高5%。延誤時(shí)間在10 min和15 min等較大容許偏差范圍內(nèi)，GBDT級(jí)聯(lián)分類方法預(yù)測(cè)延誤時(shí)間的準(zhǔn)確率達(dá)95%，且較互聯(lián)網(wǎng)預(yù)報(bào)準(zhǔn)確率高5%～20%，較GBDT多分類方法準(zhǔn)確度高5%～10%。但對(duì)于乘客在城市軌道交通實(shí)際運(yùn)營(yíng)中較高的服務(wù)品質(zhì)需求，若延誤時(shí)間存在較大偏差，則很難被乘客接受。GBDT級(jí)聯(lián)分類模型進(jìn)行了梯度劃分，并分層級(jí)對(duì)不平衡數(shù)據(jù)進(jìn)行了隨機(jī)欠采樣，保證了數(shù)據(jù)類別的平衡性，有效改善了不平衡數(shù)據(jù)在分類預(yù)測(cè)問題中準(zhǔn)確率低的問題。因此，相比GBDT多分類方法，GBDT級(jí)聯(lián)分類方法預(yù)測(cè)延誤時(shí)間的準(zhǔn)確率得以提升。

4 結(jié)語(yǔ)

本文關(guān)聯(lián)融合了地鐵事故的互聯(lián)網(wǎng)數(shù)據(jù)和現(xiàn)場(chǎng)數(shù)據(jù)，并對(duì)數(shù)據(jù)特征進(jìn)行了分析。基于事故數(shù)據(jù)聚類得出高發(fā)、中發(fā)、低發(fā)事故線路類型，以及事故延誤時(shí)間與事故日期、事故致因和事故時(shí)段的關(guān)聯(lián)程度較高。

本文所提出的GBDT級(jí)聯(lián)分類模型通過梯度劃分層級(jí)結(jié)合分層隨機(jī)欠采樣保證了事故數(shù)據(jù)類別的平衡性，改善了數(shù)據(jù)不平衡造成的分類預(yù)測(cè)不準(zhǔn)確問題，并通過梯度級(jí)聯(lián)層級(jí)分類器精細(xì)化地預(yù)測(cè)了突發(fā)事件下的軌道交通延誤時(shí)間。該方法所預(yù)測(cè)的延誤時(shí)間在0～5 min容許偏差范圍內(nèi)比互聯(lián)網(wǎng)預(yù)報(bào)的準(zhǔn)確率提升了20%～25%，比GBDT多分類預(yù)測(cè)方法的準(zhǔn)確率提升了5%，由此可見延誤時(shí)間預(yù)測(cè)準(zhǔn)確率得到了顯著提升。

采用GBDT級(jí)聯(lián)分類方法預(yù)測(cè)延誤時(shí)間不僅能為乘客提供更為可信的地鐵實(shí)時(shí)信息，還能為地鐵運(yùn)營(yíng)管理部門調(diào)整運(yùn)維方案、部署清客和救援等工作提供基礎(chǔ)數(shù)據(jù)支撐。后續(xù)可進(jìn)一步引入成熟的實(shí)時(shí)數(shù)據(jù)處理軟件，實(shí)現(xiàn)地鐵線路延誤時(shí)間的在線預(yù)測(cè)。