基于灰色系统理论的地铁车站采集数据的预处理

基于灰色系统理论的地铁车站采集数据的预处理

对车站的检测是车站技术管理的重要组成部分。目前是通过写实的方法采集大量(一般连续3昼夜)的车站各种技术作业时间原始数据,并经过汇总、整理、分析和计算,确定车站各种技术作业时间标准,最后得出车站的通过能力和改编能力。由此可见,原始数据的正确性是整个车站能力查定工作的基础。由于环境以及人为因素的干扰,直接从现场获取的数据不一定能准确反映各种作业合理占用各项设备的情况,所以以此为基础计算出的车站技术作业时间标准可能会存在较大误差。如果在计算之前对数据进行一定的预处理,将可以减少或消除这种误差。本文在定性分析的基础上,运用灰色系统理论,以咽喉通过能力查定为背景,提出一种简便而实用的方法,对时间数据序列进行计算前的预处理,将其合理化,并改进传统计算公式中的参数,最后用实例对方法加以验证。1占用服务系统的确定咽喉道岔占用时间按作业性质的不同,通常分为接车、发车、调车和机车出入段4大类。下面以分析接车技术作业占用咽喉道岔时间为例,对现行咽喉道岔占用时间标准计算方法进行分析。接车占用咽喉道岔时间标准是指自开始准备接车进路时起,至列车进入到发线警冲标内方停妥时止占用咽喉区的时间,记作t接,它等于准备进路时间与列车通过进站距离时间之和。按照现行的咽喉道岔占用时间标准计算方法查定t接,是先对现场作业采点写实,记录于《咽喉占用时间写实表》,然后合理分析数据并按照不同作业性质分别汇总,最后计算确定t接。t接=12(t接+tmax接)(1)tmin接=t准+t进=0.2(0.1+1.2+ˉt最小)(2)tmax接=t准+ˉt实际=0.2+ˉt实际(3)式中:tmin接,tmax接分别为修正后列车进站占用咽喉时间的最小值和最大值,min;t准为准备进路时间,取0.2min;t进为列车进站时间,min;0.1为司机确认信号时间,min;1.2为列车通过制动距离的时间,min,此参数可按不同的制动距离和平均进站速度计算调整;ˉt最小为由接车每次占用咽喉道岔汇总表确定的最小占用咽喉道岔时间的平均值,min;ˉt实际为由接车每次占用咽喉道岔汇总表确定的实际占用咽喉道岔时间的平均值,min。对现行计算方法进行分析可知存在以下2个方面的问题。1数据合理化处理由于现场工作的动态复杂性,查标数据受到环境及人为因素的干扰,不能完全反映各种作业合理占用咽喉的真实情况。文献虽提到数据合理化问题,但没有提出具体可行的处理方法。因而有必要提出一种能对数据进行预处理的方法,以淡化或消除各种随机扰动对数据序列的影响。2月内统计:2.由式(1),t接取修正后实际占用咽喉道岔时间与最小占用咽喉道岔时间的平均值。这种算法虽考虑到接车占用咽喉道岔时间介于最小与实际占用咽喉道岔时间之间,但是只取简单算术平均值的方法,没有对最小与实际占用咽喉道岔时间之间的波动关系进行更为具体的分析,因而不尽合理,需要改进。2改进方法2.1由大量技术作业占用了原始数据序列,并将其作为车站能力查定数据分析,其符合以下步骤基于灰色系统理论中的序列算子缓冲弱化原理对采集到的某种技术作业占用咽喉道岔时间的原始数据进行预处理,具体计算步骤如下。1)从原始数据写实表中提取某种技术作业占用咽喉道岔时间t的原始数据序列,并计算其算术平均值ˉt。ˉt=1nn∑i=1t(i)式中:n为从原始数据写实表中提取的某种技术作业占用咽喉道岔时间原始数据序列的数据项数。2)通过对原始数据写实表中提取某种技术作业占用咽喉道岔时间的原始数据序列进行定性分析,界定不合理的数据并将其提取出来,与ˉt组成一个振荡序列:Τ={t(1)‚t(2),⋯,t(m),ˉt},m为某种技术作业占用咽喉道岔时间写实记录中的不合理记录数。3)利用文献中定理3.2.7对振荡序列T进行一阶缓冲弱化,即t(i)d=it(i)+(i+1)t(i+1)+⋯+mt(m)+(m+1)ˉt(m+1+i)(m-i+2)/2(4)得到序列ΤD={t(1)d‚t(2)d‚⋯‚t(m)d‚ˉtd}式中:t(i)d为对振荡序列T中第i项数据进行一阶缓冲弱化后的结果,i=1,2,…,m;TD为对振荡序列T进行一阶缓冲弱化后得到的时间数据序列;D为缓冲弱化算子。4)若认为序列TD仍不够合理,则对其进行二阶弱化,得到序列TD2,以此对应替代原始数据序列。在车站能力查定计算中,各种技术作业占用设备时间标准以“min”为单位,精确到小数一位,二阶弱化一般可满足精度要求。上述数据预处理流程如图1所示。2.2按作业公式计算作业占用服务参数和作业权重为了使确定的接车占用咽喉道岔时间标准t接更加合理,必须考虑数据的分布特征,不能用简单算术平均法计算,故将式(1)、式(2)、式(3)改写为t接=α接E(T接min)+(1-α接)E(T接max)(5)其中,E(T接min)=1n∑i=1nt接(i)E(T接max)=1n∑i=1nt接(i)t接min(i)=t准+t进=0.2+[0.1+1.2+t最小(i)](6)t接max(i)=t准+t实际(i)=0.2+t实际(i)(7)式中:α接为接车作业权重系数;n为接车作业总次数;tmin接(i),t接max(i)分别为第i次接车作业占用咽喉道岔时间的最小值、最大值;E(T接min),E(T接max)分别为n次接车作业占用咽喉道岔时间最小值、最大值的平均值。在形成符合要求的数据后,根据数理统计原理,用下面的方法计算α接:1)由式(6)、式(7)计算每次作业占用咽喉道岔时间的最小值、最大值;2)按照文献给出的方法计算E(T接min),E(T接max)和标准差D(Τ接min)‚D(Τ接max);3)令p接=D(Τ接max)E(Τ接max)‚q接=D(Τ接min)E(Τ接min),则得到α接=p接p接+q接(8)3原始数据的实际应用选用重庆站2005年8月21日18:00—2005年8月24日18:00连续72h记录自成都方向接入到发线第2股道的21列终到旅客列车接车占用咽喉道岔的最小占用、实际占用时间的原始数据,分别用T最小Ο、T实际Ο表示;预处理后得到的新数据序列用T最小Ν,T实际Ν表示。据此对该进路接车作业占用咽喉道岔时间标准进行计算。TO最小={3,2,6,2,2,3,2,3,2,3,3,3,3,2,2,2,3,3,3,2,3}TO实际={6,10,17,7,14,6,8,8,6,7,16,17,13,9,5,8,5,10,14,5,16}由上看出,T最小Ο序列总体上非常平稳,而T实际Ο序列波动很大,需要对其进行合理化处理。计算过程如下。1)计算T实际Ο数据序列的平均值t¯实际Ο=∑i=121t实际Ο(i)21=9.862)在原始数据序列T实际Ο中找出t实际Ο≥10的数据共9项,与t¯实际Ο一起组成振荡序列,即T实际={10,17,14,16,17,13,10,14,16,9.86}3)对该振荡序列用式(4)进行一阶缓冲弱化处理,得到序列T实际D={13.41,13.47,13.33,13.29,13.05,12.56,12.48,13.13,12.76,9.86}4)由于所得数据序列的标准差D(Τ接max)=1.015＞1,仍不理想,故进行二阶弱化,得到序列T实际D2={12.36,12.34,12.30,12.24,12.14,12.03,11.94,11.79,11.23,9.86}所得序列标准差D(t接max)=0.731＜1,满足要求。5)对二阶弱化数据序列做四舍五入的近似处理,并替代对应的原始数据,得到合理化后新的数据序列为TN最小=TO最小={3,2,6,2,2,3,2,3,2,3,3,3,3,2,2,2,3,3,3,2,3}TN实际={6,12,12,7,12,6,8,8,6,7,12,12,12,9,5,8,5,12,12,5,11}数据合理化预处理的效果如图2所示。在数据合理化预处理的基础上计算α接。将T最小Ν,TN实际的数据元素一一代入式(6)和式(7),计算t接min(i),t接max(i),然后求出:E(T接max)=9.10,E(T接min)=4.21;D(Τ接max)=2.78‚D(Τ接min)=0.88;p接=D(Τ接max)E(Τ接max)=2.789.10=0.305;q接=D(Τ接min)E(Τ接min)=0.884.21=0.209。于是,由式(8)得α接=p接p接+q接=0.3050.305+0.209≈0.59由此得出接车占用时间标准:t接=α接E(T接min)+(1-α接)E(T接max)=0.59×4.21+0.41×9.10≈6.21为了分析方法改进后产生的效果,选取下面4个方案对计算结果进行比较,如表1所示。从表1可以看出,方案Ⅰ中t接值最大,原因是参与计算的数据未排除系统的粗大误差,也没有按照数据的分布特征进行权值的分配;方案Ⅲ中的t接比方案Ⅰ中的t接小,表明数据预处理的有效作用;方案Ⅱ与方案Ⅳ中的t接值相近,说明合理确定权重系数十分重要。4基于改进算法的接车占用时间标准在车站能力查定过程中,完备而合理的原始数据是整个计算的基础。由于作业中的随机性以及人为因素的干扰,