摘要：为解释客运产品特征对列车乘车区段客流分布预测的影响,本文提出一种基于可解释机器学习框架的高速铁路列车乘车区段客流分布预测方法。首先,提出基于梯度提升树模型的高速铁路列车乘车区段客流分布预测框架,构建不同梯度提升树模型(GBDT、XGBoost、LightGBM及CatBoost)的高速铁路列车乘车区段客流分布预测模型;其次,计算特征贡献重要度,基于SHAP(SHapley Additive exPlanations)方法实现特征变量优化,揭示单一特征和交互特征与列车乘车区段客流分布预测的非线性关系。北京南—上海虹桥间列车客流分布预测结果表明:4种模型可精准预测客流分布结果,GBDT,XGBoost,LightGBM及CatBoost在测试集的决定系数分别为0.9664,0.9601,0.9680及0.9715;特征优化后,按贡献重要度排序依次为标杆车,票价,旅行时间,日期,星期,车次及出发时间;特征优化后,CatBoost-7模型在验证集中的决定系数为0.9458;日期和标杆车对客流分布预测呈现非线性正相关,旅行时间对客流分布预测呈现非线性负相关,低旅行时间、高票价及出发时间整点的标杆车对客流分布预测产生正向影响。本文研究结果能够为高速铁路客运产品设计提供一定参考价值。

摘要：针对目前高速铁路科研试验管理中存在的问题提出高速铁路科研试验管理系统研究与设计目标,通过高速铁路科研试验管理系统的总体设计及功能设计,实现系统设计中的相关关键技术,基于总体试验计划管理、现场试验管理、过程协作、进度管理等主要功能及非功能设计,建立一个涉及高速铁路科研试验相关单位,集科研试验流程管理、试验数据管理、试试验数据综合分析研究于一体的高速铁路科研试验管理与研究系统,通过对高铁速铁路科研试验过程及数据实施信息化管理,有效规范工作流程,提高试验数据应用价值,为研究探索轮轨关系、弓网关系、空气动力学等高速铁路基础问题提供数据支撑。

摘要：依据铁路运输生产实际,充分考虑铁路集装箱办理站装卸能力、邻接路段通过能力及集装箱运到期限的要求,以总成本最小为优化目标,构建了铁路集装箱运输服务网络设计的线性混合整数规划模型.提出了基于遗传算法的求解方法,运用回溯法的思想搜索各箱流在服务网络中的可行路径以产生初始方案,并设计启发式策略修复出现的不可行解.仿真计算表明:模型和算法具有较高的计算效率,能有效解决大规模的铁路集装箱运输服务网络设计问题.