买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中国铁道科学研究院集团有限公司通信信号研究所;中国铁道科学研究院集团有限公司;北京华铁信息技术有限公司;北京锐驰国铁智能运输系统工程技术有限公司申请的专利基于分位数回归的不确定性列车到达晚点预测方法及应用获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119476646B 。

龙图腾网通过国家知识产权局官网在2025-04-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510047691.9，技术领域涉及：G06Q10/04；该发明授权基于分位数回归的不确定性列车到达晚点预测方法及应用是由傅卿云;丁舒忻;张涛;袁志明;孙延浩;罗叶菲设计研发完成，并于2025-01-13向国家知识产权局提交的专利申请。

本基于分位数回归的不确定性列车到达晚点预测方法及应用在说明书摘要公布了：一种基于分位数回归的不确定性列车到达晚点预测方法及应用，包括：确定研究线路，收集用于模型训练的列车运行历史数据；构建分位数回归晚点预测网络模型；使用构建的神经网络和历史数据进行模型训练；构建不确定性评价指标评价进行模型性能评价。本发明使用CNN、Transformer结合的神经网络进行列车历史信息的提取与晚点有关的时空特征信息，设计分位数回归损失函数进行预测，得到不同分位数条件下的预测晚点值，从而获得到达晚点的范围及其概率分布，为调度员进行延误调整提供了更加丰富的决策信息，更好地应对不同应用场景下的调整方案制定。

本发明授权基于分位数回归的不确定性列车到达晚点预测方法及应用在权利要求书中公布了：1.一种基于分位数回归的不确定性列车到达晚点预测方法，其特征为：步骤S100：确定研究线路，收集用于模型训练的列车运行历史数据；步骤S110：确定线路起终点，收集列车的历史信息，根据晚点统计情况筛选晚点发生频率较大的相关车次和办理乘客作业较多的站点作为晚点预测的对象；步骤S120：确定与晚点相关的特征信息，包括列车的在各站的计划到发时间、实际到发时间，相邻车的晚点时间、天气条件信息；步骤S130：进行数据预处理，筛选列车历史数据，只保留列车在目标站发生晚点的数据，同时删除只有某一站产生了突发晚点同时对包括数据进行均值标准化；其中，均值标准化处理方法的公式如下： 1其中，为均值标准化后的数据，为均值标准化前的数据，是数据的均值，是均值的标准差；步骤S200：构建分位数回归晚点预测网络模型，融合卷积神经网络CNN和自注意力机制Transformer提取列车运行数据的时空特征，设计分位数损失函数进行模型训练；步骤S210：融合卷积神经网络CNN、自注意力机制Transformer构建神经网络模型用于列车晚点区间预测的主体结构，提取列车运行信息终与晚点有关的时空特征；所述CNN用于提取列车运行数据中与晚点相关的主要特征信息，通过多层卷积网络和池化层实现，其中卷积操作的原理见以下公式： 2其中，和分别是第层和第的特征图，是第层卷积核的权重矩阵，是第层卷积核的偏置矩阵；所述Transformer处理数据包括：位置编码：首先通过位置编码来加入输入序列的位置信息；位置编码是一个与输入序列长度相同的向量，表示每个位置的相对或绝对位置；使用正弦和余弦函数来生成位置编码： 3 4其中，表示第位置的编码向量中，维度的值；表示第位置的编码向量中，维度的值；表示位置是输入序列中某个元素在序列中的索引；表示位置编码中的维度索引，对于每个位置，位置编码向量有多个维度；是位置编码的总维度；自注意力机制：自注意力机制是Transformer的核心，能够计算输入序列中的每个位置与所有其他位置关系，以便在生成每个位置的表示时能够考虑其他位置的信息；假设输入序列是，其中是第个位置的输入向量；对于每个输入，自注意力机制通过以下步骤来计算它与所有其他位置的关系并更新其表示：将每个输入向量通过三个不同的权重矩阵、和转换成三个新的向量：查询向量Q、键向量K和值向量V,这些向量是通过以下线性变换得到的： 5 6 7其中，Q是用来查找相关信息的向量，K是用来与Q进行匹配的向量；V是存储的信息，最终将根据匹配度被加权求和；步骤S220：根据所选的特征数量、批次大小和时间步长设置输入层；步骤S230：选择目标的分位数集合，设计分位数损失函数；给定预测值、真实值，以及目标分位数，则分位数损失函数定义为： （27）由于分位数损失函数的目标是使预测值满足目标分位数，即 （28）选择目标分位数集合[0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9]，则能够得到不同分位数水平下的预测值，从而构成整个晚点预测的区间；步骤S300：使用构建的网络模型和历史数据进行模型训练，通过分位数回归模型预测不同分位数下的晚点区间；步骤S320：划分训练集、验证集和测试集；将原始数据的随机抽取15%作为测试集，另外85%的数据用作训练集和验证集进行模型训练，其中训练集和验证集的比例为4：1；步骤S330:调节模型的参数；设置学习率、迭代次数和droupout大小；步骤S400：选择不确定评价指标WinklerScore衡量预测区间的宽度和覆盖率以及选择不确定评价指标QuantileScore衡量分位数的准确性，构建不确定性评价指标评价进行模型性能评价；步骤S410：选择不确定评价指标WS衡量预测区间的宽度和覆盖率；WS的计算公式如下： （29）其中，是预测区间的下限；为预测区间的上限高分位数下的预测值；是真实晚点值；是预测区间的显著性水平，表示允许预测区间未能覆盖真实值的概率；WS越小，表示预测区间宽度越窄，覆盖真实值的能力越强；步骤S420：选择不确定评价指标QS衡量分位数的准确性；各个分位数对应不同的QS，其计算基于分位数损失函数，对于分位数下的晚点预测值和晚点真实值，其分位数QS的计算公式如下： （30）该公式量化了晚点预测值相较于真实值的偏差，同时根据分位数的值加权；分位数评分将高估和低估的偏差通过权重动态调整，从而确保不同场景下的误差被适当惩罚；对于较大的分位数下的预测，强调预测晚点值小于真实晚点值这种低估晚点的代价；对于较小的分位数下的预测，则强调预测晚点值大于真实晚点值的代价。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国铁道科学研究院集团有限公司通信信号研究所;中国铁道科学研究院集团有限公司;北京华铁信息技术有限公司;北京锐驰国铁智能运输系统工程技术有限公司，其通讯地址为：100081 北京市海淀区大柳树路2号二区8幢；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。