基于风险预测的复杂艰险地区工程物资运输时间测算方法

本发明涉及工程物资运输，具体涉及基于风险预测的复杂艰险地区工程物资运输时间测算方法。

背景技术：

1、在以川藏铁路为代表的工程建设的过程中，由于当地资源匮乏，分布不均，工程物资主要由内陆长途运输到工地；且沿线区域山高路险、地灾频发、气候恶劣、交通基础薄弱，物流组织极具挑战性。在这样的背景下，对不同气象条件下、不同od(起点和终点)间的运输时间进行精确预测，不仅可以保障物资运输安全、确保运输工作准时到位，还能为应急调度、交通管控和救援物资配送等提供依据。

2、既有的方法以理论分析为主，多采用单一或组合式的机器学习、深度学习、神经网络等方法，对单一的气象因素进行预测，缺乏大量数据的有效支撑和验证，精确度难以满足要求；且预测结果与工程实际的结合相对割裂，缺少外部天气、交通等情况对于运输时间影响的研究，难以支撑川藏铁路沿线地区运输时间的精准测算。

技术实现思路

1、针对现有技术中存在的不足，本发明目的是提供一种可进一步修正误差影响，提高最终预测结果精度的基于风险预测的复杂艰险地区工程物资运输时间测算方法。

2、为解决上述技术问题，本发明提供的技术方案是：所述的基于风险预测的复杂艰险地区工程物资运输时间测算方法，该方法包括以下步骤：

3、(1)复杂艰险地区运输时间与沿线运输风险数据的提取：

4、根据工程物资运输网络中的城市节点和工区工点分布，设定运输网络的od矩阵，通过批量算路和路线规划接口获取每天整点时刻od间的运输时间数据，获取工程物资运输网络所覆盖气象站点的气象数据，将上述数据整理后记录并输入到数据库中；

5、(2)基于运输风险预测的运输时间测算：

6、设定复杂艰险地区工程物资运输的主要风险源，以不同时段下各od间运输时间，以及对应的气象信息为学习特征输入，对设定的时间范围内任意od间的运输时间进行测算，并对预测结果进行评价；

7、(3)修正工程物资运输时间：

8、利用工程物资运输货车轨迹数据，统计车辆在不同od点间运行时的运输时间和非运输时间，计算在相同时间范围内各个od间测算时间与车辆实际运输时间的差值，以该差值为输入，进行不同外部环境、不同od间测算时间与车辆实际运输时间差值的预测，基于差值预测结果对运输时间进行修正，实现不同外部环境下各个od点间运行时间的精准测算。

9、进一步地，步骤(1)包括：

10、(1.1)根据实地调研、与建设单位沟通以及网络查找的资料，确定工程物资需求位点和供应商分布，以这些位置为起讫点，确定初始od，设定运输网络的od矩阵；

11、(1.2)基于网络开放平台，运用爬虫技术，设定驾驶偏好策略，通过批量算路和路线规划接口获取每天整点时刻，在不同偏好策略下，各个od间的运输时间数据；

12、(1.3)根据运输路线，确定沿线经过的关联气象站点，基于国家气象科学数据中心平台提取工程物资运输网络所覆盖气象站的气象数据；

13、(1.4)将包括运输时间和气象信息的数据输入数据库，作为后续运输时间预测的基础。

14、进一步地，步骤(2)包括：

15、(2.1)数据的预处理：对采集得到的原始数据进行处理，替换、筛除存在明显错误、异常或重复的数据，补充缺失数据，得到可以用于后续预测的处理后数据；

16、(2.2)运输时间与气象信息的匹配：将不同时间的运输时间数据与气象数据匹配后进行预测，对于一个确定的od，运输时间与气象数据匹配系数的计算公式为：

17、

18、在上式中，θij为0-1变量，为1表示i时刻的运输时间数据与j时刻的气象数据有关联，为0表示没有关联；ti和tj表示分别选取运输时间数据和气象数据的时刻，δj表示受到j时刻天气情况影响的时间范围，与天气类型、强度等相关联；

19、(2.3)时间预测：应用lstm方法，引入历史运输时间数据，以及沿途气象站点记录的气象数据作为学习特征，通过神经网络学习气象特征相互之间、气象特征与运输时间之间的内在联系，对下一阶段的运输时间做出科学预测，并引入注意力机制进行调整；

20、(2.4)模型精度评价：选取均方根误差、平均绝对误差和平均绝对百分比误差三个指标对模型的预测精度进行评价。

21、进一步地，步骤(3)包括：

22、(3.1)基础数据获取与处理：根据工程物资运输车辆上获得的运行轨迹信息，统计车辆在不同od间运行时的运输时间和非运输时间，以此作为运输时间修正的依据；

23、(3.2)车辆运输时间与测算时间匹配：按照车辆出发时间就近归并的原则，将其与测算的基准时间相匹配，测算时间与实际车辆出发时间匹配系数的计算公式为：

24、

25、在上式中，为0-1变量，为1表示i时刻的测算时间与k时刻出发的实际车辆运行时间有关联，为0表示没有关联，ti和tk分别表示选取测算时间与车辆运行时间的时刻；

26、(3.3)误差分析与处理：受运输车辆类型差别、原始数据准确度以及预测模型精度等限值，预测结果与实际运输时间之间存在误差，修正误差影响的方式为，在计算预测时间t预测与实际运输时间t实际之间差值t差的基础上，分析不同od、运输路线、沿线天气对于残差的影响，并在处理后作为预测模型的输入；

27、(3.4)预测与修正：对于某一确定的od，将预测时间t预测、实际运输时间t实际及沿线气象数据作为输入，构建lstm模型对二者之间的差值t差进行预测，预测结果t修正为一区间范围，修正后的运输时间tfinal的公示为：

28、tfinal＝t预测+t修正,ta≤t修正≤tb；

29、在上式中，ta和tb分别为对残差预测得到的下限和上限。

30、与现有技术相比，本方案具备的显著优点有：

31、本方案综合运用神经网络、大数据等方法，在积累大量运输时间数据的基础上，分析了外部气象条件对于运输时间的影响，并用机器学习方法对这种影响进行了定量评价与预测，可以实现设定的时间范围内任意od间运输时间的预测；通过与实际货车运行时间对比分析与处理，可以进一步修正误差的影响，使最终预测结果保证较高的精度，其结果既可以用于日常工程之中的运输时间推算，也可以为非常情况下的应急调度、交通管控等提供依据。

技术特征：

1.基于风险预测的复杂艰险地区工程物资运输时间测算方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的基于风险预测的复杂艰险地区工程物资运输时间测算方法，其特征在于，步骤(1)包括：

3.根据权利要求2所述的基于风险预测的复杂艰险地区工程物资运输时间测算方法，其特征在于，步骤(2)包括：

4.根据权利要求3所述的基于风险预测的复杂艰险地区工程物资运输时间测算方法，其特征在于，步骤(3)包括：

技术总结
本发明涉及工程物资运输技术领域，具体涉及基于风险预测的复杂艰险地区工程物资运输时间测算方法；该方法主要包括运输时间和沿线运输风险数据提取、基于风险预测的运输时间测算、工程物资车辆运输时间修正、任意节点间工程物资运输时间结果测算等步骤；本发明在积累大量运输时间数据的基础上，分析了外部气象条件对于运输时间的影响，并用机器学习方法对这种影响进行了定量评价与预测，可以实现设定的时间范围内任意OD间运输时间的预测；通过与实际货车运行时间对比分析与处理，可进一步修正误差的影响，使最终预测结果保证较高的精度。

技术研发人员：黎浩东,关忠良,梁麦,李韦良,罗勋,张凯,阮海涛
受保护的技术使用者：北京交通大学
技术研发日：
技术公布日：2024/1/16