近年来,随着我国城市轨道交通建设的迅速发展,城市轨道交通运营线路数和运营里程持续增长,随着客流的不断增长,列车发车间隔不断缩小,对列车运行的准点性产生了更高的要求。但因为各种原因,列车运行过程中会出现晚点现象,影响城市轨道交通的运输秩序。为了实现列车安全正点运行,本文根据采集的现场列车运行实绩数据,试图分析列车晚点机理,研究列车晚点分布规律,希望提出建立列车晚点预测模型的方法,通过晚点预测,帮助调度员进行合理的列车运行调整,以尽快恢复列车运行秩序,按照预定计划行车,提高工作效率。本文主要研究内容如下:1.采集国内某地铁公司某条线路一个月的列车运行实绩数据为研究对象,对原始数据进行数据格式的重构、整理,观察分析列车在线路上的实际运行轨迹,分析列车晚点原因及机理,研究列车晚点在空间、时间上的分布规律。2.建立特征选择模块,通过方差过滤法排除一些无关的特征和无区分度的特征,并对特征里的不同类型变量进行归一化、独热编码(one-hot)等处理,用XGBoost算法对列车下一站到达晚点相关的特征进行重要度排序,并结合列车实际运行情况,确定参与模型训练的重要特征。3.建立二级晚点预测模型。一级预测模型基于LSTM神经网络算法,根据输入特征,将已有数据构造为3D张量,分别为样本数量,序列长度,特征个数,作为一级预测模型的输入,输出为下一站到达晚点时间。提出随机森林和XGBoost两种二级预测模型,并将一级预测模型的输出和中间层输出加入到二级预测模型的输入,参与二级预测模型的训练。4.划分训练集和测试集,训练集中通过五折交叉验证和网格搜索和学习曲线结合的方法找出各模块的最佳参数。并对模型进行验证和预测结果分析,比较模型和融合模型的预测效果。最终选定最优模型作为列车下一站晚点到达预测模型。