论文部分内容阅读
为提高地铁轨道智能化管理水平，设计了一种新的智慧地铁轨道管理系统；分别设计了朴素贝叶斯分类器、Logistic回归分类器和支持向量机分类器，并构建了基于Stacking集成算法的轨道状态预测模型；利用XX地铁1号线、2号线和6号线在2015-2021年的设备数据、检测数据和维修数据，验证了模型有效性；引入自适应学习的马尔可夫决策过程（AL-MDP）,构建了基于Stacking-SVM的轨道维修决策优化模型；利用模型对地铁轨道进行运行状态感知和异常状态预测，通过自适应学习的过程不断学习地铁轨道的劣化机理，并且为轨道的状态预警和维修策略提供个性化、精细化的决策建议；最后，设计并实现了智慧地铁轨道管理系统；引入AL-MDP后进一步降低地铁轨道的维修成本，能够实时掌握地铁轨道的运作状态；该研究给管理者和工作者提供精细化、个性化、更科学的维修优化决策，对维修成本和轨道安全实现双重精准控制。