【技术实现步骤摘要】
本专利技术涉及铁路安全预警领域，尤其涉及一种铁路行车安全风险预警区间确定方法。
技术介绍
1、风险预警是事故预防的重要内容，是指根据风险预警指标的变化趋势，采用相关理论及技术手段，评价指标偏离预警限值的程度，以便提前采取预控措施。加强铁路行车安全风险预警研究，对科学制定事故控制目标和防控决策，保障铁路行车安全具有重要的理论和现实意义。
2、铁路行车安全风险预警最核心内容是风险预警区间的确定；目前，关于风险预警的研究大多集中在建立风险预警系统方面，对风险预警区间的研究较少。目前，风险预警区间依然采取经验标准、行业均值标准和宏观经济标准进行确定，这些方法具有主观性或者不具有动态性；对于我国高铁系统来说，由于各路局地域差异大，行业标准、宏观经济标准并不能真正适用于我国铁路的风险预警区间的确定。因此，在当今我国处于铁路高速发展时期，在铁路运行速度越来越快、安全管理模式不断变化的背景下，如何对风险预警区间的划分确定是现目前需要考虑的问题。
技术实现思路
1、本专利技术的目的在于克服现有技术的缺点，提供了一种铁路行车安全风险预警区间确定方法，解决了现有技术存在的不足。
2、本专利技术的目的通过以下技术方案来实现：一种铁路行车安全风险预警区间确定方法，所述方法包括：
3、步骤一、从铁路行车安全风险预警数据集中选择两个特征数据进行聚类，基于聚类中心的浮点数的编码方式将每个聚类中心的位置在特征空间中表示为染色体；
4、步骤二、将每个样本随机分配至某一类
5、步骤三、构建适应度函数 f=b/（1+e）用于评估群体中个体在优化过程中接近最优解的可能性，b为常数，e为k-means聚类得到的轮廓系数的负值；
6、步骤四、选择遗传算子进行交叉和变异，并自适应调整交叉率和变异率；
7、步骤五、在进行k均值操作后，如果当前迭代代数未达到预设的最大迭代次数，迭代将继续；如果达到或超过预设次数，则迭代终止；
8、步骤六、最终确定多个风险预警区间。
9、所述步骤一包括：
10、从铁路行车安全风险预警数据集中选择两个特征数据，将两个特征数据分为差、中和好3个类别，每个类别为一个聚类中心；
11、初始化聚类中心，将初始聚类中心的位置作为第一染色体的编码；
12、将每个聚类中心的位置由两个浮点数组成的坐标表示，则该聚类中心的染色体编码为对应的坐标，每个染色体将包含所有聚类中心的坐标。
13、所述步骤二包括：
14、确定种群中染色体的数量，对个每个染色体随机生成其基因值，这些基因值代表聚类中心的坐标；
15、初始化染色体，每个染色体包含两个浮点数的列表或数组；
16、创建初始种群，重复初始化染色体，直到达到所需的种群大小。
17、所述步骤三包括：
18、从铁路形成安全风险预警数据集中选择两种特征数据，并对其进行标准化处理；
19、使用轮廓系数来衡量样本在其所处聚类与其他聚类中的相对位置，轮廓系数的范围是[-1, 1]，接近1的值表示聚类效果好，接近-1的值表示聚类效果差，通过公式 f=b/（1+e）构建适应度函数，最后，对于每个种群中的每个染色体通过evalcluster函数计算其适应度，这个函数将染色体的聚类中心作为输入，并返回其适应度值。
20、所述步骤四包括：
21、选择算子：设置种群大小为50，使用轮盘赌选择方法，并希望选择30个染色体进入下一代，计算每个染色体的适应度，根据适应度为每个染色体分配选择概率，对于每个新染色体的位置，使用随机数生成器根据概率选择相应的染色体，被选中的染色体用于后续的交叉和变异操作，以生成新一代的种群；
22、交叉过程：选择两个父代染色体，每个染色体由一组聚类中心组成，聚类中心对应选择的两个特征数据的二维坐标，对两个父代染色体进行交叉，根据交叉点的位置计算后代染色体，由于交叉点的位置是随机的，所有后代染色体是两个父代染色体的加权组合，将新生的后代染色体加入到种群中；
23、变异过程：从当前种群中随机选择一个染色体，在染色体上随机选择一个或多个位点进行变异，每个位点代表一个特定的特征，使用均匀变异算子对选定的变异位点进行变异操作；
24、自适应调整交叉率和变异率：对于当前种群计算出最大适应度 f max和平均适应度 f avg，对于种群中的每个染色体，计算该染色体的交叉率和变异率，根据计算出的交叉率和变异率对染色体执行交叉和变异操作。
25、所述k均值操作包括：
26、在每次迭代中，基于当前种群中个体的染色体使用k均值算法对铁路行车安全风险预警数据集选择的两个特征数据进行聚类，将数据点划分为k个簇；
27、使用轮廓系数评估聚类结果的质量，根据k均值聚类的结果，更新每个染色体，使其反映新的聚类中心；
28、在每次迭代过程中，重复k均值操作， 根据聚类结果更新染色体，然后进行适应度评估，选择交叉和变异操作。
29、所述步骤六包括：根据步骤一到步骤五最终将铁路行车安全风险预警数据集中选择的两个特征数据划分为好、中和差3类，以3类的上边界分别作为四个预警区间的分割点，确定各指标的四个风险预警区间。
30、本专利技术具有以下优点：一种铁路行车安全风险预警区间确定方法，通过风险预警指标历史数据进行自动划分归类，根据各类的边界确定风险预警区间，具有客观性和动态性，更能够贴近真实情况；基于遗传算法的k-means聚类算法，能够克服k-means算法的局部性的缺点，以适应度函数为依据，通过对群体个体施加遗传操作实现群体内个体结构重组的迭代处理，在这一过程中，群体个体一代代地优化并逐渐逼近最优解，最终实现遗传算法的全局优化性。
本文档来自技高网...【技术保护点】
1.一种铁路行车安全风险预警区间确定方法，其特征在于：所述方法包括：
2.根据权利要求1所述的一种铁路行车安全风险预警区间确定方法，其特征在于：所述步骤一包括：
3.根据权利要求1所述的一种铁路行车安全风险预警区间确定方法，其特征在于：所述步骤二包括：
4.根据权利要求1所述的一种铁路行车安全风险预警区间确定方法，其特征在于：所述步骤三包括：
5.根据权利要求1所述的一种铁路行车安全风险预警区间确定方法，其特征在于：所述步骤四包括：
6.根据权利要求1所述的一种铁路行车安全风险预警区间确定方法，其特征在于：所述K均值操作包括：
7.根据权利要求1所述的一种铁路行车安全风险预警区间确定方法，其特征在于：所述步骤六包括：根据步骤一到步骤五最终将铁路行车安全风险预警数据集中选择的两个特征数据划分为好、中和差3类，以3类的上边界分别作为四个预警区间的分割点，确定各指标的四个风险预警区间。
【技术特征摘要】
1.一种铁路行车安全风险预警区间确定方法，其特征在于：所述方法包括：
2.根据权利要求1所述的一种铁路行车安全风险预警区间确定方法，其特征在于：所述步骤一包括：
3.根据权利要求1所述的一种铁路行车安全风险预警区间确定方法，其特征在于：所述步骤二包括：
4.根据权利要求1所述的一种铁路行车安全风险预警区间确定方法，其特征在于：所述步骤三包括：
5.根据权利要求1所述的一种铁路行车安...
【专利技术属性】
技术研发人员：王列妮，阳建明，李科宏，李静，
申请(专利权)人：成都天佑安全技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。