刘 杰

(重庆工程职业技术学院 智能制造与交通学院，重庆 402260)

0 引 言

截至2018年底，中国内地共34个城市开通城市轨道交通运营服务，开通城轨交通线路171条，线路总长度为5 295.1 km，同比增长15.53%。2012—2018年，中国城市轨道交通运营线路总长度年复合增长率高达17.06%。随着城市轨道交通的迅猛发展，人们越发重视行车安全。对列车运行速度的监控是掌握列车运行是否安全的一个重要方面，因此对列车运行过程的速度异常检测十分重要。

国内外针对城轨列车运行速度异常检测研究较少。一般异常检测主要方法有基于距离、密度、聚类和深度学习的异常检测算法。窦珊等[1]提出基于LSTM长短期记忆的检测模型，首先引入一层LSTM对时间序列数据进行向量表示，再采用另一层LSTM对时间序列逆序重构，将重构值与实际值对比并通过极大似然估计得出异常概率，最终通过学习异常报警阈值判断异常；曾惟如等[2]提出了一种学习时间序列内在模式关系的层级实时记忆网络，首先离散表征原数据相关性，然后输入层级记忆模型网络预测下一时刻数值，最终通过和实际值比较判断异常；陈兴蜀等[3]对网络流量异常检测进行了研究，首先对实际网络流量长期观测提取正常网络行为多维特征，然后引入时间序列偏离度概念，并且根据网络环境变化对更新偏离度，最后利用支持向量机分类来结合各维度信息对异常做综合判断；闫伟等[4]也对网络流量时间序列异常检测进行研究，首先提取网络流量时间序列数据并进行小波降噪消除干扰因素影响，然后建立状态回声流量网络模型检测异常；……