张俊 张欣愉 叶玉玲

摘  要：在高速铁路日常行车组织工作中，及时准确地把握高速铁路非正常事件下的延误特征和事件分级是后续运行调整决策的基础。文章面对高速铁路非正常事件扰动，基于多源历史数据提取并分析初始延误场景参数特征，筛选初始延误时长和线路列车服务频率作为两个聚类指标，并应用轮廓系数论证FCM模糊聚类对当前场景的适用性。根据最终聚类结果，区间和车站非正常事件分别被聚为4类和3类。提出的聚类指标易于量化，非正常场景聚类分级结果能为实际延误管理工作提供有效支撑。

关键词：高速铁路;非正常事件;延误管理;场景分析;FCM聚类

中图分类号：U292.4    文献标识码：A

Abstract： During the daily train organization of high-speed railway（HSR）， grasping the delay characteristics and event classification timely and accurately is the basis of subsequent rescheduling decisions. Faced with the disturbance of HSR abnormal events， this paper first extracts and analyzes the parameter characteristics under primary delay scenarios based on multi-source historical data， then selects the primary delay and line service frequency as two clustering indicators， and validates the applicability of Fuzzy C-Means（FCM）clustering to current context via silhouette coefficient. According to the final clustering results， the abnormal events of section and station have been classified into 4 levels and 3 levels respectively. The proposed clustering indicators are easy to quantify， and the clustering results of abnormal events can provide effective support for the actual work of delay management.

Key words： high-speed railway; abnormal event; delay management; scenarios analysis; FCM clustering

0  引  言

在高速鐵路网络化运营发展背景下，列车、站点和线路之间的相互关联性不断加强，受运输组织方案复杂性、实时列车调度动态性和场景因素的不确定性影响[1]，日常运输过程中的非正常事件不可避免。做好非正常事件的分级工作有助于完善延误管理体系、辅助运行调整决策。现行铁路相关规范标准主要依据伤亡人数、经济损失、中断行车时间等指标对突发事件进行了分级，但是这些标准多针对恶性强扰动的突发事件，而对于日常运输组织过程中相对高频弱扰动的非正常事件则不具备适用性。因此，开展高铁非正常事件延误场景聚类研究对提升日常运输组织管理水平具有较为重要的现实意义。

高速铁路非正常事件引起的列车运行延误包括初始延误和连带延误两种[2]，初始延误为受非正常事件直接影响产生的时刻表偏差，连带延误则是在延误传播过程中为疏解行车冲突而产生的时间代价[3]。……