列车晚点的统计学习及冬季气候与大气覆冰的影响
应用统计
2022-03-15 v1
摘要
本研究调查了连续冬季下气候对瑞典北部高速客运列车到达晚点的影响。采用了新颖的统计学习方法，包括非齐次马尔可夫链模型和分层 Cox 模型，以考虑列车晚点的时变风险。针对到达晚点的非齐次马尔可夫链建模使用了若干协变量，包括天气变量、列车运营方向，以及通过分层 Cox 模型得到的初次晚点分析结果。结果表明，温度、雪深、冰/雪降水等天气变量以及列车运营方向对到达晚点有显著影响。拟合的非齐次马尔可夫链模型的性能通过行走前向验证法进行评估。在列车线路上，到达晚点的期望率与观测率之间的平均绝对误差为 0.088，这意味着约 9% 的列车在线路上的某个测量点可能被拟合模型误分类为发生到达晚点。
引用
@article{arxiv.2203.06956,
title = {Statistical learning for train delays and influence of winter climate and atmospheric icing},
author = {Jianfeng Wang and Roberto Mantas Nakhai and Jun Yu},
journal= {arXiv preprint arXiv:2203.06956},
year = {2022}
}