高铁列车晚点数据的异常检测与增量聚类方法

来源：交通运输系统工程与信息杂志2025年第5期北京时间：

作者：沈鹏举, 宋丽英, 林川倩

单位：1. 北京交通大学，a.交通运输学院，b.综合交通运输大数据应用技术交通运输行业重点实验室，北京100044；2. 国家铁路局，运输监督管理司，北京100891

摘要：针对高铁列车运行数据中异常样本难以实时识别和聚类结构随数据演化动态变化等问题，本文提出一种基于狄利克雷过程混合模型的后验归类式增量聚类与异常检测方法(Posterior Classification-based Incremental Dirichlet Process Mixture Model, PC-IDPMM)。该方法在离线阶段构建聚类模型并识别异常样本，在线阶段结合后验概率快速归类新样本，并通过密度聚类提取新结构，实现模型的结构扩展与参数更新。为验证模型性能，本文基于广深高铁实测数据开展实验。结果表明：PC-IDPMM在保持聚类结构一致性的同时，实现主簇统计特征的稳定更新，AUC(Area Under the Curve)达90.55%，优于多种离线方法；计算效率方面，训练时间与内存消耗较离线模型分别减少约85%和80%。此外，PC-IDPMM可基于列车前序站点数据实现实时异常预警，辅助调度系统在延误初期干预，将累计晚点由572min降至320min，实验结果验证了该方法在高频数据环境下的实时性与应用价值。

关键词：智能交通,异常检测,增量聚类,列车晚点,狄利克雷过程

基金资助：广西科技重大专项-江海联运重点货种运输组织方案关键技术研究(桂科AA23062021-2)。