• 查询稿件
  • 获取最新论文
  • 知晓行业信息
官方微信 欢迎关注

基于ELM的城市轨道交通系统建设成本估算研究

杨基宏, 陈浩林, 徐刚, 余澄庆, 刘辉

杨基宏, 陈浩林, 徐刚, 余澄庆, 刘辉. 基于ELM的城市轨道交通系统建设成本估算研究[J]. 铁路计算机应用, 2020, 29(4): 1-4.
引用本文: 杨基宏, 陈浩林, 徐刚, 余澄庆, 刘辉. 基于ELM的城市轨道交通系统建设成本估算研究[J]. 铁路计算机应用, 2020, 29(4): 1-4.
Jihong YANG, Haolin CHEN, Gang XU, Chengqing YU, Hui LIU. Construction cost estimation for urban rail transit system based on ELM[J]. Railway Computer Application, 2020, 29(4): 1-4.
Citation: Jihong YANG, Haolin CHEN, Gang XU, Chengqing YU, Hui LIU. Construction cost estimation for urban rail transit system based on ELM[J]. Railway Computer Application, 2020, 29(4): 1-4.

基于ELM的城市轨道交通系统建设成本估算研究

基金项目: 

国家重点研发计划课题 2017YFB1201101

详细信息
    作者简介:

    杨基宏,教授级高级工程师

    陈浩林,在读硕士研究生

  • 中图分类号: U231 : F530.68 : TP39

Construction cost estimation for urban rail transit system based on ELM

  • 摘要: 对城市轨道交通系统建设成本的估算能够在设计时实现城市轨道交通系统建设成本的控制与优化。针对传统成本估算模型计算量大、计算方法繁琐等缺点,基于多条在运营城市轨道交通线路的建设阶段成本数据,采用数据扩展的方法建立成本数据集。在选取少量关键成本指标的情况下,建立极限学习机(ELM,Extreme Learning Machine)模型,对城市轨道交通系统建设成本进行估算。测试结果表明,基于ELM的城市轨道交通系统建设成本估算模型的平均绝对百分比误差(MAPE,Mean Absolute Percentage Error)小于6%,在误差允许的范围内与实际数据吻合。该估算方法科学有效,能够满足城市轨道交通系统建设成本估算的工程需要。
    Abstract: The estimation of the construction cost of urban rail transit system can control and optimize the construction cost of urban rail transit system during the design.In view of the disadvantages of traditional cost estimation model, such as large amount of calculation, miscellaneous and tedious calculation methods, etc., based on the cost data in the construction stage for multiple operating urban rail transit lines, this paper used the method of data expansion to establish the cost data set, in the case of selecting a small number of key cost indicators, established the ELM (Extreme Learning Machine) model, estimates the construction cost of urban rail transit system.The estimation results show that the MAPE(Mean Absolute Percentage Error)of the construction cost estimation model of urban rail transit system based on ELM is less than 6%.The estimated results are in good agreement with the actual data.The method adopted in this paper is scientific and effective. It can meet the engineering needs of estimating the construction cost of urban rail transit system.
  • 粤海铁路轮渡工程海口—海安海上航线是海南省与广东雷州半岛之间重要的海运通道,客、货滚装运输航线承担了大量的货物运输和旅客运输,为海南岛与内陆之间的经济、文化交流等发挥了重大作用[1]

    粤海铁路轮渡由铁路南港(位于海南省海口市)、北港轮渡(位于广东省徐闻县)及粤海铁客滚船组成,每个港口配有火车栈桥、汽车栈桥和人行栈桥。日常开行3条船作业,图定开行14对航班。平均每年为近300万人次过海旅客和近60万过海车辆提供过海轮渡服务(不包含客货列车)。年运输量约占整个琼州海峡运输总量(地方53条船)的1/4,在整个海南省海运交通中占据极其重要地位。为了更好地服务于海南省国际旅游岛和自由贸易港的建设,有效提升琼州海峡运输能力,结合铁路轮渡的实际运输状况,在目前无法增加滚装船和泊位的条件下,提出构建琼州海峡铁路轮渡港口智能化管理系统的方案,实现铁路轮渡增加运能、提升效率、提高服务质量的目的:(1)通过客滚船配载能力的大数据分析和港口智能化装备,提升港口的调度指挥能力和效率,从而优化现有的运输组织模式;(2)通过港口客运楼和待渡场的智能化管理,提升旅客和车辆的通过效率,提高工作质量、工作效率和服务水平,从而进一步提高铁路轮渡的市场占有份额。

    最终目标和效果,主要聚焦于以下几个方面:(1)实现港口资源统筹高效利用,降低运输成本;(2)实现完善的基础设施和运营网络;(3)实现一体化智能化的运输服务;(4)实现高水平的港口安全监管和应急救援;(5)实现创新型、高附加值的运输组织与服务;(6)实现节能环保的可持续性和谐发展。其基本特征包括:新一代信息技术与港口业务深度融合,港口基础设施与装备现代化,港口生产运营智能化,港口运营组织协同化、一体化,港口运输服务敏捷柔性化,港口管理决策智慧化[2-3]

    根据智能港口建设的目标,构建铁路轮渡客货运港口智能化管理系统,系统架构如图 1所示,该系统集成港口作业涵盖的软件、硬件、数据及网络等资源,满足港口各项业务信息化、智能化的需求。

    图  1  港口智能化管理系统架构

    港口智能化管理系统通过公网方式互联地方交通管理信息平台,通过光缆直连方式互联轮渡售检票、旅客服务、广播、视频、楼宇自动化系统(BAS,Building Automation System)、防灾报警系统(FAS,Fire Alarm System)等港口内部相关系统。内外部应用系统通过防火墙、入侵防护等安全设备交互数据。网络架构如图 2所示。

    图  2  网络架构图

    港口智能化管理系统基于铁路港口车站业务需求设置,预留既有普铁港口车站相关系统处理能力。车过海方式下,该系统互联轮渡售检票、旅客服务、视频、办公、电源及机房环境监控、BAS、FAS等港口相关系统;人过海方式下,该系统还需互联交通管理平台、船讯网、微信等地方相关系统。

    系统功能架构如图 3所示。

    图  3  港口智能化管理系统功能架构图

    智能运行管理包括作业计划管理、作业流程管理、船舶运行盯控、船舶调度管理、船舶运行管理、车辆调度管理、引导广播管理、运行风险管理、人员定位管理等。利用大数据中心的数据可视化技术手段,基于对铁路车站、船舶、港口、车辆等专业的指标体系进行全面梳理的基础上,从客运组织生产、安全和效率等多个维度,集成多种数据应用系统和数据资源,为铁路港口管理方多级领导和员工提供统一的用户管理和操作界面。

    智能安全监控及运营维护包括智能视频分析、客服设备管理、楼宇设备管理、船舶资产管理、故障报修管理、设备能耗管理、三维建筑模型等。利用智能视频中心、物联网及港口模型,基于对摄像头、视频会议、手持终端、智能楼宇设备、客运设备等全面管控的基础上,通过对关键运营资源的关键指标设定阀值,当这些关键指标突破阀值时,主动发出告警,相关专业能跟踪指标的变化,及早发现问题,规避风险。从客运作业卡控、港口安全管理、设备运维和能耗等多个维度,给铁路港口现场管理方各级领导和员工提供统一的用户管理界面。实现港口设备资产管理、能耗采集分析、状态异常告警、故障申报维修、旅客及车辆异常行为告警、作业过程监督、应急指挥等功能。

    整合铁路车站、轮渡及相关旅客服务信息资源,为旅客提供出行规划、网上购票、站内引导和乘车乘船服务等便捷出行服务。旅客服务包括客运服务、微信公众号服务等。利用轮渡票务系统、港口旅客服务系统、待渡场车辆管理系统、微信小程序,基于对售取票、安检、验证、引导广播、检票等专业的指标体系进行梳理的基础上,实现自助售取票、车辆预约、港口内部导航、信息发布、个性化信息推送等功能。拓展铁路客运服务产业链,构建高品质、多层次、全方位、立体化的铁路客运商旅服务网[4]

    通过传感器、视频监控、电子标签等设备对港口进行全方位信息采集,充分利用铁路客票系统、车辆管理系统、安检地磅系统、视频监控系统等基础业务系统提供的数据,通过分布式工具将数据库中的数据导入到港口数据库中;利用大数据技术对海量数据进行挖掘,发现大数据中隐含的知识和规律:利用船最大化分类原则配载各种类型车辆,实现效益最大化;利用港口待渡场车辆管理系统,解决客票系统预售车票票额问题;利用车辆预约系统,解决港口待渡场车辆停放接待能力问题。实现港口管理方式由基于经验的“直觉型管理”向基于数据的“事实型管理”转变,为港口管理工作提供决策支持和技术支撑[5]。建立感知灵敏、信息流畅、智能决策的服务网络,将与港口经营生产相关的一切活动都集中在服务网络中,实现对港口人员、车辆、设备和基础设施的实时管理,通过港口数据挖掘和智能应用,达到港口运营的“智能”状态。

    通过监控视频,按照所设定的告警条件,分析当前监控位置的警情,自动发出告警。根据目标分类分析,实现人脸识别、周界入侵监测、人数统计、交通流量统计、可疑物品侦测、人群行为分析、人员滞留监测、行走轨迹自动追踪、越界识别、车牌识别、车辆违章识别等功能。针对监控对象异常事件等进行实时告警,准确发出告警发生的时间、地点等信息。由于采用计算机进行警情识别,能对多路视频同时进行分析,监测更加全面,使得报警更加及时,显著降低现场人员工作量。现场人员接到告警信息后,进行二次警情确认,进一步提高监控效率。

    融合通信系统是以IP通信为基础[6],以基于IP的语音传输(VoIP, Voice over Internet Protocol)、视频通信、多媒体会议、协同办公、通信录、即时通信等为核心功能,融合智能手机、平板电脑的基本应用程序,用户在任何作业区域都可以接入到网络,享有统一的各种通信服务;融合通信系统还可以使用户通过多样化的终端、以IP为核心的统一控制和承载网,以及融合的业务系统实现各类通信的统一和用户体验的统一。系统通过建设LTE(Long Term Evdution)宽带网、无线集群网与港口专网、物联网及公网融合,实现物联网动态感知、设备管理智能化、业务管理信息化,实现应急高效指挥。通过现场人员手持终端、平板电脑、视频会议系统等与管理人员实现IP语音、即时消息、在线状态、文件传输、多媒体会议等应用,提供无缝融合通信体验,建立集语音、视频于一体的指挥系统。

    通过射频识别(RFID)技术、传感器和无线通信网,采集和感知港口内车辆、人员、设备设施等信息,并传输至信息处理后台进一步处理,实现对港口内的各类基础设施和生产资料有效整合、通过信息平台进行数据交换[7],从而建设智能消防系统,实现火灾自动报警、自动定位;建设智能楼宇安防系统,实现远程设备的联动,将异常情况正确地反映给现场人员;建设智能闸口系统,实现全过程无人干预,加快车辆通过闸口的通行速度,减少现场作业人员数量,提高港口作业效率;建设智能待渡场车辆管理系统,实现自动安排车辆停放、自动调度车辆出闸上船;建设智能监控系统,实现对港口内作业现场进行智能化识别,并准确判断现场设备、车辆和作业人员的行为信息,从而实现智能化监控的目的;构建铁路物联网应用服务平台,实现电子标识及其他智能硬件的跨专业、跨行业共享与协同操作,以及“云–管–端”的物联网安全防护体系[8];物联网依据传感器获取的设备能耗数据进行判断和管理,实现高能耗设备的节能降耗。

    建立虚拟的港口建筑工程三维模型,利用数字化技术,为该模型提供完整的、与实际情况一致的建筑工程信息库。通过建立信息库,可以查询与设备相关的图纸、说明、安装、维修记录等信息。通过实时信息管理,记录设备的维修和保养情况,动态掌握各类设备的运行状态。

    调度指挥中心利用铁路港口智能化管理系统,实现港口全过程作业管控、全场景可视化、快速响应与协调、智能指挥。

    铁路轮渡港口智能化管理系统的设计方案以实现琼州海峡铁路轮渡港口作业全过程智能化服务和安全管控为目标,通过客滚船配载能力的大数据分析和港口智能化装备,以及港口客运楼和待渡场的智能化管理,提升港口的调度指挥能力和效率,提升旅客和车辆的通过效率,提高工作质量、工作效率和服务水平。目前,该设计方案已纳入湛海高铁建设设计方案中。

  • 图  1   ELM网络结构

    图  2   成本数据集1

    图  3   成本数据集2

    图  4   成本数据集3

    表  1   线路建设成本数据表 单位:亿元/km

    线路名称 前期准备成本 土建成本 车辆成本 车辆基地成本 机电设备成本 贷款利息 其他成本 延米造价
    北京4号线 0.309 4 1.985 0 0.605 3 0.246 5 0.999 8 0.294 5 1.309 5 5.750 0
    北京5号线 0.284 2 1.623 5 0.471 3 0.312 0 0.924 1 0.278 0 0.986 9 4.880 0
    北京10号线 0.347 6 2.245 2 0.364 4 0.221 7 1.086 7 0.337 2 1.097 2 5.700 0
    北京八通线 0.088 2 0.441 5 0.288 6 0.143 4 0.378 5 0.108 0 0.351 8 1.800 0
    北京13号线 0.110 4 0.376 6 0.301 6 0.143 0 0.302 5 0.064 2 0.311 7 1.610 0
    广州2号线 0.367 4 1.988 5 0.709 5 0.265 3 1.357 1 0.225 2 0.887 0 5.800 0
    南京1号线 0.281 7 1.104 8 0.553 7 0.104 2 0.691 5 0.254 9 0.929 2 3.920 0
    天津3号线 0.189 0 1.481 0 0.394 9 0.178 9 0.757 5 0.304 8 0.733 9 4.040 0
    下载: 导出CSV

    表  2   成本估算模型估算误差列表

    数据集序号 MSE RMSE MAE MAPE
    1 0.067 6 0.260 0 0.223 3 6.84%
    2 0.042 3 0.205 7 0.160 9 3.70%
    3 0.045 1 0.212 3 0.174 3 6.28%
    4 0.045 6 0.213 5 0.162 8 4.57%
    5 0.075 6 0.275 0 0.210 3 4.95%
    6 0.099 9 0.316 0 0.261 1 7.23%
    7 0.103 6 0.321 8 0.256 3 6.70%
    8 0.053 1 0.230 4 0.177 6 4.07%
    9 0.074 0 0.271 9 0.220 0 6.68%
    10 0.055 4 0.235 4 0.191 9 4.35%
    下载: 导出CSV
  • [1] 王夏冰, 王瑛.BIM在轨道交通工程造价方面运用研究[J].魅力中国, 2019(23): 260-261. https://www.cnki.com.cn/Article/CJFDTOTAL-JUSH201909054.htm
    [2] 吕芳.低能耗建设工程动态成本预算控制模型研究[J].环境科学与管理, 2019, 44(8): 52-55. https://www.cnki.com.cn/Article/CJFDTOTAL-BFHJ201908012.htm
    [3] 孙亚南.盘山灌区改造工程造价动态估算研究[J].黑龙江水利科技, 2019, 47(7): 43-45, 185. https://www.cnki.com.cn/Article/CJFDTOTAL-HSKJ201907013.htm
    [4] 杨磊, 应黎明, 王玉磊.变电站建设全生命周期成本估算研究[J].计算机仿真, 2017, 34(1): 123-128. https://www.cnki.com.cn/Article/CJFDTOTAL-JSJZ201701033.htm
    [5] 刘敬严, 陈蕾, 宋宁, 等.绿色高铁建设环境成本CS、BPNN估算方法研究[J].铁道工程学报, 2015(7): 111- 116. https://www.cnki.com.cn/Article/CJFDTOTAL-TDGC201507021.htm
    [6] 段晓晨, 田贺, 张小平.绿色高铁运营环境成本非线性估算方法研究[J].铁道工程学报, 2016, 33(5): 123- 128. https://www.cnki.com.cn/Article/CJFDTOTAL-TDGC201605022.htm
    [7]

    ]HUANG Guangbin, ZHU Qinyu, Chee-Kheong Siew. Extreme learning machine: Theory and applications[J]. Neurocomputing, 2005, 70(1) : 489-501.

    [8] 宋坤骏, 丁建明.代价敏感正则化有限记忆多隐层在线序列极限学习机及图像识别应用[J].铁路计算机应用, 2018, 27 (5): 18-22, 37. http://tljsjyy.xml-journal.net/article/id/4385
    [9] 温廷新, 朱静.基于SAPSO-ELM的边坡稳定性预测[J].安全与环境学报, 2018, 18(6): 2146-2150. https://www.cnki.com.cn/Article/CJFDTOTAL-AQHJ201806017.htm
    [10]

    Kiyoumars Roushangar, Saba Mirza Alipour, Dominique Mouaze. Linear and non-linear approaches to predict the Darcy-Weisbach friction factor of overland flow using the extreme learning machine approach[J]. International Journal of Sediment Research, 2018, 33(4):415-432.

    [11] 杨文成, 王圆圆, 孙军先.基于KR-SVM的城市轨道交通建设成本估算评价模型研究[J].交通工程, 2017, 17(3): 40-46. https://www.cnki.com.cn/Article/CJFDTOTAL-DLJA201703007.htm
    [12] 宋苏民, 旷文珍, 许丽, 等. RBF神经网络在铁路货运量预测中的应用[J].铁路计算机应用, 2017, 26(1): 47-51. http://tljsjyy.xml-journal.net/article/id/4120
图(4)  /  表(2)
计量
  • 文章访问数:  211
  • HTML全文浏览量:  86
  • PDF下载量:  20
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-10-07
  • 刊出日期:  2020-04-24

目录

/

返回文章
返回