提升集装箱重装作业的多变量时间序列预测能力：一种改进的自适应多粒度级联森林模型整合方法

《TRANSPORTATION RESEARCH PART E-LOGISTICS AND TRANSPORTATION REVIEW》：Enhancing multivariate time series forecasting for container reloading operations: an improved adaptive multi-granularity cascade forest model integrating

　　郭静伟|王一民|陈振松|弗朗西斯科·奇克拉纳|维托尔德·佩德里奇中国澳门特别行政区999078，澳门城市大学商学院摘要尽管多变量时间序列预测技术已取得进展，但在铁路港口集装箱转运等实际应用中仍存在诸多挑战。主要问题包括对原始数据利用不足，以及无法有效建模物流运作中从设备周期到周度规划节奏等多层次时间模式。为解决这些问题，本研究提出了一种改进的多变量自适应多粒度级联森林模型（IM_MAGCFM）。该模型的设计旨在填补以下空白：（1）结合运营周期进行多粒度扫描，以实现有意义的时间序列分解；（2）将梯度提升决策树作为特征提取工具，捕捉货物类型和天气等因素之间的复杂关联；（3）整合XGBoost进行特征选择，优化高维特征空间，提升模型的稳健性与效率。以阿拉山口铁路港口数据为对象的实证分析表明，IM_MAGCFM的性能显著优于传统模型，MSE平均降低57.83%，RMSE降低36.08%，MAE降低30.94%，MAPE降低67.86%。在另一个独立的马拉谢维奇港口数据集上的验证也证明了其在不同运营环境中的通用性和稳健性。这项研究为多变量预测提供了具有领域针对性且理论严谨的框架，展示了如何借助物流领域的洞察力来设计更高效的机器学习模型，从而提升国际铁路物流的预测精度与决策可靠性。引言中国铁路快运不仅是物流通道，更是连接中国与欧洲的复杂供应链中的关键环节。随着“一带一路”倡议的推进，中国铁路快运的作用愈发重要，兼具战略意义和经济价值（Wei & Lee, 2021）。在铁路运输领域，由于轨距差异带来的复杂性使得情况更为复杂：中国铁路采用1435毫米的标准轨距，而中亚和蒙古地区则使用1520毫米的宽轨距。这一差异不仅是技术问题，更是阻碍货物运输的巨大障碍，因此需要在转运站，尤其是关键铁路港口，开展复杂的集装箱转运操作。图1展示的是从成都到欧洲的中国铁路快运线路在阿拉山口边境站的集装箱转运过程。在这里，将集装箱转运到符合目的地国家铁路标准的货运列车上是一项至关重要的操作。这一过程并非简单的流程，而是确保货物能够顺利通过多个国家不同轨道系统运输的关键所在（Bortfeldt & W?scher, 2013）。实际上，集装箱转运的时长受多种因素影响，包括铁路港口的设施和设备状况、工作人员的专业水平、集装箱处理效率以及海关通关效率。准确预测集装箱转运时间不仅具有技术意义，还对提升港口运营效率及多式联运供应链性能至关重要。准确的预测对于多项管理职能而言都极为重要。首先，它有助于实现动态资源分配，根据预期的运营需求优化设备配置和人员调度，从而减少资源闲置并缓解拥堵状况。其次，它有利于制定综合调度计划，确保进站列车、港口作业和出站列车之间的协调，这对于维护运输线路的运行秩序、减少货物滞留十分重要。最后，它还能提高供应链的透明度和可靠性，降低物流相关方的不确定性，进一步提升该国际货运走廊的竞争力（Archetti et al., 2022）。随着“一带一路”倡议下中国-欧洲铁路快运的发展，开发创新的预测方法和技术解决方案变得愈发重要。解决这些难题有助于优化中国与欧洲之间的物流运输，提高效率，增强国际贸易的可靠性。历史上，研究人员通常依靠传统统计技术来建模集装箱转运时间，回归分析往往是这类研究的常用方法。例如，多元线性回归就被用来分析设备效率和服务调度等因素（Chu et al., 2024）。然而，由于这些模型基于线性假设，往往难以捕捉现实世界的复杂性。机器学习的出现彻底改变了时间预测的方法。研究人员运用各种算法，从回归模型到神经网络，来分析历史数据。随机森林和梯度提升机这类算法因其能够建模多个变量之间的非线性关系而备受青睐。有一项重要研究表明，随机森林在预测集装箱转运时间方面显著优于传统回归模型，能够有效处理数据中的交互效应和非线性特征。深度学习的出现进一步推动了时间预测技术的发展。循环神经网络及其改进版本长短期记忆网络，已成为捕捉序列数据中时间依赖性的重要工具。Yan等人（2024）的研究表明，LSTM在预测转运时间方面表现优异，能够利用大规模数据集发现传统方法可能忽略的模式。此外，结合卷积神经网络进行特征提取也展现出巨大潜力，提升了混合模型的预测能力（Kumar et al., 2025）。尽管取得了显著进展，但在准确预测集装箱转运时间方面仍存在诸多挑战。数据质量和可用性仍是重大障碍，因为历史数据集中往往存在不一致性、缺失值和异常值，这些都会影响模型训练，导致预测结果不可靠（Guo et al., 2025a, Guo et al., 2025b）。此外，维度灾难也使得高维数据集的建模变得更加困难，因为其中各种影响因素——如天气、设备状态和人员效率——之间的关联日益复杂（Thudumu et al., 2020）。在铁路港口运营中，除了上述数据相关问题外，还有一个与业务特性紧密相关的根本性挑战，即与列车调度节奏紧密相连的多层次时间模式。集装箱转运过程并非单一整体，而是以分层方式展开，其效率和时长取决于不同尺度上的动态变化（Guo et al., 2026）。（1）微观尺度：在这一层面，我们关注单次列车运行，列车的具体组成和实时状况决定了运营结果。（2）中观尺度：此处我们考虑周度周期，它受综合调度计划、资源分配策略以及周期性规律的影响，进而影响运营流程。（3）宏观尺度：这一更广泛的视角涵盖双周或阶段性周期，此时长期货物流动趋势、设备维护计划以及季节性调整等因素开始起作用。现有的大多数预测模型通常基于单一、统一的时间尺度设计，难以捕捉这些相互关联、受调度驱动的分层模式。这种缺陷使得模型功能与港口运营中分阶段、批量处理的实际情况之间存在较大差距。为应对这些运营节奏中的复杂性，近期研究越来越多地尝试整合多种高维数据源，从历史运营记录到实时环境数据。通过整合传感器数据、天气预报和交通状况等信息，研究人员开发出了更为精细的模型。例如，纳入详细的天气信息已被证明能显著提升预测精度，这凸显了丰富数据集对提升运营效率的重要性（Filom et al., 2022）。这种发展态势指明了未来方向，但同时也要求预测框架能够充分利用多源数据，同时解决建模多尺度、基于调度的时间依赖性这一核心问题。表1总结了应用于集装箱转运操作的各类预测模型，展现了这一方法论的发展历程。尽管这些研究取得了令人瞩目的进展，但仍存在一些关键缺陷尚未解决。•原始时间序列信息利用不足许多研究方法未能充分挖掘多变量时间序列数据中所包含的原始信息。原始时间序列数据蕴含着宝贵的历史趋势和动态变化，对于准确进行时间预测至关重要。然而，数据处理技术的局限性往往导致这些信息被忽视。此外，未能有效利用原始数据会显著降低预测的准确性和可靠性，进而影响运营决策的合理性。•重要隐藏属性信息丢失时间序列数据中某些关键信息可能包含难以用传统方法提取的隐藏属性。这些重要信息可能隐藏在数据的深层结构中，或存在于多个变量之间的复杂关系之中。这种复杂性可能导致在数据预处理和分析过程中无意间丢失重要线索。此外，忽视这些隐藏属性会降低预测模型的性能，因为模型无法把握数据背后的全部动态特征。•难以捕捉多尺度变化时间序列数据往往在多个尺度上呈现不同特征，给预测模型带来了独特挑战：（1）数据在不同时间尺度上可能表现出不同的模式和趋势，这使得现有的多变量预测方法难以有效捕捉这些变化；（2）若无法准确反映具有复杂时间尺度特征的实时动态变化，会导致模型性能不佳，进而影响预测的准确性和适用性。如前所述，这些挑战在集装箱转运操作中尤为突出，因为该过程的固有多层次特性进一步增加了复杂性。因此，需要开发出能够有效应对这些复杂情况的强大预测模型，以提高运营效率并优化决策过程。从上述分析可以看出，多变量预测需要考虑多个变量之间的相互作用和关联。这些变量可能来自不同的数据源，具有不同的时间尺度和频率，因此探究它们之间的相互联系和共同影响极为复杂。此外，在预测集装箱转运时间时，还需考虑货物类型、转运设备状况、操作人员技能水平、天气条件和交通状况等因素。这些因素之间的复杂交互使得数据关联挖掘过程更加困难。同时，多变量时间序列预测模型还需要处理多个输入变量并给出准确预测，这就要求模型具备高度的灵活性和适应性，以便捕捉变量之间的动态关系。重要的是，模型必须经过专门设计，以体现第1.2节所述的运营过程中固有的多粒度时间模式。这在模型构建过程中选择合适的算法和结构框架方面带来了巨大挑战，需要确保模型能够真实反映数据中的内在模式和趋势。此外，多变量时间序列数据所具有的复杂性和不确定性也为模型构建和优化带来了诸多困难。克服这些挑战对于开发出能够提升运营效率与决策能力的强大预测模型至关重要。为解决这些问题，我们提出了一种改进的多变量自适应多粒度级联森林模型，该模型整合了自适应级联森林、多因子特征选择和多粒度扫描等多种技术，旨在提升中国铁路快运系统中集装箱转运操作的预测精度和稳健性。其主要贡献如下：1. 为探究各因素与集装箱转运时间之间的关系，我们开发了改进的多变量自适应多粒度级联森林模型（IM_MAGCFM），该模型融合了自适应级联森林、多因子特征选择和多粒度扫描技术，专为处理大型铁路港口集装箱转运时间预测所涉及的多源数据结构而设计。2. 梯度提升决策树算法用于从原始时间序列数据中提取特征，提升了数据集的信息表达能力，有助于发现特征时间序列之间更为深层、微妙的关联。这种方法有效解决了大型港口集装箱转运时间预测的难题，因为这些场景往往存在特征数据获取困难以及众多不确定因素的问题。3. 在特征选择方面，我们提出了一种基于增益的XGBoost特征重要性评估方法，作为一种用于集装箱转运操作的多维度时间特征选择技术。该方法能够评估每个特征对转运时间的贡献程度，帮助我们识别那些对模型训练和预测有显著影响的特征。这一机制可降低特征空间的维度，提高计算效率，同时降低模型过拟合的风险，进而提升模型的泛化能力。4. 我们还设计了一种创新的多粒度扫描机制，旨在根据铁路运营的层次化时间模式对时间序列数据进行分解。该方法满足了在运营、规划和战略不同时间尺度上进行集成建模的需求。所得到的子序列能够有效捕捉集装箱重新装载时间的多尺度时间特征，通过准确呈现港口作业的阶段性特点，从而实现多维度预测，提升预测精度。据我们所知，这是首项利用多源数据结构来预测大型铁路港口集装箱重新装载时间的研究。我们借助阿拉山口重新装载作业的实际数据，验证了所提出模型的先进性与优越性。本文其余部分结构如下：第2节简要回顾了多元时间序列预测方法、特征选择及特征提取的相关研究；第3节阐述了IM_MAGCFM模型的框架与算法设计；第4节展示了基于该模型得到的实验结果；最后，第5节总结了研究结论，并提出了未来研究的方向。

经典统计预测方法
时间序列预测的早期发展主要依赖于经典统计技术。移动平均（MA）、自回归移动平均（ARMA）（Anderson等人，2016年）及其更复杂的扩展模型，如自回归积分移动平均（ARIMA）（Xu等人，2019年）和季节性ARIMA（SARIMA）（Zhang等人，2020年），构成了这一时期的核心。这些方法主要基于时间序列内的自相关结构。

多粒度级联森林
多粒度级联森林（GcForest）算法为时间序列分析提供了强大的集成框架。然而，其在处理特定领域的预测问题时存在一个关键缺陷：滑动窗口尺寸的选择缺乏对目标领域时间结构的内在依据。尽管将多粒度扫描视为多分辨率分析的理论解释仍然有效，但这种通用方法在面对具体应用场景时存在不足。

实验结果
本节利用阿拉山口的实际集装箱重新装载时间及相关影响因素数据，对本文提出的IM_MAGCFM模型进行验证。首先，4.1节简要介绍相关数据情况；接着，4.2节描述数据处理及特征工程流程；4.3节介绍模型内部参数的配置方法；最后，4.4节选取了几种主流模型以及经过改进的模型进行对比分析。

结论
铁路港口集装箱重新装载时间的预测是一项复杂的多元预测任务，受到众多相互关联因素的影响。传统预测方法在处理这种多源操作数据的复杂结构时存在局限性。本研究通过开发一种改进型多元自适应多粒度级联森林模型（IM_MAGCFM），解决了这些局限性，该模型专为集装箱重新装载时间预测而设计。

关于写作过程中生成式AI及AI辅助技术的声明
在撰写本文的过程中，作者使用了GPT 5.2工具来提升手稿的可读性和语言表达水平。在使用该工具后，作者对内容进行了必要的审阅和修改，并对最终发表文章的内容负全责。

CRediT作者贡献说明
郭静伟：写作——审阅与编辑、写作——初稿撰写、模型验证、方法论、概念构建。王一民：写作——审阅与编辑、写作——初稿撰写、模型验证、软件工具应用、方法论、概念构建。陈振松：写作——审阅与编辑、模型验证、方法论、资金获取、概念构建。Francisco Chiclana：写作——审阅与编辑、方法论、形式化分析、概念构建。Witold Pedrycz：写作——审阅与编辑、方法论。

利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢
本研究得到了中国国家自然科学基金项目（编号72571203、72171182、72031009）、澳门科学技术发展基金项目（编号0112/2025/RIB2）以及福建省社会科学基金项目（编号FJ2025B170）的支持。