The embodiment of the present invention discloses a train control method based on deep learning, which includes: selecting driver driving data from historical data, training initial depth network model according to driver driving data, obtaining well-trained depth network model, and inputting train state at different times into well-trained depth network. The model calculates the train control quantity at different time. By using deep learning technology to model ATO control algorithm, the intrinsic control process is not considered, which greatly simplifies the complexity of the problem. By using the driver's driving data with rich driving experience to train the deep network model, the train control quantity at different times is output. When new driver driving data are obtained, the deep network model can be retrained. The train control quantity of the new data feature can improve the comfort of the train and passenger's ride experience on the premise of ensuring the punctuality and parking accuracy of the train.
【技术实现步骤摘要】
一种基于深度学习的列车控制方法
本专利技术实施例涉及轨道交通
,具体涉及一种基于深度学习的列车控制方法。
技术介绍
随着轨道交通的迅捷发展,轨道交通客运量也迅速增加。人们在追求快捷出行的同时,也对列车舒适度提出了更高的需求。在实际应用的ATO(AutomaticTrainOperation,列车自动控制)控制算法中,多是利用PID控制算法来计算列车控制量以追踪目标速度,根据当前线路条件的不同,列车控制量的值可能出现较大幅度变化。这会导致列车运行过程不平稳,列车舒适度难以有效保证。在具备ATO功能的轨道交通线路中,列车可以由ATO控制,也可以由司机控制。通过对两种操作模式下的驾驶数据进行对比可以得出,列车舒适度在由具有丰富驾驶经验司机驾驶列车时较ATO控制条件下具有更好的效果。因此,如何利用司机驾驶列车的经验数据设计更符合人类驾驶习惯的ATO控制算法,以此改善ATO控制条件下的列车舒适度是亟需解决的问题。
技术实现思路
由于现有方法存在上述问题,本专利技术实施例提出一种基于深度学习的列车控制方法。本专利技术实施例提出一种基于深度学习的列车控制方法,包括:从历史数据中筛选得到驾驶经验丰富的司机驾驶列车时的司机驾驶数据;根据所述司机驾驶数据对初始的深度网络模型进行训练,得到训练好的深度网络模型;将不同时刻的列车状态输入所述训练好的深度网络模型,计算得到不同时刻的列车控制量。可选地,所述根据所述司机驾驶数据对初始的深度网络模型进行训练,得到训练好的深度网络模型,具体包括:根据自编码器或受限玻尔兹曼机的预训练方法,采用所述司机驾驶数据对初始的深度网络模型进行训练, ...
【技术保护点】
1.一种基于深度学习的列车控制方法,其特征在于,包括:从历史数据中筛选得到驾驶经验丰富的司机驾驶列车时的司机驾驶数据;根据所述司机驾驶数据对初始的深度网络模型进行训练,得到训练好的深度网络模型;将不同时刻的列车状态输入所述训练好的深度网络模型,计算得到不同时刻的列车控制量。
【技术特征摘要】
1.一种基于深度学习的列车控制方法,其特征在于,包括:从历史数据中筛选得到驾驶经验丰富的司机驾驶列车时的司机驾驶数据;根据所述司机驾驶数据对初始的深度网络模型进行训练,得到训练好的深度网络模型;将不同时刻的列车状态输入所述训练好的深度网络模型,计算得到不同时刻的列车控制量。2.根据权利要求1所述的方法,其特征在于,所述根据所述司机驾驶数据对初始的深度网络模型进行训练,得到训练好的深度网络模型,具体包括:根据自编码器或受限玻尔兹曼机的预训练方法,采用所述司机驾驶数据对初始的深度网络模型进行训练,得到训练好的深度网络模型。3.根据权利要求1所述的方法,其特征在于,所述根据所述司机驾驶数据对初始的深度网络模型进行训练,得到训练好的深度网络模型,具体包括:将所述司机驾驶数据输入初始的深度网络模型,得到目标列车控制量,根据所述目标列车控制量计算得到各时刻的列车状态,并将各时刻的列车状态输入所述初始的深度网络模型进行训练,得到训练好的深度网络模型。4.根据权利要求1所述的方法,其特征在于,所述根据所述司机驾驶数据对初始的深度网络模型进行训练,得到训练好的深度网络模型,具体包括:将所述司机驾驶数据输入初始的深度网络模型,得到当前时刻列车...
【专利技术属性】
技术研发人员:刘波,杜恒,
申请(专利权)人:交控科技股份有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。