一种基于机器学习的坡度处理方法、装置及系统制造方法及图纸

本发明专利技术实施例提供一种基于机器学习的坡度处理方法、装置及系统。其中，该方法包括：接收车载ATO设备发送的坡度处理数据，包括输出级位、列车位置和列车坡度信息；输出级位与列车位置对应；根据预设周期内的一段坡度区的坡度处理数据得到数据对象，包括输出级位、列车位置和评价参数；通过机器学习聚类算法将数据对象进行分组，根据评价参数找到坡度处理性能最好的一组数据对象，进而得到控制级位；将控制级位和预设权重发送给车载ATO设备，用于车载ATO设备进行加权计算得到最终的输出级位。本发明专利技术实施例通过机器的自学习，累积经验，使得ATO在驾驶过程中不断优化对坡度的处理，最终输出与位置对应的级位，达到坡度处理的最优化。

A Slope Processing Method, Device and System Based on Machine Learning

The embodiment of the invention provides a slope processing method, device and system based on machine learning. Among them, the method includes: receiving slope processing data sent by vehicle ATO equipment, including output level, train position and train gradient information; corresponding output level with train position; obtaining data objects according to slope processing data of a slope area in a preset period, including output level, train position and evaluation parameters; and clustering data objects through machine learning algorithm. Grouping, according to the evaluation parameters, a group of data objects with the best slope processing performance are found, and then the control level is obtained. The control level and preset weight are sent to the vehicle ATO equipment for weighting calculation to obtain the final output level. The embodiment of the present invention makes the ATO continuously optimize the gradient processing in the driving process by self-learning of the machine and accumulating experience, and finally outputs the gradient corresponding to the position to achieve the optimization of the gradient processing.

【技术实现步骤摘要】
一种基于机器学习的坡度处理方法、装置及系统
本专利技术实施例涉及人工智能及自动控制
，具体为一种基于机器学习的坡度处理方法、装置及系统。
技术介绍
在轨道交通中，地势环境、节能设计、现有线路等因素都会导致轨道在修建时会有坡度的变化，尤其是在山区城市，坡度更陡，更多，故列车在自动运行时其列车自动驾驶系统(AutomaticTrainOperation,ATO)要考虑到坡度的处理。目前的坡度处理主要有以下策略：(1)坡度取值为列车移动授权范围内的最不利坡度ATO驾驶列车行驶，坡度的取值为列车移动授权(MovementAuthority,MA)范围内的最不利坡度，然后把坡度按照一定原则等效到加速度上；即上坡等效减速，下坡等效加速。ATO驾驶列车行驶，坡度的取值为列车移动授权范围内的最不利坡度具有如下缺陷：因为坡度的取值为移动授权范围内的最不利坡度，在MA很长时，易出现在上坡时当前坡度比较小，而MA范围内有更大坡度，因为采用了较大坡度，输出级位在当前阶段偏大，易超速，同理在下坡输出大制动速度压得过低影响运营效率，同时大制动易引发空气制动导致刹车片磨损严重，降低使用寿命。另外MA比较短时本文档来自技高网...

【技术保护点】
1.一种基于机器学习的坡度处理方法，其特征在于，包括：接收车载ATO设备发送的坡度处理数据，所述坡度处理数据包括输出级位、列车位置和列车坡度信息；所述输出级位与所述列车位置对应；由所述列车坡度信息获取坡度区，根据预设周期内接收的一段坡度区的所述坡度处理数据得到数据对象，所述数据对象包括所述输出级位、所述列车位置和评价参数，所述评价参数用来评价坡度处理的性能；通过机器学习聚类算法将所述数据对象进行分组，根据所述评价参数找到坡度处理性能最好的一组所述数据对象，根据所述坡度处理性能最好的一组所述数据对象得到控制级位；将所述控制级位和所述控制级位的预设权重发送给所述车载ATO设备，用于车载ATO设备进...

【技术特征摘要】
1.一种基于机器学习的坡度处理方法，其特征在于，包括：接收车载ATO设备发送的坡度处理数据，所述坡度处理数据包括输出级位、列车位置和列车坡度信息；所述输出级位与所述列车位置对应；由所述列车坡度信息获取坡度区，根据预设周期内接收的一段坡度区的所述坡度处理数据得到数据对象，所述数据对象包括所述输出级位、所述列车位置和评价参数，所述评价参数用来评价坡度处理的性能；通过机器学习聚类算法将所述数据对象进行分组，根据所述评价参数找到坡度处理性能最好的一组所述数据对象，根据所述坡度处理性能最好的一组所述数据对象得到控制级位；将所述控制级位和所述控制级位的预设权重发送给所述车载ATO设备，用于车载ATO设备进行加权计算得到最终的所述输出级位。2.根据权利要求1所述的方法，其特征在于，所述坡度处理数据还包括列车实际速度和列车推荐速度，所述方法还包括：根据所述列车实际速度和所述列车推荐速度得到速度振幅和速度振荡周期；根据所述输出级位得到级位变化率和级位变动幅度；根据所述速度振幅、所述速度振荡周期、所述级位变化率和所述级位变动幅度得到所述评价参数。3.根据权利要求1或2所述的方法，其特征在于，所述坡度处理数据还包括列车运行等级，所述方法还包括：将所述数据对象根据分类条件分为不同的类别，以通过所述机器学习聚类算法对分类后的所述数据对象进行分组，所述分类条件包括天气状况和/或所述列车运行等级。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：将所述数据对象或分类后的所述数据对象存入数据库，在所述通过机器学习聚类算法将所述数据对象进行分组之前，从数据库中提取所述数据对象。5.根据权利要求4所述的方法，其特征在于，所述机器学习聚类算法为K-MEANS算法，通过所述K-MEANS算法将所述数据对象进行分组具体包括：步骤101、对从数据库中提取的同类n个所述数据对象任意选择k个所述数据对象作为中心对象；步骤102、根据所述数据对象的所述评价参数计算每个所述数据对象与所述中心对象的距离，并根据最小距离对所述数据对象进行聚类，分为k组；步骤103、重新计算每组所述数据对象的所述评价参数...

【专利技术属性】
技术研发人员：郭晓明，田元，王海南，彭朝阳，孙净亮，张晨，
申请(专利权)人：北京通号国铁城市轨道技术有限公司，
类型：发明
国别省市：北京,11