一种轨道交通列车跨线运行的自动驾驶控制方法技术

技术编号:38366926 阅读:25 留言:0更新日期:2023-08-05 17:33
本发明专利技术提供了一种轨道交通列车跨线运行的自动驾驶控制方法,其特征在于:包括从成熟子线路采集自动驾驶数据;设置多个基础学习器和一个综合学习器,利用采集的成熟子线路的自动驾驶数据对基础学习器和综合学习器进行训练得到元学习器;将元学习器的模型参数赋予至新跨子线路学习器,使新跨子线路学习器获得元学习器的经验和学习能力;从新跨线路采集列车驾驶小样本数据,利用其对新跨子线路学习器进行少量训练得到可用新跨子线路学习器;然后列车将可用新跨子线路学习器用于新跨线路的列车自动驾驶运行控制。采用本发明专利技术所述的自动驾驶控制方法,能快速高效地使列车在新跨线路上采用机器学习的方法进行自动驾驶控制,同时还能提高控制精度。能提高控制精度。

【技术实现步骤摘要】
一种轨道交通列车跨线运行的自动驾驶控制方法


[0001]本专利技术涉及交通运输
,特别是一种轨道交通列车跨线运行的自动驾驶控制方法。

技术介绍

[0002]“互联互通”是指同一列车能从本线路(成熟线路)通过联络线,在不停车和不改变驾驶模式的情况下到达另一条线(新跨线路),且能在另一条线上正常载客运营。轨道交通互联互通的意义在于提高运营效率,实现资源共享,节约乘客候车及换乘步行时间,节约成本。该技术涉及线路、信号、供电、通信等众多专业,过去由于国内外各厂家信号系统产品存在技术壁垒,没有形成统一标准,导致信号系统成为“互联互通”实施的瓶颈。目前,各厂家间阻碍技术发展壁垒已被打破,全国各大城市都进行了轨道交通多线互联互通的尝试,例如,重庆轨道交通4号线、5号线和环线于2021年12月28日实现了三线互联互通,进一步缩短了重庆市中心城区间的时空距离,满足了网络化运营后对运能、换乘、旅行速度等方面更高的要求。
[0003]另一方面,随着数据驱动和机器学习的发展,机器学习已成为列车操控的常用手段,从而实现列车的智能自动驾驶。对列车成熟线路而言本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轨道交通列车跨线运行的自动驾驶控制方法,其特征在于:将所述列车长期运行的某个线路记为成熟线路,将成熟线路每相邻两个站点间的线路记为成熟子线路,设成熟子线路有n个;将列车即将跨线运行的某个线路记为新跨线路,将新跨线路每相邻两个站点间的线路记为新跨子线路,设新跨子线路有m个;所述列车设置有用于控制列车运行的自动驾驶模块;所述自动驾驶控制方法包括:一)从成熟线路的n个成熟子线路采集自动驾驶数据,从单个成熟子线路采集的多个自动驾驶数据组成对应成熟子线路的自动驾驶数据集,将成熟子线路的自动驾驶数据集记为原始数据集,n个成熟子线路对应n个原始数据集;二)按方法一对n个原始数据集进行处理,得到一个元学习器;三)设置m个新跨子线路学习器,m个新跨子线路学习器与m个新跨子线路一一对应,按方法二利用元学习器对m个新跨子线路学习器进行更新,得到m个可用新跨子线路学习器;新跨子线路学习器内设置有深度神经网络模型;四)将m个可用新跨子线路学习器加载到列车的自动驾驶模块上,列车的自动驾驶模块根据所行驶的跨线子线路选取对应的可用新跨子线路学习器用于列车的自动驾驶控制;所述方法一包括:对n个原始数据集按均按以下方式处理得到n个对抗数据集:将单个原始数据集中的自动驾驶数据作为判别器的真实数据,采用生成对抗网络GAN生成多个新的自动驾驶数据,将生成的多个新的自动驾驶数据的集合记为该原始数据集对应的对抗数据集;设置n个基础学习器和一个综合学习器,n个基础学习器均与综合学习器连接,n个基础学习器与n个成熟子线路一一对应;所述基础学习器内和综合学习器内均设置有深度神经网络模型,将基础学习器内的深度神经网络模型记为基础模型,将综合学习器内的深度神经网络模型记为综合模型;综合学习器依次与n个基础学习器进行数据交互,每次数据交互过程包括以下步骤:A)综合学习器将当前综合模型的模型参数θ

传输给第i个基础学习器,i为1到n的整数;综合学习器随机生成综合模型初始的模型参数θ

;B)第i个基础学习器分别利用对应的原始数据集和对抗数据集按以下方式对对应的基础模型参数进行迭代更新:第i个基础学习器利用对应的原始数据集采用公式一对对应的基础模型的模型参数进行N次迭代更新,得到N次迭代更新后的损失函数梯度值,将第N次迭代更新后得到的损失函数梯度值记为原始反馈损失函数梯度值;第i个基础学习器利用对应的对抗数据集采用公式二对对应的基础模型的模型参数进行M次迭代更新,得到M次迭代更新后的损失函数梯度值,将第M次迭代更新后得到的损失函数梯度值记为对抗反馈损失函数梯度值;C)第i个基础学习器将原始反馈损失函数梯度值和对抗反馈损失函数梯度值传输给综合学习器;D)综合学习器利用收到的原始反馈损失函数梯度值采用公式三对模型参数θ

进行更新,然后综合学习器再利用收到的对抗反馈损失函数梯度值采用公式四对模型参数θ

进行更新;
当综合学习器完成与n个基础学习器的数据交互后,...

【专利技术属性】
技术研发人员:徐凯贺德强黄德青王青元蓝章礼杨建喜吴仕勋谭伟
申请(专利权)人:重庆交通大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1