【技术实现步骤摘要】
本专利技术属于地铁运行控制，尤其是设计一种基于深度强化学习的冗余时间分配方法。
技术介绍
1、地铁站发生干扰地铁列车运行的事件，如客流量的激增、设备故障或者极端天气等，从而造成地铁列车延误，导致列车能耗升高，乘客滞留在站台上的情况增加。为了快速消除列车延误，传统方法往往简单粗暴地缩短列车在下一个区间或几个区间的运行时间，无法有效地平衡列车能耗和乘客服务质量。现有方法将列车延误分布到剩余区间或站间，虽然有效地节约了能耗，并照顾到了乘客服务质量，但所使用数值算法过于复杂，不易理解，商业求解器虽然简化了计算过程，但无法满足地铁列车调度问题的实时性要求，因此需要一种更高效的求解方法。
技术实现思路
1、本专利技术的目的在于：为了在干扰事件发生的情况下，实时优化地铁系统的能源消耗和站台滞留乘客数量，本专利技术针对现有技术的不足，提供了一种基于深度强化学习的冗余时间分配方法，用以解决现有技术中模型精度低和求解算法复杂的问题。为了实现上述目的，本专利技术采用以下技术方案：
2、根据本专利技术...
【技术保护点】
1.一种基于深度强化学习的冗余时间分配方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于深度强化学习的冗余时间分配方法，其特征在于，所述列车参数包括牵引特性曲线、制动特性曲线、列车负载、列车长度、经验阻力系数、允许的运行时间误差、允许的运行距离误差、电能到机械能的转换效率和再生制动能到机械能的转换效率；所述线路参数包括线路的长度、限速、坡度和曲率；所述时间参数包括列车线路区间运行时间、列车站停时间和列车站停时间允许变化范围；所述客流参数包括乘客到站客流量和乘客在各个车站的下车率。
3.如权利要求1所述的一种基于深度强化学习的冗余时...
【技术特征摘要】
1.一种基于深度强化学习的冗余时间分配方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于深度强化学习的冗余时间分配方法，其特征在于，所述列车参数包括牵引特性曲线、制动特性曲线、列车负载、列车长度、经验阻力系数、允许的运行时间误差、允许的运行距离误差、电能到机械能的转换效率和再生制动能到机械能的转换效率；所述线路参数包括线路的长度、限速、坡度和曲率；所述时间参数包括列车线路区间运行时间、列车站停时间和列车站停时间允许变化范围；所述客流参数包括乘客到站客流量和乘客在各个车站的下车率。
3.如权利要求1所述的一种基于深度强化学习的冗余时间分配方法，其特征在于，对列车运行过程进行受力分析包括对列车运行过程的牵引力、再生制动力、空气制动力、基本阻力和附加阻力进行分析。
【专利技术属性】
技术研发人员：贺德强，孙政，谭钦宇，吴金鑫，陈彦君，李先旺，李琴，
申请(专利权)人：广西大学，
类型：发明
国别省市：
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。