-
公开(公告)号：CN113537603B
公开(公告)日：2022-02-01
申请号：CN202110825368.1
申请日：2021-07-21
Applicant: 北京交通大学
Abstract: 本发明涉及一种高速列车智能调度控制方法和系统，属于高速列车调度领域，方法包括：获取并存储列车的历史运行数据；根据所述历史运行数据建立Q‑Evaluate Net结构模型；根据所述历史运行数据建立Q‑Target Net结构模型；对由所述Q‑Evaluate Net结构模型和所述Q‑Target Net结构模型形成的DDDQN模型进行训练，得到优化后的DDDQN模型；将列车的当前状态信息输入至所述优化后的DDDQN模型，得到列车在当前状态下的最优执行动作，根据所述最优执行动作对列车进行调度调整，从而避免了发生列车冲突和死锁的情况，有效缩短列车的延误时间，提升了乘客的出行感受。
-
公开(公告)号：CN113537603A
公开(公告)日：2021-10-22
申请号：CN202110825368.1
申请日：2021-07-21
Applicant: 北京交通大学
Abstract: 本发明涉及一种高速列车智能调度控制方法和系统，属于高速列车调度领域，方法包括：获取并存储列车的历史运行数据；根据所述历史运行数据建立Q‑Evaluate Net结构模型；根据所述历史运行数据建立Q‑TargetNet结构模型；对由所述Q‑Evaluate Net结构模型和所述Q‑TargetNet结构模型形成的双对抗神经网络模型进行训练，得到优化后的双对抗神经网络模型；将列车的当前状态信息输入至所述优化后的双对抗神经网络模型，得到列车在当前状态下的最优执行动作，根据所述最优执行动作对列车进行调度调整，从而避免了发生列车冲突和死锁的情况，有效缩短列车的延误时间，提升了乘客的出行感受。
-
公开(公告)号：CN112198799B
公开(公告)日：2021-05-14
申请号：CN202011172086.8
申请日：2020-10-28
Applicant: 北京交通大学
Abstract: 本发明公开一种基于深度学习的高速列车停车控制方法及系统，涉及轨道交通管理与控制技术领域，方法包括：获取训练数据集；建立卷积神经网络；利用所述训练数据集对所述卷积神经网络进行训练和优化，得到优化后的卷积神经网络；获取待控制列车的实际运行数据；将所述实际运行数据输入所述优化后的卷积神经网络中，得到待控制列车的停车位置；判断所述待控制列车的停车位置是否为0；若是，则输出制动命令；若否，则返回“获取待控制列车的实际运行数据”。本发明无需大量成本即可实现高速列车精确停车。
-
公开(公告)号：CN112198799A
公开(公告)日：2021-01-08
申请号：CN202011172086.8
申请日：2020-10-28
Applicant: 北京交通大学
Abstract: 本发明公开一种基于深度学习的高速列车停车控制方法及系统，涉及轨道交通管理与控制技术领域，方法包括：获取训练数据集；建立卷积神经网络；利用所述训练数据集对所述卷积神经网络进行训练和优化，得到优化后的卷积神经网络；获取待控制列车的实际运行数据；将所述实际运行数据输入所述优化后的卷积神经网络中，得到待控制列车的停车位置；判断所述待控制列车的停车位置是否为0；若是，则输出制动命令；若否，则返回“获取待控制列车的实际运行数据”。本发明无需大量成本即可实现高速列车精确停车。
-
-
-
Search Results
4
records
(took 0.023 seconds)
