-
公开(公告)号：CN118722789B
公开(公告)日：2025-05-16
申请号：CN202410629200.7
申请日：2024-05-21
Applicant: 北京交通大学
Abstract: 本发明涉及一种基于合作竞争博弈的列车运行实时调整方法，方法包括：基于指定线路的线路静态数据、初始时刻的动态数据；约束条件，建立训练目标网络过程中的即时奖励函数和延时奖励函数；即时奖励函数是在各列车未到达终点站时基于竞争博弈策略和列车自身的延误时间获得的；延时奖励函数是各列车到达终点站后基于合作博弈策略和所有列车总的延误时间获得的；训练更新的策略网络，并实时获取策略网络的损失函数；在损失函数和奖励函数满足收敛条件时，获得训练后的策略网络，用于实现对列车运行图的实时调整。上述方法使用多列车博弈深度强化学习不断与环境进行学习和交互，解决了复杂多变的列车运行环境造成建模难的问题。
-
公开(公告)号：CN113920390B
公开(公告)日：2024-10-18
申请号：CN202111092642.5
申请日：2021-09-17
Applicant: 北京交通大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , G06Q50/40
Abstract: 本发明提供了一种基于多模态深度学习模型的列车延误预测方法。该方法包括：获取高速铁路网指定范围内所有车次的实绩运行时刻表信息；对时刻表信息按车次和线路进行分类，按照时间维度和时空维度对实绩运行时刻表信息进行特征提取并定量评估重要性后得到数据集；构建包括Transformer、3D CNN和FCNN的基于深度学习的列车延误预测模型，利用数据集对列车延误预测模型进行训练；将需要进行延误预测的列车的时刻表信息和线路信息输入到最终列车延误预测模型中，输出目标列车的延误预测时间及后续一段时间内的延误情况。本发明可以精准预测列车延误时间，并通过与列车延误预测的基线模型对比，验证了该列车延误预测模型具有稳定性和泛化性。
-
公开(公告)号：CN111767789B
公开(公告)日：2024-03-26
申请号：CN202010401446.0
申请日：2020-05-13
Applicant: 北京交通大学
IPC: G06V20/52 , G06V20/40 , G06V10/762 , G06Q10/047 , G06Q50/26 , G06N20/00
Abstract: 本发明公开了一种基于多载体智能引导的人群疏散方法及其系统，该方法包括：基于强化学习的领导者疏散路径规划、基于疏散标识和领导者的协同引导策略和仿真测试验证。该系统使用上述多载体智能引导的人群疏散方法，该系统包括：数据采集处理模块，智能引导策略生成模块和仿真测试验证模块。本发明与现有研究中基于经验和试凑的方法设计疏散策略相比，可以更有效地提高人群疏散效率。在智能引导策略下，车站各种引导方式配置具有更大灵活性，在保证有效安全疏散的前提下能够同时降低车站的运营成本。
-
公开(公告)号：CN116163767A
公开(公告)日：2023-05-26
申请号：CN202211095182.6
申请日：2022-09-05
Applicant: 中交一公局集团有限公司 , 中交中南工程局有限公司 , 中交建冀交高速公路投资发展有限公司 , 北京交通大学
IPC: E21D11/10
Abstract: 本发明属于隧道施工技术领域，具体的说是一种隧道初期支护喷射混凝土回弹量控制方法，包括以下步骤：将连接管安装在混凝土出料机喷射口上；调节喷头的角度，使得其与被喷射面的角度为90°；调节喷头与隧道内壁的距离，使得喷射距离为1m；调节喷射风压，使得喷射风压为0.5MPa；启动混凝土出料机开始进行喷射作业；所述喷头内部固定有弹性环，所述弹性环远离喷头中心的一侧固定有多个传动杆，多个所述传动杆呈阵列状分布；通过调节喷射距离1m、喷射角度90°、喷射风压0.5MPa使得混凝土回弹率减少，相较于未优化配方的现场湿喷效果，边墙回弹率由14％降低至8％，拱顶回弹率由23％降低至11％，回弹率降低效果显著。
-
公开(公告)号：CN115689044A
公开(公告)日：2023-02-03
申请号：CN202211426701.2
申请日：2022-11-15
Applicant: 北京交通大学
Abstract: 本发明提供一种列车运行速度曲线优化方法，属于列车控制技术领域，包括：采集列车运行线路的线路数据，所述线路数据包括运行线路的动态线路数据与运行线路的静态线路数据；对列车运行线路的线路数据进行预处理与数据增强处理；在Python环境下，构建基于学习马尔可夫决策过程策略算法的防护模型；基于处理后的线路数据，训练并压缩所述防护模型，通过训练和压缩好的防护模型生成列车速度曲线。本发明基于静态线路数据和动态线路数据，然后通过数据预处理、Shield Q‑learning算法实现列车运行过程中的运行指令推荐，再根据结果进行模型的训练、压缩和部署，以便用于实时辅助列车司机的安全高效驾驶，有效提升了列车的运行舒适度，保障了旅客的出行安全。
-
Patent Agency Ranking
公开(公告)号：CN113920390A
公开(公告)日：2022-01-11
申请号：CN202111092642.5
申请日：2021-09-17
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于多模态深度学习模型的列车延误预测方法。该方法包括：获取高速铁路网指定范围内所有车次的实绩运行时刻表信息；对时刻表信息按车次和线路进行分类，按照时间维度和时空维度对实绩运行时刻表信息进行特征提取并定量评估重要性后得到数据集；构建包括Transformer、3D CNN和FCNN的基于深度学习的列车延误预测模型，利用数据集对列车延误预测模型进行训练；将需要进行延误预测的列车的时刻表信息和线路信息输入到最终列车延误预测模型中，输出目标列车的延误预测时间及后续一段时间内的延误情况。本发明可以精准预测列车延误时间，并通过与列车延误预测的基线模型对比，验证了该列车延误预测模型具有稳定性和泛化性。
-
公开(公告)号：CN112537340A
公开(公告)日：2021-03-23
申请号：CN202011503456.1
申请日：2020-12-18
Applicant: 北京交通大学
IPC: B61L23/00
Abstract: 本发明提供的一种基于离散通信数据的多列车分散事件触发控制的方法，包括如下步骤：针对同一条线路上运行的多辆列车，对每辆列车进行纵向受力分析，建立高速列车单质点模型；基于图论，分析多列车协同控制的通信拓扑，获得多列车通信拓扑结构；基于高速列车单质点模型和多列车通信拓扑结构，定义多列车的追踪目标，将高速列车单质点模型转换为多列车误差动力学方程；基于多列车通信拓扑结构和所述多列车误差动力学方程，建立多列车分散事件触发协同控制条件模型；基于多列车通信拓扑结构和多列车分散事件触发协同控制条件模型，建立多列车低增益抗饱和协同控制器。本发明提供的方法，能够实现多列车协同控制，并且能够降低通信频率、控制器切换次数。
-
公开(公告)号：CN112389509A
公开(公告)日：2021-02-23
申请号：CN202011280364.1
申请日：2020-11-16
Applicant: 北京交通大学
Abstract: 本发明实施例提供了一种高铁列车时刻表的辅助调整方法和系统，所述方法包括：预先构建风险事件数据库、调度场景数据库、调度策略数据库和处置流程数据库；获取调度系统的状态信息；检测或注入突发事件；根据所述当前突发事件，匹配对应的风险事件类型；根据风险事件类型，获取对应的调度场景；根据当前调度场景，选择对应的调整处置流程；根据所述风险事件类型、所述调度场景、和所述处置流程，选择对应的调整策略和调整目标和调整算法；根据所述调整目标、所述调整策略、所述调整算法、以及所述当前状态信息，生成对所述当前受干扰时刻表的辅助调整方案。
-
公开(公告)号：CN111598311A
公开(公告)日：2020-08-28
申请号：CN202010349688.X
申请日：2020-04-28
Applicant: 北京交通大学
Abstract: 本发明公开了一种新型列车运行速度曲线智能优化方法，包括如下步骤：步骤一，搭建列车运行强化学习环境；步骤二，建立奖励机制；步骤三，列车运行历史信息数据库更新处理；步骤四，智能体和列车运行强化学习环境交互。本发明针对列车运行速度曲线进行多目标优化，优化目标包括列车准时性、能耗以及舒适度，保证列车在尽可能准点的情况下实现一定的节能，并能提高旅客乘坐舒适度。
-
公开(公告)号：CN118734698B
公开(公告)日：2025-01-10
申请号：CN202410845621.3
申请日：2024-06-27
Applicant: 北京交通大学
Abstract: 本发明涉及一种面向一体化的列车自主运行速度曲线智能优化方法和系统，包括：构建基于离散距离的虚拟编组下的自主列车速度曲线优化模型；将自主列车速度曲线优化模型转化为马尔科夫决策过程；在马尔科夫决策过程中，利用深度强化学习算法TD3训练神经网络与智能体，得到训练好的神经网络与智能体；将训练好的神经网络与智能体部署到自主列车中，以进行自主列车速度曲线的优化决策，从而能够实现列车自主安全、高效及舒适运行。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.028 seconds)
