一种分布式深度学习的列车应急驾驶控制方法

    公开(公告)号:CN116161087A

    公开(公告)日:2023-05-26

    申请号:CN202310014661.9

    申请日:2023-01-03

    Abstract: 本发明提供了一种分布式深度学习的列车应急驾驶控制方法,其特征在于:包括列控中心和n个运营商服务器;所述控制方法包括:各个运营服务器通过GAN的方法对样本数据增强,n个运营商服务器以工作节点组成环形网络拓扑结构,各个工作节点按分布式深度学习方式构建应急驾驶深度学习模型,列车利用应急驾驶深度学习模型实时生成操控档位进行应急驾驶控制。采用本申请的控制方法能在整合多个运营商的列车应急驾驶样本数据,训练出性能和精确性都更好的深度学习模型,提高列车高列车应急救援的效率和应急驾驶控制精度。

    新建线路列车自动驾驶决策模型的构建方法

    公开(公告)号:CN116011545A

    公开(公告)日:2023-04-25

    申请号:CN202310001383.3

    申请日:2023-01-03

    Abstract: 本发明提供了一种新建线路列车自动驾驶决策模型的构建方法,其特征在于:包括全局服务器、分组控制模块和N个运营商服务器;所述构建方法包括:分组控制模块将N个运营商服务器分为M个训练组,各个训练组内的运营商服务器同步训练,各个训练组异步地上传模型参数到全局服务器进行加权聚合,对全局深度学习模型的模型参数进行迭代更新,以获取新建线路的列车自动驾驶决策模型。采用本申请所述的方法,能充分利用各个地铁集团或运营商的经验数据,减少数据资源浪费,提高新建线路决策模型的搭建效率,降低成本,同时降低列车的运行能耗。

    基于深度强化学习的列车临时停车策略的优化方法

    公开(公告)号:CN116611518A

    公开(公告)日:2023-08-18

    申请号:CN202310590085.2

    申请日:2023-05-24

    Abstract: 本发明提供了一种基于深度强化学习的列车临时停车策略的优化方法,其特征在于:包括环境模块、知识模块、经验回放池和多个智能体;所述优化方法包括:所述知识模块将临停指令序列分发给各个智能体;各个智能体均采用Actor‑Critic算法与环境模块交互以获取临停时间序列和经验数组;将各个智能体获取的经验数组均放入经验回放池;当经验回放池满载后,各个智能体均从经验回放池中随机抽取经验数组对各自对应的策略网络参数和价值网络参数进行更新。采用本发明的方法提高了列车临停策略的优化速度和质量,进而提高了列车临停的准确度和乘坐舒适性。

    一种列车在多场景下基于元强化学习的控制方法

    公开(公告)号:CN118928508A

    公开(公告)日:2024-11-12

    申请号:CN202411268935.8

    申请日:2024-09-11

    Abstract: 本发明提供了一种列车在多场景下基于元强化学习的控制方法,其特征在于:包括旧任务数据收集模块、旧任务模型训练模块、新任务曲线生成模块和列车控制模块;所述控制方法包括:旧任务数据收集模块收集旧任务产生的多个自动驾驶曲线,然后按3种场景类型分为3个训练样本集,然后利用3个训练样本集分别训练得到3个可用模型,可用模型训练中结合对比学习和元强化学习的方法,然后在新任务中,根据新任务对应的场景类型选择相应的可用模型,通过对模型参数进行微调,快速生成新的驾驶速度曲线控制列车运行。采用本发明的控制方法,能在列车遇到新任务时快速、高效地生成列车的驾驶速度曲线,提高运营效率、减小经济损失。

    一种新开通线路列车的精确停车控制方法

    公开(公告)号:CN116573016A

    公开(公告)日:2023-08-11

    申请号:CN202310590081.4

    申请日:2023-05-24

    Abstract: 本发明提供了一种新开通线路列车的精确停车控制方法,其特征在于:包括数据收集模块、模型训练模块、生成器微调模块和列车停车控制模块;新开通线路上A类列车的精确停车控制方法包括:针对4种载客类型训练得到4个停车控制序列生成器,列车根据当前的客流量类型选择对应的停车控制序列生成器控制列车停车。对于单个载客类型,从k条成熟线路上采集停车数据放入GAN模型的k个判别器中作为真实样本,k个判别器组成一个集成判别器与生成器对抗训练,将训练得到的生成器用新开通线路少量的停车数据进行模型参数微调得到停车控制序列生成器。采用本发明所述的方法,能有效提高新开通线路列车的停车精度。

Patent Agency Ranking