[发明专利]基于历史运行数据的高速列车智能驾驶控制方法

说明书

本发明提供了一种基于历史运行数据的高速列车智能控制方法，包括：对列车的运行状态进行属性定义，根据定义的属性对高速列车的历史运行数据进行聚类分析；根据当前列车的运行状态和相似度指标从历史运行数据中找出与当前列车站间运行过程相似的数据集；根据当前列车的驾驶任务信息，将当前列车的未来站间运行过程转化为马尔科夫决策过程；根据加权欧式距离搜索出与当前列车的未来站间运行过程相似度最高的多个历史运行状态；利用蒙特卡洛方法采样得到参考运行轨迹，通过强化学习方法对列车未来站间运行全过程的参考运行轨迹进行优化，得到列车智能控制策略对列车进行智能控制。本方法可以实现列车的自动驾驶，提高运营服务质量。

技术领域

本发明涉及轨道交通列车自动驾驶技术领域，尤其涉及一种基于历史运行数据的高速列车智能驾驶控制方法。

背景技术

近年来，高速铁路以其高速度、大运量、全天候、低能耗、少排放等显著的技术经济优势，得到了世界各国的广泛认可，我国高速铁路的建设也正在如火如荼地进行。截至2017年底，全国铁路运营里程为12.7万公里，其中高速铁路达2.5万公里，预计到2020年将超过3万公里，建成世界上最现代化的铁路网和最发达的高铁网。

基于人工驾驶的列车运行控制系统，简称列控系统，对保障高速铁路的运行安全和运输效率发挥了重要的作用。目前，高速铁路使用的典型列控系统有我国的CTCS-3级列控系统、CTCS-2级列控系统，欧洲的ETCS(欧洲列车运行控制系统)和日本的DS-ATC等。随着列车运行密度的不断加大以及运行速度的提高,人工驾驶列车已经很难满足高速铁路对进一步提高运营效率的需求。因此，提高列车运行自动化程度是大势所趋。

另一方面，在整个轨道交通列车运行控制系统的发展进程中，城市轨道交通已经实现了列车自动驾驶系统(Automatic Train Operation，ATO)，并已大规模投入使用。但是，针对高速铁路自动驾驶系统的研究仍处于起步阶段。相比于城市轨道交通，高速铁路的运行站间距离长，其运行环境更为复杂，线路中存在更多的“特殊点”，如分相区，长大隧道等。

因此，虽然城轨ATO系统在实际应用中得到推广，但如果直接将现有的传统ATO算法引入到高速铁路列车的运行控制，会面临着诸多技术问题：第一，传统ATO算法采用PID(比例-积分-微分控制器，Proportion-Integral-Derivative controller)控制，这样虽能在保证时间准点的条件下精确跟踪目标曲线，但由于跟踪过程中牵引制动工况转换频繁，使得乘客舒适性差、系统能耗大；第二，高速铁路运行环境复杂，高速列车运行过程中运行参数的时变性以及较强的非线性，采用传统基于确定列车模型的驾驶控制方法在长大区间运行过程中累计误差较大，控制精度不高，影响高速列车驾驶控制的准时性；第三，由于现有的ATO算法智能性差，不能在线调整控制策略，当列车在运行途中遇到突发事件需动态调整运行时分时，列车控制模式必须切换为人工驾驶才能保证列车准点运行。因此，亟需一种高速列车智能驾驶控制方法。

发明内容

本发明提供了一种基于历史运行数据的高速列车智能驾驶控制方法，以实现列车的自动驾驶，满足进一步提高运营效率的需求，提高高速铁路运营服务质量。

为了实现上述目的，本发明采取了如下技术方案。

本发明提供了一种基于历史运行数据的高速列车智能控制方法，包括：

S1对列车的运行状态进行属性定义，根据定义的属性对高速列车的历史运行数据进行聚类分析；

S2根据当前列车的运行状态和相似度指标从所述历史运行数据中找出与当前列车站间运行过程相似的数据集C_h；

S3根据当前列车的驾驶任务信息，将当前列车的未来站间运行过程转化为马尔科夫决策过程；

S4根据加权欧氏距离从所述数据集C_h搜索出与当前列车的未来站间运行过程相似度最高的多个历史运行状态；