[发明专利]无人驾驶列车能耗预测方法、系统及存储介质

说明书

本发明公开了一种无人驾驶列车能耗预测方法、系统及存储介质，在保证无人驾驶列车的运行过程中的安全性、舒适性、守时性等要求的基础上，将采集到的列车运行数据、车内及车站乘客数据、车外环境数据等多种参数融合来实现高可靠性、高精度的无人驾驶列车的最低牵引能耗预测。

技术领域

本发明涉及人工智能领域，特别是一种无人驾驶列车能耗预测方法、系统及存储介质。

背景技术

随着轨道交通技术的不断突破和创新，轨道车辆自动化水平逐步提高。在能源消耗问题日益严重的大背景下，在新型无人驾驶列车的应用中迫切需要发展高效节能技术以及操作技术。同时发展高效环保的轨道交通系统不仅要积极应对能源危机，而且要符合未来建设绿色城市智慧城市的发展要求。如果轨道运输部门的能源消耗过高，不仅会给全国能源供应带来巨大压力，还会导致企业自身的经济利益受限，影响可持续发展。

在铁路部门，交通运输部门的能源消耗占铁路能耗的80％以上，而列车牵引功耗是轨道交通系统能耗的主要方式。因此研究有效的节能列车控制方法对降低铁路能耗具有重要意义，同时促进提高停车精度和列车准时性，进而实现对列车自动控制系统的持续改进。这对于降低铁路运输费用，提高铁路运输行业效率，实现铁路的可持续发展具有重要意义。

无人驾驶列车在站点之间的运行过程需要选择合适的工作条件，对于列车自身在固定轨道上的正常行驶的能耗以外，也需要考虑客流变化带来的行驶能耗和车外环境变化带来的额外能耗的因素。因此在无人驾驶列车运行期间，可以根据大数据的运行经验和线路条件灵活选择运行条件的数量。CN102360401B专利提出了一种基于遗传算法的城市轨道交通节能调度方法，CN106740998A提出了一种通过车载ATO寻找速度切换点来实现节能运行的方法，虽然通过调整停站时间或转换点来实现节能，但忽略了城市轨道交通车辆内外影响因素以及在整条线路上运行的情况。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，提供一种无人驾驶列车能耗预测方法、系统及存储介质，在保证无人驾驶列车的运行过程中的安全性、舒适性、守时性等要求的基础上，将采集到的列车运行数据、车内及车站乘客数据、车外环境数据等多种参数融合来实现高可靠性、高精度的无人驾驶列车的最低牵引能耗预测。

为解决上述技术问题，本发明所采用的技术方案是：一种无人驾驶列车能耗预测方法，包括以下步骤：

1)采集无人驾驶列车运行数据、列车车内及车站乘客数据、列车车外环境数据；所述无人驾驶列车运行数据包括列车在行驶过程中的指定时间间隔内的稳定的行驶速度能耗值、行驶距离、道路坡度损耗功率；所述列车车内及车站乘客数据包括乘客流量，乘坐舒适性评价指数，托运行李重量，车内上座率；所述列车车外环境数据包括指定时间间隔内的降雨阻力、道路积水阻力，风阻能耗，积雪能耗，温度能耗；

2)将所述无人驾驶列车运行数据作为DBN深度置信神经网络的输入，训练所述DBN深度置信神经网络，获得无人驾驶列车车辆行驶能耗控制预测模型；将所述列车车内及车站乘客数据作为BILSTM深度神经网络的输入，训练所述BILSTM深度神经网络，获得无人驾驶列车客流能耗预测模型；将所述列车车外环境数据作为GRU深度神经网络的输入，训练所述GRU深度神经网络，获得无人驾驶列车环境能耗预测模型；

3)融合所述无人驾驶列车车辆行驶能耗控制预测模型、无人驾驶列车客流能耗预测模型和无人驾驶列车环境能耗预测模型，得到能耗预测模型；

4)将实时采集的无人驾驶列车运行数据、列车车内及车站乘客数据、列车车外环境数据输入所述能耗预测模型，预测列车能耗。

以上步骤充分考虑到无人驾驶列车运行期间的各项人机环结合的影响因素，将采集到的多种参数融合来实现高可靠性、高精度的最低牵引能耗预测及优化过程，可以有效的解决无人驾驶列车的节能优化问题。