[发明专利]基于机器学习的列车自动驾驶系统精准停车方法及装置

权利要求书

1.一种基于机器学习的列车自动驾驶系统精准停车方法，其特征在于，包括：

获取与精准停车强相关的实时信息参数；

根据所述与精准停车强相关的实时信息参数分别得到输入变量参数和输出变量参数；其中，所述输入变量参数是影响停车误差的所述与精准停车强相关的实时信息参数；所述输出变量参数是停车误差参数；

分别建立以各个所述输入变量参数为自变量，以停车误差为因变量的回归预测模型，所述回归预测模型包括修正变量；

通过机器学习多次迭代训练，得到所述回归预测模型的值与所述输出变量参数误差最小的所述修正变量的取值，进而得到优化的所述回归预测模型；

计算所述优化的所述回归预测模型取值为0时的所述输入变量参数，利用计算得到的所述输入变量参数更新所述输入变量参数，并利用更新的所述输入变量参数进行停车控制，进而实现精准停车。

2.根据权利要求1所述的方法，其特征在于，所述分别得到输入变量参数和输出变量参数具体包括：

得到所述输入变量参数，所述输入变量参数包括进站速度、过最后一个校位交叉点时的速度、电空转换延迟时间以及上下行平移停车点的数据参数；

得到所述输出变量参数，所述输出变量参数为ATO停车误差。

3.根据权利要求1所述的方法，其特征在于，所述分别建立以各个所述输入变量参数为自变量，以停车误差为因变量的回归预测模型具体包括：

分别获取以各个所述输入变量参数为自变量，以所述停车误差为因变量的停车过程中的经验公式模型；其中，根据车辆方提供的列车的数学模型或ATO系统的数据预处理与分析得到所述经验公式模型；

根据所述经验公式模型和预设修正函数得到所述回归预测模型。

4.根据权利要求3所述的方法，其特征在于，所述根据所述经验公式模型和预设修正函数得到所述回归预测模型还包括：

获取所述预设修正函数，所述预设修正函数的表达式为：

Δh^*(x)＝αx+β

其中，Δh^*(x)为所述预设修正函数；x为所述输入变量参数；α、β为所述修正变量。

5.一种基于机器学习的列车自动驾驶系统精准停车装置，其特征在于，包括：

数据获取模块，具体用于获取与精准停车强相关的实时信息参数；

变量确定模块，具体用于根据所述与精准停车强相关的实时信息参数分别得到输入变量参数和输出变量参数；其中，所述输入变量参数是影响停车误差的所述与精准停车强相关的实时信息参数；所述输出变量参数是停车误差参数；

模型建立模块，具体用于分别建立以各个所述输入变量参数为自变量，以停车误差为因变量的回归预测模型，所述回归预测模型包括修正变量；

迭代优化模块，具体用于通过机器学习多次迭代训练，得到所述回归预测模型的值与所述输出变量参数误差最小的所述修正变量的取值，进而得到优化的所述回归预测模型；

停车控制模块，具体用于计算所述优化的所述回归预测模型取值为0时的所述输入变量参数，利用计算得到的所述输入变量参数更新所述输入变量参数，并利用更新的所述输入变量参数进行停车控制，进而实现精准停车。

6.根据权利要求5所述的装置，其特征在于，所述变量确定模块还用于：

得到所述输入变量参数，所述输入变量参数包括进站速度、过最后一个校位交叉点时的速度、电空转换延迟时间以及上下行平移停车点的数据参数；

得到所述输出变量参数，所述输出变量参数为ATO停车误差。

7.根据权利要求5所述的装置，其特征在于，所述模型建立模块还用于：

分别获取以各个所述输入变量参数为自变量，以所述停车误差为因变量的停车过程中的经验公式模型；其中，根据车辆方提供的列车的数学模型或ATO系统的数据预处理与分析得到所述经验公式模型；

根据所述经验公式模型和预设修正函数得到所述回归预测模型。