[发明专利]基于人工智能技术的高速铁路列车自动驾驶系统

说明书

本发明公开了一种基于人工智能技术的高速铁路列车自动驾驶系统，该系统是一种基于深度强化学习和模仿学习的新的高速铁路列车自动驾驶系统，通过构建全面的列车运行状况评价指标，补充增强列车运行相关大数据的获取，训练出一个基于深度强化学习和模仿学习的，能够综合感知并做出正确、合理决策的控车策略模型，进一步提升列车运行综合质量。

技术领域

本发明涉及轨道交通技术领域，尤其涉及一种基于人工智能技术的高速铁路列车自动驾驶系统。

背景技术

随着社会、经济、科学技术的不断发展，近年来以高速铁路和地铁为代表的轨道交通迎来了飞速发展，在人员及货物的交通运输中扮演着日益重要的角色，领域内各方面新技术的研究与应用层出不穷，其中，列车的自动驾驶技术是当下的研究与应用热点之一。

目前，国铁领域来讲，国内的CTCS2+ATO列控系统已在珠三角城际铁路网络的莞惠、佛肇城际平稳运行，CTCS3+ATO列控系统也即将在京沈高铁上道试验，并预计于2019年底在京张高铁正式运行。国际方面，法国、英国等国家也陆续开展相关研究，法国国营铁路公司(SNCF)日前宣布了其目标于2023年前实现高铁列车(TGV)无人驾驶的研究计划。英国政府也公布了一项金额达4.5亿英镑(约合39亿元人民币)的投资计划，其中就包括引入自动驾驶新一代列车，大幅提高铁路运输效率。

城市轨道交通方面，由于其线路距离较短、列车运行速度较低，运行环境较简单，无跨线或少跨线运行需求等特性，列车的无人驾驶技术得到了更快、更普遍的发展。截止2018年4月，全球42个城市63条线路采用全自动驾驶，运营里程达1003公里，车站848座；即全球157个轨道城市中近四分之一的城市至少有一条线路以全自动模式运行，运营里程占全部里程的8％。预计到2025年全自动驾驶轨道交通线路里程将超过2300公里，发展潜力巨大。

但另一方面，目前大规模应用的轨道交通列车自动驾驶技术仍基于传统的自动化理论，即首先根据行车计划、线路条件以及列车车况等生成目标曲线，然后通过某种控制算法控制列车跟随目标曲线运行。这种控制方式，导致列车运行在安全性、高效与节能的平衡性和旅客乘坐舒适性等方面均存在一些问题，具体来讲：

1、安全性方面。过分依赖地面信号设备的保护，缺乏主动安全防护能力。

2、不能很好地兼顾高效性和节能性，或忽视某一方面需求。

3、旅客的乘坐舒适性相较人工驾驶平均水平仍有较大的不足。

为了解决上述问题，国内外研究机构和学者都开展了大量相关研究。在控车策略方面，澳大利亚、新加坡、韩国、英国、中国等国家均在理论研究和实际应用方面作了做了很多有益的探索，如南澳大学Howlett的团队，其本人最早提出了列车“运行能耗”模型，并建立了相应建模阐述了优化策略。新加坡、韩国、英国、西班牙、法国等国学者也都在列车节能运行方面开展了一系列研究，并在部分线路上验证了有效性。国内方面近年来也有大量相关研究，研究角度也较为广泛，包括提高列车运行的安全性、高效性、节能和准确停车等。

在控制算法方面，国内外对ATO控制算法的研究经历了“经典控制-参数自适应控制一智能控制一集成智能控制”的过程。其中，PID控制、模糊控制以及将这两者进行改进后得到的ATO控制算法，在工程应用中得到了较为成熟的应用。

但是这些研究大多集中于运行曲线或控制算法某一方面的优化；且多针对节能、舒适性或精准停车等局部目标优化，缺少从“感知-决策-控制”基本驾驶流程上的整体考虑。

经调研，优秀司机在上述问题上相较目前的自动驾驶系统有更佳的综合表现，这源于人类司机有更广泛的感知途径，更智慧的思维决策以及更娴熟的操作经验。尽管也有一些研究考虑到将神经网络、深度学习等机器学习方法应用于列车自动驾驶，但大多基于总结、提炼的专家经验，没有能够很好的利用列车运行环境、列车工况和优秀司机的操作等大数据。