[发明专利]一种列车自动运行停车精度控制方法、系统以及计算机可读介质

说明书

本发明提供了一种列车自动运行停车精度控制方法、系统以及计算机可读介质。该方法包括：进行列车实际停车精度大数据统计；建立与列车停车精度相关联的马尔可夫模型；利用实际停车精度大数据统计结果对马尔可夫模型进行模型训练，得到列车停车精度概率分布；根据所述列车停车精度概率分布优化停车精度。

技术领域

本发明涉及城市轨道交通列车运行控制技术，尤其涉及列车自动运行停车精度控制方法。

背景技术

统计学模型与样本数据等强相关，随着地铁运营里程的增加，系统会趋于稳定并产生大量的列车运行数据样本，样本的可用性和可信度会逐渐增强，采用拟合的方式对统计学概率进行平滑，利用大数据信息平台采集提取可用信息解决问题，这种应用方式在语音、图像识别等领域证明是有效的、可行的。

城轨CBTC系统运营对列车停车精度具有较高要求，其中ATO精确停车是系统的重要功能。而外部干扰造成的不确定性和系统延时是影响停车精度的重要因素。由于列车长时间不间断运行，载客人数不断变化，线路条件动态变化，各个车辆特性存在差异，使得列车精确停车受到较多干扰而存在不确定性。目前国内外对ATO精确停车控制算法的研究主要包括PID算法，智能控制算法如模糊控制算法等。但现有技术的这些算法存在不少缺陷，例如：传统PID算法需要调节算法参数，并且参数确定后不易修改，针对动态变化的多列车运行，算法适应性、实时性有所欠缺、停车精度稳定性较差。又例如模糊控制算法，算法学习后随着系统运行及设备损耗，特别是出现干扰或不确定性条件下，列车停车精度会出现偏移。综上，这一类基于速度误差的算法在速度突变或系统延迟等干扰或不确定性条件下影响停车精度变差，不利于精确停车。

因此，亟需一种不易受干扰或不易受不确定性条件影响的列车自动运行停车精度控制方法。

发明内容

为解决上述问题，本发明提出了一种基于统计学的列车自动运行停车精度控制方法，所述方法包括以下步骤：

进行列车实际停车精度大数据统计；

建立与列车停车精度相关联的马尔可夫模型；

利用实际停车精度大数据统计结果对马尔可夫模型进行模型训练，得到列车停车精度概率分布；

根据所述列车停车精度概率分布优化停车精度。

在一个实施例中，所述建立与列车停车精度相关联的马尔可夫模型包括：

设列车的停车精度为S，认为该精度值是受w₁，w₂，......，w_n共n个事件影响，列车停车精度概率是P(S)，基于马尔可夫模型，假设任意事件w_i的条件概率只同其前一个事件w_i-1有关，则P(S)由以下公式表示：

P(S)＝P(w₁)·P(w₂|w₁)·P(w₃|w₂)…P(w_i|w_i-1)…P(w_n|w_n-1)

其中，w_i表示影响停车精度概率的第i个事件，P(w1)表示第一个事件下的停车精度概率；P(w₂|w₁)是在已知第一个事件下，w₂事件的概率；以此类推任意事件w_i的条件概率与其前一个事件w_i-1相关；P(w_i|w_i-1)表示在前一事件w_i-1的条件下，本次w_i事件的停车精度概率，即相对频度。

在一个实施例中，所述利用实际停车精度大数据统计结果对马尔可夫模型进行模型训练，得到列车停车精度概率包括：