[发明专利]一种基于机器学习的坡度处理方法、装置及系统

说明书

本发明实施例提供一种基于机器学习的坡度处理方法、装置及系统。其中，该方法包括：接收车载ATO设备发送的坡度处理数据，包括输出级位、列车位置和列车坡度信息；输出级位与列车位置对应；根据预设周期内的一段坡度区的坡度处理数据得到数据对象，包括输出级位、列车位置和评价参数；通过机器学习聚类算法将数据对象进行分组，根据评价参数找到坡度处理性能最好的一组数据对象，进而得到控制级位；将控制级位和预设权重发送给车载ATO设备，用于车载ATO设备进行加权计算得到最终的输出级位。本发明实施例通过机器的自学习，累积经验，使得ATO在驾驶过程中不断优化对坡度的处理，最终输出与位置对应的级位，达到坡度处理的最优化。

技术领域

本发明实施例涉及人工智能及自动控制技术领域，具体为一种基于机器学习的坡度处理方法、装置及系统。

背景技术

在轨道交通中，地势环境、节能设计、现有线路等因素都会导致轨道在修建时会有坡度的变化，尤其是在山区城市，坡度更陡，更多，故列车在自动运行时其列车自动驾驶系统(Automatic Train Operation,ATO)要考虑到坡度的处理。目前的坡度处理主要有以下策略：

(1)坡度取值为列车移动授权范围内的最不利坡度

ATO驾驶列车行驶，坡度的取值为列车移动授权(Movement Authority,MA)范围内的最不利坡度，然后把坡度按照一定原则等效到加速度上；即上坡等效减速，下坡等效加速。

ATO驾驶列车行驶，坡度的取值为列车移动授权范围内的最不利坡度具有如下缺陷：因为坡度的取值为移动授权范围内的最不利坡度，在MA很长时，易出现在上坡时当前坡度比较小，而MA范围内有更大坡度，因为采用了较大坡度，输出级位在当前阶段偏大，易超速，同理在下坡输出大制动速度压得过低影响运营效率，同时大制动易引发空气制动导致刹车片磨损严重，降低使用寿命。另外MA比较短时，随着列车的运行，MA变化引起坡度的变化导致目标限速的变化，列车运行时也易超速，对于这种方案，ATO中需要做很多防护，调试、维护比较耗费时间。

(2)坡度取值为列车当前车头置信位置的坡度

ATO驾驶列车行驶，坡度的取值为列车当前车头置信位置的坡度，然后把坡度按照一定原则等效到加速度上；即上坡等效减速，下坡等效加速。

ATO驾驶列车行驶，坡度的取值为列车当前置信位置的坡度具有如下缺陷：因为坡度的取值是当前值，列车在运行时坡度的变化比较大，将引起ATO输出的级位不断变化，出现振荡，降低乘客的舒适度。

(3)坡度取值全线采用一个定值

ATO驾驶列车行驶，坡度的取值为固定值(经验值)，然后把坡度按照一定原则等效到加速度上；即上坡等效减速，下坡等效加速。

ATO驾驶列车行驶，坡度的取值为固定值(经验值)具有如下缺陷：因为坡度的取值全线统一，采用了固定值，在有极端坡度区域情况下，上坡时当前坡度远大于设置值会造成爬坡能力不足，速度降低，当前坡度远小于设置值造成超速；下坡时当前坡度远大于设置值会出现超速，当前坡度远小于设置值速度压得过低，甚至导致停车，降低运营效率。另外，经验值的获取也比较困难，需要大量的测试。

另外，列车是一个多制点模型，会出现在列车运行时车头在上坡，车尾还在平坡上或者车头在平坡，车尾在下坡等情况，因为坡度的变化是连续的，而ATO的级位控制是不连续的分级的，故坡度的变化不能准确的表现在级位，在这种情况下，级位的振荡对乘客的舒适度有一定的影响。

因此，现有技术ATO的坡度处理不合理，容易引起超速、溜车、级位振荡等问题，也会降低乘客的舒适度。

发明内容

为解决现有技术坡度处理不合理的问题，本发明实施例提供一种基于机器学习的坡度处理方法、装置及系统。