CN112508411B - 一种司机操纵水平分级评价方法及终端 - Google Patents
一种司机操纵水平分级评价方法及终端 Download PDFInfo
- Publication number
- CN112508411B CN112508411B CN202011438527.4A CN202011438527A CN112508411B CN 112508411 B CN112508411 B CN 112508411B CN 202011438527 A CN202011438527 A CN 202011438527A CN 112508411 B CN112508411 B CN 112508411B
- Authority
- CN
- China
- Prior art keywords
- driver
- index
- manipulation
- interval
- rating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 38
- 230000006399 behavior Effects 0.000 claims abstract description 102
- 238000004134 energy conservation Methods 0.000 claims abstract description 20
- 238000010586 diagram Methods 0.000 claims abstract description 9
- 238000004088 simulation Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 50
- 238000005265 energy consumption Methods 0.000 claims description 20
- 238000005070 sampling Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 230000001960 triggered effect Effects 0.000 claims description 10
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims 1
- 230000009471 action Effects 0.000 abstract description 2
- 239000003550 marker Substances 0.000 abstract description 2
- 238000012549 training Methods 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种司机操纵水平分级评价方法，本发明充分考虑了训练课程及相关约束条件的不同组合形式，识别出目标操纵行为的两种不同来源及其具体规格，结合模拟驾驶仿真装置生成的实际操纵行为及相关数据，设计了一种以运行区间为基本单元的动车组司机操纵技能水平综合评定方法；从操纵安全性、操纵准点性、操纵节能性、曲线跟随性四个方面对司机的操纵技能水平给出评定结论；操纵技能水平评定结果以等级的形式给出，能够有效区分出司机操纵技能的精湛水平，在实际运用中，能够进一步地强调操纵示意图对于司机的指导意义和标杆作用。
Description
技术领域
本发明涉及道路安全技术领域，具体涉及一种司机驾驶行为评价技术领域，尤其具体涉及一种司机操纵水平分级评价方法。
背景技术
随着国家铁路不断的发展建设，铁路行业会大量增加从业人员，为确保从业人员技能提高和生产安全，企业按照国家劳动法规定实行职业资格等级制度。按照国家职业资格等级鉴定要求，动车组司机的技能等级的确定须经过实际作业(简称“实作”)方式来评价鉴定，评价鉴定工作必须依照国家相关法律法规、铁路行业管理文件、设备技术及作业要求、行车安全管理规章等文件，同时遵从公平、公正、结论数据科学准确的原则。
目前，铁路行业有较为成熟的评价鉴定体系。通过定义动车组司机实作需要掌握的作业项与分数核算方法，将作业项分解至相应的作业评价项点，并定义各评价项点的扣分标准来实现考评标准的编制。在实际考核鉴定作业实施过程中，铁路行业习惯使用扣分制实现动车组司机实作考核的评价与鉴定，通过监测司机作业过程中的行为，触发相应评价项点的扣分标准，最终对各技能项分数进行统计汇总实现对司机实作的评价与鉴定。
传统的动车组司机评价体系仍然存在一些不足，主要有以下几个方面：
(1)传统的动车组司机考评标准主要定义了司机需要掌握的规范性操纵规则，而对于司机操纵技能水平的区分，在传统的评价鉴定体系中较少体现；
(2)传统的评价标准中各操作项点零碎，且判断依据大多为是非判断，对于反映司机整个区间操纵运行的评价指标，在传统评价体系中很少涉及；
(3)传统的评价方法没有体现司机操纵的经济性指标，在满足相同运行计划的前提下，不同司机操纵的区间累计能耗存在10％的差异。
发明内容
本发明所要解决的技术问题是：，本发明提供了解决上述问题的一种司机操纵水平分级评价方法，是一种保障结果科学、客观、公平公正、充分考虑整体性操纵指标、突出驾驶过程的节能经济性、同时能够区分司机操纵技能水平的方法，尤其适用于对动车组司机操纵技能水平的评分析价。
本发明通过下述技术方案实现：
一种司机操纵水平分级评价方法，包括以下步骤：
S1：确定评价课程规格，包括评价课程所用的动车组车型及其特性、列车运行进路方向的线路参数；
S2：在步骤S1确定课程规格的基础上，需要进一步确定课程操纵过程中的约束条件，包括信号限速约束、列车运行计划、课程突发事件等，通过需要识别各约束条件的变量参数，确定各约束条件的表达形式；
S3：建立动车组司机最优操纵行为指标，最优操纵行为指标可分解为安全性、平稳性、准点性、节能性四个维度的子指标，且各子指标理论上存在最优解，识别各子指标的特征参数并定义各子指标的计算方法，建立总指标与各子指标的函数关系；
S4：在步骤S1至S2的预设课程的基础上，定义司机操纵的目标操纵行为：当目标操纵行为来自于用户时，认为对应课程及约束条件下的操纵示意图为目标操纵行为；当目标操纵行为由理论计算获得时，以步骤S3建立的指标为最优化目标建立最优化模型，得到对应的最优操纵序列及对应的运动学轨迹，即理论目标操纵行为；
S5：由司机在模拟驾驶器仿真装置上依据步骤S1至S2定义的课程进行操纵，记录司机的操纵序列及对应的运动学轨迹，得到司机的实际操纵行为；
S6：定义司机操纵等级评定模型，分为操纵安全性、操纵准点性、操纵节能性、曲线跟随性四个方面评定子模型，确定各个子模型的计算方法与等级评定规则，并最终建立司机操纵等级与各指标等级的映射关系，得出司机的操纵水平评级；
S7：将步骤S5记录的实际操纵行为数据与S4的目标操纵行为进行对比，使用步骤S6的操纵等级评定模型为司机进行操纵等级评定，并将最终得出的结果记录，生成操纵等级评定结果报表。
进一步优选，所述步骤S2中所述的课程约束条件的定义方法包括如下子步骤：
S201：定义信号约束条件为Vlimit(x)，其中x表示评价课程进路方向上线路的绝对里程，单位km，且Vlimit(x)是关于里程x的分段函数；
S202：定义车站集合为S＝{S1,S2,…,Si,…,SN}，其中N表示线路中停靠的车站总数，元素Si表示第i个停靠车站，且Si不为动车段(所)或线路所；定义区间集合为P＝{P1,P2,…,Pi,…,PN-1}，元素Pi表示Si和Si+1车站间的区间；
S203：定义区间运行时间集合为T＝{T1,T2,…,Ti,…,TN-1}，其中元素Ti表示区间Pi的计划运行时间，单位s；设TRi为第i个区间实际产生的累计运行时间，单位s，Δt为理想情况下运行时间误差，单位s，定义|TRi-Ti|≤Δt为列车运行计划的约束条件；
S204：定义突发事件集合为EV＝{EV1,EV2,…,EVj,…EVK}，元素EVj表示第j个故障或非正常，K表示突发事件总数，且为了不影响运行计划约束条件，EVj只能发生在停靠车站中不能发生在区间。
进一步优选，步骤S3中所述的最优操纵行为指标的建立方法，还包括以下子步骤：
S301：最优操纵行为的指标以单个运行区间为最小单元，由安全性、平稳性、准点性、节能性四个子指标建立函数关系获得，设Pi为第i个运行区间；
S302：定义变量Q1∈[0,1]为安全性子指标，Q1的取值取决于由操纵过程中是否触发了失格项确定，当存在失格项触发时，安全性子指标值为0，Q1的函数表达式为式(1)；
S303：定义变量Q2∈[0,1]为平稳性子指标，平稳性指标的特征参数选取区间内由于司机操纵引起的最大纵向冲动即加速度的变化率JC∈[JMAX,JMIN]，单位m/s3，其中JMAX与JMIN分别表示理论上由司机操纵导致的最大和最小冲动值；同时定义Q2的函数表达式为式(2)，当且仅当JC＝JMIN时Q2取得最优指标1；
S304：定义变量Q3∈[0,1]为准点性子指标，且
都有Q3＝0；准点性指标的特征参数为区间计划运行时间Ti和实际区间运行时间TRi，单位s；同时定义Q3的函数表达式为式(3)，当且仅当TRi＝Ti时Q3取得最优指标1；
S305：定义变量Q4∈[0,+∞)为节能性子指标，节能性指标的特征参数为区间累计能耗Ei，单位kW·h；设g(x,v)为第i个区间的目标运行轨迹，牵引力FT(t)、电制动力BE(t)、里程x(t)、速度v(t)分别是关于时间t的函数，且FT(t)与BE(t)不能同时存在；设TRi为该区间累计运行时间，则定义Q4的函数表达式为式(4)，且由于区间累计能耗Ei无参考值，故无法对指标Q4进行无量纲化；
S306：在子步骤S301至S305的基础上，定义最优操纵行为指标Q的目标函数为式(5)，其中a2、a3分别表示平稳性子指标Q2和准点性子指标Q3的权重，且存在等式约束a2+a3＝1；安全性子指标Q1关联了失格操纵项，Q1为0时对总指标的影响最大；
Q＝Q1·(a2·Q2+a3·Q3)·Q4 式(5)。
进一步优选，步骤S4中所述的司机操纵的目标操纵行为包括如下子步骤：
S401：判断目标操纵行为的来源，如果目标操纵行为来自于用户的操纵经验，则进行子步骤S402，如果目标操纵行为需要进行理论计算(如新线路或约束条件发生较大变动)，则进行子步骤S403；
S402：用户提供的目标操纵行为为操纵示意图，操纵示意图包含线路、车型的基本信息，同时满足包含列车运行计划、信号限速、突发事件在内的约束条件，同时操纵示意图还包含分级评价方法所需的操纵序列和运动学轨迹参数；
S403：理论进行目标操纵行为的计算，在S1至S2步骤的基础上，结合S3的最优操纵行为指标，依次对每个区间建立基于最优化模型，得到每个区间的操纵序列和运动学轨迹，第i个运行区间的最优化模型如式(6)所示：
max Q＝Q1·(a2·Q2+a3·Q3)·Q4
进一步优选，步骤S6中所述的司机操纵等级评定模型包括如下子步骤：
S601：定义R1为操纵安全性评级，安全是影响操纵运行的第一要素，因此R1分为A和N两个等级，其中，A表示优秀，N表示不合格；当司机的操纵运行结果无失格项触发时，R1评级为A；当司机的操纵运行结果触发了失格项时，R1评级为N；
S602：定义R2为操纵准点性评级，R2分为A、B、C、D四个等级，其中，A表示优秀、B表示良好、C表示合格、D表示待提升；定义TR为司机在区间计划运行时间Ti的目标下实际所用的区间运行时间，Δt为期望的运行时间差；操纵准点性评级R2的具体评级规则如式(7)所示：
S603：定义R3为操纵节能性评级，R3分为A、B、C、D四个等级，其中，A表示优秀、B表示良好、C表示合格、D表示待提升；定义ER为司机实际操纵的区间累计能耗，η＝ER/Ri为司机实际操纵区间累计能耗与标准曲线累计能耗的比值；操纵节能性评级R3的具体评级规则如式(8)所示：
S604：定义R4为曲线跟随性评级，用于反映司机实际操纵行为与目标操纵行为两条运行轨迹的拟合度，R4分为A、B、C、D四个等级，其中，A表示优秀、B表示良好、C表示合格、D表示待提升；实际操纵行为与目标操纵行为两条运行轨迹有着相同的起点与终点，故将实际操纵行为运行轨迹f(x,v)与目标操纵行为运行轨迹g(x,v)按照相同的采样点进行离散化，得到实际操纵行为采样信号f(k)和目标操纵行为采样信号g(k)，其中，f(k)和g(k)分别表示两条原轨迹在第k个采样点下的速度值；用两条轨迹在采样点下误差绝对值的期望即平均速度偏差
表示两条曲线的重合程度，曲线跟随性评级R4的具体评级规则如式(9)所示：
S605：定义R为司机综合操纵水平评级，R分为A、B、C、D和N五个等级，其中，A表示优秀、B表示良好、C表示合格、D表示待提升、N表示不合格；分别确定各评级的定义域范围如N＝0、D∈(0,γ1]、C∈(γ1,γ2]、B∈(γ2,γ3]、A∈(γ3,1]；分别定义α2、α3、α4为操纵准点性评级R2、操纵节能性评级R3、曲线跟随性评级R4的权重；则司机综合操纵水平评级R的具体评级规则如式(10)所示，分别将R1至R4对应评级结果的极大值带入式(10)，所得结果R根据各评级的定义域转译为对应的评级。
R＝R1·(α2·R2+α3·R3+α4·R4) 式(10)。
进一步优选，步骤S602中，优选参数β1的值为2，参数β2的值为3β1。
进一步优选，步骤S603中，优选参数η1的值为1.03，参数η2的值为1.06，参数η3的值为1.1。依据现场实际运营数据统计，不同司机在相同区间相同运行计划的条件约束下，样本中最大累计能耗约为最小累计能耗的1.1倍，故优选η3的值为1.1。
进一步优选，步骤S604中，参数Δv1的值为3，参数Δv2的值为6，参数Δv3的值为10。
进一步优选，步骤S605中，参数γ1的值为0.4，参数γ2的值为0.6，参数γ3的值为0.8，评级对应的区间为：N＝0、D∈(0,0.4]、C∈(0.4,0.6]、B∈(0.6,0.8]、A∈(0.8,1]。
一种司机操纵水平分级评价终端，包括处理器，适于执行各指令；以及相应的存储设备，适于存储多条指令及执行指令所需的基本数据，如上述的种适用于高速动车组司机操纵水平分级评价方法中记载步骤。
本发明具有如下的优点和有益效果：
1、本发明技术方案，充分考虑了训练课程及相关约束条件的不同组合形式，识别出目标操纵行为的两种不同来源及其具体规格，结合模拟驾驶仿真装置生成的实际操纵行为及相关数据，设计了一种以运行区间为基本单元的动车组司机操纵技能水平综合评定方法，相较于现有的动车组司机实作考评方法较少反映司机整体性、综合性能力的局限性，本发明技术方案强化了司机的综合技能水平评定，能够对既有考评方法做出完善与补充。
2、本发明技术方案，从操纵安全性、操纵准点性、操纵节能性、曲线跟随性四个方面对司机的操纵技能水平给出评定结论，其中操纵安全性以失格项为判断依据，充分遵从了既有评价技术方案以操纵安全为首要目标的评价原则，同时操纵节能性、曲线跟随性体现了司机操纵的经济性与按图行车的能力，更符合动车组实际运营中对司机的能力需求。
3、本发明技术方案，操纵技能水平评定结果以等级的形式给出，能够有效区分出司机操纵技能的精湛水平，同时能够在操纵安全性、操纵准点性、操纵节能性、曲线跟随性四个方面反映出司机当前操纵技能与目标操纵行为的差距，在实际运用中，能够进一步地强调操纵示意图对于司机的指导意义和标杆作用。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明技术方案中遵从的评价方法框架；
图2为本发明技术方案中司机操纵水平技能分级评价方法流程；
图3为本发明技术方案的实施例中的目标操纵行为轨迹与司机实际操纵行为轨迹对比图；
图4为图3的局部示意图，左半边；
图5为图3的局部示意图，右半边。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
一种司机操纵水平分级评价方法，本实施例中，为了使过程及结论更具有说服力，选取了既有的动车组车型以及动车组真实在运营的线路数据作为课程基础数据，并依据此课程基础数据进行约束条件假定、目标操纵行为定义、实际操纵行为定义以及分级评价鉴定结果输出等关键操作。
S1：首先，先确定评价课程规格。评价课程所用的动车组车型选取CRH380B型车，其基本参数、牵引特性、电制动特性、制动减速度特性等特性曲线与CRH380B型车真实数据保持一致。评价课程所用的线路参数选取“新乡东——郑州东”的正线，该线路区段共两个车站即“新乡东站”与“郑州东站”；设“新乡东站”公里标K621+893(621表示里程数，单位km，+893表示区段偏移，单位m)处的停车标为区间的起点，对应绝对里程0km；设“郑州东站”公里标为K689+200处的停车标为区间的终点，对应绝对里程67.107km。
S2：在步骤S1确定课程规格的基础上，进一步确定课程操纵过程中的信号限速约束、列车运行计划约束、课程突发事件约束条件，包括各约束条件的变量参数和表达形式；具体包含以下子步骤：
S201：定义信号约束条件为Vlimit(x)，其中x表示评价课程进路方向上线路的绝对里程，单位km，故信号限速Vlimit(x)的函数表达式为式(i)，限速终点绝对里程68.661对应“郑州东站”出站方向信号机；
S202：定义车站集合为S＝{S1,S2}，其中元素S1表示“新乡东站”，元素S2表示“郑州东站”，该课程线路仅有两个车站故设车站S1与S2均为停靠站；定义区间集合为P＝{P1}，元素P1表示车站S1与S2间的区间，该课程线路仅有1个区间；
S203：定义区间运行时间集合为T＝{T1}，其中元素T1表示区间P1的计划运行时间，且T1＝1170s，故该课程的列车运行计划可以描述为：2车站1区间且区间计划运行时间为1170s；设TR1为本课程区间实际产生的累计运行时间，单位s；Δt为理想情况下运行时间误差，取Δt＝30s；则列车运行计划的约束条件为TR1-1170≤30；
S204：定义突发事件集合为
即本实施例的课程中不设突发事件约束条件。
S3：建立动车组司机最优操纵行为指标，并分解为安全性、平稳性、准点性、节能性四个维度的子指标，且各子指标理论上存在最优解，识别各子指标的特征参数并定义各子指标的计算方法，建立总指标与各子指标的函数关系；具体包含以下子步骤：
S301：最优操纵行为的指标以单个运行区间为最小单元，由安全性、平稳性、准点性、节能性四个子指标建立函数关系获得，本课程只存在设P1一个运行区间；
S302：定义变量Q1∈[0,1]为区间P1的安全性子指标，Q1的取值取决于由操纵过程中是否触发了失格项确定，当存在失格项触发时，安全性子指标值为0，Q1的函数表达式为式(ii)；
S303：定义变量Q2∈[0,1]为区间的平稳性子指标，平稳性指标的特征参数选取区间内由于司机操纵引起的最大纵向冲动即加速度的变化率JC∈[JMAX,JMIN]，单位m/s3，其中JMAX与JMIN分别表示理论上由司机操纵导致的最大和最小冲动值；依据CRH380B型动车组的特性，认为在较低速度时由最大牵引级位Pmax在1s内施加至最大常用制动B7级时，加速度由0.49m/s2变为-1.0m/s2，会造成司机操纵导致的理论最大冲动值JMAX＝1.41m/s3；并且按照司机操纵手柄需要逐级切换稍作停留的要求，取司机操纵导致的理论最小冲动值JMIN＝0.2m/s3；基于以上约定，Q2的函数表达式为式(iii)；
S304：定义变量Q3∈[0,1]为区间P1的准点性子指标，且
都有Q3＝0；准点性指标的特征参数为区间计划运行时间T1＝1170s和实际区间运行时间TR1，单位s；同时定义Q3的函数表达式为式(iv)，当且仅当TR1＝T1时Q3取得最优指标1；
S305：定义变量Q4∈[0,+∞)为为区间P1的节能性子指标，节能性指标的特征参数为区间累计能耗E1，单位kW·h；设gx(v,)为第i个区间的目标运行轨迹，牵引力FT(t)、电制动力BE(t)、里程x(t)、速度v(t)分别是关于时间t的函数，且FT(t)与BE(t)不能同时存在，牵引力FT(t)与电制动力BE(t)的取值以司机实际操纵结合CRH380B的特性曲线确定；设TR1为该区间实际累计运行时间，则定义Q4的函数表达式为式(v)，且由于区间累计能耗E1无参考值，故无法对指标Q4进行无量纲化；
S306：在子步骤S301至S305的基础上，定义最优操纵行为指标Q的目标函数为式(vi)，其中a2、a3分别表示平稳性子指标Q2和准点性子指标Q3的权重，且存在等式约束a2+a3＝1；安全性子指标Q1关联了失格操纵项，因此Q1为0时对总指标的影响最大；
Q＝Q1·(a2·Q2+a3·Q3)·Q4 式(vi)；
S4：在步骤S1至S2的预设课程的基础上，定义司机操纵的目标操纵行为：当目标操纵行为来自于用户时，认为对应课程及约束条件下的操纵示意图为目标操纵行为；当目标操纵行为由理论计算获得时，以步骤S3建立的指标为最优化目标建立最优化模型，得到对应的最优操纵序列及对应的运动学轨迹，即理论目标操纵行为；具体包含以下子步骤：
S401：判断目标操纵行为的来源，本实施例的目标操纵行为需要进行理论计算，因此进行子步骤S403；
S403：理论进行目标操纵行为的计算，需要在S1至S2步骤的基础上，结合S3的最优操纵行为指标，依次对每个区间建立基于最优化模型，得到本实施例课程中区间的操纵序列和运动学轨迹，本实施例课程运行区间的最优化模型如式(vii)所示：
max Q＝Q1·(a2·Q2+a3·Q3)·Q4
本实施例课程的目标操纵行为如附图3中的虚线轨迹；目标操纵行为对应关键参数有：目标操纵行为区间运行时间TR1＝1159.7s，区间累计能耗E1＝974kW·h；
S5：由司机在模拟驾驶器仿真装置上依据步骤S1至S2定义的课程进行操纵，记录司机的操纵序列及对应的运动学轨迹，得到司机的实际操纵行为；
本实施例课程的目标操纵行为如附图3中的实线轨迹；司机实际操纵行为对应关键参数有：司机实际操纵行为区间运行时间TR1＝1196.5s，区间累计能耗ER1＝992.7kW·h；
S6：定义司机操纵等级评定模型，分为操纵安全性、操纵准点性、操纵节能性、曲线跟随性四个方面评定子模型，确定各个子模型的计算方法与等级评定规则，并最终建立司机操纵等级与各指标等级的映射关系，得出司机的操纵水平评级；具体包含以下子步骤：
S601：定义R1为操纵安全性评级，安全是影响操纵运行的第一要素，因此R1分为A(优秀)与N(不合格)两个等级；当司机的操纵运行结果无失格项触发时，R1评级为A；当司机的操纵运行结果触发了失格项时，R1评级为N；
S602：定义R2为操纵准点性评级，R2分为A(优秀)、B(良好)、C(合格)、D(待提升)四个等级；定义TR1为司机在区间计划运行时间T1即1170s的目标下实际所用的区间运行时间，Δt为期望的运行时间差，本实施例取30s；选取参数β1的值为2，参数β1的值为6，得到操纵准点性评级R2的具体评级规则如式(viii)所示：
S603：定义R3为操纵节能性评级，R3分为A(优秀)、B(良好)、C(合格)、D(待提升)四个等级；定义TR1为司机实际操纵的区间累计能耗，η＝ER1/E1为司机实际操纵区间累计能耗与标准曲线累计能耗的比值；本实施例取参数η1的值为1.03，参数η2的值为1.06，参数η3的值为1.1，得到操纵节能性评级R3的具体评级规则如式(ix)所示：
S604：定义R4为曲线跟随性评级，主要反映司机实际操纵行为与目标操纵行为两条运行轨迹的拟合度，R4分为A(优秀)、B(良好)、C(合格)、D(待提升)四个等级；实际操纵行为与目标操纵行为两条运行轨迹起点绝对里程均为0km，实际与目标的终点绝对里程分别为67.306km和67.365km，以0.01km为采样间隔对整个区间的目标操纵行为轨迹g(x,v)和实际操纵行为轨迹f(x,v)进行采样，得到进行离散化的目标操纵行为采样信号g(k)和实际操纵行为采样信号f(k)；用两条轨迹在采样点下误差绝对值的期望即平均速度偏差
表示两条轨迹的重合程度，计算得两条轨迹平均偏差/>
的值为2.812km/h；本实施例选取参数Δv1的值为3，参数Δv2的值为6，参数Δv3的值为10，曲线跟随性评级R4的具体评级规则如式(x)所示：
S605：定义R为司机综合操纵水平评级，R分为A(优秀)、B(良好)、C(合格)、D(待提升)和N(不合格)五个等级；分别确定各评级的定义域范围如N＝0、D∈(0,γ1]、C∈(γ1,γ2]、B∈(γ2,γ3]、A∈(γ3,1]；本实施例选取参数γ1的值为0.4，参数γ2的值为0.6，参数γ3的值为0.8，则评级对应的区间为：N＝0、D∈(0,0.4]、C∈(0.4,0.6]、B∈(0.6,0.8]、A∈(0.8,1]；分别定义α2、α3、α4为操纵准点性评级R2、操纵节能性评级R3、曲线跟随性评级R4的权重，本实施例中取α2、α3、α4分别1/3；则司机综合操纵水平评级R的具体评级规则如式(xi)所示，分别将R1至R4对应评级结果的极大值(如A取1，B取γ3)带入式(xi)，所得结果R根据各评级的定义域转译为对应的评级。
R＝R1·(α2·R2+α3·R3+α4·R4) 式(xi)；
S7：将步骤S5记录的实际操纵行为数据与S4的目标操纵行为进行对比，使用步骤S6的操纵等级评定模型为司机进行操纵等级评定。子步骤S601中，司机实际操纵行为无触发失格项，因此操纵安全性评级R1结果为A；子步骤S602中，司机实际操纵行为对应的区间运行时间TR1＝1196.5s，代入式(viii)得到操纵准点性评级R2结果为A；子步骤S603中，司机实际操纵行为区间累计能耗ER1＝992.7kW·h，比值η＝ER1/E1＝1.109，代入式(ix)得到操纵节能性评级R3结果为A；子步骤S604中，计算得两条轨迹平均偏差
的值为2.812km/h，代入式(x)得到曲线跟随性评级R4结果为A；依据子步骤S605计算得到司机综合操纵水平评级R结果为A。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种司机操纵水平分级评价方法，其特征在于，包括以下步骤：
S1：确定评价课程规格，包括评价课程所用的动车组车型及其特性、列车运行进路方向的线路参数；
S2：在步骤S1确定课程规格的基础上，需要进一步确定课程操纵过程中的约束条件，包括信号限速约束、列车运行计划、课程突发事件，通过需要识别各约束条件的变量参数，确定各约束条件的表达形式；
S3：建立动车组司机最优操纵行为指标，最优操纵行为指标分解为安全性、平稳性、准点性、节能性四个维度的子指标，且各子指标理论上存在最优解，识别各子指标的特征参数并定义各子指标的计算方法，建立总指标与各子指标的函数关系；
S4：在步骤S1至S2的预设课程的基础上，定义司机操纵的目标操纵行为：当目标操纵行为来自于用户时，认为对应课程及约束条件下的操纵示意图为目标操纵行为；当目标操纵行为由理论计算获得时，以步骤S3建立的指标为最优化目标建立最优化模型，得到对应的最优操纵序列及对应的运动学轨迹作为理论目标操纵行为；
S5：由司机在模拟驾驶器仿真装置上依据步骤S1至S2定义的课程进行操纵，记录司机的操纵序列及对应的运动学轨迹，得到司机的实际操纵行为；
S6：定义司机操纵等级评定模型，分为操纵安全性、操纵准点性、操纵节能性、曲线跟随性四个方面评定子模型，确定各个子模型的计算方法与等级评定规则，并最终建立司机操纵等级与各指标等级的映射关系，得出司机的操纵水平评级；
S7：将步骤S5记录的实际操纵行为数据与S4的目标操纵行为进行对比，使用步骤S6的操纵等级评定模型为司机进行操纵等级评定，并将最终得出的结果记录，生成操纵等级评定结果报表；
步骤S3中所述的最优操纵行为指标的建立方法，还包括以下子步骤：
S301：最优操纵行为的指标以单个运行区间为最小单元，由安全性、平稳性、准点性、节能性四个子指标建立函数关系获得，设Pi为第i个运行区间；
S302：定义变量Q1∈[0,1]为安全性子指标，Q1的取值取决于由操纵过程中是否触发了失格项确定，当存在失格项触发时，安全性子指标值为0，Q1的函数表达式为式(1)；
S303：定义变量Q2∈[0,1]为平稳性子指标，平稳性指标的特征参数选取区间内由于司机操纵引起的最大纵向冲动即加速度的变化率JC∈[JMAX,JMIN]，单位m/s3，其中JMAX与JMIN分别表示理论上由司机操纵导致的最大和最小冲动值；同时定义Q2的函数表达式为式(2)，当且仅当JC＝JMIN时Q2取得最优指标1；
S304：定义变量Q3∈[0,1]为准点性子指标，且
都有Q3＝0；准点性指标的特征参数为区间计划运行时间Ti和实际区间运行时间TRi，单位s；同时定义Q3的函数表达式为式(3)，当且仅当TRi＝Ti时Q3取得最优指标1；
S305：定义变量Q4∈[0,+∞)为节能性子指标，节能性指标的特征参数为区间累计能耗Ei，单位kW·h；设g(x,v)为第i个区间的目标运行轨迹，牵引力FT(t)、电制动力BE(t)、里程x(t)、速度v(t)分别是关于时间t的函数；设TRi为该区间累计运行时间，则定义Q4的函数表达式为式(4)；
S306：在子步骤S301至S305的基础上，定义最优操纵行为指标Q的目标函数为式(5)，其中a2、a3分别表示平稳性子指标Q2和准点性子指标Q3的权重，且存在等式约束a2+a3＝1；Q1为0时对总指标的影响最大；
Q＝Q1·(a2·Q2+a3·Q3)·Q4 式(5)。
2.根据权利要求1所述的一种司机操纵水平分级评价方法，其特征在于，所述步骤S2中所述的课程约束条件的定义方法包括如下子步骤：
S201：定义信号约束条件为Vlimit(x)，其中x表示评价课程进路方向上线路的绝对里程，单位km，且Vlimit(x)是关于里程x的分段函数；
S202：定义车站集合为S＝{S1,S2,…,Si,…,SN}，其中N表示线路中停靠的车站总数，元素Si表示第i个停靠车站，且Si不为动车段或线路所；定义区间集合为P＝{P1,P2,…,Pi,…,PN-1}，元素Pi表示Si和Si+1车站间的区间；
S203：定义区间运行时间集合为T＝{T1,T2,…,Ti,…,TN-1}，其中元素Ti表示区间Pi的计划运行时间，单位s；设TRi为第i个区间实际产生的累计运行时间，单位s，Δt为理想情况下运行时间误差，单位s，定义|TRi-Ti|≤Δt为列车运行计划的约束条件；
S204：定义突发事件集合为EV＝{EV1,EV2,…,EVj,…EVK}，元素EVj表示第j个故障或非正常，K表示突发事件总数，EVj发生在停靠车站中。
3.根据权利要求1所述的一种司机操纵水平分级评价方法，其特征在于，步骤S4中所述的司机操纵的目标操纵行为包括如下子步骤：
S401：判断目标操纵行为的来源，如果目标操纵行为来自于用户的操纵经验，则进行子步骤S402，如果目标操纵行为需要进行理论计算，则进行子步骤S403；
S402：用户提供的目标操纵行为为操纵示意图，操纵示意图包含线路、车型的基本信息，同时满足包含列车运行计划、信号限速、突发事件在内的约束条件，同时操纵示意图还包含分级评价方法所需的操纵序列和运动学轨迹参数；
S403：理论进行目标操纵行为的计算，在S1至S2步骤的基础上，结合S3的最优操纵行为指标，依次对每个区间建立基于最优化模型，得到每个区间的操纵序列和运动学轨迹，第i个运行区间的最优化模型如式(6)所示：
其中，Q1表示安全性指标，Q2表示平稳性指标，Q3表示准点性指标，Q4表示节能性指标，v(x)表示速度关于里程的分段函数，Vlimit(x)表示信号约束条件，TRi表示第i个区间实际产生的累计运行时间，Ti表示区间Pi的计划运行时间，Δt表示理想情况下运行时间误差，EVj表示第j个故障或非正常，Pi表示停靠车站Si和停靠车站Si+1之间的区间。
4.根据权利要求1所述的一种司机操纵水平分级评价方法，其特征在于，步骤S6中所述的司机操纵等级评定模型包括如下子步骤：
S601：定义R1为操纵安全性评级，R1分为A和N两个等级，其中，A表示优秀，N表示不合格；当司机的操纵运行结果无失格项触发时，R1评级为A；当司机的操纵运行结果触发了失格项时，R1评级为N；
S602：定义R2为操纵准点性评级，R2分为A、B、C、D四个等级，其中，A表示优秀、B表示良好、C表示合格、D表示待提升；定义TR为司机在区间计划运行时间Ti的目标下实际所用的区间运行时间，Δt为期望的运行时间差；操纵准点性评级R2的具体评级规则如式(7)所示：
S603：定义R3为操纵节能性评级，R3分为A、B、C、D四个等级，其中，A表示优秀、B表示良好、C表示合格、D表示待提升；定义ER为司机实际操纵的区间累计能耗，η＝ER/Ri为司机实际操纵区间累计能耗与标准曲线累计能耗的比值；操纵节能性评级R3的具体评级规则如式(8)所示：
S604：定义R4为曲线跟随性评级，用于反映司机实际操纵行为与目标操纵行为两条运行轨迹的拟合度，R4分为A、B、C、D四个等级，其中，A表示优秀、B表示良好、C表示合格、D表示待提升；将实际操纵行为运行轨迹f(x,v)与目标操纵行为运行轨迹g(x,v)按照相同的采样点进行离散化，得到实际操纵行为采样信号f(k)和目标操纵行为采样信号g(k)，其中，f(k)和g(k)分别表示两条原轨迹在第k个采样点下的速度值；用两条轨迹在采样点下误差绝对值的期望即平均速度偏差Δv表示两条曲线的重合程度，曲线跟随性评级R4的具体评级规则如式(9)所示：
S605：定义R为司机综合操纵水平评级，R分为A、B、C、D和N五个等级，其中，A表示优秀、B表示良好、C表示合格、D表示待提升、N表示不合格；分别确定各评级的定义域范围N＝0、D∈(0,γ1]、C∈(γ1,γ2]、B∈(γ2,γ3]、A∈(γ3,1]；分别定义α2、α3、α4为操纵准点性评级R2、操纵节能性评级R3、曲线跟随性评级R4的权重；则司机综合操纵水平评级R的具体评级规则如式(10)所示，分别将R1至R4对应评级结果的极大值带入式(10)，所得结果R根据各评级的定义域转译为对应的评级；
R＝R1·(α2·R2+α3·R3+α4·R4) 式(10)。
5.根据权利要求4所述的一种司机操纵水平分级评价方法，其特征在于，步骤S602中，参数β1的值为2，参数β2的值为3β1。
6.根据权利要求4所述的一种司机操纵水平分级评价方法，其特征在于，步骤S603中，参数η1的值为1.03，参数η2的值为1.06，参数η3的值为1.1。
7.根据权利要求4所述的一种司机操纵水平分级评价方法，其特征在于，步骤S604中，参数Δv1的值为3，参数Δv2的值为6，参数Δv3的值为10。
8.根据权利要求4所述的一种司机操纵水平分级评价方法，其特征在于，步骤S605中，参数γ1的值为0.4，参数γ2的值为0.6，参数γ3的值为0.8，评级对应的区间为：N＝0、D∈(0,0.4]、C∈(0.4,0.6]、B∈(0.6,0.8]、A∈(0.8,1]。
9.一种司机操纵水平分级评价终端，其特征在于，包括处理器，适于执行各指令；以及相应的存储设备，适于存储多条指令及执行指令所需的基本数据，使得处理器执行如权利要求1至8任意一项所述的一种司机操纵水平分级评价方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011438527.4A CN112508411B (zh) | 2020-12-10 | 2020-12-10 | 一种司机操纵水平分级评价方法及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011438527.4A CN112508411B (zh) | 2020-12-10 | 2020-12-10 | 一种司机操纵水平分级评价方法及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112508411A CN112508411A (zh) | 2021-03-16 |
| CN112508411B true CN112508411B (zh) | 2023-06-27 |
Family
ID=74970745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011438527.4A Active CN112508411B (zh) | 2020-12-10 | 2020-12-10 | 一种司机操纵水平分级评价方法及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112508411B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113257073B (zh) * | 2021-06-24 | 2021-09-21 | 成都运达科技股份有限公司 | 列车模拟驾驶平稳性分析方法、系统、终端及介质 |
| CN113312711B (zh) * | 2021-07-28 | 2021-09-28 | 成都运达科技股份有限公司 | 列车动力学下平稳驾驶分析方法、系统、终端及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101564293A (zh) * | 2009-06-01 | 2009-10-28 | 金会庆 | 一种出车前驾驶员疲劳状态检测装置及其检测方法 |
| CN101756705A (zh) * | 2008-11-14 | 2010-06-30 | 北京宣爱智能模拟技术有限公司 | 一种驾驶事故倾向性测试系统及方法 |
| CN102074143A (zh) * | 2010-12-30 | 2011-05-25 | 成都运达轨道交通设备有限公司 | 轨道列车驾驶仿真器操纵评价系统及其评价方法 |
| KR20130005035A (ko) * | 2011-07-05 | 2013-01-15 | 가온미디어 주식회사 | 클라우드 컴퓨팅 방식의 네비게이션 시스템 및 그 운용방법 |
| CN103105302A (zh) * | 2013-01-09 | 2013-05-15 | 清华大学 | 一种汽车驾驶员运动学和动力学参数测试系统 |
| CN112017504A (zh) * | 2020-10-29 | 2020-12-01 | 成都运达科技股份有限公司 | 列车驾驶模拟器控制信号数据库、建立方法及培训系统 |
-
2020
- 2020-12-10 CN CN202011438527.4A patent/CN112508411B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101756705A (zh) * | 2008-11-14 | 2010-06-30 | 北京宣爱智能模拟技术有限公司 | 一种驾驶事故倾向性测试系统及方法 |
| CN101564293A (zh) * | 2009-06-01 | 2009-10-28 | 金会庆 | 一种出车前驾驶员疲劳状态检测装置及其检测方法 |
| CN102074143A (zh) * | 2010-12-30 | 2011-05-25 | 成都运达轨道交通设备有限公司 | 轨道列车驾驶仿真器操纵评价系统及其评价方法 |
| KR20130005035A (ko) * | 2011-07-05 | 2013-01-15 | 가온미디어 주식회사 | 클라우드 컴퓨팅 방식의 네비게이션 시스템 및 그 운용방법 |
| CN103105302A (zh) * | 2013-01-09 | 2013-05-15 | 清华大学 | 一种汽车驾驶员运动学和动力学参数测试系统 |
| CN112017504A (zh) * | 2020-10-29 | 2020-12-01 | 成都运达科技股份有限公司 | 列车驾驶模拟器控制信号数据库、建立方法及培训系统 |
Non-Patent Citations (1)
| Title |
|---|
| 列车驾驶仿真器操作评价系统的设计与开发;冯永岗;《中国优秀硕士学位论文全文数据库-信息科技辑》;20131115(第11期);第I138-931页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112508411A (zh) | 2021-03-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109345020B (zh) | 一种完全信息下的无信号交叉口车辆驾驶行为预测方法 | |
| CN104200267B (zh) | 一种车辆驾驶经济性评价系统及评价方法 | |
| CN105460048B (zh) | 城轨交通优化操纵与行车调度综合节能控制方法及装置 | |
| CN112508411B (zh) | 一种司机操纵水平分级评价方法及终端 | |
| CN109552338A (zh) | 一种纯电动汽车生态驾驶行为评估方法及系统 | |
| CN108761509A (zh) | 一种基于历史数据的汽车行驶轨迹及里程预测方法 | |
| CN102136190A (zh) | 城市公交客运事件应急响应调度管理系统及方法 | |
| CN113674546B (zh) | 基于sumo仿真的V2X环境下的高速公路管控方法 | |
| CN105405293A (zh) | 一种道路旅行时间短期预测方法和系统 | |
| CN109493566A (zh) | 一种基于gps数据的疲劳驾驶预测方法 | |
| CN112382086A (zh) | 自动驾驶汽车开放道路测试评价系统的使用方法 | |
| CN111063204B (zh) | 一种基于收费站流量的高速公路车速预测模型训练方法 | |
| CN111724603A (zh) | 基于交通轨迹数据的cav状态判定方法、装置、设备及介质 | |
| CN112613731A (zh) | 基于复杂网络理论的电动汽车充电站能效评估系统和方法 | |
| CN108830414B (zh) | 一种电动汽车商用充电区的负荷预测方法 | |
| CN115935672A (zh) | 一种融合工况预测信息的燃料电池汽车能耗计算方法 | |
| CN114463868A (zh) | 面向交通流管控的收费站交通流组合预测方法及系统 | |
| CN108447265A (zh) | 基于topsis法的公路交通事故黑点路段鉴别方法 | |
| CN117238126A (zh) | 一种连续流道路场景下的交通事故风险评估方法 | |
| Huang et al. | Train driving data learning with S-CNN model for gear prediction and optimal driving | |
| Zhang et al. | Neural network based vehicle speed prediction for specific urban driving | |
| CN118230546A (zh) | 一种基于多源数据的城市绿色交通管理系统及方法 | |
| Baohua et al. | A computer-aided multi-train simulator for rail traffic | |
| CN115759347A (zh) | 一种基于特征数据的电动公交车行程能耗快速预测方法 | |
| CN101866549A (zh) | 区域交通服务水平微观指标及评价方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |