CN112590871A - 列车安全防护方法、装置和系统 - Google Patents
列车安全防护方法、装置和系统 Download PDFInfo
- Publication number
- CN112590871A CN112590871A CN202011534905.9A CN202011534905A CN112590871A CN 112590871 A CN112590871 A CN 112590871A CN 202011534905 A CN202011534905 A CN 202011534905A CN 112590871 A CN112590871 A CN 112590871A
- Authority
- CN
- China
- Prior art keywords
- following vehicle
- acceleration
- moment
- safety protection
- train
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000001133 acceleration Effects 0.000 claims abstract description 119
- 239000013598 vector Substances 0.000 claims description 69
- 230000006870 function Effects 0.000 claims description 34
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 238000005457 optimization Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
- B61L23/08—Control, warning or like safety means along the route or between vehicles or trains for controlling traffic in one direction only
- B61L23/14—Control, warning or like safety means along the route or between vehicles or trains for controlling traffic in one direction only automatically operated
- B61L23/18—Control, warning or like safety means along the route or between vehicles or trains for controlling traffic in one direction only automatically operated specially adapted for changing lengths of track sections in dependence upon speed and traffic density
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本申请实施例提供了一种列车安全防护方法、装置和系统，该方法首先采集虚拟编组中的跟随车在当前时刻的运行数据，并根据运行数据预测跟随车在下一时刻的加速度，根据跟随车在下一时刻的加速度从多个不同的安全防护模型中确定目标安全防护模型，其中，多个不同的安全防护模型对应不同的安全速度上限值，最后根据安全防护速度限制跟随车的运行速度。通过预测出的跟随车在下一时刻的加速度值选择不同的安全防护模型，从而可以根据不同的安全防护模型对应的不同的安全防护速度控制虚拟编组的跟随车的运行速度，与现有技术采用的先牵引再紧急制动的安全防护模型相比，可以充分挖掘列车的运行速度的上限值，提高列车的运行速度，进而提升运营效率。
Description
技术领域
本申请涉及轨道交通技术，具体地，涉及一种列车安全防护方法、装置和系统。
背景技术
虚拟编组是指将运行中的两列列车通过虚拟耦合技术连接为一整列车，虚拟耦合连接是指通过车车和车地等通信技术使跟随车能够近距离的跟踪领车，与领车等间距、同速稳定的运行，达到硬车钩连接的目的。
在虚拟编组内部，跟随车辆将领车视为障碍物，此时的领车处于运行状态，因此可以采用相对距离的计算方式对虚拟编组内部车辆进行安全防护，这种计算方式可以考虑到跟随车和领车的运动状态。
在已有的虚拟编组中，当领车突然紧急制动时，跟随车也将立即触发紧急制动，但由于列车通信延时、牵引切除延时以及紧急制动建立延时的影响，跟随车无法马上进入紧急制动阶段，通常会有一段加速的牵引阶段，因此，目前的跟随车大多数采用的先牵引再紧急制动的安全防护模型对跟随车进行防护，为了保证列车的安全运行，跟随车的最大运行速度不能超过此种安全防护模型的安全速度上限值，由于先牵引再紧急制动的安全防护模型的安全速度上限值较低，因此会导致跟随车的最大运行速度较低，同时也降低了跟随车的运行效率。
发明内容
本申请实施例中提供了一种列车安全防护方法、装置和系统，用于解决现有的虚拟编组安全防护模型中跟随车的安全速度上限值较低，列车运行效率较低的问题。
根据本申请实施例的第一个方面，提供了一种列车安全防护方法，应用于列车安全防护系统，所述列车安全防护系统用于对虚拟编组列车进行安全防护，所述虚拟编组列车包括领车和跟随车，所述方法包括：
采集所述虚拟编组列车中的跟随车在当前时刻的运行数据；
根据所述运行数据预测所述跟随车在下一时刻的加速度；
根据所述跟随车在下一时刻的加速度从多个不同的安全防护模型中确定目标安全防护模型，其中，所述多个不同的安全防护模型对应不同的安全速度上限值；
根据所述安全速度上限值限制所述跟随车的运行速度，以将所述跟随车与所述领车之间的运行距离控制在安全距离范围。
在一种可选的实施方式中，所述根据所述运行数据预测所述跟随车在下一时刻的加速度，包括：
根据跟随车的运行数据分别预测所述跟随车在当前时刻后的预设时间段内的各个时刻的运行状态；
分别对所述跟随车在所述预设时间段内各个时刻的运行状态进行运算获得所述跟随车在各个时刻的预测运动状态向量；
通过优化函数对所述跟随车在预设时间段内各个时刻的预测运动状态向量进行运算，获得所述跟随车在当前时刻的下一时刻的加速度。
在一种可选的实施方式中，所述根据跟随车的运行数据分别预测所述跟随车在当前时刻后的预设时间段内的各个时刻的运行状态，包括：
根据所述跟随车在当前时刻的运行数据获得所述跟随车在当前时刻的运动状态向量，其中，当前时刻的运行数据包括与所述领车之间的间距、与所述领车之间的相对速度、加速度、速度及加速度变化率；
根据公式x(k+1)＝Ax(k)+Bu(k)+Gw(k)计算跟随车在当前时刻后的预设时间段内的各个时刻的运动状态向量，其中，x(k)为所述跟随车在k时刻的运动状态向量，x(k+1)为跟随车在k+1时刻的运动状态向量，A为模型预测控制算法状态变量系数，B为模型预测控制算法输出向量系数，u(k)为所述跟随车在k时刻的加速度，G为模型预测控制算法扰动量系数，w(k)为所述跟随车在k时刻的外部扰动项。
在一种可选的实施方式中，所述分别对所述跟随车在所述预设时间段内各个时刻的运行状态进行运算获得所述跟随车在各个时刻的预测运动状态向量，包括：
根据公式y(k)＝Cx(k)-Z计算所述跟随车在各个时刻的预测运动状态向量，其中，x(k)为所述跟随车在k时刻的运动状态向量，y(k)为所述跟随车在k时刻的预测运动状态向量，C为预测运动状态向量的变量系数，Z为常数。
在一种可选的实施方式中，所述通过优化函数对所述跟随车在预设时间段内各个时刻的预测运动状态向量进行运算，获得所述跟随车在当前时刻的下一时刻的加速度，包括：
根据优化函数f(u)＝∑(预测运动状态向量-参考值)2+∑u*u计算在当前时刻后的预设时间段内的各个时刻的加速度函数值，获得多个加速度函数值，其中，u为加速度值，预测运动状态向量为y(k)，参考值为0，f(u)为加速度函数值；
获取多个所述加速度函数值中最小的函数值对应的加速度值，将所述加速度值确定所述跟随车在当前时刻的下一时刻的加速度。
在一种可选的实施方式中，所述根据所述跟随车在下一时刻的加速度从多个不同的安全防护模型中确定目标安全防护模型，包括：
判断所述加速度是否大于0；
若大于0，则选择牵引-紧急制动防护曲线作为目标安全防护模型；
若不大于0，则判断所述加速度是否等于0；
若等于0，则选择惰性-紧急制动防护曲线作为目标安全防护模型；
若不等于0，则选择制动-紧急制动防护曲线作为目标安全防护模型。
在一种可选的实施方式中，所述根据所述安全速度上限值限制所述跟随车的运行速度，以将所述跟随车与所述领车之间的运行距离控制在安全距离范围内，包括：
根据所述领车的运行速度计算所述跟随车的紧急制动加速度；
在所述跟随车的运行速度大于所述安全速度上限值时，根据所述紧急制动加速度对所述跟随车进行紧急制动。
根据本申请实施例的第二个方面，提供了一种列车安全防护装置，应用于列车安全防护系统，所述列车安全防护系统用于对虚拟编组列车进行安全防护，所述虚拟编组列车包括领车和跟随车，所述装置包括：
数据采集模块，用于采集所述虚拟编组列车的跟随车在当前时刻的运行数据；
预测模块，用于根据所述运行数据预测所述跟随车在下一时刻的加速度；
模型选择模块，用于根据所述跟随车在下一时刻的加速度从多个不同的安全防护模型中确定目标安全防护模型，其中，所述多个不同的安全防护模型对应不同的安全速度上限值；
速度限制模块，用于根据所述安全速度上限值限制所述跟随车的运行速度，以将所述跟随车与所述领车之间的运行距离控制在安全距离范围。
在一种可选的实施方式中，所述预测模块具体用于：
根据跟随车的运行数据分别预测所述跟随车在当前时刻后的预设时间段内的各个时刻的运行状态；
分别对所述跟随车在所述预设时间段内各个时刻的运行数据进行运算获得所述跟随车在各个时刻的预测运动状态向量；
通过优化函数对所述跟随车在预设时间段内各个时刻的预测运动状态向量进行运算，获得所述跟随车在当前时刻的下一时刻的加速度。
在一种可选的实施方式中，所述模型选择模块具体用于：
判断所述加速度是否大于0；
若大于0，则选择牵引-紧急制动防护曲线作为目标安全防护模型；
若不大于0，则判断所述加速度是否等于0；
若等于0，则选择惰性-紧急制动防护曲线作为目标安全防护模型；
若不等于0，则选择制动-紧急制动防护曲线作为目标安全防护模型。
根据本申请实施例的第三个方面，提供了一种列车安全防护系统，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述列车安全防护系统运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行上述的列车安全防护方法。
本申请实施例提供了一种列车安全防护方法、装置和系统，该方法首先采集跟随车在当前时刻的运行数据，并通过模型预测控制算法对跟随车在下一时刻的加速度进行预测，然后根据跟随车在下一时刻的加速度从多个不同的安全防护模型中确定目标安全防护模型，其中，多个不同的安全防护模型对应不同的安全速度上限值，最后根据安全防护速度限制跟随车的运行速度，以将所述跟随车与所述领车之间的运行距离控制在安全距离范围。通过预测出的跟随车在下一时刻的加速度值选择不同的安全防护模型，从而可以根据不同的安全防护模型计算出不同的安全防护速度，用于控制跟随车的运行速度，与现有技术采用的先牵引再紧急制动的安全防护模型相比，本申请实施例可以灵活选用多个不同的安全防护模型，从而可以采用不同的安全速度上限值控制跟随车的最大运行速度，从而可以充分挖掘跟随车的运行速度的上限值，提高跟随车的运行速度，进而提升运营效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的虚拟编组列车模型；
图2为本申请实施例提供的列车安全防护方法的流程图；
图3为本申请实施例提供的步骤S12的子步骤流程图；
图4为本申请实施例提供的模型预测控制算法示意图；
图5为本申请实施例提供的步骤S13的子步骤流程图；
图6为本申请实施例提供的安全防护曲线示意图；
图7为本申请实施例提供的列车安全防护装置的功能模块图；
图8为本申请实施例提供的列车安全防护系统的示意图。
图标：10-列车安全防护系统；11-处理器；12-存储器；13-总线；110-列车安全防护装置；1101-数据采集模块；1102-预测模块；1103-模型选择模块；1104-速度限制模块。
具体实施方式
在实现本申请的过程中，发明人发现在虚拟编组内部，跟随车辆将领车视为障碍物，此时的领车和跟随车均处于运行状态。传统的列车安全防护方法由于采用的是绝对制动计算方法，即将前方障碍物的速度等效为零，计算本车在碰撞障碍物前能够安全停车的距离。此时计算的距离由于未考虑障碍物的运动状态，简单的将其当作静止状态，因此不适用于对虚拟编组列车进行安全防护。
因此，针对虚拟编组的内部车辆，需要采用相对距离的计算方式对进行安全防护，这种计算方式可以考虑到跟随车和领车的运动状态。
在已有的虚拟编组安全防护模型中，当领车突然紧急制动时，跟随车也将立即触发紧急制动，但由于列车通信延时、牵引切除延时以及紧急制动建立延时的影响，跟随车无法马上进入紧急制动阶段，通常会有一段加速的牵引阶段，因此，目前通常将跟随车的运动阶段分为牵引阶段和紧急制动阶段的两段式模型，即采用牵引-紧急制动这一中安全防护模型对跟随车进行安全防护，若只采用牵引-紧急制动的安全防护模型，将会导致跟随车的安全速度上限值较低，使得领车和跟随车的进站时间差变长，降低了列车的运行效率。
针对上述问题，本申请实施例提供了一种列车安全防护方法、装置和系统，该方法应用于设置于列车上的列车安全防护系统。该方法首先采集虚拟编组列车的跟随车在当前时刻的运行数据并将运行数据发送至模型预测控制算法，并通过模型预测控制算法对跟随车在下一时刻的加速度进行预测，然后根据跟随车在下一时刻的加速度从不同的安全防护模型中确定目标安全防护模型，并根据选择的目标安全防护模型计算跟随车的安全防护速度，最后根据安全防护速度限制跟随车的运行速度，以将所述跟随车与所述领车之间的运行距离控制在安全距离范围。通过预测出的跟随车在下一时刻的加速度值选择不同的安全防护模型，从而可以根据不同的安全防护模型计算出不同的安全防护速度，用于控制虚拟编组列车中的跟随车的运行速度，与现有技术采用的先牵引再紧急制动的安全防护模型相比，本申请实施例提供的多个不同的安全防护模型中的一些安全防护模型具有更高的安全防护速度，从而可以充分挖掘跟随车的运行速度的上限值，提高跟随车的运行速度，进而提升运营效率。
为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
首先，需要介绍的是，列车安全防护系统(Automatic Train Protection，简称ATP)在城轨中被用于监督列车的运行速度和计算列车被允许的最大运行速度，计算出的曲线被称为紧急制动触发曲线，当列车速度超过紧急制动触发曲线时，列车进行紧急制动，以最大制动加速进行停车。
请参照图1，图1为本申请实施例提供的虚拟编组列车模型，在图1中，虚拟编组列车包括两列列车(领车的代号为Leader，跟随车的代号为Follower)，本申请实施例提供的列车安全防护方法应用于跟随车(即后车，Follower)上设置的列车安全防护系统，通过列车安全防护系统对跟随车进行安全防护。
下面结合附图对本申请实施例提供的列车安全防护方法进行详细说明。
请参照图2，图2为本申请实施例提供的列车安全防护方法的流程图。在本实施例中，该方法应用于列车安全防护系统，所述列车安全防护系统用于对虚拟编组列车进行安全防护，所述虚拟编组列车包括领车和跟随车，该方法包括：
步骤S11，采集虚拟编组列车中的跟随车在当前时刻的运行数据。
步骤S12，根据运行数据预测跟随车在下一时刻的加速度。
步骤S13，根据所述跟随车在下一时刻的加速度从不同的安全防护模型中确定目标安全防护模型。
其中，多个不同的安全防护模型对应不同的安全速度上限值。
步骤S14，根据安全速度上限值限制跟随车的运行速度，以将所述跟随车与所述领车之间的运行距离控制在安全距离范围。
在上述步骤中，列车安全防护系统通过预测出的跟随车在下一时刻的加速度值选择不同的安全防护模型，从而可以根据不同的安全防护模型计算出不同的安全防护速度，用于控制跟随车的运行速度，以将所述跟随车与所述领车之间的运行距离控制在安全距离范围，与现有技术采用的先牵引再紧急制动的安全防护模型相比，本申请实施例可以灵活选用多个不同的安全防护模型，从而可以采用不同的安全速度上限值控制跟随车的最大运行速度，从而可以充分挖掘跟随车的运行速度的上限值，提高跟随车的运行速度，进而提升运营效率。
在一种可选的实施方式中，请参照图3，图3为本申请实施例提供的步骤S12的子步骤流程图。在本实施例中，步骤S12包括：
步骤S121，根据跟随车的运行数据分别预测跟随车在当前时刻后的预设时间段内的各个时刻的运行状态。
步骤S122，分别对跟随车在预设时间段内各个时刻的运行状态进行运算获得跟随车在各个时刻的预测运动状态向量。
步骤S122，通过优化函数对跟随车在预设时间段内各个时刻的预测运动状态向量进行运算，获得跟随车在当前时刻的下一时刻的加速度。
模型预测控制算法(MPC，Model Predictive Control)也称为滚动时域控制(RHC)或水平移动控制(MHC)，其原理类似于汽车驾驶的决策过程，司机首先会观测道路前方的环境，获取当前和以前的车辆状态和环境信息，然后根据大脑里的速度计算模型(经验模型)对未来的驾驶行为进行预测(加速，减速或者急停)，驾驶者便可以在一个可见的范围内做一个最佳的决策，从而在线调整驾驶方向和跟随车速度。
在虚拟编组中，模型预测控制算法的控制目标是：领车和跟随车的速度趋同、领车和跟随车的相对间隔趋于安全间隔。
在通过模型预测控制算法预测跟随车的下一时刻的加速度时，还需要满足一些约束条件：跟随车速度不能超过最大线路限速、预测的加速度不能超过跟随车的最大性能、预测的加速度变化率不能超过最大值(需要满足乘客舒适性要求)。在满足上述约束条件的前提下，即可对跟随车的下一时刻的加速度进行预测。
在预测跟随车下一时刻的加速度时，为了保证预测结果的可信度及准确性，需要预测在当前时刻后的一段时间内的每个时刻的加速度，并通过优化函数选择最优解作为跟随车下一时刻的加速度。
例如，可以根据跟随车在当前时刻(例如20点00分00秒)的运行数据分别预测跟随车在当前时刻(20点00分00秒)后的预设时间段内(例如10秒内，即从20点00分00秒至20点00分10秒)的每一秒内的运行状态，即可获得10个时刻点对应的运行状态。
然后分别对跟随车预设时间段内各个时刻对应的运行状态(即20点00分00秒至20点00分10秒内每一秒对应的运行状态)进行运算，获得跟随车在各个时刻的预测运动状态向量(即跟随车在20点00分00秒至20点00分10秒内每一秒对于的预测运动状态向量)。
最后通过优化函数对各个时刻的预测运动状态向量进行运算，获得最优解，最优解对应的加速度即为跟随车在当前时刻(20点00分00秒)的下一时刻(20点00分01秒)的加速度。
可选地，在本实施例中，步骤S121具体包括：
根据跟随车在当前时刻的运行数据获得跟随车在当前时刻的运动状态向量。其中，当前时刻的运行数据包括与领车之间的间距、与领车之间的相对速度、加速度、速度及加速度变化率。
根据公式x(k+1)＝Ax(k)+Bu(k)+Gw(k)计算跟随车在当前时刻后的预设时间段内的各个时刻的运动状态向量。
其中，x(k)为所述跟随车在k时刻的运动状态向量，x(k+1)为跟随车在k+1时刻的运动状态向量，A为模型预测控制算法状态变量系数，B为模型预测控制算法输出向量系数，u(k)为所述跟随车在k时刻的加速度，G为模型预测控制算法扰动量系数，w(k)为所述跟随车在k时刻的外部扰动项。
在本实施例中，MPC中的预测模型可以是动力学模型，也可以是运动学模型，由于被控对象——虚拟编组跟随车被描述的是后车与前车之间的相互纵向运动学特性，故可以对被控车辆的运动学特性进行建模，得到被控对象的纵向运动学模型。
首先需要根据跟随车在当前时刻的运行数据获取跟随车在当前时刻的运动状态向量。例如，若当前时刻为k时刻，则可以获取跟随车在k时刻的加速度a、加速度变化率j、跟随车与领车的车间距d、跟随车与领车之间的相对速度Δv以及跟随车的速度v，从而获得跟随车在k时刻的运动状态向量，即模型预测控制算法的输入x(k)，其中，x(k)＝[d(k)，Δv(k)，v(k)，a(k)，j(k)]。
然后可以根据公式x(k+1)＝Ax(k)+Bu(k)+Gw(k)计算跟随车在k+1时刻运动状态向量，其中，A为模型预测控制算法状态变量系数，B为模型预测控制算法输出向量系数，u(k)为所述跟随车在k时刻的加速度，G为模型预测控制算法扰动量系数，w(k)为所述跟随车在k时刻的外部扰动项。
其中，值得说明的是，由于需要计算跟随车在预设时间段内的各个时刻的运行状态，因此，在计算出k+1时刻的运动状态向量之后，还需要基于k+1时刻的运动状态向量继续预测k+2时刻的运动状态向量，直至获得预设时间段内所有时刻的运动状态向量。
若预设时间段为10秒，以k时刻为当前时刻，则需要计算出k+1时刻、k+2时刻、k+3时刻、k+4时刻、k+5时刻、k+6时刻、k+7时刻、k+8时刻、k+9时刻以及k+10时刻对应的运动状态向量。
进一步地，在本实施例中，在计算出各个时刻的运动状态向量之后，还需要分别对所述跟随车在所述预设时间段内各个时刻的运行状态进行运算，获得所述跟随车在各个时刻的预测运动状态向量，具体计算方式为：
根据公式y(k)＝Cx(k)-Z计算所述跟随车在各个时刻的预测运动状态向量，其中，x(k)为所述跟随车在k时刻的运动状态向量，y(k)为所述跟随车在k时刻的预测运动状态向量，C为预测运动状态向量的变量系数，Z为常数。
在本实施例中，在计算出k+1时刻、k+2时刻、k+3时刻、k+4时刻、k+5时刻、k+6时刻、k+7时刻、k+8时刻、k+9时刻以及k+10时刻对应的运动状态向量之后，可以根据公式y(k)＝Cx(k)-Z计算跟随车在各个时刻的预测运动状态向量，最终计算获得多个预测运动状态向量，即y(k+1)、y(k+2)、y(k+3)、y(k+4)、y(k+5)、y(k+6)、y(k+7)、y(k+8)、y(k+9)、y(k+10)的值，其中，预测运动状态向量y(k)中包括有跟随车和领车之间的间距误差、跟随车和领车之间的相对速度、跟随车的加速度以及跟随车的加速度变化率。
进一步地，在计算获得各个时刻的预测运动状态向量之后，还需要通过优化函数对所述跟随车在预设时间段内各个时刻的预测运动状态向量进行运算，获得所述跟随车在当前时刻的下一时刻的加速度，具体步骤为：
根据优化函数f(u)＝∑(预测运动状态向量-参考值)2+∑u*u计算在当前时刻后的预设时间段内的各个时刻的加速度函数值，获得多个加速度函数值，其中，u为加速度值，预测运动状态向量为y(k)，参考值为0，f(u)为加速度函数值。
获取多个所述加速度函数值中最小的函数值对应的加速度值，将所述加速度值确定所述跟随车在当前时刻的下一时刻的加速度。
在上述步骤中，在k时刻后的预设时间段内计算出来多个预测运动状态向量之后，即可获得k+1至k+10时间段内的加速度，为了确定最终k+1时刻的加速度，因此，还需要通过优化函数f(u)＝∑(预测运动状态向量-参考值)2+∑u*u针对每一个加速度计算对应的f(u)的值，其中，预测运动状态向量即为y(k+1)至y(k+10)对应的值，参考值为0，u则为每个预测运动状态向量中对应的加速度。
在计算获得多个f(u)之后，根据f(u)值的大小确定跟随车在k+1时刻的加速度。具体方式为，选择最小的f(u)值对应的加速度u作为跟随车在k+1时刻的加速度。
通过上述步骤，即可通过模型预测控制算法根据跟随车在当前时刻的运行状态预测出跟随车在下一时刻的加速度，其中，模型预测控制算法如图4所示。
为了提高虚拟编组后车的顶棚防护速度，通过对跟随车的行驶速度和加速度进行分析，发现在跟随车的巡航阶段一般有牵引、惰行和常规制动三种模式，在精确停车阶段大多数为常规制动。在突发情况下，为保证安全会进行紧急制动，从常规制动阶段进入紧急制动阶段，因电空转换存在延时，如果可以提前预知跟随车下一周期的行驶状态，那么在延时阶段是牵引还是惰行还是常规制动就可以较为清晰的分辨，帮助跟随车确定合理的防护曲线模型。
因此，请参照图5，图5为本申请实施例提供的步骤S13的子步骤流程图。在本实施例中，步骤S13包括：
步骤S131，判断加速度是否大于0。
步骤S132，若大于0，则选择牵引-紧急制动防护曲线作为目标安全防护模型。
步骤S133，若不大于0，则判断加速度是否等于0。
步骤S134，若等于0，则选择惰性-紧急制动防护曲线作为目标安全防护模型。
步骤S135，若不等于0，则选择制动-紧急制动防护曲线作为目标安全防护模型。
在上述步骤中，当通过前述步骤预测出跟随车在下一时刻的加速度后，可以根据加速度的大小选择不同的防护曲线作为目标安全防护模型。如图6所示，图6为本申请实施例提供的安全防护曲线示意图。具体地，若加速度大于0，则选择牵引-紧急制动防护曲线作为目标安全防护模型(图6中的曲线③)，即在跟随车的巡航阶段进行牵引，当跟随车的速度达到最高时，进行紧急制动；若加速度等于0，选择惰性-紧急制动防护曲线作为目标安全防护模型(图6中的曲线②)，即控制跟随车在巡航阶段保持惰性模式(即匀速)，在到达制动位置时，进行紧急制动；若加速度小于0，则选择制动-紧急制动防护曲线作为目标安全防护模型(图6中的曲线①)，即跟随车在巡航阶段即进行制动，在到达预设位置时，进行紧急制动。
根据图6所示，在本实施例中，三种安全防护模型的最大运行速度均不相同，因此，在选择不同的防护曲线作为目标安全防护模型后，可以计算出不同的安全防护速度，与只采用单一的安全防护模型相比，可以提升跟随车安全防护速度的上限值，从而提升跟随车的运行速度，使虚拟编组既高效又安全的行驶。
可选地，在本实施例中，步骤S14具体包括：根据领车的运行速度计算跟随车的紧急制动加速度；在跟随车的运行速度大于所述安全速度上限值时，根据紧急制动加速度对所述跟随车进行紧急制动。
在上述步骤中，为了将领车和跟随车之间的运行距离控制在安全距离，需要根据领车的运行速度对跟随车的运行速度进行控制。例如，当领车的速度较慢时，则计算出的跟随车的紧急制动加速度需要较快，以保证跟随车可以在短时间内降速至安全速度，当跟随车的运行速度大于安全速度上限值，则跟随车根据计算出的紧急加速度进行紧急制动。综上所述，本申请实施例提供了一种列车安全防护方法，所述列车安全防护系统用于对虚拟编组列车进行安全防护，所述虚拟编组列车包括领车和跟随车，该方法首先采集跟随车在当前时刻的运行数据并将运行数据发送至模型预测控制算法，并通过模型预测控制算法对跟随车在下一时刻的加速度进行预测，然后根据跟随车在下一时刻的加速度从不同的安全防护模型中选择目标安全防护模型，并根据选择的目标安全防护模型计算跟随车的安全防护速度，最后根据安全防护速度限制跟随车的运行速度，以将所述跟随车与所述领车之间的运行距离控制在安全距离范围。本申请实施例通过预测出的跟随车在下一时刻的加速度值选择不同的安全防护模型，从而可以根据不同的安全防护模型计算出不同的安全防护速度，用于控制跟随车的运行速度，与现有技术采用的先牵引再紧急制动的安全防护模型相比，本申请实施例可以灵活选用多个不同的安全防护模型，从而可以采用不同的安全速度上限值控制跟随车的最大运行速度，从而可以充分挖掘跟随车的运行速度的上限值，提高跟随车的运行速度，进而提升运营效率。
请参照图7，图7为本申请实施例提供的列车安全防护装置110的功能模块图。在本实施例中，该装置应用于列车安全防护系统，包括：
数据采集模块1101，用于采集虚拟编组列车的跟随车在当前时刻的运行数据。
预测模块1102，用于根据所述运行数据预测所述跟随车在下一时刻的加速度。
模型选择模块1103，用于根据所述跟随车在下一时刻的加速度从不同的安全防护模型中确定目标安全防护模型，其中，所述多个不同的安全防护模型对应不同的安全速度上限值。
速度限制模块1104，用于根据所述安全速度上限值限制所述跟随车的运行速度，以将所述跟随车与所述领车之间的运行距离控制在安全距离范围。
可选地，在本实施例中，预测模块1102具体用于：
根据跟随车的运行数据分别预测所述跟随车在当前时刻后的预设时间段内的各个时刻的运行状态；
分别对所述跟随车在所述预设时间段内各个时刻的运行数据进行运算获得所述跟随车在各个时刻的预测运动状态向量；
通过优化函数对所述跟随车在预设时间段内各个时刻的预测运动状态向量进行运算，获得所述跟随车在当前时刻的下一时刻的加速度。
可选地，在本实施例中，模型选择模块具体用于：
判断所述加速度是否大于0；
若大于0，则选择牵引-紧急制动防护曲线作为目标安全防护模型；
若不大于0，则判断所述加速度是否等于0；
若等于0，则选择惰性-紧急制动防护曲线作为目标安全防护模型；
若不等于0，则选择制动-紧急制动防护曲线作为目标安全防护模型。
如图8所示，本申请实施例还提供了一种列车安全防护系统10，包括：处理器11、存储器12和总线13，所述存储器12存储有所述处理器11可执行的机器可读指令，当所述列车安全防护系统10运行时，所述处理器11与所述存储器12之间通过所述总线13通信，所述机器可读指令被所述处理器11执行时执行上述的列车安全防护方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (11)
1.一种列车安全防护方法，其特征在于，应用于列车安全防护系统，所述列车安全防护系统用于对虚拟编组列车进行安全防护，所述虚拟编组列车包括领车和跟随车，所述方法包括：
采集所述虚拟编组列车中的跟随车在当前时刻的运行数据；
根据所述运行数据预测所述跟随车在下一时刻的加速度；
根据所述跟随车在下一时刻的加速度从多个不同的安全防护模型中确定目标安全防护模型，其中，所述多个不同的安全防护模型对应不同的安全速度上限值；
根据所述安全速度上限值限制所述跟随车的运行速度，以将所述跟随车与所述领车之间的运行距离控制在安全距离范围。
2.根据权利1所述的方法，其特征在于，所述根据所述运行数据预测所述跟随车在下一时刻的加速度，包括：
根据所述跟随车的运行数据分别预测所述跟随车在当前时刻后的预设时间段内的各个时刻的运行状态；
分别对所述跟随车在所述预设时间段内各个时刻的运行状态进行运算获得所述跟随车在各个时刻的预测运动状态向量；
通过优化函数对所述跟随车在预设时间段内各个时刻的预测运动状态向量进行运算，获得所述跟随车在当前时刻的下一时刻的加速度。
3.根据权利要求2所述的方法，其特征在于，所述根据跟随车的运行数据分别预测所述跟随车在当前时刻后的预设时间段内的各个时刻的运行状态，包括：
根据所述跟随车在当前时刻的运行数据获得所述跟随车在当前时刻的运动状态向量，其中，当前时刻的运行数据包括与所述领车之间的间距、与所述领车之间的相对速度、加速度、速度及加速度变化率；
根据公式x(k+1)＝Ax(k)+Bu(k)+Gw(k)计算跟随车在当前时刻后的预设时间段内的各个时刻的运动状态向量，其中，x(k)为所述跟随车在k时刻的运动状态向量，x(k+1)为跟随车在k+1时刻的运动状态向量，A为模型预测控制算法状态变量系数，B为模型预测控制算法输出向量系数，u(k)为所述跟随车在k时刻的加速度，G为模型预测控制算法扰动量系数，w(k)为所述跟随车在k时刻的外部扰动项。
4.根据权利要求3所述的方法，其特征在于，所述分别对所述跟随车在所述预设时间段内各个时刻的运行状态进行运算获得所述跟随车在各个时刻的预测运动状态向量，包括：
根据公式y(k)＝Cx(k)-Z计算所述跟随车在各个时刻的预测运动状态向量，其中，x(k)为所述跟随车在k时刻的运动状态向量，y(k)为所述跟随车在k时刻的预测运动状态向量，C为预测运动状态向量的变量系数，Z为常数。
5.根据权利要求4所述的方法，其特征在于，所述通过优化函数对所述跟随车在预设时间段内各个时刻的预测运动状态向量进行运算，获得所述跟随车在当前时刻的下一时刻的加速度，包括：
根据优化函数f(u)＝∑(预测运动状态向量-参考值)2+∑u*u计算在当前时刻后的预设时间段内的各个时刻的加速度函数值，获得多个加速度函数值，其中，u为加速度值，预测运动状态向量为y(k)，参考值为0，f(u)为加速度函数值；
获取多个所述加速度函数值中最小的函数值对应的加速度值，将所述加速度值确定所述跟随车在当前时刻的下一时刻的加速度。
6.根据权利要求1所述的方法，其特征在于，所述根据所述跟随车在下一时刻的加速度从多个不同的安全防护模型中确定目标安全防护模型，包括：
判断所述加速度是否大于0；
若大于0，则选择牵引-紧急制动防护曲线作为目标安全防护模型；
若不大于0，则判断所述加速度是否等于0；
若等于0，则选择惰性-紧急制动防护曲线作为目标安全防护模型；
若不等于0，则选择制动-紧急制动防护曲线作为目标安全防护模型。
7.根据权利要求1所述的方法，其特征在于，所述根据所述安全速度上限值限制所述跟随车的运行速度，以将所述跟随车与所述领车之间的运行距离控制在安全距离范围内，包括：
根据所述领车的运行速度计算所述跟随车的紧急制动加速度；
在所述跟随车的运行速度大于所述安全速度上限值时，根据所述紧急制动加速度对所述跟随车进行紧急制动。
8.一种列车安全防护装置，其特征在于，应用于列车安全防护系统，所述列车安全防护系统用于对虚拟编组列车进行安全防护，所述虚拟编组列车包括领车和跟随车，所述装置包括：
数据采集模块，用于采集所述虚拟编组列车的跟随车在当前时刻的运行数据；
预测模块，用于根据所述运行数据预测所述跟随车在下一时刻的加速度；
模型选择模块，用于根据所述跟随车在下一时刻的加速度从多个不同的安全防护模型中确定目标安全防护模型，其中，所述多个不同的安全防护模型对应不同的安全速度上限值；
速度限制模块，用于根据所述安全速度上限值限制所述跟随车的运行速度，以将所述跟随车与所述领车之间的运行距离控制在安全距离范围。
9.根据权利要求8所述的装置，其特征在于，所述预测模块具体用于：
根据跟随车的运行数据分别预测所述跟随车在当前时刻后的预设时间段内的各个时刻的运行状态；
分别对所述跟随车在所述预设时间段内各个时刻的运行数据进行运算获得所述跟随车在各个时刻的预测运动状态向量；
通过优化函数对所述跟随车在预设时间段内各个时刻的预测运动状态向量进行运算，获得所述跟随车在当前时刻的下一时刻的加速度。
10.根据权利要求9所述的装置，其特征在于，所述模型选择模块具体用于：
判断所述加速度是否大于0；
若大于0，则选择牵引-紧急制动防护曲线作为目标安全防护模型；
若不大于0，则判断所述加速度是否等于0；
若等于0，则选择惰性-紧急制动防护曲线作为目标安全防护模型；
若不等于0，则选择制动-紧急制动防护曲线作为目标安全防护模型。
11.一种列车安全防护系统，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述列车安全防护系统运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011534905.9A CN112590871B (zh) | 2020-12-23 | 2020-12-23 | 列车安全防护方法、装置和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011534905.9A CN112590871B (zh) | 2020-12-23 | 2020-12-23 | 列车安全防护方法、装置和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112590871A true CN112590871A (zh) | 2021-04-02 |
| CN112590871B CN112590871B (zh) | 2022-09-02 |
Family
ID=75200992
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011534905.9A Active CN112590871B (zh) | 2020-12-23 | 2020-12-23 | 列车安全防护方法、装置和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112590871B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113353122A (zh) * | 2021-06-25 | 2021-09-07 | 重庆交通大学 | 虚拟连挂高速列车在追踪车制动力故障下的控制方法 |
| CN113401179A (zh) * | 2021-07-23 | 2021-09-17 | 交控科技股份有限公司 | 基于编组通信的列车测速方法、装置及设备 |
| CN113525461A (zh) * | 2021-08-06 | 2021-10-22 | 北京交通大学 | 面向虚拟编队的列车运行控制方法 |
| CN113954923A (zh) * | 2021-11-02 | 2022-01-21 | 交控科技股份有限公司 | 一种编组列车停车控制方法和控制系统 |
| CN114559992A (zh) * | 2022-03-14 | 2022-05-31 | 中国电子信息产业集团有限公司第六研究所 | 一种列车安全防护方法、模型训练方法、装置及电子设备 |
| WO2023097823A1 (zh) * | 2021-12-03 | 2023-06-08 | 中车唐山机车车辆有限公司 | 基于时间基准的虚拟编组列车控制方法、设备和存储介质 |
| CN116395006A (zh) * | 2023-05-15 | 2023-07-07 | 北京交通大学 | 一种面向虚拟编组列车同步进站控制方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105313891A (zh) * | 2015-10-22 | 2016-02-10 | 清华大学 | 一种多车协同避撞方法及装置 |
| CN105416299A (zh) * | 2014-08-12 | 2016-03-23 | 通用电气公司 | 用于车辆操作的系统和方法 |
| CN105774800A (zh) * | 2016-03-28 | 2016-07-20 | 清华大学 | 一种混合车辆队列中车辆间的碰撞缓解方法及装置 |
| CN107808027A (zh) * | 2017-09-14 | 2018-03-16 | 上海理工大学 | 基于改进模型预测控制的自适应跟车算法 |
| CN108290579A (zh) * | 2015-11-04 | 2018-07-17 | 祖克斯有限公司 | 用于自主车辆的模拟系统和方法 |
| WO2018155602A1 (ja) * | 2017-02-24 | 2018-08-30 | 株式会社アドヴィックス | 車両の制御装置 |
| CN111348016A (zh) * | 2020-03-31 | 2020-06-30 | 长安大学 | 一种基于v2x的车队协同制动方法及系统 |
| CN111703418A (zh) * | 2020-06-17 | 2020-09-25 | 湖南大学 | 一种基于车车通信的多车分布式协同避撞方法及装置 |
-
2020
- 2020-12-23 CN CN202011534905.9A patent/CN112590871B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105416299A (zh) * | 2014-08-12 | 2016-03-23 | 通用电气公司 | 用于车辆操作的系统和方法 |
| CN105313891A (zh) * | 2015-10-22 | 2016-02-10 | 清华大学 | 一种多车协同避撞方法及装置 |
| CN108290579A (zh) * | 2015-11-04 | 2018-07-17 | 祖克斯有限公司 | 用于自主车辆的模拟系统和方法 |
| CN105774800A (zh) * | 2016-03-28 | 2016-07-20 | 清华大学 | 一种混合车辆队列中车辆间的碰撞缓解方法及装置 |
| WO2018155602A1 (ja) * | 2017-02-24 | 2018-08-30 | 株式会社アドヴィックス | 車両の制御装置 |
| CN107808027A (zh) * | 2017-09-14 | 2018-03-16 | 上海理工大学 | 基于改进模型预测控制的自适应跟车算法 |
| CN111348016A (zh) * | 2020-03-31 | 2020-06-30 | 长安大学 | 一种基于v2x的车队协同制动方法及系统 |
| CN111703418A (zh) * | 2020-06-17 | 2020-09-25 | 湖南大学 | 一种基于车车通信的多车分布式协同避撞方法及装置 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113353122A (zh) * | 2021-06-25 | 2021-09-07 | 重庆交通大学 | 虚拟连挂高速列车在追踪车制动力故障下的控制方法 |
| CN113401179A (zh) * | 2021-07-23 | 2021-09-17 | 交控科技股份有限公司 | 基于编组通信的列车测速方法、装置及设备 |
| CN113401179B (zh) * | 2021-07-23 | 2022-09-02 | 交控科技股份有限公司 | 基于编组通信的列车测速方法、装置及设备 |
| CN113525461A (zh) * | 2021-08-06 | 2021-10-22 | 北京交通大学 | 面向虚拟编队的列车运行控制方法 |
| CN113954923A (zh) * | 2021-11-02 | 2022-01-21 | 交控科技股份有限公司 | 一种编组列车停车控制方法和控制系统 |
| CN113954923B (zh) * | 2021-11-02 | 2024-04-26 | 交控科技股份有限公司 | 一种编组列车停车控制方法和控制系统 |
| WO2023097823A1 (zh) * | 2021-12-03 | 2023-06-08 | 中车唐山机车车辆有限公司 | 基于时间基准的虚拟编组列车控制方法、设备和存储介质 |
| CN114559992A (zh) * | 2022-03-14 | 2022-05-31 | 中国电子信息产业集团有限公司第六研究所 | 一种列车安全防护方法、模型训练方法、装置及电子设备 |
| CN114559992B (zh) * | 2022-03-14 | 2022-12-02 | 中国电子信息产业集团有限公司第六研究所 | 一种列车安全防护方法、模型训练方法、装置及电子设备 |
| CN116395006A (zh) * | 2023-05-15 | 2023-07-07 | 北京交通大学 | 一种面向虚拟编组列车同步进站控制方法及系统 |
| CN116395006B (zh) * | 2023-05-15 | 2024-03-08 | 北京交通大学 | 一种面向虚拟编组列车同步进站控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112590871B (zh) | 2022-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112590871B (zh) | 列车安全防护方法、装置和系统 | |
| KR101256315B1 (ko) | 열차속도 제어장치 및 방법 | |
| US9598077B2 (en) | Vehicle movement control system | |
| KR101583878B1 (ko) | 열차속도 제어장치 | |
| US11904896B2 (en) | Vehicle control device for autonomous vehicle operation | |
| JP6195578B2 (ja) | 車両の緊急ブレーキ状況を判定するための方法 | |
| JP5199315B2 (ja) | 列車自動運転における速度制御装置 | |
| US10308264B2 (en) | System for controlling speed of railway vehicles by considering braking characteristic | |
| CN110794851B (zh) | 车辆远程控制安全防护方法、装置和无人驾驶车辆 | |
| US20230021615A1 (en) | Vehicle control device, and vehicle control system | |
| CN104662592A (zh) | 用于运行车辆的驾驶员辅助系统的方法 | |
| CN109747640B (zh) | 车辆及其控制方法 | |
| CN102666240A (zh) | 碰撞防止装置 | |
| CN104859654A (zh) | 车辆限速目标距离的实时计算方法及跟驰运行控制方法 | |
| US20200070828A1 (en) | Vehicle control device | |
| KR101866610B1 (ko) | 철도 차량에서의 제한속도 초과 경고 장치 | |
| CN109229160B (zh) | 应对恶劣天气的列车自动控制方法、装置及车载设备 | |
| CN112298136B (zh) | 自动驾驶车辆的行车控制方法、装置、设备及可读介质 | |
| Bae et al. | Partial and full braking algorithm according to time-to-collision for both safety and ride comfort in an autonomous vehicle | |
| CN107539298B (zh) | 一种列车的空气制动控制的方法及系统 | |
| CN111114594B (zh) | 轨道列车辅助驾驶控制方法、装置和列车 | |
| van Nunen et al. | Towards a safety mechanism for platooning | |
| US20240101154A1 (en) | Method for planning an at least partly automated driving process by means of a driver assistance system | |
| CN113022561A (zh) | 车辆控制方法及装置 | |
| CN115743236A (zh) | 列车紧急制动控制方法及安装在列车上的电子设备 |
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 |