CN113968263B - 一种列车运行曲线优化方法、装置及电子设备 - Google Patents

一种列车运行曲线优化方法、装置及电子设备 Download PDF

Info

Publication number
CN113968263B
CN113968263B CN202010711007.XA CN202010711007A CN113968263B CN 113968263 B CN113968263 B CN 113968263B CN 202010711007 A CN202010711007 A CN 202010711007A CN 113968263 B CN113968263 B CN 113968263B
Authority
CN
China
Prior art keywords
speed
sequence
point
limiting
section
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
Application number
CN202010711007.XA
Other languages
English (en)
Other versions
CN113968263A (zh
Inventor
颜文彧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BYD Co Ltd
Original Assignee
BYD Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BYD Co Ltd filed Critical BYD Co Ltd
Priority to CN202010711007.XA priority Critical patent/CN113968263B/zh
Publication of CN113968263A publication Critical patent/CN113968263A/zh
Application granted granted Critical
Publication of CN113968263B publication Critical patent/CN113968263B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L15/00—Indicators provided on the vehicle or vehicle train for signalling purposes ; On-board control or communication systems
    • B61L15/0072—On-board train data handling
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L15/00—Indicators provided on the vehicle or vehicle train for signalling purposes ; On-board control or communication systems
    • 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 vehicle trains
    • B61L23/08—Control, warning, or like safety means along the route or between vehicles or vehicle trains for controlling traffic in one direction only
    • B61L23/14—Control, warning, or like safety means along the route or between vehicles or vehicle trains for controlling traffic in one direction only automatically operated
    • 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
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本申请公开了一种列车运行曲线优化方法，包括：根据列车运行路线的轨道信息，获得离散点序列，其中，所述离散点序列包括多个离散点，所述离散点是所述运行路线中满足预设条件的轨道点；根据所述离散点序列中的限速突变点，对所述运行路线进行区段规划，获得与所述运行路线对应的、包括多个区段的区段序列，其中，所述限速突变点是所述离散点序列中的、表征所述运行路线中的列车限速信息发生转折的离散点；根据所述离散点序列和所述区段序列，优化所述列车在所述运行路线上的运行曲线。该方法可以快速的获得满足多约束条件的运行曲线。

Description

一种列车运行曲线优化方法、装置及电子设备
技术领域
本公开涉及轨道交通技术领域，更具体地，涉及一种列车运行曲线优化方法、装置及电子设备。
背景技术
目前，列车上的自动列车运行系统(ATO，AutomaticTrainOperation)一般根据列车运行路线的轨道信息、列车安全限速信息、性能参数信息等约束，计算列车的运行曲线，并根据计算出的运行曲线控制列车行驶。
一般采用以下两种方法计算并优化列车运行曲线。方法1：如图1所示，其为一种现有的列车运行曲线优化方法的示意图，该方法首先将列车运行路线离散化，获得多个离散点；之后，在每一离散点处建立车辆的运动学和动力学模型，通过将各点集组合建立为优化种群，并采用粒子群优化算法或者遗传算法对运行曲线进行优化。方法2：如图2所示，其为另一种现有的列车运行曲线优化方法的示意图，该方法首先将运行路线划分为多个区段；之后，按照设定的固定驾驶模式，通过对列车在运行路线上的驾驶模式组合进行优化，实现对运行曲线的优化。
针对上述方法1，由于该方法是通过离散点来实现运行曲线的优化，其计算复杂度较高，尤其是将针对运行曲线的多种约束分别代入该方法后，其计算复杂度将会急剧增加，可能无法获得最优解，因此，在使用上述方法1优化列车运行曲线时，一般采取简化或者放宽约束的方法来对列车运行曲线进行优化。而针对上述方法2，由于该方法为各区段指定了固定的驾驶模式，因此，通常会导致可实现的运行曲线大大减少，难易获得满足多种约束的运行曲线，并且，使用该方法获得的曲线还存在不够平滑，进而影响乘车舒适性的问题。
发明内容
本公开实施例的一个目的是提供一种优化列车运行曲线的新技术方案。
根据本公开的第一方面，提供了一种列车运行曲线优化方法，该方法包括：
根据列车运行路线的轨道信息，获得离散点序列，其中，所述离散点序列包括多个离散点，所述离散点是所述运行路线中满足预设条件的轨道点；
根据所述离散点序列中的限速突变点，对所述运行路线进行区段规划，获得与所述运行路线对应的、包括多个区段的区段序列，其中，所述限速突变点是所述离散点序列中的、表征所述运行路线中的列车限速信息发生转折的离散点；
根据所述离散点序列和所述区段序列，优化所述列车在所述运行路线上的运行曲线。
根据本公开的第二方面，本公开还提供了一种列车运行曲线优化装置，包括：
离散点序列获得模块，用于根据列车运行路线的轨道信息，获得离散点序列，其中，所述离散点序列包括多个离散点，所述离散点是所述运行路线中满足预设条件的轨道点；
区段序列获得模块，用于根据所述离散点序列中的限速突变点，对所述运行路线进行区段规划，获得与所述运行路线对应的、包括多个区段的区段序列，其中，所述限速突变点是所述离散点序列中的、表征所述运行路线中的列车限速信息发生转折的离散点；
运行曲线获得模块，用于根据所述离散点序列和所述区段序列，优化所述列车在所述运行路线上的运行曲线。
根据本公开的第三方面，还提供了一种电子设备，其包括根据本公开的第二方面所述的装置；或者，所述电子设备包括：存储器，用于存储可执行的指令；处理器，用于根据所述指令的控制运行所述电子设备执行根据本公开的第一方面所述的方法。
本公开的一个有益效果在于，根据本公开的实施例，在获得车辆运行路线的离散点序列之后，通过该离散点序列中的限速突变点，对列车运行路线进行区段规划，以获得贴合列车实际在该运行路线上的驾驶模式的区段序列，之后，通过该离散点序列和该区段序列，获得列车在该运行路线上的运行曲线，使得获得的运行曲线既能精准的满足每个离散点处的轨道约束，又能保证区段规划的计算效率，从而快速的获得满足多约束条件的运行曲线。
通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其他特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本公开的实施例，并且连同其说明一起用于解释本公开的原理。
图1是一种现有的列车运行曲线优化方法的示意图。
图2是另一种现有的列车运行曲线优化方法的示意图。
图3是本公开实施例提供的列车运行曲线优化方法的流程示意图。
图4是本公开实施例提供的列车运行路线的区段规划示意图。
图5是本公开实施例提供的第一目标运行曲线的获得处理示意图。
图6是本公开实施例提供的第二目标运行曲线的获得处理示意图。
图7是本公开实施例提供的列车运行曲线优化装置的原理框图。
图8是本公开实施例提供的电子设备的硬件结构示意图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其他例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
<方法实施例>
图3是本公开实施例提供的列车运行曲线优化方法的流程示意图，该方法可以由电子设备实施，例如可以由列车的车载ATO实施。
如图3所示，本实施例的方法可以包括如下步骤S3100-S3300，以下予以详细说明。
步骤S3100，根据列车运行路线的轨道信息，获得离散点序列，其中，所述离散点序列包括多个离散点，所述离散点是所述运行路线中满足预设条件的轨道点。
针对现有的运行曲线优化方法在优化列车运行曲线时，不能快速的获得满足多约束条件的运行曲线的问题，本实施例提供的方法首先将列车运行路线离散化，获得由多个离散点构成的离散点序列，之后，通过该离散点序列中的限速突变点对列车运行路线进行区段规划，以获得贴合列车实际在该运行路线上的驾驶模式的区段序列；再之后，通过为区段序列中的各区段设置初始入口速度、出口速度、平均加速度以及区段长度，构建第一基因序列，并根据预设的差分进化算法(DE，DifferentialEvolutionAlgorithm)，对该第一基因序列执行基因变异、交叉、修正以及选择处理，从而快速、高效的获得满足多约束条件的运行曲线。以下首先对如何获取离散点序列进行说明。
运行路线，是指列车的运行线路，在本实施例中，为方便描述，以运行路线为由一个发车点，即发车站和一个停车点，即停车站构成的线路为例进行说明。当然，在具体实施时，运行路线当然也可以是包含多个站点的运行线路，此处不做特殊限制。
轨道点，是运行路线的轨道中的任意一个点，例如，运行路线的发车点以及停车点均可视为一个轨道点。
在本实施例中，根据运行路线的轨道信息，即轨道中的各轨道点的坡度信息、弯道信息、限速信息以及其他特殊限制等信息，在运行路线中取多个满足预设条件的轨道点作为离散点，并按照从发车点到停车点的顺序，依次为每一离散点设置标识信息以及记录离散点的坐标、轨道限速值、轨道阻力值、坡度、弯取度、限速信息等信息，其中，离散点的标识信息可以是离散点的编号，所述预设条件可以为以下任意一项或多项：轨道点的坡度不小于预设的坡度阈值；轨道点的弯曲度不小于预设的弯曲度阈值；轨道点的限速信息的转折率不小于预设的转折率阈值。
例如，设定运行路线的发车点为A站，停车点为B站，站间距离为S，则离散点序列可以表示为{sk|k＝1,2,3,...}，其中，k为对应离散点的标识信息，例如为对应离散点的编号；此外，每一离散点的轨道限速值和轨道阻力值可以分别表示为：{vklim|k＝1,2,3,...}和{rk(vk,sk)|k＝1,2,3,...}。
在具体实施时，可以基于安全制动模型，设定运行路线中的停车点为移动授权终点且速度为零，通过计算安全制动曲线以及轨道信息中的限速信息，确定离散点序列的每一离散点的轨道限速值，由于现有技术中有关于如何基于安全制动模型计算安全制动曲线的详细说明，此处不再赘述。
在获得列车运行路线的离散点序列之后，即可根据该离散点序列中的限速突变点，对列车运行路线进行规划，以获得贴合实际驾驶模式的多个区段构成的区段序列。
步骤S3200，根据所述离散点序列中的限速突变点，对所述运行路线进行区段规划，获得与所述运行路线对应的、包括多个区段的区段序列，其中，所述限速突变点是所述离散点序列中的、表征所述运行路线中的列车限速信息发生转折的离散点。
限速突变点，可以是轨道限速信息中的限速值从120km/h突变为40km/h的轨道点；又或者，可以是轨道限速信息中的限速值从40km/h突变为120km/h的轨道点。在本实施例中，运行路线中的限速突变点可以按照发车点到停车点的顺序依次表示为
Figure BDA0002596528100000051
其中，n为大于0的整数。
在本实施例中，根据轨道限速信息中的限速值发生转折的方向的不同，本实施例中的限速突变点至少包括以下两种类型：第一预设限速突变类型以及第二预设限速突变类型。第一预设限速突变类型可以为表征轨道限速信息中的限速值向上突变的类型，即，表征限速突变点为向上突变点，例如，从40km/h突变为120km/h；第二预设限速突变类型可以为表征轨道限速信息中的限速值向下突变的类型，即，表征限速突变点为向下突变点，例如，从120km/h突变为40km/h。当然，在具体实施时，也可以根据需要为限速突变点设置其它不同类型，此处不再赘述。
在本实施例中，将列车运行状态抽象为四种驾驶模式，该四种驾驶模式分别为：加速模式、减速模式、匀速模式和惰行模式。在进行区段规划时，当列车在区段中的驾驶模式为加速模式或减速模式时，将该区段的区段类型定义为第一预设区段类型，即，定义为变速区段；当列车在区段中的驾驶模式为匀速模式或惰行模式时，将该区段的区段类型定义为第二预设区段类型，即，定义为定速区段。
请参看图4，其是本公开实施例提供的列车运行路线的区段规划示意图。如图4所示，在本实施例中，在离散点序列的限速突变点的数量不为零的情况下，可以根据任意两个相邻的限速突变点的类型以及该两点间的距离，对该两点间的运行曲线进行区段规划，并通过限速突变点，将各个区段拼接起来。
具体来讲，所述根据所述离散点序列中的限速突变点，对所述运行路线进行区段规划，获得与所述运行路线对应的、包括多个区段的区段序列，包括：获取所述离散点序列中的限速突变点的数量；在所述数量为零的情况下，将所述运行路线依次规划为加速区段、匀速区段、惰行区段和减速区段；在所述数量不为零的情况下，从所述离散点序列中，获取第一限速突变点和第二限速突变点，并根据所述第一限速突变点和所述第二限速突变点，对所述运行路线进行区段规划，获得所述区段序列，其中，所述第一限速突变点和所述第二限速突变点为所述运行路线中的任意两个相邻突变点，并且所述第二限速突变点在所述第一限速突变点之后。
即，当离散点序列中的限速突变点的数量为零时，说明运行路线中不存在列车速度需要突然转折的位置，因此，列车可以从发车点出发开始，先行加速行驶一段时间；在运行路线的中间段时保持匀速行驶一段时间以及，为了节能，可以在保持匀速行驶一段时间后，进行惰行行驶状态以缓慢减速，并在接近停车点时通过车辆制动力进行减速，以满足在停车点精准停车的约束。
另外，在离散点序列中的限速突变点的数量不为零的情况下，所述根据所述第一限速突变点和所述第二限速突变点，对所述运行路线进行区段规划，获得所述区段序列，包括：获取所述第一限速突变点的第一类型，以及，获取所述第二限速突变点的第二类型；在所述第一类型和所述第二类型一致的情况下，将所述第一限速突变点和所述第二限速突变点之间的运行路线规划为与所述第一类型和所述第二类型对应的区段。
具体来讲，所述将所述第一限速突变点和所述第二限速突变点之间的运行路线规划为与所述第一类型和所述第二类型对应的区段，包括：在所述第一类型和所述第二类型均为第一预设限速突变类型的情况下，将所述第一限速突变点和所述第二限速突变点之间的运行路线规划为加速区段；在所述第一类型和所述第二类型均为第二预设限速突变类型的情况下，将所述第一限速突变点和所述第二限速突变点之间的运行路线规划为减速区段。
如图4(c)所示，在相邻两个限速突变点的类型均为第一预设限速突变类型，即，均为向上突变点的情况下，可以认定列车在该两点间的运行路线上均需要加速，因此，可以将该两点间的运行路线规划为加速区段。如图4(f)所示，在相邻两个限速突变点的类型均为第二预设限速突变类型，即，均为向下突变点的情况下，可以认定列车在该两点间的运行路线上均需要减速，因此，可以将该两点间的运行路线规划为减速区段。
在本实施例中，在所述第一类型和所述第二类型不一致的情况下，所述方法还包括：获取所述第一限速突变点和所述第二限速突变点之间的第一距离；在所述第一距离小于距离阈值的情况下，将所述第一限速突变点和所述第二限速突变点之间的运行路线规划为匀速区段，其中，所述距离阈值根据所述运行路线的站间距离、所述列车在所述运行路线上的计划运行时间以及所述列车的响应延迟时间确定；在所述第一距离不小于所述距离阈值，并且所述第一类型为第一预设限速突变类型的情况下，将所述第一限速突变点和所述第二限速突变点之间的运行路线依次规划为加速区段、匀速区段和减速区段；在所述第一距离不小于所述距离阈值，并且所述第一类型为第二预设限速突变类型的情况下，将所述第一限速突变点和所述第二限速突变点之间的运行路线依次规划为减速区段、匀速区段和减速区段。
如图4(a)和图4(d)所示，为方便描述，在图4中，以SΔ表示第一距离；在具体实施时，在相邻两个限速突变点的类型不一致，并且该两点间的距离小于距离阈值的情况下，可以将两点间的运行路线规划为匀速区段。
该距离阈值可以根据运行路线的站间距离、所述列车在所述运行路线上的计划运行时间以及所述列车的响应延迟时间确定，其中，运行路线的站间距离是指运行路线的发车点和停车点之间的距离。在本实施例中，该距离阈值可以通过以下公式计算获得：
Figure BDA0002596528100000081
其中，TolΔs表示距离阈值，S表示运行路线的站间距离，TPLAN表示列车在运行路线上的计划运行时间，Tdelay表示列车的响应延迟时间，α表示预设的权值，在具体实施时，该预设的权值可以根据实际需要进行设置。
如图4(b)所示，在相邻两个限速突变点的类型不一致，并且该两点间的距离不小于所述距离阈值的情况下，以及，在第一限速突变点的类型为第一预设限速突变类型，即，在第一限速突变点为向上突变点的情况下，可以将所述第一限速突变点和所述第二限速突变点之间的运行路线依次规划为加速区段、匀速区段和减速区段。
如图4(e)所示，在相邻两个限速突变点的类型不一致，并且该两点间的距离不小于所述距离阈值的情况下，以及，在第一限速突变点的类型为第二预设限速突变类型，即，在第一限速突变点为向下突变点的情况下，可以将所述第一限速突变点和所述第二限速突变点之间的运行路线依次规划为减速区段、匀速区段和减速区段。
当然，对于运行路线的发车点与邻近的第一个限速突变点之间的运行路线，可以通过以下方法对该运行路线进行规划，具体来讲，所述方法还包括：在所述第一限速突变点为与所述运行路线上的发车点相邻的限速突变点的情况下，获取所述发车点与所述第一限速突变点之间的第二距离；在所述第二距离小于距离阈值的情况下，将所述发车点和所述第一限速突变点之间的运行路线规划为加速区段，其中，所述距离阈值根据所述运行路线的站间距离、所述列车在所述运行路线上的计划运行时间以及所述列车的响应延迟时间确定；在所述第二距离不小于所述距离阈值，并且所述第一类型为第一预设限速突变类型的情况下，将所述发车点和所述第一限速突变点之间的运行路线依次规划为加速区段和匀速区段；在所述第二距离不小于所述距离阈值，并且所述第一类型为第二预设限速突变类型的情况下，将所述发车点和所述第一限速突变点之间的运行路线依次规划为加速区段、匀速区段和减速区段。
对于运行路线的停止点与邻近的第一个限速突变点之间的运行路线，可以通过以下方法对该运行路线进行规划，具体来讲，所述方法还包括：在所述第二限速突变点为与所述运行路线上的停车点相邻的限速突变点的情况下，所述方法还包括：获取所述第二限速突变点与所述停车点之间的第三距离；在所述第三距离小于距离阈值的情况下，将所述第二限速突变点和所述停车点之间的运行路线规划为减速区段，其中，所述距离阈值根据所述运行路线的站间距离、所述列车在所述运行路线上的计划运行时间以及所述列车的响应延迟时间确定；在所述第三距离不小于所述距离阈值，并且所述第二类型为第一预设限速突变类型的情况下，将所述第二限速突变点和所述停车点之间的运行路线依次规划为加速区段、匀速区段、惰行区段和减速区段；在所述第三距离不小于所述距离阈值，并且所述第二类型为第二预设限速突变类型的情况下，将所述第二限速突变点和所述停车点之间的运行路线依次规划为匀速区段、惰行区段和减速区段。
根据上述说明可知，本实施例提供的方法在获取列车在运行路线上的运行曲线时，在针对运行路线进行区段规划时，不是将运行路线按照列车的固有驾驶模式进行区段规划，而是通过提取运行路线中的限速突变点，根据限速突变点，对列车在运行路线的不同区段的驾驶模式进行规划，从而满足多约束条件的情况下，获得贴合列车实际驾驶模式的区段序列。
在步骤S3200之后，执行步骤S3300，根据所述离散点序列和所述区段序列，获得所述列车在所述运行路线上的运行曲线。
在经过步骤S3200，根据离散点序列中的限速突变点，对列车运行路线进行区段规划，获得贴合列车实际驾驶模式的区段序列后，即可根据步骤S3100中获取的离散点序列和该区段序列，对列车在运行路线上的运行状态进行规划，以获得满足多约束条件的运行曲线。
通常，在规划列车的运行曲线时，根据约束条件的强弱来分，列车的运行曲线一般依次需要满足以下约束：ST1：列车的速度满足轨道限速约束；ST2：受列车性能的限制，列车在运行时的加速度需要在限定的加速度阈值范围内；ST3：为了保证列车运行时的舒适度，列车的加速度变化率需要小于预设的加速度变化率阈值；ST4：由于列车本身惯性质量大，且列车ATO本身存在一定延时，所以列车ATO不能快速的进行加减速度切换。另外，为了保证列车日常运营和经济效益的相关需求，列车的运行性能一般还需要满足以下约束：TA1：精准停车要求，即停车点误差最小化，从而间接限制列车运行起点终点位置恒定；TA2：准点运行要求，即列车应依据时刻表运行；TA3：节能性要求，即列车运行消耗的能量尽可能少。
具体到本实施例中，由于在匀速区段中，列车的牵引力只需要克服轨道阻力，而在惰行区段中，列车理论上不需要牵引力或制动力，因此，当列车在定速区段，即，在区段类型为第二预设区段类型的区段中行驶时，列车的运行状态只受轨道条件影响，因此，通过定速区段的入口速度和区段长度即可计算列车在该种区段中的运行状态，并获取列车在该区段的出口速度。
为了减少计算复杂度，以提升运行曲线的获取效率，在对变速区段，即，列车在区段类型为第一预设区段类型的区段中的运行状态进行规划时，可以采取仅对列车在该种区段中的平均运行状态进行规划。
请参看图5，其是根据本公开实施例提供的第一目标运行曲线的获得处理示意图。如图5所示，所述根据所述离散点序列和所述区段序列，优化所述列车在所述运行路线上的运行曲线，包括如下步骤S5100-S5300，以下予以详细说明。
步骤S5100，根据所述区段序列，构建第一基因序列，其中，所述第一基因序列包括多个基因，所述基因的基因元素包括所述区段序列中所有区段的入口速度、出口速度、平均加速度以及区段长度。
在获得区段序列之后，本实施例通过构建第一基因序列，并使用预设的差分进化算法，获取目标基因，并根据目标基因，获得第一目标运行曲线。
第一基因序列，可以是通过对区段序列中所有区段的入口速度、出口速度、平均加速度以及区段长度进行初始化得到的多个基因构成的序列，或者，也可以是在预设的差分进化算法的一次迭代过程中通过基因选择处理获得的多个基因构成的序列，其中，入口速度、出口速度、平均加速度以及区段长度分别可以称之为基因中的一个基因元素。
需要说明的是，仅当区段的区段类型为第一预设区段类型时，为该区段额外构建基因元素“平均加速度”；而针对其他类型的区段，仅需要构建基因元素入口速度、出口速度、区段长度即可。
具体来讲，所述第一基因序列中的基因可以表示为：
Figure BDA0002596528100000111
其中，
Figure BDA0002596528100000112
表示区段序列中任意区段的入口速度，即，
Figure BDA0002596528100000113
和出口速度，即，
Figure BDA0002596528100000114
Figure BDA0002596528100000115
表示列车在区段中的平均加速度，i表示区段序列中对应区段的编号，该编号根据区段序列中区段的拼接次序获得；
Figure BDA0002596528100000116
表示区段的区段长度。
在具体实施时，可以随机化初始
Figure BDA0002596528100000117
当然，为了保证区段序列中所有区段的长度累加和满足约束
Figure BDA0002596528100000118
即，区段序列中区段的区段长度的累加和与运行路线的站间距离相等，在规划区段的区段长度lj时，可以将lj规划为对应的相邻两个限速突变点的第一距离，即，SΔ的百分比。
而对于
Figure BDA0002596528100000119
的初始化，针对区段序列中区段的区段类型为第二预设区段类型的情况，即，在区段为定速区段时，可以随机初始化该区段的入口速度，当然，为了保证列车在该区段中的运行状态满足轨道限速约束，也可以将该区段的入口速度设置为该区段中的第一个离散点处的轨道限速值，即vklim的百分比参数，并在该区段的区段长度完成初始化的情况下，计算该区段的出口速度。而针对区段序列中区段的区段类型为第一预设区段类型的情况，即，在区段为变速区段时，可以随机初始化该区段的入口速度和出口速度，当然，为了保证列车在该区段中的运行状态满足轨道限速约束，也可以将该区段的入口速度设置为该区段中的第一个离散点处的轨道限速值的百分比参数，以及，将该区段的出口速度设置为该区段中的最后一个离散点处的轨道限速值的百分比参数。
步骤S5200，根据所述第一基因序列和所述离散点序列，通过预设的差分进化算法，获得目标基因。
在获得该第一基因序列之后，可以使用预设的差分进化算法，通过对该第一基因序列中的基因执行基因变异和交叉处理，以及执行基因修正处理，并通过执行基因选择处理，获得目标基因。
具体来讲，所述根据所述第一基因序列和所述离散点序列，通过预设的差分进化算法，获得目标基因，包括：对所述第一基因序列进行基因变异和交叉处理，获得第二基因序列；根据所述离散点序列，对所述第二基因序列中的基因执行基因修正处理；获取与修正后的所述第二基因序列对应的适应值序列，其中，所述适应值序列包括多个适应值，所述多个适应值与所述基因序列中的多个基因对应；据所述适应值序列，对修正后的所述第二基因序列执行基因选择处理，获得所述目标基因。
在本实施例中，所述对所述第一基因序列进行基因变异和交叉处理，获得第二基因序列，包括：从所述第一基因序列中，获取第一基因和第二基因；通过对所述第一基因和所述第二基因中的对应基因元素的差值进行缩放处理，获得第三基因；根据所述第一基因、所述第二基因和所述第三基因，获得所述第二基因序列。
即，在本实施例中，可以通过对任意两个基因中的对应基因元素的差值进行缩放，来获得第三基因。
例如，通过调整任意两个基因中同一区段的区段长度lj1、lj2的差值Δlj占对应SΔ的百分比，以及，调整速度的差值Δvk占对应vklim的百分比，获得新的基因，并根据该新的基因、构建第二基因序列。
需要说明的是，在本实施例中，由于基因序列的每一基因中均构建了列车在运行路线上的各区段的入口速度、出口速度以及平均加速度等，因此，可以认为基因序列中的每一基因均对应列车在该运行路线上的一个运行曲线，而为了获得同时满足多约束条件的运行曲线，本实施例中通过列车在每一基因对应的运行曲线中的对应离散点处的运行状态进行校验，对对应基因中的基因元素进行修正，以使的修正后的基因满足多约束条件。
具体来讲，所述根据所述离散点序列，对所述第二基因序列中的基因执行基因修正处理，包括：从所述离散点序列中，获取第一离散点，以及，从所述第二基因序列中，获取第一基因；在所述列车根据所述第一基因进行行驶规划的情况下，计算所述列车在所述第一离散点处的运行状态；根据所述运行状态，校验所述列车在所述第一离散点处的速度、加速度、加速度变化率以及区段加速度约束是否满足所述预设的约束条件；在所述列车在所述第一离散点处的速度、加速度、加速度变化率以及区段加速度约束中的任意一项不满足所述预设的约束条件的情况下，调整所述第一基因的基因元素的数值。
其中，列车在第一离散点处，即，在任意离散点处的运行状态可以通过以下公式表示：
Figure BDA0002596528100000131
其中，sk表示第一离散点，即，离散点序列中的任意一离散点，M表示所述列车的质量，
Figure BDA0002596528100000132
表示所述列车在sk处的加速度，vk表示列车在sk处的速度，
Figure BDA0002596528100000133
表示列车在sk处的动力，Ft(vk)表示列车在sk处的牵引力，r(vk,sk)表示列车在sk处的轨道阻力，Br(vk)表示列车在sk处的制动力，μf与μb互斥，当μf为1时，μb为0，当μf为0时，μb为1。
所述预设的约束条件可以表示为：
Figure BDA0002596528100000141
其中，s.t.表示预设的约束条件，vklim表示列车在sk处的轨道限速值，[alow,aup]表示列车在sk处的加速度阈值范围，
Figure BDA0002596528100000142
表示列车在sk处的加速度变化率，Δalim表示列车在sk处的加速度变化率阈值，v0、vend分别表示列车在发车点和停车点的速度，
Figure BDA0002596528100000143
表示所述列车在sk处的加速度约束，style(sk)为sk所处区段的区段类型。由此可知，st1-st3分别对应上述约束条件中的约束ST1-ST3，st4为与上述约束条件中的TA1对应的精准停车约束，即，要求列车的终点正好为停车点且车速正好为零，以及，列车在发车点以外的任意离散点处的车速应大于零；st5为与上述约束条件中的ST4对应的区段类型约束，即，要求列车在同一区段内行驶时，加速度的符号不会改变，从而避免列车进行快速的加减速度切换。
根据上述说明可知，当列车在第一离散点处的速度、加速度、加速度变化率以及区段加速度约束中的任意一项不满足预设的约束条件的情况下，可以调整所述第一基因的基因元素的数值以对第一基因进行修正，从而获得满足预设的约束条件的基因序列。
所述获取与修正后的所述第二基因序列对应的适应值序列，包括：在执行所述修正处理时，计算所述列车在所述第一离散点处的运行时间、加速度变化率、牵引力功率以及制动力功率；根据所述运行时间、加速度变化率、牵引力功率以及制动力功率，通过预设的适应度函数(FitnessFunction)，获得与所述第一基因对应的第一适应值；根据所述第一适应值，获得所述适应值序列。
即，为了使获得的运行曲线同时满足上述约束条件中的TA2和TA3，可以在执行上述修正处理时，针对修正后的基因，基于每一离散点累加列车的运行时间、加速度变化率、牵引力功率以及制动力功率；之后，可以使用预设的适应度函数，通过对列车准时、乘车舒适度以及节能进行加权综合，获得每一基因对应的适应值，以获得与修正后的基因序列对应的适应值序列。
在本实施例中，该预设的适应度函数可以表示为：
Figure BDA0002596528100000151
其中，Γ表示基因的适应值，γ1、γ2、γ3分别表示不同的权值参数，在具体实施时，其数值可以根据需要进行设置，σ(·)表示根据对应数据的量纲对所述数据进行归一化处理，其中，加速度变化率可以使用加速度变化的协方差矩阵表示。
需要说明的是有关如何对不同量纲的数据进行归一化处理，因为现有技术中有详细说明，此处不再赘述。
在通过预设的适应度函数，计算获得适应值序列之后，可以根据该适应值序列，执行基因选择，获取目标基因。
具体来讲，所述根据所述适应值序列，对修正后的所述第二基因序列执行基因选择处理，获得所述目标基因，包括：从适应值序列中，获取满足预设适应值条件的适应值；在满足预设的迭代次数的情况下，根据所述适应值，获得所述目标基因。
所述预设适应值条件，可以为适应值序列中的适应值的最优值，例如，可以为适应值的最小值。
所述预设的迭代次数是使用所述预设的差分进化算法执行基因迭代的次数，在具体实施时，该数值可以根据需要进行设置，此处不做特殊限定。
步骤S5300，根据所述目标基因，获得所述列车在所述运行路线上的第一目标运行曲线，其中，所述第一目标运行曲线是满足预设的约束条件的运行曲线。
在获得目标基因之后，由于列车在根据目标基因对应的运行曲线进行行驶时，列车在每一离散点处的速度、加速度、加速度变化率以及区段加速度约束等均满足所述预设的约束条件，因此，可以将该目标基因对应的运行曲线作为第一目标运行曲线，并根据该第一目标运行曲线，控制列车在运行路线上行驶。
根据上述步骤SS3100-S3300可知，本实施例提供的方法在获得车辆运行路线的离散点序列之后，通过该离散点序列中的限速突变点，对列车运行路线进行区段规划，以获得贴合列车实际在该运行路线上的驾驶模式的区段序列，之后，通过该离散点序列和该区段序列，可以获得既能精准的满足每个离散点处的轨道约束，又能保证区段规划的计算效率的第一目标运行曲线。
需要说明的是，在通过以上步骤获得第一目标运行曲线之后，为了保障运行曲线的平滑度，从而使得列车在根据运行曲线行驶时，尽可能的保证乘车舒适度，本实施例提供的方法还可以在获得的第一目标运行曲线的基础上，通过对第一目标运行曲线对应的区段类型为第一预设区段类型，即，变速区段中的各离散点处的加速度进行规划，从而获得较为平滑的第二目标运行曲线，以进一步提升乘车舒适性。
请参看图6，其是本公开实施例提供的第二目标运行曲线的获得处理示意图。如图6所示，所示第二目标运行曲线可以通过如下步骤S6100-S6200获得，以下予以详细说明。
步骤S6100，从所述区段序列中，获取变速区段序列，其中，所述变速区段序列包括多个区段，所述区段的区段类型为第一预设区段类型。
步骤S6200，根据所述离散点序列和所述变速区段序列，优化所述第一目标运行曲线，获得第二目标运行曲线。
在本实施例中，在针对列车变速区段的每一离散点处的运行状态，对第一目标运行曲线进行优化时，设定列车在同一区段的不同离散点处的加速度或减速度均可改变，但是，在同一区段内只可执行单一加速或减速操作，通过对列车在同一区段的不同离散点处的加速度进行规划，对第一目标运行曲线进行优化，从而获得较为平滑的第二目标运行曲线。
由于第二目标运行曲线是在第一目标运行曲线的基础上，对变速区段中的离散点处的加速度进行规划，所以每一变速区段的区段长度、入口速度、出口速度、平均加速度以及列车在变速区段的运行时间都已在第一目标运行曲线中规划获得，因此，该方法仍然可以在满足预设的约束条件的情况下，快速获得有效的最优解。
具体来讲，所述根据所述离散点序列和所述变速区段序列，优化所述第一目标运行曲线，获得第二目标运行曲线，包括：从所述变速区段序列中，获取第一变速区段；根据所述第一目标运行曲线，获取所述第一变速区段的第一区段信息，其中，所述第一区段信息包括所述第一变速区段的第一入口速度、第一出口速度、第一起始点、第一停止点、第一平均加速度以及所述列车在所述第一变速区段中的第一运行时间；从所述离散点序列中，获取第二离散点序列，其中，所述第二离散点序列中的离散点处于所述第一变速区段中；根据所述第一区段信息，通过对所述列车在所述第二离散点序列中的离散点处的加速度进行规划，优化所述第一目标运行曲线，获得所述第二目标运行曲线。
为描述方便，以[sstart,send]分别表示第一起始点和第一停止点，以[vstart,vend]分别表示第一入口速度和第一出口速度，其中，第一起始点为第一变速区段的起始位置，第一停止点为第一变速区段的停止位置。
所述根据所述第一区段信息，通过对所述列车在所述第二离散点序列中的离散点处的加速度进行规划，优化所述第一目标运行曲线，获得所述第二目标运行曲线，包括：根据所述第一入口速度，构建第一种群，其中，所述第一种群包括多个粒子，所述粒子为与所述第一变速区段对应的加速度序列，所述加速度序列包括多个加速度，所述多个加速度与所述第二离散点依次对应且平均值为所述第一平均加速度；根据所述第一种群，通过预设的粒子群优化算法，获得第一目标粒子；根据所述第一目标粒子，获得所述第二目标运行曲线。
即，通过初始化多组平均值为对应变速区段的平均加速度的加速度序列，作为第一种群，通过预设的粒子群优化算法(PSO，ParticleSwarmOptimization)，对第一种群中的粒子执行粒子进化和修正处理，获得满足所述预设的约束条件的第一目标粒子，以获得所述第二目标运行曲线。
所述根据所述第一种群，通过预设的粒子群优化算法，获得第一目标粒子，包括：通过校验所述第一种群的粒子中的加速度是否处于对应离散点处的加速度阈值范围内，对所述第一种群执行种群进化处理，获得第二种群；根据所述第一区段信息，对所述第二种群中的粒子执行粒子修正处理；从执行所述粒子修正处理后的第二种群中，获取满足预设筛选条件的所述第一目标粒子。
具体来讲，可以先通过校验第一种群的粒子中的加速度是否处于对应离散点处的加速度阈值范围，即，[alow,aup]内，对各粒子中的加速度进行调整，以获得第二种群；之后，通过对第二种群中的粒子执行粒子修正处理，获取满足预设筛选条件的第一目标粒子。
在具体实施时，所述根据所述第一区段信息，对所述第二种群中的粒子执行粒子修正处理，包括：从所述第二种群中，获取第一粒子；根据所述第一粒子和所述第一区段信息，计算第二加速度序列，其中，所述第二加速度序列中的加速度是通过所述列车的牵引力或者制动力产生的、在所述第二离散点序列的对应离散点处的加速度；通过校验所述第二加速度序列中的加速度是否处于对应离散点处的加速度阈值范围内，以及，所述第二加速度序列中的加速度变化率是否小于对应离散点处的加速度变化率阈值，对所述第一粒子进行修正，以对所述第二种群中的粒子执行粒子修正处理。
根据上述描述可知，可以将第一粒子的加速度序列中的加速度视为列车在第一变速区段的每一离散点处的计划加速度，可以表示为
Figure BDA0002596528100000181
同时，根据第一区段信息，可得第一变速区段的第一入口速度vk，则根据vk和
Figure BDA0002596528100000182
可依次计算获得
Figure BDA0002596528100000183
其中，vk+1是根据vk和
Figure BDA0002596528100000184
计算得到的列车在下一相邻离散点处的速度；根据相邻两个离散点间的平均速度以及运行路线的轨道阻力信息，通过阻力估计方程可获得列车在每一离散点处的阻力加速度，即，
Figure BDA0002596528100000185
之后，通过将
Figure BDA0002596528100000186
和
Figure BDA0002596528100000187
相减，可得列车在每一离散点处的牵引力或制动力产生的加速度，即，能量加速度
Figure BDA0002596528100000188
通过校验第二加速度序列中的加速度，即，
Figure BDA0002596528100000189
是否在加速度阈值范围，即，[alow,aup]内，对第一粒子的加速度序列，即，
Figure BDA00025965281000001810
中的加速度依次进行修正，并计算新的vk+1。
在对第二种群中的各粒子依次执行上述修正处理，并依次计算新的vk+1之后，可以通过比较每一粒子在对应变速区段的停止点处的计划速度与第一出口速度的差值，获取第一目标粒子。
即，所述从执行上述粒子修正处理后的第二种群中，获取满足预设条件的所述第一目标粒子，包括：从执行所述粒子修正处理后的第二种群中，获取第二粒子；根据所述第二粒子和所述第一入口速度，计算所述列车在所述第一停止点处的计划速度；获取所述计划速度与所述第一出口速度的差值的绝对值；将所述差值的绝对值小于预设差值阈值的所述第二粒子，作为所述第一目标粒子。
即，在对
Figure BDA0002596528100000191
执行上述修正处理后，可得修正后的加速度序列
Figure BDA0002596528100000192
并可根据第一入口速度，计算得到与第一变速区段中的n个离散点分别对应的列车速度{v0,v1,...,vn}，通过比较vn、vend，对
Figure BDA0002596528100000193
进行缩放以获得新的粒子，直至获得vn、vend的差值的绝对值小于预设差值阈值的粒子后，将该粒子作为第一目标粒子。
需要说明的是，在使用上述预设的粒子群优化算法获取第二目标运行曲线的过程中，同样可以设置迭代次数，并在达到迭代次数或者获得满足上述预设的约束条件的粒子的情况下，停止对变速区段中的各离散点处的加速度规划，此处不再赘述。
综上可知，本实施例的方法通过对列车在区段中的驾驶模式进行归类，首先通过区段规划的方式，获得满足多约束条件的第一目标运行曲线；之后，为了进一步提升运行曲线的平滑度，对列车在第一目标运行曲线对应的变速区段中的各离散点处的加速度进行了规划。该方法通过分阶段的运行曲线优化方法，克服了在路程、运行时间、加速度、速度等多重约束条件的约束下，不能找到可行的运行曲线的问题，该方法可以快速的获得满足多约束条件的运行曲线。
<装置实施例>
与上述方法实施例对应，在本实施例中，还提供一种列车运行曲线优化装置，如图7所示，该装置7000可以包括离散点序列获得模块7100、区段序列获得模块7200和运行曲线获得模块7300。
该离散点序列获得模块7100，用于根据列车运行路线的轨道信息，获得离散点序列，其中，所述离散点序列包括多个离散点，所述离散点是所述运行路线中满足预设条件的轨道点。
该区段序列获得模块7200，用于根据所述离散点序列中的限速突变点，对所述运行路线进行区段规划，获得与所述运行路线对应的、包括多个区段的区段序列，其中，所述限速突变点是所述离散点序列中的、表征所述运行路线中的列车限速信息发生转折的离散点。
在一个实施例中，该区段序列获得模块7200在用于根据所述离散点序列中的限速突变点，对所述运行路线进行区段规划，获得与所述运行路线对应的、包括多个区段的区段序列时，可以用于：获取所述离散点序列中的限速突变点的数量；在所述数量为零的情况下，将所述运行路线依次规划为加速区段、匀速区段、惰行区段和减速区段；在所述数量不为零的情况下，从所述离散点序列中，获取第一限速突变点和第二限速突变点，并根据所述第一限速突变点和所述第二限速突变点，对所述运行路线进行区段规划，获得所述区段序列，其中，所述第一限速突变点和所述第二限速突变点为所述运行路线中的任意两个相邻突变点，并且所述第二限速突变点在所述第一限速突变点之后。
在该实施例中，该区段序列获得模块7200在用于根据所述第一限速突变点和所述第二限速突变点，对所述运行路线进行区段规划，获得所述区段序列时，可以用于：获取所述第一限速突变点的第一类型，以及，获取所述第二限速突变点的第二类型；在所述第一类型和所述第二类型一致的情况下，将所述第一限速突变点和所述第二限速突变点之间的运行路线规划为与所述第一类型和所述第二类型对应的区段。
在该实施例中，该区段序列获得模块7200在用于将所述第一限速突变点和所述第二限速突变点之间的运行路线规划为与所述第一类型和所述第二类型对应的区段时，可以用于：在所述第一类型和所述第二类型均为第一预设限速突变类型的情况下，将所述第一限速突变点和所述第二限速突变点之间的运行路线规划为加速区段；在所述第一类型和所述第二类型均为第二预设限速突变类型的情况下，将所述第一限速突变点和所述第二限速突变点之间的运行路线规划为减速区段。
在一个实施例中，在所述第一类型和所述第二类型不一致的情况下，该区段序列获得模块7200还可以用于：获取所述第一限速突变点和所述第二限速突变点之间的第一距离；在所述第一距离小于距离阈值的情况下，将所述第一限速突变点和所述第二限速突变点之间的运行路线规划为匀速区段，其中，所述距离阈值根据所述运行路线的站间距离、所述列车在所述运行路线上的计划运行时间以及所述列车的响应延迟时间确定；在所述第一距离不小于所述距离阈值，并且所述第一类型为第一预设限速突变类型的情况下，将所述第一限速突变点和所述第二限速突变点之间的运行路线依次规划为加速区段、匀速区段和减速区段；在所述第一距离不小于所述距离阈值，并且所述第一类型为第二预设限速突变类型的情况下，将所述第一限速突变点和所述第二限速突变点之间的运行路线依次规划为减速区段、匀速区段和减速区段。
在一个实施例中，在所述第一限速突变点为与所述运行路线上的发车点相邻的限速突变点的情况下，该区段序列获得模块7200，还可以用于：获取所述发车点与所述第一限速突变点之间的第二距离；在所述第二距离小于距离阈值的情况下，将所述发车点和所述第一限速突变点之间的运行路线规划为加速区段，其中，所述距离阈值根据所述运行路线的站间距离、所述列车在所述运行路线上的计划运行时间以及所述列车的响应延迟时间确定；在所述第二距离不小于所述距离阈值，并且所述第一类型为第一预设限速突变类型的情况下，将所述发车点和所述第一限速突变点之间的运行路线依次规划为加速区段和匀速区段；在所述第二距离不小于所述距离阈值，并且所述第一类型为第二预设限速突变类型的情况下，将所述发车点和所述第一限速突变点之间的运行路线依次规划为加速区段、匀速区段和减速区段。
在一个实施例中，在所述第二限速突变点为与所述运行路线上的停车点相邻的限速突变点的情况下，该区段序列获得模块7200，还可以用于：获取所述第二限速突变点与所述停车点之间的第三距离；在所述第三距离小于距离阈值的情况下，将所述第二限速突变点和所述停车点之间的运行路线规划为减速区段，其中，所述距离阈值根据所述运行路线的站间距离、所述列车在所述运行路线上的计划运行时间以及所述列车的响应延迟时间确定；在所述第三距离不小于所述距离阈值，并且所述第二类型为第一预设限速突变类型的情况下，将所述第二限速突变点和所述停车点之间的运行路线依次规划为加速区段、匀速区段、惰行区段和减速区段；在所述第三距离不小于所述距离阈值，并且所述第二类型为第二预设限速突变类型的情况下，将所述第二限速突变点和所述停车点之间的运行路线依次规划为匀速区段、惰行区段和减速区段。
该运行曲线获得模块7300，用于根据所述离散点序列和所述区段序列，优化所述列车在所述运行路线上的运行曲线。
在一个实施例中，该运行曲线获得模块7300在根据所述离散点序列和所述区段序列，优化所述列车在所述运行路线上的运行曲线时，可以用于：根据所述区段序列，构建第一基因序列，其中，所述第一基因序列包括多个基因，所述基因的基因元素包括所述区段序列中所有区段的入口速度、出口速度、平均加速度以及区段长度；根据所述第一基因序列和所述离散点序列，通过预设的差分进化算法，获得目标基因；根据所述目标基因，获得所述列车在所述运行路线上的第一目标运行曲线，其中，所述第一目标运行曲线是满足预设的约束条件的运行曲线。
在一个实施例中，该运行曲线获得模块7300在根据所述第一基因序列和所述离散点序列，通过预设的差分进化算法，获得目标基因时，可以用于：对所述第一基因序列进行基因变异和交叉处理，获得第二基因序列；根据所述离散点序列，对所述第二基因序列中的基因执行基因修正处理；获取与修正后的所述第二基因序列对应的适应值序列，其中，所述适应值序列包括多个适应值，所述多个适应值与所述基因序列中的多个基因对应；根据所述适应值序列，对修正后的所述第二基因序列执行基因选择处理，获得所述目标基因。
在一个实施例中，该运行曲线获得模块7300在对所述第一基因序列进行基因变异和交叉处理，获得第二基因序列时，可以用于：从所述第一基因序列中，获取第一基因和第二基因；通过对所述第一基因和所述第二基因中的对应基因元素的差值进行缩放处理，获得第三基因；根据所述第一基因、所述第二基因和所述第三基因，获得所述第二基因序列。
在一个实施例中，该运行曲线获得模块7300在根据所述离散点序列，对所述第二基因序列中的基因执行基因修正处理时，可以用于：从所述离散点序列中，获取第一离散点，以及，从所述第二基因序列中，获取第一基因；在所述列车根据所述第一基因进行行驶规划的情况下，计算所述列车在所述第一离散点处的运行状态；根据所述运行状态，校验所述列车在所述第一离散点处的速度、加速度、加速度变化率以及区段加速度约束是否满足所述预设的约束条件；在所述列车在所述第一离散点处的速度、加速度、加速度变化率以及区段加速度约束中的任意一项不满足所述预设的约束条件的情况下，调整所述第一基因的基因元素的数值，以使所述列车在所述第一离散点处的速度、加速度、加速度变化率以及区段加速度约束满足所述预设的约束条件。
在一个实施例中，该运行曲线获得模块7300在获取与修正后的所述第二基因序列对应的适应值序列时，可以用于：在执行所述修正处理时，计算所述列车在所述第一离散点处的运行时间、加速度变化率、牵引力功率以及制动力功率；根据所述运行时间、加速度变化率、牵引力功率以及制动力功率，通过预设的适应度函数，获得与所述第一基因对应的第一适应值；根据所述第一适应值，获得所述适应值序列。
在一个实施例中，该运行曲线获得模块7300在根据所述适应值序列，对修正后的所述第二基因序列执行基因选择处理，获得所述目标基因时，可以用于：从适应值序列中，获取满足预设适应值条件的适应值；在满足预设的迭代次数的情况下，根据所述适应值，获得所述目标基因。
在一个实施例中，在获得所述第一目标运行曲线之后，该运行曲线获得模块7300还可以用于：从所述区段序列中，获取变速区段序列，其中，所述变速区段序列包括多个区段，所述区段的区段类型为第一预设区段类型；根据所述离散点序列和所述变速区段序列，优化所述第一目标运行曲线，获得第二目标运行曲线。
在一个实施例中，该运行曲线获得模块7300在根据所述离散点序列和所述变速区段序列，优化所述第一目标运行曲线，获得第二目标运行曲线时，可以用于：从所述变速区段序列中，获取第一变速区段；根据所述第一目标运行曲线，获取所述第一变速区段的第一区段信息，其中，所述第一区段信息包括所述第一变速区段的第一入口速度、第一出口速度、第一起始点、第一停止点、第一平均加速度以及所述列车在所述第一变速区段中的第一运行时间；从所述离散点序列中，获取第二离散点序列，其中，所述第二离散点序列中的离散点处于所述第一变速区段中；根据所述第一区段信息，通过对所述列车在所述第二离散点序列中的离散点处的加速度进行规划，优化所述第一目标运行曲线，获得所述第二目标运行曲线。
在一个实施例中，该运行曲线获得模块7300在根据所述第一区段信息，通过对所述列车在所述第二离散点序列中的离散点处的加速度进行规划，优化所述第一目标运行曲线，获得所述第二目标运行曲线时，可以用于：根据所述第一入口速度，构建第一种群，其中，所述第一种群包括多个粒子，所述粒子为与所述第一变速区段对应的加速度序列，所述加速度序列包括多个加速度，所述多个加速度与所述第二离散点依次对应且平均值为所述第一平均加速度；根据所述第一种群，通过预设的粒子群优化算法，获得第一目标粒子；根据所述第一目标粒子，获得所述第二目标运行曲线。
在一个实施例中，该运行曲线获得模块7300在根据所述第一种群，通过预设的粒子群优化算法，获得第一目标粒子时，可以用于：通过校验所述第一种群的粒子中的加速度是否处于对应离散点处的加速度阈值范围内，对所述第一种群执行种群进化处理，获得第二种群；根据所述第一区段信息，对所述第二种群中的粒子执行粒子修正处理；从执行所述粒子修正处理后的第二种群中，获取满足预设筛选条件的所述第一目标粒子。
在一个实施例中，该运行曲线获得模块7300在根据所述第一区段信息，对所述第二种群中的粒子执行粒子修正处理时，可以用于：从所述第二种群中，获取第一粒子；根据所述第一粒子和所述第一区段信息，计算第二加速度序列，其中，所述第二加速度序列中的加速度是通过所述列车的牵引力或者制动力产生的、在所述第二离散点序列的对应离散点处的加速度；通过校验所述第二加速度序列中的加速度是否处于对应离散点处的加速度阈值范围内，以及，所述第二加速度序列中的加速度变化率是否小于对应离散点处的加速度变化率阈值，对所述第一粒子进行修正，以对所述第二种群中的粒子执行粒子修正处理。
在一个实施例中，该运行曲线获得模块7300在从执行上述粒子修正处理后的第二种群中，获取满足预设筛选条件的所述第一目标粒子时，可以用于：从执行所述粒子修正处理后的第二种群中，获取第二粒子；根据所述第二粒子和所述第一入口速度，计算所述列车在所述第一停止点处的计划速度；获取所述计划速度与所述第一出口速度的差值的绝对值；将所述差值的绝对值小于预设差值阈值的所述第二粒子，作为所述第一目标粒子。
<设备实施例>
在本实施例中，还提供一种电子设备，其可以包括根据本公开任意实施例的列车运行曲线优化装置7000，用于实施本公开任意实施例的列车运行曲线优化方法。
如图8所示，该电子设备8000还可以包括处理器8200和存储器800，该存储器8100用于存储可执行的指令；该处理器8200用于根据指令的控制运行电子设备以执行根据本公开任意实施例的列车运行曲线优化方法。
以上装置8000的各个模块可以由处理器8200运行该指令以执行根据本公开任意实施例的列车运行曲线优化方法来实现。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其他可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。本公开的范围由所附权利要求来限定。

Claims (19)

1.一种列车运行曲线优化方法，包括：
根据列车运行路线的轨道信息，获得离散点序列，其中，所述离散点序列包括多个离散点，所述离散点是所述运行路线中满足预设条件的轨道点；
根据所述离散点序列中的限速突变点，对所述运行路线进行区段规划，获得与所述运行路线对应的、包括多个区段的区段序列，其中，所述限速突变点是所述离散点序列中的、表征所述运行路线中的列车限速信息发生转折的离散点；
所述根据所述离散点序列中的限速突变点，对所述运行路线进行区段规划，获得与所述运行路线对应的、包括多个区段的区段序列，包括：获取所述离散点序列中的限速突变点的数量；在所述数量为零的情况下，将所述运行路线依次规划为加速区段、匀速区段、惰行区段和减速区段；在所述数量不为零的情况下，从所述离散点序列中，获取第一限速突变点和第二限速突变点，并根据所述第一限速突变点和所述第二限速突变点，对所述运行路线进行区段规划，获得所述区段序列，其中，所述第一限速突变点和所述第二限速突变点为所述运行路线中的任意两个相邻突变点，并且所述第二限速突变点在所述第一限速突变点之后；
根据所述离散点序列和所述区段序列，优化所述列车在所述运行路线上的运行曲线；
所述根据所述离散点序列和所述区段序列，优化所述列车在所述运行路线上的运行曲线，包括：根据所述区段序列，构建第一基因序列，其中，所述第一基因序列包括多个基因，所述基因的基因元素包括所述区段序列中所有区段的入口速度、出口速度、平均加速度以及区段长度；根据所述第一基因序列和所述离散点序列，通过预设的差分进化算法，获得目标基因；根据所述目标基因，获得所述列车在所述运行路线上的第一目标运行曲线，其中，所述第一目标运行曲线是满足预设的约束条件的运行曲线。
2.根据权利要求1所述的方法，所述根据所述第一限速突变点和所述第二限速突变点，对所述运行路线进行区段规划，获得所述区段序列，包括：
获取所述第一限速突变点的第一类型，以及获取所述第二限速突变点的第二类型；
在所述第一类型和所述第二类型一致的情况下，将所述第一限速突变点和所述第二限速突变点之间的运行路线规划为与所述第一类型和所述第二类型对应的区段。
3.根据权利要求2所述的方法，所述将所述第一限速突变点和所述第二限速突变点之间的运行路线规划为与所述第一类型和所述第二类型对应的区段，包括：
在所述第一类型和所述第二类型均为第一预设限速突变类型的情况下，将所述第一限速突变点和所述第二限速突变点之间的运行路线规划为加速区段，所述第一预设限速突变类型为表征轨道限速信息中的限速值向上突变的类型；
在所述第一类型和所述第二类型均为第二预设限速突变类型的情况下，将所述第一限速突变点和所述第二限速突变点之间的运行路线规划为减速区段，所述第二预设限速突变类型为表征轨道限速信息中的限速值向下突变的类型。
4.根据权利要求2所述的方法，在所述第一类型和所述第二类型不一致的情况下，所述方法还包括：
获取所述第一限速突变点和所述第二限速突变点之间的第一距离；
在所述第一距离小于距离阈值的情况下，将所述第一限速突变点和所述第二限速突变点之间的运行路线规划为匀速区段，其中，所述距离阈值根据所述运行路线的站间距离、所述列车在所述运行路线上的计划运行时间以及所述列车的响应延迟时间确定；
在所述第一距离不小于所述距离阈值，并且所述第一类型为第一预设限速突变类型的情况下，将所述第一限速突变点和所述第二限速突变点之间的运行路线依次规划为加速区段、匀速区段和减速区段，所述第一预设限速突变类型为表征轨道限速信息中的限速值向上突变的类型；
在所述第一距离不小于所述距离阈值，并且所述第一类型为第二预设限速突变类型的情况下，将所述第一限速突变点和所述第二限速突变点之间的运行路线依次规划为减速区段、匀速区段和加速区段，所述第二预设限速突变类型为表征轨道限速信息中的限速值向下突变的类型。
5.根据权利要求2所述的方法，在所述第一限速突变点为与所述运行路线上的发车点相邻的限速突变点的情况下，所述方法还包括：
获取所述发车点与所述第一限速突变点之间的第二距离；
在所述第二距离小于距离阈值的情况下，将所述发车点和所述第一限速突变点之间的运行路线规划为加速区段，其中，所述距离阈值根据所述运行路线的站间距离、所述列车在所述运行路线上的计划运行时间以及所述列车的响应延迟时间确定；
在所述第二距离不小于所述距离阈值，并且所述第一类型为第一预设限速突变类型的情况下，将所述发车点和所述第一限速突变点之间的运行路线依次规划为加速区段和匀速区段，所述第一预设限速突变类型为表征轨道限速信息中的限速值向上突变的类型；
在所述第二距离不小于所述距离阈值，并且所述第一类型为第二预设限速突变类型的情况下，将所述发车点和所述第一限速突变点之间的运行路线依次规划为加速区段、匀速区段和减速区段，所述第二预设限速突变类型为表征轨道限速信息中的限速值向下突变的类型。
6.根据权利要求2所述的方法，在所述第二限速突变点为与所述运行路线上的停车点相邻的限速突变点的情况下，所述方法还包括：
获取所述第二限速突变点与所述停车点之间的第三距离；
在所述第三距离小于距离阈值的情况下，将所述第二限速突变点和所述停车点之间的运行路线规划为减速区段，其中，所述距离阈值根据所述运行路线的站间距离、所述列车在所述运行路线上的计划运行时间以及所述列车的响应延迟时间确定；
在所述第三距离不小于所述距离阈值，并且所述第二类型为第一预设限速突变类型的情况下，将所述第二限速突变点和所述停车点之间的运行路线依次规划为加速区段、匀速区段、惰行区段和减速区段，所述第一预设限速突变类型为表征轨道限速信息中的限速值向上突变的类型；
在所述第三距离不小于所述距离阈值，并且所述第二类型为第二预设限速突变类型的情况下，将所述第二限速突变点和所述停车点之间的运行路线依次规划为匀速区段、惰行区段和减速区段，所述第二预设限速突变类型为表征轨道限速信息中的限速值向下突变的类型。
7.根据权利要求1所述的方法，所述根据所述第一基因序列和所述离散点序列，通过预设的差分进化算法，获得目标基因，包括：
对所述第一基因序列进行基因变异和交叉处理，获得第二基因序列；
根据所述离散点序列，对所述第二基因序列中的基因执行基因修正处理；
获取与修正后的所述第二基因序列对应的适应值序列，其中，所述适应值序列包括多个适应值，所述多个适应值与所述第二基因序列中的多个基因对应；
根据所述适应值序列，对修正后的所述第二基因序列执行基因选择处理，获得所述目标基因。
8.根据权利要求7所述的方法，所述对所述第一基因序列进行基因变异和交叉处理，获得第二基因序列，包括：
从所述第一基因序列中，获取第一基因和第二基因；
通过对所述第一基因和所述第二基因中的对应基因元素的差值进行缩放处理，获得第三基因；
根据所述第一基因、所述第二基因和所述第三基因，获得所述第二基因序列。
9.根据权利要求7所述的方法，所述根据所述离散点序列，对所述第二基因序列中的基因执行基因修正处理，包括：
从所述离散点序列中，获取第一离散点，以及，从所述第二基因序列中，获取第一基因；
在所述列车根据所述第一基因进行行驶规划的情况下，计算所述列车在所述第一离散点处的运行状态；
根据所述运行状态，校验所述列车在所述第一离散点处的速度、加速度、加速度变化率以及区段加速度约束是否满足所述预设的约束条件；
在所述列车在所述第一离散点处的速度、加速度、加速度变化率以及区段加速度约束中的任意一项不满足所述预设的约束条件的情况下，调整所述第一基因的基因元素的数值。
10.根据权利要求9所述的方法，所述获取与修正后的所述第二基因序列对应的适应值序列，包括：
在执行所述修正处理时，计算所述列车在所述第一离散点处的运行时间、加速度变化率、牵引力功率以及制动力功率；
根据所述运行时间、加速度变化率、牵引力功率以及制动力功率，通过预设的适应度函数，获得与所述第一基因对应的第一适应值；
根据所述第一适应值，获得所述适应值序列。
11.根据权利要求7所述的方法，所述根据所述适应值序列，对修正后的所述第二基因序列执行基因选择处理，获得所述目标基因，包括：
从适应值序列中，获取满足预设适应值条件的适应值；
在满足预设的迭代次数的情况下，根据所述适应值，获得所述目标基因。
12.根据权利要求1所述的方法，在获得所述第一目标运行曲线之后，所述方法还包括：
从所述区段序列中，获取变速区段序列，其中，所述变速区段序列包括多个区段，所述区段的区段类型为变速区段类型；
根据所述离散点序列和所述变速区段序列，优化所述第一目标运行曲线，获得第二目标运行曲线。
13.根据权利要求12所述的方法，所述根据所述离散点序列和所述变速区段序列，优化所述第一目标运行曲线，获得第二目标运行曲线，包括：
从所述变速区段序列中，获取第一变速区段；
根据所述第一目标运行曲线，获取所述第一变速区段的第一区段信息，其中，所述第一区段信息包括所述第一变速区段的第一入口速度、第一出口速度、第一起始点、第一停止点、第一平均加速度以及所述列车在所述第一变速区段中的第一运行时间；
从所述离散点序列中，获取第二离散点序列，其中，所述第二离散点序列中的离散点处于所述第一变速区段中；
根据所述第一区段信息，通过对所述列车在所述第二离散点序列中的离散点处的加速度进行规划，优化所述第一目标运行曲线，获得所述第二目标运行曲线。
14.根据权利要求13所述的方法，所述根据所述第一区段信息，通过对所述列车在所述第二离散点序列中的离散点处的加速度进行规划，优化所述第一目标运行曲线，获得所述第二目标运行曲线，包括：
根据所述第一入口速度，构建第一种群，其中，所述第一种群包括多个粒子，所述粒子为与所述第一变速区段对应的加速度序列，所述加速度序列包括多个加速度，所述多个加速度与所述第二离散点序列中的离散点依次对应且平均值为所述第一平均加速度；
根据所述第一种群，通过预设的粒子群优化算法，获得第一目标粒子；
根据所述第一目标粒子，获得所述第二目标运行曲线。
15.根据权利要求14所述的方法，所述根据所述第一种群，通过预设的粒子群优化算法，获得第一目标粒子，包括：
通过校验所述第一种群的粒子中的加速度是否处于对应离散点处的加速度阈值范围内，对所述第一种群执行种群进化处理，获得第二种群；
根据所述第一区段信息，对所述第二种群中的粒子执行粒子修正处理；
从执行所述粒子修正处理后的第二种群中，获取满足预设筛选条件的所述第一目标粒子。
16.根据权利要求15所述的方法，所述根据所述第一区段信息，对所述第二种群中的粒子执行粒子修正处理，包括：
从所述第二种群中，获取第一粒子；
根据所述第一粒子和所述第一区段信息，计算第二加速度序列，其中，所述第二加速度序列中的加速度是通过所述列车的牵引力或者制动力产生的、在所述第二离散点序列的对应离散点处的加速度；
通过校验所述第二加速度序列中的加速度是否处于对应离散点处的加速度阈值范围内，以及，所述第二加速度序列中的加速度变化率是否小于对应离散点处的加速度变化率阈值，对所述第一粒子进行修正，以对所述第二种群中的粒子执行粒子修正处理。
17.根据权利要求16所述的方法，所述从执行所述粒子修正处理后的第二种群中，获取满足预设筛选条件的所述第一目标粒子，包括：
从执行所述粒子修正处理后的第二种群中，获取第二粒子；
根据所述第二粒子和所述第一入口速度，计算所述列车在所述第一停止点处的计划速度；
获取所述计划速度与所述第一出口速度的差值的绝对值；
将所述差值的绝对值小于预设差值阈值的所述第二粒子，作为所述第一目标粒子。
18.一种列车运行曲线优化装置，包括：
离散点序列获得模块，用于根据列车运行路线的轨道信息，获得离散点序列，其中，所述离散点序列包括多个离散点，所述离散点是所述运行路线中满足预设条件的轨道点；
区段序列获得模块，用于根据所述离散点序列中的限速突变点，对所述运行路线进行区段规划，获得与所述运行路线对应的、包括多个区段的区段序列，其中，所述限速突变点是所述离散点序列中的、表征所述运行路线中的列车限速信息发生转折的离散点；
所述根据所述离散点序列中的限速突变点，对所述运行路线进行区段规划，获得与所述运行路线对应的、包括多个区段的区段序列，包括：获取所述离散点序列中的限速突变点的数量；在所述数量为零的情况下，将所述运行路线依次规划为加速区段、匀速区段、惰行区段和减速区段；在所述数量不为零的情况下，从所述离散点序列中，获取第一限速突变点和第二限速突变点，并根据所述第一限速突变点和所述第二限速突变点，对所述运行路线进行区段规划，获得所述区段序列，其中，所述第一限速突变点和所述第二限速突变点为所述运行路线中的任意两个相邻突变点，并且所述第二限速突变点在所述第一限速突变点之后；
运行曲线获得模块，用于根据所述离散点序列和所述区段序列，优化所述列车在所述运行路线上的运行曲线；
所述根据所述离散点序列和所述区段序列，优化所述列车在所述运行路线上的运行曲线，包括：根据所述区段序列，构建第一基因序列，其中，所述第一基因序列包括多个基因，所述基因的基因元素包括所述区段序列中所有区段的入口速度、出口速度、平均加速度以及区段长度；根据所述第一基因序列和所述离散点序列，通过预设的差分进化算法，获得目标基因；根据所述目标基因，获得所述列车在所述运行路线上的第一目标运行曲线，其中，所述第一目标运行曲线是满足预设的约束条件的运行曲线。
19.一种电子设备，包括权利要求18所述的装置；或者，
所述电子设备包括：
存储器，用于存储可执行的指令；
处理器，用于根据所述指令的控制运行所述电子设备执行如权利要求1-17任意一项所述的方法。
CN202010711007.XA 2020-07-22 2020-07-22 一种列车运行曲线优化方法、装置及电子设备 Active CN113968263B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010711007.XA CN113968263B (zh) 2020-07-22 2020-07-22 一种列车运行曲线优化方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010711007.XA CN113968263B (zh) 2020-07-22 2020-07-22 一种列车运行曲线优化方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN113968263A CN113968263A (zh) 2022-01-25
CN113968263B true CN113968263B (zh) 2022-12-09

Family

ID=79584838

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010711007.XA Active CN113968263B (zh) 2020-07-22 2020-07-22 一种列车运行曲线优化方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN113968263B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015101149A (ja) * 2013-11-22 2015-06-04 公益財団法人鉄道総合技術研究所 プログラム及び運転曲線作成装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101927768B (zh) * 2009-06-18 2012-08-15 株洲南车时代电气股份有限公司 一种搜索列车牵引计算制动点、加速点及惰行点的方法
CN102649439B (zh) * 2012-05-16 2014-10-29 上海申通地铁集团有限公司 轨道交通运行策略制定方法
JP6296716B2 (ja) * 2013-07-19 2018-03-20 株式会社東芝 運転曲線作成装置、運転曲線作成装置の制御方法及び制御プログラム
CN104656452B (zh) * 2015-02-04 2017-12-15 广西大学 一种基于矩阵离散的地铁列车优化控制方法及装置
CN105501252B (zh) * 2015-11-30 2017-05-24 中国神华能源股份有限公司 一种列车运行控制设备和方法
CN106379378B (zh) * 2016-09-09 2018-02-06 北京交通大学 一种离线和在线结合调整驾驶曲线的方法和系统
CN106503804A (zh) * 2016-10-11 2017-03-15 南京理工大学 一种基于Pareto多目标遗传算法的列车定时节能运行方法
CN109815523B (zh) * 2018-12-05 2023-05-05 南京工程学院 基于分解的列车运行多目标差分进化算法
CN110188401B (zh) * 2019-05-07 2022-09-27 南京理工大学 一种基于改进pso的有轨电车运行能耗优化方法
CN111169508A (zh) * 2020-01-14 2020-05-19 北京工业大学 一种基于位置离散化动态规划的列车节能速度曲线优化方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015101149A (ja) * 2013-11-22 2015-06-04 公益財団法人鉄道総合技術研究所 プログラム及び運転曲線作成装置

Also Published As

Publication number Publication date
CN113968263A (zh) 2022-01-25

Similar Documents

Publication Publication Date Title
Qu et al. Jointly dampening traffic oscillations and improving energy consumption with electric, connected and automated vehicles: A reinforcement learning based approach
CN110298131B (zh) 一种混合驾驶环境下自动驾驶换道决策模型建立方法
CN108919795B (zh) 一种自动驾驶汽车换道决策方法及装置
Ding et al. Penetration effect of connected and automated vehicles on cooperative on‐ramp merging
Wang et al. Potential impacts of ecological adaptive cruise control systems on traffic and environment
Qian et al. Autonomous intersection management systems: Criteria, implementation and evaluation
Rios-Torres et al. Impact of connected and automated vehicles on traffic flow
CN112784406B (zh) 基于移动闭塞时空占用带模型的列车追踪运行优化方法
CN113253612B (zh) 一种自动驾驶控制方法、装置、设备及可读存储介质
Mohtavipour et al. A guaranteed-comfort and safe adaptive cruise control by considering driver’s acceptance level
CN113968263B (zh) 一种列车运行曲线优化方法、装置及电子设备
Kim et al. Identifying suitable car-following models to simulate automated vehicles on highways
CN114167857B (zh) 一种无人驾驶设备的控制方法及装置
CN115973179A (zh) 模型训练方法、车辆控制方法、装置、电子设备及车辆
CN116653957A (zh) 一种变速变道方法、装置、设备及存储介质
Lejeune et al. Towards eco‐aware timetabling: evolutionary approach and cascading initialisation strategy for the bi‐objective optimisation of train running times
US20230339459A1 (en) Safety measurement of autonomous vehicle driving in simulation
CN114488799B (zh) 汽车自适应巡航系统控制器参数优化方法
CN113928341B (zh) 一种道路决策方法、系统、设备和介质
Bai et al. Station stopping of freight trains with pneumatic braking
CN113313939B (zh) 一种考虑加速度连续的单车道元胞自动机模型仿真方法
CN115320616A (zh) 一种自动驾驶车辆速度的控制方法、装置、设备及介质
CN113805485B (zh) 一种暖启动c/gmres方法、系统、设备及介质
Mello et al. Optimizing Range and Efficiency in Autonomous EVs: The Role of the Time Horizon
Gu et al. Mandatory Lane-Changing Decision-Making in Dense Traffic for Autonomous Vehicles based on Deep Reinforcement Learning

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