CN117681932A - 一种基于虚拟连挂的重载列车控制方法、系统及存储介质 - Google Patents
一种基于虚拟连挂的重载列车控制方法、系统及存储介质 Download PDFInfo
- Publication number
- CN117681932A CN117681932A CN202410003240.0A CN202410003240A CN117681932A CN 117681932 A CN117681932 A CN 117681932A CN 202410003240 A CN202410003240 A CN 202410003240A CN 117681932 A CN117681932 A CN 117681932A
- Authority
- CN
- China
- Prior art keywords
- heavy
- train
- duty
- control
- virtual
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004891 communication Methods 0.000 claims abstract description 54
- 238000010586 diagram Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000013528 artificial neural network Methods 0.000 claims abstract description 14
- 238000005516 engineering process Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000008878 coupling Effects 0.000 claims description 8
- 239000000178 monomer Substances 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000000306 recurrent effect Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 239000003795 chemical substances by application Substances 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005381 potential energy Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种基于虚拟连挂的重载列车控制方法、系统及存储介质，涉及重载列车智能控制技术领域。分别获取重载列车的第一运行数据；根据重载列车的第一运行数据得到通信重载列车顺序图，基于重载列车运行过程中的各个控制基站第一控制参数以及通信重载列车顺序图建立虚拟连挂重载列车通信拓扑网络模型；将重载列车的第一运行数据输入神经网络预测模型中，预测下一时刻的第二运行数据；将第二运行数据输入至虚拟连挂重载列车通信拓扑网络模型中，计算各个控制基站的第二控制参数；将各个控制基站的第二控制参数协同处理，得到最优控制参数。提高了重载列车的控制效率以及控制精度。
Description
技术领域
本发明涉及重载列车智能控制技术领域，更具体的说是涉及一种基于虚拟连挂的重载列车控制方法、系统及存储介质。
背景技术
当前中国重载铁路线路正在不断拓展，重载铁路运输在轨道运输中具有非常重要的战略地位和经济地位。随着重载铁路的高速发展，重载铁路运能不断提升，重载铁路运输需求也在不断提高，如何提升运输效率和保障运行安全一直是铁路研究的重点和挑战。无线通信技术、传感器技术、车-车通信技术的发展给铁路行业带来新的机遇，万物互联、智慧交通等概念催生出多种提高铁路安全保障、运输效率、资源分配效率、运营维护效率的技术解决方案。重载列车一般是指在货运量集中到发的运输线路上采用大型专用货车编组，采用双机或多机牵引开行的一种超长、超重的货物列车，重载列车重载列车载重力大；列车编挂辆数多。目前，为了实现重载列车的多辆重载列车的编挂，提出了列车虚拟连挂技术。列车虚拟连挂技术以车-车通信技术为核心，通过车-车通信链路实时转发前后列车的速度、位置关系，并及时调整自身速度，可有效提升运输效率和运能，并能在有特定股道作业需求时进行虚拟连挂或解挂操作。此外，虚拟连挂技术最大限度上减少了物理操作，进一步节约时间、人力物力资源和成本。
所谓虚拟连挂，就是指不通过物理车钩的方式，将两列车当做一列车来进行控制和管理，这两列车能够在较小的间距下同步加速、同步减速、同步停车。然而，如何实现多辆重载列车的协同管理，进而实现虚拟连挂是本领域技术人员亟需研究的。
发明内容
有鉴于此，本发明提供了一种基于虚拟连挂的重载列车控制方法、系统及存储介质，实现了重载列车的同步加速、同步减速以及同步停车，从而解决背景技术中存在的问题。
为了实现上述目的，本发明采用如下技术方案：
一种基于虚拟连挂的重载列车控制方法，包括以下步骤：
分别获取重载列车的第一运行数据，所述重载列车的第一运行数据包括：重载列车运行状态、重载列车性能以及重载列车运行过程中的路况信息；
根据重载列车的第一运行数据得到通信重载列车顺序图，基于重载列车运行过程中的各个控制基站第一控制参数以及通信重载列车顺序图建立虚拟连挂重载列车通信拓扑网络模型；
将重载列车的第一运行数据输入神经网络预测模型中，预测下一时刻的第二运行数据；
将第二运行数据输入至虚拟连挂重载列车通信拓扑网络模型中，计算各个控制基站的第二控制参数；
将各个控制基站的第二控制参数协同处理，得到最优控制参数。
可选的，所述重载列车运行状态包括重载列车的速度、加速度以及前后车的前后距离；所述重载列车性能包括重载列车通信时延和制动性能差异；所述路况信息包括是否存在坡度，是否有隧道，是否有桥梁以及天气状况。
可选的，所述通信重载列车顺序图中的信息包括前一重载列车和后一重载列车的相对距离，当前虚拟连挂重载列车所处路况信息以及重载列车性能信息；其中，前一重载列车和后一重载列车的相对距离计算步骤如下：
对虚拟连挂重载列车中的每一个重载列车设定连续编号；
基于车-车通信及激光雷达技术的虚拟连挂列车识别系统结合低时延车-车通信、高精度激光雷达测距实时获取相邻编号重载列车的速度信息以及距离信息，进而预测下一时刻的相邻编号重载列车的相对距离。
可选的，还包括利用最优控制参数对递归神经网络进行训练，得到重载列车虚拟连挂控制模型，基于重载列车虚拟连挂控制模型对重载列车进行控制。
可选的，将各个控制基站的第二控制参数协同处理，具体包括：
每个基站对应一个控制参数节点，将多个控制参数节点的控制参数组成控制参数矩阵；
预设目标控制增益系数矩阵，将控制参数矩阵和目标控制增益系数矩阵做乘积，得到协同控制结果。
根据多列重载列车的运行情况，应用多智能体编队控制原理，通过协同巡航控制实现重载列车各单元列车间保持安全间距。
可选的，还包括获取异常的协同数据，对协同处理过程中的各项数据进行预处理，并归一化，获得各个重载列车单体的协同控制参数以及协同控制状态，其中协同控制状态包括重载列车单体的刹车距离和重载列车单体的速度信息，以及重载列车整体的运行速度，将重载列车整体的运行速度和重载列车单体的运行速度进行实时追溯评估。
一种基于虚拟连挂的重载列车控制系统，包括：
初始运行数据获取模块：分别获取重载列车的第一运行数据，所述重载列车的第一运行数据包括：重载列车运行状态、重载列车性能以及重载列车运行过程中的路况信息；
通信拓扑网络模型构建模块：用于根据重载列车的第一运行数据得到通信重载列车顺序图，基于重载列车运行过程中的各个控制基站第一控制参数以及通信重载列车顺序图建立虚拟连挂重载列车通信拓扑网络模型；
运行数据预测模块：用于将重载列车的第一运行数据输入神经网络预测模型中，预测下一时刻的第二运行数据；
控制参数计算模块：用于将第二运行数据输入至虚拟连挂重载列车通信拓扑网络模型中，计算各个控制基站的第二控制参数；
协同处理模块：用于将各个控制基站的第二控制参数协同处理，得到最优控制参数。
可选的，还包括重载列车控制模型建立模块：用于利用最优控制参数对递归神经网络进行训练，得到重载列车虚拟连挂控制模型，基于重载列车虚拟连挂控制模型对重载列车进行控制。
一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现任意一项所述的一种基于虚拟连挂的重载列车控制方法的步骤。
经由上述的技术方案可知，与现有技术相比，本发明提供了一种基于虚拟连挂的重载列车控制方法、系统及存储介质，具有以下有益效果：
1、本发明通过对重载列车的运行数据综合分析，及时发现运行过程中当前时刻或者下一时刻是否存在相对距离过小的问题，实现重载列车运行过程中的及时响应，能够提高重载列车的控制效率，并通过预测的方式，预见下一时刻重载列车的运行状态，并根据重载列车的自身参数，提高重载列车的控制精度，具有良好的应用前景。
2、本发明基于车-车通信及激光雷达技术的虚拟连挂重载列车识别系统结合低时延车-车通信、高精度激光雷达测距等技术确保后重载列车车列控系统能精准、实时获取前方重载列车的位置、速度信息，通过重载列车的控制模型，实时调整列车制动方式，绘制制动曲线，在编组列车密集追踪场景下保障列控系统高可靠性、高安全性，进一步缩短列车运行间距、提高铁路运输效率、轨道占用率，应用前景广泛。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明的方法流程示意图；
图2为本发明的系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种基于虚拟连挂的重载列车控制方法，如图1所示，包括以下步骤：
S1：分别获取重载列车的第一运行数据，所述重载列车的第一运行数据包括：重载列车运行状态、重载列车性能以及重载列车运行过程中的路况信息；
S2：根据重载列车的第一运行数据得到通信重载列车顺序图，基于重载列车运行过程中的各个控制基站第一控制参数以及通信重载列车顺序图建立虚拟连挂重载列车通信拓扑网络模型；
S3：将重载列车的第一运行数据输入神经网络预测模型中，预测下一时刻的第二运行数据；
S4：将第二运行数据输入至虚拟连挂重载列车通信拓扑网络模型中，计算各个控制基站的第二控制参数；
S5：将各个控制基站的第二控制参数协同处理，得到最优控制参数。
进一步的，在S1中，所述重载列车运行状态包括重载列车的速度、加速度以及前后车的前后距离；所述重载列车性能包括重载列车通信时延和制动性能差异；所述路况信息包括是否存在坡度，是否有隧道，是否有桥梁以及天气状况。
进一步的，在S2中，所述通信重载列车顺序图中的信息包括前一重载列车和后一重载列车的相对距离，当前虚拟连挂重载列车所处路况信息以及重载列车性能信息；其中，前一重载列车和后一重载列车的相对距离计算步骤如下：
S21：对虚拟连挂重载列车中的每一个重载列车设定连续编号；
S22：基于车-车通信及激光雷达技术的虚拟连挂列车识别系统结合低时延车-车通信、高精度激光雷达测距实时获取相邻编号重载列车的速度信息以及距离信息，进而预测下一时刻相邻编号重载列车的相对距离。
其中，相对距离包括为实现虚拟编组列车中单元列车间小间距(即远小于绝对制动距离)的安全运行，单元列车间的安全防护控制须突破传统基于绝对制动距离的列车防护方式改为基于相对制动距离方式。通过本发明的上述技术方案后车能够充分利用前车的位置、速度、加速度等运行状态信息，将前车未来时刻才会动态释放的线路资源提前纳入防护速度计算过程，从而在确保安全的前提下缩短列车追踪间距。
在虚拟连挂场景下列控系统需在保证列车安全、可靠和高效运行的前提下，尽可能缩减列车运行间隔。因此，要求列车识别系统响应、测量时延低；通信系统更新移动授权的消息频率高，即采用车-车通信模式。另外，列控系统的高安全性依赖于列车识别系统的高可靠性，根据故障-安全原则，一旦出现故障且后车无法收到前车运行、速度信息时，应采取制动停车策略。
进一步的，在S5中，将各个控制基站的第二控制参数协同处理，具体包括：
S51：每个基站对应一个控制参数节点，将多个控制参数节点的控制参数组成控制参数矩阵；
S52：预设目标控制增益系数矩阵，将控制参数矩阵和目标控制增益系数矩阵做乘积，得到协同控制结果。
更进一步的，结合多列重载单元列车的运行特点，还可以应用多智能体编队控制原理，通过协同巡航控制实现重载列车各单元列车间保持安全间距。具体做法是：将单元列车之间的安全间距作为势能函数的极值点，通过改进势能函数的方式，既确保虚拟编组的稳定运行，又保证单元列车之间的安全间距、满足单元列车的安全防护需求。
对于本实施例的进一步优化还包括利用最优控制参数对递归神经网络进行训练，得到重载列车虚拟连挂控制模型，基于重载列车虚拟连挂控制模型对重载列车进行控制。本发明利用递归神经网络对专家经验数据进行拟合预测，训练得到一个安全、稳定、高效的重载列车虚拟控制器，并将重载列车虚拟控制器运用到重载列车实际运行中，以具有安全、稳定、高效的性质。
其中，控制基站是指列车控制室，其中列车控制室可以位于重载列车上，也可以位于重载列车沿线，甚至可以无人驾驶，远程控制。
作为一种优选的实施例，本发明还包括获取异常的协同数据，对协同处理过程中的各项数据进行预处理，并归一化，获得各个重载列车单体的协同控制参数以及协同控制状态，其中协同控制状态包括重载列车单体的刹车距离和重载列车单体的速度信息，以及重载列车整体的运行速度，将重载列车整体的运行速度和重载列车单体的运行速度进行实时追溯评估，可以全面获取到具体的异常协同处理影响程度，又可以为后续协同部门和协同人员的整体管理控制提供可靠的局部数据支持，提高了协同处理数据监测分析的准确性和可利用性；本发明用于解决现有方案中不能对重载列车整体和重载列车单体协同处理的状态实施不同维度的监测分析，并根据分析结果实施动态控制以及告警提示来提高后续协同处理效果的技术问题。
与图1所示方法对应的，本发明还公开了一种基于虚拟连挂的重载列车控制系统用于对图1方法的实现，具体结构如图2所示，包括：
初始运行数据获取模块：分别获取重载列车的第一运行数据，所述重载列车的第一运行数据包括：重载列车运行状态、重载列车性能以及重载列车运行过程中的路况信息；
通信拓扑网络模型构建模块：用于根据重载列车的第一运行数据得到通信重载列车顺序图，基于重载列车运行过程中的各个控制基站第一控制参数以及通信重载列车顺序图建立虚拟连挂重载列车通信拓扑网络模型；
运行数据预测模块：用于将重载列车的第一运行数据输入神经网络预测模型中，预测下一时刻的第二运行数据；
控制参数计算模块：用于将第二运行数据输入至虚拟连挂重载列车通信拓扑网络模型中，计算各个控制基站的第二控制参数；
协同处理模块：用于将各个控制基站的第二控制参数协同处理，得到最优控制参数。
对本实施例的进一步优化，还包括重载列车控制模型建立模块：用于利用最优控制参数对递归神经网络进行训练，得到重载列车虚拟连挂控制模型，基于重载列车虚拟连挂控制模型对重载列车进行控制。
本实施例最后公开了一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现任意一项所述的一种基于虚拟连挂的重载列车控制方法的步骤。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于虚拟连挂的重载列车控制方法，其特征在于，包括以下步骤：
分别获取重载列车的第一运行数据，所述重载列车的第一运行数据包括：重载列车运行状态、重载列车性能以及重载列车运行过程中的路况信息；
根据重载列车的第一运行数据得到通信重载列车顺序图，基于重载列车运行过程中的各个控制基站第一控制参数以及通信重载列车顺序图建立虚拟连挂重载列车通信拓扑网络模型；
将重载列车的第一运行数据输入神经网络预测模型中，预测下一时刻的第二运行数据；
将第二运行数据输入至虚拟连挂重载列车通信拓扑网络模型中，计算各个控制基站的第二控制参数；
将各个控制基站的第二控制参数协同处理，得到最优控制参数。
2.根据权利要求1所述的一种基于虚拟连挂的重载列车控制方法，其特征在于，所述重载列车运行状态包括重载列车的速度、加速度以及前后车的前后距离；所述重载列车性能包括重载列车通信时延和制动性能差异；所述路况信息包括是否存在坡度，是否有隧道，是否有桥梁以及天气状况。
3.根据权利要求1所述的一种基于虚拟连挂的重载列车控制方法，其特征在于，所述通信重载列车顺序图中的信息包括前一重载列车和后一重载列车的相对距离，当前虚拟连挂重载列车所处路况信息以及重载列车性能信息；其中，前一重载列车和后一重载列车的相对距离计算步骤如下：
对虚拟连挂重载列车中的每一个重载列车设定连续编号；
基于车-车通信及激光雷达技术的虚拟连挂列车识别系统结合低时延车-车通信、高精度激光雷达测距实时获取相邻编号重载列车的速度信息以及距离信息，进而预测下一时刻的相邻编号重载列车的相对距离。
4.根据权利要求3所述的一种基于虚拟连挂的重载列车控制方法，其特征在于，还包括利用最优控制参数对递归神经网络进行训练，得到重载列车虚拟连挂控制模型，基于重载列车虚拟连挂控制模型对重载列车进行控制。
5.根据权利要求1所述的一种基于虚拟连挂的重载列车控制方法，其特征在于，将各个控制基站的第二控制参数协同处理，具体包括：
每个基站对应一个控制参数节点，将多个控制参数节点的控制参数组成控制参数矩阵；
预设目标控制增益系数矩阵，将控制参数矩阵和目标控制增益系数矩阵做乘积，得到协同控制结果。
6.根据权利要求5所述的一种基于虚拟连挂的重载列车控制方法，其特征在于，根据多列重载列车的运行情况，应用多智能体编队控制原理，通过协同巡航控制实现重载列车各单元列车间保持安全间距。
7.根据权利要求5所述的一种基于虚拟连挂的重载列车控制方法，其特征在于，还包括获取异常的协同数据，对协同处理过程中的各项数据进行预处理，并归一化，获得各个重载列车单体的协同控制参数以及协同控制状态，其中协同控制状态包括重载列车单体的刹车距离和重载列车单体的速度信息，以及重载列车整体的运行速度，将重载列车整体的运行速度和重载列车单体的运行速度进行实时追溯评估。
8.一种基于虚拟连挂的重载列车控制系统，利用权利要求1-5任意一项所述的一种基于虚拟连挂的重载列车控制方法，其特征在于，包括：
初始运行数据获取模块：分别获取重载列车的第一运行数据，所述重载列车的第一运行数据包括：重载列车运行状态、重载列车性能以及重载列车运行过程中的路况信息；
通信拓扑网络模型构建模块：用于根据重载列车的第一运行数据得到通信重载列车顺序图，基于重载列车运行过程中的各个控制基站第一控制参数以及通信重载列车顺序图建立虚拟连挂重载列车通信拓扑网络模型；
运行数据预测模块：用于将重载列车的第一运行数据输入神经网络预测模型中，预测下一时刻的第二运行数据；
控制参数计算模块：用于将第二运行数据输入至虚拟连挂重载列车通信拓扑网络模型中，计算各个控制基站的第二控制参数；
协同处理模块：用于将各个控制基站的第二控制参数协同处理，得到最优控制参数。
9.根据权利要求8所述的一种基于虚拟连挂的重载列车控制系统，其特征在于，还包括重载列车控制模型建立模块：用于利用最优控制参数对递归神经网络进行训练，得到重载列车虚拟连挂控制模型，基于重载列车虚拟连挂控制模型对重载列车进行控制。
10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7中任意一项所述的一种基于虚拟连挂的重载列车控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410003240.0A CN117681932A (zh) | 2024-01-02 | 2024-01-02 | 一种基于虚拟连挂的重载列车控制方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410003240.0A CN117681932A (zh) | 2024-01-02 | 2024-01-02 | 一种基于虚拟连挂的重载列车控制方法、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117681932A true CN117681932A (zh) | 2024-03-12 |
Family
ID=90139080
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410003240.0A Pending CN117681932A (zh) | 2024-01-02 | 2024-01-02 | 一种基于虚拟连挂的重载列车控制方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117681932A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108791366A (zh) * | 2018-05-31 | 2018-11-13 | 北京全路通信信号研究设计院集团有限公司 | 一种采用虚拟耦合的多列车协同控制方法及系统 |
| CN112758140A (zh) * | 2021-04-08 | 2021-05-07 | 北京全路通信信号研究设计院集团有限公司 | 一种基于车车及车地通信的列车运行控制系统及方法 |
| WO2022205175A1 (zh) * | 2021-03-31 | 2022-10-06 | 西门子股份公司 | 列车运行优化方法及装置 |
| CN115657547A (zh) * | 2022-10-24 | 2023-01-31 | 清华大学 | 基于虚拟耦合技术的重载列车协同控制方法及装置 |
| CN116080725A (zh) * | 2023-01-16 | 2023-05-09 | 北京交通大学 | 一种基于模型预测的虚拟重联高速列车追踪间隔控制方法 |
| CN116449697A (zh) * | 2023-03-21 | 2023-07-18 | 湖南华慧特自动化科技有限公司 | 一种重载列车的协同巡航控制方法 |
-
2024
- 2024-01-02 CN CN202410003240.0A patent/CN117681932A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108791366A (zh) * | 2018-05-31 | 2018-11-13 | 北京全路通信信号研究设计院集团有限公司 | 一种采用虚拟耦合的多列车协同控制方法及系统 |
| WO2022205175A1 (zh) * | 2021-03-31 | 2022-10-06 | 西门子股份公司 | 列车运行优化方法及装置 |
| CN112758140A (zh) * | 2021-04-08 | 2021-05-07 | 北京全路通信信号研究设计院集团有限公司 | 一种基于车车及车地通信的列车运行控制系统及方法 |
| CN115657547A (zh) * | 2022-10-24 | 2023-01-31 | 清华大学 | 基于虚拟耦合技术的重载列车协同控制方法及装置 |
| CN116080725A (zh) * | 2023-01-16 | 2023-05-09 | 北京交通大学 | 一种基于模型预测的虚拟重联高速列车追踪间隔控制方法 |
| CN116449697A (zh) * | 2023-03-21 | 2023-07-18 | 湖南华慧特自动化科技有限公司 | 一种重载列车的协同巡航控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110901693B (zh) | 基于5g和云计算技术的列车运行控制系统 | |
| WO2021197246A1 (zh) | 一种基于v2x的车队协同制动方法及系统 | |
| CN102737503B (zh) | 一种车联网环境下公交车动态调度的通信连通性分析方法 | |
| CN112634606A (zh) | 货车编队运输调度方法、调度系统、介质及数据处理终端 | |
| Jin et al. | Platoon-based multi-agent intersection management for connected vehicle | |
| CN103295424B (zh) | 基于视频识别和车载自组网的汽车主动安全系统 | |
| CN113353122B (zh) | 虚拟连挂高速列车在追踪车制动力故障下的控制方法 | |
| CN103235843B (zh) | 一种城市轨道交通列车运行优化控制模拟方法和系统 | |
| CN105160865A (zh) | 一种车辆编队行驶控制系统及方法 | |
| CN109634281B (zh) | 一种列车系统建模与分布式协同控制方法 | |
| CN104986190A (zh) | 轨道列车的再生能量的利用方法和系统 | |
| CN106043351A (zh) | 新安全制动模型及移动授权距离内停车的方法 | |
| CN109625027A (zh) | 一种列车群作业组织与运行控制系统 | |
| CN111703418B (zh) | 一种基于车车通信的多车分布式协同避撞方法及装置 | |
| CN101941446B (zh) | 一种可控列尾系统 | |
| CN110667655A (zh) | 一种基于5g通信技术的永磁磁浮轨道交通控制系统与方法 | |
| CN105094095A (zh) | 一种电动汽车远程监控方法 | |
| CN114834503A (zh) | 基于弹性追踪模型的虚拟编组列车控制方法 | |
| CN114655276A (zh) | 一种轨道交通运行系统 | |
| CN113830139A (zh) | 一种列车信息交互方法及系统 | |
| CN113859326B (zh) | 列车虚拟编组方法 | |
| Qin et al. | Research and application of intelligent internet of vehicles model based on fog computing | |
| Chen et al. | A coordinated collision mitigation approach for virtual coupling trains by using model predictive control | |
| Zhou et al. | The safety braking protection model of virtually coupled train platoon in subway | |
| Liu et al. | Research on train control system based on train to train communication |
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 |