JP3940649B2 - 自動列車運転装置 - Google Patents
自動列車運転装置 Download PDFInfo
- Publication number
- JP3940649B2 JP3940649B2 JP2002233432A JP2002233432A JP3940649B2 JP 3940649 B2 JP3940649 B2 JP 3940649B2 JP 2002233432 A JP2002233432 A JP 2002233432A JP 2002233432 A JP2002233432 A JP 2002233432A JP 3940649 B2 JP3940649 B2 JP 3940649B2
- Authority
- JP
- Japan
- Prior art keywords
- learning
- train
- characteristic
- automatic
- result
- 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.)
- Expired - Fee Related
Links
Images
Description
【０００１】
【発明の属する技術分野】
本発明は、列車の特性を学習し、その学習結果を列車の自動運転に利用する自動列車運転装置に関するものである。
【０００２】
【従来の技術】
自動列車運転装置（以下、「ＡＴＯ」と称する）は、列車の制限速度、ないしは制限速度からある程度の余裕を持たせた制限速度に列車を追従させようとするものとして、すでに実用化されている。しかしながら、ＰＩ制御等の誤差追従制御を主体としているため、列車や路線の特性に依存するところが多く、現状では、各列車や各路線に対し、それらの特性または制御パラメータの調整を行う作業のためにかなりの時間および労力を必要としている。
【０００３】
また、走行計画を作成し、これをもとにした列車走行を行うような自動列車運転装置も考えられている。走行計画を作成する場合、簡易的な列車走行モデルを利用することがある。最も簡単なものとしては、まず対象の列車運転を次に示すような簡単な物理式、
Ｆ−Ｆr＝Ｍ・α …（１）
で表現する方法が考えられる。ここで、Ｆは力行牽引力またはブレーキ力、Ｆrは列車走行抵抗力、Ｍは列車重量、αは加速度（負の加速度すなわち減速度を含む）である。列車走行抵抗Ｆrは列車走行時に発生する抵抗力であり、計算の便宜上、以下の各抵抗に基づいて構成されるものと考える場合が多い。すなわち、
出発抵抗：発車の際の抵抗
空気抵抗：列車走行上の空気による抵抗
勾配抵抗：路線の勾配に起因する抵抗
曲線抵抗：路線の曲線に起因する抵抗
トンネル抵抗：トンネル内を走行するときに発生する抵抗
がそれである。空気抵抗は、車輪踏面とレール面との間の抵抗も考慮し、速度の２次式として取り扱う場合が多い。
【０００４】
一般的に列車走行抵抗力Ｆrは、勾配抵抗、空気抵抗、曲線抵抗、トンネル抵抗、出発抵抗等からなる抵抗に基づくものと考えられる場合が多い。ここでは、トンネル以外の列車走行時を考えるものとし、勾配抵抗、空気抵抗、および曲線抵抗に関して考える。この場合、勾配抵抗、空気抵抗、および曲線抵抗はそれぞれ以下の式（２），（３），（４）で求められる（例えば、文献「運転理論（直流交流電気機関車）」交友社編参照）。すなわち、
（ａ）勾配抵抗式
Ｆrg＝ｓ …（２）
Ｆrg：勾配抵抗力［kg重/ton］、
ｓ：勾配［‰］（上りのとき正、下りのとき負）、
（ｂ）空気抵抗式
Ｆra＝Ａ＋Ｂｖ＋Ｃｖ２ …（３）
Ｆra：空気抵抗力［kg重/ton］、
Ａ，Ｂ，Ｃ：係数、
ｖ：速度［km/h］、
（ｃ）曲線抵抗式
Ｆrc＝８００／ｒ …（４）
Ｆrc：曲線抵抗力［kg重/ton］、
ｒ：曲率半径［m］。
【０００５】
自動列車運転の際に、式（１）のようなモデルを利用する場合、走行計画に基づく自動列車運転方式においても、列車特性や路線特性等の特性が乗り心地の向上や停止精度に大きく影響する。
【０００６】
【発明が解決しようとする課題】
従来の方式は、上述したように、列車や路線の特性または制御パラメータに依存するところが大きく、自動列車運転装置の調整に多大な労力が必要であった。また、その調整においては、列車を実際に何度も走行させて実データを取得し、オフライン的に調整を進める必要があった。
【０００７】
したがって本発明の目的は、調整に必要な時間や労力を低減し、さらに営業走行後も自動で特性の学習を進め、乗り心地を一層改善し、また停止精度を向上させ得る自動列車運転装置を提供することである。
【０００８】
上記目的達成のため、本発明は、
列車走行時に取得したデータをオンライン処理するデータ処理手段と、このデータ処理手段によって列車走行時に取得したデータおよび事前に取得したデータをもとに、列車走行時の制御パラメータ、並びに列車特性および路線特性を列車走行時に自動学習する自動特性学習手段と、この自動特性学習手段によって学習された列車特性および路線特性を使用し、列車の自動運転を行う列車自動運転手段とを備えたことを特徴とする自動列車運転装置であって、
前記営業前特性推定手段による推定の結果が、実際には起こり得ない特性値であるか、実際に起こり得る限界の特性値を外れている場合、前記推定の結果を前記限界の特性値以内に補正する推定結果補正手段を備えた
ことを特徴とする。
【０００９】
請求項１に記載の発明によれば、走行中にオンラインで列車特性や路線特性を自動学習することが可能であり、ここで自動学習した結果を用いた列車自動運転をすることができる。また、学習・推定の補正を行うことにより、万が一でもあり得ないような学習・推定結果が発生した場合に、これを未然に回避することができる。
【００２５】
請求項１および２に記載の発明によれば、学習・推定の補正を行うことにより、万が一でもあり得ないような学習・推定結果が発生した場合に、これを未然に回避することができる。
【００２７】
請求項３に記載の発明によれば、目標走行計画との誤差に基づく制御指令補正状況に応じて学習を行うことにより、より詳細で迅速な学習を行うことができる。
【００２９】
請求項４記載の発明によれば、請求項１の効果に加え、適応オブザーバを用いて特性の学習を行うことにより、更に精度のよい学習を行うことができる。
【００３１】
請求項５に記載の発明によれば、請求項１の効果に加え、外乱オブザーバを用いることにより、外乱を陽に推定し、この結果を用いて特性学習を行うことができる。
【００３２】
【発明の実施の形態】
＜実施の形態１＞
図１および図２は本発明による自動列車運転装置の一実施形態を示すものである。図示の列車１に搭載された自動列車運転装置（ＡＴＯ）８は、地上システムである自動列車制御装置（ＡＴＣ）２から制限速度データを取得し、また列車１内においてデータベース（ＤＢ）３から路線条件（傾斜角や曲線曲率半径等）や車両条件（列車編成・重量等）、運行条件等のデータを取得し、運転台４から出発信号を、応荷重装置５から応荷重信号を、速度検出器６から列車速度信号を、それぞれ取得し、さらに路線上に適宜配置された地上子に応答する地上子検出器７から列車位置の信号をそれぞれ取得する。路線に適宜配置される地上子は列車位置の確認のために用いられる。ここでは、ＤＢ３は列車１内に搭載されるものとして示されているが、場合によっては列車１の外部に地上システムとして備えることもでき、また、場合によっては、列車１内および地上に分散配置としてもよい。
【００３３】
ＡＴＯ８は、オンラインデータ処理を行うデータ処理手段８０および列車自動運転手段８１のほかに、後述の営業前特性推定手段２４および営業後特性学習手段３４に代表される推定手段および学習手段を備えている。データ処理手段８０は列車速度信号を処理して列車速度のほかに列車位置（速度の時間積分値）、列車加速度（速度の微分値）、および列車走行距離（速度絶対値の時間積分値）を連続的に演算する。列車位置ないし列車走行距離は、地上子検出器７からの列車位置信号によって適宜補正される。データ処理手段８０は、このように各入力信号に基づいて所定の演算を行い、後述の学習や列車自動運転に必要な計測データを提供する。列車自動運転に必要な計測データは列車自動運転手段８１に提供される。列車自動運転手段８１は各入力データに基づいて演算した結果に従い駆動装置９に力行指令を、また減速装置１０に減速指令を出す。駆動装置９は、列車を牽引するための主電動機およびそれを制御する電力変換器を含む。また、減速装置１０は通常、機械ブレーキおよび電気ブレーキを併せ備える。
【００３４】
ＡＴＯ８は列車１に搭載されており、本発明の学習に係わる営業前特性推定手段２４および営業後特性学習手段３４の部分は、図２に詳細に示されているように、営業前走行判断手段２０、営業前特性初期値設定手段２１、営業前試験走行用列車自動運転手段２２、走行結果蓄積手段２３、営業前特性推定手段２４、推定結果補正手段２５、特性推定値蓄積手段２６、学習特性データベース（学習特性ＤＢ）３０、特性初期値設定手段３１、列車自動運転手段３２、営業後走行結果蓄積手段３３、営業後特性学習手段３４、および学習結果補正手段３５からなっている。手段２１〜２６は営業走行前試験走行時のための処理手段であり、手段３１〜３５は営業走行後のための処理手段であり、営業前走行判断手段２０および学習特性ＤＢ３０は営業走行前後に関わりなく両者に共通に設けられている。図２には、ＡＴＯ８が自動列車運転装置として本来備えているデータ処理手段８０および列車自動運転手段８１等は省略されている。
【００３５】
次に図１および図２の装置の作用について説明する。
【００３６】
図１において、ＡＴＯ８は、ＡＴＣ２から制限速度データを、ＤＢ３から路線条件や車両条件、運行条件等の、事前に取得可能な情報をそれぞれ取得するとともに、それをもとにして所定の演算を行い、力行指令または減速指令からなる制御指令を作成し、列車１の自動運転を実現することは前述の通りである。
【００３７】
ＡＴＯ８は運転台４から出発信号を受信することにより列車自動運転手段による自動運転動作を開始する。発車後は、応荷重装置５から得られる応荷重情報と、速度検出器６から得られる速度データと、地上子検出器７から得られる地上子検出情報を利用する。応荷重情報は列車の重量に関する情報として利用し、地上子検出情報は位置情報の補正のために利用する。これらの情報を利用し、ＡＴＯ８では、列車の制御指令（力行指令／減速指令）を作成する。制御指令として力行指令が作成された場合、力行指令を出力し、駆動装置９によって列車を力行させる。力行指令としては、力行トルク（力行牽引力）指令のほか、ノッチ走行の場合は力行ノッチ指令等が挙げられる。また、制御指令として減速指令が作成された場合、減速指令を出力し、減速装置１０によって列車を減速させる。減速指令としては、ブレーキ力指令や、ノッチ走行の場合、ブレーキノッチ指令等が挙げられる。
【００３８】
次に図２を参照してＡＴＯ８の作用をさらに詳細に説明する。
【００３９】
運転台４から出発信号を受信することにより、まず営業前走行判断手段２０で営業前の試験走行であるか、営業後の走行であるかの判断を行う。この際の判断方法としては、ソフト的にフラグを作成し、「フラグを立てない場合は、試験走行」とし、「フラグを立てた場合は、営業走行」とする等のソフト的なフラグを利用する方法や、ハードスイッチの設定結果を利用する方法等が考えられる。
【００４０】
営業前走行判断手段２０において営業前の試験走行であると判断された場合、営業前特性初期値設定手段２１において営業前試験走行時の初期特性パラメータを設定する。設定の方法としては、手動でマンマシン・インタフェースを利用し、走行開始前に設定する方法が考えられる。また、設定値の内容としては、列車の仕様や路線特性等、事前に入手可能な情報から特性パラメータを抽出し、入力すればよい。
【００４１】
次に、営業前特性初期値設定手段２１によって設定された特性パラメータを用いて、営業前試験走行用列車自動運転手段２２により、自動運転による列車の試験走行を行う。自動列車運転の方法としては、駅停車時に最適走行計画を作成し、これをもとに自動運転し、最適走行計画からのずれが大きな場合に、走行計画を再計画したり、制御指令に対し誤差フィードバックによる補正を行ったりする方法がある。また、ここでは、営業前の事前走行であるため、例えば、ノッチ走行の列車の場合、特性推定をしたいノッチを用いた試験走行を行う等、特性推定を目的とした走行を行うことができる。
【００４２】
次に、営業前試験走行用列車自動運転手段２２で自動運転を行った結果を、走行結果蓄積手段２３によって蓄積する。蓄積する場合は、目標とした走行計画、および走行時に計測された速度データや位置データ等を、ハードディスク（ＨＤ）等のメディアに電子ファイルとして蓄積することができる。
【００４３】
次に、走行結果蓄積手段２３によって蓄積された試験走行結果を用いて、営業前特性推定手段２４によって、特性パラメータの推定を行う。営業前に推定しておくべき特性パラメータとしては、重量、加速特性、減速特性等をあげることができる。
【００４４】
列車編成全体の重量に関しては、営業前の試験走行であることから、乗客が乗車していないため、惰行時の加速度または減速度と列車走行抵抗によって推定が可能である。ここでは、対象の列車を式（１）のような簡単な物理式で表現する場合を考える。
【００４５】
列車走行抵抗に関しては、勾配、曲率等の路線特性や、空気抵抗や摩擦抵抗を考慮した式により演算をすることが可能である。なお、列車走行抵抗の演算に関しては、文献「運転理論（直流交流電気機関車）」交友社編を参照されたい。一般に列車走行抵抗力Ｆrは、
のように表現することができる。ただし、Ｆrは列車抵抗力［kg重/ton］、Ｆrgは勾配抵抗力［kg重/ton］（上りが正、下りが負）、Ｆraは走行抵抗力［kg重/ton］、Ｆrcは曲線抵抗力［kg重/ton］、ｓは勾配［‰］、Ａ，Ｂ，Ｃは係数、ｖは列車速度、ｒは曲率半径である。
【００４６】
これらを考慮すると、重量は、式（１）を変形して、
Ｍ＝（Ｆ−Ｆr）／α …（６）
によって推定することができる。式（６）において、惰行走行の場合、力行牽引力Ｆを０（ゼロ）とすればよい。また、加速度（または減速度）αに関しては、最小二乗法等を利用し、計測結果（列車走行速度）から演算することによって得ることができる。以上の処理で重量Ｍを推定することができる。
【００４７】
重量Ｍの推定演算が終了すれば、この重量推定値を利用することにより力行特性およびブレーキ特性の推定が可能となる。
【００４８】
まず、重量推定値Ｍｅｓｔ、力行時の加速度αａｃｃ、および列車走行抵抗力Ｆrを使用して、力行特性（力行ノッチと力行牽引力の関係等）の推定を行う。力行時の加速度αａｃｃおよび列車走行抵抗力Ｆrに関しては、前述の重量の演算と同様の処理で得ることができる。これらと重量推定値を用いて、力行牽引力Ｆを、
Ｆ＝Ｍｅｓｔαａｃｃ＋Ｆr …（７）
により推定することができる。
【００４９】
式（７）により、ノッチによる力行操作を行う列車の場合、各ノッチの力行牽引力を推定することができる。これをもとに力行ノッチと力行牽引力の関係を推定することができる。
【００５０】
また、重量推定値と、減速時の減速度および列車走行抵抗を使用して、ブレーキ力特性を推定することができる。減速時の減速度および列車走行抵抗に関しては、前述の重量の際の演算と同様の処理で得ることができる。これらと重量推定値を用いて、ブレーキ力Ｆを、
Ｆ＝Ｍｅｓｔαｄｅｃ＋Ｆr …（８）
により推定することができる。ただし、αｄｅｃは減速度（負の加速度）である。
【００５１】
式（８）により、ノッチによるブレーキ操作を行う列車の場合の、各ノッチのブレーキ力を推定することができる。この結果からブレーキノッチとブレーキ力の関係を推定することができる。
【００５２】
これらの推定値は、駅間走行後や、停車時に演算することが望ましいが、列車走行中に演算し、演算結果を列車走行中に確認することもできる。このように重量・力行特性、ブレーキ特性の推定を行うことにより、列車編成毎のばらつきに対しても、営業走行前に従来より短い時間での調整が可能となる。
【００５３】
次に、営業前特性推定手段２４によって推定された特性推定値に対し、推定結果補正手段２５によって補正を加える。補正を加えるにあたっては、理論的に実現可能な特性パラメータの許容範囲を設定しておき、この許容範囲内に収まるように修正する必要がある。例えば、特性推定値が許容範囲を超える場合は、予め演算しておいた設定値を使用したり、許容範囲における制限値を利用したりすること等が考えられる。この許容範囲をあまりに大きく外れる場合は、再度試験走行をする等の操作を行う必要がある。
【００５４】
次に、推定結果補正手段２５によって補正された特性推定値を、特性推定値蓄積手段２６によって学習特性ＤＢ３０に蓄積する。蓄積の方法としては、前述した走行結果蓄積手段２３と同様の方法を利用することができる。学習特性ＤＢ３０は営業走行前の試験走行で得られた特性推定結果のほかに、後述の営業走行後の学習で得られた特性学習結果をも蓄積する。
【００５５】
営業前走行判断手段２０によって営業後の走行であると判断された場合に関して以下に説明する。
【００５６】
営業走行の場合、最初に特性初期値設定手段３１によって特性パラメータの初期値を設定する。最初の営業走行の場合には、特性推定値蓄積手段２６によって蓄積された特性パラメータ（特性推定結果）を学習特性ＤＢ３０から取得して使用する。営業走行を進め、学習が進行した場合は、学習の結果得られた特性パラメータ（特性学習結果）を使用する。
【００５７】
次に、特性初期値設定手段３１によって設定された特性パラメータを使用し、列車自動運転手段３２によって列車の自動運転走行を行う。列車の自動運転に関しては、基本的には営業前試験走行用列車自動運転手段２２と同様であるが、営業後の場合、不特定多数の乗客が乗車するため、重量に変動が生じる。したがって、駅出発から初期力行時に、駅間走行時の重量を推定する必要がある。重量推定の方法としては、応荷重が得られる場合には、応荷重を利用すればよい。応荷重が利用できない場合は、営業前特性推定手段２４や推定結果補正手段２５と同様の作用を駅出発後の初期力行時に行うことにより重量の推定が可能である。推定の結果が特性初期値設定手段３１によって設定した値と異なる場合は、再度走行計画を作成する等の処理が必要となる。駅出発後の初期力行時に重量の推定を行う場合の概要を図３に示す。
【００５８】
図３において、横軸は出発駅から次駅までの距離すなわち位置を示し、縦軸は各位置での速度を速度パターンとして示したものである。出発駅停車時に特性推定値に基づいて作成された最適走行パターン３１（細い破線）に基づいて走行を始めた後、初期力行区間３０における実走行結果すなわち実走行パターン３２（太い実線）に従って重量推定を行い、その重量推定値に基づく再演算によって補正された走行パターン３２（太い破線）を作成し、これに従って実走行運転を行う。
【００５９】
次に、列車自動運転手段３２によって自動運転した結果を営業後走行結果蓄積手段３３によって蓄積する。蓄積の方法としては、前述した走行結果蓄積手段２３と同様の方法を利用することができる。
【００６０】
次に、営業後走行結果蓄積手段３３によって蓄積された走行結果を用いて、営業後特性学習手段３４によって特性の学習を行う。この特性の定期的学習に関しては、
（１）駅間走行結果に基づく学習
（２）全路線走行結果に基づく学習
（３）１日分走行結果に基づく学習
（４）数日分走行結果に基づく学習
（５）数ヶ月分走行結果に基づく学習
とケース別に実施する。
【００６１】
以下にケース（１）〜（５）に関してそれぞれ説明する。
（１）駅間走行結果に基づく学習
駅間走行後に得られる駅間走行結果をもとに学習し、学習結果を次駅間走行時に反映させる。これは、例えば、雨が降り出したときのブレーキ力低下への対応の学習を行う。一駅間の走行結果から学習が必要であると判断される例としては、雨天時のブレーキ力低下への対応が挙げられる。雨天時においては、列車において空気ブレーキが使用される場合、雨によりブレーキシューの摩擦が減少することからブレーキ力（減速性能）の低下が考えられる。このような場合は、雨の降り始め以降、減速性能の低下が見られるはずである。この結果をもとに、ブレーキ力の特性を学習すればよい。この場合の学習結果は一時的なものである場合が多いため、別途、仮の特性パラメータとして保持し利用するのがよい。
【００６２】
（２）全路線走行結果に基づく学習
１路線を最初から最後まで走行した結果をもとに学習し、次に路線走行を開始する際に学習結果を反映させる。例えば、一路線走行終了時に、各駅において必ずといっていい程、目標停止位置に対して過不足（ずれ量）を生じて停止する場合、そのようなずれ量を無くすため、ずれ量に応じてブレーキ力特性を学習すればよい。例えば、目標停止位置を行き過ぎる場合、ブレーキ力特性の設定値が実際値より若干大きいことが考えられる。すなわち、実際より大きなブレーキ力を考えているため、想定する減速度が得られていないことが考えられる。この場合は、ブレーキ力特性の設定値を若干小さくするように学習を行えばよい。
【００６３】
（３）１日分走行結果に基づく学習
１日分の走行結果をもとに学習し、その学習結果を次の日の走行に反映させる。例えば、１日分の走行結果（例えば、１路線全体の走行数回分の走行結果）を見る場合に、必ずといっていいほど、ある駅間で目標停止位置に対して同程度の行き過ぎずれを生じる場合は、その駅間における勾配や曲線等の路線特性パラメータの設定にずれを生じている可能性がある。この場合、走行結果に応じて勾配や曲線等の路線特性パラメータを少しずつ調整するように学習を行えばよい。
【００６４】
（４）数日分走行結果に基づく学習
数日分の走行結果を蓄積し、その蓄積結果をもとに学習を行う。例えば、数日分の走行結果を見たとき、同じ時間帯でのみ走行計画からのずれを生じている場合、何らかの影響で、その時間帯のみ力行牽引力特性またはブレーキ力特性が結果的に実際とずれている状況になっていることが考えられる。他の時間帯ではずれが見られない場合は、実際には特性パラメータ自体がずれているわけではないと考えられるため、対象となる時間帯のみ特性に補正を施し、以後、その補正値を学習によって修正していけばよい。
【００６５】
（５）数ヶ月分走行結果に基づく学習
数ヶ月分の走行結果が蓄積されたとき、その蓄積結果をもとに学習を行う。これは、例えば、保守点検の際等に蓄積された走行結果をもとに学習を行うことが考えられる。例えば、３ヶ月分の走行結果を見たとき、３ヶ月前、２ヶ月前、１ヶ月前と、時間の経過とともに次第にブレーキ力が低下している状況が見られる場合がある。これは、数日分走行結果に基づく学習の状況等からは判断困難という状況を想定している。空気ブレーキを使用している場合、摩擦によるブレーキシューの摩耗が生じている可能性がある。したがって、この結果をもとに特性パラメータを変更（学習）するか、程度によってはブレーキシューの取替え等の対策をとる必要がある。この他に、車輪径の変動等、経年変化への対策も行う。
【００６６】
以上の学習は、一例として、図４に示すフローのように学習を進めることによって選択的に実現することができる。図４において、営業前走行判断手段２０による営業前の試験走行か、営業後の営業走行かの判断（ステップ５１）の結果が、前者（営業前試験走行）であれば、営業前試験走行（ステップ５２）を行い、初期パラメータの推定（ステップ５３）を行って終了する。ステップ５１の判断結果が営業走行であれば、走行内容に応じて５種類の学習のいずれかを行う。すなわち、営業走行における走行終了の態様を判断し（ステップ５４）、駅間走行終了であれば「（１）駅間走行結果に基づく学習」（ステップ５５）を行い、全路線走行終了であれば「（２）全路線走行結果に基づく学習」（ステップ５６）を行う。ステップ５４において、１日分走行終了であった場合は、さらに何日分のデータが蓄積されたのかを判断し（ステップ５７）、その判断結果に従い、１日分データ蓄積完了であれば「（３）１日分走行結果に基づく学習」（ステップ５８）を行い、数日分データ蓄積完了であれば「（４）数日走行結果に基づく学習」（ステップ５９）を行い、数ヶ月分データ蓄積完了であれば「（５）数ヶ月分走行結果に基づく学習」（ステップ６０）を行う。
【００６７】
しかしながら、図４において太線で表示された各学習ステップ５５，５６，５８，５９，６０では、走行結果に以下のような学習すべき傾向が見られる場合のみ学習を行う。すなわち、
ａ） 同じ傾向のずれが続く場合（例えば、全路線走行結果において、全駅間で同程度の目標停止位置行き過ぎが見られる場合等）、および
ｂ） ずれが顕著な場合
である。
【００６８】
学習に関しては、関連のある特性パラメータをある一定の割合毎に増減させる方法が考えられる。例えば、前述したように、全路線走行結果において、全駅間で同程度の目標停止位置の行き過ぎが見られる場合、ブレーキ力の設定値が実際のブレーキ力より若干大きすぎる場合が考えられるため、ブレーキ力特性の設定値を一定の割合で小さくするように学習を行えばよい。
【００６９】
特に駅間走行結果に基づく学習に関しては、同じ傾向のずれが数ケース見られることはまれと考えられる。したがって、この場合、以下のような学習が考えられる。すなわち、
・対象となる自動列車運転方式：
走行計画と実際の計測値にかなりのずれを生じる場合に、その偏差に応じて制御指令（力行ノッチ指令、ブレーキノッチ指令等）に対し補正を加えるような自動列車運転方式である。
【００７０】
・学習方法：
走行計画と実際の計測値との間にずれが生じた場合の制御指令補正の状況に応じて学習を行う。例としてブレーキ力特性の場合では、例えば、ブレーキ時に、計画より強いブレーキノッチとなるような制御指令補正が生じた場合、想定した減速度が得られていないことが考えられる。この場合、ブレーキ力特性の設定値が大きすぎたことが考えられるため、ブレーキ力特性の設定値を一定の割合で小さくするように学習を行えばよい。計画より弱いブレーキノッチとなるような制御指令補正が生じた場合は反対にブレーキ力特性の設定値を一定の割合で大きくするように学習を行えばよい。
【００７１】
推定特性が実際値と異なるという判断に関しては、計測データとして得られる加減速度をもとに、想定している特性である列車走行に関する特性、路線形状に関する特性（勾配、曲線等）、重量、力行牽引力またはブレーキ力を使用して、式（１）が満たされるかどうかを判断すればよい。
【００７２】
以上のようにして営業後特性学習手段３４によって学習した結果に対して学習結果補正手段３５によって補正を加える。補正の方法としては、前述の推定結果補正手段２５と同様の処理によって実施可能である。ここでの補正結果は学習特性ＤＢ３０に特性学習結果として蓄積される。
【００７３】
以上により、営業運転に入ってからも学習を行い、特性パラメータを調整しながら営業走行を行う。
【００７４】
以上のほとんどの学習は、駅到着時等の列車停車中でのオンライン自動学習を想定している。ただし、力行時の重量の推定は走行中のオンライン自動推定を想定している。
【００７５】
このように、学習・推定を行いつつ列車の自動運転を行うことにより、列車編成のばらつきや、経年変化等に良好に対応した自動運転を行うことができる。
【００７６】
以上説明したように、実施の形態１の自動列車運転装置によれば、営業走行前に重量・力行牽引力・ブレーキ力の推定を行うことにより、列車編成毎のばらつきに対しても、従来より短い時間によって調整が可能となり、営業後も、特性パラメータの学習を行うことにより、特性パラメータに変化が生じた場合でも乗り心地や停止精度を満足する自動運転を実現することができる。更に、営業後の学習において、学習を利用するデータの期間により駅間走行分、路線走行分等のように分けて実施することにより、より実際の状況に即した学習を行うことができる。また、営業前の推定、営業後の学習においては、推定・学習の結果を補正することにより、万が一、あり得ないような結果が出た場合でも、補正することにより、あり得ない特性パラメータを使用することなく推定・学習を行うことができる。
【００７７】
以上のようにして、特性の学習が進めば進むほど有効な最適走行計画の作成が可能となる。また、列車走行中に大きな学習が発生した場合、これをトリガとし、走行計画を再計画することにより、乗り心地、目標停止位置停止精度、走行時分を満足する自動列車運転が可能となる。
【００７８】
＜実施の形態２＞
実施の形態１では、ほとんどの学習は駅到着時等の列車停車中でのオンライン自動学習を想定し、力行時の重量の推定は走行中のオンライン自動推定を想定している。しかしながら、学習進行状況を列車走行中に確認できるようなマンマシンインターフェースが備わっている場合は、走行中にオンライン自動学習を進め、運転士の判断で、学習結果を使用するようなシステムも実現可能である。この場合、学習手段のみを別個の装置とし、自動列車運転の支援装置とすることもできる。
【００７９】
＜実施の形態３＞
図５は実施の形態３による自動列車運転装置の要部構成を示すものである。この実施の形態においては、営業後特性学習手段として、請求項３に記載の自動特性学習手段３４１、請求項４に記載の自動特性学習手段３４２、請求項５に記載の自動特性学習手段３４３、請求項６に記載の自動特性学習手段３４４、および請求項７に記載の自動特性学習手段３４５を備え、さらに、これら自動特性学習手段で得られた学習結果を入力とする学習結果比較手段３６、および学習結果比較手段３６での比較結果に従って学習結果に補正を加える学習結果補正手段３７を備えている。
【００８０】
自動特性学習手段３４１〜３４５では、それぞれ実施の形態１で説明したようにして特性の学習を行う。学習結果比較手段３６では、自動特性学習手段３４１〜３４５において学習した結果を受け取り、それぞれの学習結果を比較し、それらの相互間に大きな矛盾がないかどうかをチェックする。自動特性学習手段３４１〜３４５では、学習期間すなわち学習の間隔が大きく異なっているため、基本的に、学習期間の長い方の結果を学習期間の短い方の結果でチェックすればよい。例えば、自動特性学習手段３４５における学習結果が同じ時間帯の自動特性学習手段３４４の学習結果と明らかにｎ倍、例えば１０倍の値を持つような場合は明らかに異常であると判断し、自動特性学習手段３４５の学習結果は大きく矛盾しているという結果とすればよい。また、自動特性学習手段３４１〜３４５の内の複数の結果を用いてチェックすることにより、チェックの精度をより向上させることができる。
【００８１】
次に、学習結果補正手段３７は、学習結果比較手段３６において大きく矛盾しているという比較結果が出たものに対して補正を加える。補正の方法としては、最も簡単には、学習期間（学習間隔）の短い自動特性学習手段の学習結果をそのまま利用する方法である。しかしながら、自動特性学習手段３４１〜３４５の複数の学習結果を用いた場合、それらの学習結果の平均値を用いることも考えられる。さらに、自動特性学習手段３４１〜３４５の学習結果がほとんどが矛盾しているという結果が出た場合や、自動特性学習手段３４１〜３４５の学習結果相互間に大きなばらつきが存在する場合は、それらを平均値をとって使用することも考えられる。
【００８２】
＜実施の形態４＞
自動特性学習手段３４では、適応オブザーバを用いて特性の学習を行うことができる。適応オブザーバは、対象プラントを式（１）のように数式モデル化した場合に、観測（測定）可能な値からそのパラメータを同定するものである。見方によってはシステム同定を行っているとも考えられ、時々刻々と適応オブザーバの同定結果を列車自動運転手段８１で利用することにより、一種の適応制御系を構成する。式（１）の場合、適応オブザーバを用いることにより、観測値である加減速度（速度検出器６の検出速度から算出可能）と制御指令値である力行牽引力またはブレーキ力を利用し、重量、列車走行抵抗を時々刻々同定することができる。適応オブザーバのアルゴリズムとしては、拡張最小二乗法や拡張カルマンフィルタ、適応フィルタ等を利用することができる（詳細に関しては「ロバスト適応制御入門」（寺尾満監修、金井喜美雄著、オーム社刊）の２章「未知プラントの推定と適応観測器」Ｐ．４７〜８７、または「システム制御シリーズ６最適フィルタリング」（西山清著、培風館）の３．３節「適応フィルタ」Ｐ．５０〜５７を参照）。
【００８３】
以上のように、学習期間（学習の間隔）が異なるいくつかの自動特性学習手段を比較し、矛盾した学習結果を排除することにより、より高精度の特性学習結果を得ることができる。
【００８４】
＜実施の形態５＞
自動特性学習手段３４では、外乱オブザーバを用いて特性の学習を行うこともできる。外乱オブザーバは、モーションコントロール等でよく利用されるものであり、外乱を同定するものである（詳細は、「MATLABによる制御系設計」（野波健蔵編著、西村秀和・平田光男共著、東京電機大学出版局）の４．４節「モーションコントロールにおける外乱オブザーバ」Ｐ．９９〜１０２を参照）。式（１）における列車走行抵抗をモーションコントロールにおける力外乱と考えることにより、外乱オブザーバにより時々刻々の列車走行抵抗を推定することができる。この推定結果を利用して学習を行うことにより、より高精度の学習が可能となる。
【００８５】
【発明の効果】
本発明によれば、走行中にオンラインで列車特性や路線特性、制御パラメータを自動学習し、その学習結果を用いた効率的な列車自動運転を遂行することができる。
【図面の簡単な説明】
【図１】本発明による自動列車運転装置を備えた列車の全体を示すブロック図。
【図２】図１の自動列車運転装置の内部構成を説明するためのブロック図。
【図３】初期力行時の重量推定に基づく走行パターン補正の概念図。
【図４】営業前および営業後を考慮した学習の手順を示すフローチャート。
【図５】本発明の一実施形態による自動特性学習結果の補正のための補正手段を示すブロック図。
【符号の説明】
１ 列車
２ 自動列車制御装置（ＡＴＣ）
３ データベース（ＤＢ）
４ 運転台
５ 応荷重装置
６ 速度検出器
７ 地上子検出器
８ 自動列車運転装置（ＡＴＯ）
９ 駆動装置
１０ 減速装置
２０ 営業前走行判断手段
２１ 営業前特性初期値設定手段
２２ 営業前試験走行用列車自動運転手段
２３ 走行結果蓄積手段
２４ 営業前特性推定手段
２５ 推定結果補正手段
２６ 特性推定値蓄積手段
３０ 学習特性データベース（学習特性ＤＢ）
３１ 特性初期値設定手段
３２ 列車自動運転手段
３３ 営業後走行結果蓄積手段
３４ 営業後特性学習手段
３５ 学習結果補正手段
３６ 学習結果比較手段
３７ 学習結果補正手段
８０ データ処理手段
８１ 列車自動運転手段
３４１〜３４５ 自動特性学習手段
【発明の属する技術分野】
本発明は、列車の特性を学習し、その学習結果を列車の自動運転に利用する自動列車運転装置に関するものである。
【０００２】
【従来の技術】
自動列車運転装置（以下、「ＡＴＯ」と称する）は、列車の制限速度、ないしは制限速度からある程度の余裕を持たせた制限速度に列車を追従させようとするものとして、すでに実用化されている。しかしながら、ＰＩ制御等の誤差追従制御を主体としているため、列車や路線の特性に依存するところが多く、現状では、各列車や各路線に対し、それらの特性または制御パラメータの調整を行う作業のためにかなりの時間および労力を必要としている。
【０００３】
また、走行計画を作成し、これをもとにした列車走行を行うような自動列車運転装置も考えられている。走行計画を作成する場合、簡易的な列車走行モデルを利用することがある。最も簡単なものとしては、まず対象の列車運転を次に示すような簡単な物理式、
Ｆ−Ｆr＝Ｍ・α …（１）
で表現する方法が考えられる。ここで、Ｆは力行牽引力またはブレーキ力、Ｆrは列車走行抵抗力、Ｍは列車重量、αは加速度（負の加速度すなわち減速度を含む）である。列車走行抵抗Ｆrは列車走行時に発生する抵抗力であり、計算の便宜上、以下の各抵抗に基づいて構成されるものと考える場合が多い。すなわち、
出発抵抗：発車の際の抵抗
空気抵抗：列車走行上の空気による抵抗
勾配抵抗：路線の勾配に起因する抵抗
曲線抵抗：路線の曲線に起因する抵抗
トンネル抵抗：トンネル内を走行するときに発生する抵抗
がそれである。空気抵抗は、車輪踏面とレール面との間の抵抗も考慮し、速度の２次式として取り扱う場合が多い。
【０００４】
一般的に列車走行抵抗力Ｆrは、勾配抵抗、空気抵抗、曲線抵抗、トンネル抵抗、出発抵抗等からなる抵抗に基づくものと考えられる場合が多い。ここでは、トンネル以外の列車走行時を考えるものとし、勾配抵抗、空気抵抗、および曲線抵抗に関して考える。この場合、勾配抵抗、空気抵抗、および曲線抵抗はそれぞれ以下の式（２），（３），（４）で求められる（例えば、文献「運転理論（直流交流電気機関車）」交友社編参照）。すなわち、
（ａ）勾配抵抗式
Ｆrg＝ｓ …（２）
Ｆrg：勾配抵抗力［kg重/ton］、
ｓ：勾配［‰］（上りのとき正、下りのとき負）、
（ｂ）空気抵抗式
Ｆra＝Ａ＋Ｂｖ＋Ｃｖ２ …（３）
Ｆra：空気抵抗力［kg重/ton］、
Ａ，Ｂ，Ｃ：係数、
ｖ：速度［km/h］、
（ｃ）曲線抵抗式
Ｆrc＝８００／ｒ …（４）
Ｆrc：曲線抵抗力［kg重/ton］、
ｒ：曲率半径［m］。
【０００５】
自動列車運転の際に、式（１）のようなモデルを利用する場合、走行計画に基づく自動列車運転方式においても、列車特性や路線特性等の特性が乗り心地の向上や停止精度に大きく影響する。
【０００６】
【発明が解決しようとする課題】
従来の方式は、上述したように、列車や路線の特性または制御パラメータに依存するところが大きく、自動列車運転装置の調整に多大な労力が必要であった。また、その調整においては、列車を実際に何度も走行させて実データを取得し、オフライン的に調整を進める必要があった。
【０００７】
したがって本発明の目的は、調整に必要な時間や労力を低減し、さらに営業走行後も自動で特性の学習を進め、乗り心地を一層改善し、また停止精度を向上させ得る自動列車運転装置を提供することである。
【０００８】
上記目的達成のため、本発明は、
列車走行時に取得したデータをオンライン処理するデータ処理手段と、このデータ処理手段によって列車走行時に取得したデータおよび事前に取得したデータをもとに、列車走行時の制御パラメータ、並びに列車特性および路線特性を列車走行時に自動学習する自動特性学習手段と、この自動特性学習手段によって学習された列車特性および路線特性を使用し、列車の自動運転を行う列車自動運転手段とを備えたことを特徴とする自動列車運転装置であって、
前記営業前特性推定手段による推定の結果が、実際には起こり得ない特性値であるか、実際に起こり得る限界の特性値を外れている場合、前記推定の結果を前記限界の特性値以内に補正する推定結果補正手段を備えた
ことを特徴とする。
【０００９】
請求項１に記載の発明によれば、走行中にオンラインで列車特性や路線特性を自動学習することが可能であり、ここで自動学習した結果を用いた列車自動運転をすることができる。また、学習・推定の補正を行うことにより、万が一でもあり得ないような学習・推定結果が発生した場合に、これを未然に回避することができる。
【００２５】
請求項１および２に記載の発明によれば、学習・推定の補正を行うことにより、万が一でもあり得ないような学習・推定結果が発生した場合に、これを未然に回避することができる。
【００２７】
請求項３に記載の発明によれば、目標走行計画との誤差に基づく制御指令補正状況に応じて学習を行うことにより、より詳細で迅速な学習を行うことができる。
【００２９】
請求項４記載の発明によれば、請求項１の効果に加え、適応オブザーバを用いて特性の学習を行うことにより、更に精度のよい学習を行うことができる。
【００３１】
請求項５に記載の発明によれば、請求項１の効果に加え、外乱オブザーバを用いることにより、外乱を陽に推定し、この結果を用いて特性学習を行うことができる。
【００３２】
【発明の実施の形態】
＜実施の形態１＞
図１および図２は本発明による自動列車運転装置の一実施形態を示すものである。図示の列車１に搭載された自動列車運転装置（ＡＴＯ）８は、地上システムである自動列車制御装置（ＡＴＣ）２から制限速度データを取得し、また列車１内においてデータベース（ＤＢ）３から路線条件（傾斜角や曲線曲率半径等）や車両条件（列車編成・重量等）、運行条件等のデータを取得し、運転台４から出発信号を、応荷重装置５から応荷重信号を、速度検出器６から列車速度信号を、それぞれ取得し、さらに路線上に適宜配置された地上子に応答する地上子検出器７から列車位置の信号をそれぞれ取得する。路線に適宜配置される地上子は列車位置の確認のために用いられる。ここでは、ＤＢ３は列車１内に搭載されるものとして示されているが、場合によっては列車１の外部に地上システムとして備えることもでき、また、場合によっては、列車１内および地上に分散配置としてもよい。
【００３３】
ＡＴＯ８は、オンラインデータ処理を行うデータ処理手段８０および列車自動運転手段８１のほかに、後述の営業前特性推定手段２４および営業後特性学習手段３４に代表される推定手段および学習手段を備えている。データ処理手段８０は列車速度信号を処理して列車速度のほかに列車位置（速度の時間積分値）、列車加速度（速度の微分値）、および列車走行距離（速度絶対値の時間積分値）を連続的に演算する。列車位置ないし列車走行距離は、地上子検出器７からの列車位置信号によって適宜補正される。データ処理手段８０は、このように各入力信号に基づいて所定の演算を行い、後述の学習や列車自動運転に必要な計測データを提供する。列車自動運転に必要な計測データは列車自動運転手段８１に提供される。列車自動運転手段８１は各入力データに基づいて演算した結果に従い駆動装置９に力行指令を、また減速装置１０に減速指令を出す。駆動装置９は、列車を牽引するための主電動機およびそれを制御する電力変換器を含む。また、減速装置１０は通常、機械ブレーキおよび電気ブレーキを併せ備える。
【００３４】
ＡＴＯ８は列車１に搭載されており、本発明の学習に係わる営業前特性推定手段２４および営業後特性学習手段３４の部分は、図２に詳細に示されているように、営業前走行判断手段２０、営業前特性初期値設定手段２１、営業前試験走行用列車自動運転手段２２、走行結果蓄積手段２３、営業前特性推定手段２４、推定結果補正手段２５、特性推定値蓄積手段２６、学習特性データベース（学習特性ＤＢ）３０、特性初期値設定手段３１、列車自動運転手段３２、営業後走行結果蓄積手段３３、営業後特性学習手段３４、および学習結果補正手段３５からなっている。手段２１〜２６は営業走行前試験走行時のための処理手段であり、手段３１〜３５は営業走行後のための処理手段であり、営業前走行判断手段２０および学習特性ＤＢ３０は営業走行前後に関わりなく両者に共通に設けられている。図２には、ＡＴＯ８が自動列車運転装置として本来備えているデータ処理手段８０および列車自動運転手段８１等は省略されている。
【００３５】
次に図１および図２の装置の作用について説明する。
【００３６】
図１において、ＡＴＯ８は、ＡＴＣ２から制限速度データを、ＤＢ３から路線条件や車両条件、運行条件等の、事前に取得可能な情報をそれぞれ取得するとともに、それをもとにして所定の演算を行い、力行指令または減速指令からなる制御指令を作成し、列車１の自動運転を実現することは前述の通りである。
【００３７】
ＡＴＯ８は運転台４から出発信号を受信することにより列車自動運転手段による自動運転動作を開始する。発車後は、応荷重装置５から得られる応荷重情報と、速度検出器６から得られる速度データと、地上子検出器７から得られる地上子検出情報を利用する。応荷重情報は列車の重量に関する情報として利用し、地上子検出情報は位置情報の補正のために利用する。これらの情報を利用し、ＡＴＯ８では、列車の制御指令（力行指令／減速指令）を作成する。制御指令として力行指令が作成された場合、力行指令を出力し、駆動装置９によって列車を力行させる。力行指令としては、力行トルク（力行牽引力）指令のほか、ノッチ走行の場合は力行ノッチ指令等が挙げられる。また、制御指令として減速指令が作成された場合、減速指令を出力し、減速装置１０によって列車を減速させる。減速指令としては、ブレーキ力指令や、ノッチ走行の場合、ブレーキノッチ指令等が挙げられる。
【００３８】
次に図２を参照してＡＴＯ８の作用をさらに詳細に説明する。
【００３９】
運転台４から出発信号を受信することにより、まず営業前走行判断手段２０で営業前の試験走行であるか、営業後の走行であるかの判断を行う。この際の判断方法としては、ソフト的にフラグを作成し、「フラグを立てない場合は、試験走行」とし、「フラグを立てた場合は、営業走行」とする等のソフト的なフラグを利用する方法や、ハードスイッチの設定結果を利用する方法等が考えられる。
【００４０】
営業前走行判断手段２０において営業前の試験走行であると判断された場合、営業前特性初期値設定手段２１において営業前試験走行時の初期特性パラメータを設定する。設定の方法としては、手動でマンマシン・インタフェースを利用し、走行開始前に設定する方法が考えられる。また、設定値の内容としては、列車の仕様や路線特性等、事前に入手可能な情報から特性パラメータを抽出し、入力すればよい。
【００４１】
次に、営業前特性初期値設定手段２１によって設定された特性パラメータを用いて、営業前試験走行用列車自動運転手段２２により、自動運転による列車の試験走行を行う。自動列車運転の方法としては、駅停車時に最適走行計画を作成し、これをもとに自動運転し、最適走行計画からのずれが大きな場合に、走行計画を再計画したり、制御指令に対し誤差フィードバックによる補正を行ったりする方法がある。また、ここでは、営業前の事前走行であるため、例えば、ノッチ走行の列車の場合、特性推定をしたいノッチを用いた試験走行を行う等、特性推定を目的とした走行を行うことができる。
【００４２】
次に、営業前試験走行用列車自動運転手段２２で自動運転を行った結果を、走行結果蓄積手段２３によって蓄積する。蓄積する場合は、目標とした走行計画、および走行時に計測された速度データや位置データ等を、ハードディスク（ＨＤ）等のメディアに電子ファイルとして蓄積することができる。
【００４３】
次に、走行結果蓄積手段２３によって蓄積された試験走行結果を用いて、営業前特性推定手段２４によって、特性パラメータの推定を行う。営業前に推定しておくべき特性パラメータとしては、重量、加速特性、減速特性等をあげることができる。
【００４４】
列車編成全体の重量に関しては、営業前の試験走行であることから、乗客が乗車していないため、惰行時の加速度または減速度と列車走行抵抗によって推定が可能である。ここでは、対象の列車を式（１）のような簡単な物理式で表現する場合を考える。
【００４５】
列車走行抵抗に関しては、勾配、曲率等の路線特性や、空気抵抗や摩擦抵抗を考慮した式により演算をすることが可能である。なお、列車走行抵抗の演算に関しては、文献「運転理論（直流交流電気機関車）」交友社編を参照されたい。一般に列車走行抵抗力Ｆrは、
【００４６】
これらを考慮すると、重量は、式（１）を変形して、
Ｍ＝（Ｆ−Ｆr）／α …（６）
によって推定することができる。式（６）において、惰行走行の場合、力行牽引力Ｆを０（ゼロ）とすればよい。また、加速度（または減速度）αに関しては、最小二乗法等を利用し、計測結果（列車走行速度）から演算することによって得ることができる。以上の処理で重量Ｍを推定することができる。
【００４７】
重量Ｍの推定演算が終了すれば、この重量推定値を利用することにより力行特性およびブレーキ特性の推定が可能となる。
【００４８】
まず、重量推定値Ｍｅｓｔ、力行時の加速度αａｃｃ、および列車走行抵抗力Ｆrを使用して、力行特性（力行ノッチと力行牽引力の関係等）の推定を行う。力行時の加速度αａｃｃおよび列車走行抵抗力Ｆrに関しては、前述の重量の演算と同様の処理で得ることができる。これらと重量推定値を用いて、力行牽引力Ｆを、
Ｆ＝Ｍｅｓｔαａｃｃ＋Ｆr …（７）
により推定することができる。
【００４９】
式（７）により、ノッチによる力行操作を行う列車の場合、各ノッチの力行牽引力を推定することができる。これをもとに力行ノッチと力行牽引力の関係を推定することができる。
【００５０】
また、重量推定値と、減速時の減速度および列車走行抵抗を使用して、ブレーキ力特性を推定することができる。減速時の減速度および列車走行抵抗に関しては、前述の重量の際の演算と同様の処理で得ることができる。これらと重量推定値を用いて、ブレーキ力Ｆを、
Ｆ＝Ｍｅｓｔαｄｅｃ＋Ｆr …（８）
により推定することができる。ただし、αｄｅｃは減速度（負の加速度）である。
【００５１】
式（８）により、ノッチによるブレーキ操作を行う列車の場合の、各ノッチのブレーキ力を推定することができる。この結果からブレーキノッチとブレーキ力の関係を推定することができる。
【００５２】
これらの推定値は、駅間走行後や、停車時に演算することが望ましいが、列車走行中に演算し、演算結果を列車走行中に確認することもできる。このように重量・力行特性、ブレーキ特性の推定を行うことにより、列車編成毎のばらつきに対しても、営業走行前に従来より短い時間での調整が可能となる。
【００５３】
次に、営業前特性推定手段２４によって推定された特性推定値に対し、推定結果補正手段２５によって補正を加える。補正を加えるにあたっては、理論的に実現可能な特性パラメータの許容範囲を設定しておき、この許容範囲内に収まるように修正する必要がある。例えば、特性推定値が許容範囲を超える場合は、予め演算しておいた設定値を使用したり、許容範囲における制限値を利用したりすること等が考えられる。この許容範囲をあまりに大きく外れる場合は、再度試験走行をする等の操作を行う必要がある。
【００５４】
次に、推定結果補正手段２５によって補正された特性推定値を、特性推定値蓄積手段２６によって学習特性ＤＢ３０に蓄積する。蓄積の方法としては、前述した走行結果蓄積手段２３と同様の方法を利用することができる。学習特性ＤＢ３０は営業走行前の試験走行で得られた特性推定結果のほかに、後述の営業走行後の学習で得られた特性学習結果をも蓄積する。
【００５５】
営業前走行判断手段２０によって営業後の走行であると判断された場合に関して以下に説明する。
【００５６】
営業走行の場合、最初に特性初期値設定手段３１によって特性パラメータの初期値を設定する。最初の営業走行の場合には、特性推定値蓄積手段２６によって蓄積された特性パラメータ（特性推定結果）を学習特性ＤＢ３０から取得して使用する。営業走行を進め、学習が進行した場合は、学習の結果得られた特性パラメータ（特性学習結果）を使用する。
【００５７】
次に、特性初期値設定手段３１によって設定された特性パラメータを使用し、列車自動運転手段３２によって列車の自動運転走行を行う。列車の自動運転に関しては、基本的には営業前試験走行用列車自動運転手段２２と同様であるが、営業後の場合、不特定多数の乗客が乗車するため、重量に変動が生じる。したがって、駅出発から初期力行時に、駅間走行時の重量を推定する必要がある。重量推定の方法としては、応荷重が得られる場合には、応荷重を利用すればよい。応荷重が利用できない場合は、営業前特性推定手段２４や推定結果補正手段２５と同様の作用を駅出発後の初期力行時に行うことにより重量の推定が可能である。推定の結果が特性初期値設定手段３１によって設定した値と異なる場合は、再度走行計画を作成する等の処理が必要となる。駅出発後の初期力行時に重量の推定を行う場合の概要を図３に示す。
【００５８】
図３において、横軸は出発駅から次駅までの距離すなわち位置を示し、縦軸は各位置での速度を速度パターンとして示したものである。出発駅停車時に特性推定値に基づいて作成された最適走行パターン３１（細い破線）に基づいて走行を始めた後、初期力行区間３０における実走行結果すなわち実走行パターン３２（太い実線）に従って重量推定を行い、その重量推定値に基づく再演算によって補正された走行パターン３２（太い破線）を作成し、これに従って実走行運転を行う。
【００５９】
次に、列車自動運転手段３２によって自動運転した結果を営業後走行結果蓄積手段３３によって蓄積する。蓄積の方法としては、前述した走行結果蓄積手段２３と同様の方法を利用することができる。
【００６０】
次に、営業後走行結果蓄積手段３３によって蓄積された走行結果を用いて、営業後特性学習手段３４によって特性の学習を行う。この特性の定期的学習に関しては、
（１）駅間走行結果に基づく学習
（２）全路線走行結果に基づく学習
（３）１日分走行結果に基づく学習
（４）数日分走行結果に基づく学習
（５）数ヶ月分走行結果に基づく学習
とケース別に実施する。
【００６１】
以下にケース（１）〜（５）に関してそれぞれ説明する。
（１）駅間走行結果に基づく学習
駅間走行後に得られる駅間走行結果をもとに学習し、学習結果を次駅間走行時に反映させる。これは、例えば、雨が降り出したときのブレーキ力低下への対応の学習を行う。一駅間の走行結果から学習が必要であると判断される例としては、雨天時のブレーキ力低下への対応が挙げられる。雨天時においては、列車において空気ブレーキが使用される場合、雨によりブレーキシューの摩擦が減少することからブレーキ力（減速性能）の低下が考えられる。このような場合は、雨の降り始め以降、減速性能の低下が見られるはずである。この結果をもとに、ブレーキ力の特性を学習すればよい。この場合の学習結果は一時的なものである場合が多いため、別途、仮の特性パラメータとして保持し利用するのがよい。
【００６２】
（２）全路線走行結果に基づく学習
１路線を最初から最後まで走行した結果をもとに学習し、次に路線走行を開始する際に学習結果を反映させる。例えば、一路線走行終了時に、各駅において必ずといっていい程、目標停止位置に対して過不足（ずれ量）を生じて停止する場合、そのようなずれ量を無くすため、ずれ量に応じてブレーキ力特性を学習すればよい。例えば、目標停止位置を行き過ぎる場合、ブレーキ力特性の設定値が実際値より若干大きいことが考えられる。すなわち、実際より大きなブレーキ力を考えているため、想定する減速度が得られていないことが考えられる。この場合は、ブレーキ力特性の設定値を若干小さくするように学習を行えばよい。
【００６３】
（３）１日分走行結果に基づく学習
１日分の走行結果をもとに学習し、その学習結果を次の日の走行に反映させる。例えば、１日分の走行結果（例えば、１路線全体の走行数回分の走行結果）を見る場合に、必ずといっていいほど、ある駅間で目標停止位置に対して同程度の行き過ぎずれを生じる場合は、その駅間における勾配や曲線等の路線特性パラメータの設定にずれを生じている可能性がある。この場合、走行結果に応じて勾配や曲線等の路線特性パラメータを少しずつ調整するように学習を行えばよい。
【００６４】
（４）数日分走行結果に基づく学習
数日分の走行結果を蓄積し、その蓄積結果をもとに学習を行う。例えば、数日分の走行結果を見たとき、同じ時間帯でのみ走行計画からのずれを生じている場合、何らかの影響で、その時間帯のみ力行牽引力特性またはブレーキ力特性が結果的に実際とずれている状況になっていることが考えられる。他の時間帯ではずれが見られない場合は、実際には特性パラメータ自体がずれているわけではないと考えられるため、対象となる時間帯のみ特性に補正を施し、以後、その補正値を学習によって修正していけばよい。
【００６５】
（５）数ヶ月分走行結果に基づく学習
数ヶ月分の走行結果が蓄積されたとき、その蓄積結果をもとに学習を行う。これは、例えば、保守点検の際等に蓄積された走行結果をもとに学習を行うことが考えられる。例えば、３ヶ月分の走行結果を見たとき、３ヶ月前、２ヶ月前、１ヶ月前と、時間の経過とともに次第にブレーキ力が低下している状況が見られる場合がある。これは、数日分走行結果に基づく学習の状況等からは判断困難という状況を想定している。空気ブレーキを使用している場合、摩擦によるブレーキシューの摩耗が生じている可能性がある。したがって、この結果をもとに特性パラメータを変更（学習）するか、程度によってはブレーキシューの取替え等の対策をとる必要がある。この他に、車輪径の変動等、経年変化への対策も行う。
【００６６】
以上の学習は、一例として、図４に示すフローのように学習を進めることによって選択的に実現することができる。図４において、営業前走行判断手段２０による営業前の試験走行か、営業後の営業走行かの判断（ステップ５１）の結果が、前者（営業前試験走行）であれば、営業前試験走行（ステップ５２）を行い、初期パラメータの推定（ステップ５３）を行って終了する。ステップ５１の判断結果が営業走行であれば、走行内容に応じて５種類の学習のいずれかを行う。すなわち、営業走行における走行終了の態様を判断し（ステップ５４）、駅間走行終了であれば「（１）駅間走行結果に基づく学習」（ステップ５５）を行い、全路線走行終了であれば「（２）全路線走行結果に基づく学習」（ステップ５６）を行う。ステップ５４において、１日分走行終了であった場合は、さらに何日分のデータが蓄積されたのかを判断し（ステップ５７）、その判断結果に従い、１日分データ蓄積完了であれば「（３）１日分走行結果に基づく学習」（ステップ５８）を行い、数日分データ蓄積完了であれば「（４）数日走行結果に基づく学習」（ステップ５９）を行い、数ヶ月分データ蓄積完了であれば「（５）数ヶ月分走行結果に基づく学習」（ステップ６０）を行う。
【００６７】
しかしながら、図４において太線で表示された各学習ステップ５５，５６，５８，５９，６０では、走行結果に以下のような学習すべき傾向が見られる場合のみ学習を行う。すなわち、
ａ） 同じ傾向のずれが続く場合（例えば、全路線走行結果において、全駅間で同程度の目標停止位置行き過ぎが見られる場合等）、および
ｂ） ずれが顕著な場合
である。
【００６８】
学習に関しては、関連のある特性パラメータをある一定の割合毎に増減させる方法が考えられる。例えば、前述したように、全路線走行結果において、全駅間で同程度の目標停止位置の行き過ぎが見られる場合、ブレーキ力の設定値が実際のブレーキ力より若干大きすぎる場合が考えられるため、ブレーキ力特性の設定値を一定の割合で小さくするように学習を行えばよい。
【００６９】
特に駅間走行結果に基づく学習に関しては、同じ傾向のずれが数ケース見られることはまれと考えられる。したがって、この場合、以下のような学習が考えられる。すなわち、
・対象となる自動列車運転方式：
走行計画と実際の計測値にかなりのずれを生じる場合に、その偏差に応じて制御指令（力行ノッチ指令、ブレーキノッチ指令等）に対し補正を加えるような自動列車運転方式である。
【００７０】
・学習方法：
走行計画と実際の計測値との間にずれが生じた場合の制御指令補正の状況に応じて学習を行う。例としてブレーキ力特性の場合では、例えば、ブレーキ時に、計画より強いブレーキノッチとなるような制御指令補正が生じた場合、想定した減速度が得られていないことが考えられる。この場合、ブレーキ力特性の設定値が大きすぎたことが考えられるため、ブレーキ力特性の設定値を一定の割合で小さくするように学習を行えばよい。計画より弱いブレーキノッチとなるような制御指令補正が生じた場合は反対にブレーキ力特性の設定値を一定の割合で大きくするように学習を行えばよい。
【００７１】
推定特性が実際値と異なるという判断に関しては、計測データとして得られる加減速度をもとに、想定している特性である列車走行に関する特性、路線形状に関する特性（勾配、曲線等）、重量、力行牽引力またはブレーキ力を使用して、式（１）が満たされるかどうかを判断すればよい。
【００７２】
以上のようにして営業後特性学習手段３４によって学習した結果に対して学習結果補正手段３５によって補正を加える。補正の方法としては、前述の推定結果補正手段２５と同様の処理によって実施可能である。ここでの補正結果は学習特性ＤＢ３０に特性学習結果として蓄積される。
【００７３】
以上により、営業運転に入ってからも学習を行い、特性パラメータを調整しながら営業走行を行う。
【００７４】
以上のほとんどの学習は、駅到着時等の列車停車中でのオンライン自動学習を想定している。ただし、力行時の重量の推定は走行中のオンライン自動推定を想定している。
【００７５】
このように、学習・推定を行いつつ列車の自動運転を行うことにより、列車編成のばらつきや、経年変化等に良好に対応した自動運転を行うことができる。
【００７６】
以上説明したように、実施の形態１の自動列車運転装置によれば、営業走行前に重量・力行牽引力・ブレーキ力の推定を行うことにより、列車編成毎のばらつきに対しても、従来より短い時間によって調整が可能となり、営業後も、特性パラメータの学習を行うことにより、特性パラメータに変化が生じた場合でも乗り心地や停止精度を満足する自動運転を実現することができる。更に、営業後の学習において、学習を利用するデータの期間により駅間走行分、路線走行分等のように分けて実施することにより、より実際の状況に即した学習を行うことができる。また、営業前の推定、営業後の学習においては、推定・学習の結果を補正することにより、万が一、あり得ないような結果が出た場合でも、補正することにより、あり得ない特性パラメータを使用することなく推定・学習を行うことができる。
【００７７】
以上のようにして、特性の学習が進めば進むほど有効な最適走行計画の作成が可能となる。また、列車走行中に大きな学習が発生した場合、これをトリガとし、走行計画を再計画することにより、乗り心地、目標停止位置停止精度、走行時分を満足する自動列車運転が可能となる。
【００７８】
＜実施の形態２＞
実施の形態１では、ほとんどの学習は駅到着時等の列車停車中でのオンライン自動学習を想定し、力行時の重量の推定は走行中のオンライン自動推定を想定している。しかしながら、学習進行状況を列車走行中に確認できるようなマンマシンインターフェースが備わっている場合は、走行中にオンライン自動学習を進め、運転士の判断で、学習結果を使用するようなシステムも実現可能である。この場合、学習手段のみを別個の装置とし、自動列車運転の支援装置とすることもできる。
【００７９】
＜実施の形態３＞
図５は実施の形態３による自動列車運転装置の要部構成を示すものである。この実施の形態においては、営業後特性学習手段として、請求項３に記載の自動特性学習手段３４１、請求項４に記載の自動特性学習手段３４２、請求項５に記載の自動特性学習手段３４３、請求項６に記載の自動特性学習手段３４４、および請求項７に記載の自動特性学習手段３４５を備え、さらに、これら自動特性学習手段で得られた学習結果を入力とする学習結果比較手段３６、および学習結果比較手段３６での比較結果に従って学習結果に補正を加える学習結果補正手段３７を備えている。
【００８０】
自動特性学習手段３４１〜３４５では、それぞれ実施の形態１で説明したようにして特性の学習を行う。学習結果比較手段３６では、自動特性学習手段３４１〜３４５において学習した結果を受け取り、それぞれの学習結果を比較し、それらの相互間に大きな矛盾がないかどうかをチェックする。自動特性学習手段３４１〜３４５では、学習期間すなわち学習の間隔が大きく異なっているため、基本的に、学習期間の長い方の結果を学習期間の短い方の結果でチェックすればよい。例えば、自動特性学習手段３４５における学習結果が同じ時間帯の自動特性学習手段３４４の学習結果と明らかにｎ倍、例えば１０倍の値を持つような場合は明らかに異常であると判断し、自動特性学習手段３４５の学習結果は大きく矛盾しているという結果とすればよい。また、自動特性学習手段３４１〜３４５の内の複数の結果を用いてチェックすることにより、チェックの精度をより向上させることができる。
【００８１】
次に、学習結果補正手段３７は、学習結果比較手段３６において大きく矛盾しているという比較結果が出たものに対して補正を加える。補正の方法としては、最も簡単には、学習期間（学習間隔）の短い自動特性学習手段の学習結果をそのまま利用する方法である。しかしながら、自動特性学習手段３４１〜３４５の複数の学習結果を用いた場合、それらの学習結果の平均値を用いることも考えられる。さらに、自動特性学習手段３４１〜３４５の学習結果がほとんどが矛盾しているという結果が出た場合や、自動特性学習手段３４１〜３４５の学習結果相互間に大きなばらつきが存在する場合は、それらを平均値をとって使用することも考えられる。
【００８２】
＜実施の形態４＞
自動特性学習手段３４では、適応オブザーバを用いて特性の学習を行うことができる。適応オブザーバは、対象プラントを式（１）のように数式モデル化した場合に、観測（測定）可能な値からそのパラメータを同定するものである。見方によってはシステム同定を行っているとも考えられ、時々刻々と適応オブザーバの同定結果を列車自動運転手段８１で利用することにより、一種の適応制御系を構成する。式（１）の場合、適応オブザーバを用いることにより、観測値である加減速度（速度検出器６の検出速度から算出可能）と制御指令値である力行牽引力またはブレーキ力を利用し、重量、列車走行抵抗を時々刻々同定することができる。適応オブザーバのアルゴリズムとしては、拡張最小二乗法や拡張カルマンフィルタ、適応フィルタ等を利用することができる（詳細に関しては「ロバスト適応制御入門」（寺尾満監修、金井喜美雄著、オーム社刊）の２章「未知プラントの推定と適応観測器」Ｐ．４７〜８７、または「システム制御シリーズ６最適フィルタリング」（西山清著、培風館）の３．３節「適応フィルタ」Ｐ．５０〜５７を参照）。
【００８３】
以上のように、学習期間（学習の間隔）が異なるいくつかの自動特性学習手段を比較し、矛盾した学習結果を排除することにより、より高精度の特性学習結果を得ることができる。
【００８４】
＜実施の形態５＞
自動特性学習手段３４では、外乱オブザーバを用いて特性の学習を行うこともできる。外乱オブザーバは、モーションコントロール等でよく利用されるものであり、外乱を同定するものである（詳細は、「MATLABによる制御系設計」（野波健蔵編著、西村秀和・平田光男共著、東京電機大学出版局）の４．４節「モーションコントロールにおける外乱オブザーバ」Ｐ．９９〜１０２を参照）。式（１）における列車走行抵抗をモーションコントロールにおける力外乱と考えることにより、外乱オブザーバにより時々刻々の列車走行抵抗を推定することができる。この推定結果を利用して学習を行うことにより、より高精度の学習が可能となる。
【００８５】
【発明の効果】
本発明によれば、走行中にオンラインで列車特性や路線特性、制御パラメータを自動学習し、その学習結果を用いた効率的な列車自動運転を遂行することができる。
【図面の簡単な説明】
【図１】本発明による自動列車運転装置を備えた列車の全体を示すブロック図。
【図２】図１の自動列車運転装置の内部構成を説明するためのブロック図。
【図３】初期力行時の重量推定に基づく走行パターン補正の概念図。
【図４】営業前および営業後を考慮した学習の手順を示すフローチャート。
【図５】本発明の一実施形態による自動特性学習結果の補正のための補正手段を示すブロック図。
【符号の説明】
１ 列車
２ 自動列車制御装置（ＡＴＣ）
３ データベース（ＤＢ）
４ 運転台
５ 応荷重装置
６ 速度検出器
７ 地上子検出器
８ 自動列車運転装置（ＡＴＯ）
９ 駆動装置
１０ 減速装置
２０ 営業前走行判断手段
２１ 営業前特性初期値設定手段
２２ 営業前試験走行用列車自動運転手段
２３ 走行結果蓄積手段
２４ 営業前特性推定手段
２５ 推定結果補正手段
２６ 特性推定値蓄積手段
３０ 学習特性データベース（学習特性ＤＢ）
３１ 特性初期値設定手段
３２ 列車自動運転手段
３３ 営業後走行結果蓄積手段
３４ 営業後特性学習手段
３５ 学習結果補正手段
３６ 学習結果比較手段
３７ 学習結果補正手段
８０ データ処理手段
８１ 列車自動運転手段
３４１〜３４５ 自動特性学習手段
Claims (5)
- 列車走行時に取得したデータをオンライン処理するデータ処理手段と、このデータ処理手段によって列車走行時に取得したデータおよび事前に取得したデータをもとに、列車走行時の制御パラメータ、並びに列車特性および路線特性を列車走行時に自動学習する自動特性学習手段と、この自動特性学習手段によって学習された列車特性および路線特性を使用し、列車の自動運転を行う列車自動運転手段とを備えたことを特徴とする自動列車運転装置であって、
前記営業前特性推定手段による推定の結果が、実際には起こり得ない特性値であるか、実際に起こり得る限界の特性値を外れている場合、前記推定の結果を前記限界の特性値以内に補正する推定結果補正手段を備えた
ことを特徴とする自動列車運転装置。 - 請求項１記載の自動列車運転装置において、
前記自動特性学習手段による学習の結果が、実際には起こり得ない特性値であるか、実際に起こり得る限界の特性値を外れている場合、学習の結果を限界の特性値以内に補正する第２の学習結果補正手段をさらに備えたことを特徴とする自動列車運転装置。 - 請求項１記載の自動列車運転装置において、
前記自動学習特性手段は、営業走行時の特性学習の際に、目標走行計画値との間の誤差に基づいた制御指令補正量に応じて特性学習を行うことを特徴とする自動列車運転装置。 - 請求項１記載の自動列車運転装置において、
前記自動特性学習手段は、適応オブザーバを用いて特性の学習を行うことを特徴とする自動列車運転装置。 - 請求項１記載の自動列車運転装置において、
前記自動特性学習手段は、外乱オブザーバを用いて特性の学習を行うことを特徴とする自動列車運転装置。
Priority Applications (8)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002233432A JP3940649B2 (ja) | 2002-08-09 | 2002-08-09 | 自動列車運転装置 |
| TW092101849A TWI276560B (en) | 2002-01-31 | 2003-01-28 | Automatic train operation device and train operation assisting device |
| TW095111232A TWI284605B (en) | 2002-01-31 | 2003-01-28 | Automatic train operating device |
| TW095111237A TWI277548B (en) | 2002-01-31 | 2003-01-28 | Automatic train operation device |
| TW095111247A TWI277549B (en) | 2002-01-31 | 2003-01-28 | Automatic fixed-position stop control device for train |
| CN2006100597022A CN1817680B (zh) | 2002-01-31 | 2003-01-30 | 自动列车运行装置以及列车运行辅助装置 |
| CN2008101693543A CN101372235B (zh) | 2002-01-31 | 2003-01-30 | 列车定位停止自动控制装置 |
| CNB031330282A CN1326735C (zh) | 2002-01-31 | 2003-01-30 | 自动列车运行装置以及列车运行辅助装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002233432A JP3940649B2 (ja) | 2002-08-09 | 2002-08-09 | 自動列車運転装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004080838A JP2004080838A (ja) | 2004-03-11 |
| JP3940649B2 true JP3940649B2 (ja) | 2007-07-04 |
Family
ID=32018564
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002233432A Expired - Fee Related JP3940649B2 (ja) | 2002-01-31 | 2002-08-09 | 自動列車運転装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3940649B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102015212847B4 (de) | 2014-07-10 | 2022-09-15 | Hitachi, Ltd. | Automatische Zugsteuervorrichtung und automatisches Zugsteuerverfahren |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4805853B2 (ja) * | 2007-01-26 | 2011-11-02 | 株式会社東芝 | 列車制御装置 |
| JP4315395B2 (ja) | 2007-04-27 | 2009-08-19 | 新東工業株式会社 | 自動注湯制御方法、自動注湯装置のサーボモータの制御システムおよび取鍋用傾動制御プログラムを記憶した記憶媒体 |
| JP5150448B2 (ja) * | 2008-10-21 | 2013-02-20 | 株式会社東芝 | 列車制御装置 |
| JP5574826B2 (ja) * | 2010-05-26 | 2014-08-20 | 株式会社東芝 | 列車制御装置 |
| JP5466129B2 (ja) * | 2010-10-15 | 2014-04-09 | 株式会社日立製作所 | 定速走行制御装置 |
| JP5558317B2 (ja) * | 2010-11-09 | 2014-07-23 | 株式会社東芝 | 列車制御装置 |
| JP5433747B2 (ja) * | 2012-09-04 | 2014-03-05 | 株式会社東芝 | 列車制御装置および列車制御方法 |
| CN102981408B (zh) * | 2012-12-10 | 2015-05-27 | 华东交通大学 | 一种动车组运行过程建模与自适应控制方法 |
| CN103237044B (zh) * | 2012-12-31 | 2016-01-20 | 中铁第四勘察设计院集团有限公司 | 基于gsm-r实现的列车自动驾驶车地通信系统及方法 |
| JP5986961B2 (ja) * | 2013-06-28 | 2016-09-06 | 株式会社日立製作所 | 自動列車運転装置 |
| JP6275599B2 (ja) * | 2014-09-09 | 2018-02-07 | 株式会社日立製作所 | 運行管理装置及び車上装置 |
| JP2017165237A (ja) | 2016-03-16 | 2017-09-21 | 株式会社日立製作所 | 列車運転支援システム |
| US10960774B2 (en) * | 2016-11-10 | 2021-03-30 | Mitsubishi Electric Corporation | Automatic train operation device |
| KR20180065628A (ko) * | 2016-12-08 | 2018-06-18 | 재단법인대구경북과학기술원 | 철도차량이상판별장치 및 철도차량 이상 판별 방법 |
| CN106671995B (zh) * | 2016-12-12 | 2018-09-04 | 交控科技股份有限公司 | 一种重载列车驾驶曲线建立方法及装置 |
| KR102136918B1 (ko) * | 2017-08-25 | 2020-07-24 | 한국철도공사 | 경험 최적화된 디지털 빅데이터 운영기반의 열차 자율운전 시스템 및 방법 |
| CN109895794B (zh) * | 2017-12-08 | 2020-01-14 | 通号城市轨道交通技术有限公司 | 基于机器学习的列车自动驾驶系统精准停车方法及装置 |
| CN114323706B (zh) * | 2021-11-22 | 2024-04-12 | 卡斯柯信号有限公司 | 一种列车ato控车故障检测方法、装置、设备及介质 |
-
2002
- 2002-08-09 JP JP2002233432A patent/JP3940649B2/ja not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102015212847B4 (de) | 2014-07-10 | 2022-09-15 | Hitachi, Ltd. | Automatische Zugsteuervorrichtung und automatisches Zugsteuerverfahren |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004080838A (ja) | 2004-03-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3940649B2 (ja) | 自動列車運転装置 | |
| US9689681B2 (en) | System and method for vehicle operation | |
| US9026268B2 (en) | System and method for communication and control in a vehicle system | |
| EP2694930B1 (en) | Weight estimation of a vehicle | |
| CN107206913B (zh) | 列车控制装置、列车控制方法及程序 | |
| CN111994129B (zh) | 一种轮轨列车防滑控制方法及系统 | |
| SE1350172A1 (sv) | Samtidig skattning av åtminstone massa och rullmotstånd | |
| EP3483029A1 (en) | System and method for testing adhesion conditions on a track | |
| JP6814658B2 (ja) | 車両制御装置、車両制御方法、プログラム | |
| CN102414072A (zh) | 用于运行轨道车辆的方法 | |
| CN104029688A (zh) | 一种轮对空转检测方法 | |
| JP3919553B2 (ja) | 自動列車運転装置 | |
| JP2010004662A (ja) | 列車制御装置 | |
| JP7249267B2 (ja) | 車両消費の監視システム | |
| SE544696C2 (en) | Method and control arrangement for determining momentary tire wear rate of a wheel of a vehicle | |
| JP2000211487A (ja) | 鉄道車両用滑走制御装置 | |
| CN104011294B (zh) | 坡度信息取得方法及坡度信息取得装置 | |
| CN110271521A (zh) | 一种基于信号系统的列车防滑控制方法 | |
| WO2014126522A1 (en) | A method for managing parameters that influence the driving resistance | |
| US20220185345A1 (en) | Control system for operating long vehicles | |
| WO2019150925A1 (ja) | 走行パターン作成装置、走行パターン作成方法および自動列車運転装置 | |
| US20220205202A1 (en) | Route cleaning system | |
| JP2008029109A (ja) | 列車制御システム | |
| SE1450602A1 (sv) | Förfarande och system för anpassning av ett fordons framförande på en vägbana i samband med kurvkörning | |
| JP2021035783A (ja) | 列車自動運転システム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041102 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20060403 |
|
| A131 | Notification of reasons for refusal |
Effective date: 20061006 Free format text: JAPANESE INTERMEDIATE CODE: A131 |
|
| A521 | Written amendment |
Effective date: 20061205 Free format text: JAPANESE INTERMEDIATE CODE: A523 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Effective date: 20070323 Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Effective date: 20070402 Free format text: JAPANESE INTERMEDIATE CODE: A61 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100406 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110406 Year of fee payment: 4 |
|
| LAPS | Cancellation because of no payment of annual fees |