JP5986961B2 - Automatic train driving device - Google Patents
Automatic train driving device Download PDFInfo
- Publication number
- JP5986961B2 JP5986961B2 JP2013135749A JP2013135749A JP5986961B2 JP 5986961 B2 JP5986961 B2 JP 5986961B2 JP 2013135749 A JP2013135749 A JP 2013135749A JP 2013135749 A JP2013135749 A JP 2013135749A JP 5986961 B2 JP5986961 B2 JP 5986961B2
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- learning
- characteristic
- speed
- vehicle characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- 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
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
Description
本発明は、走行実績データから学習した車両特性を活用して、車両走行制御を実施する、自動列車運転装置に関する。
The present invention relates to an automatic train driving device that implements vehicle travel control by utilizing vehicle characteristics learned from travel performance data.
列車運行ダイヤの過密化やホームドアの整備等を背景に、乗務員の負担低減や人件費の削減を目的とし、自動列車運転装置（ＡＴＯ：Ａｕｔｏｍａｔｉｃ Ｔｒａｉｎ Ｃｏｎｔｒｏｌ）の導入が進められている。ＡＴＯの機能の中で、ホームドア位置に車両ドア位置を正確に合わせて列車を停止させる、列車定位置停止制御（ＴＡＳＣ：Ｔｒａｉｎ Ａｕｔｏｍａｔｉｃ Ｓｔｏｐ Ｃｏｎｔｒｏｌ）は、既設路線駅へのホームドア導入が進むに従って、多くの路線で導入が盛んである。以降ではＴＡＳＣ装置の機能に絞って説明をするが、本発明は、自動列車運転装置一般に適用可能である。 The introduction of automatic train control (ATO: Automatic Train Control) is being promoted for the purpose of reducing the burden on crew and labor costs against the backdrop of overcrowded train operation schedules and platform door maintenance. Among the functions of ATO, Train Automatic Stop Control (TASC), which stops the train by accurately aligning the vehicle door position with the platform door position, is being introduced as the platform doors are introduced to existing line stations. The introduction is prosperous on many routes. Hereinafter, the description will focus on the function of the TASC device, but the present invention is applicable to general automatic train driving devices.
ＴＡＳＣ装置の機能概要を説明する（図１）。ＴＡＳＣ装置は、取得した車両速度と車両位置に基づいて制動指令を出力する機能を持つ。車両速度は、一般的に、車輪軸に設置された速度発電機で検出する（車軸の回転速度に車輪円周長を乗算）。車両位置は、車両速度の積分で走行距離を知る他、車上子と地上子の通信で絶対位置を検出する。ＴＡＳＣ装置から出力された制動指令は、車上の情報伝送を掌る車両情報制御装置などを介して（介さない場合もある）、制駆動指令装置に伝達され、制駆動装置を動作させる。 An outline of functions of the TASC apparatus will be described (FIG. 1). The TASC device has a function of outputting a braking command based on the acquired vehicle speed and vehicle position. The vehicle speed is generally detected by a speed generator installed on the wheel shaft (the rotation speed of the axle is multiplied by the wheel circumference). As for the vehicle position, in addition to knowing the travel distance by integrating the vehicle speed, the absolute position is detected by communication between the vehicle upper and the ground. The braking command output from the TASC device is transmitted to the braking / driving command device via a vehicle information control device that handles information transmission on the vehicle or the like (sometimes not), and operates the braking / driving device.
ＴＡＳＣ装置の内部機能は大きく２つに分けられ、速度位置検出機能と制御指令算出機能とから成る。速度位置検出機能は、速度発電機からの速度信号および車上子・地上子の通信結果から、車両の位置と速度を検出し、制御指令算出機能へ出力する。制御指令算出機能は、その内部に計画機能と追従機能を有する。計画機能は、予め保持している駅停止位置までの制動速度パタンに、現在の車両位置を照らし合わせることで、目標速度を算出する。追従機能は、前記目標速度と現在の車両速度との速度偏差を入力として、出力すべき制動力を算出し、制動指令を出力する。制動指令は、ブレーキノッチ指令の他、トルク指令も有り得る。以上が、ＴＡＳＣ装置の機能概要説明である。 The internal function of the TASC device is roughly divided into two, and consists of a speed position detection function and a control command calculation function. The speed position detection function detects the position and speed of the vehicle from the speed signal from the speed generator and the communication result of the vehicle upper / ground element, and outputs the detected position and speed to the control command calculation function. The control command calculation function has a planning function and a follow-up function therein. The planning function calculates the target speed by comparing the current vehicle position with the braking speed pattern up to the station stop position held in advance. The tracking function receives a speed deviation between the target speed and the current vehicle speed, calculates a braking force to be output, and outputs a braking command. The braking command can be a torque command in addition to a brake notch command. The above is the functional outline description of the TASC device.
ところで、ＴＡＳＣ装置から出力される制動指令に対して、車両の制動力は多少のずれを持って出力されることが分かっている。指令減速度と発生減速度のずれの模式図を図２に表す。指令減速度（図２黒点線）に対して、発生減速度（図２黒実線）がずれている。代表的なずれとしては、減速度の指令から発生までの遅れである無駄時間や、発生する減速度の大きさのずれである減速度偏差が考えられる。これらの減速度ずれにより、目標速度パタンへの追従性が悪化するため、ＴＡＳＣ装置の導入にあたっては、これらのずれの影響を吸収すべく、作業員による諸パラメータの調整作業が行われることが多かった。一方で、そうした調整工数の低減を目的に、車両の実走行データから車両特性（前記の無駄時間や減速度偏差）を自動学習し、制御に反映する機能の開発が進められてきた。この機能を以降では「車両特性学習機能」と記す。 By the way, it is known that the braking force of the vehicle is output with a slight deviation from the braking command output from the TASC device. A schematic diagram of the difference between the command deceleration and the generated deceleration is shown in FIG. The generated deceleration (black solid line in FIG. 2) is deviated from the command deceleration (black dotted line in FIG. 2). As a typical deviation, a dead time that is a delay from the command of deceleration to the generation thereof, and a deceleration deviation that is a deviation of the magnitude of the generated deceleration can be considered. Due to these deviations in deceleration, followability to the target speed pattern deteriorates. Therefore, when introducing a TASC device, it is often the case that an operator adjusts various parameters to absorb the influence of these deviations. It was. On the other hand, for the purpose of reducing such adjustment man-hours, development of a function that automatically learns vehicle characteristics (the above-mentioned dead time and deceleration deviation) from actual running data of the vehicle and reflects them in the control has been advanced. This function is hereinafter referred to as “vehicle characteristic learning function”.
車両特性学習機能の一例を図３に示す。この例では、走行実績データから統計処理を経て、減速度に関する無駄時間と減速度偏差を抽出し、補正値として制御指令算出機能に出力する。制御指令算出機能では、車両の位置と速度に関して、無駄時間後の予想位置、予想速度を算出し、無駄時間分の遅れを考慮した予測制御を行う。また、減速度偏差を考慮して、追従機能における出力制動力指令値を補正する。車両特性学習機能の実施形態はこの例に限らず、様々な形態が考案されている。 An example of the vehicle characteristic learning function is shown in FIG. In this example, through the statistical processing from the running record data, the dead time and deceleration deviation relating to deceleration are extracted and output to the control command calculation function as correction values. In the control command calculation function, the predicted position and speed after the dead time are calculated with respect to the position and speed of the vehicle, and the prediction control is performed in consideration of the delay for the dead time. Further, the output braking force command value in the tracking function is corrected in consideration of the deceleration deviation. The embodiment of the vehicle characteristic learning function is not limited to this example, and various forms have been devised.
本技術分野の背景技術として、特開２０１０−１０４０８４号公報（特許文献１）や特開２０１３−３４３７４号公報（特許文献２）がある。これらの公報には、「車両特性モデルのパラメータとして短期用と長期用の二種類を備え、列車の走行制御中に車両特性推定手段により推定された実際の減速度に基づいて短期用パラメータを調整し、停止時に次駅間の長期用パラメータを前駅間の短期用パラメータの調整結果に基づいて調整する。」と記載されている（要約参照）。
As background art in this technical field, there are JP 2010-104084 A (Patent Document 1) and JP 2013-34374 A (Patent Document 2). These gazettes state that “the vehicle characteristic model has two types of parameters, short-term and long-term parameters, and the short-term parameters are adjusted based on the actual deceleration estimated by the vehicle characteristic estimation means during train travel control. Then, at the time of stoppage, the long-term parameter between the next stations is adjusted based on the adjustment result of the short-term parameter between the previous stations ”(see summary).
走行実績データから抽出される車両特性が、統計的なバラつきを持っていることを考えると、学習に使用するサンプル数は多い方が良く、学習に使用するデータの参照期間は長くとるべきである。一方で、車両特性に影響を及ぼす外乱が発生し、一時的に車両特性が変化している場合には、前記の長い参照期間での学習では、車両特性変化を捉えることができず、制御精度の維持に悪影響を及ぼすことが考えられる。ＴＡＳＣの場合であれば、停止精度の維持に悪影響が生じる可能性がある。外乱影響が存在する期間は短期間であるかもしれないが、定位置停止が出来なかった場合の周囲の列車への影響波及（ダイヤ乱れにつながる）を考えると、一時的な外乱に対しても迅速に対応し、変化した車両特性を速やかに車両制御に反映させる必要がある。したがって、安定した車両特性学習と一時的な外乱影響への迅速な対応との両立が課題であると言える。（図４）
特許文献１および特許文献２では、車両特性推定手段が走行中に所定の制御サイクルに従い車両特性の推定動作を繰り返し、その都度車両特性パラメータを調整／更新することによって車両特性変化に追従する。すなわち、それまでの推定特性値と、直近の推定特性値の間をとった値を、新しい推定特性値とする方法である。
Considering that the vehicle characteristics extracted from the driving performance data have statistical variations, it is better that the number of samples used for learning is larger, and the reference period of the data used for learning should be longer. . On the other hand, when a disturbance that affects the vehicle characteristics occurs and the vehicle characteristics change temporarily, the learning in the long reference period cannot capture the change in the vehicle characteristics. It may have a negative effect on the maintenance of In the case of TASC, there is a possibility that the maintenance of stop accuracy is adversely affected. The period during which disturbance effects exist may be short, but considering the influence on surrounding trains (which leads to diamond disturbance) when a fixed position stop is not possible, even for temporary disturbances It is necessary to respond quickly and reflect the changed vehicle characteristics to the vehicle control promptly. Therefore, it can be said that the challenge is to achieve both stable vehicle characteristic learning and quick response to temporary disturbance effects. (Fig. 4)
In Patent Document 1 and Patent Document 2, vehicle characteristic estimation means repeats the vehicle characteristic estimation operation according to a predetermined control cycle during traveling, and adjusts / updates the vehicle characteristic parameter each time to follow the vehicle characteristic change. That is, this is a method in which a value obtained between the previous estimated characteristic value and the latest estimated characteristic value is used as a new estimated characteristic value.
前記の課題に対する解決策として、次のような考え方も可能である。すなわち、過去の車両特性推定結果を外乱条件別にデータベースに蓄積しておき、現在発生中の外乱種類に応じて、前記データベースから車両特性を検索、反映するという考え方である。しかしながら、車両特性は、外乱による変動の他に、部品の経時変化による長期的な変動も発生するため、データベースから検索した過去の外乱時の車両特性がそのまま活用できるとは限らない、という問題がある。 As a solution to the above problem, the following way of thinking is also possible. That is, it is an idea that past vehicle characteristic estimation results are accumulated in a database according to disturbance conditions, and vehicle characteristics are searched and reflected from the database according to the type of disturbance currently occurring. However, since the vehicle characteristics are subject to long-term fluctuations due to aging of components in addition to fluctuations due to disturbances, there is a problem that the vehicle characteristics at the time of past disturbances retrieved from the database cannot always be used as they are. is there.
上記課題を解決するために、例えば特許請求の範囲に記載の構成を採用する。
本願は上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、「自車両の速度と位置を検出する速度位置検出手段と、車両の特性をオンライン学習する車両特性学習手段と、 前記速度位置検出手段で検出した速度と位置、および、前記車両特性学習手段で学習した車両特性に基づいて、制駆動制御装置に対する制御指令を算出する制御指令算出手段とを備える自動列車運転装置であって、前記車両特性学習手段は、過去所定期間の制御指令および速度と位置のデータから車両特性を学習反映する車両特性反映手段と、前記車両特性反映手段に対し、前記過去所定期間を指定する参照期間指定手段と、を備えることを特徴とする自動列車運転装置」である。
In order to solve the above problems, for example, the configuration described in the claims is adopted.
The present application includes a plurality of means for solving the above-mentioned problems. To give an example, “the speed position detecting means for detecting the speed and position of the own vehicle, and the vehicle characteristic learning means for online learning of the characteristics of the vehicle; An automatic train driving apparatus comprising: a control command calculating means for calculating a control command for the braking / driving control device based on the speed and position detected by the speed position detecting means and the vehicle characteristics learned by the vehicle characteristic learning means; The vehicle characteristic learning means specifies vehicle characteristic reflection means for learning and reflecting vehicle characteristics from control commands and speed and position data for a predetermined period in the past, and specifies the past predetermined period for the vehicle characteristic reflection means. An automatic train operation device comprising a reference period designating means.
部品の経時変化に伴うような長期的な車両特性変化を安定して学習・反映しつつ、短期的な外乱影響にも対応し、変化した車両特性を迅速に学習・反映できるため、自動列車運転装置の制御精度が向上する。列車定位置停止装置の場合であれば、停止位置精度の維持に効果を発揮し、列車の安定運行に貢献する。
Automatic train operation because it can learn and reflect long-term changes in vehicle characteristics, such as changes in parts over time, while also responding to short-term disturbance effects and can quickly learn and reflect changed vehicle characteristics. The control accuracy of the apparatus is improved. In the case of a train fixed position stop device, it is effective in maintaining stop position accuracy and contributes to stable operation of the train.
以下、実施例を図面を用いて説明する。 Hereinafter, examples will be described with reference to the drawings.
本実施例では、車両特性学習手段の外部から取得する外乱関連情報を基に、車両特性学習の参照期間を変化させる自動列車運転装置の例を説明する。
図４は、本実施例における自動列車運転装置４０１の構成図の例である。前記自動列車運転装置４０１は、速度位置検出手段４０７と制御指令算出手段４０６と車両特性学習手段４０５と、から成る。前記速度位置検出手段４０７は、自列車の速度と位置を検出し、前記制御指令算出手段４０６に出力する。自列車の速度の検出方法は、図１記載の速度発電機からの速度信号を用いる方法（車軸の回転速度に車輪円周長を乗算）の他、ドップラーレーダー等を用いて地上との速度差を測る方法も考えられる。本発明では速度の検出方法は問わない。前記車両特性学習手段４０５は、前記制御指令算出手段４０６および前記速度位置検出手段４０７から取得する走行実績に関するデータと、前記車両特性学習手段４０５の外部（例えば、車両情報制御装置４０２）から取得する外乱関連情報を基に、自列車の車両特性値を学習し、前記制御指令算出手段４０６に出力する。前記制御指令算出手段４０６は、前記速度位置検出手段４０７から取得する自列車の速度および位置と、前記車両特性学習手段４０５から取得する車両特性値を基に、制御指令を算出し、制駆動制御装置４０３へ出力する。前記制御指令算出手段４０６における制御指令の算出過程は、その一例を図１を用いて〔背景技術〕にて説明したが、算出過程はこれに限らない。前記制駆動制御装置４０３はアクチュエータ４０４を制御し、車両を運動させる。
In this embodiment, an example of an automatic train driving device that changes the reference period of vehicle characteristic learning based on disturbance-related information acquired from the outside of the vehicle characteristic learning means will be described.
FIG. 4 is an example of a configuration diagram of the automatic train operation device 401 in the present embodiment. The automatic train operation device 401 includes a speed position detection unit 407, a control command calculation unit 406, and a vehicle characteristic learning unit 405. The speed position detecting means 407 detects the speed and position of the own train and outputs them to the control command calculating means 406. In addition to the method using the speed signal from the speed generator shown in FIG. 1 (the speed of the axle is multiplied by the wheel circumference), the speed of the own train can be detected using a Doppler radar or the like. A method of measuring the angle can also be considered. In the present invention, the speed detection method is not limited. The vehicle characteristic learning unit 405 acquires data related to the driving performance acquired from the control command calculation unit 406 and the speed position detection unit 407 and from outside the vehicle characteristic learning unit 405 (for example, the vehicle information control device 402). Based on the disturbance related information, the vehicle characteristic value of the own train is learned and output to the control command calculation means 406. The control command calculating unit 406 calculates a control command based on the speed and position of the own train acquired from the speed position detecting unit 407 and the vehicle characteristic value acquired from the vehicle characteristic learning unit 405, and performs braking / driving control. Output to the device 403. An example of the calculation process of the control command in the control command calculation unit 406 has been described in [Background Art] with reference to FIG. 1, but the calculation process is not limited thereto. The braking / driving control device 403 controls the actuator 404 to move the vehicle.
続いて、前記車両特性学習手段４０５の構成を説明する。前記車両特性学習手段４０５は、車両特性推定手段４０８と、車両特性蓄積手段４０９と、車両特性反映手段４１０と、参照期間指定手段４１１と、から成る。前記車両特性推定手段４０８は、前記制御指令算出手段４０６および前記速度位置検出手段４０７から取得する走行実績に関するデータを使用して、車両特性を推定する。車両特性の例としては、制動力の指令から制動力の発生までの無駄時間や、指令した減速度と発生した減速度の減速度偏差が挙げられるが、車両特性はこれらに限らない。車両特性の推定方法の一例として、前記制御指令算出手段４０６から出力した指令減速度データと、前記速度位置検出手段４０７からの出力結果を処理して得た、発生減速度データとを比較する方法が挙げられる。車両特性の推定方法はこの方法に限らない。前記車両特性推定手段４０８で推定された車両特性値は、前記車両特性蓄積手段４０９で蓄積される。車両特性値は、それぞれの車両特性推定が行われた日時や場所に関する情報と共にデータベース化される。前記車両特性反映手段４１０は、次に説明する前記参照期間指定手段４１１から車両特性学習用の参照期間を取得し、該参照期間に該当する車両特性値を、前記車両特性蓄積手段４０９から取得する。そして、取得した車両特性値から統計処理などで抽出した代表値を、車両特性の学習結果として、前記制御指令算出手段４０６へ出力する。前記参照期間指定手段４１１は、外部（例えば車両情報制御装置４０２）から取得する外乱関連情報を元に、前記参照期間を決定し、前記車両特性反映手段４１０に出力する。 Next, the configuration of the vehicle characteristic learning unit 405 will be described. The vehicle characteristic learning unit 405 includes a vehicle characteristic estimation unit 408, a vehicle characteristic storage unit 409, a vehicle characteristic reflection unit 410, and a reference period designation unit 411. The vehicle characteristic estimation unit 408 estimates the vehicle characteristic using data relating to the running record acquired from the control command calculation unit 406 and the speed position detection unit 407. Examples of the vehicle characteristics include a dead time from the command of the braking force to the generation of the braking force, and the commanded deceleration and the deceleration deviation of the generated deceleration, but the vehicle characteristics are not limited to these. As an example of a vehicle characteristic estimation method, a method of comparing command deceleration data output from the control command calculation unit 406 and generated deceleration data obtained by processing an output result from the speed position detection unit 407 Is mentioned. The vehicle characteristic estimation method is not limited to this method. The vehicle characteristic value estimated by the vehicle characteristic estimation unit 408 is accumulated in the vehicle characteristic accumulation unit 409. The vehicle characteristic values are made into a database together with information on the date and place where each vehicle characteristic is estimated. The vehicle characteristic reflecting means 410 acquires a reference period for vehicle characteristic learning from the reference period specifying means 411 described below, and acquires a vehicle characteristic value corresponding to the reference period from the vehicle characteristic storage means 409. . Then, a representative value extracted by statistical processing or the like from the acquired vehicle characteristic value is output to the control command calculation unit 406 as a learning result of the vehicle characteristic. The reference period designating unit 411 determines the reference period based on disturbance related information acquired from the outside (for example, the vehicle information control device 402), and outputs the reference period to the vehicle characteristic reflecting unit 410.
次に、本実施例の前記自動列車運転装置４０１に含まれる、前記車両特性学習手段４０５において実行される処理について、図５、図６、図７を用いて説明する。 Next, processing executed by the vehicle characteristic learning means 405 included in the automatic train driving apparatus 401 of this embodiment will be described with reference to FIGS. 5, 6, and 7.
まず初めに、図５を用いて処理の全体を説明した後に、図６と図７を用いて一部の処理の詳細を説明する。 First, the entire process will be described with reference to FIG. 5, and then the details of some processes will be described with reference to FIGS.
図５のステップ５０１において、自列車が駅間走行中であるか否かを判定し、駅間走行中であればステップ５０２へ進む。ここで、駅間走行中であるか否かの判定方法の例としては、前記速度位置検出手段４０７から取得できる自列車の位置および速度から判定する方法が考えられる。その他の方法でもよい。ステップ５０２では、自列車がＴＡＳＣ制御開始前の所定位置を通過したか否かを判定し、通過していればステップ５０３へ進む。ここで、ＴＡＳＣ制御開始とは、駅間走行中に着駅に近づき、駅停止位置までの制動速度パタンが生成されるタイミングを指しており、駅間毎にＴＡＳＣ制御開始となる位置は既定である。ステップ５０２では、ＴＡＳＣ制御開始より手前の地点の通過有無を判定するので、既定であるＴＡＳＣ制御開始位置より、所定距離手前の位置を、自列車が通過済みか否かを判定すればよい。ここで前記所定距離の決め方は、前記車両特性反映手段４１０からの出力値である車両特性値が、前記制御指令算出手段４０６に反映されるまでの列車の走行距離を基準に決める。例えば、列車が時速１００キロメートル（秒速２８メートル）で走行中で、車両特性値の反映に０．５秒必要であれば、前記所定距離は１４メートル以上あればよい。ステップ５０３では、前記車両特性反映手段４１０において、反映用の車両特性値を算出し、算出済みの車両特性値を前記制御指令算出手段４０６に反映する。ステップ５０３の詳細については、図６を用いて後述する。ステップ５０４では、自列車がＴＡＳＣ制御開始位置を通過した否かを判定し、通過していればステップ５０５に進む。ＴＡＳＣ制御開始位置については、ステップ５０２の説明で前述したのでここでは省略する。ステップ５０５では、前記制御指令算出手段４０６および前記速度位置検出手段４０７から取得する走行データを前記車両特性推定手段４０８に蓄積する。前記走行データには、少なくとも、各時点での時間、速度、減速度指令の情報を含む。前記走行データの蓄積は、ＴＡＳＣ制御終了、すなわち駅到着まで続けられる（ステップ５０６）。その後、ステップ５０７で、前記車両特性推定手段４０８における車両特性推定が行われ、ステップ５０８で、前記車両特性蓄積手段への車両特性値蓄積が実施される。以上が、前記車両特性学習手段４０５において実行される処理の全体像である。 In step 501 of FIG. 5, it is determined whether or not the own train is traveling between stations. Here, as an example of a method of determining whether or not the vehicle is traveling between stations, a method of determining from the position and speed of the own train that can be acquired from the speed position detecting unit 407 can be considered. Other methods may be used. In step 502, it is determined whether or not the own train has passed a predetermined position before the start of TASC control. Here, TASC control start refers to the timing at which a braking speed pattern is generated when approaching the destination station while traveling between stations, and until the station stop position. The position where TASC control starts for each station is predetermined. is there. In step 502, since it is determined whether or not a point before the start of TASC control has passed, it may be determined whether or not the own train has passed a position a predetermined distance before the default TASC control start position. Here, the predetermined distance is determined based on the travel distance of the train until the vehicle characteristic value, which is the output value from the vehicle characteristic reflecting means 410, is reflected in the control command calculating means 406. For example, if the train is traveling at 100 km / h (28 meters per second) and 0.5 seconds are required to reflect the vehicle characteristic values, the predetermined distance may be 14 meters or more. In step 503, the vehicle characteristic reflecting means 410 calculates a vehicle characteristic value for reflection, and the calculated vehicle characteristic value is reflected in the control command calculating means 406. Details of step 503 will be described later with reference to FIG. In step 504, it is determined whether or not the own train has passed the TASC control start position, and if it has passed, the process proceeds to step 505. Since the TASC control start position has been described in the description of step 502, it is omitted here. In step 505, traveling data acquired from the control command calculation unit 406 and the speed position detection unit 407 is accumulated in the vehicle characteristic estimation unit 408. The travel data includes at least information on time, speed, and deceleration command at each time point. The accumulation of the travel data is continued until the TASC control is finished, that is, until the station arrives (step 506). Thereafter, in step 507, vehicle characteristic estimation in the vehicle characteristic estimation means 408 is performed, and in step 508, vehicle characteristic value accumulation in the vehicle characteristic accumulation means is performed. The above is the overall image of the processing executed in the vehicle characteristic learning means 405.
次に、ステップ５０３の車両特性反映の詳細な処理について、図６を用いて説明する。まず、ステップ６０１では、前記参照期間指定手段４１１において、車両特性学習用の参照期間を決定する。ステップ６０１の詳細は図７を用いて後述する。次のステップ６０２では、前記参照期間指定手段４１１で決定された参照期間を、前記車両特性反映手段４１０で取得する。そして、ステップ６０３において、前記車両特性反映手段４１０は、取得した参照期間に当てはまる車両特性値を、前記車両特性蓄積手段４０９のデータベースから抽出する。最後に、ステップ６０４では、前ステップで抽出された車両特性値から代表となる車両特性値を算出し、前記制御指令算出手段４０６に出力する。代表となる車両特性値の算出は、例えば統計処理によって行われることが考えられる。統計処理の例としては、平均値や最頻値の使用が挙げられる。以上が、ステップ５０３の詳細説明である。 Next, detailed processing of reflecting vehicle characteristics in step 503 will be described with reference to FIG. First, in step 601, the reference period specifying unit 411 determines a reference period for vehicle characteristic learning. Details of step 601 will be described later with reference to FIG. In the next step 602, the reference period determined by the reference period specifying unit 411 is acquired by the vehicle characteristic reflecting unit 410. In step 603, the vehicle characteristic reflecting means 410 extracts a vehicle characteristic value that falls within the acquired reference period from the database of the vehicle characteristic accumulating means 409. Finally, in step 604, a representative vehicle characteristic value is calculated from the vehicle characteristic value extracted in the previous step, and is output to the control command calculation means 406. The calculation of the representative vehicle characteristic value may be performed by, for example, statistical processing. Examples of statistical processing include use of an average value or a mode value. The above is the detailed description of step 503.
次に、前記参照期間指定手段４１１における参照期間決定（ステップ６０１）について、図７を用いて、詳細な処理を説明する。まず、ステップ７０１では、前記参照期間指定手段４１１が、前記車両情報制御装置４０２から、車両情報を取得する。ここで、前記車両情報に含まれる情報としては、車両の制動特性に影響を与える可能性のある外乱情報が含まれる。車両の制動特性に影響を与える可能性のある外乱としては、発生減速度が変化する、降雨・降雪・気温変化・荷重変化・砂まき稼働・レール塗油・ブレーキ電空比変化といった外乱や、制動指令の伝達遅れが変化する、併結車両数変化といった外乱が例として挙げられる。これらの外乱発生に関する情報が、前記車両情報には含まれている。次のステップ７０２では、取得した前記車両情報に前記の外乱が含まれているか否かを判定し、含まれていればステップ７０３へ、含まれていなければステップ７０４へ移行する。ステップ７０３では、外乱有り用の参照期間を算出する。外乱有り用の参照期間は、当該外乱が発生している期間を含み、かつ、当該外乱が発生していない期間を含まないように設定される。ステップ７０４では、外乱無し用の参照期間を算出する。外乱無し用の参照期間は、車両制動特性に影響を与える前記のような外乱が発生していない期間を含まないように設定される。そして、ステップ７０５において、ステップ７０３またはステップ７０４で算出された参照期間を、前記車両特性反映手段４１０へ出力する。以上が、ステップ６０１の詳細説明である。 Next, detailed processing of the reference period determination (step 601) in the reference period specifying means 411 will be described with reference to FIG. First, in step 701, the reference period designation unit 411 acquires vehicle information from the vehicle information control device 402. Here, the information included in the vehicle information includes disturbance information that may affect the braking characteristics of the vehicle. Disturbances that may affect the braking characteristics of the vehicle include disturbances such as changes in the generated deceleration, such as rainfall, snowfall, temperature change, load change, sanding operation, rail oiling, brake electro-pneumatic ratio change, Examples include disturbances such as a change in the number of combined vehicles in which the transmission delay of the braking command changes. Information on the occurrence of these disturbances is included in the vehicle information. In the next step 702, it is determined whether or not the disturbance is included in the acquired vehicle information. If it is included, the process proceeds to step 703, and if it is not included, the process proceeds to step 704. In step 703, a reference period for disturbance is calculated. The reference period for disturbance is set so as to include a period in which the disturbance occurs and not to include a period in which the disturbance does not occur. In step 704, a reference period for no disturbance is calculated. The reference period for no disturbance is set so as not to include a period in which no disturbance that affects the vehicle braking characteristics occurs. In step 705, the reference period calculated in step 703 or 704 is output to the vehicle characteristic reflecting means 410. The above is the detailed description of step 601.
最後に、図８と図９を用いて、本実施例の効果を説明する。図８と図９は、外乱発生の間に車両特性値が一時的に変化した場合の、車両特性学習値の時間的推移を表している。なお、ここでは、細かな車両特性値のゆらぎは図示しない。また各図において、最下部のグラフを除き、上から順に時間経過を辿っており、最下部のグラフは学習値の推移を一枚のグラフにまとめたものである。図８は本発明を適用しないケースであり、常に同じ長さの参照期間で、車両特性値を学習している。そのため、外乱発生中でも、外乱発生無し期間の車両特性値を学習に使用しており、真値への学習値の追従性に改善余地があると言える。一方で、図９は本実施例を適用したケースであり、外乱発生を検知している間は、学習の参照期間を外乱発生中の期間に限定している。また外乱が消えたときには、参照期間を元の長さに戻し、外乱発生期間を参照期間から除外することで、外乱発生無しの期間のみから車両特性値学習を学習する。これによって、図９最下部のように、真値に対する学習値の追従性が改善される。以上のように、前記参照期間指定手段４１１が前記車両情報制御装置４０２から外乱有無情報を取得・活用しているため、外乱有無によって学習期間を可変にすることができ、より正確な車両特性学習値を制御に活用することが可能となる。ひいては、車両制御の安定性を向上することとなり、停止制御においては、定位置停車のロバスト性が向上する。 Finally, the effect of the present embodiment will be described with reference to FIGS. FIGS. 8 and 9 show temporal transitions of the vehicle characteristic learning value when the vehicle characteristic value changes temporarily during the occurrence of the disturbance. Here, detailed fluctuations of the vehicle characteristic values are not shown. In each figure, the passage of time is traced in order from the top, except for the bottom graph, and the bottom graph summarizes the transition of the learning value into a single graph. FIG. 8 is a case where the present invention is not applied, and the vehicle characteristic value is always learned in the reference period of the same length. Therefore, it can be said that there is room for improvement in the followability of the learned value to the true value even when the disturbance is generated, because the vehicle characteristic value during the period of no disturbance is used for learning. On the other hand, FIG. 9 shows a case where the present embodiment is applied, and the reference period of learning is limited to a period during which disturbance is occurring while the occurrence of disturbance is detected. When the disturbance disappears, the reference period is returned to the original length, and the disturbance occurrence period is excluded from the reference period, so that the vehicle characteristic value learning is learned only from the period when no disturbance occurs. As a result, the followability of the learning value with respect to the true value is improved as shown at the bottom of FIG. As described above, since the reference period designating unit 411 acquires / utilizes disturbance presence / absence information from the vehicle information control device 402, the learning period can be made variable depending on the presence / absence of disturbance, and more accurate vehicle characteristic learning can be performed. The value can be used for control. As a result, the stability of the vehicle control is improved, and the robustness of the fixed position stop is improved in the stop control.
以上が実施例１の説明である。
The above is the description of the first embodiment.
本実施例では、車両特性学習手段の外部から取得する外乱関連情報を基に、車両特性学習の参照期間を変化させる自動列車運転装置の別の例を説明する。 In the present embodiment, another example of an automatic train driving device that changes the reference period of vehicle characteristic learning based on disturbance-related information acquired from outside the vehicle characteristic learning means will be described.
図１０は、本実施例における自動列車運転装置１００１の構成図の例である。前記自動列車運転装置１００１は、速度位置検出手段４０７と制御指令算出手段４０６と車両特性学習手段１００５と、から成る。前記速度位置検出手段４０７は、自列車の速度と位置を検出し、前記制御指令算出手段４０６に出力する。自列車の速度の検出方法は、図１記載の速度発電機からの速度信号を用いる方法（車軸の回転速度に車輪円周長を乗算）の他、ドップラーレーダー等を用いて地上との速度差を測る方法も考えられる。本発明では速度の検出方法は問わない。前記車両特性学習手段１００５は、前記制御指令算出手段４０６および前記速度位置検出手段４０７から取得する走行実績に関するデータと、前記車両特性学習手段１００５の外部（例えば、車両情報制御装置４０２）から取得する外乱関連情報を基に、自列車の車両特性値を学習し、前記制御指令算出手段４０６に出力する。前記制御指令算出手段４０６は、前記速度位置検出手段４０７から取得する自列車の速度および位置と、前記車両特性学習手段１００５から取得する車両特性値を基に、制御指令を算出し、制駆動制御装置４０３へ出力する。前記制御指令算出手段４０６における制御指令の算出過程は、その一例を図１を用いて〔背景技術〕にて説明したが、算出過程はこれに限らない。前記制駆動制御装置４０３はアクチュエータ４０４を制御し、車両を運動させる。 FIG. 10 is an example of a configuration diagram of an automatic train driving device 1001 in the present embodiment. The automatic train driving apparatus 1001 includes a speed position detection unit 407, a control command calculation unit 406, and a vehicle characteristic learning unit 1005. The speed position detecting means 407 detects the speed and position of the own train and outputs them to the control command calculating means 406. In addition to the method using the speed signal from the speed generator shown in FIG. 1 (the speed of the axle is multiplied by the wheel circumference), the speed of the own train can be detected using a Doppler radar or the like. A method of measuring the angle can also be considered. In the present invention, the speed detection method is not limited. The vehicle characteristic learning unit 1005 acquires data related to the driving performance acquired from the control command calculation unit 406 and the speed position detection unit 407 and the outside of the vehicle characteristic learning unit 1005 (for example, the vehicle information control device 402). Based on the disturbance related information, the vehicle characteristic value of the own train is learned and output to the control command calculation means 406. The control command calculation unit 406 calculates a control command based on the speed and position of the own train acquired from the speed position detection unit 407 and the vehicle characteristic value acquired from the vehicle characteristic learning unit 1005, and performs braking / driving control. Output to the device 403. An example of the calculation process of the control command in the control command calculation unit 406 has been described in [Background Art] with reference to FIG. 1, but the calculation process is not limited thereto. The braking / driving control device 403 controls the actuator 404 to move the vehicle.
続いて、前記車両特性学習手段１００５の構成を説明する。前記車両特性学習手段１００５は、車両特性推定手段４０８と、車両特性蓄積手段４０９と、長期特性反映手段１０１０と短期特性反映手段１０１１と反映特性切替手段１０１２と、から成る。既に説明した図４に示された同一の符号を付された構成と、同一の機能を有する部分については、説明を省略する（車両特性推定手段４０８と、車両特性蓄積手段４０９）。前記長期特性反映手段１０１０は、後に説明する前記反映特性切替手段１０１２によって、反映特性が長期特性に切り替えられた場合に、長期特性反映用に定められた参照期間に該当する車両特性値を、前記車両特性蓄積手段４０９から取得する。取得した車両特性値から統計処理などで抽出した代表値を、車両特性の学習結果として、前記制御指令算出手段４０６へ出力する。前記短期特性反映手段１０１１は、後に説明する前記反映特性切替手段１０１２によって、反映特性が短期特性に切り替えられた場合に、短期特性反映用に定められた参照期間に該当する車両特性値を、前記車両特性蓄積手段４０９から取得する。取得した車両特性値から統計処理などで抽出した代表値を、車両特性の学習結果として、前記制御指令算出手段４０６へ出力する。ここで、前記長期特性反映手段１０１０で使用される参照期間は、前記短期特性反映手段１０１１で使用される参照期間よりも長いことが求められる。前記反映特性切替手段１０１２は、外部（例えば車両情報制御装置４０２）から取得する外乱関連情報を元に、前記参照期間を長期か短期かのいずれかに切り替える。 Next, the configuration of the vehicle characteristic learning unit 1005 will be described. The vehicle characteristic learning unit 1005 includes a vehicle characteristic estimation unit 408, a vehicle characteristic storage unit 409, a long-term characteristic reflection unit 1010, a short-term characteristic reflection unit 1011, and a reflection characteristic switching unit 1012. Descriptions of the components having the same functions as those in FIG. 4 that have already been described with reference to FIG. 4 are omitted (vehicle characteristic estimation means 408 and vehicle characteristic accumulation means 409). When the reflection characteristic is switched to the long-term characteristic by the reflection characteristic switching unit 1012 described later, the long-term characteristic reflection unit 1010 obtains the vehicle characteristic value corresponding to the reference period defined for reflecting the long-term characteristic, as described above. Obtained from the vehicle characteristic storage means 409. A representative value extracted by statistical processing or the like from the acquired vehicle characteristic value is output to the control command calculating unit 406 as a vehicle characteristic learning result. The short-term characteristic reflecting unit 1011 uses the vehicle characteristic value corresponding to the reference period defined for reflecting the short-term characteristic when the reflecting characteristic is switched to the short-term characteristic by the reflecting characteristic switching unit 1012 described later. Obtained from the vehicle characteristic storage means 409. A representative value extracted by statistical processing or the like from the acquired vehicle characteristic value is output to the control command calculating unit 406 as a vehicle characteristic learning result. Here, the reference period used by the long-term characteristic reflecting unit 1010 is required to be longer than the reference period used by the short-term characteristic reflecting unit 1011. The reflection characteristic switching unit 1012 switches the reference period to either the long term or the short term based on disturbance related information acquired from the outside (for example, the vehicle information control device 402).
次に、本実施例の前記自動列車運転装置１００１に含まれる、前記車両特性学習手段１００５において実行される処理について、図５、図１１、図１２を用いて説明する。 Next, processing executed in the vehicle characteristic learning unit 1005 included in the automatic train driving apparatus 1001 of this embodiment will be described with reference to FIGS. 5, 11, and 12.
図５を用いて処理の全体を説明した後に、図１１と図１２を用いて一部の処理の詳細を説明する。 After the entire process is described with reference to FIG. 5, details of a part of the process will be described with reference to FIGS. 11 and 12.
本実施例における図５の説明は、実施例１における図５の説明において、
「前記自動列車運転装置４０１」を「前記自動列車運転装置１００１」と読み替え、また、
「前記車両特性反映手段４１０」を「前記長期特性反映手段１０１０または前記短期特性反映手段１０１１」と読み替えることで同一の説明となる。したがって、本実施例における図５の説明は省略する。
The description of FIG. 5 in the present embodiment is the same as the description of FIG.
“The automatic train operation device 401” is replaced with “the automatic train operation device 1001”,
By replacing “the vehicle characteristic reflecting means 410” with “the long-term characteristic reflecting means 1010 or the short-term characteristic reflecting means 1011”, the same explanation is obtained. Therefore, description of FIG. 5 in a present Example is abbreviate | omitted.
次に、ステップ５０３の車両特性反映の詳細な処理について、図１１を用いて説明する。まず、ステップ１１０１では、前記反映特性切替手段１０１２において、反映する特性を長期特性と短期特性のいずれにするかを決定する。ステップ１１０１の詳細は図１２を用いて後述する。次のステップ１１０２では、車両特性値の反映に用いる手段を、前記長期特性反映手段１０１０と前記短期特性反映手段１０１１とから選択する。本選択は、前記反映特性切替手段１０１２で決定された反映特性が長期特性の場合に、前記長期特性反映手段１０１０を選択し、短期特性の場合に、前記短期特性反映手段１０１１を選択する。ここでの選択結果を以降「特性反映手段」と呼ぶ。ステップ１１０３において、前記特性反映手段は、該特性反映手段に予め定められた参照期間に該当する車両特性値を、前記車両特性蓄積手段４０９のデータベースから抽出する。前記特性反映手段が前記長期特性反映手段１０１０であるときの前記参照期間は、前記特性反映手段が前記短期特性反映手段１０１０であるときの前記参照期間よりも長く設定されている。ステップ６０４の説明は図６と同一であるため省略する。以上が、本実施例におけるステップ５０３の詳細説明である。 Next, detailed processing of reflecting vehicle characteristics in step 503 will be described with reference to FIG. First, in step 1101, the reflection characteristic switching means 1012 determines whether the characteristic to be reflected is a long-term characteristic or a short-term characteristic. Details of step 1101 will be described later with reference to FIG. In the next step 1102, the means used for reflecting the vehicle characteristic value is selected from the long-term characteristic reflecting means 1010 and the short-term characteristic reflecting means 1011. In this selection, the long-term characteristic reflecting unit 1010 is selected when the reflecting characteristic determined by the reflecting characteristic switching unit 1012 is a long-term characteristic, and the short-term characteristic reflecting unit 1011 is selected when the reflecting characteristic is a short-term characteristic. The selection result here is hereinafter referred to as “characteristic reflecting means”. In step 1103, the characteristic reflecting unit extracts a vehicle characteristic value corresponding to a reference period predetermined by the characteristic reflecting unit from the database of the vehicle characteristic accumulating unit 409. The reference period when the characteristic reflecting unit is the long-term characteristic reflecting unit 1010 is set longer than the reference period when the characteristic reflecting unit is the short-term characteristic reflecting unit 1010. The description of step 604 is the same as that in FIG. The above is the detailed description of step 503 in the present embodiment.
次に、前記反映特性切替手段１０１２における反映特性決定（ステップ１１０１）について、図１２を用いて、詳細な処理を説明する。まず、ステップ１２０１では、前記反映特性切替手段１０１２が、前記車両情報制御装置４０２から、車両情報を取得する。ここで、前記車両情報に含まれる情報の説明は実施例１と同一であり、省略する。次のステップ１２０２では、取得した前記車両情報に前記の外乱が含まれているか否かを判定し、含まれていればステップ１２０３へ、含まれていなければステップ１２０４へ移行する。ステップ１２０３では、反映特性を短期特性と設定する。ステップ１２０４では、反映特性を長期特性と設定する。そして、ステップ１２０５において、ステップ１２０３またはステップ１２０４で選択された反映特性を出力する。以上が、ステップ１１０１の詳細説明である。 Next, detailed processing of the reflection characteristic determination (step 1101) in the reflection characteristic switching unit 1012 will be described with reference to FIG. First, in step 1201, the reflection characteristic switching unit 1012 acquires vehicle information from the vehicle information control device 402. Here, the description of the information included in the vehicle information is the same as that in the first embodiment, and will be omitted. In the next step 1202, it is determined whether or not the disturbance is included in the acquired vehicle information. If it is included, the process proceeds to step 1203. If not included, the process proceeds to step 1204. In step 1203, the reflection characteristic is set as a short-term characteristic. In step 1204, the reflection characteristic is set as the long-term characteristic. In step 1205, the reflection characteristic selected in step 1203 or 1204 is output. The above is the detailed description of step 1101.
最後に、図８と図１３を用いて、本実施例の効果を説明する。図８と図１３は、外乱発生の間に車両特性値が一時的に変化した場合の、車両特性学習値の時間的推移を表している。なお、ここでは、細かな車両特性値のゆらぎは図示しない。また各図において、最下部のグラフを除き、上から順に時間経過を辿っており、最下部のグラフは学習値の推移を一枚のグラフにまとめたものである。図８は本発明を適用しないケースであり、常に同じ長さの参照期間で、車両特性値を学習している。そのため、外乱発生中でも、外乱発生無し期間の車両特性値を学習に使用しており、真値への学習値の追従性に改善余地があると言える。一方で、図１３は本実施例を適用したケースであり、外乱発生を検知している間は、学習の参照期間を短期間に狭めている。また外乱が消えたときには、参照期間を元の長さに戻している。これによって、図１３最下部のように、図８と比べて、真値に対する学習値の追従性が改善される。以上のように、前記反映特性切替手段１０１２が前記車両情報制御装置４０２から外乱有無情報を取得・活用しているため、外乱有無によって学習期間を可変にすることができ、より正確な車両特性学習値を制御に活用することが可能となる。ひいては、車両制御の安定性を向上することとなり、停止制御においては、定位置停車のロバスト性が向上する。 Finally, the effect of the present embodiment will be described with reference to FIGS. 8 and 13. 8 and 13 show temporal transitions of the vehicle characteristic learning value when the vehicle characteristic value temporarily changes during the occurrence of the disturbance. Here, detailed fluctuations of the vehicle characteristic values are not shown. In each figure, the passage of time is traced in order from the top, except for the bottom graph, and the bottom graph summarizes the transition of the learning value into a single graph. FIG. 8 is a case where the present invention is not applied, and the vehicle characteristic value is always learned in the reference period of the same length. Therefore, it can be said that there is room for improvement in the followability of the learned value to the true value even when the disturbance is generated, because the vehicle characteristic value during the period of no disturbance is used for learning. On the other hand, FIG. 13 shows a case where the present embodiment is applied, and the learning reference period is narrowed to a short time while the occurrence of disturbance is detected. When the disturbance disappears, the reference period is returned to the original length. As a result, the followability of the learning value with respect to the true value is improved as compared with FIG. As described above, since the reflection characteristic switching unit 1012 acquires and uses disturbance presence / absence information from the vehicle information control device 402, the learning period can be made variable depending on the presence / absence of disturbance, and more accurate vehicle characteristic learning can be performed. The value can be used for control. As a result, the stability of the vehicle control is improved, and the robustness of the fixed position stop is improved in the stop control.
以上が実施例２の説明である。
The above is the description of the second embodiment.
本実施例では、車両特性学習手段の外部から取得する外乱関連情報を基に、車両特性学習の参照期間を変化させる自動列車運転装置の更なる別の例を説明する。 In the present embodiment, another example of an automatic train driving device that changes the reference period of vehicle characteristic learning based on disturbance-related information acquired from the outside of the vehicle characteristic learning means will be described.
図１４は、本実施例における自動列車運転装置１４０１の構成図の例である。前記自動列車運転装置１４０１は、速度位置検出手段４０７と制御指令算出手段４０６と車両特性学習手段１４０５と、から成る。前記速度位置検出手段４０７は、自列車の速度と位置を検出し、前記制御指令算出手段４０６に出力する。自列車の速度の検出方法は、図１記載の速度発電機からの速度信号を用いる方法（車軸の回転速度に車輪円周長を乗算）の他、ドップラーレーダー等を用いて地上との速度差を測る方法も考えられる。本発明では速度の検出方法は問わない。前記車両特性学習手段１４０５は、前記制御指令算出手段４０６および前記速度位置検出手段４０７から取得する走行実績に関するデータと、前記車両特性学習手段１４０５の外部（例えば、車両情報制御装置４０２）から取得する外乱関連情報を基に、自列車の車両特性値を学習し、前記制御指令算出手段４０６に出力する。前記制御指令算出手段４０６は、前記速度位置検出手段４０７から取得する自列車の速度および位置と、前記車両特性学習手段１４０５から取得する車両特性値を基に、制御指令を算出し、制駆動制御装置４０３へ出力する。前記制御指令算出手段４０６における制御指令の算出過程は、その一例を図１を用いて
〔背景技術〕にて説明したが、算出過程はこれに限らない。前記制駆動制御装置４０３はアクチュエータ４０４を制御し、車両を運動させる。
FIG. 14 is an example of a configuration diagram of an automatic train operation device 1401 in the present embodiment. The automatic train driving device 1401 includes a speed position detection unit 407, a control command calculation unit 406, and a vehicle characteristic learning unit 1405. The speed position detecting means 407 detects the speed and position of the own train and outputs them to the control command calculating means 406. In addition to the method using the speed signal from the speed generator shown in FIG. 1 (the speed of the axle is multiplied by the wheel circumference), the speed of the own train can be detected using a Doppler radar or the like. A method of measuring the angle can also be considered. In the present invention, the speed detection method is not limited. The vehicle characteristic learning unit 1405 acquires data related to the driving performance acquired from the control command calculation unit 406 and the speed position detection unit 407 and from outside the vehicle characteristic learning unit 1405 (for example, the vehicle information control device 402). Based on the disturbance related information, the vehicle characteristic value of the own train is learned and output to the control command calculation means 406. The control command calculation unit 406 calculates a control command based on the speed and position of the own train acquired from the speed position detection unit 407 and the vehicle characteristic value acquired from the vehicle characteristic learning unit 1405, and performs braking / driving control. Output to the device 403. An example of the calculation process of the control command in the control command calculation unit 406 has been described in [Background Art] with reference to FIG. 1, but the calculation process is not limited thereto. The braking / driving control device 403 controls the actuator 404 to move the vehicle.
続いて、前記車両特性学習手段１４０５の構成を説明する。前記車両特性学習手段１４０５は、車両特性推定手段４０８と、車両特性蓄積手段４０９と、車両特性反映手段４１０と、特性学習リセット手段１４１１と、から成る。既に説明した図４に示された同一の符号を付された構成と、同一の機能を有する部分については、説明を省略する（車両特性推定手段４０８と、車両特性蓄積手段４０９）。前記車両特性反映手段４１０は、次に説明する前記特性学習リセット手段１４１１から車両特性学習用の参照期間を取得し、該参照期間に該当する車両特性値を、前記車両特性蓄積手段４０９から取得する。そして、取得した車両特性値を統計処理などして抽出した代表値を、車両特性の学習結果として、前記制御指令算出手段４０６へ出力する。前記特性学習リセット手段１４１１は、外部（例えば車両情報制御装置４０２）から取得する外乱関連情報を元に、前記参照期間を決定し、前記車両特性反映手段４１０に出力する。 Next, the configuration of the vehicle characteristic learning unit 1405 will be described. The vehicle characteristic learning unit 1405 includes a vehicle characteristic estimation unit 408, a vehicle characteristic storage unit 409, a vehicle characteristic reflection unit 410, and a characteristic learning reset unit 1411. Descriptions of the components having the same functions as those in FIG. 4 that have already been described with reference to FIG. 4 are omitted (vehicle characteristic estimation means 408 and vehicle characteristic accumulation means 409). The vehicle characteristic reflection unit 410 acquires a reference period for vehicle characteristic learning from the characteristic learning reset unit 1411 described below, and acquires a vehicle characteristic value corresponding to the reference period from the vehicle characteristic storage unit 409. . Then, the representative value extracted by performing statistical processing or the like on the acquired vehicle characteristic value is output to the control command calculating unit 406 as a learning result of the vehicle characteristic. The characteristic learning reset unit 1411 determines the reference period based on disturbance related information acquired from the outside (for example, the vehicle information control device 402), and outputs the reference period to the vehicle characteristic reflection unit 410.
次に、本実施例の前記自動列車運転装置１４０１に含まれる、前記車両特性学習手段１４０５において実行される処理について、図５、図６、図１５を用いて説明する。 Next, processing executed in the vehicle characteristic learning unit 1405 included in the automatic train driving apparatus 1401 of this embodiment will be described with reference to FIGS. 5, 6, and 15.
まず初めに、図５を用いて処理の全体を説明した後に、図６と図１５を用いて一部の処理の詳細を説明する。 First, the entire process will be described with reference to FIG. 5, and then the details of some of the processes will be described with reference to FIGS.
本実施例における図５の説明は、実施例１における図５の説明において、
「前記自動列車運転装置４０１」を「前記自動列車運転装置１４０１」と読み替えることで同一の説明となる。したがって、本実施例における図５の説明は省略する。
The description of FIG. 5 in the present embodiment is the same as the description of FIG.
By replacing “the automatic train operation device 401” with “the automatic train operation device 1401”, the same explanation is obtained. Therefore, description of FIG. 5 in a present Example is abbreviate | omitted.
次に、ステップ５０３の車両特性反映の詳細な処理について、図６を用いて説明する。本実施例における図６の説明は、実施例１における図６の説明において、
「前記参照期間指定手段４１１」を「前記特性学習リセット手段１４１１」と読み替えることで同一の説明となる。したがって、本実施例における図６の説明は省略する。
Next, detailed processing of reflecting vehicle characteristics in step 503 will be described with reference to FIG. The description of FIG. 6 in the present embodiment is the same as the description of FIG.
By replacing “the reference period specifying unit 411” with “the characteristic learning reset unit 1411”, the same explanation is obtained. Therefore, the description of FIG. 6 in this embodiment is omitted.
次に、前記特性学習リセット手段１４１１における参照期間決定（ステップ６０１）について、図１５を用いて、詳細な処理を説明する。 Next, detailed processing of the reference period determination (step 601) in the characteristic learning reset unit 1411 will be described with reference to FIG.
まず、ステップ１５０１では、前記特性学習リセット手段４１１が、前記車両情報制御装置４０２から、車両情報を取得する。ここで、前記車両情報に含まれる情報としては、車両の分割併合やメンテナンス実施といった、車両の制動特性に影響を与える可能性のあるイベント情報である。これらのイベントが生じると、そのタイミングでステップ状に車両特性が変化する。次のステップ１５０２では、取得した前記車両情報に前記の外乱イベントが含まれているか否かを判定し、含まれていれば学習リセット条件成立と判断してステップ１５０４に進み、そうでなければステップ１５０３に進む。ステップ１５０３では、直近の学習リセット条件成立（ステップ１５０２）からの経過時間に基づき、所定時間以上経過していればステップ１５０５へ進み、そうでなければステップ１５０４に進む。ここで前記所定時間とは、前記のような外乱イベントが無い通常時の学習用参照期間である。ステップ１５０４では、外乱イベントの存在を考慮した学習リセット用参照期間を算出する。ここで前記学習リセット用参照期間は、直近の学習リセット条件成立タイミングから現時点までの期間を指す。一方のステップ１５０５では、前記のような外乱イベントが無い通常時の学習用参照期間を通常用参照期間として設定する。ステップ７０５は、ステップ１５０４またはステップ１５０５で算出された参照期間を、前記車両特性反映手段４１０へ出力する。以上が、ステップ６０１の詳細説明である。 First, in step 1501, the characteristic learning reset unit 411 acquires vehicle information from the vehicle information control device 402. Here, the information included in the vehicle information is event information that may affect the braking characteristics of the vehicle, such as vehicle division / merging and maintenance. When these events occur, the vehicle characteristics change stepwise at that timing. In the next step 1502, it is determined whether or not the disturbance event is included in the acquired vehicle information. If it is included, it is determined that the learning reset condition is satisfied, and the process proceeds to step 1504; Proceed to 1503. In step 1503, based on the elapsed time since the most recent learning reset condition is satisfied (step 1502), the process proceeds to step 1505 if the predetermined time or more has elapsed, otherwise proceeds to step 1504. Here, the predetermined time is a reference period for learning at a normal time when there is no disturbance event as described above. In step 1504, a learning reset reference period in consideration of the presence of a disturbance event is calculated. Here, the reference period for learning reset indicates a period from the latest learning reset condition establishment timing to the present time. On the other hand, in step 1505, the normal learning reference period without the disturbance event as described above is set as the normal reference period. Step 705 outputs the reference period calculated in step 1504 or step 1505 to the vehicle characteristic reflecting means 410. The above is the detailed description of step 601.
最後に、図１６と図１７を用いて、本実施例の効果を説明する。図１６と図１７は、保守や分割併合などの外乱イベントが生じて、車両特性値がステップ状に変化した場合における車両特性学習値の時間的推移を表している。なお、ここでは、細かな車両特性値のゆらぎは図示しない。また各図において、最下部のグラフを除き、上から順に時間経過を辿っており、最下部のグラフは学習値の推移を一枚のグラフにまとめたものである。図１６は本発明を適用しないケースであり、常に同じ長さの参照期間で、車両特性値を学習している。そのため、外乱イベント後の真値への学習値の追従性に改善余地があると言える。一方で、図１７は本実施例を適用したケースであり、外乱イベントが発生した場合に、学習開始期間をリセットして新範囲で特性値の学習をしている。これによって、図１７最下部のように、図１６と比べて、真値に対する学習値の追従性が改善される。以上のように、前記特性学習リセット手段１４１１が前記車両情報制御装置４０２から外乱有無情報を取得・活用しているため、外乱有無によって学習期間を可変にすることができ、より正確な車両特性学習値を制御に活用することが可能となる。ひいては、車両制御の安定性を向上することとなり、停止制御においては、定位置停車のロバスト性が向上する。 Finally, the effect of the present embodiment will be described with reference to FIGS. FIGS. 16 and 17 show temporal transitions of the vehicle characteristic learning value when a disturbance event such as maintenance or division / merging occurs and the vehicle characteristic value changes stepwise. Here, detailed fluctuations of the vehicle characteristic values are not shown. In each figure, the passage of time is traced in order from the top, except for the bottom graph, and the bottom graph summarizes the transition of the learning value into a single graph. FIG. 16 shows a case where the present invention is not applied, and the vehicle characteristic value is always learned in the reference period having the same length. Therefore, it can be said that there is room for improvement in the followability of the learned value to the true value after the disturbance event. On the other hand, FIG. 17 shows a case where the present embodiment is applied. When a disturbance event occurs, the learning start period is reset and the characteristic value is learned in the new range. As a result, the followability of the learning value with respect to the true value is improved as compared with FIG. As described above, since the characteristic learning reset unit 1411 acquires and uses disturbance presence / absence information from the vehicle information control device 402, the learning period can be made variable depending on the presence / absence of disturbance, and more accurate vehicle characteristic learning can be performed. The value can be used for control. As a result, the stability of the vehicle control is improved, and the robustness of the fixed position stop is improved in the stop control.
以上が実施例３の説明である。
The above is the description of the third embodiment.
401：自動列車運転装置
402：車両情報制御装置
403：制駆動制御装置
404：アクチュエータ
405：車両特性学習手段
406：制御指令算出手段
407：速度位置検出手段
408：車両特性推定手段
409：車両特性蓄積手段
410：車両特性反映手段
411：参照期間指定手段
1001：自動列車運転装置
1005：車両特性学習手段
1010：長期特性反映手段
1011：短期特性反映手段
1012：反映特性切替手段
1401：自動列車運転装置
1405：車両特性学習手段
1411：特性学習リセット手段
401: Automatic train driver
402: Vehicle information control device
403: Braking / driving control device
404: Actuator
405: Vehicle characteristic learning means
406: Control command calculation means
407: Speed position detection means
408: Vehicle characteristic estimation means
409: Vehicle characteristic storage means
410: Vehicle characteristic reflection means
411: Reference period designation means
1001: Automatic train operation device
1005: Vehicle characteristic learning means
1010: Means for reflecting long-term characteristics
1011: Means for reflecting short-term characteristics
1012: Reflection characteristic switching means
1401: Automatic train operation device
1405: Vehicle characteristic learning means
1411: Characteristic learning reset means
Claims (5)
前記車両特性学習手段は、過去所定期間の制御指令および速度と位置のデータから車両特性を学習反映する車両特性反映手段と、前記車両特性反映手段に対し、前記過去所定期間を指定する参照期間指定手段と、を備え、
前記参照期間指定手段は、前記車両特性学習手段の外から取得する外部情報に基づいて、前記外部情報に外乱関連情報が存在する期間は、該期間内の期間を参照期間として採用し、前記外乱関連情報が存在しない期間は、前記外乱関連情報が存在する期間を参照期間から除外し、
前記車両特性学習手段は、過去所定期間の制御指令および速度と位置のデータから車両特性を学習することを特徴とする自動列車運転装置。 Speed position detecting means for detecting the speed and position of the host vehicle, vehicle characteristic learning means for online learning of vehicle characteristics, speed and position detected by the speed position detecting means, and learning by the vehicle characteristic learning means An automatic train driving device comprising a control command calculation means for calculating a control command for the braking / driving control device based on vehicle characteristics,
The vehicle characteristic learning unit includes a vehicle characteristic reflecting unit that learns and reflects a vehicle characteristic from a control command and speed and position data of a past predetermined period, and a reference period designation that specifies the past predetermined period for the vehicle characteristic reflecting unit. Means, and
The reference period designating unit employs a period within the period as a reference period based on external information acquired from outside the vehicle characteristic learning unit, and a period within the period is used as the reference period. During the period when there is no related information, the period when the disturbance related information exists is excluded from the reference period,
The automatic train driving device characterized in that the vehicle characteristic learning means learns vehicle characteristics from control commands and speed and position data for a predetermined period in the past.
前記車両特性学習手段は、過去所定期間の制御指令および速度と位置のデータから車両特性を学習する特性学習第一手段と、前記特性学習第一手段よりも短い期間の制御指令および速度と位置のデータから車両特性を学習する特性学習第二手段と、前記制御指令算出手段へ反映する学習結果を、前記特性学習第一手段の学習結果と前記特性学習第二手段の学習結果とのいずれかを選択するよう切り替える反映特性切替手段と、を備え、
前記反映特性切替手段は、前記車両特性学習手段の外から取得する外部情報に基づいて、前記外部情報に外乱関連情報が存在する期間は、前記制御指令算出手段へ反映する学習結果を、前記特性学習第二手段の学習結果を選択するように切り替え、
前記車両特性学習手段は、過去所定期間の制御指令および速度と位置のデータから車両特性を学習することを特徴とする自動列車運転装置。 Speed position detecting means for detecting the speed and position of the host vehicle, vehicle characteristic learning means for online learning of vehicle characteristics, speed and position detected by the speed position detecting means, and learning by the vehicle characteristic learning means An automatic train driving device comprising a control command calculation means for calculating a control command for the braking / driving control device based on vehicle characteristics,
The vehicle characteristic learning means includes a characteristic learning first means for learning vehicle characteristics from control commands and speed and position data for a predetermined period in the past, and a control command, speed and position for a shorter period than the characteristic learning first means. The characteristic learning second means for learning vehicle characteristics from the data, and the learning result reflected in the control command calculation means, either the learning result of the characteristic learning first means or the learning result of the characteristic learning second means A reflection characteristic switching means for switching to select ,
The reflection characteristic switching means, based on external information acquired from outside the vehicle characteristic learning means, during the period when disturbance related information exists in the external information, the learning result reflected to the control command calculation means Switch to select the learning result of the second learning method,
The vehicle characteristic learning means, automatic train operation, characterized that you learn vehicle characteristics from data of the control command and velocity and position of a predetermined past period.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013135749A JP5986961B2 (en) | 2013-06-28 | 2013-06-28 | Automatic train driving device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013135749A JP5986961B2 (en) | 2013-06-28 | 2013-06-28 | Automatic train driving device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015012676A JP2015012676A (en) | 2015-01-19 |
| JP5986961B2 true JP5986961B2 (en) | 2016-09-06 |
Family
ID=52305382
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2013135749A Active JP5986961B2 (en) | 2013-06-28 | 2013-06-28 | Automatic train driving device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5986961B2 (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6357372B2 (en) * | 2014-07-10 | 2018-07-11 | 株式会社日立製作所 | Automatic train driving device and automatic train driving method |
| JP6530985B2 (en) * | 2015-07-07 | 2019-06-12 | 株式会社日立製作所 | Automatic train driver |
| WO2017090403A1 (en) | 2015-11-27 | 2017-06-01 | 株式会社日立製作所 | Electro-mechanical integrated motor |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5515361A (en) * | 1978-07-21 | 1980-02-02 | Hitachi Ltd | Train speed control system |
| JPH09200910A (en) * | 1996-01-12 | 1997-07-31 | Toshiba Corp | Automatic train operating apparatus |
| JP3940649B2 (en) * | 2002-08-09 | 2007-07-04 | 株式会社東芝 | Automatic train driving device |
| JP4207925B2 (en) * | 2005-05-11 | 2009-01-14 | トヨタ自動車株式会社 | Secondary battery control device |
| JP5150448B2 (en) * | 2008-10-21 | 2013-02-20 | 株式会社東芝 | Train control device |
-
2013
- 2013-06-28 JP JP2013135749A patent/JP5986961B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2015012676A (en) | 2015-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101901801B1 (en) | Hybrid vehicle and method of predicting driving pattern | |
| US20170166215A1 (en) | Vehicle control system using tire sensor data | |
| CN110632921A (en) | Robot path planning method and device, electronic equipment and storage medium | |
| AU2021203760B2 (en) | Energy management system and method for vehicle systems | |
| US11256251B2 (en) | Enabling remote control of a vehicle | |
| EP2784762A1 (en) | Vehicle identification device | |
| US10319226B2 (en) | Vehicle control device | |
| JP6355753B2 (en) | Train operation interval control system and train operation interval control device | |
| KR101704634B1 (en) | Apparatus and method for generating driving route of autonomous vehicle and method for controlling driving of autonomous vehicle | |
| US10262476B2 (en) | Steering operation | |
| US11117577B2 (en) | Vehicle path processing | |
| AU2018278948B2 (en) | A system to optimize scats adaptive signal system using trajectory data | |
| JP2007097378A (en) | Automatic train operating device | |
| JP5986961B2 (en) | Automatic train driving device | |
| JP7016276B2 (en) | Train position estimator | |
| JP6357372B2 (en) | Automatic train driving device and automatic train driving method | |
| US7493218B2 (en) | Vehicular control object determination system | |
| CN113661106A (en) | Model-based predictive control to determine input variables for vehicle actuators | |
| CN114274972A (en) | Scene recognition in an autonomous driving environment | |
| KR101658609B1 (en) | System and method for testing autonomous emergency braking | |
| US10960774B2 (en) | Automatic train operation device | |
| EP4110668A1 (en) | Controller, control system and method for vehicle control | |
| CN111522035B (en) | Method and device for generating positioning track and readable storage medium | |
| JP7078756B2 (en) | Train control system and train control method | |
| JP6530985B2 (en) | Automatic train driver |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20151113 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160426 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160428 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160531 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20160712 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160808 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 5986961 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |