原文传递
基于数据挖掘的列车停车精度分析
| 论文题名： | 基于数据挖掘的列车停车精度分析 |
| 关键词： | 列车自动驾驶系统;混合制动;停车精度;数据挖掘 |
| 摘要： | 停车精度是列车自动驾驶运行效率的重要指标之一。分析停车精度与列车运行参数的关系，找出停车不准的原因，提出改进意见，有助于提高地铁运行效率。停车精度数据量大，影响因素多，有许多未知规律尚未总结。利用数据挖掘方法对停车精度进行分析，有助于发现更多规律，提高数据利用率，获得更好的分析结果。 本文在对列车自动驾驶系统的停车过程进行了分析，总结了影响停车精度的列车运行数据，主要有制动模型相关的制动率和系统延时、电控切换特性中的目标.实际制动率误差、以及停车时间、网压、空气制动时间等数据。利用实际运营的地铁亦庄线车载ATO采集的列车运行数据和制动模型计算上述影响停车精度的数据，并设计了程序，建立了停车精度数据库。接着对停车精度数据作数据清洗以及归一化处理。 本文主要使用了ridge回归、Lasso、Elastic net、BP和RBF神经网络等方法建立分析停车精度的模型，对停车精度数据进行分析。BP网络模型在拟合精度和停车精度均方误差上表现较优，但模型复杂参数较多，不利于分析解释。然后对各方法的结论进行了分析和比较，利用模型选择Akaike information criterion(AIC)判别准则，针对模型的精度和复杂度，做出了选择。最后选择了AIC值较优的Ridge回归模型为停车精度分析模型。Ridge回归模型在精度以及模型复杂度上综合表现较优，且易于解释。对Ridge回归模型的进行分析之后，本文给出一些影响停车精度的主要参数的值，如电空切换时距离目标点距离、空气制动阶段控制器输出加速度均值、制动阶段网压、空气制动开始速度、空气制动时间，为改进停车精度提供参考。 最后对本文的工作给出了软件上的实现，利用matlab编写了程序，主要包括ATO车载数据的导入、数据预处理、以及各数据挖掘方法的软件界面，为停车精度分析提供可视化的分析结果。 |
| 作者： | 骆书林 |
| 专业： | 交通信息工程与控制 |
| 导师： | 陈德旺 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
