详情

原文传递基于人工智能技术的高速铁路列车自动驾驶系统

专利名称：	基于人工智能技术的高速铁路列车自动驾驶系统
摘要：	本发明公开了一种基于人工智能技术的高速铁路列车自动驾驶系统，该系统是一种基于深度强化学习和模仿学习的新的高速铁路列车自动驾驶系统，通过构建全面的列车运行状况评价指标，补充增强列车运行相关大数据的获取，训练出一个基于深度强化学习和模仿学习的，能够综合感知并做出正确、合理决策的控车策略模型，进一步提升列车运行综合质量。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	中国铁道科学研究院集团有限公司通信信号研究所
发明人：	张淼;郭玉华;周宏伟;孙文哲;周博渊;王超;开祥宝;赵阳;宋志丹;周喜鸿;高媛
专利状态：	有效
申请日期：	2019-01-29T00:00:00+0800
发布日期：	2019-06-04T00:00:00+0800
申请号：	CN201910088089.4
公开号：	CN109835375A
代理机构：	北京凯特来知识产权代理有限公司
代理人：	郑立明;郑哲
分类号：	B61L27/04(2006.01);B;B61;B61L;B61L27
申请人地址：	100081 北京市海淀区大柳树路2号二区8幢
主权项：	1.一种基于人工智能技术的高速铁路列车自动驾驶系统，其特征在于，包括：感知单元、决策单元与控制单元；其中：所述感知单元，用于感知列车运行控制相关数据；所述决策单元，用于对列车运行控制相关数据进行预处理，再结合深度学习、深度强化学习和模仿学习来构建并比较选取具有不同层次和输入的，层层递进的控车策略模型，并基于列车运行控制相关数据以及列车运行状况评价指标对控车策略模型进行训练，之后，利用训练好的控车策略模型输出控制策略；所述控制单元，根据控制策略产生相应控制命令。 2.根据权利要求1所述的一种基于人工智能技术的高速铁路列车自动驾驶系统，其特征在于，所述决策单元包括设于输入端和输出端的校验模块，用于对输入数据的完备性与有效性进行校验，以及对输出的控制领命的安全性和连续性进行校验；还包括基于人工智能算法的控制核心单元，用于利用列车运行控制相关数据结合深度学习、深度强化学习和模仿学习来构建并比较选取具有不同层次和输入的，层层递进的控车策略模型，并基于列车运行控制相关数据对控车策略模型进行训练，并利用训练好的控车策略模型输出控制策略。 3.根据权利要求1所述的一种基于人工智能技术的高速铁路列车自动驾驶系统，其特征在于，所感知的列车运行控制相关数据包括：驾驶员信息、驾驶数据、列车工况数据、线路环境数据、列控数据、行车计划以及与天气和灾害情况相关的动态数据；上述数据通过列车接口单元以及数据采集单元达到感知单元。 4.根据权利要求1所述的一种基于人工智能技术的高速铁路列车自动驾驶系统，其特征在于，所述列车运行状况评价指标包括安全度、舒适度、准点率、精准停车、节能、以及与个体协调度这些层面的指标。 5.根据权利要求4所述的一种基于人工智能技术的高速铁路列车自动驾驶系统，其特征在于，安全度指标包括：列车速度数据与ATP数据的比对结果、列控数据的安全应用结果、实际行车曲线的优化度、以及安全相关报警与监测数据比对结果；舒适度指标包括：乘客乘坐平稳性、乘客在加速与制动中的平稳性、乘客在列车停车过程的舒适度、以及列车运行与线路数据的匹配度；准点率指标包括：列车运行与计划图的匹配度、环境变化与准点率的匹配度、以及列车运行与准点率的匹配度；精准停车指标包括：列车站台停靠精度指标；节能指标包括：列车能源消耗指标、能源消耗与线路数据的自适应度、以及能源消耗与运行状况的自适应度；与个体协调度指标包括：司机个体信息与运行状态适应度、列车自身参数与运行状态匹配度、以及列车运行参数与运行状态匹配度。 6.根据权利要求1或3所述的一种基于人工智能技术的高速铁路列车自动驾驶系统，其特征在于，所述决策单元结合感知单元进行大数据的采集，所述的大数据是指列车运行控制相关数据，之后还需要对大数据进行预处理；预处理步骤包括：首先，进行数据清理，通过数据识别，对控车策略模型中不需要的场景及数据进行清理；其次，进行数据变换，对数据清理结果中的非量化数据进行量化，并对所有量化的数据进行离散化或归一化处理；最后，进行数据集成，上个步骤处理后的数据进行标准化处理，转换为符合控车策略模型学习和训练要求的矩阵形式。 7.根据权利要求1所述的一种基于人工智能技术的高速铁路列车自动驾驶系统，其特征在于，控车策略模型的构建与训练的过程如下：使用列车运行控制相关数据，以及驾驶员对应的驾车策略与控车操作，采用模仿学习方法训练生成具备基础控车策略的深度学习模型；之后，再对生成的具备基础控车策略的深度学习模型，采用深度强化学习方法结合列车运行控制相关数据进行训练，每一次训练输出结果均利用列车运行状况评价指标进行评分，同时评分结果还反馈给模型，采用上述方式不断训练，得到训练好的控车策略模型，从而获得初级训练完成后的基于人工智能技术的高速铁路列车自动驾驶系统iATO。 8.根据权利要求7所述的一种基于人工智能技术的高速铁路列车自动驾驶系统，其特征在于，在iATO系统完成初级训练后，搭建试验室仿真测试平台，通过实物与半实物相结合的方式，测试iATO系统在获取列车运行相关基础信息时的控车性能与安全性；上述列车运行相关基础信息包括：行车计划、列车运行速度、以及线路参数；实验室仿真测试完成后，选取典型的线路或专用试验线，通过测试安装有上述iATO系统的列车的实际运行，来全面测试iATO系统在实际运行中的表现，测试分为如下两步进行：步骤1中，iATO系统在ATP系统的监督下，根据获取的列车运行控制相关数据，以隐形的形式模拟控车运行，即输出的控制命令只记录用于与既有ATO系统或驾驶员的操作进行比较评估，而不参与实际控车，同时，此步骤在进行模拟控车运行时还针对iATO系统进行训练，即训练iATO系统中的控车策略模型；当通过一段时间的学习和模拟控车后，iATO的控车综合水平超过既有ATO系统或驾驶员后，将进入步骤2，即替代ATO系统或驾驶员对列车实际操控；此时实际控车的iATO系统将不再进行学习，而新增一套隐形的iATO系统，隐形的iATO系统在之前的基础上继续学习，并与实际控车的iATO系统进行比较，当隐形的iATO系统控车水平超过实际控车的iATO系统时，将隐形的iATO系统升级为实际控车的iATO系统；同时，采用步骤2所述的方式定期对实际控车的iATO系统进行迭代升级。
所属类别：	发明专利