一种基于策略梯度强化学习的列车智能控制方法

• 作者: 刘文韬 周博渊 张淼 张琦
• 来源期刊: 铁道学报
• 学科: 交通运输
• 关键词: 轨道交通 节能运行 强化学习 专家系统
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 铁道通信信号、信息化
• 页码范围: 69-75
• 页数: 7页
• 分类号: U283.1
• 字数: 6415字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-8360.2020.01.010

摘要

近年来,我国已初步建成巨大的城市轨道交通和高速铁路网络,逐步开始走向提升整体运营效率的新阶段.城市轨道交通系统的大规模和高密度运营,使得系统能耗急剧增长.现有的自动驾驶控制方法基于已有的模型,能够完成在正常场景下的自动驾驶.基于现有列车自动驾驶技术的控制原理和优秀司机的驾驶经验,提出一种列车智能控制方法,以减小列车的牵引能耗.首先,建立列车控制专家系统,能满足乘客舒适度要求;在此基础上,利用神经网络作为列车驾驶控制器,设计了一种基于策略的强化学习算法,优化神经网络的参数,以适应变化的运营场景.基于地铁现场运行数据仿真结果表明,该智能算法比现有算法具有更好地节能效果和准时性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张琦	中国铁道科学研究院集团有限公司通信信号研究所	31	123	6.0	9.0
5	张淼	中国铁道科学研究院集团有限公司研究生部	7	6	1.0	2.0
14	刘文韬	北京交通大学轨道交通控制与安全国家重点实验室	1	1	1.0	1.0