欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2015101507713
申请人: 江苏理工学院
专利类型:发明专利
专利状态:已下证
专利领域: 铁路
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种地铁列车冲突预警方法,其特征在于包括如下步骤:

步骤A、根据各个列车的计划运行参数,生成轨道交通网络的拓扑结构图;

步骤B、基于步骤A所构建的轨道交通网络的拓扑结构图,分析列车流的可控性和敏感性二类特性;

步骤C、根据各个列车的计划运行参数,在构建列车动力学模型的基础上,依据列车运行冲突耦合点建立列车运行冲突预调配模型,生成多列车无冲突运行轨迹;

步骤D、在每一采样时刻t,基于列车当前的运行状态和历史位置观测序列,对列车未来某时刻的行进位置进行预测;其具体过程如下:步骤D1、列车轨迹数据预处理,以列车在起始站的停靠位置为坐标原点,在每一采样时刻,依据所获取的列车原始离散二维位置序列x=[x1,x2,…,xn]和y=[y1,y2,…,yn],采用一阶差分方法对其进行处理获取新的列车离散位置序列Δx=[Δx1,Δx2,…,Δxn-1]和Δy=[Δy1,Δy2,…,Δyn-1],其中Δxi=xi+1-xi,Δyi=yi+1-yi(i=1,2,…,n-1);

步骤D2、对列车轨迹数据聚类,对处理后新的列车离散二维位置序列Δx和Δy,通过设定聚类个数M′,采用遗传聚类算法分别对其进行聚类;

步骤D3、对聚类后的列车轨迹数据利用隐马尔科夫模型进行参数训练,通过将处理后的列车运行轨迹数据Δx和Δy视为隐马尔科夫过程的显观测值,通过设定隐状态数目N′和参数更新时段τ′,依据最近的T′个位置观测值并采用B-W算法滚动获取最新隐马尔科夫模型参数λ′;具体来讲:由于所获得的列车轨迹序列数据长度是动态变化的,为了实时跟踪列车轨迹的状态变化,有必要在初始轨迹隐马尔科夫模型参数λ′=(π,A,B)的基础上对其重新调整,以便更精确地推测列车在未来某时刻的位置;每隔时段τ′,依据最新获得的T′个观测值(o1,o2,…,oT′)对轨迹隐马尔科夫模型参数λ′=(π,A,B)进行重新估计;

步骤D4、依据隐马尔科夫模型参数,采用Viterbi算法获取当前时刻观测值所对应的隐状态q;

步骤D5、每隔时段 ,根据最新获得的隐马尔科夫模型参数λ′=(π,A,B)和最近H个历史观测值(o1,o2,…,oH),基于列车当前时刻的隐状态q,在时刻t,通过设定预测时域h′,获取未来时段列车的位置预测值O;

步骤E、建立从列车的连续动态到离散冲突逻辑的观测器,将地铁交通系统的连续动态映射为离散观测值表达的冲突状态;当系统有可能违反交通管制规则时,对地铁交通混杂系统的混杂动态行为实施监控,为地铁交通控制中心提供及时的告警信息。

2.根据权利要求1所述的地铁列车冲突预警方法,其特征在于:步骤A的具体过程如下:

步骤A1、从地铁交通控制中心的数据库提取各个列车运行过程中所停靠的站点信息;

步骤A2、按照正反两个运行方向对各个列车所停靠的站点信息进行分类,并将同一运行方向上的相同站点进行合并;

步骤A3、根据站点合并结果,按照站点的空间布局形式用直线连接前后多个站点。

3.根据权利要求1所述的地铁列车冲突预警方法,其特征在于:步骤B的具体过程如下:

步骤B1、构建单一子段上的交通流控制模型;其具体过程如下:

步骤B1.1、引入状态变量Ψ、输入变量u和输出变量Ω,其中Ψ表示站点间相连路段上某时刻存在的列车数量,它包括单路段和多路段两种类型,u表示轨道交通调度员针对某路段所实施的调度措施,如调整列车速度或更改列车的在站时间等,Ω表示某时段路段上离开的列车数量;

步骤B1.2、通过将时间离散化,建立形如Ψ(t+Δt)=A1Ψ(t)+B1u(t)和Ω(t)=C1Ψ(t)+D1u(t)的单一子段上的离散时间交通流控制模型,其中Δt表示采样间隔,Ψ(t)表示t时刻的状态向量,A1、B1、C1和D1分别表示t时刻的状态转移矩阵、输入矩阵、输出测量矩阵和直接传输矩阵;

步骤B2、构建多子段上的交通流控制模型;其具体过程如下:

步骤B2.1、根据线路空间布局形式和列车流量历史统计数据,获取交叉线路各子段上的流量比例参数β;

步骤B2.2、根据流量比例参数和单一子段上的离散时间交通流控制模型,构建形如Ψ(t+Δt)=A1Ψ(t)+B1u(t)和Ω(t)=C1Ψ(t)+D1u(t)的多子段上的离散时间交通流控制模型;

n-1

步骤B3、根据控制模型的可控系数矩阵[B1,A1B1,…,A1 B1]的秩与数值n的关系,定-1性分析其可控性,根据控制模型的敏感系数矩阵[C1(zI-A1) B1+D1],定量分析其输入输出敏感性,其中n表示状态向量的维数,I表示单位矩阵,z表示对原始离散时间交通流控制模型进行转换的基本因子。

4.根据权利要求1所述的地铁列车冲突预警方法,其特征在于:步骤C的具体过程如下:

步骤C1、列车状态转移建模,列车沿轨道交通路网运行的过程表现为在站点间的动态切换过程,根据列车运行计划中的站点设置,建立单个列车在不同站点间切换转移的Petri网模型:E=(g,G,Pre,Post,m)为列车路段转移模型,其中g表示站点间各子路段,G表示列车运行速度状态参数的转换点,Pre和Post分别表示各子路段和站点间的前后向连接关系, 表示列车所处的运行路段,其中m表示模型标识,Z+表示正整数集合;

步骤C2、列车全运行剖面混杂系统建模,将列车在站点间的运行视为连续过程,从列车的受力情形出发,依据能量模型推导列车在不同运行阶段的动力学方程,结合外界干扰因素,建立关于列车在某一运行阶段速度vG的映射函数vG=λ(T1,T2,H,R,α),其中T1、T2、H、R和α分别表示列车牵引力、列车制动力、列车阻力、列车重力和列车状态随机波动参数;

步骤C3、采用混杂仿真的方式推测求解列车轨迹,通过将时间细分,利用状态连续变化的特性递推求解任意时刻列车在某一运行阶段距初始停靠位置点的距离,其中J0为初始时刻列车距初始停靠位置点的航程,Δτ为时间窗的数值,J(τ)为τ时刻列车距初始停靠位置点的路程,由此可以推测得到单列车轨迹;

步骤C4、列车在站时间概率分布函数建模,针对特定运行线路,通过调取列车在各车站的停站时间数据,获取不同线路不同站点条件下列车的停站时间概率分布;

步骤C5、多列车耦合的无冲突鲁棒轨迹调配,根据各列车预达冲突点的时间,通过时段划分,在每一采样时刻t,在融入随机因子的前提下,按照调度规则对冲突点附近不满足安全间隔要求的列车轨迹实施鲁棒二次规划。

5.根据权利要求1所述的地铁列车冲突预警方法,其特征在于:步骤D中,聚类个数M′的值为4,隐状态数目N′的值为3,参数更新时段τ′为30秒,T′为10,为30秒,H为10,预测时域h′为300秒。

6.根据权利要求1所述的地铁列车冲突预警方法,其特征在于:步骤E的具体实施过程如下:步骤E1、构造基于管制规则的冲突超曲面函数集:建立超曲面函数集用以反映系统的冲突状况,其中,冲突超曲面中与单一列车相关的连续函数hI为第I型超曲面,与两列车相关的连续函数hII为第II型超曲面;

步骤E2、建立由列车连续状态至离散冲突状态的观测器,构建列车在交通路网内运行时需满足的安全规则集dij(t)≥dmin,其中dij(t)表示列车i和列车j在t时刻的实际间隔,dmin表示列车间的最小安全间隔;

步骤E3、基于人-机系统理论和复杂系统递阶控制原理,根据列车运行模式,构建人在环路的列车实时监控机制,保证系统的运行处于安全可达集内,设计从冲突到冲突解脱手段的离散监控器,当观测器的离散观测向量表明安全规则集会被违反时,立刻向地铁交通控制中心发出相应的告警信息。