期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于CNN-Informer的ATO列车停车曲线预测研究
1
作者 王心仪 程剑锋 易海旺 《铁道科学与工程学报》 北大核心 2025年第5期1936-1948,共13页
高速铁路列车进站停车对标的准确性是衡量列车自动驾驶系统(automatic train operation,ATO)性能的重要指标之一。实现精确对标停车不仅能确保列车运行的安全性和乘客的舒适性,还直接影响运营效率。为了精准预测高铁ATO的停车轨迹,提出... 高速铁路列车进站停车对标的准确性是衡量列车自动驾驶系统(automatic train operation,ATO)性能的重要指标之一。实现精确对标停车不仅能确保列车运行的安全性和乘客的舒适性,还直接影响运营效率。为了精准预测高铁ATO的停车轨迹,提出一种改进的CNN-Informer的ATO停车对标模型。该模型深度挖掘列车运行过程中的多维度数据,以列车运行数据为输入,涵盖坡度、里程、运行工况等关键特征。通过卷积神经网络(convolutional neural network,CNN)的卷积层和池化层,模型能够自动学习和提取输入数据中的核心特征,从而提升预测的准确性。模型将CNN和全连接层输出的特征向量作为Informer长时间序列预测算法的输入,应用于ATO停车对标预测。为验证模型性能,论文采用某线路真实的高铁ATO控车数据进行训练、验证和测试。试验结果表明,提出的ATO停车对标模型在列车进站前能有效预测控车情况,辅助ATO系统及时调整控车策略。相比传统Informer模型,在预测ATO控车速度时,均方误差值降低了4.95%,平均绝对误差值降低了22.35%,平均绝对百分比误差值降低了4.16%;在预测站台距离时,均方误差值降低了21.83%,平均绝对误差值降低了19.69%,平均绝对百分比误差值更是显著降低了53.72%。研究不仅为高铁ATO停车对标的准确性提供了理论支持,也为未来列车停车过程的研究提供了新的思路和方法。 展开更多
关键词 高速铁路 列车自动驾驶 停车对标 深度学习 cnn-informer
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部