1.一种高速列车辅助驾驶控制方法,其特征在于,包括:
构建高速列车操纵过程端-边-云协同系统;所述高速列车操纵过程端-边-云协同系统包括用于里程和坡度的采集、存储和传输的端层、用于列车牵引制动力、列车牵引制动级位和列车运行速度的采集、存储和传输并基于获取的数据和下载的高速列车操纵过程预测模型来在线确定高速列车辅助驾驶控制策略的边缘层以及用于基于大量历史数据离线构建高速列车操纵过程模型供边缘层下载,并接收备份来自端层及边缘层的工况信息及处理结果供后期调用的云层;所述工况信息包括:列车运行状态信息和线路状态信息;所述处理结果包括列车运行速度预测结果、列车牵引制动级位预测结果;
基于高速列车操纵过程速度变化机理特性及级位变化机理特性的动态分析,构建速度及级位机理特性模型;
根据从高速列车操纵过程端-边-云协同系统中获取的列车及线路数据、速度及级位机理特性模型和LSTM神经网络结构确定基于LSTM的高速列车辅助驾驶控制策略预测模型;
边缘层结合实时采集到的数据及端层所获取的数据,利用从云层下载的基于大量历史数据离线建立好的基于LSTM的高速列车辅助驾驶控制策略预测模型确定高速列车辅助驾驶控制策略,并通过5G网络发送至车载边缘计算节点进行辅助驾驶控制;高速列车辅助驾驶控制策略包括一输入策略下以之前时刻的线路里程来预测下一时刻的列车运行速度;二输入策略下以之前时刻线路里程及坡度来预测下一时刻列车速度;三输入策略下以之前时刻线路里程及坡度、列车牵引制动力来预测下一时刻列车速度;四输入策略下以之前时刻线路里程及坡度、列车牵引制动力及牵引制动级位来预测下一时刻列车速度;五输入策略下以之前时刻线路里程及坡度、列车牵引制动力、牵引制动级位及运行速度来预测下一时刻列车速度;四输入策略下以之前时刻线路里程及坡度、列车牵引制动力及速度来预测下一时刻列车牵引制动级位;五输入策略下以之前时刻线路里程及坡度、列车牵引制动力、运行速度及牵引制动级位来预测下一时刻列车牵引制动级位;
所述基于高速列车操纵过程速度变化机理特性及级位变化机理特性的动态分析,构建速度及级位机理特性模型,具体包括以下公式:式中,s,e,t,m分别为列车运行速度、列车牵引制动级位、时间及线路里程,Mt为列车总质量,Dr和Db为列车牵引手柄级位和制动手柄级位,kr和kb分别为列车牵引和制动的标志位系数,R和B列车牵引力和制动力,与Dr,s和Db有关,G(m)表示弯道阻力;W(s)表示空气阻力;U为列车手柄级位特性,与kr,kb,Dr和Db有关。
2.根据权利要求1所述的一种高速列车辅助驾驶控制方法,其特征在于,所述根据从高速列车操纵过程端-边-云协同系统中获取的列车及线路数据、速度及级位机理特性模型和LSTM神经网络结构确定基于LSTM的高速列车辅助驾驶控制策略预测模型,具体包括:利用公式ft=σ(Wf·[ht-1,xt]+bf)确定遗忘门信息更新过程;
利用公式确定输入门信息更新过程;
利用公式ct=ct-1.ft+it.c′t确定当前细胞更新过程;
利用公式确定输出门信息更新过程;
式中,ft为遗忘门输出;σ为激活函数;ht-1为前一隐藏状态,xt为当前输入;Wf和bf分别为输入项到遗忘门的权重和偏置,it为输入门sigmoid函数输出;ct′为输入门tanh函数输出;Wi和Wc为输入项到输入门的权重,bi和bc为输入项到输入门的偏置,ct为当前细胞状态;ct-1为前一细胞状态,ot为输出门sigmoid函数输出;ht为当前隐藏状态;Wo和bo分别为输入项到输出门的权重和偏置。
3.根据权利要求2所述的一种高速列车辅助驾驶控制方法,其特征在于,所述基于LSTM的高速列车辅助驾驶控制策略预测模型为:Ya=V(Xtrain);
式中,Ya为输出,输出为列车运行速度以及列车牵引制动级位,V为输入Xtrain同输出Ya之间的非线性关系,输入Xtrain为列车运行速度、列车牵引制动级位、线路坡度、线路里程、列车牵引力及制动力。
4.根据权利要求1所述的一种高速列车辅助驾驶控制方法,其特征在于,所述根据从高速列车操纵过程端-边-云协同系统中获取的列车及线路数据、速度及级位机理特性模型和LSTM神经网络结构确定基于LSTM的高速列车辅助驾驶控制策略预测模型,之后还包括:利用公式确定不同输入下基于LSTM的高速列车辅助驾驶控制策略预测模型的均方根误差值RMSE;
式中,n为测试数据的总数量;和分别为t时刻的预测值及其对应的实际值。
5.一种高速列车辅助驾驶控制系统,实现如权利要求1-4中任一项所述的高速列车辅助驾驶控制方法,其特征在于,包括:协同系统构建模块,用于构建高速列车操纵过程端-边-云协同系统;所述高速列车操纵过程端-边-云协同系统包括用于里程和坡度的采集、存储和传输的端层;用于列车牵引制动力、列车牵引制动级位和列车运行速度的采集、存储和传输并基于获取的数据和下载的高速列车操纵过程预测模型来在线确定高速列车辅助驾驶控制策略的边缘层以及用于基于大量历史数据离线构建高速列车操纵过程模型供边缘层下载,并接收备份来自端层及边缘层的工况信息及处理结果供后期调用的云层;所述工况信息包括:列车运行状态信息和线路状态信息;所述处理结果包括列车运行速度预测结果、列车牵引制动级位预测结果;
速度及级位机理特性模型构建模块,用于基于高速列车操纵过程速度变化机理特性及级位变化机理特性的动态分析,构建速度及级位机理特性模型;
基于LSTM的高速列车辅助驾驶控制策略预测模型构建模块,用于根据从高速列车操纵过程端-边-云协同系统中获取的列车及线路数据、速度及级位机理特性模型和LSTM神经网络结构确定基于LSTM的高速列车辅助驾驶控制策略预测模型;
辅助驾驶控制模块,用于边缘层结合实时采集到的数据及端层所获取的数据,利用从云层下载的基于大量历史数据离线建立好的基于LSTM的高速列车辅助驾驶控制策略预测模型确定高速列车辅助驾驶控制策略,并通过5G网络发送至车载边缘计算节点进行辅助驾驶控制。
6.一种高速列车辅助驾驶控制系统,其特征在于,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现如权利要求1-4中任一项所述的高速列车辅助驾驶控制方法。