-
公开(公告)号:CN118860390A
公开(公告)日:2024-10-29
申请号:CN202410840542.3
申请日:2024-06-26
Applicant: 北京交通大学
IPC: G06F8/38 , G06F17/10 , G06F3/0484
Abstract: 本申请公开一种动态化人机交互界面生成方法、装置、介质及产品,涉及人机交互界面设计技术领域,所述方法包括:对任务进行分析得到任务流程形式化模型;定义界面元素,构建人机交互界面动态生成系统;将人机交互界面设计问题简化为二维空间的布局问题,构建布局原则目标函数和操作移动路径函数并构建总目标函数;设计界面组件位置;建立各交互按钮的高斯核函数模型;基于任两个交互按钮的初始位置坐标值和高斯核函数模型,确定两个交互按钮的误触概率;基于任两个交互按钮的误触概率和预设误触概率阈值,调整对应交互按钮的初始位置坐标值,得到对应交互按钮的最终位置。本申请解决了任务场景下人机交互界面的动态设计问题。
-
公开(公告)号:CN118536746A
公开(公告)日:2024-08-23
申请号:CN202410598538.0
申请日:2024-05-14
Applicant: 北京交通大学
IPC: G06Q10/0631 , G06Q10/0639 , G06F30/22
Abstract: 本发明公开一种复杂团队任务工作负荷表征方法、装置、介质及产品,涉及复杂团队任务建模及工作负荷性能分析技术领域,方法包括:采用基于TAWL的自上而下的任务分析方法将复杂团队任务分解为多个任务单元,采用基于TAWL的自下而上的任务重组方法确定所有任务单元的执行顺序,基于所有任务单元和所有任务单元的执行顺序,建立基于Petri网的复杂团队任务初始模型,基于每一任务单元的工作负荷设置基于Petri网的复杂团队任务初始模型的属性,得到基于着色Petri网的复杂团队任务模型,基于着色Petri网的复杂团队任务模型用于对复杂团队任务的工作负荷进行表征,从而同时完成复杂团队任务建模和工作负荷表征。
-
公开(公告)号:CN118478923A
公开(公告)日:2024-08-13
申请号:CN202410688041.8
申请日:2024-05-30
Applicant: 北京交通大学
Abstract: 本发明公开一种虚拟编组列车参考曲线实时计算方法、装置、介质及产品,涉及轨道交通运行控制技术领域,基于调度中心下发的命令,确定虚拟编组列车在当前站间的多种站间运行工况;将虚拟编组列车的参考曲线计算问题划分为多个局部参考曲线子问题;基于各站间运行工况的特点,设计对应局部参考曲线子问题的优化目标、约束条件和决策变量;基于实时调度要求与各局部参考曲线的需求紧急程度,确定对应局部参考曲线子问题的优先级;按照优先级执行数值搜索算法,依次对各局部参考曲线子问题进行求解,得到对应的局部参考曲线;基于当前站间的所有局部参考曲线,确定当前站间的完整参考曲线。本发明满足了城市轨道交通的实时调度需要和同步运行要求。
-
公开(公告)号:CN114047765B
公开(公告)日:2023-12-29
申请号:CN202111362229.6
申请日:2021-11-17
Applicant: 北京交通大学 , 中国铁道科学研究院集团有限公司
IPC: G05D1/02
Abstract: 本发明涉及一种面向虚拟编组的多列车自适应巡航控制方法和系统,属于轨道交通列车巡航控制领域,首先建立列车动力学模型;利用车车通信技术和车地通信技术建立车队通信网络;根据列车动力学模型和车队通信网络,确定每列列车与相邻列车间的最小追踪间隔距离和期望追踪间隔距离;并将其输入至势场函数中,得到势场函数输出结果;采用滑模控制,自适应控制和固定时间稳定理论,根据势场函数输出结果和车队通信网络,为列车设计自适应固定时间巡航控制器,并将多个自适应固定时间巡航控制器应用于各列车上,实现对多列车在巡航阶段的编队跟随控制,可有效的缩短列车追踪间隔距离,实现多列车在巡航阶段的安全、高效、准点运行。
-
公开(公告)号:CN116811967A
公开(公告)日:2023-09-29
申请号:CN202310617941.9
申请日:2023-05-29
Applicant: 北京交通大学
IPC: B61L27/10 , G06F30/20 , G06Q10/0631 , G06Q50/26 , G06Q50/30 , G06F111/04
Abstract: 本发明公开一种城轨高平峰过渡阶段列车运行图调整方法、系统及设备,涉及城轨列车运行控制技术领域,方法包括:根据目标区域的列车运行数据和乘客数据构建高平峰过渡阶段列车运行约束集合,包括列车发车时间约束模型、列车停站时间约束模型、列车区间运行时间约束模型、列车发车间隔约束模型、列车追踪间隔约束模型、列车折返约束模型、车站服务频次约束模型、车底周转约束模型和乘客乘降约束模型,然后以站台滞留乘客数、取消车次数以及列车运行图偏移最小为目标,建立高平峰过渡阶段列车运行调整模型,利用两阶段算法求解以得到待调整车次运行数据集和加开车次运行数据集,进而构建调整后列车运行图。本发明减少了乘客在站台的滞留时间。
-
公开(公告)号:CN116090336A
公开(公告)日:2023-05-09
申请号:CN202211680558.X
申请日:2022-12-27
Applicant: 北京交通大学 , 北京市基础设施投资有限公司
IPC: G06F30/27 , G06Q50/30 , G06F111/04
Abstract: 本发明公开了基于改进强化学习算法的虚拟编组列车参考曲线计算方法,应用于轨道交通运行控制技术领域,包括:基于虚拟编组列车运行指标与约束的数学形式构建虚拟编组列车的运行优化模型,并确定决策变量;将运行优化模型转化到强化学习框架下;应用改进的强化学习DQN算法对运行优化模型求解,获得虚拟编组列车参考曲线。本发明通过整合各列车单元的独立分布规划,在考虑编队整体的运行指标基础上,为车队中每一辆车都生成一条各自的协同参考曲线,并通过改进的强化学习DQN算法求解,取代了现有的独立分布规划,使得前车不再完全独立的运行而是考虑后车的运行状态,实现虚拟编组列车同步停车、准点到达、精确停车的运行指标。
-
公开(公告)号:CN115583271A
公开(公告)日:2023-01-10
申请号:CN202211283461.5
申请日:2022-10-20
Applicant: 北京交通大学
Abstract: 本发明公开了一种地铁列车运行图自动调整方法、系统、设备及介质,涉及地铁列车运行图调整技术领域。该方法包括:根据目标地铁线路的线路拓扑结构和供电系统故障类型,确定双向供电故障条件下的列车运行调整参数;根据列车运行调整参数,确定故障影响区域信息和故障区域内列车最小行车间隔;根据故障影响的车站集合、故障区域内列车最小行车间隔、列车运行调整参数和列车运行图自动调整模型,求解各列车在各车站的到发时间和车底周转关系,以确定双向供电故障条件下的列车运行图。本发明能够实现在双向供电故障条件下,自动调整故障过程中及故障恢复后的全过程列车运行图,使其满足双向供电故障条件下的运营需求。
-
公开(公告)号:CN114919603A
公开(公告)日:2022-08-19
申请号:CN202210579685.4
申请日:2022-05-26
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于多制动方式的虚拟编组单元列车防护控制方法及系统,涉及轨道交通信号安全防护相关技术领域,具体步骤为:判断任意两车是否组成虚拟编组方式运行,根据判断结果,设定任意两车的初始制动方式;若任意两车组成虚拟编组方式运行,第二车实时监测第一车的运行状态以及任意两车间的实际距离,当第一车以非初始制动方式制动时,基于第二车的不同制动方式,按照撞软墙原则计算任意两车的最小安全间距;基于任意两车间的实际距离以及第二车的不同制动方式下任意两车的最小安全间距之间的关系,确定第二车的制动方式以及相关配置数据;本发明通过在不同的场景下选择合适的安全防护控制手段,实现虚拟编组单元列车的小间距安全追踪。
-
公开(公告)号:CN114326646A
公开(公告)日:2022-04-12
申请号:CN202210020681.2
申请日:2022-01-10
Applicant: 北京交通大学
IPC: G05B19/418
Abstract: 本发明涉及一种高速列车有限时间自适应协调控制方法及系统,先构建高速列车的多质点动力学模型,并利用Lipschitz连续映像算法和径向基函数神经网络对多质点动力学模型中的不确定参数进行估计,得到估计后模型,同时根据期望运行速度计算局部虚拟误差。基于估计后模型和局部虚拟误差为高速列车中的每一动力单元设计自适应有限时间协调控制器,以对动力单元进行控制,该方法具有良好的实时性,能够在有限时间内实现高速列车的协调控制,且抗干扰能力强,遇到干扰后可以控制列车快速恢复到各动力单元速度一致且列车内力趋于零的稳定运行状态。
-
公开(公告)号:CN113537603B
公开(公告)日:2022-02-01
申请号:CN202110825368.1
申请日:2021-07-21
Applicant: 北京交通大学
Abstract: 本发明涉及一种高速列车智能调度控制方法和系统,属于高速列车调度领域,方法包括:获取并存储列车的历史运行数据;根据所述历史运行数据建立Q‑Evaluate Net结构模型;根据所述历史运行数据建立Q‑Target Net结构模型;对由所述Q‑Evaluate Net结构模型和所述Q‑Target Net结构模型形成的DDDQN模型进行训练,得到优化后的DDDQN模型;将列车的当前状态信息输入至所述优化后的DDDQN模型,得到列车在当前状态下的最优执行动作,根据所述最优执行动作对列车进行调度调整,从而避免了发生列车冲突和死锁的情况,有效缩短列车的延误时间,提升了乘客的出行感受。
-
-
-
-
-
-
-
-
-