声明
致谢
1 引言
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 城轨新型列控系统研究现状
1.2.2 列控系统行车许可计算策略研究现状
1.2.3 轨迹预测研究现状
1.2.4 列控系统建模验证研究现状
1.3 研究内容及论文结构
1.4 本章小结
2 新型列控系统行车许可生成相关原理
2.1 新型列控系统的结构与功能
2.2 新型列控系统行车许可生成原理
2.2.1 列车追踪运行模式
2.2.2 行车许可生成原理
2.3 新型列控系统行车许可生成过程分析
2.3.1 列车路径资源管理
2.3.2 关联列车识别
2.3.3 行车许可计算
2.4 本章小结
3 Bi-LSTM 神经网络基础理论
3.1 Bi-LSTM神经网络
3.1.1 神经网络概述
3.1.2 LSTM 模型结构
3.1.3 Bi-LSTM模型结构
3.2 轨迹预测模型参数分析
3.2.1 激活函数
3.2.2 预测模型的性能评价指标
3.2.3 模型参数分析
3.3 本章小结
4 基于Bi-LSTM神经网络的列车轨迹预测
4.1 列车轨迹预测模型构建
4.1.1 Bi-LSTM 轨迹预测模型
4.1.2 轨迹预测过程
4.2 轨迹预测结果分析
4.2.1 一维特征训练结果分析
4.2.2 二维特征训练结果分析
4.2.3 不同区间预测结果分析
4.3 列车轨迹预测和追踪仿真软件
4.3.1 软件功能设计
4.3.2 基于前车预测轨迹的区间追踪运行
4.4 本章小结
5 基于CPN的行车许可生成建模与验证
5.1 着色Petri 网理论
5.1.1 CPN 基本定义
5.1.2 CPN Tools 建模工具
5.1.3 CPN 模型动态属性及分析方法
5.2 新型列控系统行车许可生成过程建模与验证
5.2.1 列车路径资源管理建模与分析
5.2.2 关联列车识别建模与分析
5.2.3 行车许可计算建模与分析
5.3 本章小结
6 结论
6.1 论文工作总结
6.2 未来工作展望
参考文献
图索引
表索引
作者简历及攻读硕士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;