面向高密度追踪的新型列控系统行车许可生成方法研究

目录

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