一种列车进站或出站时空路径规划方法及装置

    公开(公告)号:CN109625028A

    公开(公告)日:2019-04-16

    申请号:CN201811257231.5

    申请日:2018-10-26

    Abstract: 本发明提供了一种列车时空路径规划方法和系统,其中所述方法包括:确定以下参数:进站或出站拓扑网络中的区段、各区段起点道岔处允许的行驶速度、列车在两个相邻区段起点道岔之间的最快行程时间、各区段进口道岔的转换时间、区段中连续锁闭或非连续锁闭列车之间所要求的列车运行间隔、列车长度;基于确定的上述参数规划每个列车要进入的区段和进入的时间,以及列车群作业顺序。本发明列车时空路径规划方法和系统能够使得两列车可以较小的间隔时间开展进出站作业。

    一种界面信息显示方法及系统

    公开(公告)号:CN107092458A

    公开(公告)日:2017-08-25

    申请号:CN201710317675.2

    申请日:2017-05-08

    CPC classification number: G06F3/1407 G06F3/04847

    Abstract: 本发明提供了一种界面信息显示方法,包括:获取列车当前的运行状态信息;解析所述运行状态信息中的各个信息参数;并获取所述各个信息参数在人机界面中显示时,各自所需的指标参数;依据预设的对应显示关系,查询每一个所述信息参数在显示时,所需指标参数对应的显示方式;将每一个信息参数按其所需指标参数对应的显示方式,分别显示在所述人机界面中。本发明提供的方法,依据预设的对应显示关系,查询每一个所述信息参数在显示时,所需指标参数对应的显示方式,可以使界面信息的显示更加直观、简洁,便于人机交互。

    一种网格化维修处理方法及系统
    6.
    发明公开

    公开(公告)号:CN114611750A

    公开(公告)日:2022-06-10

    申请号:CN202210043366.1

    申请日:2022-01-14

    Abstract: 本发明提供了一种网格化维修处理方法及系统,所述方法包括:建立轨道交通时空网格;根据轨道交通时空网格建立具有空间约束、速率约束、资源约束以及维修连续性约束的轨道交通线性资产网格化维修计划优化评价模型;根据轨道交通线性资产网格化维修计划优化评价模型,处理维修计划。本发明细致地定义了轨道交通线性资产中不同维修活动在时间、空间上的各种约束,通过具有各种约束条件的评价模型,能筛选出更合理的维修计划。

    一种基于人脸识别多种轨道交通制式票务一体化的方法

    公开(公告)号:CN110738768B

    公开(公告)日:2022-03-08

    申请号:CN201910840488.1

    申请日:2019-09-06

    Abstract: 本发明公开了一种基于人脸识别多种轨道交通制式票务一体化的方法,所述方法包括:获取个人身份信息和人脸图像信息;根据个人身份信息和人脸图像信息生成身份凭证,所述身份凭证与票务系统相关联;基于所述身份凭证,结合车站系统发送的实时人脸图像信息从票务系统中获取车票信息;将所述车票信息反馈给车站系统,所述车站系统根据车票信息决定是否允许进站、出站或换乘。本发明提供的方法能够支持旅客在各种轨道交通制式间便捷购票与出行,使旅客进行被动式验票,省去验票操作时间,提高验票通过效率。

    用于OD数据的预测模型构建方法及装置

    公开(公告)号:CN111242395B

    公开(公告)日:2020-07-31

    申请号:CN202010336521.X

    申请日:2020-04-26

    Abstract: 本发明属于人工智能预测技术领域,并公开了一种用于OD数据的预测模型构建方法及装置,预测模型构建方法包括:步骤S1:对历史数据进行预处理,选取出至少一间隔历史周期数据集及当日趋势数据集;步骤S2:根据处理后的数据构建OD稀疏时空残差网络模型;步骤S3:利用深度神经网络的反向传播规则和Adam算法对OD稀疏时空残差网络模型进行训练;步骤S4:对OD稀疏时空残差网络模型进行验证并输出。通过构建OD数据稀疏时空残差网络对OD数据复杂时空依赖和分布特性的描述,实现OD数据的精准预测。

    一种列车自主调度方法和系统

    公开(公告)号:CN111376954A

    公开(公告)日:2020-07-07

    申请号:CN202010481714.4

    申请日:2020-06-01

    Abstract: 本发明提出一种列车自主调度方法和系统,仿真模块接收轨道交通数据,仿真实际轨道交通系统,仿真模块与深度强化学习模块交互训练,深度强化学习模块得到训练好的调度决策模型,深度强化学习模块将训练好的调度决策模型输送至调度方案模块,仿真模块仿真当前列车运行状态,并将当前列车运行状态输出至调度方案模块,调度方案模块基于当前列车运行状态上生成调度方案,调度方案模块将调度方案输送至实际轨道交通系统;通过仿真模块仿真实际轨道交通系统,通过深度强化学习模块训练调度模型,使得每列车根据运行环境进行自身运行操控策略的调整,从而在保证列车运行安全和准点的前提下,降低列车运行能耗和旅客等待时间;调度的实时性和灵活性较高。

Patent Agency Ranking