城际铁路列控系统车-地通信延迟时间估计的深度学习算法研究
2018-01-26蒋仁钢
铁路计算机应用 2018年1期
夏 明,蒋仁钢
(卡斯柯信号有限公司 北京分公司,北京 100055)
城际铁路列控系统[1-2]通过建立车地之间连续、双向的通信,使列车命令和状态信息在车辆和地面之间可靠交互,将地面设备和受控列车紧密的结合,可靠而精确地检测列车位置,控制列车按运行计划运行。城际铁路列控系统的地面设备和车载设备,通过GSM-R无线数据通信网络连接,构成了系统的核心。
因为采用GSM-R无线通信网络进行信息传输,地面设备与车载设备之间的通信延时是无法克服的。车地通信延时的存在造成系统中车载设备和地面设备对信息使用的不同步。例如,当轨旁设备收到车载设备的位置报文时,列车实际位置可能已发生改变,这对列车的运行控制而言存在一定的安全风险[3-4]。因此,城际铁路列控系统需考虑通信延时对列车运行控制的影响。由于延时时间的无法准确计算,目前的研究主要基于统计学方法,如文献[5]提出了一种延时时间的检测方法,利用一段历史时间内(10个周期)的延时时间的平均值作为估算值。该方法的估算值精确度不高,难以获得良好的效果。
鉴于深度学习神经网络自身具有高度自学习性,不依赖高质量特征的特点,相比于统计学等数学模型更具有适用性,被广泛的应用在图像识别、语音识别、预测分析等领域[6-9]。本文运用具有长短期记忆(LSTM ,Long Short Term Memory)单元的深度学习神经网络构建了无线延时时间预测模型,解决无线通信延迟时间估计问题,选取了实际数据、历史平均时间数据进行比较分析,仿真结果表明LSTM神经网络模型优于平均值算法,训练结果与实际值接近,预测精度高。……
登录APP查看全文
