文献

J-GLOBAL ID：202002223346308457   整理番号：20A1146571

戦略勾配強化学習に基づく列車知能制御方法【JST・京大機械翻訳】

A Policy-Based Reinforcement Learning Algorithm for Intelligent Train Control

著者 (4件)： Zhang Miao (中国鉄道科学研究院集団有限公司 研究生部,北京 100081;中国鉄道科学研究院集団有限公司 通信信号研究所,北京 100081;国家鉄路智能運輸系統工程技術研究中心,北京 100081) ,  Zhang Qi (中国鉄道科学研究院集団有限公司 通信信号研究所,北京 100081;国家鉄路智能運輸系統工程技術研究中心,北京 100081) ,  Liu Wentao (北京交通大学 軌道交通控制与安全国家重点実験室,北京,100044) ,  Zhou Boyuan (中国鉄道科学研究院集団有限公司 通信信号研究所,北京 100081;国家鉄路智能運輸系統工程技術研究中心,北京 100081)
資料名： Tiedao Xuebao  (Tiedao Xuebao)
巻： 42  号： 1  ページ： 69-75  発行年： 2020年 
JST資料番号： W1488A  ISSN： 1001-8360  CODEN： TIXUF5  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 近年、中国は既に巨大な都市軌道交通と高速鉄道ネットワークを建設し、徐々に全体の運営効率を高める新たな段階に発展し始めた。都市鉄道交通システムの大規模と高密度運営は、システムのエネルギー消費を急激に増加させている。既存の自動操縦制御方法は,既存のモデルに基づいており,正常場面での自動運転を完了することができる。列車の自動運転技術の制御原理と優れた運転手の運転経験に基づいて,列車の牽引エネルギー消費を減らすために,列車の知的制御方法を提案した。まず第一に,列車制御エキスパートシステムを確立し,乗客の快適性を満たすことができ,次に,ニューラルネットワークを列車運転コントローラとして利用して,戦略に基づく強化学習アルゴリズムを設計して,ニューラルネットワークのパラメータを最適化して,変化する運用場面に適応した。地下鉄の現場運転データに基づくシミュレーション結果は,この知的アルゴリズムが既存のアルゴリズムより良い省エネルギー効果と準時性を有することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  シミュレーション ,  ネットワーク ,  快適性 ,  自動運転 ,  列車運転 ,  自動操縦 ,  ニューラルネットワーク ,  都市 ,  *制御方式 ,  都市鉄道 ,  乗客 ,  *強化学習 ,  学習アルゴリズム

分類 (1件)： 輸送と業務  (TC01030N)

タイトルに関連する用語 (5件)： 戦略 ,  勾配 ,  強化学習 ,  列車 ,  知能制御