基于联邦学习的城市轨道交通列车智能控制方法研究（论文）.pdfVIP

2023年3月铁道通信信号March2023

第59卷第3期RailwaySignallingCommunicationVol.59No.3

DOI：10.13879/j.issn.1000-7458.2023-03.22124

城轨交通

扫码浏览下载

基于联邦学习的城市轨道交通列车智能控制方法研究

詹延军，何人伟，康茜，张帆

摘要：针对城市轨道交通智能驾驶策略优化问题，提出联邦学习方法；学习代理采用基于支

持向量机（SVM）的控制模型，通过构建一个多项式和径向基核函数组成的混合核函数，使用

随列车速度变化的动态权重因子来提高模型精度；利用北京地铁昌平、燕房、亦庄及16号线数

据，在联邦学习的框架下，仿真完成列车智能驾驶模型的训练。仿真结果表明：该方法训练出

的模型具有良好的预测效率和预测准确度。基于联邦学习的列车智能控制可为列车自动驾驶的

优化与改进提供有力的实践依据。

关键词：城市轨道交通；联邦学习；支持向量机；核函数；动态权重因子

中图分类号：U231+.6文献标识码：A

IntelligentControlMethodofUrbanRailTransitBasedon

FederalLearning

ZHANYanjun,HERenwei,KANGQian,ZHANGFan

Abstract：Thefederallearningmethodisp