Resumen

La precisión del estacionamiento de trenes (TSP) es importante para mejorar la eficiencia del funcionamiento de los trenes y la seguridad de los pasajeros en el transporte ferroviario urbano. Sin embargo, el TSP siempre está sujeto a una serie de factores inciertos, como condiciones meteorológicas extremas y condiciones inciertas de resistencia de las vías ferroviarias. Para aumentar la precisión del aparcamiento, su robustez y su capacidad de autoaprendizaje, proponemos nuevos marcos de aparcamiento de estaciones de tren utilizando la teoría del aprendizaje por refuerzo (RL) combinada con la información de los balances. Se desarrollaron tres algoritmos, un algoritmo de selección estocástica óptima (SOSA), un algoritmo de aprendizaje Q (QLA) y un algoritmo de aprendizaje Q basado en funciones difusas (FQLA), para reducir el error de aparcamiento en el transporte ferroviario urbano. Mientras tanto, se adoptan cinco índices de frenado como vector de acción de los tres algoritmos y se desarrollan algunos índices estadísticos para evaluar los errores de aparcamiento. Los resultados de la simulación basados en datos reales muestran que los errores de aparcamiento de los tres algoritmos están dentro de los ±30 cm, lo que cumple los requisitos del transporte ferroviario urbano.

• Materias:Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:tránsito ferroviario urbano, algoritmos, errores de aparcamiento, nuevos marcos de aparcamiento de estaciones de tren, algoritmo estocástico de selección óptima, aparcamiento de estaciones de tren, resistencias de las vías férreas, tsp, algoritmo, resultados de simulación
• Keywords:urban rail transit, algorithms, parking errors, new train station parking frameworks, stochastic optimal selection algorithm, train station parking, rail track resistances, tsp, algorithm, simulation results