Resumen

Teniendo en cuenta que en las estaciones de metro a menudo se producen perturbaciones de permanencia inciertas, los investigadores han propuesto muchos métodos para resolver el problema de reprogramación del horario de trenes (TTR). Este trabajo propone un método de Algoritmo Genético Modificado-Unidad Recurrente de Compuerta (MGA-GRU), que es un método de TTR en tiempo real basado en el aprendizaje profundo. El método propuesto toma la red Gate Recurrent Unit (GRU) como red de decisión y utiliza los resultados producidos por el Algoritmo Genético Modificado (MGA) como conjunto de entrenamiento de la red de decisión. Una red de decisión bien entrenada puede proporcionar soluciones eficaces en tiempo real después de que se produzcan perturbaciones aleatorias, con el fin de optimizar el consumo neto de energía de tracción de los trenes en los sistemas de metro. Basándose en la red piloto de la Línea Uno del Metro de Shanghai (SML1), este trabajo establece un modelo completo del sistema de metro como entorno de entrenamiento y prueba para verificar el efecto de ahorro de energía y el rendimiento en tiempo real del método propuesto en la resolución del problema TTR. Los resultados experimentales muestran que en el sistema de metro de dos trenes, el sistema de metro de tres trenes y el sistema de metro de cinco trenes, el método MGA-GRU puede ahorrar una media de energía del 4,45%, 6,16% y 7,19%, mientras que el tiempo medio de decisión es de sólo 0,15 s, 0,27 s y 0,33 s, respectivamente.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:sistema de metro de tren, unidad recurrente de puerta, algoritmo genético modificado, red de decisión, mga, método, consumo neto de energía de tracción, línea de metro de shanghai, tiempo medio de decisión, método ttr de tiempo
• Keywords:train metro system, gate recurrent unit, modified genetic algorithm, decision network, mga, method, net traction energy consumption, shanghai metro line, average decision time, time ttr method