您当前的位置：
首页 >
文章列表页 >
基于深度强化学习DDDQN的高速列车智能调度调整方法
高速铁路技术 | 更新时间：2024-05-09
|

    • 基于深度强化学习DDDQN的高速列车智能调度调整方法

    • Intelligent rescheduling optimization method of high-speed railway based on deep reinforcement learning DDDQN

    • “在高速铁路运营领域，面对列车晚点的挑战，研究人员提出了一种创新的解决方案。他们结合深度强化学习与整数规划模型，设计出一种名为DDDQN的列车智能调度调整方法。这一方法能够迅速制定调整方案，以最小化列车晚点时间。通过京张高铁的实际数据进行仿真实验，结果显示DDDQN能显著降低列车晚点时间，同时减少求解时间。这一研究成果为高速铁路系统在应对突发事件时提升应急处置能力和运输组织效率提供了重要的智能化方法。”
      ”
    • 铁道科学与工程学报   2024年21卷第4期 页码：1298-1308

    • DOI：10.19713/j.cnki.43-1423/u.T20230864    

      中图分类号： U292.4

    • 纸质出版日期：2024-04-28，

      收稿日期：2023-05-30，

    扫 描 看 全 文

  • 吴卫,阴佳腾,陈照森等.基于深度强化学习DDDQN的高速列车智能调度调整方法[J].铁道科学与工程学报,2024,21(04):1298-1308. DOI： 10.19713/j.cnki.43-1423/u.T20230864.

    WU Wei,YIN Jiateng,CHEN Zhaosen,et al.Intelligent rescheduling optimization method of high-speed railway based on deep reinforcement learning DDDQN[J].Journal of Railway Science and Engineering,2024,21(04):1298-1308. DOI： 10.19713/j.cnki.43-1423/u.T20230864.

  •  
  •  

0

浏览量

15

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于YOLOX-G算法的隧道裂缝实时检测
基于DDPG算法的列车节能控制策略研究
基于小波包熵及双重优化神经网络的牵引逆变器开路故障诊断
基于改进型D3QN深度强化学习的铁路智能选线方法
固定交通检测器布设对快速路交通流量预测影响的实证研究

相关作者

杨豪
张俊杰
闫龙宾
周中
金则灵
武晓春
赵苗苗
陈小强

相关机构

长沙理工大学 公路养护技术国家工程研究中心
长沙理工大学 交通运输工程学院
中南大学 土木工程学院
兰州交通大学 自动化与电气工程学院
光电技术与智能控制教育部重点实验室
0