列车编队协同避撞控制方法、系统以及设备与流程

1.本公开涉及轨道交通技术领域，尤其涉及列车编队协同避撞控制领域。

背景技术：

2.为了进一步提升轨道交通的运行效率和灵活性，工业界和学术界相关学者提出列车协同编队/虚拟编组的概念，成为未来轨道交通的发展趋势之一。虚拟编组是指基于车车通信技术，通过先进的控制手段使得列车之间速度趋同，保持较短间隔运行达到虚拟重联的效果。
3.编队列车在运行过程中，编队中存在列车因为突发情况实施紧急制动时，后续跟随列车如果继续沿用单车防护控制策略中的施加最大紧急制动率控车，则可能会由于后续列车制动能力的限制、制动力的随机扰动、减速性能的差异等随机因素，产生一些不必要的碰撞事故。因此，编队内部列车如何根据自身制动性能，协同的安全制动停车，最小化编队整体的碰撞危害，避免连环追尾事故发生的协同避撞控制算法有待研究。

技术实现要素：

4.本公开提供了一种列车编队协同避撞控制方法、系统以及设备。
5.根据本公开的第一方面，提供了一种列车编队协同避撞控制方法，该方法包括：
6.当列车编队中非尾车实施紧急制动时，控制所述非尾车采用最大紧急制动率制动停车；
7.根据编队内列车的动力学特性模型构建列车编队协同避撞控制优化模型；
8.获取所述非尾车及非尾车后续各列车的状态信息；
9.根据所述非尾车及非尾车后续各列车的状态信息以及所述列车编队协同避撞控制优化模型，获取所述非尾车后续各列车的期望制动率；
10.根据所述非尾车后续各列车的期望制动率，控制非尾车后续各列车运行。
11.在第一方面的一些实现方式中，所述根据编队内列车的动力学特性模型构建列车编队协同避撞控制优化模型包括：
12.将所述编队内列车的动力学特性模型、线路限速以及控制率大小作为约束条件；
13.根据所述约束条件和控制优化目标构建列车编队协同避撞控制优化模型。
14.在第一方面的一些实现方式中，所述根据所述非尾车及非尾车后续各列车的状态信息以及所述列车编队协同避撞控制优化模型，获取所述非尾车后续各列车的期望制动率包括：
15.所述非尾车及非尾车后续各列车的状态信息包括各列车的速度信息及位置信息；
16.根据所述非尾车及非尾车后续各列车的速度信息、位置信息以及所述列车编队协同避撞控制优化模型，得到非尾车后续各列车的最优解控制序列；
17.分别取所述非尾车后续各列车的最优解控制序列中的首个数值作为所述非尾车后续各列车的期望制动率。
18.在第一方面的一些实现方式中，所述根据所述非尾车后续各列车的期望制动率，控制非尾车后续各列车运行包括：
19.车辆控制系统根据所述非尾车后续各列车的期望制动率，得到所述非尾车后续各列车应施加的制动力，控制非尾车后续各列车运行。
20.在第一方面的一些实现方式中，所述方法还包括：
21.将传感器采样得到的所述非尾车及非尾车后续各列车的状态信息，与所述编队内列车的动力学特性模型预测得到的状态信息进行比较；
22.根据比较结果对所述编队内列车的动力学特性模型进行校正。
23.在第一方面的一些实现方式中，所述方法还包括：
24.在每个控制周期内进行滚动优化控制，直至完成列车编队的紧急避撞控制。
25.在第一方面的一些实现方式中，所述方法还包括：
26.若列车编队中尾车实施紧急制动，则尾车采用最大紧急制动率进行制动停车。
27.根据本公开的第二方面，提供了一种列车编队协同避撞控制系统，该系统包括：
28.紧急制动单元，用于当列车编队中非尾车实施紧急制动时，控制所述非尾车采用最大紧急制动率制动停车；
29.控制优化模型构建单元，用于根据编队内列车的动力学特性模型构建列车编队协同避撞控制优化模型；
30.采样单元，用于获取所述非尾车及非尾车后续各列车的状态信息；
31.预测单元，用于根据所述非尾车及非尾车后续各列车的状态信息以及所述列车编队协同避撞控制优化模型，获取所述非尾车后续各列车的期望制动率；
32.控制单元，用于根据所述非尾车后续各列车的期望制动率，控制非尾车后续各列车运行。
33.根据本公开的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
34.根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本公开的第一方面的方法。
35.本公开利用紧急制动场景下列车编队协同避撞控制方法，解决列车编队紧急制动场景下列车之间可能会出现的碰撞问题。当列车编队中非尾车实施紧急制动时，控制非尾车采用最大制动率制动停车，非尾车后续所有列车通过实施协同避撞控制算法优化得出的制动率制动停车，降低了紧急制动场景下列车之间的碰撞风险和碰撞危害；采用模型预测控制滚动优化控制的思想，每个控制周期实时优化求解控制序列，降低随机扰动和噪声干扰带来的影响；采用模型反馈校正环节，根据实际输出的测量值与编队内列车的动力学特性模型的预测值进行比较校正，形成闭环优化控制，提高模型预测控制的控制精度和鲁棒性。
36.应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
37.结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。附图用于更好地理解本方案，不构成对本公开的限定在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
38.图1示出了根据本公开的实施例的一种列车编队协同避撞控制方法的流程图；
39.图2示出了根据本公开的实施例的另一种列车编队协同避撞控制方法的流程图；
40.图3示出了根据本公开的实施例的一种列车编队协同避撞控制系统的框图；
41.图4示出了能够实施本公开的实施例的示例性电子设备的方框图。
具体实施方式
42.为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。
43.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
44.本公开中，利用紧急制动场景下列车编队协同避撞控制方法，解决列车编队紧急制动场景下列车之间可能会出现的碰撞问题。当列车编队中非尾车实施紧急制动时，控制非尾车采用最大制动率制动停车，非尾车后续所有列车通过实施协同避撞控制算法优化得出的制动率制动停车，降低了紧急制动场景下列车之间的碰撞风险和碰撞危害；采用模型预测控制滚动优化控制的思想，每个控制周期实时优化求解控制序列，降低随机扰动和噪声干扰带来的影响；采用模型反馈校正环节，根据实际输出的测量值与编队内列车的动力学特性模型的预测值进行比较校正，形成闭环优化控制，提高模型预测控制的控制精度和鲁棒性。
45.图1示出了根据本公开的实施例的一种列车编队协同避撞控制方法的流程图，如图1所示，列车编队协同避撞控制方法100包括：
46.s101：当列车编队中非尾车实施紧急制动时，控制所述非尾车采用最大紧急制动率制动停车；
47.s102：根据编队内列车的动力学特性模型构建列车编队协同避撞控制优化模型；
48.s103：获取所述非尾车及非尾车后续各列车的状态信息；
49.s104：根据所述非尾车及非尾车后续各列车的状态信息以及所述列车编队协同避撞控制优化模型，获取所述非尾车后续各列车的期望制动率；
50.s105：根据所述非尾车后续各列车的期望制动率，控制非尾车后续各列车运行。
51.在s101中，当列车编队中非尾车实施紧急制动时，控制所述非尾车采用最大紧急制动率制动停车。
52.在一些实施方式中，当列车编队中无列车实施紧急制动时，列车编队正常运行无需调整。当列车编队尾车实施紧急制动时，为最大程度防止尾车撞击到前方列车，编队尾车应采用最大紧急制动率进行制动停车。当编队中非尾车实施紧急制动时，为降低编队中多
车碰撞的风险，将实施紧急制动的列车作为领航车，领航车采用最大紧急制动率制动停车，领航车后续所有列车实施协同避撞控制算法优化得出的制动率制动停车。
53.根据本公开的实施例，通过对紧急制动场景下不同位置的列车采用不同的制动率制动停车：对实施紧急制动的尾车采用最大制动率制动停车，避免碰撞前车，同时提高了列车编队运行的安全性和效率；对实施紧急制动的非尾车实施最大紧急制动率制动停车，同时对非尾车后续各列车采用协同避撞控制算法优化得出的制动率制动停车，利用模型预测控制思想降低了编队列车多车碰撞的风险，避免连环追尾事故的发生。
54.在s102中，根据编队内列车的动力学特性模型构建列车编队协同避撞控制优化模型包括：将所述编队内列车的动力学特性模型、线路限速以及控制率大小作为约束条件；根据所述约束条件和控制优化目标构建列车编队协同避撞控制优化模型。
55.在一些实施方式中，对编队列车进行动力学特性建模，可以选择包括但不限于参数辨识等建模方法。一般地，采用惯性环节对列车制动延时建立模型
[0056][0057]
公式(1)中，a表示列车的实际加速度；a
des
表示列车期望加速度；k为系统增益；τ为时间常数。通过提取车载ato通控数据中的控制指令以及实际列车的加速度等数据信息，通过数据筛选剔除无效数据，采用数据辨识的方法辨识出模型中的系统增益和时间常数。其中关于基本阻力和坡道阻力的建模可以采用经验值对其建模，在控制器设计完之后作为干扰补偿控制列车运行。取列车位置、速度、加速度为系统状态变量，即x＝[s v a]
t
；u＝a
des
为列车的期望制动率，则列车动力学离散系统方程可表示为：
[0058][0059]
公式(2)中，ts为采样间隔，一般取200ms，根据车载控制器的控制周期决定。
[0060]
在一些实施方式中，基于编队列车的动力学特性模型，构建紧急制动场景下列车编队协同避撞控制优化模型；首先，需要量化编队列车之间碰撞的潜在危险程度，可以参照道路交通领域和航空领域中，考虑将碰撞能量作为定量衡量航空领域事故的危害程度，使用相对动能来衡量相邻列车之间碰撞的潜在危险程度，编队总体相对动能(total relative kinetic energy，trke)可以如下表示：
[0061][0062]
公式(3)中vi(t)表示列车i在t时刻的当前速度(m/s)，v
i-1
(t)列车i前方相邻列车在t时刻的当前速度(m/s)；mi表示列车的载重(kg)；n表示编队内部列车数量。根据编队列车的动力学特性模型，以最小化碰撞危害为目标，优化目标函数可以表达为：
[0063][0064]
公式(4)中，j表示模型预测步长；*(k+j|k)表示k+j时刻的预测状态，基于时刻k的状态信息；m表示模型预测控制选取的控制步长(一般控制步长与预测步长取相同值)。
[0065]
当列车在线路上运行时，系统的状态必须受到列车固有属性和线路条件的约束。在列车编队协同避撞控制优化模型中考虑的约束如下：
[0066][0067]
0≤vi(k+j|k)≤v
lim
(xi)
[0068][0069]
公式(5)中，表示列车能够产生的最小制动加速度(m/s2)；表示列车能够产生的最大制动加速度(m/s2)；v
lim
(si)表示列车i的线路限速，取决于列车在线路所处位置xi(m/s)；sm表示列车静止时最小安全间距冗余(m)；表示相邻列车需要保持的安全间距，与相邻列车速度相关(m)。
[0070]
因此，列车编队紧急停车的优化问题可表述为：
[0071][0072]
满足约束条件：
[0073]
xi(k+j+1|k)＝aixi(k+j|k)+biu
i，des
(k+j|k)-wi(k)
[0074][0075]
公式(7)中
[0076]
xi(k+j|k)＝[xi(k+j|k)，vi(k+j|k)，ui(k+j|k)]
t
[0077][0078][0079]
式中x(k+j|k)表示k+j时刻的预测状态，基于时刻k的状态信息；wi(k)表示k时刻的基本阻力和附加阻力产生的加速度(m/s2)。
[0080]
根据本公开的实施例，将编队内列车的动力学特性模型、线路限速以及控制率大小等作为约束条件，以最小化碰撞危害为控制目标，构建列车编队协同避撞控制优化模型。在紧急制动场景下，利用该模型获得非尾车后续所有列车期望制动率，可以更加精准的控制编队内非尾车后续各列车制动，降低了多车碰撞的风险。
[0081]
在s103中，获取所述非尾车及非尾车后续各列车的状态信息。
[0082]
在一些实施方式中，通过传感器或者应答器获得实施紧急制动的非尾车以及非尾车后续所有列车的速度、位置状态信息；非尾车以及非尾车后续各列车通过车车通信获得除自身之外的其他列车的速度、位置状态信息。
[0083]
在一些实施方式中，列车通过车载轮径传感器、雷达测速传感器或加速度计测量获得列车速度信息，通过车载速度积分计算结合轨旁应答器校正位置信息获得列车位置状态信息。通过基于长期演进(long term evolution，lte)网络或者5g网络等通信方式，获取编队内其他列车的位置和速度状态信息。
[0084]
根据本公开的实施例，通过获得实施紧急制动的非尾车以及非尾车后续所有列车的速度、位置状态信息，可以监测非尾车以及非尾车后续所有列车在运行或实施制动过程中的实时状态；并且根据非尾车以及非尾车后续所有列车的速度、位置状态信息，可以更加精确的获得非尾车后续所有列车的期望制动率。
[0085]
在s104中，根据所述非尾车及非尾车后续各列车的状态信息以及所述列车编队协同避撞控制优化模型，获取所述非尾车后续各列车的期望制动率包括：所述非尾车及非尾车后续各列车的状态信息包括各列车的速度信息及位置信息；根据所述非尾车及非尾车后续各列车的速度信息、位置信息以及所述列车编队协同避撞控制优化模型，得到非尾车后续各列车的最优解控制序列；分别取所述非尾车后续各列车的最优解控制序列中的首个数值作为所述非尾车后续各列车的期望制动率。
[0086]
在一些实施方式中，将获得的非尾车及非尾车后续各列车的速度、位置状态信息作为模型预测控制优化问题的初始状态，通过求解公式(6)获得第一控制时域非尾车后续各列车的最优解控制序列：
[0087]ui，des
＝[u
i，des
(k|k)，
…
，u
i，des
(k+m-1|k)]
[0088]
i＝1，2，...，n.
ꢀꢀꢀꢀꢀꢀꢀ
(8)
[0089]
分别取当前控制时域非尾车后续各列车的最优解控制序列中的首个数值作为当前控制周期非尾车后续各列车的期望制动率。
[0090]
待到下一控制周期，重新采样获取非尾车及非尾车后续各列车的速度、位置状态信息，获得当前控制周期非尾车后续各列车的期望制动率。在每个控制周期重复此优化过程，完成滚动时域优化控制，直至非尾车后续各列车制动停车。
[0091]
在一些实施方式中，控制时域是模型预测控制假设控制的时长，比如控制时域步长设置为5，那么控制时域就是5*控制周期；控制周期是重新计算控制率的时间间隔，一般列车运行控制周期都是200ms，就是每200ms算一次列车当前应该施加多大的控制率。
[0092]
在一些实施方式中，模型预测控制就是预测接下来一段时间(这段时间称为控制时域，比如5个控制周期，就是1s)怎么控车，因此1s内需要5个控制率，所以称为控制序列，但是当前控制周期只采用第一个控制率。到下一个控制周期再重新优化，重新得出来5个控制率，但依然只采取第一个控制率，这个过程就叫做滚动优化控制(模型预测控制)，即为模型预测控制的思想。理解成下棋就是提前想好接下来5步怎么下，下完第一步之后发现对手和我之前想的不一样，就重新想接下来5步怎么下，虽然提前规划好5步了，但是每次只能下1步。所以模型预测控制采用控制序列中的首个数值。
[0093]
根据本公开的实施例，通过非尾车及非尾车后续各列车的速度、位置状态信息以
及列车编队协同避撞控制优化模型，更加精确地计算出非尾车后续各列车在每个控制周期内应施加的制动率。同时，在每个控制周期内进行滚动优化控制，实时获得每个控制周期的列车状态信息，实时获取每个控制周期的列车期望制动率。如此，在一定程度上保证了非尾车后续各列车在实施制动的过程中，实时根据每个控制周期的期望制动率制动停车，有效的避免了追尾碰撞对列车造成的严重损害。
[0094]
在s105中，根据所述非尾车后续各列车的期望制动率，控制非尾车后续各列车运行包括：车辆控制系统根据所述非尾车后续各列车的期望制动率，得到所述非尾车后续各列车应施加的制动力，控制非尾车后续各列车运行。
[0095]
在一些实施方式中，列车控制系统输出制动率，车辆控制系统根据制动率和载重情况输出对应的制动力控制列车运行。
[0096]
根据本公开的实施例，车辆控制系统根据制动率和载重情况输出对应的制动力控制列车运行，如此，在紧急制动情况下，非尾车后续各列车根据自身制动性能协同的安全制动停车，最小化编队列车整体的碰撞危害，也避免了对列车和司乘造成不必要的伤害。
[0097]
在一些实施方式中，所述方法还包括：将传感器采样得到的所述非尾车及非尾车后续各列车的状态信息，与所述编队内列车的动力学特性模型预测得到的状态信息进行比较；根据比较结果对所述编队内列车的动力学特性模型进行校正。
[0098]
根据本公开的实施例，将传感器采样得到的非尾车及非尾车后续各列车的速度、位置状态信息，与编队内列车的动力学特性模型预测得到的状态信息进行比较，根据比较结果对编队内列车的动力学特性模型进行校正。如此，采用模型反馈校正环节，根据实际输出的测量值与模型的预测值进行比较校正，形成闭环优化控制，提高模型预测控制的控制精度和鲁棒性。
[0099]
在一些实施方式中，所述方法还包括：在每个控制周期内进行滚动优化控制，直至完成列车编队的紧急避撞控制。
[0100]
在一些实施方式中，所述方法还包括：若列车编队中尾车实施紧急制动，则尾车采用最大紧急制动率进行制动停车。
[0101]
图2示出了根据本公开的实施例的另一种列车编队协同避撞控制方法的流程图，如图2所示，列车编队协同避撞控制方法200包括：
[0102]
s201：判断列车编队中是否有列车实施紧急制动；当列车编队中无列车实施紧急制动时，列车编队正常运行无需调整。当列车编队尾车实施紧急制动时，控制编队尾车应采用最大紧急制动率进行制动停车。当编队中非尾车实施紧急制动时，控制非尾车采用最大紧急制动率制动停车，非尾车后续所有列车实施协同避撞控制算法优化得出的制动率制动停车；
[0103]
s202：对编队内列车的动力学特性进行建模；
[0104]
s203：基于编队内列车的动力学特性模型，构建紧急制动场景下列车编队协同避撞控制优化模型；
[0105]
s204：通过传感器或者应答器获得非尾车及非尾车后续各列车的速度、位置状态信息，通过车车通信获取编队其他列车的速度、位置信息；
[0106]
s205：根据非尾车及非尾车后续各列车的速度、位置状态信息求解优化控制问题获得非尾车后续各列车当前控制周期的期望制动率；
[0107]
s206：将非尾车后续各列车当前控制周期的期望制动率下发给非尾车后续各列车，通过车辆控制系统得出其应施加的制动力，控制列车运行；
[0108]
s207：通过传感器采样非尾车及非尾车后续各列车并与编队内列车的动力学特性模型的预测状态值不断进行比较、反馈和校正，提高模型预测控制中预测模型的精度。
[0109]
在每个控制周期内，重复s204-s207的方法，直至非尾车及非尾车后续所有列车完成停车。
[0110]
以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。
[0111]
图3示出了根据本公开的实施例的一种列车编队协同避撞控制系统的框图，如图3所示，列车编队协同避撞控制系统300包括：
[0112]
紧急制动单元301：用于当列车编队中非尾车实施紧急制动时，控制所述非尾车采用最大紧急制动率制动停车；
[0113]
控制优化模型构建单元302：用于根据编队内列车的动力学特性模型构建列车编队协同避撞控制优化模型；
[0114]
采样单元303：用于获取所述非尾车及非尾车后续各列车的状态信息；
[0115]
预测单元304：用于根据所述非尾车及非尾车后续各列车的状态信息以及所述列车编队协同避撞控制优化模型，获取所述非尾车后续各列车的期望制动率；
[0116]
控制单元305：用于根据所述非尾车后续各列车的期望制动率，控制非尾车后续各列车运行。
[0117]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。
[0118]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0119]
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
[0120]
图4示出了能够实施本公开的实施例的示例性电子设备的方框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
[0121]
设备400包括计算单元401，其可以根据存储在只读存储器(rom)402中的计算机程序或者从存储单元408加载到随机访问存储器(ram)403中的计算机程序，来执行各种适当的动作和处理。在ram 403中，还可存储设备400操作所需的各种程序和数据。计算单元401、rom 402以及ram 403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。
[0122]
设备400中的多个部件连接至i/o接口405，包括：输入单元406，例如键盘、鼠标等；
输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0123]
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如方法100或方法200。例如，在一些实施例中，方法100或方法200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由rom402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到ram 403并由计算单元401执行时，可以执行上文描述的方法100或方法200的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法100或方法200。
[0124]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0125]
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0126]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0127]
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用
任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0128]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
[0129]
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
[0130]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开的技术方案所期望的结果，本文在此不进行限制。
[0131]
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

技术特征：

1.一种列车编队协同避撞控制方法，其特征在于，所述方法包括：当列车编队中非尾车实施紧急制动时，控制所述非尾车采用最大紧急制动率制动停车；根据编队内列车的动力学特性模型构建列车编队协同避撞控制优化模型；获取所述非尾车及非尾车后续各列车的状态信息；根据所述非尾车及非尾车后续各列车的状态信息以及所述列车编队协同避撞控制优化模型，获取所述非尾车后续各列车的期望制动率；根据所述非尾车后续各列车的期望制动率，控制非尾车后续各列车运行。2.根据权利要求1所述的方法，其特征在于，所述根据编队内列车的动力学特性模型构建列车编队协同避撞控制优化模型包括：将所述编队内列车的动力学特性模型、线路限速以及控制率大小作为约束条件；根据所述约束条件和控制优化目标构建列车编队协同避撞控制优化模型。3.根据权利要求1所述的方法，其特征在于，所述根据所述非尾车及非尾车后续各列车的状态信息以及所述列车编队协同避撞控制优化模型，获取所述非尾车后续各列车的期望制动率包括：所述非尾车及非尾车后续各列车的状态信息包括各列车的速度信息及位置信息；根据所述非尾车及非尾车后续各列车的速度信息、位置信息以及所述列车编队协同避撞控制优化模型，得到非尾车后续各列车的最优解控制序列；分别取所述非尾车后续各列车的最优解控制序列中的首个数值作为所述非尾车后续各列车的期望制动率。4.根据权利要求1所述的方法，其特征在于，所述根据所述非尾车后续各列车的期望制动率，控制非尾车后续各列车运行包括：车辆控制系统根据所述非尾车后续各列车的期望制动率，得到所述非尾车后续各列车应施加的制动力，控制非尾车后续各列车运行。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：将传感器采样得到的所述非尾车及非尾车后续各列车的状态信息，与所述编队内列车的动力学特性模型预测得到的状态信息进行比较；根据比较结果对所述编队内列车的动力学特性模型进行校正。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：在每个控制周期内进行滚动优化控制，直至完成列车编队的紧急避撞控制。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：若列车编队中尾车实施紧急制动，则尾车采用最大紧急制动率进行制动停车。8.一种列车编队协同避撞控制系统，其特征在于，所述系统包括：紧急制动单元，用于当列车编队中非尾车实施紧急制动时，控制所述非尾车采用最大紧急制动率制动停车；控制优化模型构建单元，用于根据编队内列车的动力学特性模型构建列车编队协同避撞控制优化模型；采样单元，用于获取所述非尾车及非尾车后续各列车的状态信息；预测单元，用于根据所述非尾车及非尾车后续各列车的状态信息以及所述列车编队协
同避撞控制优化模型，获取所述非尾车后续各列车的期望制动率；控制单元，用于根据所述非尾车后续各列车的期望制动率，控制非尾车后续各列车运行。9.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其特征在于，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。

技术总结

本公开的实施例提供了一种列车编队协同避撞控制方法、系统以及设备，涉及列车编队协同避撞控制领域；该方法包括：当列车编队中非尾车实施紧急制动时，控制非尾车采用最大紧急制动率制动停车；根据编队内列车的动力学特性模型构建列车编队协同避撞控制优化模型；获取非尾车及非尾车后续各列车的状态信息；根据非尾车及非尾车后续各列车的状态信息以及列车编队协同避撞控制优化模型，获取非尾车后续各列车的期望制动率；根据非尾车后续各列车的期望制动率，控制非尾车后续各列车运行。以此方式，降低了列车之间的碰撞风险和碰撞危害。降低了列车之间的碰撞风险和碰撞危害。降低了列车之间的碰撞风险和碰撞危害。