一种通过分配能量的列车生态驾驶算法：一种 Q-Learning 方法

• 摘要
• 一、 介绍
• 二、动机和贡献
• 论文的结构

节能列车运行方法是本文的重点，提出了一种基于 Q-Learning 的生态驾驶方法。首先，将生态驾驶问题转化为有限马尔可夫决策过程的基于能量分布的方法（EDBM）的核心思想被表达。其次，提出了Q-Learning方法来确定最优的能量分配策略。具体而言，介绍了两种不同的状态定义，即跳闸时间相关（TT）和能量分布相关（ED）状态定义。最后，在确定性和随机环境中验证了所提出方法的有效性。还说明了与 ED 状态方法相比，TT 状态方法需要大约 20 倍的计算时间，而 TT 状态方法的空间复杂度几乎是恒定的。超参数敏感性分析证明了所提出方法的稳健性。

铁路系统在当今世界各地的公共交通系统中发挥着重要作用。铁路系统准时、运力大、速度快、开行车次低等优势越来越受到旅客的关注，铁路系统规模快速增长，以满足近年来不断增长的旅客需求。以北京地铁为例，北京政府已将地铁网络从2002年最初的2线31站扩大到2018年的21线370站，对应609公里的轨道 [1]. 此外，作业车距也在不断减少。中心线高峰期2分钟，非高峰期5分钟以内，城市地铁全线10分钟以内。因此，地铁系统的年能耗快速增长，使北京地铁系统成为工业用电的最大消耗者。北京地铁的例子说明了降低铁路系统能源成本的必要性。根据以往的研究，地铁系统的能耗主要用于列