城际铁路列控系统车-地通信延迟时间估计的深度学习算法研究

Prediction on communication delay time of train-ground in train control system of intercity railway based on deep learning algorithm

摘要: 为了降低通信延迟对城际铁路列车运行控制的影响,利用通信控制服务器（CCS）积累的车-地GSM-R消息延迟时间历史数据,形成延迟时间估计的算法框架。采用递归神经网络,结合无线传输数据包大小与延迟时间的关系,并使用规范化等深度学习技术,对数据和模型进行学习和训练。实验结果表明,可以有效地估计无线传输延迟时间,解决统计分析方法带来精确度不高的问题,为车地通信消息有效性的精确判断提供依据。
- 城际铁路 /
- GSM-R /
- 延迟时间 /
- 深度学习 /
- 递归神经网络
Abstract: To reduce the impact of communication delay on intercity railway, this paper utilized the historical data of communication delay time of train-ground GSM-R accumulated by communication control server(CCS) to form the delay time estimation algorithm framework, used recurrent neural network and standardized deep learning technology, combined with wireless transmission packet size and delay time, to learn and training the data and model. Experimental results showed that this method could effectively predict the delay time of wireless transmission, and solve the problem of low accuracy caused by statistical analysis, provide the basis for accurately judging the effectiveness of train-ground communication message.
- intercity railway /
- GMS-R /
- delay time /
- deep learning /
- recurrent neural network

[1]	邸洪涛,王长林.关于客运专线列车运行控制系统的探讨[J].铁路计算机应用,2007,16(5):21-22.
[2]	杨晓娟,贾利民.列车控制系统架构与技术现状及发展方向[J].铁路计算机应用,2012,21(3):49-52.
[3]	李晓刚. 车地通信延时对CBTC系统列车运行控制的影响分析[J].铁路通信信号工程技术,2011,12(8):44-46.
[4]	刘宏杰,刘波,夏夕盛.CBTC列车安全定位中通信延时的研究[J].市政技术,2010,(S2):474-479.
[5]	刘立明,韩涛,蒋仁钢.一种城际铁路GSM-R无线消息延迟的检测方法技术:CN105873123A[P].中国专利,2016-03-21.
[6]	黄光许,田筀,康健,等.低资源条件下基于i-vector特征的LSTM递归神经网络语音识别系统[J].计算机应用研究,2017,34(2):392-396.
[7]	王晶. 基于深度学习神经网络的车牌字符识别技术的研究[J].工业控制计算机,2017(3):51-52.
[8]	张洪刚,李焕.基于长短时记忆模型的中文分词方法[J].华南理工大学学报:自然科学版,2017(3):61-67.
[9]	殷瑞刚,魏帅,李晗,等.深度学习中的无监督学习方法综述[J].计算机系统应用,2016(8):1-7.
[10]	郑泽宇,顾思宇.TensorFlow实战Google深度学习框架[M].北京:电子工业出版社,2017.