Generally speaking, the majority of

Generally speaking, the majority of existing ATO systems achieve the train operation problem by focusing on the energy-efficient SD trajectory calculation, real-time tracking methods and train station parking algorithms, separately. For example in Beijing subway, the process of train operations by ATO can be described as follows. Before a train departs from stations, the managers of the subway companies first put forward a set of SD trajectories of the train at every segment according to the timetable [23]. Then, when the train is running on a segment, the ATO controller calculates the appropriate traction or braking output in order that the train tracks the corresponding SD trajectory precisely. Finally, when the train approaches the next station, the ATO controller determines the braking rate and parks the train at the destination. However, due to the complexity of train dynamic models, involving time-varying traction and braking prosperities, variable resistances, etc., this multiobjective problem in Eq. (6) is difficult to be solved in most existing ATO systems by the classical optimization approaches. Besides, it usually takes a long time for subway engineers to calculate the optimal trajectory. This makes it infeasible when there are unexpected disturbances, and the timetable needs to be updated in real-time. Thus, the existing ATO systems are also lack of flexibility with disturbances caused by variable and uncertain train dynamic models.

ผลลัพธ์ (ไทย) 1:

โดยทั่วไป ส่วนใหญ่ของระบบ ATO ที่มีอยู่ให้ปัญหาดำเนินการรถไฟ โดยเน้นการประหยัดพลังงาน SD วิถีคำนวณ แบบเรียลไทม์การติดตามวิธีการและขั้นตอนวิธีจอดรถไฟสถานี แยก ตัวอย่างเช่น ในรถไฟใต้ดินปักกิ่ง กระบวนการของการเดินรถไฟโดย ATO สามารถอธิบายดังนี้ ก่อนรถไฟออกจากสถานี ผู้จัดการของบริษัทรถไฟใต้ดินก่อนวางข้างหน้าชุด SD วิถีของรถไฟที่ทุกส่วนตามตาราง [23] แล้ว เมื่อรถไฟกำลังใช้เซกเมนต์ ควบคุม ATO คำนวณฉุดเหมาะสมหรือใช้การเบรกออกที่รถไฟติดตามวิถี SD ที่สอดคล้องกันได้อย่างแม่นยำ ในที่สุด เมื่อรถไฟใกล้สถานีต่อไป ควบคุม ATO กำหนดเบรกอัตราและสวนรถไฟที่ปลายทาง อย่างไรก็ตาม เนื่องจากความซับซ้อนของรถไฟแบบไดนามิก เกี่ยวข้องกับเวลาที่แตกต่างกันเกาะถนนและเบรก prosperities ความต้านทานแปร ฯลฯ ปัญหานี้ multiobjective ใน Eq. (6) เป็นเรื่องยากที่จะแก้ไขในระบบ ATO ที่มีอยู่ส่วนใหญ่ได้ โดยวิธีการเพิ่มประสิทธิภาพของคลาสสิก มันมักจะใช้เวลานานสำหรับวิศวกรรถไฟฟ้าใต้ดินในการคำนวณวิถีที่เหมาะสม ทำ infeasible เมื่อมีการรบกวนที่ไม่คาดคิด และตารางเวลาต้องปรับปรุงในเวลาจริง ดังนั้น ระบบ ATO ที่มีอยู่ก็ขาดความยืดหยุ่นกับการรบกวนที่เกิดจากรถไฟไม่แน่นอน และตัวแปรแบบไดนามิก

ผลลัพธ์ (ไทย) 2:

โดยทั่วไปส่วนใหญ่ของระบบ ATO ที่มีอยู่ให้บรรลุปัญหาการดำเนินงานรถไฟโดยมุ่งเน้นไปที่การคำนวณวิถี SD พลังงานอย่างมีประสิทธิภาพในเวลาจริงวิธีการติดตามและอัลกอริทึมที่จอดรถสถานีรถไฟแยกต่างหาก ยกตัวอย่างเช่นในกรุงปักกิ่งสถานีรถไฟใต้ดินกระบวนการของการดำเนินงานรถไฟโดยกรมสรรพากรสามารถอธิบายดังต่อไปนี้ ก่อนที่รถไฟออกจากสถานีผู้จัดการของ บริษัท รถไฟใต้ดินครั้งแรกที่หยิบยกชุดของไบร์ท SD ของรถไฟที่ทุกส่วนตามตารางเวลา [23] จากนั้นเมื่อรถไฟวิ่งอยู่บนส่วนควบคุม ATO คำนวณฉุดเหมาะสมหรือการส่งออกการเบรกในลำดับที่รถไฟติดตามวิถี SD ที่สอดคล้องกันได้อย่างแม่นยำ สุดท้ายเมื่อรถไฟใกล้สถานีถัดไปควบคุม ATO กำหนดอัตราการเบรกและสวนสาธารณะรถไฟปลายทาง แต่เนื่องจากความซับซ้อนของการรถไฟจำลองแบบไดนามิกที่เกี่ยวข้องกับเวลาที่แตกต่างกันและแรงดึงเบรก prosperities, ความต้านทานตัวแปร ฯลฯ ปัญหา multiobjective นี้ในสมการ (6) เป็นเรื่องยากที่จะแก้ไขได้ในที่สุดระบบ ATO ที่มีอยู่โดยวิธีการเพิ่มประสิทธิภาพคลาสสิก นอกจากนี้ก็มักจะใช้เวลานานสำหรับวิศวกรรถไฟใต้ดินในการคำนวณวิถีที่ดีที่สุด นี้จะทำให้มันเป็นไปไม่ได้เมื่อมีการรบกวนที่ไม่คาดคิดและตารางเวลาต้องมีการปรับปรุงในเวลาจริง ดังนั้นระบบ ATO ที่มีอยู่จะยังขาดความยืดหยุ่นกับการรบกวนที่เกิดจากตัวแปรและความไม่แน่นอนรถไฟจำลองแบบไดนามิก