AbstractIn subway systems, the auto

Abstract
In subway systems, the automatic train operation (ATO) is gradually replacing manual driving for its high punctuality and parking accuracy. But the existing ATO systems have some drawbacks in riding comfort and energy-consumption compared with the manual driving by experienced drivers. To combine the advantages of ATO and manual driving, this paper proposes a Smart Train Operation (STO) approach based on the fusion of expert knowledge and data mining algorithms. First, we summarize the domain expert knowledge rules to ensure the safety and riding comfort. Then, we apply a regression algorithm named as CART (Classification And Regression Tree) and ensemble learning methods (i.e. Bagging and LSBoost) to obtain the valuable information from historical driving data, which are collected in the Beijing subway Yizhuang line. Besides, a heuristic train station parking algorithm (HSA) by using the positioning data storage in balises is proposed to realize precisely parking. By combing the expert knowledge, data mining algorithms and HSA, two comprehensive STO algorithms, i.e., STOB and STOL are developed for subway train operations. The proposed STO algorithms are tested by comparing both ATO and manual driving on a real-world case of the Beijing subway Yizhuang line. The results indicate that the developed STO approach is better than ATO in energy consumption and riding comfort, and it also outperforms manual driving in punctuality and parking accuracy. Finally, the flexibility of STOL and STOB is verified with extensive experiments by considering different kinds of disturbances in real-world applications.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อในระบบรถไฟใต้ดิน งานรถไฟอัตโนมัติ (ATO) จะค่อย ๆ เปลี่ยนด้วยตนเองขับตรงต่อเวลาความสูง และความแม่นยำในการจอดรถ แต่ระบบ ATO เดิมมีข้อจำกัดบางอย่างในการขี่และใช้พลังงานเทียบกับคู่มือการขับขี่ โดยโปรแกรมควบคุมที่มีประสบการณ์ การรวมข้อดีของ ATO และขับรถด้วยตนเอง กระดาษนี้เสนอแนวทางการดำเนินงานรถไฟสมาร์ท (STO) อิงฟิวชั่นของความเชี่ยวชาญและอัลกอริทึมการทำเหมืองข้อมูล ครั้งแรก เราสรุปกฎความเชี่ยวชาญของโดเมนเพื่อความปลอดภัยและความสะดวกสบายขี่ จากนั้น เราใช้อัลกอริทึมการถดถอยที่เป็นรถเข็น (การจัดประเภทและถดถอยต้นไม้) และวงดนตรีการเรียนรู้วิธีการ (เช่นเถื่อน ๆ และ LSBoost) เพื่อขอรับข้อมูลจากการขับขี่ข้อมูลในอดีต ซึ่งเก็บในรถไฟใต้ดินสายกิ่งยิซฮวง มีเสนอแบบพฤติกรรมรถไฟสถานีจอดรถอัลกอริทึม (HSA) โดยเก็บข้อมูลตำแหน่งใน balises ตระหนักถึงที่จอดรถได้อย่างแม่นยำ โดย combing ความเชี่ยวชาญ อัลกอริทึมการทำเหมืองข้อมูล และ HSA สองครอบคลุม STO อัลกอริทึม เช่น STOB และ STOL ถูกพัฒนาสำหรับการดำเนินงานรถไฟใต้ดิน อัลกอริทึม STO เสนอจะมีทดสอบ โดยการเปรียบเทียบทั้ง ATO และขับรถด้วยตนเองบนรถไฟใต้ดินสายกิ่งยิซฮวงในกรณีจริง ผลลัพธ์บ่งชี้ว่า วิธี STO พัฒนาดีกว่า ATO ในการใช้พลังงานและความสะดวกสบายขี่ และมันยังมีประสิทธิภาพสูงกว่าด้วยตนเองขับรถในความตรงต่อเวลา และความแม่นยำในการจอดรถ ในที่สุด ความยืดหยุ่นของ STOL และ STOB มีตรวจสอบ ด้วยการทดลองอย่างละเอียด โดยพิจารณาชนิดของความผิดปกติในการใช้งานจริง

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ
ในระบบรถไฟใต้ดิน, การดำเนินงานรถไฟอัตโนมัติ (ATO) จะค่อยๆเปลี่ยนการขับรถด้วยตนเองสำหรับการตรงต่อเวลาสูงและความถูกต้องที่จอดรถ แต่ระบบ ATO ที่มีอยู่มีข้อบกพร่องบางอย่างในการขี่สะดวกสบายและใช้พลังงานเมื่อเทียบกับการขับรถด้วยตนเองโดยคนขับรถที่มีประสบการณ์ ที่จะรวมข้อดีของกรมสรรพากรและการขับรถด้วยตนเอง, กระดาษนี้นำเสนอการดำเนินงานรถไฟสมาร์ท (STO) วิธีการขึ้นอยู่กับฟิวชั่นของความรู้และข้อมูลที่ผู้เชี่ยวชาญขั้นตอนวิธีการทำเหมืองแร่ ครั้งแรกที่เราสรุปกฎความรู้จากผู้เชี่ยวชาญโดเมนเพื่อความปลอดภัยและความสะดวกสบายขี่ จากนั้นเราจะใช้ขั้นตอนวิธีการถดถอยชื่อว่าเป็นรถเข็น (การจัดหมวดหมู่และการถดถอยต้นไม้) และวิธีการเรียนรู้ทั้งมวล (เช่นบรรจุถุงและ LSBoost) เพื่อให้ได้ข้อมูลที่มีค่าจากข้อมูลการขับขี่ทางประวัติศาสตร์ซึ่งจะถูกเก็บรวบรวมในกรุงปักกิ่งสถานีรถไฟใต้ดินสายอี้จวง นอกจากนี้ยังมีที่จอดรถขั้นตอนวิธีการแก้ปัญหาสถานีรถไฟ (HSA) โดยใช้การจัดเก็บข้อมูลการวางตำแหน่งใน balises จะเสนอให้ตระหนักถึงที่จอดรถได้อย่างแม่นยำ โดย combing ความรู้จากผู้เชี่ยวชาญขั้นตอนวิธีการทำเหมืองข้อมูลและ HSA สองขั้นตอนวิธีการ STO ที่ครอบคลุมเช่น Stob และ STOL ได้รับการพัฒนาสำหรับการดำเนินงานรถไฟใต้ดิน ขั้นตอนวิธีการ STO ที่นำเสนอจะมีการทดสอบโดยการเปรียบเทียบทั้งกรมสรรพากรและการขับรถด้วยตนเองในกรณีที่โลกแห่งความจริงของปักกิ่งสถานีรถไฟใต้ดินสายอี้จวง ผลการวิจัยพบว่าวิธี STO พัฒนาดีกว่า ATO ในการใช้พลังงานและการขี่สะดวกสบายและยังมีประสิทธิภาพดีกว่าการขับรถด้วยตนเองในการตรงต่อเวลาและที่จอดรถความถูกต้อง ในที่สุดความยืดหยุ่นของ STOL และ Stob การตรวจสอบกับการทดสอบอย่างกว้างขวางโดยพิจารณาแตกต่างกันของการรบกวนในการใช้งานจริงของโลก

ผลลัพธ์ (ไทย) 3:

บทคัดย่อในระบบรถไฟใต้ดิน , ปฏิบัติการรถไฟอัตโนมัติ ( ATO ) จะค่อยๆแทนที่คู่มือขับรถของความตรงต่อเวลาสูง และจอดรถความถูกต้อง แต่ที่มีอยู่ระบบ ATO บางประการในการขับขี่ ความสะดวกสบายและการใช้พลังงานเมื่อเทียบกับคู่มือการขับรถของผู้ขับขี่ที่มีประสบการณ์ การรวมข้อดีของ ATO และคู่มือการขับรถ กระดาษนี้นำเสนอการดำเนินงานรถไฟสมาร์ท ( RTOS ) วิธีการขึ้นอยู่กับการความรู้จากผู้เชี่ยวชาญและข้อมูลขั้นตอนวิธีการทำเหมือง ก่อนอื่น เราสรุปความรู้โดเมนผู้เชี่ยวชาญด้านกฎระเบียบเพื่อให้มั่นใจในความปลอดภัยและนั่งสบาย แล้วเราใช้ขั้นตอนวิธีการตั้งชื่อเป็นรถเข็น ( หมวดหมู่ต้นไม้ถดถอย ) และชุดการเรียนรู้วิธีการ ( เช่น ถุง และ lsboost ) เพื่อให้ได้ข้อมูลที่มีคุณค่าจากการขับรถข้อมูลทางประวัติศาสตร์ ซึ่งจะถูกเก็บรวบรวมในรถไฟใต้ดินปักกิ่งอี้จวงบรรทัด นอกจากนี้ สถานีรถไฟฮิวริสติกอัลกอริทึม ( HSA ) ที่จอดรถโดยใช้ตำแหน่งที่เก็บข้อมูลใน Tags เสนอให้ทราบอย่างแน่นอน ที่จอดรถ โดยผสมผสานความรู้ความเชี่ยวชาญ การทำเหมืองข้อมูลขั้นตอนวิธีและ HSA , สองครอบคลุมหลากหลาย เช่น เก้าอี้ stob ขั้นตอนวิธี และถูกพัฒนาขึ้นเพื่อดำเนินการรถไฟรถไฟใต้ดิน เสนอคลัง ชุดทดสอบ โดยการเปรียบเทียบทั้งอาและคู่มือขับรถจริง กรณีของรถไฟใต้ดินปักกิ่งอี้จวงบรรทัด ผลการศึกษาพบว่าวิธีการที่พัฒนาคลังดีกว่าในการใช้พลังงานและอาขี่สบาย และก็ยังโปรยคู่มือการขับรถในที่จอดรถที่ตรงเวลาและความถูกต้อง ในที่สุดความยืดหยุ่นและครอบคลุมเก้าอี้ stob ได้รับการทดลองโดยพิจารณาชนิดของการรบกวนในการใช้งานจริง .