用于精确测量火车车速的卷积神经网络
机器学习
2025-08-26 v1 人工智能
系统与控制
系统与控制
摘要
在本研究中，我们探讨了使用卷积神经网络 (Convolutional Neural Networks, CNNs) 来提高火车速度估计精度，以解决现代铁路系统面临的复杂挑战。我们研究了三种 CNN 架构——单分支 2D、单分支 1D 和多分支模型，并将其与自适应卡尔曼滤波器进行比较。我们分析了在有无轮slide保护激活的情况下所用模拟火车运行数据集的性能。我们的结果表明，CNN 方法，尤其是多分支模型，在特别受挑战性运行条件下表现出优于传统方法的更高精度和鲁棒性。这些发现凸显了深度学习技术在更有效地捕捉复杂交通数据中的复杂模式方面的潜力，从而提升铁路安全和运营效率。
引用
@article{arxiv.2508.17096,
title = {Convolutional Neural Networks for Accurate Measurement of Train Speed},
author = {Haitao Tian and Argyrios Zolotas and Miguel Arana-Catania},
journal= {arXiv preprint arXiv:2508.17096},
year = {2025}
}
备注
15 pages, 12 figures, 2 tables. Proceedings of the Institution of Mechanical Engineers, Part F: Journal of Rail and Rapid Transit