# xgboostTrain_accuracyStop
基于Xgboost算法的列车节能控制 Subway Train Energy Saving Control Based on Xgboost Algorithm
## 简介
列车节能控制仿真程序由列车控制指令生成算法和列车运行环境模拟算法两部分组成。类似于RL中的agent和environment的关系。
本程序将列车控制器看成一个智能的agent，可以输出牵引、制动、惰行指令。地铁环境仿真模块则考虑列车的动力学特性和线路条件，将输出指令转换成列车的加速度，从而由列车t时刻的状态计算得到t+1时刻的状态。
仿真程序可以根据线路条件、列车的动力学特性，计算出某条速度曲线下的牵引能耗。
在智能agent中，可以选择多种控制算法生成控制指令序列，如PID算法、专家系统、xgboost算法和强化学习。
Xgboost算法是一种集成分类树算法。Xbgboost算法通过学习历史的驾驶数据获得有经验的控制模型，控制列车在120s运行时间要求下的速度曲线如图所示，一般列车的质量为200t，计算得到耗能11.35Kwh。
## 使用说明
RunSimulation.py 是仿真系统的入口，仿真运行的循环过程。
在atoController.py中定义了几种ATO控制算法的实现。
在subway_system文件夹下的python文件是地铁环境的仿真接口：
TrainAndRoadCharacter.py提供线路的相关信息，如线路起点和终点、限速、坡度信息。
trainRunningModel.py提供的列车动力学模型，如最大牵引力限制和最大制动力限制。
matlab_plot 中包含matlab读取实验数据并且绘图的代码。
在xgboost_algorithm文件夹下保存的是Xgboost算法的训练数据、训练算法和训练得到模型。所以运行基于xgboost算法的ATO时会加载该文件夹下的模型。
注意：由于运行不同的文件时Python工作区间不同，而且读取数据文件时采用相对路径。偶尔会存在FileNotFoundError报错，需要根据运行python文件的位置调整数据文件路径。
## 环境配置
在Anaconda开发环境下运行。
需要安装xgboost模块、numpy模块和pandas模块。
## 推荐资料
陈德旺. 城轨列车智能驾驶的优化模型及算法[M]. 北京交通大学出版社, 2014.
基于Xgboost算法的列车节能控制 Subway Train Energy Saving Control Base.zip
需积分: 0 156 浏览量
2024-02-18
10:39:52
上传
评论
收藏 2.34MB ZIP 举报
基于Xgboost算法的列车节能控制 Subway Train Energy Saving Control Base.zip （117个子文件） 
PIDresult.csv 62KB 25_dataSet.csv 59KB 25_dataSet.csv 59KB 24_dataSet.csv 58KB 24_dataSet.csv 58KB 23_dataSet.csv 56KB 23_dataSet.csv 56KB 22_dataSet.csv 55KB 22_dataSet.csv 55KB 21_dataSet.csv 55KB 21_dataSet.csv 55KB xgboostresult.csv 54KB 20_dataSet.csv 53KB 20_dataSet.csv 53KB 19_dataSet.csv 53KB 19_dataSet.csv 53KB 18_dataSet.csv 52KB 18_dataSet.csv 52KB 17_dataSet.csv 52KB 17_dataSet.csv 52KB 16_dataSet.csv 51KB 16_dataSet.csv 51KB 15_dataSet.csv 50KB 15_dataSet.csv 50KB 14_dataSet.csv 50KB 14_dataSet.csv 50KB 13_dataSet.csv 49KB 13_dataSet.csv 49KB 12_dataSet.csv 49KB 12_dataSet.csv 49KB 11_dataSet.csv 49KB 11_dataSet.csv 49KB 10_dataSet.csv 48KB 10_dataSet.csv 48KB 9_dataSet.csv 48KB 9_dataSet.csv 48KB 8_dataSet.csv 47KB 8_dataSet.csv 47KB expertresult.csv 47KB 7_dataSet.csv 47KB 7_dataSet.csv 47KB 5_dataSet.csv 47KB 5_dataSet.csv 47KB 6_dataSet.csv 47KB 6_dataSet.csv 47KB 3_dataSet.csv 46KB 3_dataSet.csv 46KB 2_dataSet.csv 46KB 2_dataSet.csv 46KB 4_dataSet.csv 46KB 4_dataSet.csv 46KB 1_dataSet.csv 45KB 1_dataSet.csv 45KB 127.2_Curve.csv 23KB 124.6_Curve.csv 23KB 121.0_Curve.csv 22KB 118.6_Curve.csv 22KB 117.4_Curve.csv 21KB 115.0_Curve.csv 21KB 113.2_Curve.csv 21KB 111.2_Curve.csv 20KB 110.8_Curve.csv 20KB 109.4_Curve.csv 20KB 107.8_Curve.csv 20KB 106.6_Curve.csv 19KB 105.8_Curve.csv 19KB 105.2_Curve.csv 19KB 104.2_Curve.csv 19KB 103.2_Curve.csv 19KB 102.8_Curve.csv 19KB 102.0_Curve.csv 19KB 101.8_Curve.csv 19KB 101.2_Curve.csv 18KB 100.6_Curve.csv 18KB 100.0_Curve.csv 18KB 99.8_Curve.csv 18KB 99.4_Curve.csv 18KB 98.0_Curve.csv 18KB minTimeCurve_ciqu.csv 15KB sl.csv 7KB speedlimit.csv 7KB minTimeCurve_songjiazhuang.csv 4KB speedLimit_songjiazhang.csv 3KB speedLimit_ciqu.csv 2KB TestSwitchPointSet.csv 1KB TrainSwitchPointSet.csv 1KB roadgradient.csv 167B s-v.emf 41KB s-v.fig 60KB acc_out.fig 52KB LICENSE 1KB readcsv.m 366B README.md 2KB xgb.model 2.93MB
xgboost_s-v.png 16KB xgboost_acc.png 11KB atoController.py 12KB subway_Env.py 8KB TrainAndRoadCharacter.py 7KB modelTrainning.py 6KB共 117 条
- 1
- 2
资源评论
