朔黄铁路基于AI学习的重载列车操控曲线规划技术研究公开招标

朔黄铁路基于AI学习的重载列车操控曲线规划技术研究公开招标

1.招标条件

本招标项目名称为：朔黄铁路基于AI学习的重载列车操控曲线规划技术研究公开招标，项目招标编号为：****，招标人为****，项目单位为：****，资金来源为自筹。招标代理机构为****。本项目已具备招标条件，现对该项目进行国内资格后审公开招标。

2.项目概况与招标范围

2.1 项目概况、招标范围及标段（包）划分：2.1.1项目概述

铁路运输因具有运能大、效率高、运输成本低等优势而受到世界各国的广泛重视，是世界上大宗货物最经济有效的运输方式，随着经济社会的快速发展，国内、国际上对于重载货运铁路系统的运输能力提出了更高的要求。朔黄铁路重载运输已经投入48台机车，实现了万吨、2万吨重载列车自动驾驶的规模化开行，截至2025年8月，朔黄铁路重载列车自动驾驶累计安全运行已超过200万公里。当前朔黄铁路重载组合列车自动驾驶系统以保障安全为首要目标，结合运输管理要求的操纵管理办法、人工操作经验整体来实施。

在此背景下，本项目充分结合和继承既有两万吨重载组合列车开行成果、自动驾驶试验与扩大化运行考核研究成果，采用AI前沿技术，在朔黄铁路重载试验室既有装备条件下，围绕基于深度神经网络的列车状态预测模型构建、基于深度强化学习的操纵策略、基于地面仿真平台的模型优化验证开展研究工作。同时，率先将AI学习应用于重载铁路自动驾驶系统操作曲线规划优化，在整个中国铁路范围内都具有典型的科技示范效应，对筑牢铁路科技创新基础，抢占AI学习在列车自动驾驶领域技术制高点具有重要意义。

2.1.2招标范围及标段（包）划分

本项目共划分为1个标段。

基于AI学习的重载列测操纵曲线规划技术研究项目主要研究以下内容：

（1）基于深度神经网络的列车状态预测模型构建

结合深度神经网络在特征提取与建模方面的优势，构建列车状态预测模型，输入数据包括列车运行状态（如速度、加速度、位置等）、控制指令（如牵引力、制动力，减压量，缓解时间）以及线路信息（如坡度、曲率、限速区段等），自动识别并学习数据中的关键关联特征，深入挖掘列车运行过程中的时序特征与线路环境、操纵之间的耦合关系，实现对未来状态、车钩力等关键动态响应指标的精准预测，为运行优化提供可靠的状态预测模型支持。

（2）基于深度强化学习操纵曲线规划技术研究

分析重载列车操纵策略决策过程，构建为强化学习的序列决策过程。基于智能体–环境交互框架，以深度Q网络（DQN）为核心，研究列车操纵级位的自适应优化。研究利用Tile Coding技术对连续的速度和位置进行多组偏移离散化编码，生成稀疏 one-hot 向量，作为DQN的输入特征，提升列车状态和控制级位的表达能力。

（3）基于地面仿真平台的模型验证与测试

利用****实验室自动驾驶仿真平台，研究操纵曲线优化评价边界条件约束，并进行基于深度神经网络的列车状态预测模型的正确性验证和深度强化学习操作策略的有效性验证。通过分析优化策略下的仿真指标来验证优化后的操纵策略有效性；同时，将该策略与自动驾驶仿真平台结合，来验证该策略在实际控车模式下的可行性。通过分析和评估仿真结果，对模型和算法进行改进，以获得更优的操纵策略进一步提高重载列车运行的安全性和效率。

2.1.3**形式：

服务期限：合同签订后24个月。

服务地点：****管内。

2.2 其他：/

2.3 主要研究内容及预期目标：基于AI学习的重载列测操纵曲线规划技术研究项目主要研究以下内容：

（1）基于深度神经网络的列车状态预测模型构建

结合深度神经网络在特征提取与建模方面的优势，构建列车状态预测模型，输入数据包括列车运行状态（如速度、加速度、位置等）、控制指令（如牵引力、制动力，减压量，缓解时间）以及线路信息（如坡度、曲率、限速区段等），自动识别并学习数据中的关键关联特征，深入挖掘列车运行过程中的时序特征与线路环境、操纵之间的耦合关系，实现对未来状态、车钩力等关键动态响应指标的精准预测，为运行优化提供可靠的状态预测模型支持。

（2）基于深度强化学习操纵曲线规划技术研究

分析重载列车操纵策略决策过程，构建为强化学习的序列决策过程。基于智能体–环境交互框架，以深度Q网络（DQN）为核心，研究列车操纵级位的自适应优化。研究利用Tile Coding技术对连续的速度和位置进行多组偏移离散化编码，生成稀疏 one-hot 向量，作为DQN的输入特征，提升列车状态和控制级位的表达能力。

（3）基于地面仿真平台的模型验证与测试

利用****实验室自动驾驶仿真平台，研究操纵曲线优化评价边界条件约束，并进行基于深度神经网络的列车状态预测模型的正确性验证和深度强化学习操作策略的有效性验证。通过分析优化策略下的仿真指标来验证优化后的操纵策略有效性；同时，将该策略与自动驾驶仿真平台结合，来验证该策略在实际控车模式下的可行性。通过分析和评估仿真结果，对模型和算法进行改进，以获得更优的操纵策略进一步提高重载列车运行的安全性和效率。

2.4 项目服务期：合同签订后24个月（730日历天）

开标时间为2025-11-16 09:00:00（**时间）朔黄铁路基于AI学习的重载列车操控曲线规划技术研究公开招标标书代写