一种列车动力学模型构建方法及装置

1.一种列车动力学模型构建方法，其特征在于，所述方法包括：获取目标列车对应的多个第一运行数据集，其中，不同第一运行数据集对应不同速度区间，且所述第一运行数据集包括所述目标列车以对应速度区间内的目标速度在目标线路进入惰行状态的情况下，所述目标列车在至少一个运行周期对应的运行速度和基本阻力减速度；基于每个速度区间对应的第一运行数据集分别训练得到相应速度区间的专属动力学模型；基于每个速度区间的专属动力学模型，构建多个第二运行数据集，其中，所述第二运行数据集包括由每个速度区间的专属动力学模型分别基于相同样本速度预测输出的速度和基本阻力减速度之间的动力学关联特征，且每个动力学关联特征均标注对应的速度区间标识；基于所述多个第二运行数据集训练得到目标动力学模型；对所述目标动力学模型和每个速度区间的专属动力学模型进行组合，得到列车动力学模型。 2.根据权利要求1所述的方法，其特征在于，获取目标列车对应的多个第一运行数据集，包括：从每个速度区间中分别选取至少一个目标速度；对于每个所述目标速度分别执行：在控制所述目标列车以当前目标速度在目标线路进入惰行状态的情况下，采集所述目标列车在至少一个运行周期对应的路段坡度值和运行速度，并基于每个运行周期对应的路段坡度值和运行速度，分别确定相应运行周期对应的基本阻力减速度；对于每个所述速度区间分别执行：汇总当前速度区间的所有目标速度在每个运行周期对应的运行速度和基本阻力减速度，形成当前速度区间对应的第一运行数据集。 3.根据权利要求2所述的方法，其特征在于，基于每个运行周期对应的路段坡度值和运行速度，分别确定相应运行周期对应的基本阻力减速度，包括：对于每个所述运行周期分别执行：基于当前运行周期对应的运行速度，确定所述目标列车的列车加速度；基于当前运行周期对应的路段坡度值，确定所述目标列车在当前运行周期行驶过路段的坡度所引起的坡度加速度；基于所述列车加速度和所述坡度加速度，确定当前运行周期对应的基本阻力减速度；和/或，所述方法还包括：确定列车动力学模型需要适用的至少一种列车运行环境；从所述至少一种列车运行环境中依次选取列车运行环境，且每选取出一个列车运行环境，则在具有当前选取的列车运行环境的目标线路上，控制所述目标列车以当前目标速度在目标线路进入惰行状态，并执行采集所述目标列车在至少一个运行周期对应的路段坡度值和运行速度，并基于每个运行周期对应的路段坡度值和运行速度，分别确定相应运行周期对应的基本阻力减速度的步骤。 4.根据权利要求1所述的方法，其特征在于，基于每个速度区间对应的第一运行数据集分别训练得到相应速度区间的专属动力学模型，包括：基于每个速度区间对应的第一运行数据集，并行训练每个速度区间的专属动力学模型；在每轮并行迭代训练后，确定当前并行迭代训练后的专属动力学模型的训练指标数据，基于所述训练指标数据判断所有专属动力学模型是否满足收敛条件，若满足，则终止训练，并将当前并行迭代训练后的专属动力学模型确定为相应速度区间的训练好的专属动力学模型，若不满足，则对当前并行迭代训练后的专属动力学模型进行参数调整，并继续下一轮并行迭代训练。 5.根据权利要求4所述的方法，其特征在于，确定当前并行迭代训练后的专属动力学模型的训练指标数据，包括：获取每个速度区间对应的权重，以及获取当前并行迭代训练后的每个专属动力学模型对应的损失值；基于权重对每个专属动力学模型的损失值进行加权处理；将加权处理结果作为训练指标数据；和/或，确定当前并行迭代训练后的专属动力学模型的训练指标数据，包括：对于每个速度区间分别执行：确定当前速度区间相邻的速度区间，在当前并行迭代训练后的专属动力学模型中，确定当前速度区间的专属动力学模型的模型参数与相邻的速度区间的专属动力学模型的模型参数的相似度；将每个速度区间对应的相似度作为训练指标数据；和/或，确定当前并行迭代训练后的专属动力学模型的训练指标数据，包括：利用当前并行迭代训练后的每个专属动力学模型分别基于相同的速度预测输出相应的速度和基本阻力减速度之间的动力学关联特征，将任一专属动力学模型输出的动力学关联特征与其他专属动力学模型输出的动力学关联特征之间的差异值作为训练指标数据。 6.根据权利要求4所述的方法，其特征在于，基于所述训练指标数据判断所有专属动力学模型是否满足收敛条件，包括：判断所述训练指标数据是否符合预设的取值要求，若符合，则判定满足收敛条件；若不符合，则判定不满足收敛条件；和/或，对当前并行迭代训练后的专属动力学模型进行参数调整，包括：判断当前并行迭代训练后的专属动力学模型中是否存在已收敛的专属动力学模型；若存在，则固定已收敛的专属动力学模型的参数，且对未收敛的专属动力学模型的参数进行调整；若不存在，则对所有专属动力学模型的参数进行调整。 7.根据权利要求1-6中任一项所述的方法，其特征在于，在基于所述多个第二运行数据集训练得到目标动力学模型之前，所述方法还包括：对于每个所述第二运行数据集分别执行：为当前第二运行数据集中的每个动力学关联特征添加对应的运行条件数据，以使目标动力学模型适配于在所述运行条件数据相应的运行条件下运行的目标列车，所述运行条件数据包括如下至少一个内容：坡度值、列车负载、列车所处地理位置、线路类型、列车型号、天气数据、样本速度；和/或，对所述目标动力学模型和每个速度区间的专属动力学模型进行组合，得到列车动力学模型，包括：基于专属动力学模型的输出作为目标动力学模型的输入的组合策略，将每个速度区间的专属动力学模型并联集成到目标动力学模型，形成列车动力学模型；和/或，所述方法还包括：当确定需要构建出用于支持目标型号列车在目标类型线路上运行的列车动力学模型的情况下，选取目标型号的列车作为目标列车，以及选取目标类型的线路作为目标线路；和/或，所述专属动力学模型是基于全连接层的神经网络模型，且所述目标动力学模型是基于全连接层的神经网络模型。 8.一种列车动力学模型构建装置，其特征在于，所述装置包括：获取模块，用于获取目标列车对应的多个第一运行数据集，其中，不同第一运行数据集对应不同速度区间，且所述第一运行数据集包括所述目标列车以对应速度区间内的目标速度在目标线路进入惰行状态的情况下，所述目标列车在至少一个运行周期对应的运行速度和基本阻力减速度；第一训练模块，用于基于每个速度区间对应的第一运行数据集分别训练得到相应速度区间的专属动力学模型；构建模块，用于基于每个速度区间的专属动力学模型，构建多个第二运行数据集，其中，所述第二运行数据集包括由每个速度区间的专属动力学模型分别基于相同样本速度预测输出的速度和基本阻力减速度之间的动力学关联特征，且每个动力学关联特征均标注对应的速度区间标识；第二训练模块，用于基于所述多个第二运行数据集训练得到目标动力学模型；组合模块，用于对所述目标动力学模型和每个速度区间的专属动力学模型进行组合，得到列车动力学模型。 9.一种计算机可读存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至权利要求7中任意一项所述的列车动力学模型构建方法。 10.一种电子设备，其特征在于，所述电子设备包括：存储器，用于存储程序；处理器，耦合至所述存储器，用于运行所述程序以执行权利要求1至权利要求7中任意一项所述的列车动力学模型构建方法。