结合眼电和脑电的人机交互系统设计与实现

doi:10.11772/j.issn.1001-9081.2014.05.1526

计算机应用 ›› 2014, Vol. 34 ›› Issue (5): 1521-1525.DOI: 10.11772/j.issn.1001-9081.2014.05.1526

结合眼电和脑电的人机交互系统设计与实现

陈世瑜,倪莉,吕钊,吴小培

兰州交通大学电子与信息工程学院，兰州 730070

收稿日期:2013-11-04 修回日期:2013-12-06 发布日期:2014-05-30 出版日期:2014-05-01
通讯作者: 吕钊
作者简介:陈永（1979-），男，甘肃武威人，副教授，博士研究生，主要研究方向：形式化理论、智能交通系统；党建武（1963-），男，陕西富平人，教授，博士生导师，主要研究方向：神经网络、智能信息处理；胡晓辉（1963-），男，甘肃庆阳人，教授，博士，主要研究方向：分布式计算。
基金资助:
国家自然科学基金资助项目;安徽大学大学生科研训练计划项目;计算智能与信号处理教育部重点实验室开放基金资助项目

Modeling and simulating of train tracking based on multi-Agent theory

CHEN Shiyu,NI Li,LYV Zhao,WU Xiaopei

School of Electronic and Information Engineering, Lanzhou Jiaotong University, Lanzhou Gansu 730070, China

Received:2013-11-04 Revised:2013-12-06 Online:2014-05-30 Published:2014-05-01
Contact: LYV Zhao
Supported by:
National Natural Science Foundation

摘要/Abstract

摘要：

针对CTCS-4下列车运行的特点，研究了移动闭塞条件下列车追踪运行问题。以多智能体(Multi-Agent)理论为基础，建立了一种移动闭塞条件下的多列车追踪运行多智能体系统(MAS)模型，提出了列车与无线闭塞中心(RBC)之间的MAS交互机制，实现了实时车地通信及多列车追踪运行的安全距离控制。仿真研究了列车追踪运行过程中速度变化关系、不同线路初始化密度对线路交通的影响，得到了相应的定量分析结论。仿真结果表明，该MAS模型能够较好地实现列车控制系统中静态环境与动态环境的复杂系统形式化描述，可以准确地描述CTCS-4列车追踪运行机理，所提方法具有较强的适用性和应用性。

Abstract:

Train tracking problem under moving block condition was studied according to the characteristics of CTCS-4 train operation. A Multi-Agent System (MAS) model of multi-train tracking under moving block condition was built based on multi-Agent theory and the interaction mechanism between the train and the Radio Block Center (RBC) was proposed. The model realized the real-time vehicle ground communication and safe distance control of multi-train tracking. The influences of the speed change in train tracking process and different line initialization density on line traffic were simulated, and corresponding quantitative analysis conclusions were obtained. The simulation results show that the proposed MAS model can realize Complex System (CS) formal description of the train control system in the static and dynamic environment, and accurately describe CTCS-4 train tracking mechanism. The example evaluation results prove the feasibility and effectiveness of the proposed method.

中图分类号:

TP18
TP273.5

陈世瑜倪莉吕钊吴小培. 结合眼电和脑电的人机交互系统设计与实现[J]. 计算机应用, 2014, 34(5): 1521-1525.

CHEN Shiyu NI Li LYV Zhao WU Xiaopei. Modeling and simulating of train tracking based on multi-Agent theory[J]. Journal of Computer Applications, 2014, 34(5): 1521-1525.

参考文献

［1］LI Q, SUN M. Design of NAND flash memory-based embedded file system ［J］.Application Research of Computers, 2006,23(4):231-239.(李庆诚,孙明达.基于NAND型闪存的嵌入式文件系统设计［J］.计算机应用研究,2006,23(4):231-239.)
［2］ZHAO L. Small and medium-sized embedded EEPROM IP design ［D］. Harbin: Harbin Institute of Technology,2013. (赵磊.中小规模嵌入式EEPROM IP设计［D］.哈尔滨:哈尔滨工业大学,2013.)
［3］COOKE J. NAND flash memory depth analysis. semiconductor world ［EB/OL］. ［2013-03-22］. http://www.2ic.cn/forum.php?mod=viewthread&tid=321276.(COOKE J. NAND闪存深入解析.半导体世界［EB/OL］. ［2013-03-22］. http://www.2ic.cn/forum.php?mod=viewthread&tid=321276.)
［4］SHI B, DING Z, ZHANG W. DMA method for NAND flash based on PXA3xx processor ［J］. Journal of Computer Applications, 2009,29(8):2136-2138.(史斌,丁志刚,张伟宏.基于PXA3xx处理器的NAND闪存DMA方案［J］.计算机应用,2009,29(8):2136-2138.)
［5］Intel. Improve programming performance with Intel flash memory enhanced factory programming ［EB/OL］. ［2007-12-23］. http://www.intel.com/design/flash/swtools.htm.
［6］MONTE CARLO. NAND flash market share analysis. DRAM exchange ［EB/OL］. ［2007-12-26］. http://www.dramx.com/default.aspx.
［7］Samsung. Samsung NAND flash memory—memory product and technology division ［R/OL］. ［2013-08-07］. http://wenku.baidu.com/link?url=4-FUBPAUK2j1qydRreiXxEF6_xiAUFdxfjPOQryYvpBQsDKUhHQlYpO7VRYOb5x7K6erT-NxPIbwCz2TeCfNBGv46fN77QR_VN2_AsenKXa.
［8］BAN A. Wear leveling of static areas in flash memory: United States, US6732221 B2 ［P］. 2004-05-04.
［9］YANG C, LEI H. Improvement and optimization of embedded file system based on NAND Flash ［J］. Journal of Computer Applications, 2007,27(12):3102-3104.(杨春林,雷航.基于NAND Flash的嵌入式文件系统的改进与优化［J］.计算机应用,2007,27(12):3102-3104.)
［10］LI R, WANG H, JIN Y. System and method for managing blocks in flash memory: China, CN101539887 ［P］. 2011-08-17.（李榕,王华桥,金跃峰.快闪存储器管理方法与计算机系统:中国，CN101539887 ［P］. 2011-08-17.）
［11］PAN G. Design and implementation of embedded file systems ［D］. Chengdu: University of Electronic Science and Technology of China, 2003.(潘光辉.嵌入式文件系统的设计与实现［D］.成都:电子科技大学,2003.)
［12］CHANG L P. On efficient wear leveling for large-scale flash-memory storage systems ［C］// Proceedings of the 2007 ACM Symposium on Applied Computing. New York: ACM Press, 2007:1126-1130.

[1]	吕乐张博瀚荆军昌刘栋. 基于持久性的多目标节点隐藏方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[2]	宫智宇王士同. 面向重尾噪声图像分类的残差网络学习方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[3]	王虎王晓峰李可马云洁. 融合多头自注意力的标签语义嵌入联邦类增量学习方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[4]	丁建立, 黄辉, 曹卫东. 航班链运行状态动态监控方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3941-3948.
[5]	刘晶鑫, 黄雯静, 徐亮胜, 黄冲, 吴建生. 字典学习与样本关联保持结合的无监督特征选择模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3766-3775.
[6]	宋逸飞, 柳毅. 基于数据增强和标签噪声的快速对抗训练方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3798-3807.
[7]	沈嫣然, 温昕, 张瑾昊, 张帅, 曹锐, 高保禄. 轻量级多尺度卷积网络的功能磁共振成像脑龄预测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3949-3957.
[8]	张祖篡, 陈学斌, 高瑞, 邹元怀. 基于标签分类的联邦学习客户端选择方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3759-3765.
[9]	蒋权黄文清苟志勇. 基于等变图神经网络的拉格朗日粒子流模拟[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[10]	李岚皓严皓钧周号益孙庆赟李建欣. 基于神经网络的多尺度信息融合时间序列长期预测模型[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[11]	廖炎华鄢元霞潘文林. 基于YOLOv9的交通路口图像的多目标检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[12]	张学飞张丽萍闫盛侯敏赵宇博. 知识图谱与大语言模型协同的个性化学习推荐[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[13]	索晋贤张丽萍闫盛王东奇张雅雯. 可解释的深度知识追踪方法综述[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[14]	陈丹阳张长伦. 多尺度去相关的图卷积网络[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[15]	蒋沛宇王永光任亚亭李硕晨谭火彬. 基于测量不确定度表示指南的目标检测不确定度测量方案[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.

结合眼电和脑电的人机交互系统设计与实现

Modeling and simulating of train tracking based on multi-Agent theory

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics