CN115384577B - 一种自适应调整的ato精确停车控制方法 - Google Patents

Abstract

本发明公开了一种自适应调整的ATO精确停车控制方法，基于历史停站信息进行统计学***稳特性；该方法提高了统计意义上的平均停站精度，实现了整个列车编队的高精度停车要求，还能够及时和适时地评估列车性能以及线路状况，满足了复杂多变的实时运营任务需求。

Description

一种自适应调整的ATO精确停车控制方法

技术领域

本发明涉及城市轨道交通领域，具体涉及一种自适应调整的ATO精确停车控制方法。

背景技术

城市轨道交通线路具有站间距短，行车密度高的特点，列车自动驾驶***的可靠性、高效性对线路运营能力有非常大的影响。随着城市轨道交通技术的日新月异，很多新建线路都开通了全自动无人驾驶运营，配备了前向、反向自动跳跃(JOG)功能。虽然自动跳跃可以控制列车低速小距离运行，实现未精确停车情况下再次精确对标，但是在繁忙线路的高峰运营时段，列车ATO(Automatic Train Operation，列车自动运行***)进站首次对标不准，将严重影响线路的运营效率。

列车ATO模式对标不准的通常原因是低速阶段电空混合匹配度不好，比如电制动过早退出，空气制动又没有及时补上，使得整车制动力衰减，列车停站有过标趋势。相比于空气制动，电制动的延时和响应时间都比较小，控制线性度好。为了延长电制动在低速停车阶段的作用时间，降低空气制动的作用时间，列车控制和管理***(TCMS)采取了电制动开始淡出速度点浮动计算的方式，压低了电制动完全淡出速度点，这样即使空气制动出现衰减，也可以大概率地保证ATO停车精度误差范围。

空气制动***由供气和机械制动装置等组成，容易受工作环境影响，使得列车ATO停站精度分布具有随机性特点。另外考虑到整个列车编队，不同列车之间性能差异是客观存在的，难以通过同一版ATO参数实现编队内所有列车的高精度控制，各个列车的停站精度总会存在或多或少差异，很难同时满足高密度运营线路对首次停站的高精度要求。随着运营里程增加以及运营年限增长，列车制动装置也会出现一定程度的损耗和老化，列车发生性能参数漂移的可能性比较大。上述这些客观因素对高精度的ATO停车控制带来了很大挑战，固定不变的ATO参数不容易适应线路环境及列车性能变化，难以实现高精度的停车控制。

发明内容

本发明的目的是提供一种ATO精确停车控制方法，使***适应线路环境及列车性能变化，从而使***一直工作在最佳工况，满足整个列车编队的高精度停车要求。

为实现上述目的，本发明提出了一种自适应调整的ATO精确停车控制方法，包括以下步骤：

S1、监控列车每一次的停站过程中的速度跟随性能，并判断每次的列车停站过程是否满足可纳入停站统计条件；

S2、将满足可纳入停站统计条件的停站过程的结果更新到停站数组队列，并以n次停站作为一个学习周期，计算每n次停站结果的统计特征；

S3、根据S2中计算得到的每n次停站结果的统计特征，自适应地计算停车点偏移量；

S4、在上述步骤的基础上，评估列车每次停站结果和每个学习周期内的停站结果，若出现超出设定阈值的情况，则将既有的停车点偏移量清零，并重启新一轮的学习过程。

优选地，所述可纳入停站统计条件包括：列车停站阶段电制动过程速度跟随性能良好、列车停站阶段没有收到干扰、列车停站精度满足设定阈值要求。

优选地，所述列车停站阶段电制动过程速度跟随性能良好的判断标准为：将列车电制动过程的常规速度设为目标速度，将该目标速度与列车实际速度的差值定义为速度偏差，若速度偏差满足设定阈值，或者速度偏差超出设定阈值但是速度跟随收敛，则视为列车停站阶段电制动过程速度跟随性能良好。

优选地，列车停站阶段的干扰因素包括：非主端控车、非ATO控车、以非停车点为最强约束停靠站台。

优选地，所述可纳入停站统计条件还应用于列车实时停站过程，当某次列车实时停站过程不满足可纳入停站统计条件，则此次停站不使用本方法。

优选地，所述停站数组为SSP_Accuracy_Array，每n次停站结果的统计特征的包括：中位数偏移量Offset_Median、均值偏移量Offset_Mean和标准差偏移量Offset_Std。

优选地，所述停车点偏移量SSP_Offset_Adjust的计算式为：

SSP_Offset_Adjust+＝Adjust_Delta；其中，Adjust_Delta为一个学习周期的校正增量，符号+＝表示累加运算，上式表示在上个学习周期的基础上累加本个学习周期的校正增量Adjust_Delta。

优选地，所述校正增量Adjust_Delta的计算式如下：

其中，QUICK_REGION为设定的快速调整区域，QUICK_STEP表示Offset_Median处于快速调整区域QUICK_REGION内时采取的快速调整步长；FINE_REGION为设定的细微调整区域，FINE_STEP表示Offset_Median处于细微调整区域FINE_REGION内时采取的细微调整步长；SIGN(·)是符号运算函数，根据Offset_Median的正负返回±1。

优选地，对所述停车点偏移量SSP_Offset_Adjust进行限值约束：设定一个调整上限值和调整下限值，当一个学习周期后得到的停车点偏移量SSP_Offset_Adjust大于所述调整上限值，则以调整上限值作为接下来一个学习周期内列车停站的停车点偏移量；当一个学习周期后得到的停车点偏移量SSP_Offset_Adjust小于调整下限值，则以调整下限值作为接下来一个学习周期内列车停站的停车点偏移量。

优选地，所述步骤S4包括以下两种情况：

S41、对列车单次停站结果进行即时评估，若列车停站特性突变，则将既有停车点偏移量SSP_Offset_Adjust清零，并立即重启新一轮学习过程；

S42、对每个学***稳特性，则将既有的停车点偏移量清零SSP_Offset_Adjust，并重启新一轮学习过程。

优选地，所述列车停站特性突变为：具有欠标特性的列车，某次的停站精度超出了设定允许过标距离，或者，具有过标特性的列车，某次的停站精度超出了设定允许欠标距离。

优选地，所述列车具有欠标特性为既有停车点偏移量SSP_Offset_Adjust大于零；所述列车具有过标特性为既有停车点偏移量SSP_Offset_Adjust小于零。

优选地，所述列车停站统计平稳性的判定条件如下：所述均值偏移量Offset_Mean与中位数偏移量Offset_Median的差值不超过设定的偏差阈值，且所述标准差偏移量Offset_Std不超出设定的集中趋势阈值。

优选地，当在列车单次即时评估中由于列车停站特性突变引起学***稳性引起的重启次数超出了设定的非平稳次数阈值时，则之后也不再重启学习过程，也不再使用本方法控制停车。

综上所述，本方法基于历史停站信息进行统计学习，自适应地推断停车点偏移量，具有以下优点：

1、本发明基于历史停站信息进行统计推断，减小了空气制动的随机性对列车停站精度的干扰，提高了统计意义上的平均停站精度；

2、本发明可以根据停站统计结果自适应地调整步长、学习停车点偏移量，实现了整个列车编队的高精度停车要求；

2、本发明通过电制动过程速度跟随性能监控、单次停站即时评估和多次停站统计评估，能够及时和适时地评估列车性能以及线路状况，重启或者退出学习过程，满足了复杂多变的实时运营任务需求。

附图说明

图1是列车停站阶段包含的三个制动过程的示意图；

图2是列车准停与过标的图形曲线对比示意图；

图3是本发明中列车ATO停站自适应调整功能框图；

图4是本发明实施例中列车电制动阶段速度跟随性能监控示意图；

图5是本发明实施例中列车停站数组更新示意图；

图6是本发明实施例中列车停站特性突变场景下的再学习示意图；

图7是本发明实施例中列车区间运行过程监控评估示意图。

具体实施方式

以下将结合本发明实施例中的附图，对本发明实施例中的技术方案、构造特征、所达成目的及功效予以详细说明。

需要说明的是，附图采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施方式的目的，并非用以限定本发明实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。

需要说明的是，在本发明中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括明确列出的要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

对现在的城市轨道交通列车停站阶段进行分析，如图1所示，城市轨道交通列车停站阶段通常包含三个制动过程：电制动过程、电空混合过程和空气制动过程。受闸瓦磨耗等因素影响，空气制动过程跟随信号指令的线性度不如电制动过程，另外在低速阶段的电空混合过程中，电制动过程的下降斜率和空气制动过程的上升斜率不总是一致的，使得整车制动力非线性变化，上述这些因素造成列车每次停站都表现出一定程度的随机性，但是从多次停站结果的统计分布评估，列车停站又会表现出某种趋势，如某些列车停站有过标趋势。

图2是列车两次停站过程(准停与过标)的速度、加速度曲线的对比示意图，两次停站过程在速度为3kph以上的图形曲线几乎完全重合，当列车速度下降到3kph以下时，由于空气制动的随机性使得两次停站的速度曲线、加速度曲线出现分离，造成停站误差。若速度曲线出现分离时速度在3kph以下，只要空气制动衰减不超过30％，依然可以保证停车精度范围不超过30cm，但是不满足高精度停车要求。进一步分析，速度曲线出现分离时刻，距离停车点约0.4米，剩余时间还有约0.8s。考虑到空气制动具有比较大的延时，留给ATO进行有效控车调整的时间几乎没有了，ATO能够做的只能是抑制列车的过标趋势，因此仅仅基于当前的速度误差等信息很难实现高精度的停车控制目标。

基于上述问题，考虑到列车停站存在某些趋势，为了能够提高列车的首次停站精度，降低空气制动随机性干扰的影响，本发明提出的一种自适应调整的ATO精确停车控制方法，如图3所示，包括以下步骤：

S1、监控列车每一次的停站过程中的速度跟随性能，并判断该列车停站过程是否满足可纳入停站统计条件；

为了能够基于历史停站信息进行统计推断，进而应用到未来的停站过程，需要列车每次停站过程具有一定程度的相似性。而为保证列车每次停站过程的相似性，需要判断列车停站过程是否满足可纳入停站统计条件，所述可纳入停站统计条件包括如下几个方面：

S11、列车停站阶段电制动过程速度跟随性能良好；

列车停站阶段中的电制动过程是从列车进入站台区域减速开始，一直到电空转换过程的电制动开始淡出时刻为止。即使后续电空转换过程配合不理想，电制动过程中的速度跟随性能也能保证最终的停车精度误差范围，因此需要可纳入停站统计条件的列车停站过程需要满足列车停站阶段电制动过程速度跟随性能良好。

将列车电制动过程的常规速度设为目标速度，将目标速度与列车电制动过程的实时速度的差值定义为速度偏差，则所述电制动过程速度跟随性能良好的判定条件如下：速度偏差满足设定阈值，或者速度偏差超出设定阈值但是速度跟随收敛。所述速度偏差的设定阈值可以根据实际需要进行设定。

如图4所示为一次列车停站阶段电制动过程中速度跟随性能的监控示意图，进入站台区域，列车从巡航状态进入停车制动状态，T1时刻***发出制动命令的信号，经过一段延时，在T2时刻实际施加到列车，再经过一段制动响应时间，在T3时刻列车制动响应、进入稳态。尽管在列车制动响应时间段内的速度偏差没有全部满足设定阈值范围，但是T3时刻的速度偏差E3小于T2时刻的速度偏差E2，说明速度跟随是收敛的，因此T2到T3时间内速度跟随性能良好。在之后的电制动时间段内，速度偏差都在设定阈值范围内，说明列车停站阶段过程中速度跟随性能良好。

S12、列车停站阶段没有收到干扰；

列车停站阶段的干扰因素包括：非主端控车、非ATO控车、以非停车点为最强约束停靠站台，若列车停站阶段有上述干扰因素，则列车停站过程不满足可纳入停站统计条件，从而该次列车停站过程的停站结果不纳入停站统计。

S13、列车停站精度满足设定阈值要求；

可纳入停站统计条件还包括列车停稳后的停站精度要满足设定阈值要求，一般情况下所述停站精度的设定阈值为±0.5m。

上述可纳入停站统计条件除了用于判定停站结果的可用性外，还应用于列车实时停站过程，比如某次停站过程中出现速度跟随问题或者受到干扰，从而不满足可纳入停站统计条件，那么不仅这次的停站结果不纳入停站统计，而且这次停站也不使用本发明的方法，以防使得停站精度更差。

S2、将满足可纳入停站统计条件的停站结果更新到停站数组队列，并以n次停站作为一个学习周期，计算所述n次停站的统计特征；

具体的，列车在站台停稳之后，若此次列车停站过程满足可纳入停站统计条件，则把此次停站结果更新到停站数组SSP_Accuracy_Array的队列中，如图5所示，所述停站数组SSP_Accuracy_Array存储了n次停站结果，先进先出。每n次停站作为一个学习周期，计算这n次停站结果的统计特征，即计算这n次停站结果的中位数偏移量、均值偏移量和标准差偏移量，其计算式如下：

Offset_Median＝median(SSP_Accuracy_Array)

Offset_Mean＝mean(SSP_Accuracy_Array)

Offset_Std＝std(SSP_Accuracy_Array)

其中median，mean，std分别表示对所述停站数组SSP_Accuracy_Array进行中位数运算、均值运算、标准差运算；Offset_Median表示n次停站结果的中位数偏移量，Offset_Mean表示n次停站结果的均值偏移量，Offset_Std表示n次停站结果的标准差偏移量。

S3、根据S2中计算得到的n次停站的统计特征，自适应地计算停车点偏移量SSP_Offset_Adjust；

基于历史停站信息对未来停站结果进行推断，属于从局部样本信息推断总体信息；为避免单轮学习可能造成的过度调整以及学习过程缓慢，设置了两个调整区域及相应调整步长，一个是快速调整区域QUICK_REGION，另一个是细微调整区域FINE_REGION；即不会直接使用本个学习周期中n次停站的中位数偏移量Offset_Median作为停车点偏移量SSP_Offset_Adjust，而是根据所述n次停站的中位数偏移量Offset_Median处于哪个区域范围，进而采取相应的步长，通过多轮学习逐步逼近。根据不同的列车，根据需要设定QUICK_REGION和FINE_REGION的范围。

因此设定一个校正增量Adjust_Delta，计算每个学习周期的校正增量Adjust_Delta，将最新一个学习周期的校正增量Adjust_Delta累加到停车点偏移量SSP_Offset_Adjust上，得到接下来的n次列车停站的停车点偏移量SSP_Offset_Adjust；经过多个学习周期的校正，不断逼近，计算列车点偏移量SSP_Offset_Adjust。

根据上述，所述停车点偏移量SSP_Offset_Adjust的计算式如下：

SSP_Offset_Adjust+＝Adjust_Delta

其中符号+＝表示累加运算，即在上个学习周期的基础上累加本个学习周期的校正增量Adjust_Delta。

而每个学习周期的校正增量Adjust_Delta的自适应计算公式如下：

其中QUICK_STEP表示Offset_Median处于快速调整区域QUICK_REGION内时采取的快速调整步长，FINE_STEP则表示Offset_Median处于细微调整区域FINE_REGION内时采取的细微调整步长，SIGN(·)是符号运算函数，根据Offset_Median的正负返回±1。

需要说明的是，停车点偏移量自适应调整不是用来解决电制动过程速度跟随控制不好引起的停站误差问题，也不是用来解决停站过程中各种干扰引起的停站精度大范围误差问题，而是用来减小空气制动的随机性对停站精度的影响，属于微调整，因此对每轮学习得到的停车点偏移量SSP_Offset_Adjust进行限值约束：设定一个调整上限值和调整下限值，当一个学习周期后得到的停车点偏移量SSP_Offset_Adjust大于所述调整上限值，则以调整上限值作为接下来n次列车停站的停车点偏移量；当一个学习周期后得到的停车点偏移量SSP_Offset_Adjust小于所述调整下限值，则以调整下限值作为接下来n次列车停站的停车点偏移量。

S4、在上述过程的基础上，同时评估列车每次停站结果和每个学习周期内的停站结果，若出现超出设定阈值的情况，则将既有的停车点偏移量SSP_Offset_Adjust清零，并重启新一轮的学习过程，具体包括以下两种情况：

S41、对列车单次停站结果进行即时评估，若列车停站特性突变，则将既有停车点偏移量SSP_Offset_Adjust清零，并立即重启新一轮学习过程；

列车在线路上运行会遭遇各种可能性，需要及时地根据每次的停站结果进行评估。比如由于天气等因素使得轨道黏着系数变化较大时，若历史停站信息的使用(即根据所述停车点偏移量SSP_Offset_Adjust安排列车停站)导致列车停站误差更大了(表现为列车停站特性突变)，那么需要重启新一轮学习过程，将既有停车点偏移量SSP_Offset_Adjust清零，否则列车停站误差将一直持续多次，直到本轮n次停站统计评估之后才会被校正。

所述列车停站特性突变的判断过程为，首先根据既有的停车点偏移量SSP_Offset_Adjust的正负性来判断列车的停站特性，并规定：若既有停车点偏移量SSP_Offset_Adjust大于零，则定义列车具有欠标停站特性，若既有停车点偏移量SSP_Offset_Adjust小于零，则定义列车具有过标停站特性；基于上述规定，列车停站特性突变的判定标准如下：具有欠标特性的列车，若某次停站精度超出了设定允许过标距离，或者，具有过标特性的列车，某次的停站精度超出了设定允许欠标距离，则定义列车停站特性突变。如图6所示，展示了列车在停站特性突变情况下的停车点偏移量归零及重启学习的过程，原本列车是欠标停站特性，由于线路条件等因素使得列车停站超出了设定的允许过标距离，ATO判断出列车停站特性突变，及时进入了新一轮的学习过程。

当列车的停站特性发生突变，则需要将既有的停车点偏移量SSP_Offset_Adjust清零，以后续满足所述可纳入停站统计条件的n次停站结果作为第一个学习周期，重新计算停车点偏移量SSP_Offset_Adjust。

S42、对每个学***稳特性，则将既有的停车点偏移量清零SSP_Offset_Adjust，并重启新一轮学习过程；

列车以每n次停站作为一个学习周期，同时也是一个评估周期。为保证列车停站精度的统计收敛性，避免出现由于历史停站信息的应用反而造成更大的停站误差的现象，需要对每n次停站结果进行统计评估。

具体的，基于上述计算的三个停站统计特征：中位数偏移量Offset_Median、均值偏移量Offset_Mean和标准差偏移量Offset_Std，判断列车停站结果是否具备列车停站统计平稳性的特点。所述列车停站统计平稳性的判定条件如下：所述均值偏移量Offset_Mean与中位数偏移量Offset_Median的差值不超过设定的偏差阈值，且所述标准差偏移量Offset_Std不超出设定的集中趋势阈值。若某个学***稳性的判定条件，则执行S3，即将本轮的校正增量Adjust_Delta累加到既有的停车点偏移量SSP_Offset_Adjust中，作为下一个学***稳性的判定条件，则需要将既有的停车点偏移量SSP_Offset_Adjust清零，以后续满足所述可纳入停站统计条件的n次停站结果作为第一个学习周期，重新计算停车点偏移量SSP_Offset_Adjust，再对新一轮的停站结果进行统计评估。

另外的，针对S41和S42的情况，还分别设计了第一类退出学***稳性引起的重启次数超出了设定的非平稳次数阈值时，则之后不再重启学习过程，也不再使用本方法控制停车。所述第一类退出学习机制和第二类退出学习机制同时运行，当其中一类退出学习机制首先被触发，使得学习过程不再重启且不再使用本方法时，另一类退出学习机制也停止运行。

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (9)

1.一种自适应调整的ATO精确停车控制方法，其特征在于，包括以下步骤：

S1、监控列车每一次的停站过程中的速度跟随性能，并判断每次的列车停站过程是否满足可纳入停站统计条件；

S2、将满足可纳入停站统计条件的停站过程的结果更新到停站数组队列，并以n次停站作为一个学习周期，计算每n次停站结果的统计特征；

S3、根据S2中计算得到的每n次停站结果的统计特征，自适应地计算停车点偏移量；

S4、在上述步骤的基础上，评估列车每次停站结果和每个学习周期内的停站结果，若出现超出设定阈值的情况，则将既有的停车点偏移量清零，并重启新一轮的学习过程；

所述可纳入停站统计条件包括：列车停站阶段电制动过程速度跟随性能良好，所述列车停站阶段电制动过程速度跟随性能良好的判断标准为：将列车电制动过程的常规速度设为目标速度，将该目标速度与列车实际速度的差值定义为速度偏差，若速度偏差满足设定阈值，或者速度偏差超出设定阈值但是速度跟随收敛，则视为列车停站阶段电制动过程速度跟随性能良好；

所述停站数组为SSP_Accuracy_Array，每n次停站结果的统计特征的包括：

中位数偏移量Offset_Median、均值偏移量Offset_Mean和标准差偏移量Offset_Std；

所述停车点偏移量SSP_Offset_Adjust的计算式为：

SSP_Offset_Adjust+＝Adjust_Delta；

其中，Adjust_Delta为一个学习周期的校正增量，符号+＝表示累加运算，上式表示在上个学习周期的基础上累加本个学习周期的校正增量Adjust_Delta；

所述校正增量Adjust_Delta的计算式如下：

其中，QUICK_REGION为设定的快速调整区域，QUICK_STEP表示Offset_Median处于快速调整区域QUICK_REGION内时采取的快速调整步长；FINE_REGION为设定的细微调整区域，FINE_STEP表示Offset_Median处于细微调整区域FINE_REGION内时采取的细微调整步长；SIGN(·)是符号运算函数，根据Offset_Median的正负返回±1；

步骤S4包括以下两种情况：

S41、对列车单次停站结果进行即时评估，若列车停站特性突变，则将既有停车点偏移量SSP_Offset_Adjust清零，并立即重启新一轮学习过程；

S42、对每个学***稳特性，则将既有的停车点偏移量清零SSP_Offset_Adjust，并重启新一轮学习过程。

2.如权利要求1所述的一种自适应调整的ATO精确停车控制方法，其特征在于，所述可纳入停站统计条件还包括：列车停站阶段没有收到干扰、列车停站精度满足设定阈值要求。

3.如权利要求2所述的一种自适应调整的ATO精确停车控制方法，其特征在于，列车停站阶段的干扰因素包括：非主端控车、非ATO控车、以非停车点为最强约束停靠站台。

4.如权利要求1所述的一种自适应调整的ATO精确停车控制方法，其特征在于，所述可纳入停站统计条件还应用于列车实时停站过程，当某次列车实时停站过程不满足可纳入停站统计条件，则此次停站不使用本方法。

5.如权利要求1所述的一种自适应调整的ATO精确停车控制方法，其特征在于，对所述停车点偏移量SSP_Offset_Adjust进行限值约束：设定一个调整上限值和调整下限值，当一个学习周期后得到的停车点偏移量SSP_Offset_Adjust大于所述调整上限值，则以调整上限值作为接下来一个学习周期内列车停站的停车点偏移量；当一个学习周期后得到的停车点偏移量SSP_Offset_Adjust小于调整下限值，则以调整下限值作为接下来一个学习周期内列车停站的停车点偏移量。

6.如权利要求1所述的一种自适应调整的ATO精确停车控制方法，其特征在于，所述列车停站特性突变为：具有欠标特性的列车，某次的停站精度超出了设定允许过标距离，或者，具有过标特性的列车，某次的停站精度超出了设定允许欠标距离。

7.如权利要求6所述的一种自适应调整的ATO精确停车控制方法，其特征在于，所述列车具有欠标特性为既有停车点偏移量SSP_Offset_Adjust大于零；所述列车具有过标特性为既有停车点偏移量SSP_Offset_Adjust小于零。

8.如权利要求1所述的一种自适应调整的ATO精确停车控制方法，其特征在于，所述列车停站统计平稳性的判定条件如下：所述均值偏移量Offset_Mean与中位数偏移量Offset_Median的差值不超过设定的偏差阈值，且所述标准差偏移量Offset_Std不超出设定的集中趋势阈值。

9.如权利要求1所述的一种自适应调整的ATO精确停车控制方法，其特征在于，当在列车单次即时评估中由于列车停站特性突变引起学***稳性引起的重启次数超出了设定的非平稳次数阈值时，则之后不再重启学习过程，也不再使用本方法控制停车。