朔黃鐵路基于AI學習的重載列車操控曲線規(guī)劃技術研究公開招標，本項目已具備招標條件，現(xiàn)對該項目進行國內(nèi)資格后審公開招標。
2.項目概況與招標范圍
2.1 項目概況、招標范圍及標段（包）劃分：2.1.1項目概述
鐵路運輸因具有運能大、效率高、運輸成本低等優(yōu)勢而受到世界各國的廣泛重視，是世界上大宗貨物最經(jīng)濟有效的運輸方式，隨著經(jīng)濟社會的快速發(fā)展，國內(nèi)、國際上對于重載貨運鐵路系統(tǒng)的運輸能力提出了更高的要求。朔黃鐵路重載運輸已經(jīng)投入48臺機車，實現(xiàn)了萬噸、2萬噸重載列車自動駕駛的規(guī)模化開行，截至2025年8月，朔黃鐵路重載列車自動駕駛累計安全運行已超過200萬公里。當前朔黃鐵路重載組合列車自動駕駛系統(tǒng)以保障安全為首要目標，結合運輸管理要求的操縱管理辦法、人工操作經(jīng)驗整體來實施。
在此背景下，本項目充分結合和繼承既有兩萬噸重載組合列車開行成果、自動駕駛試驗與擴大化運行考核研究成果，采用AI前沿技術，在朔黃鐵路重載試驗室既有裝備條件下，圍繞基于深度神經(jīng)網(wǎng)絡的列車狀態(tài)預測模型構建、基于深度強化學習的操縱策略、基于地面仿真平臺的模型優(yōu)化驗證開展研究工作。同時，率先將AI學習應用于重載鐵路自動駕駛系統(tǒng)操作曲線規(guī)劃優(yōu)化，在整個中國鐵路范圍內(nèi)都具有典型的科技示范效應，對筑牢鐵路科技創(chuàng)新基礎，搶占AI學習在列車自動駕駛領域技術制高點具有重要意義。
2.1.2招標范圍及標段（包）劃分
本項目共劃分為1個標段。
基于AI學習的重載列測操縱曲線規(guī)劃技術研究項目主要研究以下內(nèi)容：
（1）基于深度神經(jīng)網(wǎng)絡的列車狀態(tài)預測模型構建
結合深度神經(jīng)網(wǎng)絡在特征提取與建模方面的優(yōu)勢，構建列車狀態(tài)預測模型，輸入數(shù)據(jù)包括列車運行狀態(tài)（如速度、加速度、位置等）、控制指令（如牽引力、制動力，減壓量，緩解時間）以及線路信息（如坡度、曲率、限速區(qū)段等），自動識別并學習數(shù)據(jù)中的關鍵關聯(lián)特征，深入挖掘列車運行過程中的時序特征與線路環(huán)境、操縱之間的耦合關系，實現(xiàn)對未來狀態(tài)、車鉤力等關鍵動態(tài)響應指標的精準預測，為運行優(yōu)化提供可靠的狀態(tài)預測模型支持。
（2）基于深度強化學習操縱曲線規(guī)劃技術研究
分析重載列車操縱策略決策過程，構建為強化學習的序列決策過程。基于智能體–環(huán)境交互框架，以深度Q網(wǎng)絡（DQN）為核心，研究列車操縱級位的自適應優(yōu)化。研究利用Tile Coding技術對連續(xù)的速度和位置進行多組偏移離散化編碼，生成稀疏 one-hot 向量，作為DQN的輸入特征，提升列車狀態(tài)和控制級位的表達能力。
（3）基于地面仿真平臺的模型驗證與測試
利用朔黃鐵路既有重載實驗室自動駕駛仿真平臺，研究操縱曲線優(yōu)化評價邊界條件約束，并進行基于深度神經(jīng)網(wǎng)絡的列車狀態(tài)預測模型的正確性驗證和深度強化學習操作策略的有效性驗證。通過分析優(yōu)化策略下的仿真指標來驗證優(yōu)化后的操縱策略有效性；同時，將該策略與自動駕駛仿真平臺結合，來驗證該策略在實際控車模式下的可行性。通過分析和評估仿真結果，對模型和算法進行改進，以獲得更優(yōu)的操縱策略進一步提高重載列車運行的安全性和效率。
2.1.3合作形式：
服務期限：合同簽訂后24個月。
服務地點：朔黃鐵路發(fā)展有限責任公司管內(nèi)。
2.2 其他：/
2.3 主要研究內(nèi)容及預期目標：基于AI學習的重載列測操縱曲線規(guī)劃技術研究項目主要研究以下內(nèi)容：
（1）基于深度神經(jīng)網(wǎng)絡的列車狀態(tài)預測模型構建
結合深度神經(jīng)網(wǎng)絡在特征提取與建模方面的優(yōu)勢，構建列車狀態(tài)預測模型，輸入數(shù)據(jù)包括列車運行狀態(tài)（如速度、加速度、位置等）、控制指令（如牽引力、制動力，減壓量，緩解時間）以及線路信息（如坡度、曲率、限速區(qū)段等），自動識別并學習數(shù)據(jù)中的關鍵關聯(lián)特征，深入挖掘列車運行過程中的時序特征與線路環(huán)境、操縱之間的耦合關系，實現(xiàn)對未來狀態(tài)、車鉤力等關鍵動態(tài)響應指標的精準預測，為運行優(yōu)化提供可靠的狀態(tài)預測模型支持。
（2）基于深度強化學習操縱曲線規(guī)劃技術研究
分析重載列車操縱策略決策過程，構建為強化學習的序列決策過程。基于智能體–環(huán)境交互框架，以深度Q網(wǎng)絡（DQN）為核心，研究列車操縱級位的自適應優(yōu)化。研究利用Tile Coding技術對連續(xù)的速度和位置進行多組偏移離散化編碼，生成稀疏 one-hot 向量，作為DQN的輸入特征，提升列車狀態(tài)和控制級位的表達能力。
（3）基于地面仿真平臺的模型驗證與測試
利用朔黃鐵路既有重載實驗室自動駕駛仿真平臺，研究操縱曲線優(yōu)化評價邊界條件約束，并進行基于深度神經(jīng)網(wǎng)絡的列車狀態(tài)預測模型的正確性驗證和深度強化學習操作策略的有效性驗證。通過分析優(yōu)化策略下的仿真指標來驗證優(yōu)化后的操縱策略有效性；同時，將該策略與自動駕駛仿真平臺結合，來驗證該策略在實際控車模式下的可行性。通過分析和評估仿真結果，對模型和算法進行改進，以獲得更優(yōu)的操縱策略進一步提高重載列車運行的安全性和效率。
2.4 項目服務期：合同簽訂后24個月（730日歷天）
3.投標人資格要求
3.1 資質條件和業(yè)績要求：
【1】資質要求：投標人須為依法注冊的獨立法人或其他組織，須提供有效的證明文件。
【2】財務要求：/
【3】業(yè)績要求：2020年10月至投標截止日（以合同簽訂日期為準），投標人須至少具有機車自動駕駛研究類或軌道交通平臺研究類業(yè)績1份。投標人須提供能證明本次招標業(yè)績要求的課題相關證明或項目合同掃描件，合同掃描件須至少包含：合同買賣雙方蓋章頁、合同簽訂日期、業(yè)績要求中的關鍵信息頁。
【4】信譽要求：/
【5】項目負責人的資格要求：項目負責人1名，須具有副高級及以上技術職稱，并提供證明材料。
【6】其他主要人員要求：/
【7】科研設施及裝備要求：/
【8】其他要求：/
3.2 本項目接受聯(lián)合體投標。 聯(lián)合體組成單位不得超過2家。
4.招標文件的獲取
招標文件開始購買時間2025-10-27 09:00:00，招標文件購買截止時間2025-11-03 16:00:00。
欲購買招標文件的投標人請聯(lián)系辦理入圍供應商事宜,開通后根據(jù)招標公告的相應說明在線完成招標文件的
購買!為保證您能夠順利投標，具體要求及購買標書流程請聯(lián)系 010-68818478
詳情請咨詢
聯(lián)系人：劉工
手機：13681557910 (微信同號)
郵箱：1490789738@qq.com
2.項目概況與招標范圍
2.1 項目概況、招標范圍及標段（包）劃分：2.1.1項目概述
鐵路運輸因具有運能大、效率高、運輸成本低等優(yōu)勢而受到世界各國的廣泛重視，是世界上大宗貨物最經(jīng)濟有效的運輸方式，隨著經(jīng)濟社會的快速發(fā)展，國內(nèi)、國際上對于重載貨運鐵路系統(tǒng)的運輸能力提出了更高的要求。朔黃鐵路重載運輸已經(jīng)投入48臺機車，實現(xiàn)了萬噸、2萬噸重載列車自動駕駛的規(guī)模化開行，截至2025年8月，朔黃鐵路重載列車自動駕駛累計安全運行已超過200萬公里。當前朔黃鐵路重載組合列車自動駕駛系統(tǒng)以保障安全為首要目標，結合運輸管理要求的操縱管理辦法、人工操作經(jīng)驗整體來實施。
在此背景下，本項目充分結合和繼承既有兩萬噸重載組合列車開行成果、自動駕駛試驗與擴大化運行考核研究成果，采用AI前沿技術，在朔黃鐵路重載試驗室既有裝備條件下，圍繞基于深度神經(jīng)網(wǎng)絡的列車狀態(tài)預測模型構建、基于深度強化學習的操縱策略、基于地面仿真平臺的模型優(yōu)化驗證開展研究工作。同時，率先將AI學習應用于重載鐵路自動駕駛系統(tǒng)操作曲線規(guī)劃優(yōu)化，在整個中國鐵路范圍內(nèi)都具有典型的科技示范效應，對筑牢鐵路科技創(chuàng)新基礎，搶占AI學習在列車自動駕駛領域技術制高點具有重要意義。
2.1.2招標范圍及標段（包）劃分
本項目共劃分為1個標段。
基于AI學習的重載列測操縱曲線規(guī)劃技術研究項目主要研究以下內(nèi)容：
（1）基于深度神經(jīng)網(wǎng)絡的列車狀態(tài)預測模型構建
結合深度神經(jīng)網(wǎng)絡在特征提取與建模方面的優(yōu)勢，構建列車狀態(tài)預測模型，輸入數(shù)據(jù)包括列車運行狀態(tài)（如速度、加速度、位置等）、控制指令（如牽引力、制動力，減壓量，緩解時間）以及線路信息（如坡度、曲率、限速區(qū)段等），自動識別并學習數(shù)據(jù)中的關鍵關聯(lián)特征，深入挖掘列車運行過程中的時序特征與線路環(huán)境、操縱之間的耦合關系，實現(xiàn)對未來狀態(tài)、車鉤力等關鍵動態(tài)響應指標的精準預測，為運行優(yōu)化提供可靠的狀態(tài)預測模型支持。
（2）基于深度強化學習操縱曲線規(guī)劃技術研究
分析重載列車操縱策略決策過程，構建為強化學習的序列決策過程。基于智能體–環(huán)境交互框架，以深度Q網(wǎng)絡（DQN）為核心，研究列車操縱級位的自適應優(yōu)化。研究利用Tile Coding技術對連續(xù)的速度和位置進行多組偏移離散化編碼，生成稀疏 one-hot 向量，作為DQN的輸入特征，提升列車狀態(tài)和控制級位的表達能力。
（3）基于地面仿真平臺的模型驗證與測試
利用朔黃鐵路既有重載實驗室自動駕駛仿真平臺，研究操縱曲線優(yōu)化評價邊界條件約束，并進行基于深度神經(jīng)網(wǎng)絡的列車狀態(tài)預測模型的正確性驗證和深度強化學習操作策略的有效性驗證。通過分析優(yōu)化策略下的仿真指標來驗證優(yōu)化后的操縱策略有效性；同時，將該策略與自動駕駛仿真平臺結合，來驗證該策略在實際控車模式下的可行性。通過分析和評估仿真結果，對模型和算法進行改進，以獲得更優(yōu)的操縱策略進一步提高重載列車運行的安全性和效率。
2.1.3合作形式：
服務期限：合同簽訂后24個月。
服務地點：朔黃鐵路發(fā)展有限責任公司管內(nèi)。
2.2 其他：/
2.3 主要研究內(nèi)容及預期目標：基于AI學習的重載列測操縱曲線規(guī)劃技術研究項目主要研究以下內(nèi)容：
（1）基于深度神經(jīng)網(wǎng)絡的列車狀態(tài)預測模型構建
結合深度神經(jīng)網(wǎng)絡在特征提取與建模方面的優(yōu)勢，構建列車狀態(tài)預測模型，輸入數(shù)據(jù)包括列車運行狀態(tài)（如速度、加速度、位置等）、控制指令（如牽引力、制動力，減壓量，緩解時間）以及線路信息（如坡度、曲率、限速區(qū)段等），自動識別并學習數(shù)據(jù)中的關鍵關聯(lián)特征，深入挖掘列車運行過程中的時序特征與線路環(huán)境、操縱之間的耦合關系，實現(xiàn)對未來狀態(tài)、車鉤力等關鍵動態(tài)響應指標的精準預測，為運行優(yōu)化提供可靠的狀態(tài)預測模型支持。
（2）基于深度強化學習操縱曲線規(guī)劃技術研究
分析重載列車操縱策略決策過程，構建為強化學習的序列決策過程。基于智能體–環(huán)境交互框架，以深度Q網(wǎng)絡（DQN）為核心，研究列車操縱級位的自適應優(yōu)化。研究利用Tile Coding技術對連續(xù)的速度和位置進行多組偏移離散化編碼，生成稀疏 one-hot 向量，作為DQN的輸入特征，提升列車狀態(tài)和控制級位的表達能力。
（3）基于地面仿真平臺的模型驗證與測試
利用朔黃鐵路既有重載實驗室自動駕駛仿真平臺，研究操縱曲線優(yōu)化評價邊界條件約束，并進行基于深度神經(jīng)網(wǎng)絡的列車狀態(tài)預測模型的正確性驗證和深度強化學習操作策略的有效性驗證。通過分析優(yōu)化策略下的仿真指標來驗證優(yōu)化后的操縱策略有效性；同時，將該策略與自動駕駛仿真平臺結合，來驗證該策略在實際控車模式下的可行性。通過分析和評估仿真結果，對模型和算法進行改進，以獲得更優(yōu)的操縱策略進一步提高重載列車運行的安全性和效率。
2.4 項目服務期：合同簽訂后24個月（730日歷天）
3.投標人資格要求
3.1 資質條件和業(yè)績要求：
【1】資質要求：投標人須為依法注冊的獨立法人或其他組織，須提供有效的證明文件。
【2】財務要求：/
【3】業(yè)績要求：2020年10月至投標截止日（以合同簽訂日期為準），投標人須至少具有機車自動駕駛研究類或軌道交通平臺研究類業(yè)績1份。投標人須提供能證明本次招標業(yè)績要求的課題相關證明或項目合同掃描件，合同掃描件須至少包含：合同買賣雙方蓋章頁、合同簽訂日期、業(yè)績要求中的關鍵信息頁。
【4】信譽要求：/
【5】項目負責人的資格要求：項目負責人1名，須具有副高級及以上技術職稱，并提供證明材料。
【6】其他主要人員要求：/
【7】科研設施及裝備要求：/
【8】其他要求：/
3.2 本項目接受聯(lián)合體投標。 聯(lián)合體組成單位不得超過2家。
4.招標文件的獲取
招標文件開始購買時間2025-10-27 09:00:00，招標文件購買截止時間2025-11-03 16:00:00。
欲購買招標文件的投標人請聯(lián)系辦理入圍供應商事宜,開通后根據(jù)招標公告的相應說明在線完成招標文件的
購買!為保證您能夠順利投標，具體要求及購買標書流程請聯(lián)系 010-68818478
詳情請咨詢
聯(lián)系人：劉工
手機：13681557910 (微信同號)
郵箱：1490789738@qq.com
