基于深度学习的联锁测试序列推荐方法

U283; 测试序列的组织与选取是保证铁路信号联锁系统测试质量和效率的关键环节,现阶段主要采用人工方式进行,工作量大且容易遗留漏洞.通过结合专家经验及历史测试信息,提出一种基于深度学习的联锁功能测试序列推荐方法,用以辅助测试人员开展测试工作,提高测试效率.针对联锁拓扑结构特征难以通过深度学习提取和训练的问题,构建了基于站场拓扑结构的树形递归神经网络,提高模型对联锁测试数据的特征提取能力;针对联锁测试序列特点,设计加入注意力机制的编码器-解码器框架,解决模型训练时产生的信息压缩问题,提高模型对联锁逻辑及测试案例间逻辑关联的学习能力.基于实际站场数据进行了一系列对比实验,结果表明,将递归神经网络与...

Full description

Saved in:
Bibliographic Details
Published in铁道标准设计 Vol. 68; no. 9; pp. 192 - 199
Main Authors 苏昕宇, 梁志国, 张宏扬, 王海峰
Format Journal Article
LanguageChinese
Published 北京交通大学电子信息工程学院,北京 100044%中国铁道科学研究院集团有限公司通信信号研究所,北京 100081 01.09.2024
国家铁路智能运输系统工程技术研究中心(中国铁道科学研究院集团有限公司),北京 100081%中国铁道科学研究院集团有限公司通信信号研究所,北京 100081%北京交通大学电子信息工程学院,北京 100044
国家铁路智能运输系统工程技术研究中心(中国铁道科学研究院集团有限公司),北京 100081
Subjects
deep learning
recursive neural network
站场拓扑
联锁系统
测试序列
深度学习
station yard topology
递归神经网络
test sequence
interlocking system
Online AccessGet full text
ISSN1004-2954
DOI10.13238/j.issn.1004-2954.202212210001

Cover

Abstract U283; 测试序列的组织与选取是保证铁路信号联锁系统测试质量和效率的关键环节,现阶段主要采用人工方式进行,工作量大且容易遗留漏洞.通过结合专家经验及历史测试信息,提出一种基于深度学习的联锁功能测试序列推荐方法,用以辅助测试人员开展测试工作,提高测试效率.针对联锁拓扑结构特征难以通过深度学习提取和训练的问题,构建了基于站场拓扑结构的树形递归神经网络,提高模型对联锁测试数据的特征提取能力;针对联锁测试序列特点,设计加入注意力机制的编码器-解码器框架,解决模型训练时产生的信息压缩问题,提高模型对联锁逻辑及测试案例间逻辑关联的学习能力.基于实际站场数据进行了一系列对比实验,结果表明,将递归神经网络与加入注意力机制的编码器-解码器框架相结合的测试序列推荐模型在训练集及测试集精确度方面均高于其他模型,达到90％以上并通过测试序列的执行时间和缺陷检测速率证明了该推荐模型的可行性.
AbstractList U283; 测试序列的组织与选取是保证铁路信号联锁系统测试质量和效率的关键环节,现阶段主要采用人工方式进行,工作量大且容易遗留漏洞.通过结合专家经验及历史测试信息,提出一种基于深度学习的联锁功能测试序列推荐方法,用以辅助测试人员开展测试工作,提高测试效率.针对联锁拓扑结构特征难以通过深度学习提取和训练的问题,构建了基于站场拓扑结构的树形递归神经网络,提高模型对联锁测试数据的特征提取能力;针对联锁测试序列特点,设计加入注意力机制的编码器-解码器框架,解决模型训练时产生的信息压缩问题,提高模型对联锁逻辑及测试案例间逻辑关联的学习能力.基于实际站场数据进行了一系列对比实验,结果表明,将递归神经网络与加入注意力机制的编码器-解码器框架相结合的测试序列推荐模型在训练集及测试集精确度方面均高于其他模型,达到90％以上并通过测试序列的执行时间和缺陷检测速率证明了该推荐模型的可行性.
Abstract_FL The organization and selection of test sequences are critical steps to ensure the quality and efficiency of testing in railway signal interlocking systems.At the present stage,this process is mainly carried out manually,resulting in heavy workload and potential omissions.By combining expert experience and historical test data,this paper proposes a deep learning-based interlocking test sequence recommendation method to assist testers in improving testing efficiency.To address the challenge of extracting and training the topological features of interlocking structure through deep learning,a tree-structured recursive neural network based on station yard topology was constructed to enhance the model's ability to extract features from interlocking test data.Considering the characteristics of interlocking test sequences,an encoder-decoder framework with attention mechanism was designed to solve the issue of information compression during model training,improving the model's ability to learn the logical connections between the interlocking system and test cases.Based on real station yard data,a series of comparative experiments were conducted.The results showed that the test sequence recommendation model combining a recursive neural network with the attention-enhanced encoder-decoder framework achieved over 90％accuracy in both the training and test sets,which is much higher than that of other models.The model's feasibility was further demonstrated through the execution time of test sequences and defect detection rates.
Author 梁志国
王海峰
张宏扬
苏昕宇
AuthorAffiliation 北京交通大学电子信息工程学院,北京 100044%中国铁道科学研究院集团有限公司通信信号研究所,北京 100081;国家铁路智能运输系统工程技术研究中心(中国铁道科学研究院集团有限公司),北京 100081%中国铁道科学研究院集团有限公司通信信号研究所,北京 100081%北京交通大学电子信息工程学院,北京 100044;国家铁路智能运输系统工程技术研究中心(中国铁道科学研究院集团有限公司),北京 100081
AuthorAffiliation_xml – name: 北京交通大学电子信息工程学院,北京 100044%中国铁道科学研究院集团有限公司通信信号研究所,北京 100081;国家铁路智能运输系统工程技术研究中心(中国铁道科学研究院集团有限公司),北京 100081%中国铁道科学研究院集团有限公司通信信号研究所,北京 100081%北京交通大学电子信息工程学院,北京 100044;国家铁路智能运输系统工程技术研究中心(中国铁道科学研究院集团有限公司),北京 100081
Author_FL LIANG Zhiguo
WANG Haifeng
SU Xinyu
ZHANG Hongyang
Author_FL_xml – sequence: 1
  fullname: SU Xinyu
– sequence: 2
  fullname: LIANG Zhiguo
– sequence: 3
  fullname: ZHANG Hongyang
– sequence: 4
  fullname: WANG Haifeng
Author_xml – sequence: 1
  fullname: 苏昕宇
– sequence: 2
  fullname: 梁志国
– sequence: 3
  fullname: 张宏扬
– sequence: 4
  fullname: 王海峰
BookMark eNo9j89Kw0AYxPdQwVr7GnpK_L7d7CZ7lOI_KHjRc0k2iTTIFlxF8FbwIIjVQ1vBi56KFxERkeZ5ujG-hQuKMDAwP5hhVkhDD3RGyBqCj4yyaKPw-8ZoHwECj0oe-BQoRScAwAZp_oNl0jamn7gUqZRCNAmzj-WiHFWfb7ac2ZfZYv709XBZD8ff42H1cV2_Tmx5a6_uq9FzfXNXTefV-2SVLOXxscnaf94ih9tbB51dr7u_s9fZ7HoGgXIvoQLyVOY8yHgo4oxJhSyXKuKISkiKUlElHAAVORIKzlTk_qhAhIpBylpk_bf3PNZ5rI96xeDsRLvF3mmaXJjCvQxAuin2A4-gXNw
ClassificationCodes U283
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.13238/j.issn.1004-2954.202212210001
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
DocumentTitle_FL A Deep Learning-Based Interlocking Test Sequence Recommendation Method
EndPage 199
ExternalDocumentID tdbzsj202409025
GrantInformation_xml – fundername: (中国国家铁路集团有限公司科技研究开发计划); (国家铁路智能运输系统工程技术研究中心开放课题)
  funderid: (中国国家铁路集团有限公司科技研究开发计划); (国家铁路智能运输系统工程技术研究中心开放课题)
GroupedDBID -03
2B.
4A8
92I
93N
ALMA_UNASSIGNED_HOLDINGS
CCEZO
CEKLB
GROUPED_DOAJ
PSX
TCJ
ID FETCH-LOGICAL-s1025-b260fd9f54e576ae39c13f9c8511c69219c2c66ae0c8c137653c8323c467c30d3
ISSN 1004-2954
IngestDate Thu May 29 03:59:51 EDT 2025
IsPeerReviewed false
IsScholarly true
Issue 9
Keywords deep learning
recursive neural network
站场拓扑
联锁系统
测试序列
深度学习
station yard topology
递归神经网络
test sequence
interlocking system
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1025-b260fd9f54e576ae39c13f9c8511c69219c2c66ae0c8c137653c8323c467c30d3
PageCount 8
ParticipantIDs wanfang_journals_tdbzsj202409025
PublicationCentury 2000
PublicationDate 2024-09-01
PublicationDateYYYYMMDD 2024-09-01
PublicationDate_xml – month: 09
  year: 2024
  text: 2024-09-01
  day: 01
PublicationDecade 2020
PublicationTitle 铁道标准设计
PublicationTitle_FL Railway Standard Design
PublicationYear 2024
Publisher 北京交通大学电子信息工程学院,北京 100044%中国铁道科学研究院集团有限公司通信信号研究所,北京 100081
国家铁路智能运输系统工程技术研究中心(中国铁道科学研究院集团有限公司),北京 100081%中国铁道科学研究院集团有限公司通信信号研究所,北京 100081%北京交通大学电子信息工程学院,北京 100044
国家铁路智能运输系统工程技术研究中心(中国铁道科学研究院集团有限公司),北京 100081
Publisher_xml – name: 国家铁路智能运输系统工程技术研究中心(中国铁道科学研究院集团有限公司),北京 100081%中国铁道科学研究院集团有限公司通信信号研究所,北京 100081%北京交通大学电子信息工程学院,北京 100044
– name: 北京交通大学电子信息工程学院,北京 100044%中国铁道科学研究院集团有限公司通信信号研究所,北京 100081
– name: 国家铁路智能运输系统工程技术研究中心(中国铁道科学研究院集团有限公司),北京 100081
SSID ssib001129966
ssj0002923791
ssib036436144
ssib051376206
ssib000270326
ssib003156931
Score 2.3952265
Snippet U283; 测试序列的组织与选取是保证铁路信号联锁系统测试质量和效率的关键环节,现阶段主要采用人工方式进行,工作量大且容易遗留漏洞.通过结合专家经验及历史测试信息,提出...
SourceID wanfang
SourceType Aggregation Database
StartPage 192
Title 基于深度学习的联锁测试序列推荐方法
URI https://d.wanfangdata.com.cn/periodical/tdbzsj202409025
Volume 68
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
journalDatabaseRights – providerCode: PRVAON
  databaseName: DOAJ Directory of Open Access Journals
  issn: 1004-2954
  databaseCode: DOA
  dateStart: 20220101
  customDbUrl:
  isFulltext: true
  dateEnd: 99991231
  titleUrlDefault: https://www.doaj.org/
  omitProxy: true
  ssIdentifier: ssj0002923791
  providerName: Directory of Open Access Journals
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnR1NaxNBdKkVxIsoKn6Tg-NFUnd3dr6Os5sNRdBTC72VzSRReohgUg-9FTwIYvXQKnjRU_EiIiLS_J4m1n_he283u6utn5fldebN-5zOvDcfGc-7LvCypZPwn-Z6HUhQBG9mnGdN2dW-dhCg6wyXBu7clYvL0e0VsTI3_6h2aml91FlwG0feK_kfr0IZ-BVvyf6DZ0uiUAAw-Be-4GH4_pWPWSqYabPYsjTCr05ZKlmsWBxgFZRYiYBtEQA4hlmfpYoZQI5YqiGQZAYAg1-AsblgOsYq22ZGFHR0GwGtmVGIA4yspuYtZnwsMRKJY3PO8vcsZyEvEedE3BA7jmgghlZEUzEtiV3K4rQAbNkRiElM_IGJLiQClGoCJXIhMQBZ2yQi2CVmcatCgZqEdM8bEzkN1kgqFIVqoepkg5iogDaxX18ZCaPy6Ffel0mHhJiSD2wyA8iseJDEEteIWVVzhkKLx6IoQSNGKLwlH4AuliwOUliByJbMUDUHmxrUOkwOC3AzoB10Fgoq0thmZpGjvKFQMhP8IByYCvsFAIbFNX4IxOQxIogl4JcEbZnjGLKxFmQIgZYGASpDlEqWQI6jjmJKLsLDqb9SMn-Hp5hU8bAT7ifXZ12pa6OLqU2hQf42YhGNBfnzWYcmeh7S7_qvEYeFksMC9AMIxkIUIahCnPLg6ajb2RiuYWfB88jimHc8hGjAry3FFLvxfj2twZykvizAAyFNtXvOIarHdZXZ3yLgSFSWa70hZFGKHu8sBT3h3Zipceu3StBlwkE_G9yrxb1Lp71TRcLasPnoc8ab27h_1uOTN-P98db0y8fJeHfyfnd_7-3X148PNre_bW9OPz89-LAzGT-fPHk13Xp38OzF9OXe9NPOOW-5nS4li83i-ZXmMMBHrjuh9Ptd0xdRTyiZ9bhxAe8bhzmakwZCHRc6CRW-0w5VFtxBfMAdxF6O-11-3psfPBj0LngN1deYq_nGqU4kRddkHPMaAemcyqQOL3qNQsnVYngdrv7kqkt_RrnsnayGgSve_Ojheu8qpAyjzjXy73e3_7yE
linkProvider Directory of Open Access Journals
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%9A%84%E8%81%94%E9%94%81%E6%B5%8B%E8%AF%95%E5%BA%8F%E5%88%97%E6%8E%A8%E8%8D%90%E6%96%B9%E6%B3%95&rft.jtitle=%E9%93%81%E9%81%93%E6%A0%87%E5%87%86%E8%AE%BE%E8%AE%A1&rft.au=%E8%8B%8F%E6%98%95%E5%AE%87&rft.au=%E6%A2%81%E5%BF%97%E5%9B%BD&rft.au=%E5%BC%A0%E5%AE%8F%E6%89%AC&rft.au=%E7%8E%8B%E6%B5%B7%E5%B3%B0&rft.date=2024-09-01&rft.pub=%E5%8C%97%E4%BA%AC%E4%BA%A4%E9%80%9A%E5%A4%A7%E5%AD%A6%E7%94%B5%E5%AD%90%E4%BF%A1%E6%81%AF%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%99%A2%2C%E5%8C%97%E4%BA%AC+100044%25%E4%B8%AD%E5%9B%BD%E9%93%81%E9%81%93%E7%A7%91%E5%AD%A6%E7%A0%94%E7%A9%B6%E9%99%A2%E9%9B%86%E5%9B%A2%E6%9C%89%E9%99%90%E5%85%AC%E5%8F%B8%E9%80%9A%E4%BF%A1%E4%BF%A1%E5%8F%B7%E7%A0%94%E7%A9%B6%E6%89%80%2C%E5%8C%97%E4%BA%AC+100081&rft.issn=1004-2954&rft.volume=68&rft.issue=9&rft.spage=192&rft.epage=199&rft_id=info:doi/10.13238%2Fj.issn.1004-2954.202212210001&rft.externalDocID=tdbzsj202409025
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Ftdbzsj%2Ftdbzsj.jpg