自主式智慧重载铁路空间智能：概念内涵、技术挑战与应用展望

丁雨淋; 苏有斌; 张卫华; 朱庆

doi:10.13203/j.whugis20260385

您当前的位置：

首页 >

文章列表页 >

自主式智慧重载铁路空间智能：概念内涵、技术挑战与应用展望

地图制图学与地理信息工程 | 更新时间：2026-10-15

- 自主式智慧重载铁路空间智能：概念内涵、技术挑战与应用展望
- Spatial Intelligence for Autonomous Intelligent Heavy-Haul Railways： Concepts， Technical Challenges， and Application Prospects
- 武汉大学学报（信息科学版） 2026年51卷第11期页码：2469-2484
- 作者机构：
  
  1.西南交通大学地球科学与工程学院，四川成都，611756
  2.国能朔黄铁路发展有限责任公司，北京，100007
- 作者简介：
  
  丁雨淋，博士，教授，主要研究方向为数字孪生。dingyulin@swjtu.edu.cn
- 基金信息：
  
  国家自然科学基金(42371436)
- DOI：10.13203/j.whugis20260385
  中图分类号： P208
- 收稿：2026-09-26，
  
  纸质出版：2026-11-05
- 稿件说明：
移动端阅览
丁雨淋,苏有斌,张卫华，等.自主式智慧重载铁路空间智能：概念内涵、技术挑战与应用展望[J].武汉大学学报（信息科学版）,2026,51(11):2469-2484.

DING Yulin,SU Youbin,ZHANG Weihua,et al.Spatial Intelligence for Autonomous Intelligent Heavy-Haul Railways: Concepts, Technical Challenges, and Application Prospects[J].Geomatics and Information Science of Wuhan University,2026,51(11):2469-2484.
丁雨淋,苏有斌,张卫华，等.自主式智慧重载铁路空间智能：概念内涵、技术挑战与应用展望[J].武汉大学学报（信息科学版）,2026,51(11):2469-2484. DOI：10.13203/j.whugis20260385

DING Yulin,SU Youbin,ZHANG Weihua,et al.Spatial Intelligence for Autonomous Intelligent Heavy-Haul Railways: Concepts, Technical Challenges, and Application Prospects[J].Geomatics and Information Science of Wuhan University,2026,51(11):2469-2484. DOI：10.13203/j.whugis20260385

摘要

自主式智慧重载是重载铁路实现安全可靠、高效集约和绿色低碳的重要发展方向，空间智能是支撑其感知、决策与执行闭环的关键基础。探讨自主式智慧重载及其空间智能的概念内涵、提出面向任务范围、环境适应能力与人机分工的自主化能力分析框架，构建空间智能共性参考架构；围绕物理等效数字孪生、多模态空间推理和多专业协同空间智能体，梳理研究进展与关键技术挑战，分析其在产运销一体化运输组织、重载列车群组运行、基础设施少人、无人智能运维及交能融合中的应用机制。重载铁路自主化的关键在于贯通多尺度对象表征、跨专业过程推演与工程约束下的协同行动。空间信息领域需加强与铁路工程、人工智能和自动控制的交叉融合，通过数据、模型与知识协同，将空间信息服务由状态表达拓展至认知推理、决策支持和执行反馈，为重载铁路自主运行提供空间智能支撑。

Abstract

Autonomous intelligent heavy-haul railways provide an important direction for safe

efficient and low-carbon operation with reduced human intervention. Spatial intelligence provides a foundation for closing the loop among perception

decision-making and execution. This paper clarifies the concepts of autonomous intelligent heavy-haul railways and their spatial intelligence

proposes an autonomy analysis framework based on task scope

environmental adaptability and human-system responsibilities

and develops a common reference architecture. It reviews the research progress and key challenges in physically equivalent digital twins

multimodal spatial reasoning and multidisciplinary collaborative spatial agents

and examines the applications in integrated logistics organization

coordinated train-group operation

autonomous infrastructure maintenance and transportation⁃energy coordination. The analysis identifies the integration of multiscale object representations

multidisciplinary process simulation and coordinated action under engineering constraints as a central requirement for railway autonomy. Geomatics should strengthen its integration with railway engineering

artificial intelligence and automatic control. By combining data

models and knowledge

spatial information services can extend from state representation to cognitive reasoning

decision support and execution feedback

providing a spatial-intelligence foundation for the autonomous operation of complex engineering systems.

关键词

Keywords

references

ZHAI W M ， STICHEL S ， LING L . Train-Track Coupled Dynamics Problems in Heavy-Haul Rail Transportation ［J］. Vehicle System Dynamics ， 2025 ， 63 （ 7 ）： 1187 - 1240 .

International Heavy Haul Association . Heavy Haul Vision 2030： Railways of the Future ［R/OL］. ［ 2026-09-28 ］. https：//ihha.net/vision-2030 https://ihha.net/vision-2030 .

李德仁，郭昊南，金文杰 . 时空智能学：理论与应用［J］. 武汉大学学报（信息科学版）， 2026 ， 51 （ 9 ）： 1755 - 1764 .

LI Deren ， GUO Haonan ， JIN Wenjie . Spatiotemporal Intelligence： Theory and Applications ［J］. Geomatics and Information Science of Wuhan University ， 2026 ， 51 （ 9 ）： 1755 - 1764 .

MAI G C ， HUANG W M ， SUN J ， et al . On the Opportunities and Challenges of Foundation Models for GeoAI （Vision Paper）［J］. ACM Transactions on Spatial Algorithms and Systems ， 2024 ， 10 （ 2 ）： 1 - 46 .

RAMSAY D . Autonomous Networks： Level 4 Industry Blueprint ［R/OL］. ［ 2026-09-28 ］. https：//inform.tmforum.org/research-and-analysis/reports/autonomous-networks-level-4-industry-blueprint https://inform.tmforum.org/research-and-analysis/reports/autonomous-networks-level-4-industry-blueprint .

LI F F . With Spatial Intelligence， AI Will Understand the Real World ［EB/OL］. （ 2024-04-11 ）［ 2026-09-28 ］. https：//www.ted.com/talks/fei_fei_li_with_spatial_intelligence_ai_will_understand_the_real_world https://www.ted.com/talks/fei_fei_li_with_spatial_intelligence_ai_will_understand_the_real_world .

陶飞，张辰源，戚庆林，等 . 数字孪生成熟度模型［J］. 计算机集成制造系统， 2022 ， 28 （ 5 ）： 1267 - 1281 .

TAO Fei ， ZHANG Chenyuan ， QI Qinglin ， et al . Digital Twin Maturity Model ［J］. Computer Integrated Manufacturing Systems ， 2022 ， 28 （ 5 ）： 1267 - 1281 .

KAPTEYN M G ， PRETORIUS J V R ， WILLCOX K E . A Probabilistic Graphical Model Foundation for Enabling Predictive Digital Twins at Scale ［J］. Nature Computational Science ， 2021 ， 1 （ 5 ）： 337 - 347 .

WILLCOX K ， SEGUNDO B . The Role of Computational Science in Digital Twins ［J］. Nature Computational Science ， 2024 ， 4 （ 3 ）： 147 - 149 .

THOMPSON E A ， LU P ， ALIMO P K ， et al . Revolutionizing Railway Systems： A Systematic Review of Digital Twin Technologies ［J］. High⁃speed Railway ， 2025 ， 3 （ 3 ）： 238 - 250 .

ALBALKHY W ， KARMAOUI D ， DUCOULOMBIER L ， et al . Digital Twins in the Built Environment： Definition， Applications， and Challenges ［J］. Automation in Construction ， 2024 ， 162 ： 105368 .

张利国，丁雨淋，朱庆，等 . 铁路地理地质数据“本体域-变化域-状态域”三域关联的集成表达模型［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 6 ）： 1018 - 1027 .

ZHANG Liguo ， DING Yulin ， ZHU Qing ， et al . A Holistic Multi-domain Association Model for Railway Geographic and Geologic Data ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 6 ）： 1018 - 1027 .

毛庆洲，徐浩轩，朱璟，等 . 利用高密度点云现场检测在建隧道超欠挖［J］. 武汉大学学报（信息科学版）， 2025 ， 50 （ 3 ）： 562 - 570 .

MAO Qingzhou ， XU Haoxuan ， ZHU Jing ， et al . Immediate Detection of Over-Under Break of Tunnel Under Construction Using High-Density Point Cloud ［J］. Geomatics and Information Science of Wuhan University ， 2025 ， 50 （ 3 ）： 562 - 570 .

谢亚坤，张杨，胡语侬，等 . 顾及几何细节特征的铁路基础设施BIM简化算法［J］. 武汉大学学报（信息科学版）， 2026 ， 51 （ 4 ）： 826 - 839 .

XIE Yakun ， ZHANG Yang ， HU Yunong ， et al . A Simplified Algorithm to Railway Infrastructure BIM Considering Geometric Detail Features ［J］. Geomatics and Information Science of Wuhan University ， 2026 ， 51 （ 4 ）： 826 - 839 .

LI H K ， ZHU Q ， ZHANG L G ， et al . Integrated Representation of Geospatial Data， Model， and Knowledge for Digital Twin Railway ［J］. International Journal of Digital Earth ， 2022 ， 15 （ 1 ）： 1657 - 1675 .

ZHANG H ， ZHAO W ， HAN Z J ， et al . Know⁃ledge-Guided Digital Twin Modeling Method of Generating Hierarchical Scenes for a High-Speed Railway ［J］. Transactions in GIS ， 2023 ， 27 （ 7 ）： 2017 - 2041 .

AHMAD S ， SPIRYAGIN M ， WU Q ， et al . Development of a Digital Twin for Prediction of Rail Surface Damage in Heavy Haul Railway Operations ［J］. Vehicle System Dynamics ， 2024 ， 62 （ 1 ）： 41 - 66 .

DE ANGELIS M ， GRAY A ， FERSON S ， et al . Robust Online Updating of a Digital Twin with Imprecise Probability ［J］. Mechanical Systems and Signal Processing ， 2023 ， 186 ： 109877 .

DESAI A S ， NAVANEETH N ， ADHIKARI S ， et al . Enhanced Multi-Fidelity Modeling for Digital Twin and Uncertainty Quantification ［J］. Probabilistic Engineering Mechanics ， 2023 ， 74 ： 103525 .

LIANG P P ， ZADEH A ， MORENCY L P . Foundations & Trends in Multimodal Machine Learning： Principles， Challenges， and Open Questions ［J］. ACM Computing Surveys ， 2024 ， 56 （ 10 ）： 1 - 42 .

YIN S K ， FU C Y ， et al . A Survey on Multimodal Large Language Models ［J］. National Science Review ， 2024 ， 11 （ 12 ）： nwae403 .

YANG H N ， NI S Q ， HUO H Y ， et al . Integrated Robust Optimization of Maintenance Windows and Train Timetables Using ADMM-Driven and Nested Simulation Heuristic Algorithm ［J］. Transportation Research Part C： Emerging Technologies ， 2024 ， 160 ： 104526 .

HOGAN A ， BLOMQVIST E ， COCHEZ M ， et al . Knowledge Graphs ［J］. ACM Computing Surveys ， 2022 ， 54 （ 4 ）： 1 - 37 .

WILLARD J ， JIA X W ， XU S M ， et al . Integrating Scientific Knowledge with Machine Learning for Engineering and Environmental Systems ［J］. ACM Computing Surveys ， 2022 ， 55 （ 4 ）： 1 - 37 .

KARNIADAKIS G E ， KEVREKIDIS I G ， LU L ， et al . Physics-Informed Machine Learning ［J］. Nature Reviews Physics ， 2021 ， 3 （ 6 ）： 422 - 440 .

VON RUEDEN L ， MAYER S ， BECKH K ， et al . Informed Machine Learning： A Taxonomy and Survey of Integrating Prior Knowledge into Learning Systems ［J］. IEEE Transactions on Knowledge and Data Engineering ， 2023 ， 35 （ 1 ）： 614 - 633 .

CHEN B Y ， XU Z ， KIRMANI S ， et al . Spatial⁃VLM： Endowing Vision-Language Models with Spatial Reasoning Capabilities ［C］// IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， Seattle， USA ， 2024 .

LI Z H ， XIA L H ， TANG J B ， et al . UrbanGPT： Spatio-temporal Large Language Models ［C］// 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining ， Barcelona， Spain ， 2024 .

ZHANG S Y ， FU D C ， LIANG W Z ， et al . TrafficGPT： Viewing， Processing and Interacting with Traffic Foundation Models ［J］. Transport Policy ， 2024 ， 150 （ C ）： 95 - 105 .

JI Y H ， GAO S ， NIE Y ， et al . Foundation Models for Geospatial Reasoning： Assessing the Capabilities of Large Language Models in Understanding Geometries and Topological Spatial Relations ［J］. International Journal of Geographical Information Science ， 2025 ， 39 （ 9 ）： 1866 - 1903 .

NEMANI V ， BIGGIO L ， HUAN X ， et al . Uncertainty Quantification in Machine Learning for Engineering Design and Health Prognostics： A Tutorial ［J］. Mechanical Systems and Signal Processing ， 2023 ， 205 ： 110796 .

GUI J ， CHEN T ， ZHANG J ， et al . A Survey on Self-Supervised Learning： Algorithms， Applications， and Future Trends ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2024 ， 46 （ 12 ）： 9052 - 9071 .

WANG L ， MA C ， FENG X Y ， et al . A Survey on Large Language Model Based Autonomous Agents ［J］. Frontiers of Computer Science ， 2024 ， 18 （ 6 ）： 186345 .

DRIESS D ， XIA F ， SAJJADI M S M ， et al . PaLM-E： An Embodied Multimodal Language Model ［C］// The 40th International Conference on Machine Learning ， Honolulu， USA ， 2023 .

FIROOZI R ， TUCKER J ， TIAN S ， et al . Foundation Models in Robotics： Applications， Challenges， and the Future ［J］. International Journal of Robotics Research ， 2025 ， 44 （ 5 ）： 701 - 739 .

BROHAN A ， BROWN N ， CARBAJAL J ， et al . RT-2： Vision-Language-Action Models Transfer Web Knowledge to Robotic Control ［EB/OL］. ［ 2023-07-15 ］. https：//arxiv.org/abs/2307.15818 https://arxiv.org/abs/2307.15818 .

YAO S ， ZHAO J ， YU D ， et al . ReAct： Synergizing Reasoning and Acting in Language Models ［C］// The 11th International Conference on Learning Representations ， Kigali， Rwanda ， 2023 .

BAO R Y ， YANG C ， YU D Z ， et al . Spatial-Agent： Agentic Geo-Spatial Reasoning with Scientific Core Concepts ［C］// The 64th Annual Meeting of the Association for Computational Linguistics ， San Diego， USA ， 2026 .

LI W Q ， NI S Q . Train Timetabling with the General Learning Environment and Multi-agent Deep Reinforcement Learning ［J］. Transportation Research Part B： Methodological ， 2022 ， 157 ： 230 - 251 .

BRUNKE L ， GREEFF M ， HALL A W ， et al . Safe Learning in Robotics： From Learning-Based Control to Safe Reinforcement Learning ［J］. Annual Review of Control， Robotics， and Autonomous Systems ， 2022 ， 5 ： 411 - 444 .

ZHANG Y M ， TAN X R ， GAN M ， et al . Operational Synchromodal Transport Planning Methodologies： Review and Roadmap ［J］. Transportation Research Part E： Logistics and Transportation Review ， 2025 ， 194 ： 103915 .

ZHANG Y M ， LI X L ， VAN HASSEL E ， et al . Synchromodal Transport Planning Considering He⁃terogeneous and Vague Preferences of Shippers ［J］. Transportation Research Part E： Logistics and Transportation Review ， 2022 ， 164 ： 102827 .

ZHANG Y M ， GUO W J ， NEGENBORN R R ， et al . Synchromodal Transport Planning with Flexible Services： Mathematical Model and Heuristic Algorithm ［J］. Transportation Research Part C： Emerging Technologies ， 2022 ， 140 ： 103711 .

WANG E T ， YANG L X ， LI P H ， et al . Joint Optimization of Train Scheduling and Routing in a Coupled Multi-resolution Space⁃Time Railway Network ［J］. Transportation Research Part C： Emerging Technologies ， 2023 ， 147 ： 103994 .

芦明生，孙振乾 . 企业数字化转型管理新模式亮相我国西煤东运第二大通道［EB/OL］. （ 2025-05-13 ）［ 2026-09-28 ］. https：//www.ceic.com/gjnyjtww/newCE0301/202505/dbb2f4ca2bb64d76a99bf7671ff2e557.shtml https://www.ceic.com/gjnyjtww/newCE0301/202505/dbb2f4ca2bb64d76a99bf7671ff2e557.shtml .

LU Mingsheng ， SUN Zhenqian . A New Model of Corporate Digital Transformation Management Debuts on China's Second-Largest West-to-East Coal Transport Corridor ［EB/OL］. （ 2025-05-13 ）［ 2026-09-28 ］. https：//www.ceic.com/gjnyjtww/newCE0301/202505/dbb2f4ca2bb64d76a99bf7671ff2e557.shtml https://www.ceic.com/gjnyjtww/newCE0301/202505/dbb2f4ca2bb64d76a99bf7671ff2e557.shtml .

孙振乾，王子昌 . 我国自主研发首套重载铁路智能调车系统在朔黄铁路投运［EB/OL］. （ 2025-03-23 ）［ 2026-09-28 ］. https：//www.ceic.com/gjnyjtww/chnjtyw/202503/bb3e0b2cf790467eac576f41e79121ab.shtml https://www.ceic.com/gjnyjtww/chnjtyw/202503/bb3e0b2cf790467eac576f41e79121ab.shtml .

SUN Zhenqian ， WANG Zichang . China's First Domestically Developed Intelligent Shunting System for Heavy-Haul Railways Enters Operation on the Shuohuang Railway ［EB/OL］. （ 2025-03-23 ）［ 2026-09-28 ］. https：//www.ceic.com/gjnyjtww/chnjtyw/202503/bb3e0b2cf790467eac576f41e79121ab.shtml https://www.ceic.com/gjnyjtww/chnjtyw/202503/bb3e0b2cf790467eac576f41e79121ab.shtml .

ZHANG W L ， LI W ， FAN Y ， et al . Influence of Cyclic Pneumatic Brake on the Longitudinal Dynamics of Heavy-Haul Combined Trains ［J］. IEEE Transactions on Intelligent Transportation Systems ， 2024 ， 25 （ 3 ）： 2545 - 2557 .

WANG X ， SU S ， CAO Y ， et al . Robust Cruise Control for the Heavy Haul Train Subject to Disturbance and Actuator Saturation ［J］. IEEE Transactions on Intelligent Transportation Systems ， 2023 ， 24 （ 8 ）： 8003 - 8013 .

CAI L C ， HUANG D Q . Trajectory Tracking Control of Heavy Haul Train in Whole Operation Procedure ［J］. IEEE Transactions on Vehicular Technology ， 2024 ， 73 （ 11 ）： 16225 - 16237 .

WU Q ， GE X H ， HAN Q L ， et al . Railway Virtual Coupling： A Survey of Emerging Control Techniques ［J］. IEEE Transactions on Intelligent Vehicles ， 2023 ， 8 （ 5 ）： 3239 - 3255 .

CHEN L S ， YANG H ， JIN F Y ， et al . Distributed Global Composite Learning Cooperative Control of Virtually Coupled Heavy Haul Train Formations ［J］. IEEE Transactions on Intelligent Transportation Systems ， 2024 ， 25 （ 9 ）： 11200 - 11213 .

MA X L ， ZHOU M ， WANG H W ， et al . Virtual-Coupling-Based Timetable Rescheduling for Heavy-Haul Railways Under Disruptions ［J］. IEEE Transactions on Computational Social Systems ， 2024 ， 11 （ 5 ）： 7045 - 7054 .

Rio Tinto . First Ore Delivered at Gudai-Darri Iron Ore Mine in the Pilbara ［EB/OL］. （ 2022-06-15 ）［ 2026-09-28 ］. https：//www.riotinto.com/news/releases/2022/rio-tinto-first-ore-delivered-at-gudai-darri-iron-ore-mine-in-the-pilbara https://www.riotinto.com/news/releases/2022/rio-tinto-first-ore-delivered-at-gudai-darri-iron-ore-mine-in-the-pilbara .

郝华，章鹏 . 国内首条移动闭塞技术重载铁路在朔黄铁路开通［EB/OL］. （ 2021-06-22 ）［ 2026-09-28 ］. https：//www.ceic.com/gjnyjtww/chnjcxw/202106/ae98c3f87cb0413db82207c0918df56b.shtml https://www.ceic.com/gjnyjtww/chnjcxw/202106/ae98c3f87cb0413db82207c0918df56b.shtml .

HAO Hua ， ZHANG Peng . China's First Heavy-Haul Railway Using Moving Block Technology Opens on the Shuohuang Railway ［EB/OL］. （ 2021-06-22 ）［ 2026-09-28 ］. https：//www.ceic.com/gjnyjtww/chnjcxw/202106/ae98c3f87cb0413db82207c0918df56b.shtml https://www.ceic.com/gjnyjtww/chnjcxw/202106/ae98c3f87cb0413db82207c0918df56b.shtml .

孙振乾，陈跃峰 . 我国无人驾驶重载列车在朔黄铁路首试成功［N/OL］. 国家能源集团报，（ 2024-09-30 ）［ 2026-09-28 ］. https：//epaper.ceic.com/pad/content/202409/30/content_7692.html https://epaper.ceic.com/pad/content/202409/30/content_7692.html .

SUN Zhenqian ， CHEN Yuefeng . China's Unmanned Heavy-Haul Train Successfully Completes Its First Trial on the Shuohuang Railway ［N/OL］. CHN Energy News，（ 2024-09-30 ）［ 2026-09-28 ］. https：//epaper.ceic.com/pad/content/202409/30/content_7692.html https://epaper.ceic.com/pad/content/202409/30/content_7692.html .

张国振，魏博，成容，等 . 中国3.5万吨重载铁路群组试验世界首次成功［EB/OL］. （ 2025-12-15 ）［ 2026-09-28 ］. https：//qlth.crsc.cn/news/tsi_1653_4613_93309.html https://qlth.crsc.cn/news/tsi_1653_4613_93309.html .

ZHANG Guozhen ， WEI Bo ， CHENG Rong ， et al . China Successfully Completes the World's First 35 00 0-Tonne Heavy-Haul Train-Group Trial［EB/OL］. （ 2025-12-15 ）［ 2026-09-28 ］. https：//qlth.crsc.cn/news/tsi_1653_4613_93309.html https://qlth.crsc.cn/news/tsi_1653_4613_93309.html .

MOSLEH A ， MOHAMMADI M ， SILVA R ， et al . Recent Advances in Wayside Condition Monitoring for Railways： A Comprehensive Review ［J］. Railway Engineering Science ， 2026 . DOI： 10.1007/s40534-025-00423-2 http://dx.doi.org/10.1007/s40534-025-00423-2 .

CHA Y J ， ALI R ， LEWIS J ， et al . Deep Learning-Based Structural Health Monitoring ［J］. Automation in Construction ， 2024 ， 161 ： 105328 .

YE J Q ， STEWART E ， CHEN Q Y ， et al . Deep Learning and Laser-Based 3-D Pixel-Level Rail Surface Defect Detection Method ［J］. IEEE Transactions on Instrumentation and Measurement ， 2023 ， 72 ： 2513612 .

SEDGHI M ， KAUPPILA O ， BERGQUIST B ， et al . A Taxonomy of Railway Track Maintenance Planning and Scheduling： A Review and Research Trends ［J］. Reliability Engineering & System Safety ， 2021 ， 215 ： 107827 .

LEE J S ， YEO I H ， BAE Y . A Stochastic Track Maintenance Scheduling Model Based on Deep Reinforcement Learning Approaches ［J］. Reliability Engineering & System Safety ， 2024 ， 241 ： 109709 .

杨必胜，李健平，李清泉 . 复杂空间机器人自主测绘的现状与挑战［J］. 武汉大学学报（信息科学版）， 2026 ， 51 （ 9 ）： 1878 - 1890 .

YANG Bisheng ， LI Jianping ， LI Qingquan . Autonomous Robotic Mapping for Complex Spaces： Progress， Challenges and Future Perspectives ［J］. Geomatics and Information Science of Wuhan University ， 2026 ， 51 （ 9 ）： 1878 - 1890 .

LI J ， DURAZO-CARDENAS I ， RUIZ-CARCEL C ， et al . Smart Railways： The Design and Construction of an Autonomous Inspection and Maintenance Vehicle ［J］. Procedia CIRP ， 2024 ， 128 ： 61 - 65 .

MIKI T ， LEE J ， HWANGBO J ， et al . Learning Robust Perceptive Locomotion for Quadrupedal Robots in the Wild ［J］. Science Robotics ， 2022 ， 7 （ 62 ）： eabk2822 .

AHSAN N ， HEWAGE K ， RAZI F ， et al . A Critical Review of Sustainable Rail Technologies Based on Environmental， Economic， Social， and Technical Perspectives to Achieve Net Zero Emissions ［J］. Renewable and Sustainable Energy Reviews ， 2023 ， 185 ： 113621 .

交通运输部，国家发展改革委，工业和信息化部，等 . 关于推动交通运输与能源融合发展的指导意见：交规划发〔2025〕 42 号［EB/OL］. （ 2025-04-25 ）［ 2026-09-28 ］. https：//xxgk.mot.gov.cn/jigou/zhghs/202504/t20250425_4167770.html https://xxgk.mot.gov.cn/jigou/zhghs/202504/t20250425_4167770.html .

Ministry of Transport of the People's Republic of China ， National Development and Reform Commission ， Ministry of Industry and Information Technology ， et al . Guiding Opinions of Ten Departments Including the Ministry of Transport on Promoting Integrated Development of Transportation and Energy： Jiao Gui Hua Fa ［2025］No. 42［EB/OL］. （ 2025-04-25 ）［ 2026-09-28 ］. https：//xxgk.mot.gov.cn/jigou/zhghs/202504/t20250425_4167770.html https://xxgk.mot.gov.cn/jigou/zhghs/202504/t20250425_4167770.html .

DING F ， YANG J P ， ZHOU Z . Economic Profits and Carbon Reduction Potential of Photovoltaic Power Generation for China's High-Speed Railway Infrastructure ［J］. Renewable and Sustainable Energy Reviews ， 2023 ， 178 ： 113272 .

DONG H Z ， TIAN Z B ， SPENCER J W ， et al . Coordinated Control Strategy of Railway Multisource Traction System with Energy Storage and Renewable Energy ［J］. IEEE Transactions on Intelligent Transportation Systems ， 2023 ， 24 （ 12 ）： 15702 - 15713 .

XING Z Y ， ZHANG Z Y ， GUO J ， et al . Rail Train Operation Energy-Saving Optimization Based on Improved Brute-Force Search ［J］. Applied Energy ， 2023 ， 330 ： 120345 .

LI B ， CHEN M W ， YU G W ， et al . Robust Real-Time Energy Management of Flexible Traction Substation with Energy Storage and PV for Heavy-Haul Railways ［J］. Control Engineering Practice ， 2025 ， 165 ： 106558 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

刍议空间智能与地理空间智能

复杂空间机器人自主测绘的现状与挑战

面向类脑空间智能的多模态大模型空间认知能力评估框架

综合PNT场景增强系统研究进展及发展趋势

倾斜摄影三维模型Unreal Engine 4渲染的数据转换方法