摘要：依据工程实践,针对GSM-R系统频率资源有限、国内电磁环境差等情况,对铁路交叉并线区段在基站设置、频率配置、切换调整几方面总结出设计原则和系统优化方法。

摘要：通过基本理论研究和现场测试数据的分析,研究影响GSM-R网络注册时延指标的因素,对今后的网络建设和运营过程中如何进一步提高该项指标提出建设性的意见。

摘要：依托铁道部重点课题《京沪GSM-R相关技术研究——京沪高速铁路承载CTCS-3级列控业务的GSM-R网络服务质量指标评估体系研究》,针对GSM-R网络用户数据帧传送时延指标展开研究,通过理论分析、实验室测试和现场测试,得出不同应用速率、不同数据长度、不同模块下指标的取值,为GSM-R网络应用速率的选择提供依据,并基于对取值的分析,评估当前的测试方法,提出合理化建议。

摘要：目的机动车检测和属性识别是智能交通系统中的基本任务,现有的方法通常将检测和识别分开进行,导致以下两个问题:一是检测算法与识别任务在时序上存在耦合问题,增加了算法设计的复杂度;二是多个任务模块及其交互会增加计算负载,降低了智能交通系统的执行效率。为了解决以上问题,结合机动车辆视觉属性与检测之间的联系,提出机动车联合检测与识别方法,将检测和属性识别任务整合在一个算法框架中完成。方法首先,将车辆颜色与类型融合到检测算法中,使用多任务学习框架对机动车的属性识别任务与定位任务建模,在检测的同时完成属性识别。进一步地,针对智能交通系统中数据分布不均匀、呈现长尾现象的问题,将多任务学习框架与在线难例挖掘算法相结合,降低该现象给模型优化带来的危害。结果为了验证本文提出的方法,构建了拥有12 712幅图像,包含19 398辆机动车的道路车辆图像数据集。在该数据集上,使用机动车联合检测与识别算法取得了85.6%的检测精度,优于SSD(single shot detector)与Faster-RCNN检测方法。针对识别任务,本文方法对于颜色与类型属性的识别准确率分别达到了91.3%和91.8%。结论车辆颜色和类型作为机动车的重要视觉特征,综合利用以上线索有助于提高机动车检测的效果,同时能够得到良好的属性识别性能。除此之外,使用一个高度集成的框架完成多个任务,可以提升智能交通系统的运行效率。