摘要：为了开发客运专线综合防灾安全监控系统,在实验室局域网环境下搭建综合防灾安全监控仿真系统。仿真系统采用基于面向服务的系统架构,由调度中心级防灾监控子系统、站段防灾监控子系统和现场监测子系统组成。仿真系统网络由调度中心与车站间通信网络、车站综合信息网络、区间与车站通信网络构成。利用半实物仿真技术进行仿真系统设计,将现场监测传感器和数据采集器作为实体引入仿真系统,验证了现场数据采集、数据处理与传输的实时性与完整性,实现了对风、雨和温度等灾害信息集中监测、报警预警、事故管理、综合查询、统计分析等功能。本仿真系统已在客运专线防灾安全监控系统的初步设计方案中得到应用。

摘要：近年来铁路客运领域人工智能技术的广泛应用,显著提升了铁路服务质量和旅客出行体验。为进一步提升客运列车移动作业效率和水平,探讨机器视觉在列车移动作业领域的应用潜力,利用既有铁路客运站车无线交互系统数据传输通道能力,提出了基于机器视觉的客运列车移动作业流程智能化提升方案设计。音视频记录仪采集旅客人脸图像,实时传输给站车移动终端进行人脸识别,并将车票信息显示在终端屏幕辅助检票;采用深度学习算法实时分析监控视频,自动检测旅客异常行为,并将异常信息通过站车网推送至乘务人员站车终端;站车终端增加人脸识别功能,在乘务人员登乘、进行重要操作时进行身份核验,以技术创新推动作业流程的创新,助推铁路客运服务向智能化、数字化、人性化方向发展。

摘要：为保障京张高速铁路安全稳定运行,提高京张高速铁路周界入侵监测智能化水平,构建基于深度学习的京张高速铁路周界图像智能识别系统。融合深度学习、目标识别、智能监测等先进技术,提出京张高速铁路周界图像智能识别系统的总体结构和逻辑架构,并设计包含监测、报警、存储、用户管理和时间同步等模块的系统功能。开展基于深度学习的关键技术研究,利用图像预处理方法进行低照度图像增强,改善图像识别易受光照条件影响的问题,研究基于深度学习的图像智能识别技术和雷达目标检测技术,并初步实现2种技术的融合监测,进一步提升入侵识别的效果,实现了京张高速铁路重点区域周界人员入侵与异物侵限的全天候实时监测、智能识别和入侵报警。

摘要：针对人工预处理海量的高速铁路轨道几何检测数据存在效率低和结果多样性等问题,研究检测数据自动预处理的方法。基于相关系数最大化原理,提出对检测数据里程自动修正的方法;利用傅里叶变换和逆傅里叶变换构造1个高通滤波器,实现对单项检测数据趋势项的自动滤除;基于绝对平均值对单一异常值数据进行自动识别和和滤除;对于非检测速度过低造成检测数据中可能出现成片的异常值,设计基于移动窗的识别方法。利用给出的检测数据自动预处理方法对实测的高速铁路轨道几何检测数据进行预处理,结果表明:该方法不但能有效识别和剔除分布在检测数据中的无效数据,而且能完整地保留有用信息,验证了该方法的可行性。

摘要：分析了不同类型动车组高级修计划的特点及其关联因素,讨论了高级修计划编制问题的复杂性;基于滚动迭代思想提出了编制动车组长周期高级修计划的方法,通过依次求解规划期内各计划年的动车组高级修轮廓计划,编制了完整的长周期高级修计划;设计了分别表示动车组送修时间以及动车组检修状态的0-1变量,以动车组在2次高级修间隔内走行里程最大化为优化目标,以不同时间段动车组最大检修率限制、承修单位允许的接车以及最大检修能力、计划年度内在高级修上的资金限制、动车组每月高级修允许送修数量、动车组日均控制里程、列车运行图里程等实际要求为约束条件,构建了动车组高级修计划优化的线性0-1整数规划模型;以配属中国铁路北京局集团有限公司的279列动车组历史走行数据以及相关参数为基础,通过Python编程并调用商业求解器对模型进行精确求解,首次实现了对该局所有动车组长周期高级修计划的优化编制。计算结果表明:优化后动车组长周期高级修计划较人工方案减少了19次高级修,节约资金消耗1.505亿元,延长规划期内动车组年均运用时间21 d,增加动车组年均走行里程46080.21 km;同时避免了人工方案中动车组检修率超标及检修能力超出限制的情况,提高了动车组的运用效率以及计划编制的科学性。

摘要：精确评估系统芯片(System-on-a-Chip)在各种不同工作状态下的功耗需要仿真不同的向量集。评估过程中很大一部分计算花费在时钟树功耗上。通过对芯片功能的分析,可以将时钟树功耗单独提取并加以计算,然后只需要每次计算出芯片其它部分在各种工作状态下的功耗,即可得到系统的总功耗。在“中科SoC”设计中的实践可以看出,该方法同传统方法相比可以节省10%以上的计算时间和大约13%的磁盘存储空间,而功耗估计偏差不到0.1%。

摘要：铁路客票销售预警能够在预售期内,以票额智能预分结果为基础,实时监控售票过程并对异常情况进行检测与预警,弥补客流预测误差对票额预分计划的影响,提高识别异常的灵敏度和售票效率。通过构建基于车次健康监测的铁路客票销售预警模型,设计基于日期细分的旅客列车分类方法,结合机器学习算法,在售票过程中对异常趋势进行识别和预警,大大缩小了客票管理所业务人员监控的范围和复杂度,提高了售票监控调整的针对性和有效率。应用实际线路运营数据进行案例分析,结果证实研究提出的方法对于售票过程的异常识别有较高的灵敏度与可操作度,不仅能够在售票过程中及时准确地发掘异常、提高工作效率,同时能够对列车开行方案、票额计划等运输方案的制订提供参考。

摘要：针对铁路互联网售票电子商务网站,基于购票流程中的余票查询、乘坐旅客信息选择、订单信息提交、支付确认4个环节的风险行为特征属性,设计异常购票行为识别分类器,基于朴素贝叶斯分类算法实现高性能的行为识别分类器。同时,在训练集上采用遗传算法进行分类属性阈值的优化处理,进一步提高分类算法的准确性。利用真实数据进行算法验证,结果表明:所设计的异常购票行为识别分类器,能基于较少训练集进行学习,并且在不牺牲误识率的情况下保障异常购票行为识别的准确率,可以达到97.1%的分类控制的效果;与决策树算法相比,准确率有接近3%~5%的提升;算法运行效率可以满足1 000 TPS高并发请求分类的要求。

摘要：城市轨道交通乘客服务相关系统和设施设备是提升乘客出行满意度的关键要素。以挖掘数据潜能、释放资源价值为切入点,整合相关系统业务流程,在研究国内城市轨道交通乘客服务智能化发展的基础上,从提升服务体验、优化运营管理、挖掘商业价值3个维度分析乘客服务存在的问题,提出基于中台技术的智慧乘客综合服务平台方案。基于信息资源整合和业务能力抽取,设计乘客画像、出行支持、客流特征、场景模型4大业务中台模块,满足乘客购票、站内引导、资讯获取等方面的服务需求,实现乘客服务与车站信息的协同共享能力。通过设计智能票务、无人客服中心、智能导向、精准营销等典型场景应用,提升服务体验与运营管理水平,促进商业资源开发以满足日益增长的乘客消费需求。

摘要：深圳城际铁路检测监测项点多,检测监测设备、系统繁杂,且系统之间相互独立,存在检测数据无法共享和综合分析、数据利用率低、检测天窗综合利用率低等问题。在满足城际铁路检测监测设备运维、检修需求的基础上,针对上述问题提出设计面向工务、电务、供电、房建、移动装备、环境灾害等专业的智能检测监测综合一体化平台构想,依托云计算、物联网、大数据、人工智能等技术,提出包含感知层、传输层、数据资源层、大数据平台层、应用层的平台架构;包含数据缓冲层、基础数据层、业务数据层的数据架构;包含基础设施检测监测、移动装备监测、灾害监测、环境监测模块的功能架构,实现多专业联动、数据综合共享、设备病害综合分析,提高运维检修效率。