基于轻量化网络和注意力机制的智能车快速目标识别方法

为提高智能车在真实环境中的实时检测能力，改善复杂环境下检测效果不佳的问题，本文提出一种基于轻量化网络和注意力机制的智能车快速目标识别方法。首先，为了减少网络计算参数和提升目标识别算法的推理速度，提出利用GhostNet加速YOLOv4的特征提取；其次，为了提高复杂场景下对道路目标的识别精度，在GhostNet和特征金字塔部分添加结合软阈值化改进的注意力模块；最后，为了验证本文提出方法的有效性，选取Pascal VOC、KITTI公开数据集和自制城市道路数据集进行实验对比。与其他目标检测算法在精度和速度上进行比较，结果证明，本文方法在平均检测精度提升1.7%的情况下，模型参数量降低到原来的18.7%，检测速度提升了 66%，检测速度和精度均优于其他算法，可满足智能车的实时感知需求。     

“桥建合一”型地铁高架车站振动舒适度研究

"桥建合一"型地铁高架车站的轨道梁刚接在站房结构框架梁上,存在严重的车致振动舒适度问题。为了研究列车过站时"桥建合一"型地铁高架车站的振动舒适度规律,以某典型侧式"桥建合一"型地铁高架车站为研究对象,采用数值计算软件Matlab建立27自由度列车模型,采用有限元软件Ansys建立车站有限元模型,基于分离迭代法实现列车-车站的耦合作用,并对比实测数据验证列车-车站耦合振动分析模型的准确性。采用已验证的列车-车站耦合振动分析模型计算列车到发站时站房的振动舒适度敏感点,并研究列车车速、楼板厚度和桥墩跨度参数对站房振动舒适度的影响。研究结果表明:"桥建合一"型地铁高架车站的结构动力特性具有特殊性,典型楼板的1阶竖弯频率为28.91 Hz,是高铁客运站的4.7~7.7倍;站厅层振动舒适度敏感点位于结构缝附近和车站端部悬挑区域,列车到站时站厅层振动超标最大为32%;站房的车致振动相应总体上随列车车速的增加而增大,列车正线过站时60~80 km/h速度区间与列车会车过站时20~40 km/h和60~80 km/h速度区间的楼板振动增幅较为显著;楼板的车致振动在其自振频率附近会产生"共振效应",楼板厚度参数对楼板自制频率的影响较小,桥墩跨度参数对楼板自振频率的影响较大,合理设计桥墩跨度可以有效避免楼板产生"共振效应"。     

基于Kubernetes的铁路客运营销深度学习平台的设计与实现

为解决铁路客运营销深度学习平台Tensorflow框架存在的环境配置复杂,资源利用率低、模型设计周期长等问题,提出了基于Kubernetes容器的PaaS平台构建TensorFlow容器的统一资源调度管理及API访问控制服务架构。经平台实践证明,该架构为客运营销提供了可靠、稳定的分析环境,降低了模型的训练难度,提高了模型的训练效率。     

青岛地铁线网无线统一调度系统互联互通实施方案

简要阐述青岛地铁线网无线统一调度系统互联互通实施方案的系统架构、核心设备功能、纵向统一调度方案、横向集群业务互联互通方案以及相应的业务流程等。该方案实现了青岛地铁不同品牌TETRA系统的线网纵向统一调度和线网横向集群业务的互联互通功能,解决了青岛地铁线路多品牌系统跨线运营的问题。     

Determination of limiting cavity depths for offshore spudcan foundations in a spatially varying seabed

The importance of accurate prediction of limiting cavity depths during offshore spudcan foundations installation has been variously highlighted in the literature. Nonetheless, most of the previous research is deterministic in nature and confined to homogenous soils. Since offshore clayey soils can be highly spatially variable, there is a practical need to take proper account of the spatial variability in the prediction of limiting cavity depths. In a bid to remedy this situation, large deformation finite element calculations combined with three-dimensional random fields were repeatedly conducted in this study within a Monte-Carlo framework. The continuous penetration of a spudcan initiated from surface was explicitly modeled until a full-localized flow-around mechanism was observed. Spatial variability was found to clearly affect the soil back-flow and thereby the limiting cavity depth, the latter of which takes a range of values that can be approximately modeled as a log-normal distribution. Characteristic limiting cavity depths at various probability levels were ascertained. An algebraic expression was proposed to explicitly predict the characteristic limiting cavity depths in random soils from the fractile. Particular attention was paid to the lower and upper 5% characteristic values, which are likely to be useful for reliability-based design.     

北京市地铁乘客安检安全意识调查分析

近年来,国内外地铁安全事故时有发生,地铁安检作为应对安全隐患的有效防范手段,加强其检查力度也成为国内各个地铁安全部门的共识。安检会增加乘客的延误时间,使乘客对地铁安检颇有微词,乘客与安检员发生冲突的事件也屡有发生。为增强乘客的地铁安全意识,改进安检流程,通过问卷调查和统计分析,对北京市地铁乘客进行调查,分析其评价水平及影响因素。结果表明,北京市地铁乘客的平均安全意识得分为74.16分,为中等水平,其中安全行为、安全态度、安全知识三个维度分别处于较高、中等、较低水平。该调查有助于地铁安全部门有针对性地制定地铁安检的宣传方案,提高服务水平,改善安检流程。     

地铁车站新型组合闭式通风空调系统

伴随着国民经济的高速增长,各个大中城市的轨道交通建设得到迅猛发展,轨道交通线路变得越来越多,从而导致地铁用地变得愈发紧张,地铁车站的附属设施经常无处可放,尤其是地铁风亭数目众多,更加难以协调布置,而这些又与地铁车站的通风空调系统紧密相关,如何科学合理地确定通风空调系统成为日益重要的研究课题。本文在总结国内外各城市地铁车站通风空调系统设计、建设、运营经验的基础上,发明了一套更加节能、更易于实施的新型组合闭式地铁车站通风空调系统。该系统具有灵活新颖、设备成熟、简化了设备布置和控制系统,减小了车站建筑面积,降低了工程造价,提供了节能运行的方案措施。该系统值得在地铁设计中大力推广、借鉴和应用,具有重大的社会效益和经济效益。     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求.     

岩溶区地铁隧道下穿跨河桥梁施工技术研究

以贵阳轨道交通2号线下穿南明河及团坡桥为工程依托,针对岩溶发育区不均匀浅覆土条件下地铁隧道穿越跨河桥梁施工中遇到的抗渗防沉等难题,在遵循浅埋暗挖法十八字方针的基础上进行方案优化。下穿施工前对河床低洼处进行回填,同时增设水平隔水层,初步解决了河水下渗难题。隧道开挖过程中在掌子面进行全断面帷幕注浆及超前管棚支护确保了拱顶的稳定性,采用悬臂掘进机掘进使地层沉降得到控制,二衬混凝土浇筑时采用缺陷预控技术避免了二衬背后出现空洞,同时采用动态监控量测,有效解决了围岩稳定及团坡桥沉降的难题。     

基于时空特性和组合深度学习的交通流参数估计

为深入挖掘交通流时空特性，提高交通流参数估计精度，基于深度学习提出一种交通流参数估计的组合方法。根据目标断面及其上游断面的交通流数据构造输入矩阵，利用卷积神经网络捕捉交通流的空间特性，使用长短期记忆和门控循环神经网络挖掘交通流的时间特性，组合3 种深度学习方法所得输出，得到交通流参数估计值。采用中国安徽省合肥市和美国加州萨克拉门托的交通流数据进行验证。结果表明：新方法的性能优于已有各种方法，使估计误差降低 5.72%~33.29%；新组合方法具有较高的准确性和可靠性，能为智能交通系统运营与管理提供高质量的基础数据。