隧道监控量测数据反分析技术研究

结合某隧道监测断面各施工阶段位移变化情况,应用MIDAS GTS软件建立三维模型,通过反分析计算确定了弹性模量E及侧压力系数K0的取值范围。通过对隧道各施工阶段的变形情况进行模拟,采用黄金分割法对隧道拱顶下沉和净空位移量测值进行了反分析计算,与实测值对比分析后说明计算结果准确可靠。     

基于数据驱动的船舶油耗预测模型研究

以某客滚船为研究对象,将大量航行实际数据进行预处理,通过斯皮尔曼等级相关分析选择出船舶左右桨螺距、左右舷舵角、纵倾、船首风速、船舶对水和对地航速为油耗主要影响参数。建立基于LSTM神经网络的黑箱模型对数据进行学习并预测油耗,额外选取测试样本验证模型精度,优化模型内部结构以进一步提高预测精度。将最终得到的预测数据与实测数据对比,证明模型具有良好的准确性。该研究方法能为船舶运营人员优化运营方案提供参考,能够提高水路交通运输的经济性。     

舰船通信网络大数据的存储机制设计

受数据库存储容量的影响,传统的舰船通信网络大数据存储机制存在存储误差高的问题。针对这一问题设计舰船通信网络大数据存储机制,存储架构分为前置通信平台数据库、生产数据库、关系数据库、分析数据库,建立检索机制,标记通信函数,确定初级编码函数值,明确特征信息,通过路由服务器、配置服务器、数据分片优化设计存储机制私有云。实验结果表明,相较于常规的存储机制,给出的舰船通信网络大数据存储机制信息存储误差降低了37.32%,更适用于舰船通信。     

基于卷积神经网络的接触网支柱号识别方法研究

接触网支柱号是铁路供电部门现场运营维护的重要定位参数。基于卷积神经网络的接触网支柱号自动识别方法结合接触网图像的实际特点,对视频图像进行了归一化图像预处理,并对实际的支柱图片进行了卷积神经网络的训练,在支柱号识别确定的过程中考虑了接触网支柱号的分布特点,提高了支柱号识别的准确性。利用实际线路数据进行测试,取得了较好的识别精度和较快的识别速度。通过实验验证,该方法能够辅助铁路基础设施检测系统中缺陷的定位,指导现场运营维修。     

船舶无线网络通信过程差错数据智能检测方法

现有的异常数据检测方法无法适应船舶无线网络通信环境,存在漏检率高的问题,为此提出通信网络差错数据智能检测方法。根据舰船无线网络通信的特点,选取通信数据差错特征。利用数据采集设备,获取船舶无线网络通信过程数据。通过计算数据集的离散度与设置置信区间2个步骤,实现对通信过程差错数据的识别。以识别结果为基础,分别从数据长度、格式和内容3个角度,实现对通信差错数据的智能检测。为了验证设计的智能检测方法的检错能力设计性能对比实验,结果表明,与传统差错数据检测方法相比,设计的智能检测方法的漏检率降低了30.1%,且通过该方法的检测与控制提高了无线网络通信的稳定性。     

船舶智能化网络资源中数据封包传送数学建模分析

传统的数据封包传送数学模型在传送船舶智能化网络数据资源时,传播速率很慢,平均延迟高,吞吐性能差。为解决上述问题,设计一种新的数据封包传送数学模型,利用BM匹配算法匹配船舶网络数据资源格式,根据船舶智能化网络的IP地址、网络端口号、网络资源传输协议、网络通信数据以及其他网络资源信息数据建立封包传送数学模型。为验证模型效果,与传统模型进行实验对比,结果表明,设计的数学模型能够有效提高传播速率,降低平均延迟,加强吞吐性能。     

基于大数据技术的铁路客户服务中心服务质量分析平台研究与设计

研究大数据技术在客户服务质量管理方面的应用实践，分析在客户服务质量管理领域大数据应用案例和技术解决方案，为铁路客户服务中心服务质量的数字化分析评估提出可行的技术路线和建设框架。应用主流大数据处理技术和数据分析处理算法，对铁路客户服务中心的客户服务过程数据进行基于数据仓库技术的整合，实现结构化数据、半结构化数据和非结构化数据的统一管理和调用分析。应用自然语音识别技术，验证转换算法，提出提升效率的机制，同时，结合典型的客户服务质量分析指标，通过业务分析模型、基础数据模型和分析算法进行设计开发，实现服务质量分析的数据化方案。平台框架、技术路线和原型平台的开发，能够为铁路客户服务中心的大数据应用提出可行的建设思路和解决方案，在实际应用中，提升客户服务质量管理能力，改善服务质量管理机制，降低铁路客户服务中心服务质量管理成本。     

基于半监督SVM的交通方式特征分析和识别

为解决基于手机信令数据识别大规模用户交通方式问题,多维度分析出行方式特征,提出结合主动学习和Tri-training的半监督支持向量机算法。以手机信令出行链为基础,将出行特征划分为距离、时间、速度、出行者属性等四类,并进一步研究多维度特征及其计算方法 ,基于有向无环图设计一种结合主动学习与基于Tri-training的半监督多分类支持向量机。运用HY市手机信令数据构建样本集并训练该分类器,与多种监督学习分类算法进行比较。结果表明主动学习构造的富含信息的已标记样本集可以减少半监督学习的迭代次数,Tri-training半监督支持向量机可以通过大量未标记样本提升分类器准确率,结合主动学习与Tri-training半监督支持向量机算法可以有效地识别手机信令数据出行链的交通方式。     

云物大智、区块链、CPS间的关系及在铁路领域研究综述

云计算、物联网、大数据、人工智能（AI）、区块链、信息物理系统（CPS）为前沿新兴技术领域，它们并非彼此孤立，而是相互关联、相辅相成、相互促进的。介绍它们的内涵、关系及在铁路领域的应用探索。物联网是数据源，大数据是基础资源，云计算是基础设施，人工智能是核心算法，区块链为铁路领域业务基础架构和运行机制的变革创造条件，信息物理系统是贯穿信息空间与物理空间之间基于数据自动流动的状态感知、实时分析、科学决策、精准执行的一套综合技术体系。这些新技术的综合应用、交叉支撑、循环进化的良性迭代，将积极促进铁路智能化的发展。