基于地震预警的铁路物流运输路径规划优化方法研究

本文首先介绍了地震预警技术及其在物流运输领域的应用，探讨了其在提高安全性、优化效率和提升服务质量方面的潜在价值，阐述了地震预警技术对铁路物流运输路径规划的影响。其次探讨了基于地震预警的铁路物流运输路径规划应用所面临的难点，包括地震监测预报能力的限制、系统的复杂性、与其他系统的关联以及网络结构的复杂性等。最后提出了基于突发情况选择绕行方案、合理分配运输资源和能力、根据需求和优先级进行调度，以及根据灾情变化进行动态调整等路径规划的优化方法。     

基于优化最大类间方差法阈值分割与滑动窗口法的车道偏离预警

为了改善因传统边缘算子在车道线特征提取时鲁棒性差、传统霍夫变换弯道拟合能力较弱导致车道偏离预警率降低的问题，提出了一种基于优化最大类间方差法（OTSU算法）阈值分割与滑动窗口法的车道偏离预警方法。首先，使用遗传退火算法优化求解OTSU算法的最优阈值并调用整体嵌套边缘检测（HED）模型获取车道线边缘特征，将感兴趣区域转换成鸟瞰图形式；然后，使用滑动窗口法将车道线切分并逐个对窗口内的车道像素点进行二阶多项式拟合；最后，根据车辆与车道线的相对位置关系进行车道偏离预警以及弯道预警。试验结果表明，该方法的综合路况预警准确率为95.92%，检测速率可达34 ms/帧。     

云端数据驱动的锂电池故障分级预警研究

目前还未有一种有效手段针对故障类型未知的车辆云端数据进行无监督式的故障预警，为此本文提出了一种云端数据驱动的锂电池故障分级预警方法。首先通过机理分析选取适用于云端数据特性的特征，构建6类差熵特征集进行多次混合聚类实现对电池健康度的打分评价。通过引入温度信息区分热相关故障并构建预警等级划分准则判断电池故障状态。利用5种现场故障案例进行验证，结果表明，该方法能准确识别故障并区分故障类型，且具有较高的超前性和适应性。     

车站数字化轨道电路关键技术探讨

针对我国普速铁路站内大多采用25 Hz相敏轨道电路，存在设备数量多、调整难度大、抗干扰能力有待提升等问题，研发一种安全等级达到SIL4级的新型车站数字化轨道电路系统。采用简统化结构和板卡式设备，具备集成度高、安全性强、兼容多模式接口等特点；确定十大研制目标，突破五大关键技术，做到控制、接口、运维的数字化；采用二进制频移键控（2FSK）数字调制方式，构建轨道电路、电码化集成系统；采用双送一受构架和双向牵引电流回流模式，具备系统级监测及诊断预警功能；利用简统化设备，可同时满足普速铁路、高速铁路车站的运用需求。目前该系统已完成样机研制，并通过了课题验收，对推进轨道电路技术进步，提升基础设施装备数字化、智能化水平具有重要意义。     

基于磁栅尺测量的道岔工况监测系统

针对当前道岔转换设备监测手段单一,既有监测检测方式无法满足复杂环境下智能高效运维需求的现状,设计了一种基于磁栅尺测量的道岔工况监测系统。对道岔关键机械部件的动作全程进行在线监测,并通过大数据、机器学习等技术,对道岔工电结合部常见病害进行诊断及预警,为工电一体化综合分析及整治提供数据支撑。     

基于北斗定位技术的铁路路基形变监测系统

基于北斗高精度定位及视频监控等技术，构建铁路路基形变监测系统，实现数据采集、监测结果与状态预警的自动化和智能化。重点阐述铁路路基形变监测系统的系统架构、前端方案、通信网络与服务器端。该系统在山东大莱龙铁路有限责任公司进港铁路的路基塌陷区进行试点，对路基形变进行自动监测与预警。应用结果表明，系统性能满足前期设计需求和用户使用需求，并极大减轻了人员的劳动强度。     

城市道路无信号控制路段行人过街风险分级预警模型

为量化城市无信号控制路段下的行人过街风险，避免人车冲突事故频发，提出基于K-means算法的行人过街风险量化分级方法，并在此基础上建立了基于随机森林的行人过街风险分级预警模型。考虑时空接近程度及潜在碰撞伤害大小，选取冲突时间差、潜在碰撞距离与潜在碰撞能量3个指标，准确刻画出实际的人车交互场景，并利用K-means算法对行人过街风险状态进聚类划分，明确相应的行人过街风险等级。综合行人过街场景中包含的天气状况、道路交通设施、行人交通特征、机动车交通特征与历史事故等5类风险隐患因素，提出了30项行人过街风险二级指标，依据基尼不纯度对风险指标进行筛选并构建出最优的预警指标集，以此为模型输入，利用随机森林算法建立了能对行人过街风险进行细化、量化预测的分级预警模型。以山西省某市3处行人过街样本数据为算例验证模型的可行性。算例分析表明:行人过街风险等级分为5级时，量化分级结果能与实际行人过街情景较好吻合；本文提出的分级预警模型对各风险等级预测的整体正确率可达86.67%，其中对一级与四级风险的预警能力最为突出，一级风险识别准确率达到100%，四级风险识别准确率达到94.7%。本研究提出的行人过街风险分级预警模型解决了既往研究中存在的风险指标不够全面、风险等级划分未完全贴合实际场景、预警等级未细化等问题，提高了风险预警准确率。      

智能网联汽车基础(六)--ADAS毫米雷达波

(接上期)毫米波雷达具有同时探测距离、水平角度及速度三个参数的能力。在智能网联汽车前雷达用于自适应巡航控制(ACC)、自动紧急制动(AEB)、前向防撞预警(FCW);后雷达用于盲点监测(BSD)、车道变道辅助(LCA)、后向碰撞预警(RCW)、车门开启预警(D0W)、后方交通穿行提示(RCTA)。     

基于Storm的车辆实时预警功能

随着人们生活水平不断提高，车辆总数迅速增加，道路交通安全成为了一个必须妥善解决的社会现象。该如何及早发现常见故障、如何有效把握车辆状况、如何做到汽车提前预警，确保驾驶员安全性成为了大家需要考虑的问题。基于以上难题，应用大数据Storm技术的预警功能应时而生。本文介绍预警标准、数据周期时间、数据清洗及计算节点。     

基于SVM-BP降雨型黄土滑坡灾害安全评价模型研究

地质滑坡灾害的监测预警体系中存在地质灾害调查、数据监测和预测预警环节融合度不够、相互分散、结果评价缺失等缺点。针对降雨型黄土滑坡灾害监测预警中存在的实际问题与不足，结合多源信息和智能风险评估，提出一种准确率高且可快速评价坡体安全性的基于SVM-BP的地质灾害安全评价混合模型。以降雨型滑坡地下水监测为主，以外部诱发因素为辅，在完成滑坡形变监测、风险源辨识和搭建监测预警云平台系统的基础上，以坡体含水率易诱发边坡骤发式瞬间失稳为出发点，实现了对降雨型危险坡体的实时监测与动态安全性评价。试验数据来源于西安市某地实测数据。首先确定滑坡风险评价指标体系，并基于灰色综合关联分析法和模糊层次分析法完成初步数据筛选，然后利用SVM分类器和BP神经网络模型分别完成数据判断和评价分类，建立基于SVM-BP的安全评价混合模型。在实际工程中坡体大概率为安全状态，这使得评价模型的SVM分类器具备运行时间短、满足快速性要求的特点；BP神经网络模型能够增加对于危险状态识别的敏感度，可提高整个评价模型的准确率。对危险坡体实测数据和系统功能试验验证表明：该评价模型的准确率达到99.94%,运行时间为0.032 9 s,满...