列车在站运行状态监测系统

传统的车站接发列车作业以人检为主,劳动强度较高,存在人身安全隐患,且存在漏判和误判,难以有效保障接发列车作业质量。运用图像识别、数据挖掘、智能分析及系统集成技术,提出列车在站运行状态监测系统方案,对车站接发列车的图像、视频、车轮踏面温度、车辆运行声音等信息进行自动采集和智能分析,提供车辆异常状态识别和报警功能,实现接发列车作业从"人检"向"机检"、"室外"向"室内"、"静态"向"动态"的转变。该系统方案对提升车站接发列车作业效率和作业质量,探索接发列车作业新模式,保障行车安全具有重要意义。     

基于VMD-BP神经网络模型的铁路车站月度客流发送量预测研究

为确定合理的列车开行对数,首先分别以BP神经网络(BP Neutral Network)和极限学习机(Extreme Leaning Machine, ELM)构建基准模型;在此基础上,结合经验模态分解算法(Empirical Mode Decomposition, EMD)和变分模态分解算法(Variational Mode Decomposition,VMD)适合处理非线性、非平稳数据的特点,对客流发送数据进行处理,然后分别与基准模型组合形成组合模型,并提出了月度客流发送量的概念,建立了滚动的月度客流发送量预测机制。最后,以兰州西站衔接各线的客流日发送数据为原始数据,以各基准模型和组合模型对月度客流发送量进行了预测,并对预测结果和指标加以分析对比。研究结果表明:(1)以客流发送量作为原始数据,VMD算法分解效果优于EMD算法;(2)对比各基准模型和组合模型,VMD-BP神经网络组合模型预测精度最高,适用于铁路车站月度客流发送量预测问题。