高速铁路更新改造与大修整治项目计划管理系统研究与实现

设计高速铁路更新改造与大修整治项目计划系统,解决项目计划流转纸质文档信息化问题,提升项目计划管理效率和分析应用水平。以目前高铁公司项目计划管理业务需求为依据,调研数据现状与系统功能需求,从数据标准化与规范化、系统总体架构、功能模块等方面进行设计,搭建高速铁路更新改造与大修整治项目计划管理系统。结果表明,该系统满足高铁更新改造与大修整治管理需求,同时,可为管理决策提供数据支撑。     

基于安全预警大数据的高铁应急预案优化研究

高铁应急预案对提高运营安全水平具有重要作用,如何建立健全高铁应急预案体系、优化各类应急预案,成为现阶段研究的重点。随着高铁事件案例数据的逐步积累,基于高铁安全预警大数据开展应急预案优化是继模拟仿真、算法优化后的一个新方向。介绍高铁应急预案体系现状,分析应急预案可优化内容和大数据来源;基于典型案例数据,开展高铁应急预案分类、分级、处置方法等研究,为高铁应急预案优化提供新思路和新方法。     

基于双偏好矩阵的B2B智能推荐研究与实践

B2B电商平台的用户都具有企业特征,传统的协同过滤算法以用户-商品偏好矩阵为主,难以体现用户的企业特征。在传统协同过滤算法的基础上增加企业-类别矩阵,改进形成双偏好矩阵协同过滤算法,搭建具有企业数据特征的B2B电商平台智能推荐引擎,应用于电商大数据分析平台,并在铁路某电商平台上进行实践应用,算法响应时间为毫秒级。为了证明算法的实用性,分别在准确率、召回率、覆盖率、新颖度等方面与传统的协同过滤算法、KNN算法进行对比,均具有优势,尤其是在不活跃用户的准确性方面提升超过10%。     

基于3D卷积神经网络的高铁轨道质量指数预测方法

轨道质量指数（TQI，Track Quality Index）是反映高铁整体线路质量状态的重要指标，分析TQI数据的变化规律能够对高铁线路养护维修提供重要指导和参考依据。为提高TQI数据预测的准确性，提出了一种多项特征数据的3D卷积神经网络模型，分析了TQI数据特征，抽取时间、空间、检测项数据并形成三维特征数据集，基于3D卷积神经网络算法，构建8层TQI预测模型，并从初始化参数、学习速率、激活函数、损失函数、Dropout方法等角度对模型进行优化，并利用某高铁线检测数据进行试验验证。结果表明，3D卷积神经网络模型可较好的预测高铁线路状态变化趋势，且对比于BP神经网络和2D卷积神经网络方法，平均绝对误差分别降低了41.48%、26.32%，均方差分别降低了65.42%、39.93%，证明了该方法的准确性与有效性，对于预测TQI与制定高铁线路养护维修计划具有实用价值。     

北京步入公交主导城市交通的时代

2013年,北京全市交通领域固定资产投资完成710亿元,完成客运量93亿人次,同比增长5.7%,完成营业性货物运输量2.6亿吨,同比增长3.7%,大力发展袖珍公交、定制商务班车等公交个性化服务,开行45条定制公交商务班车,公共交通出行比例从44%增至46%,中心城交通指数5.5,北京步入公共交通主导城市交通的时代。