铁路局集团公司客票系统网络安全态势感知技术的研究

针对铁路局集团公司客票发售和预订系统（简称：铁路局客票系统）存在难以全面把控网络安全态势的问题，从数据采集与预处理、态势评估与预测及态势感知可视化3个角度，研究铁路局客票系统网络安全态势感知关键技术，提出适合我国铁路局客票系统安全保护场景的网络安全态势感知可视化方法，可为铁路局客票系统的安全防护提供参考。     

基于XGBoost算法的危险场景驾驶行为模式分析及安全评估

危险感知能力对驾驶人的驾驶行为模式具有重要影响。为准确评估驾驶人的危险感知能力、提升危险感知水平判别的准确度，提出了基于模拟驾驶技术的危险感知能力影响分析方法和基于极端梯度提升树（XGBoost）算法的危险感知水平判别模型。通过设计3种常见交通冲突场景，采集模拟驾驶中驾驶人的多维度驾驶行为特征数据，并分析危险感知能力与驾驶行为的相关关系。通过模拟实验发现:驾驶人对行人的危险感知能力较弱，易发生碰撞事故；驾驶人在危险场景中的车速（p＝0.01）、制动反应位置（p < 0.01）以及反应时间（p < 0.01）与危险感知水平之间存在显著负相关关系。在相关性分析的基础上，利用XGBoost算法识别能反映驾驶人危险感知能力的重要特征变量，并构建以制动反应位置、反应时间、车速、刹车深度，以及加速度为指标的驾驶人危险感知水平判别模型；通过与LightGBM、支持向量机（SVM），以及逻辑回归（LR）等算法分类预测性能的对比分析，评价危险感知模型的判别精度，结果表明:基于XGBoost算法的危险感知水平判别模型的判别准确率为84.8%、F1值为83.4%、AUC值为0.959，优于LightGBM（准确率为78.8%、F1值为76.7%、AUC值为0.924）、SVM（准确率为57.6%、F1值为42.2%、AUC值为0.859），以及LR算法（准确率为69.7%、F1值为65.5%、AUC值为0.836）。所提方法可为判别驾驶人危险感知能力及其对驾驶行为模式的影响提供可靠手段。      

VTS在海上自主航行船舶（MASS）服务中的责任与策略研究

海上自主航行船舶(Maritime AutonomousSurface Ship,以下简称“MASS”),简单来说是指利用传感、通信、物联网等技术手段,自动感知和获得船舶自身、海洋环境、物流、港口等方面的信息和数据,并基于计算机技术、自动控制技术、大数据技术、智能技术,在航行、管理、维护保养、货物运输等方面实现智能化运行的船舶。     

汽车电子标识技术优势及应用前景分析

汽车电子标识作为汽车的"身份证",是无源射频识别技术在交通物联网领域的应用。《机动车电子标识安全技术要求》等六项国家推荐性标准的正式实施以及国内外广泛的应用试点,使得该技术在我国全面推广、应用变得愈发现实。本文阐述了汽车电子标识的系统构架、工作原理、应用现状,通过技术路线、技术对比两个层面的分析阐述了汽车电子标识的技术优势,并基于此对于汽车电子标识的应用前景进行展望。在感知层,汽车电子标识将与视频检测技术有机结合,构建"射频+视频"等具备更高稳定性、可靠性的信息采集体系。而在应用层,汽车电子标识将提升涉车应用的实现水平,为假、套牌等顽固问题提供了解决方案,为诸多潜在应用的实现提供可能性。     

电务调度在安全生产中的指挥协调作用

制定电务调度工作制度，发挥电务调度在设备故障应急处理中的指挥协调作用，以最短的时间恢复故障设备，减少对铁路运输干扰。