铁路信号系统软件测试建模方法

针对铁路信号系统软件测试模型不能系统地描述测试需求的问题,提出风险时间状态机建模方法. 首先,分析铁路信号系统软件测试建模的特点,并提出建模需求;然后,以有限状态机理论为研究基础,在有限状态机的变迁和状态中分别扩展出时钟和风险等级元素,提出风险时间状态机建模方法,满足功能逻辑、时间约束和风险等级3个方面的建模需求,采用Z规格说明语言给出风险时间状态机的形式化定义和格局转移机制;最后,以计算机联锁系统中的道岔转换功能为例,建立风险时间状态机测试模型,并与时间自动机建模方法进行了对比,结果表明,建模方法上,所建立风险时间状态机比时间自动机节省62%的变迁数,描述能力更强,能够满足铁路信号系统软件测试的建模需求.      

高铁信号系统安全关键功能测试建模方法

测试模型是高铁信号系统安全关键功能测试用例编制的重要基础,针对高铁信号系统安全关键功能测试建模过程中描述信号系统领域特征不够全面的问题,提出时间状态机测试建模理论和测试用例生成方法. 分析高铁信号系统测试建模的特点,提出信号系统安全关键功能测试模型的建模需求;以有限状态机理论为研究基础,结合功能逻辑和时钟约束提出时间状态机建模方法,采用Z规格说明语言给出时间状态机的形式化定义;将时间状态机转换为时间自动机,证明转换之间的一致性,并基于时间自动机的测试理论自动生成测试用例,再以计算机联锁系统中的道岔转换功能为例,建立时间状态机测试模型并生成测试用例. 最后,将两种方法生成的测试案例进行对比,结果表明:在功能逻辑方面,基于时间状态机建模方法生成的测试案例100% 地覆盖了基于时间自动机建模方法生成的测试案例,并新增了16条具有时钟约束的测试案例,能够满足高铁信号系统安全关键功能测试建模的需求.      

基于TPr/T-S的客专车站通用模型及仿真

为建立能跟踪列车、进路、股道变化踪迹且与车站站场布局及结构无关的车站通用模型,将客运专线车站站场视为由进路和股道这两类个体组成;引入时间参数将谓词/变迁-系统(Pr/T-S)扩充为定时/谓词变迁-系统(TPr/T-S).扩充后的系统既能在仿真中跟踪每个个体的状态变化踪迹,又能描述个体状态变化与时间的联系.基于列车、进路、股道等三类个体和TPr/T-S建立了与车站拓扑和规模无关的客运专线车站通用模型.对徐州东站的仿真试验数据显示了进路、股道等设施的占用情况,仿真时间段内车站进路平均利用率为34%,每列列车都能分配到可用进路,表明所采用的运行图是安全、可行的,也证实了此通用模型的有效性.      

基于数字高程模型的重庆市数字航道系统应用

通过数字高程模型(DEM)和数字航道系统作为切入点,从建立基于数字高程模型的数字航道系统的技术路线、数字航道系统的应用及维护等方面,阐述了重庆市数字航道系统的基本原理、组成及功能.利用数字航道系统对航道及水上交通的实时有效管理,极大地保障了重庆市水上交通的航行安全和航行效率.     

随机需求环境下VMI模型研究与应用

以供应商管理库存(VMI)产生的经济效果为评估指标,在总结国内外相关研究的基础上,建立了随机需求环境下的VMI库存模型.该模型考虑了安全库存、服务水平和提前期,与现实情况更加贴切.将该模型应用到某成品油销售公司的库存管理中,使用"规划求解"功能方便准确地做出订货决策,有效地降低了供应链的系统成本.     

面向CAD/CAPP集成的线束产品信息建模

在分析线束产品结构特点的基础上,采用面向对象的方法建立了线束产品的结构信息模型,并对其主体部分进行了形式化描述;同时提出了利用通用CAD系统建立高层次图形对象的功能建立线束图形模型的方法,该方法将产品结构信息存储在数据库,通过图形句柄建立图形与结构信息的关联,实现二者的同步更新和互操作。最后,通过开发的线束CAPP系统的建模实例表明该建模方法实用有效。     

公路平面交叉口交通安全养护评价体系及方法研究

从公路平面交叉口交通安全养护需求出发,对平面交叉口交通安全养护评价指标体系和方法进行了系统研究和分析,形成了完整的公路平面交叉口交通安全养护评价体系。基于路基路面、安全设施、管理设施、交叉口渠化、绿化五个方面建立了平面交叉口交通安全养护评价指标体系;提出了评价指标数据采集方法和标准;验证了数据采集的一致性;建立了平面交叉口安全养护评价模型;标定出了模型参数;并选取试验路口利用模型计算值和专家主观打分均值的相关性分析,对建立的模型有效性进行了验证。     

信号控制下人行横道宽度优化模型

为了提高行人过街安全,本文分析了信号控制下行人过街的时空分布特性,研究行人过街空间区域最大宽度与时间和人行横道纵向位置映射关系;通过对行人流量和分担率两因素的分析,对行人过街空间区域特性进行数学描述,根据实测数据并利用轨迹提取技术获取行人时空数据,建立了满足过街时间约束下的人行横道宽度优化模型;最后利用长春市4处人行横道的行人过街时空信息,以群体过街时间为验证指标对模型进行了验证,结果显示,利用本文建立的人行横道宽度优化模型所确定的行人过街时间在3处地点分别减少5.60%、3.29%和2.58%.本文建立的基于时空安全的人行横道宽度优化方法可为人行横道宽度的设计提供理论参考和技术支持.     

城轨ATO系统子空间预测控制方法

为提高城市轨道交通列车自动驾驶(automatic train operation,ATO)系统跟踪给定运行曲线的精度,基于子空间辨识方法,利用列车运行的历史数据,建立与实际运行状态相吻合的非线性子空间预测控制模型,设计子空间预测控制器,实现模型辨识数据和参数在线更新.运用MATLAB软件对比分析传统动力学模型与子空间预测控制模型的跟踪能力.结果 表明:子空间预测控制模型在速度、位移、加速度的跟踪精度上有明显优势,牵引/制动特性更加缓和.子空间预测控制模型可以保证列车运行安全、准时,并提高乘客乘坐舒适性.     

支撑产业链协同的SaaS平台自适应演化技术

为实现产业链协同SaaS平台在运行服务过程中面向各企业群及其业务需求变化的动态演化支持,针 对平台企业联盟和用户的动态性,提出了基于动态绑定与隐式授权的企业联盟自适应演化管理和基于企业自治 模型的用户自适应演化管理方法;针对平台各企业联盟业务协同需求的动态性,建立了面向演化的业务功能与 业务数据管理模型,提出了业务功能在线更新与业务数据库的同步演化算法,建立了SaaS平台自适应演化机 制.通过在汽车零部件产业链协同SaaS平台研发过程中的应用表明,自适应演化方法能有效支持平台在不间断 服务条件下,通过业务功能和业务数据库的在线演化满足各企业联盟业务功能扩展和动态更新的需求.      

CTCS-3级列控系统临时限速建模与验证

为了满足临时限速系统的实时性要求,采用时间自动机理论,对CTCS-3级列控系统临时限速工作流程分别建立了各设备的时间自动机子模型,进而构成临时限速系统的时间自动机网络模型,并基于临时限速系统技术规范的参数对模型进行赋值;采用BNF语法对临时限速系统待验证的属性进行了形式化描述,并应用UPPAAL验证工具对临时限速模型的安全性和受限活性进行仿真验证.验证结果表明:与现有临时限速系统的时间参数设置相比,修正后的时间参数设置避免了出现系统死锁现象;在不影响安全功能属性和受限活性的基础上,提高了临时限速系统的实时性,可在规范规定时间5 s内做出响应.      

���н�ͨ����ϵͳ��ȫ�Ļ�ɫ�����ۺ�����

针对空中交通管理系统安全评价方法中存在的不足，根据系统工程的基本原则和思路，以空中交通管理系统的人员、设备、环境和管理为基本因素，建立了空中交通安全管理系统的评价指标体系，并结合层次分析与灰色理论，提出了空中交通管理系统安全的多层次灰色评价模型，并结合实例进行了实例计算。仿真计算结果表明该方法能更有效地利用评价指标的信息，所给出的综合评价值不仅能用于描述所评价单位的安全状况，还具有横向比较多个单位安全状态的功能，该方法具有较好的可操作性和实用性，对更加科学合理地评价空中交通管理系统安全状态具有参考价值。     

公路交通安全评价方法与体系

交通事故是人、车、路和环境动态系统失调的结果.根据我国的交通特点、地形特征和交通动态系统中人、车、路及环境的交通特性,着重从“路”方面,研究提出与我国交通特色相适应的公路交通安全评价方法,事故相对多发路段判别方法、双车道公路交通安全性预测模型、双车道公路交叉口交通安全性预测模型和高速公路交通安全性预测模型,以及建立公路交通安全评价指标体系的三个层次.     

建立标准化的道路运输安全生产管理体系探讨

道路安全生产管理标准化体系是企业开展生产安全管理、职业健康安全管理、环境管理、设备及能源管理等各项管理的重要依据,企业通过建立和实施该体系,能够提高道路运输服务水平和管理水平,增强竞争力,从而为在生产、经营、管理领域获得最佳秩序和效益奠定坚实的基础。     

内燃动车组安全风险管理

结合内燃动车组的功能性能要求,阐述了在项目各阶段进行的安全性分析工作,建立了安全风险管理分析流程,实现了项目各阶段工作与安全风险管理分析工作的有效统一．通过对服务范围内的系统设计进行审核,识别了车辆系统隐患及其减轻措施,并在系统设计、开发、生产及测试过程中纳入相关的减轻措施,将风险控制在合理可接受的范围内,以保证内燃动车组的的车辆安全性,有效降低了产品生命周期的安全风险,满足了用户的安全性要求．     

车路协同混合交通场景要素解析与测试案例生成

面向混合交通环境下多车效率类和单车安全类场景测试需求，研究了基于混合交通场景要素解析的车路协同测试案例生成方法; 为提高测试案例的多样性和覆盖度，分析了混合交通特征要素相互作用机理，构建了混合交通场景要素层次模型，提出了场景要素重要度的一致性描述指标，并在此基础上建立了测试案例复杂度模型; 针对多车效率类场景仿真测试，提出了复杂度激励的组合测试案例生成方法，设计了场景要素强耦合组合策略; 针对单车安全类场景仿真测试，提出了基于复杂度聚类的蒙特卡洛测试案例生成方法，设计了风险场景特征参数抽样机制; 选取车路协同混合交通典型场景开展仿真试验，验证了提出的测试案例生成方法的有效性。研究结果表明，对于多车效率类混合交通高速公路匝道合流场景测试，提出的方法比传统成对测试方法的场景最大复杂度提高了11.93%，高复杂度场景占比提高了60.02%，测试案例覆盖度提高了12.08%;对于单车安全类车路协同换道预警场景测试，提出的方法比传统蒙特卡洛测试方法的危险场景数提高了195%，且其参数估计误差降低了5.95%，高风险场景数提高了119%，且其参数估计误差降低了4.78%。可见，提出的方法能够提高测试案例的多样性和覆盖度，有助于开展复杂环境和风险条件下车路协同系统功能测试，能够有效满足多车效率类和单车安全类场景测试需求。      

城市轨道交通运营阶段项目安全流程管理优化

针对城市轨道交通运营阶段项目安全管理的系统,构建了在SOON体系下的运营阶段项目安全管理流程控制整体框架;按照安全流程管理要求,探讨了基于波特的价值链模型的管理组织措施优化、基于TPM&RCM的城市轨道交通关键设备维修管理模式优化和基于PIT-STOP模式的安全保障制度创新技术在南京地铁上的应用实践,为实现城市轨道交通运营阶段项目安全流程管理优化奠定理论基础。     

Automatic semantic analysis of software requirements through machine learning and ontology approach

Nowadays, software requirements are still mainly analyzed manually, which has many drawbacks (such as a large amount of labor consumption, inefficiency, and even inaccuracy of the results). The problems are even worse in domain analysis scenarios because a large number of requirements from many users need to be analyzed. In this sense, automatic analysis of software requirements can bring benefits to software companies. For this purpose, we proposed an approach to automatically analyze software requirement specifications (SRSs) and extract the semantic information. In this approach, a machine learning and ontology based semantic role labeling (SRL) method was used. First of all, some common verbs were calculated from SRS documents in the E-commerce domain, and then semantic frames were designed for those verbs. Based on the frames, sentences from SRSs were selected and labeled manually, and the labeled sentences were used as training examples in the machine learning stage. Besides the training examples labeled with semantic roles, external ontology knowledge was used to relieve the data sparsity problem and obtain reliable results. Based on the SemCor and WordNet corpus, the senses of nouns and verbs were identified in a sequential manner through the K-nearest neighbor approach. Then the senses of the verbs were used to identify the frame types. After that, we trained the SRL labeling classifier with the maximum entropy method, in which we added some new features based on word sense, such as the hypernyms and hyponyms of the word senses in the ontology. Experimental results show that this new approach for automatic functional requirements analysis is effective.