基于模糊聚类的RITS货运服务系统逻辑框架设计

基于发展先进的货物运输服务系统的迫切要求,在运用传统的面向过程的体系构架开发方法的基础上,借鉴了企业架构规划思想,提出了基于模糊聚类的RITS逻辑框架设计模型。从系统科学的思维角度出发,通过分析货物运输整套流程,提出了基于RITS面向货主的货运服务系统需求分析表,并定义了货运服务系统逻辑框架系统要素。运用模糊数学相关概念,定义了过程和数据的模糊关联矩阵,运用模糊聚类分析的数学方法,实现了RITS货运服务系统的逻辑框架功能模块软化分,并完成货运服务系统顶层逻辑框架DFD图。     

铁路智能运输系统结构设计方法

铁路智能运输系统(RITS)结构设计的实质就是确定RITS由逻辑框架到物理框架的映射关系。RITS是由若干要素组成的,选择RITS结构设计的要素,其中具有逻辑属性的要素是功能,具有物理属性的要素是子系统。收集来自体系框架中专家的知识经验,确定子系统和功能的对应关系。建立功能要素集合与子系统要素集合之间的关联矩阵、关联强度矩阵及其可达矩阵,从而确定系统的结构。RITS结构设计实例选取11个子系统和21个功能域作为设计要素,通过RITS结构设计方法以及模糊聚类方法对物理子系统进行重新划分,得到合理的物理子系统划分结果。     

基于多目标遗传算法的RITS物理结构优化设计

铁路智能运输系统(RITS)是涉及多学科、多专业领域,集底层控制、实时调度、运营管理于一体的多功能、多任务的复杂大型信息系统,系统结构优化设计方法研究对铁路信息化建设和现有信息化资源的整合具有重要意义。本文提出了RITS物理结构优化设计问题模型,即在一定资源条件约束下,综合考虑技术、经济等方面因素,实现功能单元在物理实体上的优化配置,并提出了基于多目标优化的解决思路。RITS结构优化设计待优化函数具有高维、多峰、非线性等特点,求解难度大。本文重点研究了一类基于Pareto机制的具有快速全局收敛能力的多目标遗传算法,并以紧急救援系统为例进行结构优化设计,验证了算法的有效性。     

铁路智能交通系统研究

总结了铁路智能交通系统(RITS)的国内外研究进展,提出中国RITS的基本组成和总体结构,探讨了中国RITS标准体系,并分析了中国RITS的若干关键技术。     

中国铁路智能运输系统的服务框架

介绍中国RITS服务框架的研究过程；提出中国RITS的用户需求分析结果，在此基础上定义了铁路智能运输系统的服务框架，包括智能化用户导航系统、铁路电子商务系统、综合运输系统、智能化铁路资源管理系统、智能化营运管理系统、智能化行车控制与调度系统、智能化紧急救援与安全系统等7个服务领域及21个子服务领域，为铁路智能运输系统逻辑框架、物理框架等后续研究建立了基础。     

铁路智能运输系统

介绍了铁路智能运输系统(RITS)的来由、定义及其本质特征，对国外RITS相关研发现状及我国铁路的信息化现状进行了对比分析，在此基础上提出了以实现铁路跨越式发展为目标的RITS的结构模型，井进一步提出了RIATS的发展阶段与发展目标、发展原则。     

基于模糊聚类的数据挖掘方法与应用

系统聚类法中常用的是最小距离法、最大距离法、重心距离法和类平均距离法等,这些方法都是定义一种类与类之间的距离来进行聚类的,但在有些情况下其聚类结果不唯一.利用模糊关系矩阵,给出一种新的基于模糊聚类的方法,并将这些技术应用到处理地质图型数据的数据挖掘工作中,得到可行性验证.     

铁路智能运输系统的本质特征研究

提出了铁路智能运输系统（RITS）的两个本质特征——开放系统结构和分布式智能系统结构。首先描述了铁路运输系统中环境与任务的复杂性，正是由于铁路智能运输系统目标的多样性与组成结构的复杂性和系统进化的要求，使得铁路智能运输系统必须具备开放的系统结构以实现异种系统、技术、规范、标准的包容；必须具备分布式智能问题求解能力以实现系统内部各子系统之间的协商协调处理，达到系统全局目标。指出分布智能系统理论是铁路智能运输系统体系结构研究的理论基础。     

基于CEEMDAN与KFCM聚类的转辙机退化状态识别方法

针对道岔转换设备在使用寿命内的功率信号特征提取与退化状态识别问题，提出基于自适应白噪声完备经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）与核模糊C均值聚类（Kernel-based Fuzzy C-Means clustering,KFCM）相结合的转辙机退化状态识别方法。首先，对S700K转辙机采集的功率曲线数据进行模态分解，得到多个固有模态函数（Intrinsic Mode Functions,IMFs），通过IMFs的能量幅值获得表征数据退化过程的特征向量；然后，由KFCM算法对特征向量进行转辙机退化状态识别，并进行状态划分；最后，通过计算分类系数和平均模糊熵对该方法的分类性能进行综合评估，并与模糊C均值聚类（Fuzzy C-Means clustering,FCM）和GK (Gustafson Keseel)聚类算法进行比较。结果表明：该方法聚类效果准确率达95.6%，优于FCM和GK聚类算法，能对转辙机的退化状态进行科学划分，为铁路现场道岔设备健康状态监测提供...     

基于模糊聚类法的城轨列车系统划分方法研究

针对城轨列车系统划分的问题,首先,利用层次分析法对城轨列车系统进行划分,明确系统各零部件间的定量关系,建立城轨列车系统功能、材料、结构、安全等4个相关矩阵模型并进行一致性验证;其次,分配不同原则的权重系数,得到模糊综合相关矩阵;然后,通过模糊聚类法中的编网聚类法和最大树聚类法直接进行聚类分析,并对分析结果进行对比,得出合理的城轨列车系统划分结果。通过实例验证该方法有效可行,为城轨列车维修优化提供理论依据。     

铁路智能运输系统通用信息平台的设计与实现

为全面解决铁路智能运输系统(RITS)各业务系统间的互连问题,保障信息采集、传输、管理及共享功能的顺利实现,提出按照站段级、路局级和铁道部级3层管理模式开发建设RITS通用信息平台的总体思路。整个平台系统分为数据抽取、查询处理、模式集成信息管理、语义冲突处理、局部成员代理、数据字典、综合交通信息发布和应用服务等8个功能模块。根据铁路各信息系统的特征,给出通用信息平台的具体实现方法。采用OLE DB和ODBC API函数屏蔽数据模式的差异,连接和抽取异构数据,创建数据字典;XML作为公共数据模型用以消除异构关系数据的异构性和多语义性;利用CORBA(Common Object Request Broker Archi-tecture)技术和元数据技术构建应用服务器和元数据库,达到已有异构系统以及新建系统通过通用信息平台实现有效集成。     

铁路绿色施工节地与土地资源保护措施评价

为了更好地促进绿色铁路建设,进而促进国家实现建设资源节约型环境友好型社会的目标,必须对施工阶段铁路的节地与土地资源保护措施进行评价。通过研究相关技术标准及铁路施工特点,建立一套完善的铁路绿色施工节地与土地资源保护措施评价指标体系。然后,利用三角模糊数层次分析法确定各指标权重,应用灰色聚类法确定评价指标体系的综合绿色等级。最后,结合实例证明三角模糊数层次法与灰色聚类法结合可以对铁路绿色施工节地与土地资源保护措施进行很好的评价,并能找出铁路施工阶段节地与土地资源保护的不足之处并进行改进。     

基于小波包分解与GG模糊聚类的转辙机退化阶段划分研究

针对道岔转换设备退化特征提取以及性能退化阶段准确划分的问题,提出一种基于小波包分解与GG聚类的退化阶段划分方法.首先对采集的ZYJ7转辙机工作功率曲线进行小波包分解,获得表征道岔转辙机状态的特征向量,构建退化性能指标;其次采用GG模糊聚类方法对道岔转辙机性能退化状态进行阶段划分,识别不同的退化状态;最后选用分类系数、平...     

对建立铁路智能运输系统标准体系的思考

结合国内外智能交通系统标准体系的研究现状,分析了我国建立铁路智能运输系统标准体系的必要性,提出我国铁路智能运输系统标准体系结构框架.     

基于模糊投影决策模型的铁路客运专线融资结构优化研究

通过对融资结构优化决策特点的分析，指出铁路客运专线融资结构优化决策实际上是复杂的多目标决策问题。在此基础上，建立铁路客运专线融资结构优化决策递阶结构模型、决策指标组合权重熵值法与专家主观意见相结合的计算模型以及模糊投影决策评价模型；并编制了决策系统和分析软件；给出了应用实例进行验证，证明此文建立的评价模型能充分利用信息，对表面上看起来复杂的方案进行优劣次序排列，且能使理论和经验结合起来。排序结果能够比较客观公正地反映我国铁路客运专线融资结构的实际情况，可为铁路客运专线的融资结构提供指标评价及方案优选服务，避免因主观原因而造成的决策偏差。     

基于数据仓库的决策支持系统

针对企业决策支持系统对数据资源需求的广泛性,研究利用Internet WEB 服务器组成基于数据仓库的企业的决策支持系统.作者详细阐述了需求分析,系统功能,体系结构和主要的技术关键.     

基于YOLO算法的高速铁路客运车站钢结构雨棚螺栓缺失检测系统

当前，我国高速铁路客运车站钢结构雨棚螺栓缺失检测过于依赖人工目测，其危险系数大、成本高、效率低且误检率高。为解决该问题，提出一种基于YOLO(You Only Look Once)算法的螺栓缺失检测系统。该系统采用YOLOv4卷积神经网络，对现场采集的钢结构雨棚和接触网螺栓进行标注，通过K-means聚类算法，确定锚框数目和尺寸；利用CutMix和Mosaic等数据增强操作，增加训练数据的多样性，避免出现训练过拟合。试验结果表明，该系统类别识别准确率可达85%以上，识别效果较好，满足检测实时性要求。