基于生成对抗网络的隧道裂缝自动分割算法研究

传统裂缝识别技术需要大量带标签的裂缝图像作为试验数据集,为减少裂缝图像标注的工作量,利用生成对抗网络图像分割的特性与优势,构建一种Crack-GAN网络用于隧道裂缝自动分割。Crack-GAN网络结构集成2个模块：融合残差化U-Net网络的生成器网络和利用全卷积网络生成置信图的判别器网络。首先U-Net模块使用密集的残差模块来生成保留细粒度信息的深层表示,然后判别器来判断输入真假,并以端到端的方式训练,再经过生成对抗模型之间不断迭代,使生成模型达到分割裂缝的最优状态。试验表明,Crack-GAN网络在自制铁路隧道裂缝数据集上的像素准确性为98.35%,精准率为71.23%,召回率为80.78%,F1得分为75.98%,单次检测时间80 ms,综合表现优于U-Net和CrackSegNet。     

铁路周界入侵目标多尺度特征感知算法

准确识别侵入周界范围内的人和大型牲畜是铁路周界入侵视频智能分析技术的重点内容,对保障铁路安全运营具有重要意义。基于现有目标检测算法难以处理铁路监控场景中入侵目标呈现显著尺度变化的状况,提出一种多输入双输出神经网络(Multiple Input Double Output Network,MIDO-Net)和基于自适应特征加权融合的目标多尺度特征感知算法。首先,通过MIDO-Net多层级联的多输入和双输出网络结构,提取图像目标更丰富的多尺度特征信息;其次,依据骨干网络多阶段的特点,先将多级特征上采样至统一分辨率,再利用注意力模块和自适应参数对多级特征进行加权;然后,将特征输入到检测头中完成铁路周界入侵的识别;最后,通过视觉目标类别(Visual Object Classes,VOC)公共数据集和制作的多场景、多尺度铁路异物侵限数据集,对算法进行验证。结果表明：提出的多尺度特征感知算法在VOC公共数据集中的检测精确率达83.3%,在多场景、多尺度铁路异物侵限数据集中的检测精确率达91.1%,平均召回率达56.2%,均优于当前广泛使用的各种特征提取骨干网络;算法检测速率为45帧·s^...     

基于生成对抗网络的地铁OD需求短时预测

城市轨道交通作为一种安全、运量大、环保节能的交通工具,能有效缓解城市交通压力,逐渐成为大中城市居民最重要的出行方式之一。准确可靠的城市轨道交通短期客流预测对旅客出行与客流管控有重要意义。有鉴于此,提出一种新型的生成对抗网络(GAN)模型,即CWGAN-div模型,以实现对地铁OD需求的短期预测。CWGAN-div模型融合条件生成对抗网络(CGAN)模型以及基于Wasserstein散度的生成对抗网络(WGAN-div)模型,结合2种模型的特点,来提高原始生成对抗网络模型的稳定性和生成精度。考虑到地铁客流量变化的时间周期性,使用一种融合2类周期信息的时间标签作为条件信息,并与历史OD数据一起作为模型的输入。为了更充分、更稳定地挖掘地铁客流需求的时空相关性,采用一种改进的卷积神经网络,即残差神经网络构建CWGAN-div的内部结构。以深圳地铁1号线和4号线的44个站点为例,数值实验表明,CWGAN-div模型具有较好的稳定性和预测效果,相比传统预测方法和普通深度学习方法在预测精度上分别提高了27.97%和6.59%,相比其他组合模型提高了3.26%,相比基础CGAN模型和WGAN-div模...     

基于改进FairMOT的铁路周界入侵检测方法

针对铁路综合监控视频中不同远近行人成像面积差异较大、自然环境变化产生干扰等因素造成的检测难题,提出一种改进FairMOT框架的周界入侵检测方法。首先,针对监控视频中不同远近的行人,通过在FairMOT框架中引入感受野模块,丰富不同成像大小行人检测所需的感受野,以更好地提取不同尺度特征信息;其次,针对夜晚时段方法检测性能较低的问题,在编码解码网络后融合空间注意力模块,强化夜间前景行人关键特征,同时优化目标跟踪和判断流程,实现稳定检测;然后,针对缺乏大量学习样本的问题,使用行人检测跟踪数据集与铁路真实数据集混合增强训练,提高方法在全天候检测中的泛化性和鲁棒性;最后,在MOT17数据集和铁路真实数据集上,对改进FairMOT检测方法与CenterTrack,Bytetrack等方法进行对比试验。结果表明：提出的改进FairMOT检测方法在白天和夜晚对不同大小目标检测中,均取得了最高的准确率和召回率调和均值,检测性能最好;方法检测速率为25.2帧·s^-1,能够满足实时检测要求。改进的FairMOT检测方法可以更有效地应用于实际铁路周界入侵检测场景。     

基于一维深度卷积生成对抗网络的钢轨波磨识别方法

实际工程中钢轨波磨数据难以大量获取,无法构建庞大数据集进行智能诊断模型训练。针对这一问题,本文提出了一种基于一维深度卷积生成对抗网络的钢轨波磨识别方法。首先使用一维生成对抗网络生成与实际波磨振动信号结构相同的伪样本,对样本信号的数据集进行扩充;然后提取波磨振动信号的时域统计指标作为波磨数据的特征;最后使用分类算法对不同特征的波磨振动数据进行学习与分类。使用实测钢轨波磨振动数据进行试验验证,结果表明：利用本文方法所生成的伪样本数据,在时域、频域以及时域特征指标方面均与真实样本数据基本一致;使用KNN、SVM和DT三种分类模型对波磨数据的特征进行分类和对比,均可较好地进行波磨识别。     

铁路列流图自动生成算法

针对铁路列流图目前由手工绘制存在的缺陷,研究铁路列流图自动生成算法。根据图论理论,从列流图中的列流路径由车流组织确定而无需考虑路径长度的特点出发,借鉴最短径路算法,提出站点连通路径标号算法,用来求出起点至终点经历的站点集合。采用点集合及边集合自动生成算法,自动生成路网内的车站、衔接方向、道岔及铁路线。分析不同情形下径点偏移的横纵坐标关系,按列流线等间距绘制的要求提出列流线自动生成算法。依据自动生成算法开发列流图编制软件,运用该软件自动生成具有65条列流线的某路网列流图,证明列流图自动生成算法能够很好地提高设计效率和质量,同时有助于实现列流图的规范化。     

基于振动光纤及视频分析技术的铁路周界监控系统

为更有效地保证铁路运输安全,选择合理的监测技术,建立多系统立体式防护措施,为铁路站场、沿线的安全保障提供辅助手段成为重要任务。本文将针对此问题进行阐述,提出多系统结合的铁路周界监控系统。     

基于分布式框架和雷达视频融合技术的铁路周界系统

铁路周界防护是保证铁路安全运行的重要措施。为有效提升铁路周界防护水平,分析铁路安防系统现状和需求,设计并实现了基于分布式框架和雷达视频融合技术的铁路周界系统,重点论述该系统的设计原则、关键技术、核心功能、性能指标、适用场景及特点。该系统可有效弥补现有防护手段的不足,进一步满足铁路周界防护的需求,并已在多条铁路投入使用,应用效果良好。     

基于权矩阵的通风网络最小生成树算法研究

为优化图的数据存储结构,缩小最小生成树构造过程的搜寻范围,提高搜索效率,减小构造过程中的判断,以赋权有向图权矩阵为基础,结合最小生成树性质提出用于存储通风网络数据的表格,并将表格进行分区处理。基于Prim算法和通风网络数据存储结构,提出通风网络最小生成树构造方法并编制相应程序,结合具体通风网络结构以表格方式给出最小生成树的具体构成过程。研究结果表明:基于权矩阵的构造方法与经典Prim算法对工程算例的最小生成树进行构造分析所得到结果是一致的,同时编制的程序也验证了该方法能够正确有效地构造通风网络最小生成树。     

基于特征图裁剪的高铁周界入侵实时检测算法

为解决高速铁路周界入侵高可靠度检测的难题,研究基于深度学习的异物入侵实时检测算法。针对深度卷积神经网络存在内存占用量大和检测耗时长的问题,提出以特征图L1范数为准则的递归裁剪算法,逐步降低模型计算量及储存空间,同时将检测准确率保持在较高水平。在基于ImageNet数据库和铁路场景数据库的测试中,该算法可以将VGG16模型压缩约660倍并加速计算4.4倍,而损失的检测准确率分别只有1.2%和0.25%。研究结果表明,基于特征图L1范数的裁剪准则普遍适用于任何具有卷积运算的神经网络结构中,性能优于现有基于卷积核L1范数的裁剪准则。     

基于多光谱的铁路周界入侵智能追踪一体化侦测系统研究

随着高速铁路大规模投入运营,其周界安全问题日益凸显。基于多光谱的铁路周界入侵智能追踪一体化侦测系统综合应用红外热成像、低照度高清可见光摄像机、计算机视觉、人工智能、高速嵌入式计算等技术,实现铁路周界内全天候、全天时稳定监测入侵情况。系统探测到入侵目标后,能够自动上传并跟踪入侵目标,为后续处置留存有价值的视频资料。该系统具有适应各种气候环境、应用范围广、布防灵活等优点。通过上道试验和实际验证,证明该系统性能良好。     

基于行人流线网络的上海轨道交通长江南路站行人设施布置方案优化

针对既有行人流线网络法中实结点模型存在的不足,提出了改进模型,并将改进方法应用于上海轨道交通18号线长江南路站行人设施布置优化方案。利用流线饱和度、设施最大拥堵面积等指标分析了原方案及3个优化方案在多种客流工况下的客流适应性,并给出了推荐方案。对推荐方案的客流进行了测试,结果表明,改进的行人流线网络法能够有效评价行人设施布置方案,且在车站行人设施布置方案的局部及整体调整时,行人流线网络法较行人流微观仿真法简便。     

铁路站场信号联锁关系自动生成算法研究

当站场结构发生变化,站场联锁关系表也随之改变需重新编写,而站场联锁表多依靠深度搜索或广度搜索算法来生成,对于大型编组站其计算量大、效率较低。通过对铁路站场运输设备及其相互间关系的研究,分析站场拓扑结构,进行有向图建模,应用图论的最优化理论探讨铁路站场联锁表的自动生成方法。并且通过对图搜索算法的研究和对比,设计启发式的联锁表进路搜索方法,实现联锁表的准确、高效自动生成。     

基于网络最短路径的铁路购票智能推荐算法研究

针对如何高效地利用铁路资源,并实现出行效率的优化,本文在现有列车运行时刻表的基础上,以图论中的最短路径求解方法,充分考虑换乘时间、车票价格、旅途总用时等因素,整合现有铁路系统列车运行数据,提出一种可行的优化思路,分析可能存在的实际问题,编写计算机程序,初步实现了铁路购票的智能推荐,能够为用户提供票价最少与总用时最少两种方案,并给出具体购票组合策略.     

振动光纤周界入侵报警系统在铁路的应用

为了及时发现并快速处置恐怖袭击和破坏铁路的犯罪活动,针对目前铁路沿线防护栅栏和人防能力薄弱的问题,建设周界入侵报警系统迫在眉睫。通过对周界报警系统的分析,提出振动光纤技术监测的解决方案。系统具有在线入侵行为实时监测报警能力,并能调取现场视频图像,第一时间向监控人员提供报警信息和事发现场的视频信息,为快速处置提供可靠的技术支持。     

基于蚁群算法的铁路纵断面优化算法研究

将蚁群算法应用于铁路纵断面优化设计,提出一种基于蚁群算法的铁路纵断面优化设计方法。即在初始纵断面方案的每个变坡点附近区域内划分网格并设置网格中心点之间的初始信息素;由计算机模拟出人工蚁,根据概率选择路径并更新所选路径上的信息素,在划分的网格范围内多次迭代优选变坡点位置;通过缩小范围、逐步求精的方法进一步优化,直至优化结果达到要求为止。结果表明,采用该设计方法,既能满足各项技术要求为止,又能使各种工程费用或运营费用达到最优,为改善平面位置提供依据。     

基于Faster R-CNN网络模型的铁路异物侵限检测算法研究

行人和车辆等异物侵入铁路周边限界内的情况严重威胁了行人自身安全及铁路行车安全。针对传统铁路异物检测算法识别精度不高、分类不明确和结果易受外界环境影响等缺点,提出了一种基于Faster R-CNN网络模型的铁路异物侵限检测算法,并对该模型做适应性改进以满足铁路异物检测的现实需要。提出将全连接层用全局平均池化层替代来减少参数量;通过增加锚点个数来提高对目标区域建议的精确性;引入迁移学习思想训练网络以解决铁路异物侵限数据匮乏问题。在铁路异物侵限视频数据集上进行测试表明,本算法对于人、车及部分动物的综合检测精确度达到了97.81%。     

基于复杂网络的城际铁路网络脆弱性分析

运用复杂网络理论对城际铁路网络脆弱性进行分析,并找出脆弱的站点以加强防护。将城际铁路线网抽象为由车站和城际铁路线路所构成的非加权无向网络,再对网络的节点度和度累积概率分布、网络直径、平均路径长度、聚类系数、平均路径长度累积概率分布等特性指标进行分析,确定网络类型。提出网络脆弱性分析的主要指标为网络效率和连通度,利用Matlab工具,把网络中节点按照度的高低进行分类排序,并对网络度值较高的站点进行累积蓄意攻击和单个节点蓄意攻击,进而对蓄意攻击下网络脆弱性的变化情况进行分析,并确定了网络中的脆弱的点,为城际铁路线网日常防护及网络结构优化提供新的研究视角。最后,以成渝城际铁路线网为实例进行方法的应用。