站台端部入侵防护系统的研究

为了有效地监控铁路站台端部非法入侵行为，增强铁路站台端部防护能力，提出以激光雷达探测技术为主、以超宽带精准定位识别和图像智能识别分析为辅的站台端部入侵防护系统。该系统能够智能探测入侵目标，精准识别携带有定位标签的工作人员，智能识别穿着专用制服或者工装的工作人员；可将工作人员与非法入侵者区分开来，只对非法入侵进行报警，误报率低。目前，该系统已应用于多个铁路车站，有效地提升了铁路车站安全管理水平。     

基于大数据的铁路时间同步网异常流量检测系统的研究

为快速准确地识别铁路时间同步网所受到的恶意攻击,设计一种基于大数据的铁路时间同步网异常流量检测系统。该系统首先采用无监督学习算法K-Means对部分数据进行训练,形成最优聚类模型,并通过该模型实现对异常流量的检测。将已标记的时间同步网数据输入系统,测试系统对异常流量的检测准确率及速度是否满足铁路时间同步网的要求。对系统识别出的异常流量特征进行分析,找出相关性较高的典型特征类型,并结合铁路时间同步网结构,针对该类型特征提出初步的攻击防御建议。研究结果表明:基于大数据的异常流量检测系统聚类时间70.434 682 s及准确率98.36%均满足大数据网络环境下铁路时间同步网的要求;基于时间和主机的网络流量统计特征可以为提升铁路时间同步网的安全性提供参考。     

融合注意力机制的轨道入侵异物检测轻量级模型研究

基于智能视频分析的轨道线路环境入侵物自主识别是保障轨道交通运营安全的关键技术之一。然而基于神经网络的高精度目标检测模型严重依赖算力，部署成本高，很难普及运用。为此，提出一种改进yolov4-tiny的轻量级网络模型。在网络主干，通过融合跨阶段结构和通道混洗策略，提出CSPShuffleNet结构，加快网络推理；在网络颈部，引入多头注意力机制，增强网络目标定位能力；在网络头部，使用深度可分离卷积替换传统卷积，进一步压缩网络参数量。基于铁路异物数据集的实验结果表明：相比于原始yolov4-tiny,本模型的均值平均精度最大提高1.4%,参数量减少49.9%,模型容量减少55.4%。验证了本模型对于固定平台和移动平台检测系统的普适性，从而为铁路安全保障提供决策支持。     

基于混合模型的道岔综合监测系统研究

道岔作为关键的铁路信号设备，也是铁路线路三大薄弱环节之一，其工作质量直接影响列车的运行安全。传统的道岔检测方法过分依赖人工经验，检测效率低下，难以应对现有铁路运行中行车速度快、发车密度高等对道岔维护所带来的严峻挑战，并且现有道岔监测也存在监测项目不全面等问题。为满足工电融合需要，开发了一套基于混合模型的道岔综合监测系统，使用卷积神经网络自动进行特征提取，以获取道岔状态，充分发挥深度学习的自动特征提取优势；采用支持向量机和向量域的混合算法，对正常/故障数据进行分类和异常检测，从而提高故障检测的准确率。测试结果表明：与现有人工巡检方法相比，该系统能够为相关人员提供精准、实时的道岔故障预警，提高维护效率，有效减少人力成本且降低道岔病害的发生概率。     

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。     

基于铁路5C装置的受电弓滑板缺陷智能检测技术

受电弓的异常状态是对高速铁路运营安全影响较大且备受关注的问题.基于计算机视觉的受电弓滑板缺陷智能检测技术,结合改进的YOLOv4模型与边缘提取等传统图像处理算法,研究适用于受电弓滑板监测装置(5C)的缺陷智能识别模型.铁路现场试验证明该智能识别模型在受电弓滑板缺陷检测中的有效性和实时性.     

基于海量运维数据的铁路数据中心风险预测与防控系统研究与开发

基于海量运维数据的风险预测和风险防控是铁路数据中心实现智能运维的基础性工作。围绕铁路数据中心智能运维需求，研究智能分析方法，依托铁路数据服务平台的大数据存储和数据共享服务能力，使用平台提供的数据预处理及模型训练、模型部署等工具，建立容量趋势预测、基于日志分析的风险预测、运行异常预测、施工风险预测等不同运维场景风险预测模型，完成模型训练、调优和测试，最后将通过实验验证的模型进行发布和上线更新。建立基于海量运维数据的铁路数据中心风险预测与防控系统，可以通过运维经验积累来改进评估指标和预测模型，提高风险预测的准确性及风险处置的有效性，帮助运维人员快速聚焦主要问题，有利于保障铁路数据中心长期安全稳定运行，夯实铁路运输生产安全的基础。     

列车装载式GSM-R网络干扰监测系统研究

铁路数字移动通信系统（GSM-R）的性能极易受到无线电干扰的影响。而当前铁路GSM-R网络无线电干扰的监测手段以定期测试、事后分析为主，存在覆盖范围小、时效性低、人工投入大等不足。针对这些问题，提出基于列车装载式设备的铁路沿线GSM-R无线干扰监测系统的解决方案，能够对无线频谱及其他监测系统数据进行实时智能分析，自动识别干扰并给出预警，同时估算干扰源的位置。通过仿真试验，验证了该系统能够根据输入数据实现干扰识别。相对于传统的人工分析模式，该系统的干扰识别效率和准确率都得到提升，在提高GSM-R网络运维水平方面具有一定的应用价值。     

铁路机车乘务员智能实时监测系统研究

针对铁路机车乘务员工作过程中的重点危险因素，研究开发铁路机车乘务员智能实时监测系统。该系统基于深度学习技术和嵌入式视频分析设备，能够有效识别视线脱离、手比异常、疲劳驾驶等不安全作业行为；基于物联网实时获取机车乘务员健康与备班睡眠数据，及时发现机车乘务员健康问题和睡眠不足；该系统改变了依赖于滞后的人工抽查和事后追责的传统机车乘务员监管模式，代之以自动实时检测与即时告警，检测准确度和时效性均有明显提升。     

铁路客票系统数据同步平台设计与应用

为降低中国铁路客票发售和预订系统（简称：客票系统）中数据同步的运营维护复杂度,增强数据同步性能和一致性,提高数据同步过程中满足业务复杂数据需求的能力,设计了客票系统数据同步平台,提出了平台架构和数据同步流程,综合运用智能并发入库、数据一致性检测、流式数据传输技术,提升客票系统数据服务能力。该平台已在客票系统多个业务中进行试用,试用效果良好。     

基于智能视频分析的铁路入侵检测技术研究

针对视频监控系统人工监视容易产生疏漏的问题,研究在铁路场景下基于智能视频监控图像序列处理和分析的识别物体入侵行为检测技术,给出铁路入侵物体检测、定位与跟踪的适用算法,实现基于轨迹点行为模型的入侵行为分析与理解。设计和开发了基于OpenCV的铁路入侵检测实验平台,在此平台上实现背景建模、运动检测与跟踪等项功能,初步实现了对入侵行为的识别、分析以及对危险行为的报警。     

基于WiSARD无权重神经网络的铁路信号系统入侵检测方法研究

铁路信号系统是保障列车高效安全运行的关键信息基础设施，其安全性直接影响到行车安全。为保证信号系统的网络安全，需准确检测网络入侵。提出基于WiSARD无权重神经网络的铁路信号系统入侵检测方法：采用一种新型数据集构建信号系统流量特征，依据RSSP-I/II协议特点，利用核主成分分析法进行降维处理；选取信号系统中常见的4种攻击方式并结合真实流量组成训练数据集；从准确率和F₁两方面，对比WiSARD和其余3类典型神经网络算法分别在单一、混合攻击流量下的性能。实验结果表明：WiSARD在平均准确率和时间开销之间提供了最佳权衡，能有效提高信号系统入侵检测效率，为提升网络安全感知能力提供有力支撑。     

铁路入侵智能检测方法研究

铁路入侵行为严重影响铁路安全,由于人工监控容易产生疏漏,研究计算机智能铁路入侵检测系统尤为必要,文章提出了一种智能铁路入侵识别方法,主要包括2个方面:一是提出了一种描述n维入侵目标可能存在的m维基本运动过程的数学模型;二是提出基于方向场的铁轨智能识别方法。经轨道监控视频实验验证,文中提出的方法可有效识别监控区域中的轨道,并可对铁路入侵目标进行准确识别和跟踪,算法具有一定鲁棒性,对实现智能铁路入侵检测具有重要意义。     

基于5G-R的铁路物联网固定终端连接管理平台方案

5G-R系统是铁路下一代数字宽带移动通信系统,在民用5G系统的基础上针对中国铁路应用场景定制化开发。在高带宽、大连接、低时延的标准特性上,增加了集群通信、智能呼叫、位置管理等铁路特定功能。为适应智能铁路物联网需求发展,面向铁路沿线5G-R网络覆盖,针对铁路物联网数据回传与行车业务数据共网回传的需要,在5G-R体系中提出连接管理平台功能实体。连接管理平台用于管理铁路物联网中进行基础设备设施监测检测的地面固定终端,通过协调数据发送计划,平衡无线网络话务量,实现对无线资源的统一调度,在保障行车数据传送的基础上实现铁路基础设备设施监测检测系统数据有序回传。针对铁路基础设备设施监测检测系统固定终端的业务需求,对连接管理平台的系统架构、功能组成、运维管理提出细化方案。     

基于铁路出行数据的旅客常住地智能识别算法研究

常住地是判断旅客消费能力与收入水平的重要因素，利于根据旅客常住地进行个性化产品推荐。针对铁路客票发售与预订系统的海量出行数据，依据逻辑判断与概率计算设计了铁路旅客常住地智能识别算法；最后利用Scala语言在铁路客运大数据平台上实现算法，并针对最近两年铁路旅客出行数据进行案例验证，结论表明:该算法有效，旅客常住地信息的识别率为67.7%。     

基于雷达视频协同技术的铁路区域安防系统

基于对铁路周界管理要求及一线运行管理情况的深入调研,分析铁路安防系统现状和业务需求,提出基于雷达视频协同技术的铁路区域安防系统设计思路,搭建系统总体架构并实现系统目标功能.经过基础测试、入侵测试、现场试运行测试及环境适应性测试,确定系统的可靠性、功能符合性和实用性.测试结果表明,该系统在报警准确率和响应效率方面表现良好...     

基于微波阵列技术的高铁周界入侵探测系统应用研究

分析高铁周界安防技术现状,结合未来发展趋势,立足于核心管理需求,结合基于深度学习算法模型库的入侵目标探测与识别技术,以及基于数据通信技术的合法识别技术,提出基于微波阵列技术的高铁周界入侵探测系统。该系统能提升高铁周界入侵目标报警准确率,同时为合法施工人员管理提供了有效的技术手段。系统在京沪高速铁路廊坊段开展应用示范,取得了良好的测试效果,具备推广应用价值。     

基于均值漂移和粒子滤波算法的接触网几何参数检测方法研究

随着高速铁路6C检测监测系统技术规范的提出,基于视觉技术的非接触式接触网检测方法越来越受到业内研究人员的重视。为提高接触线上激光斑点跟踪定位的实时性以及测量值的准确性,提出了一种基于均值漂移和粒子滤波算法的接触网几何参数检测的新方法。首先,基于灰度颜色直方图特征分布和接触网"之"字形架构建立光斑目标模型;其次,利用聚类方法对粒子进行聚类,以聚类中心为起点运用均值漂移算法进行迭代计算,对迭代计算的结果利用粒子滤波算法得到光斑目标的图像坐标;然后,将激光斑点在图像坐标系下的坐标进行空间变换,得出接触线的几何参数导高和拉出值在世界坐标系下的测量值。最后,结合检测车在某供电段测试区的实际运行数据,验证了该方法的实时性和准确性。     

铁路桥涵限高防护架碰撞监测系统的研发

鉴于道路超高车辆碰撞桥涵限高防护架事故多发，严重影响铁路行车安全的现状，调研现有监测产品应用情况，研发了新型铁路桥涵限高防护架碰撞监测系统。该系统采用激光二维扫描技术对超高车辆提前预警，采用智能冲击检测和无线传输技术实现限高防护架碰撞事故自动识别；通过视频追踪、车牌识别技术实现视频证据保存和确认；通过管理平台对报警信息进行展示和推送，防止二次事故发生。该系统低功耗、无线化、模块化，成本低且安装和维护方便，适用于铁路各类限高防护架碰撞监测，具有推广应用价值。     

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。