铁路冷藏集装车辆快速运输的可行性探讨

冷藏集装箱对运输时限和速度有较高的要求,在分析特快、快速、普快3种快运货物班列运输的基础上,从运行径路、作业站点、车辆连挂等方面,研究了特快、快速货物班列加挂冷藏集装箱车辆运输组织模式的可行性,并进行了时间效益分析,提出快速货物班列加挂冷藏集装箱车辆的接驳方式,为铁路优化冷藏集装箱运输组织和快运货物班列产品结构提供参考.     

基于simpack仿真的铁路超限货物动态运输安全研究

为量化分析各因素在安全运输过程中的影响程度,以车辆滑移、车辆侧翻、货物位移、货物滚动为安全指标,建立了铁路超限货物运输的车辆-道路模型,运用simpack软件对铁路超限货物运输安全过程进行动态仿真。结果表明,重心横向偏移量、重车重心高和超限等级对起到主要影响。     

铁路有源电子防盗锁信息管理系统研究

在分析铁路有源电子防盗锁相关作业流程的基础上进行铁路有源电子防盗锁信息管理系统的功能设计和架构设计。系统由管理子系统和?GIS?追踪查询子系统组成,其中管理子系统提供出入库管理、预加锁管理、加锁管理、拆锁管理、统计分析、作业人员管理、报警管理及权限管理功能,GIS?追踪查询子系统的主要功能是基于地图的车辆位置查询、运行轨迹查询、区域统计、运达时间预测及权限管理。系统采用?B/S?架构,在保证安全的前提下为用户提供完备的功能。     

基于最大Lyapunov指数的铁路货物运量预测研究

根据混沌理论具有分析非线性动态系统混沌特性的特点,对货物发送量相关时间序列进行了分析和研究。本文在Takens相空间重构的基础上,利用C-C方法求嵌入时延与嵌入窗、G-P方法求嵌入维数;应用小数据量法计算铁路货物发送量相关时间序列的最大Lyapunov指数,并进行混沌特性分析,结果显示:货物发送增长量和增长率符合混沌特性,货物发送量不符合混沌特性;利用基于最大Lyapunov指数方法和BP神经网络方法对1999年1月到2013年4月共172个月的铁路货物发送增长量和增长率进行预测,预测结果表明基于最大Lyapunov指数预测值能够较好地与实际值相吻合,其预测的准确度明显好于BP神经网络预测值,因而混沌理论中的最大Lyapunov指数预测在货物发送量相关时间序列预测中有广泛的实用价值。     

发展中的我国新型货物车辆及货物专用车辆

铁路运输是我国交通运输体系的骨干,是国民经济的大动脉。建设好,运用好铁路,对于推动我国的经济发展和人民生活水平的提高有着重要的作用。铁路的机车车辆作为铁路运输的载体,是完成铁路运输的最基本工具之一。 货物运输是我国铁路运输的重要组成部分,占全国总运量的51.3％。到目前为止,我国铁路的货车保有量为53万辆(其中企业自备车约为10.4万辆),铁路货车日装卸数为7.5万辆左右。 何谓货物车辆和货物专用车辆 简单地说,运送货物的车辆统称为货物车辆。但     

基于等维新息模型的铁路货物周转量预测

通过对近年全国铁路货物周转量的统计数据进行分析,采用等维新息模型对未来几年的货物周转量进行了预测,通过实际数据与预测值进行比较,证明了该模型对预测铁路货物周转量的可信度和精度。     

铁路危险货物自备罐车安全管理的探讨

阐述了铁路危险货物自备罐车的管理现状,指出铁路危险货物自备罐车管理中存在的管理措施不具体、应急预案缺乏针对性、罐车充装计量问题突出、车辆检修质量较低等问题,提出对铁路危险货物自备罐车的增加进行有序管理、加快铁路危险货物自备罐车运输信息系统的开发,以及加强从业人员培训等建议。     

铁路运输货物索赔须知和索赔流程

凡参加铁路保价运输的货物，铁路承运部门首先是采取一切必要安全措施，使货物安全运达目的地。如果在运输过程中发生了货运事故，铁路运输企业为了方便托运人、收货人办理索赔，制定了一系列政策、办法；在全路各铁路货场公布了“索赔须知”和“索赔流程图”；托运人、收货人对发生的货运事故既可以向到站办理索赔手续，也可以向发站办理索赔手续；对于承运人责任明确的货运事故，承运人将“先对外赔付，后划分铁路内部责任”；规定了铁路局和站段的最长赔付时间等等。充分体现了铁路保价运输索赔方便，办赔迅速的特点。     

铁路货车的新发展

铁路货车是以运输货物为主要目的的装载车辆。目前我国全国铁路拥有货车超过45万辆,承担的货物周围量占全国总货物周围量的50％以上。可见,我国铁路货车在全国交通运输市场中所起的作用是举足轻重的。     

铁路超限超重货物运输优化对策探讨

铁路超限超重货物运输在保障国防航天建设、重点工程建设项目和促进国民经济发展等方面具有极其重要的意义。阐述铁路超限超重货物分级、运输采用车型以及运量等现状,提出超限超重货物运输存在运输过程安全影响因素多、运输径路存在不利条件、运行限制影响运输秩序、运输过程中货物装载状态变化等影响因素。根据超限超重货物作业环节和运输特点,提出铁路超限超重货物运输优化对策,即:加强规章制度管理、推进运输径路智能化选择、采取多种方法减少运输影响和强化运输全过程监控等,有效提升运输效率和安全管理水平,确保超限超重货物安全、及时运达。     

基于梯度提升决策树模型的铁路货运装卸时间预测技术

铁路货运装卸时间的精准预测可提升铁路货运系统的调度合理性和服务质量,但装卸时间受多种因素影响。文章针对铁路货运装卸时间预测问题,从铁路货运运单全流程信息中挖掘运单属性与货运装卸时间的关系,以分类与回归树为基础模型,在LightGBM框架下构建梯度提升决策树模型;对铁路货运运单全流程信息中的相关数据进行整合、对数变换、增加特征等预处理,形成运单数据集;采用该数据对构建的模型进行训练,结果表明,构建的模型对货运装卸时间的预测性能优于与其对比的其他机器学习模型。将该模型应用在实际货运装卸业务场景时,实际准确率依旧高于其他对比模型。     

铁路重车到达预报与卸车预警系统研究与开发

铁路卸车业务管理缺乏准确的重车到达预报信息,难以及时发现卸车量与车站卸车能力不匹配,致使卸车组织工作常处于被动的局面.为此,充分利用现有的车流历史信息和车流实时追踪信息,研究开发了铁路重车到达预报与卸车预警系统.文章介绍该系统的架构和功能,详细描述重车到达预测算法和卸车分级预警机制.该系统能够动态预测未来3日内全国铁路...     

基于大数据分析技术在铁路卸车组织优化中的研究

文章介绍铁路卸车组织管理系统，该系统利用大数据分析技术，解决待卸车动态分布实时分析、重车在运输过程的监控和预警、重车到达时间的预测和预报，辅助编制卸车计划，安排货运专用线或公共货场使用等问题。系统已在昆明铁路局试用，取得了很好的经济效益和社会效益。     

基于大数据的未到达货票清算预测平台研究

为解决未到达货票承运制清算的预测问题,研究了基于k近邻(k-NN, k-Nearest Neighbor)算法模型的预测算法,应用Hadoop技术,构建了基于大数据的未到达货票清算预测平台。实践表明,该平台可使业务部门及时掌握全路货运营运情况,同时明晰货运承运企业间的经营业绩,是铁路货物运输承运制清算系统的重要组成部分。     

基于马尔科夫—Verhulst模型的铁路货运量预测研究

铁路货运量是一个地区经济发展的先行指标之一,准确预测铁路货运量能够为该地区的发展规划起到指导作用。针对传统灰色Verhulst模型在进行铁路货运量预测时模型误差较大的问题,运用马尔科夫链模型对传统Verhulst模型的预测结果进行修正改进,以提高模型的预测精度。最后,通过引入实际案例,验证了经过马尔科夫链改进的灰色Verhulst模型在预测精度方面有了大幅度的提高,适用于甘肃省铁路货运量的预测。因此,应用该模型对甘肃省2015年到2017年的铁路货运量进行预测,为该地区的物流运输及其他相关行业的发展提供可靠的指标依据。     

基于径向基神经网络的铁路客货运量预测研究

根据径向基神经网络具有分析非线性动态系统的混沌特性的特点,对铁路客货运发送量相关时间序列进行分析和研究,在Takens相空间重构的基础上,利用互信息方法求嵌入时延、伪邻域方法求嵌入维数;应用G-P方法和最大Lyapunov指数方法对铁路客货运量时间序列进行混沌识别;根据RBF神经网络的学习算法和辨识原理,对铁路客货运量预测流程进行分析。应用径向基神经网络对铁路客货运量自1999-01-01-2012-08-27共4 988 d的发送量为基础进行径向基神经网络预测;并对预测误差进行检验及对预测结果进行分析。研究结果表明：基于径向基神经网络预测值能很好地与实际值相吻合,因而在铁路客货运量相关时间序列中预测有广泛的实用价值。     

一种基于BP神经网络的铁路大宗货物运价风险预警判定方法

为获取较大的市场占有率和较好的利润增长水平,铁路货运公司需要实时掌握铁路货物运价在货运市场中的竞争力,综合考虑社会、企业自身和货主等因素,基于BP神经网络算法,进行铁路货运价格风险预警判定方法研究,并建立运价风险预警模型。以某铁路局集团有限公司大宗货物运输中的煤炭运输为例,选取2015-2017年相关数据,训练BP神经网络模型,得到铁路煤炭运价的风险预警结果。与实际数据对比,拟合程度较高,因此可使用该方法对当期的运价风险程度进行合理预测,同时也对相关铁路部门的运价政策制定与调整起到辅助决策作用。     

RBF神经网络在铁路货运量预测中的应用

基于回归和时间序列模型的传统预测方法以及目前较为常用的灰色预测和BP神经网络预测方法，建立了RBF神经网络模型对全国铁路货运量进行详细分析和预测。利用铁路货运量的原始数据构造时间序列，并对时间序列进行分析和相应的处理。将处理后的数据构造为一个非线性映射，利用RBF神经网络进行逼近。利用Matlab对灰色预测、BP神经网络预测和RBF神经网络预测模型进行仿真实验，得出3种预测模型的平均相对误差，分别为7.67%、4.79%和1.31%。表明RBF神经网络预测方法的预测精度比另外两种预测方法高很多，可为铁路货运量预测研究提供方法支撑。     

基于组合预测模型的铁路货运量预测研究

为了进一步提高铁路货运量的预测精度,提出基于乘积季节模型与引入注意力机制(Attention Mechanism)的长短期记忆(Long Short-Term Memory)模型的组合预测模型。首先建立乘积季节模型、LSTM模型与引入注意力机制的LSTM模型,然后利用误差修正法分别将2种LSTM模型与乘积季节模型组合起来进行预测,最后将预测结果分别与单一模型进行对比。采用2005年至2018年全国铁路月度货运量进行预测分析,结果表明2种组合预测模型的预测精度均高于单一预测模型的预测精度,其中基于乘积季节模型与引入注意力机制的LSTM模型的组合预测模型精度最高,具有研究和实用价值。     

柳州南站货检安全集中监控系统的建立

柳州南站是南宁铁路局路网性贷检站，主要担负着湘桂、黔桂、焦柳线到发列车的贷检工作。柳州南站采用先进的系统集成技术，通过统一的数据接口，利用计算机网络技术、多媒体技术，将柳州南站与贷运安全有关的各个子系统进行整合，做到贷运安全信息与行车实时信息的融合和系统资源共享，形成一套共保贷运安全的监控系统，提高了贷检安全的质量和效率。