基于EMD和包络分析的城轨列车滚动轴承故障诊断

为了准确识别城轨列车滚动轴承故障类型,研究了一种基于经验模态分解（EMD,Empirical Mode Decomposition）和包络分析的滚动轴承故障诊断方法。对滚动轴承的振动信号进行EMD分解,得到若干个本征模态函数（IMF,Intrinsic Mode Function）之和,对包含主要信息成分的IMF分量作包络分析,根据包络谱的故障特征频率判断滚动轴承故障类型。实验结果表明,该方法能够准确有效地识别城轨列车滚动轴承的故障类型。     

基于VBA的CAD二次开发绘制无缝线路布置图

在对铁路无缝线路布置图的构成要素进行分析的基础上,基于Auto CAD VBA的编程原理,利用VBA对CAD进行二次开发来绘制无缝线路布置图。首先将与绘制无缝线路布置图有关的数据汇总组织并生成成多个Excel表,然后建立CAD和Excel之间的通信,找到绘图元素坐标在CAD图中的对应关系,最后自动循环绘制无缝线路布置图,为直接在CAD图形环境下实现无缝线路布置图的绘制提供了一种高效、准确的技术方法。     

中华人民共和国铁道部2007年铁道统计公报

2007年,铁道部党组带领全国铁路干部职工,认真贯彻落实党中央、国务院的部署,坚持以科学发展观为指导,立足经济社会发展大局,顽强拼搏,团结奋战,加快铁路建设,推进科技创新,成功实施第六次大面积提速调图,深入挖潜扩能,大力提高客货运量,强化安全基础,狠抓节支降耗,增加经济效益,全面深入推进和谐铁路建设,各项工作取得显著成绩,为经济社会又好又快发展作出了新的贡献.     

“米字型”高速铁路枢纽总布置图型研究

《中长期铁路网规划》实施以来,我国"米字型"高速铁路枢纽越来越多,为了做好"米字型"高速铁路枢纽的总图规划,在分析"米字型"高速铁路枢纽引入线路特征及客流特点的基础上,借鉴国外高速铁路枢纽规划布局,研究提出我国"米字型"高速铁路枢纽双十字型和环型两种总布置图型,并研究各自的适用范围和关键技术问题,以便对我国"米字型"高速铁路枢纽的规划建设提供参考。     

中海达海洋导航软件的数据处理方法

在水深测量监理的工作中,水深数据的处理是工作的难点。文章通过对常用的水深测量导航软件＂中海达海洋测量导航软件＂的数据处理方法研究,开发出了该常用导航软件的数据处理方法程序,解决了水深测量监理中的关键难点。     

内河电子航道图制作质量控制

文章介绍了内河电子航道图的定义及主要特点,并以柳江电子航道图制作为例,重点阐述了内河电子航道图的质量控制措施及电子航道图的发展前景。     

影响我国沿海的海雾及一起碰撞事故的分析

此文讨论了影响我国沿海的海雾的气候分布、季节变化及其成因,给出了根据船舶气象传真图预报海雾的MED方法,并对一起雾航碰撞沉船事故进行了案例分析。     

基于分区加权Voronoi图的交通疏解组织方案

为减少城市轨道交通建设施工期间对城市道路交通的影响,保障施工点附近的城市居民出行通畅,创新研究了基于分区加权Voronoi图的交通疏解组织方案。首先,将道路分隔的地块重心作为点要素,分区域将地块相邻道路背景交通量中的饱和度作为权重,构建出行路径模型;其次,利用Arcgis软件将出行路径模型矢量生成加权Voronoi图,依据道路背景饱和度作为阻抗因素,筛选远端交通疏解绕行线路及设置有效交通指引标志方案;最后,以广州地铁11号线芳村站为例,利用分区加权Voronoi图构建了芳村地铁站点施工期间交通疏解组织方案,并利用Visum软件进行了方案交通影响分析,验证该方案的可操作性。     

考虑超级街区的城市路网边界控制策略研究

为缓解城市中心区交通拥堵状况,提出基于超级街区的路网多子区边界控制策略. 将城市区域路网划分为中心区、郊区及超级街区3个子区,结合宏观基本图(MFD)建立各子区交通流动态平衡方程;以中心区车辆出行完成率最高为目标,以边界收费费率和出、入口数量为控制变量,建立考虑车辆通道选择行为的路网多子区边界控制优化模型;并以实际路网数据为算例验证模型有效性.结果表明：边界控制策略下的中心区服务能力比无边界控制提高 7%;利用超级街区实现路网边界控制能够有效改善区域交通密度分布均衡性,提升路网服务效率;通过改变超级街区出、入口数量,实现边界控制兼备有效性和实践性.     

浅谈深度学习技术在交通态势预测中的应用

随着区域经济的增长, 公路通行需求呈爆炸式增长。 高速公路作为区域的主干道和大动脉, 路网通行能力和通行需求之间的矛盾越来越突出, 拥堵成为高速公路运营管理最大的痛点之一。 高速道路运营单位、 政府管理部门亟需一种实时性强、 可靠性高的路况分析技术为拥堵治理提供服务。 传统的分析技术 (如机器学习、 统计学方法等) 无法满足处理海量的多源异构数据的需求。 随着近十年来大数据技术和 GPU 计算能力的发展, 深度学习技术这门新信息技术日益成熟, 拥有强大的数据处理能力。 在交通态势预测领域, 借助深度学习技术处理海量的交通数据可以实现道路通畅度的高精准、 高可靠性预测, 再辅以主动管控和车路协同技术来提升高速路网的通畅性和安全性。 文章首先简要介绍深度学习技术的发展历史和交通态势预测领域的发展现状, 再浅析深度学习在智慧高速中的应用场景, 最后分析深度学习技术面临的隐患并进一步对深度学习进行展望。