二叉树在自动进路搜索中的应用

通过研究站场形状与二叉树形状的相似性,将站场结构进行约束限定,以二叉树的方法建模,提出了一种高效,方便的自动进路搜索算法.     

车站配线图系统的设计与实现

介绍了车站配线图系统的设计思想和主要功能,该系统提供了配线图的标准图符集,实现了车站配线图的自动绘制,配线图与设备数据库之间的校验和查询等,为绘制和使用车站配线图带来了方便,提高了效率.     

编组站报点子系统应用中的改进措施

分析了TMIS中编组站报点子系统应用中存在的问题,并给出软件修改建议.     

列车编组计划决策支持系统的研究

列车编组计划方案的优化问题,是一个很重要而又复杂的决策问题。由于系统的庞大,涉及的因素众多,而且其中的许多是不确定的因素,因此需要使模型运算,人机交互,数据调用达到有机的统一,从而解决这一难题,为决策者提供有效的数据上的支持,满足铁路运输现代化建设的需要。本文从列车编组计划的系统要求分析出发,阐述了列车编组计划DSS计算机系统的总体结构和基本功能。     

试论新运行图下编组站到解子系统的工作组织

通过分析现行列车运行图下输入车流对编组站到解系统的影响,指出了编组站到解系 统所存在的部分问题,并针对问题提出了在运输组织方面的对策方案.     

浅谈沉降槽对西安地铁设计的影响及对策

结合西安市地铁二号线设计实例,针对地面沉降槽对地铁建设的影响,提出了有效的处理措施。该措施基本上解决了沉降槽对地铁建设可能带来的危害,可为类似工程建设提供参考。     

地铁车辆现代化升级改造的发展趋势与问题探讨

首先阐述国内外地铁车辆的发展状况和升级改造的项目案例,然后结合国内城市地铁市场的发展现状,以及运维后市场的重要性,提出延长车辆使用寿命、功能升级改造将是国内地铁车辆市场长期健康发展的必然趋势;同时提出车辆升级改造过程中应注意的问题以及发展的方向,为后续车辆升级改造项目提供一定的指引.     

基于改进 BiLSTM 网络的地铁车轮磨耗预测模型

针对地铁车轮磨耗数据时间跨度较长引起的长期依赖问题,为了进一步提升预测精度,提出一种将麻雀搜索算法(sparrow search algorithm,SSA)优化双向长短期记忆网络(bidirectional long short term memory,BiLSTM)的改进 BiLSTM(SSA-BiLSTM)网络模型,用于地铁车轮磨耗预测。首先,利用麻雀搜索算法对双向长短期记忆网络算法的神经元个数、迭代次数、输入批量和学习率等超参数在给定范围内进行寻优,得到参数最优值;然后,以参数最优值来构建改进 BiLSTM 网络模型,对车轮磨耗进行预测分析;最后,以车轮踏面磨耗和轮缘磨耗作为研究对象,将某地铁 1 车厢 1 号车轮的现场实测历史磨耗数据作为输入,对该模型进行训练及验证分析,并与多层感知机(multilayer perceptron,MLP)、LSTM、BiLSTM 以及 SSA-LSTM 模型的预测结果进行对比。研究结果表明：SSA-Bi-LSTM 模型的车轮磨耗预测精度更高,与 LSTM、BiLSTM 以及 SSA-LSTM 网络模型相比,踏面磨耗的平均绝对百分误差(mean absolute percentage error,MAPE)分别降低了 13.28%、10.32%、1.47%,轮缘磨耗分别降低了 9.5%、0.46%、0.02%;分别对同一地铁 2 号、4 号车厢的 1 号位置车轮磨耗进行预测,并与磨耗实测数据进行对比,踏面磨耗的平均绝对百分比误差分别为 1.34%、1.42%,轮缘磨耗的平均绝对百分比误差分别为 0.18%、0.19%,验证了本文所提模型具有良好的泛化性,为地铁轮对智能化管理提供理论支持,延长车轮使用寿命。     

地铁车站岩质深基坑型钢挡墙结构分析

以重庆某地铁工程为背景,基于岩质基坑支护理论,提出了一种岩质地层深基坑支护结构——型钢挡墙结构。首先对该结构进行理论分析与计算,然后从结构的安全性、工期可行性及经济性等方面进行综合论证,最后通过现场测试验证了该结构的安全性和合理性。型钢挡墙结构丰富了岩质地层基坑支护形式,可为后续类似工程的建设提供借鉴与参考。     

商合杭铁路车站路基地基处理与支挡设计

高速铁路车站路基由于路基宽度较宽,周边环境复杂与站房工程接口十分复杂,其地基处理和支挡结构设置需要考虑的因素众多,导致其设计远较区间路基复杂。商合杭铁路车站路基主要采用了CFG桩复合地基、螺杆桩复合地基、管桩桩筏结构、钻孔桩桩筏结构等地基处理方式,支挡结构采用了悬臂式挡土墙、扶壁式挡土墙、桩板墙。施工实践证明,这些工程方案是可靠的,但是在细节上也存在一些值得思考的问题。本文详述了在建商合杭铁路车站路基的地基处理和支挡工程措施及其存在的问题、解决方案及工程效果,可作为类似工程的设计参考。