多媒体教学系统中数据压缩方法的研究

如何在网络上实时地传输图像一直是网络数据传输的难点,作者简单介绍了无损数据压缩中的游程编码和帧间编码,然后提出一种游程编码和帧间编码相结合的混合编码数据压缩方法,实现了网络图像传输中对大量图像数据的快速、高效压缩。     

高速列车监测数据处理及故障诊断

车体性能好坏直接影响列车的行车安全,文章利用安装在车体上的传感器所采集到的振动信号,选取合适的信号特征提取方法进行评估,达到列车故障早期预警的目的。试验数据表明,车体的振动信号具有非线性、非平稳的特点,先对振动信号提取小波包能量矩特征进行时频域分析,发现该特征提取方法可以直观地反映车辆横向和垂向振动情况。引入基于局部分析的拉普拉斯特征映射算法(LE),对故障工况的小波包能量矩熵特征所构造的高维特征向量空间进行降维,发现能够从垂向加速度信号识别出空气弹簧失气工况,从横向加速度信号识别出抗蛇行减振器故障和横向减振器故障。这与车辆动力学分析结果一致,同时也证实了流形学习方法对列车性能评估具有一定的作用。     

考虑驾驶行为异质性的城市快速路合流区仿真模型

为研究城市快速路合流区车辆运行规律，基于车辆自然轨迹数据，提出考虑驾驶行为异质性的合流区元胞自动机仿真模型。模型将合流区分为上游区域、合流区域及下游区域，3个区域由11条路段组成。首先，利用Kalman滤波算法对自然轨迹数据进行降噪处理；然后，计算每辆车驾驶行为特征参数并进行K-means聚类分析，结合聚类效果评价指标Silhouette系数将驾驶行为分为：保守-谨慎型、激进-谨慎型、保守-轻率型及激进-轻率型这4种类型；最后，依据分类结果， 建立考虑加速度、随机慢化概率异质性的跟驰模型和考虑换道安全间距、换道决策的多级异质性换道模型。在各空间占有率的情境下，基于Matlab进行数值仿真，统计同质驾驶行为和异质驾驶 行为条件下，合流区域车道的流量、密度、速度、时空位置及换道频率等参数。仿真结果表明：在空间占有率为10%~20%时，同质交通流相比异质交通流更容易产生局部交通拥堵和交通流失效情境，并且同质交通流量峰值比异质交通量小27.1%；随着空间占有率的增加，同质车辆和异质车辆驾驶频率均呈现增加-稳定-下降的趋势，而异质驾驶行为换道频率的极大值比同质交通流高 20.74%。     

北京市地铁乘客安检安全意识调查分析

近年来,国内外地铁安全事故时有发生,地铁安检作为应对安全隐患的有效防范手段,加强其检查力度也成为国内各个地铁安全部门的共识。安检会增加乘客的延误时间,使乘客对地铁安检颇有微词,乘客与安检员发生冲突的事件也屡有发生。为增强乘客的地铁安全意识,改进安检流程,通过问卷调查和统计分析,对北京市地铁乘客进行调查,分析其评价水平及影响因素。结果表明,北京市地铁乘客的平均安全意识得分为74.16分,为中等水平,其中安全行为、安全态度、安全知识三个维度分别处于较高、中等、较低水平。该调查有助于地铁安全部门有针对性地制定地铁安检的宣传方案,提高服务水平,改善安检流程。     

地铁列车远程数据管理系统设计与应用

从指导地铁列车高效运营和快速检修的客户需求出发,提出了地铁列车远程数据管理系统的组网结构和系统组成方案,通过分析地面采集存储软件和Web端管理软件的技术路线、软件模块流程和远程列车状态界面设计,实现了实时/非实时运行和故障数据的远程采集、解析、存储和显示功能。该系统设计在厦门地铁1号线车辆中已测试验证,目前应用稳定,达到了远程技术支持车辆运行、指导应急故障处理和维修快捷方便的目的。     

信息安全技术在沈阳地铁10号线信号系统中的应用研究

按照信息安全技术标准的要求,分析目前已运营的城市轨道交通信号系统在安全防护方面存在的问题。根据分析结果,建立沈阳地铁10号线信号系统的信息安全方案模型,并从技术和管理2个方面进行研究,使其满足信息安全等级保护三级的要求。     

基于改进极限学习机的公交站点 短时客流预测方法

以公交车IC 卡和GPS数据为基础，提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系，定义了站点间距，并分析了站间距和车辆到总站距离间的联系；提出了公交乘客上车站点确定方法，进而得到公交站点上车客流量；通过分析公交客流数据特征，确定ELM输入参数维度，并采用IPSO 算法找到ELM的最优隐含层节点参数；最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内，并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析，发现改进的ELM方法拥有更高的可靠性和泛化性能.     

基于车辆运行数据的疲劳驾驶状态检测

疲劳驾驶是导致交通事故的主要原因之一，及时检测疲劳驾驶，并提醒驾驶员集中注意力，对保证安全行车具有重要意义.本文基于CAN(Controller Area Network)总线采集的车辆运行状态数据，提取了18项与驾驶行为相关的特征，并采用随机森林算法对疲劳驾驶进行识别，结果表明整体的识别准确率为0.785，其中召回率为0.61，即61%的疲劳驾驶状态可被识别出来.实验表明，基于车辆运行状态的疲劳驾驶检测具有一定的效果，且与其他客观的疲劳驾驶检测方法(基于驾驶员生理指标和图像面部特征)相比，具有简单方便，不影响驾驶，且成本低的优势.     

轨道交通科研项目管理平台功能应用分析

将科研管理项目按研发内容分类、分级、逐层分解,并将其中的主要数据录入数据平台后,可以形成可用的科研管理项目平台的数据分析模型。轨道交通科研项目的主要数据具有大量、高速、多样、高价值的特点,完全符合数据分析的工作要求。结合轨道交通科研项目开发体系管理工作的特点,通过各项目数据的快速查询调用、分解及比对分析,可以取得更直观、更有效、更简洁的管理效果,提高对科研项目的执行的保障效率,增强对预算投入等的监督力度。以实际科研项目的数据应用为例,分析了科研项目管理平台的功能。     

Link travel time inference using entry/exit information of trips on a network

This paper studies link travel time estimation using entry/exit time stamps of trips on a steady-state transportation network. We propose two inference methods based on the likelihood principle, assuming each link associates with a random travel time. The first method considers independent and Gaussian distributed link travel times, using the additive property that trip time has a closed-form distribution as the summation of link travel times. We particularly analyze the mean estimates when the variances of trip time estimates are known with a high degree of precision and examine the uniqueness of solutions. Two cases are discussed in detail: one with known paths of all trips and the other with unknown paths of some trips. We apply the Gaussian mixture model and the Expectation–Maximization (EM) algorithm to deal with the latter. The second method splits trip time proportionally among links traversed to deal with more general link travel time distributions such as log-normal. This approach builds upon an expected log-likelihood function which naturally leads to an iterative procedure analogous to the EM algorithm for solutions. Simulation tests on a simple nine-link network and on the Sioux Falls network respectively indicate that the two methods both perform well. The second method (i.e., trip splitting approximation) generally runs faster but with larger errors of estimated standard deviations of link travel times.