FAO 核心子系统安全完整性等级 评价方法研究

为探究如何更加实际地评价全自动运行(FAO)系统核心子系统功能的安全完整性等级(SIL),通过研究欧 洲电工标准化委员会(CENELEC)标准中风险模型的构造,给出风险降低因素(RRF)的定义;通过定义的风险降低 因素,建立可容忍事故率(TAR)与可容忍危害率(THR)的换算关系,进而评估出 FAO 系统核心子系统功能次级危 害的可容忍危害率;最后通过其与安全完整性等级的对应关系,得到核心子系统功能的安全完整性等级。应用结 果表明：结合实际的 FAO 工程项目应用成果,给出风险降低因素中各要素的具体示例,可供借鉴;与直接采用 可容忍事故率保守估计安全完整性等级的方法相比,在考虑风险降低因素后评估得到的安全完整性等级更接近实 际情况。     

论城市轨道交通 运营管理创新体系的构建

城市轨道交通行业已经进入集中跨越式发展 阶段,逐步升级的乘客需求与尚处于转型阶段的运营 管理之间的矛盾逐渐显现。为缓解这一矛盾,城市轨 道交通企业需要构建运营管理创新体系。可持续发展 的创新管理体系涵盖理念创新、体制创新、机制创新、 服务创新。理念创新的核心是坚持“以人为本、网络统 筹、安全第一”; 体制创新是由网络管理体制、公益性管 理体制、城市公共安全管理体制来决定企业管理体制; 机制创新是站在大规模网络运营的角度,通过管理集 约化、扁平化、社会化,提升管理效率; 服务创新就是通 过鼓励特色运营服务、主动管理乘客需求、突出公益性 服务等,提升乘客的满意度。理念创新是思想先导,通 过体制创新和机制创新营造创新的环境,实现服务创 新的目标,从而最大限度地满足乘客的出行需要。     

基于AdmiTest的CTCS-3级列控系统自动测试平台

根据CTCS-3级列控系统的特点,结合欧洲列车运行控制系统(ETCS)测试经验,研发基于通用测试平台AdmiTest的CTCS-3级列控系统自动测试平台CARSTool.CARSTool采用激励—反馈机制实现单系统或多系统的闭环测试,包含测试对象、仿真系统、链路、消息、激励、响应和测试序列等基本元素,具有线路工程数据配置、通信链路配置、站场线路配置、PI Object、仿真系统、列车运行仿真和自动测试序列7个功能模块.以郑西客运专线列控数据为例,采用CARSTool对CTCS-3级列控系统进行仿真测试.测试结果表明:通过规范化语法严格卡控测试步骤,根据CTCS-3级列控系统测试案例库以及激励—反馈信息判断测试项目的执行状态,CARSTool实现了测试计划、执行过程和测试结果的闭环处理;说明CARSTool能够实现CTCS-3级列控系统的自动测试.     

空气湿度对地铁车轮磨耗的影响及机理研究

车轮磨耗影响着地铁的运营安全和运营成本。目前,关于车轮磨耗的研究多集中于轴重、轮轨接触状态等因素的影响,考虑空气湿度影响的研究较少。通过对某城市地铁进行了长期监测,对每月的车轮平均磨耗量及空气相对湿度进行了统计分析,得出了车轮磨耗量随空气湿度增加而降低的规律;并结合已有试验数据,对这一规律进行了验证。对空气湿度影响车轮磨耗的机理进行了探讨,发现在气温未达到露点温度时,湿度主要影响轮轨接触表面的粗糙度、硬度以及氧化膜的形成;在气温达到露点温度之后,轮轨表面将会形成水膜,这将会降低轮轨间摩擦系数,降低车轮的磨耗量。     

五悬浮架迫导向机构曲线通过研究

文章以中低速磁浮列车五悬浮架为例,以提高列车曲线通过时迫导向机构适应性、减小迫导向机构受力及空气弹簧水平偏移量为目的,研究列车静止悬浮或低速运行(小于5 km/h)时,悬浮电磁铁处于F轨最佳契合位置、空气弹簧水平偏移量最小所确定的理想平衡状态,滑台横向位移随曲线半径变化关系,得出通过不同曲线时滑台水平偏移量、迫导向机构结构尺寸及转臂转角的一般计算公式,并对典型案例进行计算分析,优化得出相对合理的迫导向机构结构尺寸以提高悬浮架曲线通过性能。     

基于M3磁悬浮车辆悬浮结构与解耦设计研究

主要分析M3走行部方案中的解耦设计,借鉴日本的HSST系列列车走行部的原理和结构解耦设计的经验,提出改进方案,并设计出一种完全解耦、结构简单、便于控制的悬浮架走行机构.     

高速公路隧道穿越滑坡段变形机制与处治技术

以奉(节)巫(溪)高速公路孙家崖隧道为工程依托,探讨隧道穿越滑坡体时隧道施工对滑坡体的影响机制与处治技术。在滑坡形成机理与变性特征分析的基础上,基于理论研究和数值分析方法提出针对性的滑坡体综合防治措施设计;采用多方位的监控量测措施全程监控了隧道开挖施工扰动对滑坡体形变的影响,并由此探讨隧道与滑坡体之间的相互作用机制。研究结果表明:滑坡体抗滑桩处治方案减小了隧道开挖对滑坡体稳定性产生的不利影响;隧道支护措施能同抗滑桩支挡结构一起组成组合抗滑结构体,有利于滑坡体的稳定。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

排阵式交叉口几何设计与信号控制协同鲁棒优化

针对排阵式交叉口在实际交通波动环境中存在车辆滞留排序区,运行效率稳定性难以保障的问题,提出了鲁棒优化方法,平衡交叉口运行的效率和稳定性。在分析排阵式交叉口运行特性的基础上,指出了其运行效率波动性与交叉口几何设计、信号控制、交通需求、饱和流率和运行车速这5个因素有关。确定了将交通需求、饱和流率和运行车速这3个客观波动因素作为模型的输入参数,将几何设计和信号控制这2个可受设计人员控制的要素作为模型的优化控制变量进行协同优化的模型框架。在此基础上,以交叉口车均延误条件风险值最小为目标,考虑了各流向车道数、信号相位相序、排序区车辆清空等方面的约束条件,构建了基于情景的鲁棒优化模型,并建立了遗传算法对模型进行求解。通过案例分析,对鲁棒优化模型的置信水平取值和算法准确性进行了分析,证明了算法可以使目标函数收敛到最小值,并基于蒙特卡洛模拟对优化效益进行了检验。研究发现,所建立的几何设计与信号控制协同鲁棒优化模型可实现在交通需求和供给的波动下,对排阵式交叉口的车道功能、排序区长度以及主、预信号控制进行协同优化。相较于确定性的设计方法,在平均延误层面基本维持原有水平,但对延误标准差和最大值有着较为明显的改善,案例中分别减少了48%和23%。     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络（Long Short-term Memory Network, LSTM）对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型（VP-LSTM）。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明：提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。