国产MTC-I型CBTC系统的安全认证实践与探讨

重点围绕城市轨道交通国产MTC-I型列车控制系统（CBTC）独立第三方安全评估与认证工作,阐述了信号安全攸关系统的技术标准规范体系、安全完整度等级、安全认证类型、风险评价原则等概念与定义。基于安全认证、系统生命周期、安全保障架构、项目风险管理、安全审核与评估等具体内容描述了MTC—I型CBTC系统通用产品安全认证实践过程。对建立我国城轨交通行业发展的安全认证体系、实施策略以及风险管控原则等安全认证要素进行了分析与探讨。     

简析地铁施工现场安全监控系统

地铁施工现场安全监控系统可以实现对施工现场的远程监控及管理,越来越广泛地应用在地铁施工中。以北京地铁15号线一期工程西段施工现场安全监控系统为例,介绍了地铁施工现场安全监控系统的建设原则、系统功能、结构及在建设中应注意的问题。     

BP神经网络在地铁运营安全评价中的应用

依据地铁运营安全评价体系及国家法律法规的要求,对于评价标准在实施过程中遇到的问题作了系统分析。建立了基于BP神经网络的地铁运营安全BP神经网络模型,系统提出了地铁运营安全BP神经网络的评价理论及其案例分析。理论分析和实践表明,BP神经网络模型计算结果合理、精度较高,在地铁运营安全评价中有很好的实用性。     

地铁规范与地铁安全保障

重点解析实施现行《地铁设计规范》是保障地铁安全的基础,同时指出保障地铁安全运营必须辅以严格的管理。     

直线电机列车-高架桥系统动力相互作用分析

采用模态综合技术,建立直线电机轨道交通系统的车桥动力相互作用分析模型,对直线感应电机轨道交通系统的电磁力的产生及其对列车、高架桥梁的动力作用进行理论分析和研究,指出这是进一步研究城铁高架桥梁的动力响应以及直线电机列车在桥上的运行安全问题的一种可能途径。     

基于多维度耦合的动力电池安全大数据监控

近年来,在国家政策引导、标杆企业示范以及市场需求推动的共同作用下,我国电动汽车的保有量有了大幅的增加,且每年的总销量仍在不断的突破,随之而来的动力电池安全也成为了一个全行业必须面对的问题。除了在设计验证,生产制造等环节进行安全问题规避外,在车辆运行的过程中依靠监控系统进行车辆运行大数据监控及预警也很有必要。受限于数据采集频率以及数据采集质量等多个因素,目前动力电池安全的监控难度较高,算法不成熟,监控准确率低。分析了影响动力电池安全的可能因素,并且对每种因素可能导致安全事故发生的概率进行分析,对是否可对动力电池安全进行预警做了探索分析,同时基于可能影响电池安全的原因阐述了一种多维度耦合的动力电池安全监控策略。     

大数据技术在动力电池异常监控中的应用

新能源电动汽车其安全性一直困扰着行业与市场的发展,传统电池管理系统(BMS)储及计算能力不足,难以实 现动力电池的异常状态预测,基于车联网数据,搭建了大数据监控与管理平台,提出了动力电池热失控关键算法,并实现 了算法的平台集成与应用。应用结果表明,此系统应用能够有效评估和预测动力电池潜在安全风险,并能及时有效地指 导安全处置,从而降低整车安全事故发生概率。     

大跨度超高单层钢结构厂房施工安装技术

根据国内某大型钢铁集团某冷轧工程(二标段)中大跨度钢结构厂房的施工,结合以往项目的钢结构施工安装的成功经验,对大跨度超高单层钢结构厂房的安装与施工方法进行阐述,在保证安全、质量的前提下,采用科学的施工办法,加快了工程进度,解决了现场大跨度超高单层钢结构厂房施工中的难点,可为同类项目的施工提供相应的参考.     

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%。