城市轨道交通自动化系统中的一种可靠性算法

介绍了轨道交通可靠性计算假设事项、依据和计算方法,并通过轨道交通自动化系统的具体实例,给出了可靠性计算的详细分析流程。     

视频分析功能设计方案及实施

<正>视频分析技术已应用于青藏、京津、合武等线路视频监控,为了使视频分析性能达到最佳,在工程设计阶段,应当考虑视频分析的因素,以便为视频分析算法提供良好的工作条件,发挥其最大的优势。工程实施中,除针对不同应用场所选择不同应用算法之外,还必须根据具体需求     

基于H.264的数字视频编码器开发

<正>随着大规模高速铁路建设的有序开展,铁路部门对运输安全的重视达到了前所未有的高度。视频监控、报警控制、网络实时传输、数据存储等均面临着用户更高的要求。数字视频编码器作为视频监控系统的核心产品,近几年发展速度令人瞩目,新技术不断涌现,芯片处理能力不     

SPWM逆变技术在铁路信号电源的应用

介绍了SPWM逆变的概念和基本原理,简要分析SPWM逆变器的两个关键技术:死区补偿、谐波抑制。最后对SPWM逆变技术在铁路信号电源系统的应用进行探讨,对提高铁路信号电源质量,保证铁路运输安全有着较高的现实意义。     

基于弹性需求的城市轨道交通列车开行方案研究

城市轨道交通的列车开行方案直接影响乘客的出行费用,需要根据客流的需求弹性制定。针对目前城市轨道交通规划和运营实际,将列车开行方案归结为列车编组、开行时段,以及各时段每一列车交路的列车数量。在分析乘客广义出行费用的基础上,构造乘客出行的弹性需求函数,将乘客乘车选择归结为具有能力约束的弹性需求用户均衡问题。进而利用城市轨道交通营运企业与乘客之间的博弈关系,对列车开行方案相关的费用、效益等优化目标和约束条件进行分析,建立基于弹性需求的城市轨道交通列车开行方案的多目标双层规划模型,并设计基于模拟退火算法的优化算法。针对长沙地铁2号线的应用表明,优化方法具有较高求解效率和较好求解质量。     

NEMO技术在列车中的应用及其性能分析

如何有效地采用NEMO(Network Mobility)技术为移动的列车提供网络接入服务已经成为一个研究热点。本文通过分析NEMO技术在列车环境中的部署应用,建立了NEMO技术在列车场景中的分析模型,并对其关键性能进行仿真分析,提出NEMO技术在列车环境中部署时面临的技术难点,为在列车中实际部署NEMO技术提供借鉴。     

RFID技术的定位改进算法在铁路隧道人员定位中的应用

本文介绍无线射频识别技术(RFID)的基本原理,重点阐述基于RFID的LANDMARC定位算法的原理与过程。在此基础上,综合考虑铁路隧道内折射、反射、多径效应等因素对场强的影响,分析LANDMARC定位算法的不足,将此算法进行改进,提出自适应LANDMARC k-邻居算法,结合RF Code公司的硬件系统,将其应用到铁路隧道人员定位系统中。实验证明改进的算法具有更高的定位精度:定位精度在1m以内的标签占70%,比原来算法的60%提高10%;93%的标签定位误差小于1.5m,且最大误差控制在2.5m以内。对提高隧道内人员的安全管理水平具有重要意义。     

CBTC列车安全定位中通信中断时间的研究

通信中断的存在会对目前城市轨道交通的CBTC列车安全定位产生影响,进而影响列车安全间隔距离。CBTC车地通信系统大多采用无线局域网技术。越区切换中断是导致通信中断的主要原因,根据IEEE 802.11协议的越区切换流程,本文推导出越区切换中断时间与列车速度的关系表达式,在此基础上根据安全定位的实现方法和移动闭塞系统中列车安全间隔距离的计算方法,推导出通信中断时间与影响安全定位的因素之一——估计的运行距离及列车运行安全间隔之间的关系表达式。建立两列列车追踪运行模型,仿真不同通信中断时间下两列车的追踪间隔距离。采用此关系表达式进行理论计算的结果与仿真结果验证了通信中断时间与估计的运行距离及列车运行安全间隔的关系表达式是合理的。     

考虑支路路段双向车流相互影响的单向交通组织优化

考虑支路路段双向车流相互影响的因素,从道路负荷与公平性的角度出发,优化单向交通组织方案。建立一主多从的双层规划模型,上层规划是多目标规划,以单行交通组织方案为决策,以路段饱和度超限量最小化降低道路负荷、以车辆绕行系数最小化提高公平性。下层规划是考虑支路路段双向车流相互影响的均衡交通分配(每个点对之间的最短路各自由1个下层规划确定,但所有下层规划确定的最短路可一次性求解)。双层规划可用模拟退火算法求解,求解效果明显优于支路路段通行能力等量划分为双向分道行驶的传统优化方法。     

基于多类型变量空间的驾驶行为基元提取

从驾驶数据中提取驾驶行为基元是实现驾驶行为高效准确分析的重要前提。为了更好地理解驾驶行为,使驾驶行为基元能够体现不同驾驶人的驾驶行为差异,考虑驾驶行为产生时所受驾驶人的主观约束,提出基于多类型变量空间的驾驶行为基元提取方法。使用驾驶行为原始变量反映车辆运行状态和驾驶操作,将所选择的原始变量定义为基础变量集;使用基础变量构造能够反映驾驶人对车辆运行状态主观期望的变量,并将其定义为构造变量集。利用基础变量集和构造变量集生成多类型变量空间,使用贝叶斯凝聚型序列分割算法分割数据以提取驾驶行为基元。针对多类型变量空间自调节问题,提出基于分割质量优选滑窗尺寸的方法,使多类型变量空间能够自适应不同数据集的数值特性,确保基元提取的准确度。对所得基元进行特征构造和提取,利用高斯混合聚类算法对直行和弯道路段的行为基元分别进行聚类,并通过分析各类基元的统计特征得到基元的语义描述。最后,通过实例分析验证基元提取和语义解释的准确性,以及多类型变量空间的优越性。研究结果表明：所提取的驾驶行为基元具有多角度语义,不仅能够反映车辆运行状态和驾驶操作,而且能够体现驾驶人对车辆操纵决策的主观期望,有利于从因果角度更全面地...