铁道信号系统安全保障研究

在信号系统的设计、制造、施工、调试等阶段进行安全保障很重要。重点介绍按照欧洲铁路安全标准对铁道信号系统进行交叉接收以及安全管理。     

全面推广地铁隧道预埋槽道技术——专访广州地铁设计院副总工程师邓剑荣

当前,在地铁隧道的施工中,预埋槽道技术已经逐渐得到了业内的关注,但目前国内并没有地铁线路真正实现全线路预埋施工。据了解,深圳地铁9号线已经确定全线使用预埋槽道技术,预计到2015年3月底,深圳地铁9号线隧道管片施工将全部完工,届时,深圳地铁9号线将成为全国第一条全线路采用预埋槽道技术的线路。而这对中国地铁建设水平来说,将是一个里程碑。     

高速公路隧道机房环境智能监测系统设计

隧道作为高速公路的咽喉路段,一旦隧道机房突发险情而不能及时发现,容易造成重大财产损失、人员伤亡,引发恶性交通事故。基于此,提出了一种基于仿射传播聚类算法的危险事件智能识别模型,进而设计了整套高速公路隧道机房环境智能监测系统。提出的模型综合传感器所采集到的多类别环境信息,得到聚类图用于判断当前环境状况。系统中采用新型的聚类算法,得到环境聚类图,智能区分各种高速公路隧道机房发生的危险事件,增加整个监测系统的智能化与信息化程度。在实验与测试中,通过使用本系统,维护人员可准确把控整个隧道机房情况,测试结果表明,该系统提升了公路的运营、管理、养护效率,具有良好的参考意义。     

基于Faster R-CNN与形态法的路面病害识别

为提高基于图像处理的路面表观病害检测识别效率及精度,引入目标检测中的快速区域卷积神经网络（Faster Region Convolutional Neural Network,Faster R-CNN）算法以快速识别病害种类、位置与面积;针对已提取的带边框裂缝病害区域,采用基于VGG16迁移学习与模型微调的CNN与50%重叠率的滑动窗口定位裂缝骨架,进而利用形态法操作提取裂缝形态,计算其长度与宽度;针对Faster R-CNN算法在病害种类识别时漏检率低但误检率偏高的问题,引入精确率、召回率和F₁分数指标对算法进行评估,并根据F₁分数最大值确定相应的病害框像素面积及置信度阈值来降低误检率,以适应路面表观病害多样化的应用场景。运用开发的病害识别算法对广东一高速公路路面进行表观检测。结果表明：所提方法对典型裂缝图片的识别效率及精度均高于单独应用CNN滑动窗口和传统形态法的全局图像处理方法;对分段的裂缝边界框进行合并,且病害框像素面积及置信度阈值取优化值后,横向裂缝精确率由合并前的0.861提升至合并后的0.918,横向及纵向裂缝误检率则分别由调整前的20.4%和23.8%下降至调整后的8.2%和6.9%,漏检率则稍有提高。基于Faster R-CNN、CNN及形态法的路面病害识别方法具有工作高效、漏检率低的优点,在引入评估指标、最优病害框像素面积与置信度阈值后,病害误检率也大幅降低,具有潜在工程应用价值。     

质量风险管理在科研生产中的应用

对质量风险管理的来源、基本流程进行介绍,同时结合风险流程简要讲述其在科研生产中的应用,旨在提升人员对质量风险管理的认识,倡导科研生产各环节树立风险思维,采用科学的方法去识别风险和控制风险,提升产品和服务质量。     

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。