地铁车辆在线检测系统数据平台搭建

地铁车辆在线检测系统由于检修设备和检测人员分散的原因,其数据的传输和共享是一个难点.打通数据传输通道,让各线共享检测数据,可以更好地发挥在线检测系统的功能.文章以佛山地铁3号线地铁车辆为例,着重介绍在线检测系统数据平台的架构、传输方式和接口方式,提出适用于地铁车辆在线检测系统数据传输、共享和应用的技术方案.     

列车开门防夹故障分析及处理

广州市轨道交通二号线A4型第27列车上线运营以来,频繁出现开门防夹故障.文章分析列车门内、外部结构及产生开门防夹故障的原因,针对性地提出了客室地板面高度补偿、车门状态调整等整改措施,以及新项目列车门设计优化建议.经实践验证,整改方案能有效解决列车门开门防夹故障.     

在斜交十字交叉口内设置车辆待行区的研究

针对斜交十字交叉口存在的安全隐患等问题,提出为锐角进入交叉口的次路车流设置车辆待行区,使支路车流可以分两个阶段通过交叉口．以一级公路为例,运用概率论和排队论计算了车辆待行区所适应的交通量范围,给出了通行能力的计算方法．在不同交通量情况下,比较了普通让行、信号灯和设置车辆待行区三种交叉口控制方式的延误．     

新前端电子技术在铁道轮对无损检测中的应用

因固定系统(AURA)和地下检测站(UFPE)新设备的特殊需要,要求前端超声波和涡流设备向小型化方向发展。这对上述系统的原理和结构提出了新的要求,包括向这些检测系统提供容易维护的保证。由于电子模块尺寸很小,可以和传感器装配在一起,高速网络技术使获得的超声波和涡流数据能实现从前端模块到数据收集、分析之间的传输。这项新的前端技术正被用于最新一代的检测站。小型化前端模块对轮对的检测同样具有优越性。     

履带式车辆发动机故障诊断专家系统的设计

介绍了在Delphi5开发平台下的某型自行火炮发动机故障诊断专家系统的总体结构、设计思路及实现方法。详细阐述了各模块的功能,以及知识的表示方法和推理策略,具有较高的实用性。     

考虑前序路段状态的公交到站时间双层BPNN 预测模型

为提高公交到站时间预测精度,提出基于双层BPNN与前序路段状态的综合预测模型. 基于静态变量及顶层BPNN模型预测车辆到达每个站点的初始行程时间,利用K-means 聚类及马尔科夫链模型基于前序路段状态预测目标路段行驶时间;将上述两个模型的预测值及上一班次车辆的行程时间作为输入变量,基于底层BPNN模型预测车辆在目标路段的行程时间,进而动态调整车辆到达每个站点的时间. 以上海市791 路公交车早晚高峰各路段的行程时间为例进行模型测试,并与其他4 种模型进行比较. 结果表明,所提模型具有较高的预测精度,尤其在雨天,比传统BPNN模型预测精度提高57.25%.     

新能源公交车辆大数据决策支持平台的研究

新能源汽车具有能源利用效率高、环境污染小、适用清洁能源种类多、噪声低、方便保养、安全性高等优点,成为未来公共交通发展的重点方向。为了实现更高的信息化程度,为国内大型城市的新能源公交车辆的规模化应用提供便利,相关的信息化系统平台的建设非常重要。大数据技术为新能源公交车辆决策支持平台建立了数据分析与应用基础,该大数据决策支持平台能够存储、处理来自不同数据源的多维数据,利用联机分析处理实现多维度数据分析,运用数据挖掘技术利用新能源公交车辆信息,提供新能源车辆充电决策、充电场地建设决策、电池容量及衰退分析等功能。     

基于移动导航数据的信号配时反推

在交通管理和评价时,信号配时对监测评价路口运行状态,评价路口配时方案至关重要.但是,大范围的实时信号配时方案的获取尚缺乏简明有效的途径.本文提出两种基于移动导航数据计算固定配时路口信号配时的方法.第一种方法是在不考虑驾驶员驾驶行为差异性时,得到路口红灯和车均延误的关系模型,从而计算某相位的红灯时长.另外一种方法是基于车辆通过停止线的时间,结合本文提出的上升梯度法,得到某阶段红灯时长.本文通过实际的路口案例计算,将预测结果和已知路口的信号配时比较,表明此方法计算得到的红绿灯时长准确度较高,为后续进行路口运行状态和通行能力研究提供了数据支持.     

基于GPS与图像融合的智能车辆高精度定位算法

车辆自定位是实现智能车辆环境感知的核心问题之一.全球定位系统(Global Positioning System,GPS)定位误差通常在10 m左右,不能满足智能车辆的定位需求;惯性导航系统成本较高,不适于智能车辆的推广.本文在视觉地图基础上,提出一种基于GPS与图像融合的智能车辆定位算法.该算法以计算当前位置距离视觉地图中最近一个数据采集点的位姿为目标,首先运用GPS信息进行初定位,在视觉地图中选取若干采集点作为初步候选,其次运用Oriented FAST and Rotated BRIEF(ORB)全局特征进行特征匹配,得到一个候选定位结果,最后通过待检测图像中的局部特征点与候选定位结果中的三维局部特征点建立透视n点模型(Perspective-n-Point,Pn P),得到车辆当前的位姿,并以此对候选定位结果进行修正,得到最终定位结果.实验在长为5 km的路段中进行,并在不同天气及不同智能车辆平台测试.经验证,平均定位精度为11.6 cm,最大定位误差为37 cm,同时对不同天气具有较强鲁棒性.该算法满足了智能车定位需求,且大幅降低了高精度定位成本.