城市轨道交通站台门智能运维系统研究

针对城市轨道交通站台门系统面临的维护效率低下、运行数据缺失、严重依赖运营维护（简称：运维）人员技术水平等问题,提出一种基于贝叶斯神经网络模型的站台门故障识别方法。通过多维数据的采集和预处理,并采用Adam优化器对该模型进行训练和优化,在站台门运行状态实时监控的基础上,实现关键部件故障识别和智能运维。通过详细的测试与验证,结果表明,该模型在站台门故障模式识别方面具有优越的性能,可减少站台门系统平均维护时间,提升其可用性和可靠性,为城市轨道交通的安全运营提供强有力的支撑。

     

考虑交通小区相关性的小汽车拥有行为研究

为分析建成环境对家庭小汽车拥有的影响,考虑交通小区间的空间相关性,分别基于0-1 邻接矩阵、共同边界邻接矩阵及质心空间距离矩阵构建了层次Bayesian 模型,并与不考虑空间相关性的模型结果进行了对比.基于长春居民出行调查数据对模型参数进行估计,结果表明：交通小区间的空间相关性显著存在;以不考虑空间相关性的模型作为对比,基于公共边界邻接矩阵的层次Bayesian 模型拟合效果最优;在控制家庭层面社会经济变量后,居住密度、土地利用混合度、交叉口密度及公共交通站点密度均对家庭小汽车拥有具有显著的负向效应,表明通过优化城市建成环境策略可有效抑制小汽车拥有量的增长.     

公路工程地方技术标准修编时序模型研究

为了提高公路工程相关技术标准编制规划过程中的针对性和实用性,通过对现有国家行业标准的梳理与实地调研,首先运用灰色关联的TOPSIS 法对调查结果进行排序分类,得到初步修编计划;再通过贝叶斯判别法建立预测模型,借助统计分析软件SPSS 进行分析,得到判别函数的影响因子及其系数,构建广义的公路工程地方标准编制时序判别模型;最后,以山西省公路桥梁现状为例,统计其近年来由超限引起的桥梁事故,并将所建模型应用于当地《桥梁承载能力设计细则》修编计划中加以验证。计算结果表明,该项标准的修编计划为“近期”,从而验证了模型的适用性。     

基于Bayesian隧道施工风险模糊综合评估方法

提出了基于贝叶斯网络的隧道施工风险模糊综合评估方法,以龙家岩隧道实际收集数据为基础,首先对隧道工程进行总体风险评估,然后进行专项评估,此项中运用了贝叶斯网络的评估方法对事件风险的自然概率进行计算,并结合模糊综合评估方法对隧道工程风险进行评价,得到隧道工程的风险事件的风险等级。研究结果表明,龙家岩隧道洞口开挖的风险等级为2级,钻爆作业的风险等级2级,初期支护的风险等级为5级。这与现场施工的风险水平较为接近,从而可以看出本评估方法的合理性及实际施工过程中的适用性。本方法最终评估结果为隧道施工的风险预测及预防提供了参考依据。     

高速公路尾随相撞事件的贝叶斯网络致因分析模型

应用上海市高速公路1104条事件数据,基于专家知识和数据融合方法建立贝叶斯网络结构;利用服从Dirichlet分布的贝叶斯方法进行参数学习;运用团树传播算法进行推理分析。研究了上海市高速公路尾随相撞事件类型与不同道路环境条件之间的关系。在验证贝叶斯网络模型的有效性后,系统分析事件致因,并提出改进措施。发现重大尾随相撞事件易发生在大中型车与小型车之间;夜间易发生大中型货车的重大尾随相撞事件,尤其是凌晨0时至6时;路表潮湿状态下的非普通路段上易发生大中型客车的重大尾随相撞事件。结果表明贝叶斯网络建模能够更好的反映事件致因因素的多维性及关联性,是交通事件致因分析的有效方法。     

民航运输航空器着陆阶段偏出跑道事件分析模型

为了克服故障树分析方法只能描述正常和故障两种状态的缺陷,利用故障树方法的逻辑分析优势,以及贝叶斯网络描述多态事件和计算概率的功能,建立了基于故障树和贝叶斯网络相融合的航空器着陆偏出跑道事件分析模型,提出了故障树与贝叶斯网络之间的转换算法求解该模型.根据1996—2010年中国民航着陆偏出跑道事件的数据,确定了着陆航空器偏出跑道的主要原因,并按重要程度进行了排序.研究结果表明:积水、反喷或减速板故障、复杂气象条件、驾驶术欠缺、前轮转弯卡阻、夜航或受灯光不利影响、对机组资源管理失效、积冰积雪是导致着陆偏出跑道的主要风险因素,其后验概率均大于0.3;应针对主要风险因素,制定针对性预防措施.      

一类驼峰调车事故的贝叶斯网络模型研究

驼峰跟钩撞车及侧面冲突调车事故会给驼峰调车作业带来较大安全隐患,影响驼峰解体作业的效率和能力。从技术条件角度考虑,对线路、车辆以及调车设备3 个方面因素进行分析。鉴于驼峰系统是复杂的大系统,具有不确定性的特点,考虑贝叶斯网络能较好解决不确定性问题,建立跟钩撞车及侧面冲突调车事故的贝叶斯网络模型。利用Matlab 中的BN推理工具软件包BNT 计算顶上事件的发生概率以及基本事件的后验概率。结果表明: 影响此类调车事故的主要因素为线路和车辆两方面。     

适用于一票制公交大数据的系统化处理方法及应用——以银川市为例

为分析公交乘客出行特征,利用公交IC卡数据、公交GPS数据、车载机数据和单程站点关系表,通过各类数据关联融合,提出适用于一票制公交大数据的系统化处理方法。基于Oracle搭建分析数据库,采用Python语言编写代码,构建了乘客上车站点推断算法、基于出行链的乘客下车站点推断算法、基于概率的乘客下车站点推断算法和乘客换乘站点识别算法4种站点推断算法。基于此,运用银川公交大数据进行客流集散点识别、客流走廊识别,得到公交站点上下客流量分布情况、公交线路客流量分布情况、公交站点的换乘客流量分布情况。研究结果表明,一票制公交大数据系统化处理方法在分析公交乘客出行特征方面具有一定的应用价值。