日志分析整合策略在杭州地铁信号系统维护中的应用

结合杭州地铁长期运营过程中信号各子系统故障发生前的征兆,从车载信号、区域控制器及车地无线通信等运行日志中,提炼和整合分析列车定位、网络延迟、网络干扰、网络中断等重要信息,通过数据透视图表等分析工具直观展示设备隐患信息,以此完善对设备的预防性维修机制,从而在设备发生故障前提前介入,防止列车紧急制动故障的发生。     

铁路建造期通信保障方案研究

智能建造技术在铁路建造领域广泛应用。为实现铁路建设过程中智能化、信息化管理,需要构建覆盖建设管理、施工、设计、咨询、监理等全域高速可达的铁路建造期通信网络。通过对铁路建造期通信需求进行分析,分两部分开展研究：因地制宜地选择通信承载网络方案;基于需求建设通信应用业务系统。同时为避免大量临时通信设备对维护管理带来挑战,研究通过云技术对应用业务系统进行融合,建设融合的通信应用云平台。     

基于贝叶斯网络模型的CBTC系统无线数据通信故障排查方法研究

随着城市轨道交通CBTC系统的广泛应用,对车地无线数据通信的稳定性提出了更高要求。一旦车地数据通信发生故障,无论是单点故障,还是全网故障,均会对超大城市网络化运营造成较大影响。为此,对CBTC数据通信故障进行分级、分类统计,并构建故障树。结合现场大量实际数据,提出基于贝叶斯网络的数据通信故障分析模型,利用该模型对故障发生原因进行提前诊断,以快速确定故障分类和准确定位,缩短故障处置时间。同时结合现场实际运营中的典型案例,利用贝叶斯网络模型找到故障点,为运营一线降低故障影响,快速恢复正常运营起到了关键作用。在此基础上,针对网络风暴对信号系统冲击这一常见故障,为新线建设和更新改造工程,提出4条具体防范措施。     

基于重要度贡献矩阵的城市轨道交通网络关键节点识别

关键节点识别对城市轨道交通系统可靠性的提高具有重要作用。针对当前节点关键节点识别方法无法对网络中节点综合属性进行评价的不足,本文综合考虑基于传输效率的重要度贡献矩阵以及节点的介数和度构成的节点综合特征指标,构建节点重要度评价矩阵,提出了城市轨道交通网络关键节点识别方法。以成都轨道交通为例构建拓扑网络并进行关键节点识别,对识别出的30个关键节点的重要度评价结果进行分析,本文方法克服了单一指标无法判断节点重要度的缺点,并与既有方法做连锁故障仿真对比,结果表明本文方法下的网络效率下降得更快,验证了方法的有效性。     

成都市通勤客流地铁-公交换乘系数分析

充分考虑通勤客流的地铁-公交换乘系数分析对交通管理部门和公共交通运营公司优化线网设计、提升通勤效率起着重要的作用,本文创新性提出了基于多日重复出现的OD刷卡数据识别地铁-公交换乘行为的算法。在选取了成都市典型性的7个地铁站点和其周边的公交站点后,利用3天的全网刷卡数据,得到了站点的地铁-公交换乘系数、换乘客流比例等数据,发现小于近年的地铁换乘系数。计算结果表明在不同的站点,地铁-公交的换乘系数差异较大,且地铁首尾站点的换乘系数明显较高,随后分析了算法可能的缺陷。基于以上结果提出了三条针对成都市公共交通运营的建议,并给出了后续值得研究的方向。     

长江经济带航空物流发展水平及空间结构演化

航空物流是支撑国家战略发展的重要产业,优化其空间结构对区域航空物流高质量发展具有重要影响。本文以长江经济带30个地级市（州）为例,基于改进熵权法、修正引力模型及社会网络分析法对长江经济带航空物流发展水平、空间网络结构及演化特征进行研究,结果表明：2008-2019年长江经济带航空物流发展水平呈现出“长江经济带中、下游强、上游弱”的空间分异态势;整体航空物流网络呈现“东密西疏,东强西弱”的空间格局特征并存在一定的质量效应,网络逐渐趋于稳健化和复杂化,但仍存在不均衡现象;航空物流网络中各节点等级鲜明,核心节点中心化程度明显。     

高速铁路车站站改施工前后不同阶段通过能力计算及削减分析

高铁车站通过能力计算引入多品种流网络思想,针对分阶段站改施工造成部分咽喉、到发线不可用情况,进行高铁站通过能力计算及消减分析,运用层次分析法分析咽喉及到发线重要程度。将高铁车站的站场图抽象为网络图,按到发线占用及作业时间不同进行分类,基于图解法计算车站通过能力基础上,构建整数规划模型,并运用Ford-Fulkerson算法进行最大流预推,得出车站最大通过能力。以深圳北站站改为例,计算一、二阶段站改施工的通过能力,在不同咽喉、到发线封锁情况下,对通过能力进行消减分析,再通过层次分析法,对不同咽喉及到发线影响通过能力的重要程度进行分析并得出结论。     

基于DCNN-BiLSTM的滚动轴承性能退化因子构建方法

针对如何从多维度特征中提取滚动轴承性能退化信息,构建性能退化因子的问题,提出一种基于DCNN-BiLSTM的混合输入网络。首先利用连续小波变换和24个典型时域频域特征计算公式分别得到滚动轴承振动的二维图像数据和一维时间数据,之后将两种不同维度的数据分别输入至混合输入网络进行训练,然后输入测试集数据得到滚动轴承的性能退化因子,最后利用单调性、预测性、鲁棒性对得到的性能退化因子进行评估。试验结果证明,混合输入网络结合DCNN和Bi-LSTM的优点,可有效提取滚动轴承性能退化信息,得到的性能退化因子综合效果较好。     

基于CNN-LSTM融合神经网络的CRTSⅡ型轨道板温度预测方法

准确预测CRTSⅡ型轨道板温度可对轨道板内高温的出现及时进行预警,减小高温时期涨板对列车运营带来的威胁。同时考虑外界环境温度对轨道板温度影响的时滞效应与轨道板自身在时间上的温度变化规律,提出基于卷积神经网络(CNN)与长短期记忆网络(LSTM)融合模型的板温预测方法。先通过CNN在时间轴上对气温与轨温进行卷积提取出过去一段时间内外界气象条件对当前时刻板温的影响,再将CNN在各个时间点上的输出作为LSTM的输入特征利用轨道板自身的传热规律对板温进行预测。结果表明：过去12 h内的外界气象条件对当前时刻的板温有较大影响,利用训练好的CNN-LSTM在测试集上对未来40 min的板温进行预测,其预测误差绝对值的数学期望为0.925℃。     

5G-R核心网容灾组网方案及关键技术研究

铁路5G专网是我国铁路新一代移动通信系统,正处于科技攻关阶段。为规范核心网组网,明确设备技术要求,确保系统服务质量符合要求,核心网容灾组网方案亟待研究。首先,在调研分析铁路需求基础上,研究提出5G-R核心网规划方案;其次,研究组网关键技术,包括设备故障检测方式、参数设置和网元容灾备份部署方式及其适用性;然后,结合网元作用和接口协议,重点研究并提出4种网元容灾备份组网方案;最后,依托研发实验室进行测试验证。试验表明,网元故障时,系统自动倒换,网元故障倒换时间与设置的故障检测时长相关,建议小于20 s。建议将来在实际应用中,综合考虑网元的平均无故障恢复时间(MTBF)、交互心跳的性能处理能力等因素,进一步优化调整。