基于压缩感知隧道结构健康监测与可靠性评价

为了弥补隧道监测数据缺失导致信息丢失的不足,从而能够更好地评价地铁隧道结构健康状况,基于压缩感知理论对健康监测数据进行处理,通过对运营地铁的结构健康监测数据进行压缩和重构,减少对原始监测数据的传输和存储压力,以提高获取的地铁健康相关数据的信息完备与可靠性,为隧道结构健康安全评价提供数据基础。在此基础上,构建运营地铁隧道安全风险指标评价体系,在获取完备数据的基础上,基于不确定性视角,采用云推理综合评估运营地铁隧道的可靠程度,以及时掌握运营地铁的安全状态,并找到影响其可靠性的关键风险,从而制定相应的管控措施。最后以武汉地铁2号线长汉区间监测点的累计沉降作为数据样本进行实例分析,结果显示压缩感知能使监测数据重构以获得完备数据,再利用逐级云推理得到安全风险等级云图与实际情况相符。     

地铁车辆车体快速设计方法

针对地铁车辆车体设计知识重用率不足而导致研发周期较长的问题,提出集成实例推理技术和关联设计技术的地铁车辆车体快速设计方法。首先,构建地铁车辆车体主模型,并以该模型为基础建立地铁车辆车体快速设计流程;然后,研究基于实例推理的产品配置方法,以及基于关联设计的产品变型方法;最后,以地铁车辆车体为例验证了该设计方法的有效性与可行性。     

���ڶ����οռ��������Ч·���������㷨

交通路网中有效路径的确定方法是进行各类随机交通流量分配的关键技术. 通过将启发式策略中的定向策略与层次空间推理策略相结合，模拟树的生长，提出了一种有效路径的定向层次空间推理搜索算法. 通过将该方法应用于随机用户均衡分配模型，说明了该方法的有效性. 该算法可以与各类随机交通分配模型结合，并为交通规划人员提供有力工具.     

浅析城市轨道交通信号系统的发展趋势

随着我国城市轨道交通的快速发展,网络化运营及自动化程度不断提高,城市轨道交通信号系统的互联互通、采用LTE-M无线通信平台、全自动驾驶等发展方向,引起了人们的普遍关注。从运输需求、政策支持、技术进步、产业链的形成等角度浅析了城市轨道交通信号系统的发展趋势。     

基于本体的高铁车载设备维修案例知识管理模型

针对我国高速铁路车载设备维修案例知识结构性差、重用率低、维修经验缺少有效存储与检索三大问题,结合高铁设备维修案例多样性,案例知识组成及结构多样性的特点,首先,提出一种基于本体的高速铁路车载设备维修案例知识管理框架;其次,构建一个由五要素组成的高铁车载设备维修案例本体;然后,提出一种本体与CBR相结合的案例检索模型。结果表明:由五要素组成的高铁车载设备维修案例本体可实现一个表示结构化,管理精细化的维修案例库,本体与CBR相结合的案例检索模型提高了案例检索的准确率与案例知识的重用率。最后,通过高铁维修实例验证了所提方法的可行性和有效性。研究结果表明,构建的高铁车载设备维修案例知识管理模型可较好实现案例知识的有效存储及检索,提升了维修知识的共享和重用率。     

立体仓储技术在铁路基础设施维修基地中的应用

研究目的:铁路基础设施维修基地是为实现我国铁路跨越式发展思路,满足国内建设快速客运网、城际客运铁路及既有线铁路提速改造的需要而出现的新事物,没有现行的设计手册、设计标准、设计规范可套用,拟结合基地内各类备品备件物料存在着自身物理特性复杂的特点,为解决这些不同物理特性物资的合理存放与管理,进而提高整个维修生产环节的作业效率,合理控制生产成本的问题,提出思路和建议,完善基础设施维修基地的设计。研究结论:进行维修基地自动化立体仓库系统设计时应借鉴既有相关工程经验,从基地生产工艺需求的角度出发,进行合理论证,做到系统设备布置紧凑合理,流向合理,减少维修生产环节之间的相互干扰,同时围绕维修基地内备品备件的物性特点进行自动化仓储物流信息系统的分析,开发计算机智能化技术,尽可能缩短物流活动的周期,加快物流速度,达到资源的合理利用,也为今后同类设计积累经验。     

Learning-based traffic signal control algorithms with neighborhood information sharing: An application for sustainable mobility

This research applies R-Markov Average Reward Technique based reinforcement learning (RL) algorithm, namely RMART, for vehicular signal control problem leveraging information sharing among signal controllers in connected vehicle environment. We implemented the algorithm in a network of 18 signalized intersections and compare the performance of RMART with fixed, adaptive, and variants of the RL schemes. Results show significant improvement in system performance for RMART algorithm with information sharing over both traditional fixed signal timing plans and real time adaptive control schemes. The comparison with reinforcement learning algorithms including Q learning and SARSA indicate that RMART performs better at higher congestion levels. Further, a multi-reward structure is proposed that dynamically adjusts the reward function with varying congestion states at the intersection. Finally, the results from test networks show significant reduction in emissions (CO, CO₂, NO_x, VOC, PM₁₀) when RL algorithms are implemented compared to fixed signal timings and adaptive schemes.     

车联网环境下自动驾驶车辆车道选择决策模型

试验车道选择行为是自动驾驶车辆最基本的决策行为之一,利用车联网技术可以使车道选择结果更加全面、合理.首先,对高速公路自动驾驶车辆车道选择决策过程进行分析,并以车联网感知通信范围内的车辆的平均速度、重车比例及前往车道的理想换道时间为主要指标创建成本函数,根据计算结果输出最优车道序列;然后,以Gipps安全驾驶模型为基础,...     

车号识别技术在编组站牵出线上的应用

在编组站牵出线安装车号自动识别系统,通过与现车管理系统的结合,实现车列牵出转场时自动抄车号和自动核对现车的目的.     

自动旅客输送系统在城市集中客运系统中的运用

介绍了自动旅客输送系统的特点、主要技术指标,及其在国外的运用情况,并对国内的运用前景做了论述。自动旅客输送系统是一种无人驾驶、由计算机进行全自动控制运行的新交通系统,采用胶轮承载、导向,在混凝土路面上行走,已在世界上的很多国家得到了应用。