基于gRPC分布式数据通信的地铁线网指挥中心平台设计与实现

地铁线网指挥中心平台以综合监视系统为核心,以数据应用系统、运营执行系统为协同管理。由于关联的设备系统多、业务复杂,海量数据交互的实时性、并发性、准确性要求高,线网指挥中心平台的数据通信问题一直是一个难题。为解决该问题,基于Protocol Buffer通信协议,设计和实现了基于gRPC分布式数据通信的地铁线网指挥中心平台系统架构。远程过程调用gRPC机制是分布式系统和计算机网络中通信的新型机制,在网络化运营模式下通过采集大量的设备数据、业务系统数据,可实现平台数据的规范化处理和业务系统间的高内聚、松耦合通信,提高城市轨道交通运营安全保障能力。     

基于云平台及数据共享模式的线网及线路层融合调度指挥系统

目前国内轨道交通普遍采用三级(线网—线路—车站)调度指挥体系,结合中等规模城市轨道交通网络的调度指挥需求,研究基于云平台和数据共享模式的线网及线路层融合调度指挥系统建设方案,并进一步分析两级架构下的调度流程、数据共享方案及存在的问题。将新一代信息技术成果与城市轨道交通具体需求进行融合,优化调度指挥架构,打破综合监控系统、通信系统及信号系统的专业壁垒,构建统一的大数据平台,打造基于云平台开放式的线网调度指挥系统。     

感潮河网区航道整治工程潮流数值模拟*

东江下游三角洲发生的河道采沙、航道整治等人类活动对该河网区河床形态的自然演变过程产生了较大影响,引起河网区水动力产生相应的调整。基于非结构网格有限体积法的二维潮流数学模型,对倒运海水道疏浚工程实施后二维潮流场进行模拟研究,并从动力场的角度分析河网区航道整治效果。计算结果表明,工程实施后对水流的影响主要集中在工程附近水域,对河道沿程水位及流速的影响较小,可为其它河网地区的航道整治工程提供参考。     

基于BFS和加权半监督聚类算法的地铁客流分配研究

复杂的城市轨道交通线网给乘客提供多种出行路径选择,而轨道网络起讫点间可能存在多条可选有效路径,给城市轨道客流清分工作带来难度。为求解相同起讫站点间各路线乘客选择的概率问题,以广州市地铁自动售检票(automaticfarecollection,AFC)系统刷卡数据为研究对象,提出一种创新性的半监督聚类算法框架。首先基于广度优先(breadth first search, BFS)的K短路径的搜索算法,识别起讫点间的有效路径集,由此确定初始聚类中心及个数;然后以路径距离和换乘次数等特征值依次标定各有效路径权重,由这些标记数据出发,采用加权半监督的方式增强聚类算法的分类能力。最后结合客流调查结果,与经典K-means算法和朴素贝叶斯分类算法进行比对。通过算例证实提出的客流分配算法性能最优,准确率高达94%,具有较好的分类效果。     

杭州市城市轨道交通 优势区域的时空变化

选择杭州市地铁站点网络,使用复杂网络与空间格局分析方法,研究城市轨道交通优势区域的时空变化 特征,对认识地铁客流量分布及城市格局的演变具有重要意义。结果表明：①地铁站点客流量与地铁站点中心度 指标具有显著的正相关关系,站点中心度指标可部分预测站点客流量;②随着地铁网络的扩建,具有中心度优势 的站点不是一成不变的,具有中心度优势的站点往往具有大地铁客流量的特征;③在总体上均呈现东西南北低, 中部区域高的分布趋势。以杭州铁路西站和未来科技城为主的城市西部区域将会成为杭州的重要发展区域。各阶 段站点网络在空间上均呈现显著的高值集聚特征。对于中间中心度,高值集聚区与凤起路和延安路交叉口区域、 火车东站区域有紧密联系;对于接近中心度,高值集聚区以凤起路和延安路交叉口为源点,呈不断向周边各方向 扩张的趋势。上述区域与目前杭州市地铁客流量居前的站点区域高度吻合。     

基于试验数据的城轨车辆二系悬挂系统神经网络辨识研究

针对城市轨道车辆二系悬挂系统的输入-输出动态关系,根据实测数据应用神经网络对城市轨道车辆二系悬挂系统进行辨识,建立了二系悬挂动态系统神经网络模型。仿真结果表明:所采用的辨识网络能够对城市轨道车辆二系悬挂系统的动态关系进行有效的辨识,可以建立一个分析二系悬挂系统特性的神经网络模型。     

局域路网IO矩阵反推模型研究

引入一种适用于描述局域路网出行车流分布的IO矩阵，提出了IO矩阵反推模型、求懈算法（SQP法），并对模型解和提高模型推算精度的途径进行了讨论，最后给出了应用实例，显示了模型的优越性。     

城市机动车拥有量发展战略研究

以路网广义容量计算理论为前提,通过对规划年路网容量的计算,从供需平衡的角度和对未来路网机动车运行状况的估计,确定规划年机动车限制保有量的预测值,从而为城市机动车发展战略提供重要的决策依据.最后根据文中提出的计算模型对重庆市主城区未来机动车发展状况进行实例分析.     

深度学习在激光熔覆领域的发展与应用

介绍激光熔覆的基本原理、应用领域和深度学习模型的发展状况,阐述深度学习在激光熔覆领域的应用。深度学习利用神经网络模型监控激光熔覆过程,在熔覆工艺参数优化和熔覆过程质量控制等方面具有较好优势,可有效提升激光熔覆过程的精度和稳定性。     

铁水含硅量实时预报专家系统的设计与实现

将时差方法与人工神经元网络方法有机地结合起来,提出了一种在高炉铁水含硫量预报中的应用策略。并基于鞍钢10#高炉操作过程,建立了高炉铁水含硫量预报专家系统。