实施轨道交通安全风险管理标准化

目前,全国铁路运营总里程将突破10万公里,其中高速铁路约为9000公里、电气化铁路约4．8万公里。全国城市轨道交通系统发展更是日新月异,已在北京、上海、广州等25个城市落地,截止2011年底其正式营业总里程已超过1600公里。在“十二五”期间,还将建成京津冀、长江三角洲、珠江三角洲等十大城市群的城际轨道交通网络,届时,涉及全国40多个城市的轨道交通系统总里程将超过2600公里。     

保障城轨产品质量积极践行社会责任——专访研祥智能科技股份有限公司产品线总监唐青文

随着各大城市地铁线路的开通,我国．的轨交交通行业迅猛发展。城市轨道交通编织的城市交通网络,有效缓解了城市交通压力,给人们出行带来了便利和舒适。但是,作为运能极强的出行工具,一旦出现重大问题,就会有大量的乘客困在狭小的地下通道里面,     

基于贝叶斯网络的轨道交通司机胜任力评价

根据调查分析得到轨道交通司机胜任力评价的4个一级评价指标和16个二级评价指标。将此评价指标作为变量,基于贝叶斯网络原理,构建司机胜任力贝叶斯网络。选取职业心理特征和职业理论特征作为中间节点,规章制度掌握程度、车辆理论知识水平、学习能力和复杂反应能力作为父节点,司机胜任力作为子结点,得到简化的司机胜任力子贝叶斯网络。利用该子贝叶斯网络对实例的分析结果表明:司机职业心理特征对司机胜任力影响较大;评价结果准确地反映了司机胜任力各项评价指标间的相互作用关系;该方法可为司机的选拔、培训和退役提供定量分析的依据。     

中国铁道科学研究院2010年科技成果简介(续六)

54客运专线防灾安全监控系统联调联试方案客运专线防灾安全监控系统联调联试是系统投入运行前的一个关键环节,通过对大风监测、暴雨监测和异物侵限监控等子系统的联调     

广州地铁3号线列车网络控制系统及其故障诊断分析

以广州地铁3号线为例,分析了列车网络控制系统及其对故障的诊断方式;通过对广州地铁3号线列车网络控制系统故障的解决及分析,对列车网络控制系统稳定性提出更高要求.     

深圳地铁3号线车-地无线通信系统

主要介绍应用于深圳地铁3号线正线信号系统中的车-地无线通信系统的结构、组成和原理,并简要描述系统的主要特色,以及系统应用中应注意的问题.     

浅析南京地铁1号线与2号线列车网络

南京地铁1号线的列车总线采用的是FIP协议,并以此构建了列车信息监控系统（TIMS）。而2号线列车以MVB技术为基础构建了全新的列车控制网络（TCMS）。在1号线FIP的基础上,介绍了使用在2号线列车MVB总线的物理层、帧及其时序。     

一种基于无线传感器网络的安全优先门限敏感分簇路由协议

为构建基于无线传感器网络的铁路防灾安全监控系统,在门限敏感的节能型网络协议(TEEN)基础上,提出1种安全优先门限敏感分簇路由协议(SPTC).确定SPTC的网络架构,基于能量计算公式设计簇头分布算法及簇头和副簇头选举算法,以及路由建立步骤和数据采集流程.在协议中定义副簇头,保证数据路由的可靠性及数据自身传输的安全,提高协议的安全性;在汇聚节点(SN)附近区域布置更小规模的簇,在兼顾剩余能量与节点距离的准则下选择最佳的簇头节点,以提高协议的节能性.采用OMNeT++网络仿真工具对SPTC进行了建模仿真.仿真结果表明:当网络工作了10 000 s时,低能量节点数量比低功耗自适应聚类层次协议(LEACH)减少了60％;当灾害数据采集概率为0.5％时,基于SPTC协议的网络检测周期是基于LEACH的1.7倍.     

预留CTCS-3级列控业务线路的GSM-R设计方案探讨

部分铁路建设初期采用普通单网的GSM-R网络结构,将来提速到300 km/h时需采用CTCS-3级列控系统,需改造GSM-R单网交织网络结构。针对这一情况,为减少对既有网络的影响,节省工程投资,使改造工作相对容易,在初期进行GSM-R普通单网设计的同时可以在覆盖电平、服务质量、容量需求、频率规划等方面预留交织单网条件,但在连续隧道群等复杂区段的弱场处理预留还存在一定难度。     

基于改进GAN的端到端自动驾驶图像生成方法

基于端到端数据系统的自动驾驶系统对驾驶图像存在巨大需求。为解决一般生成式对抗网络模型在扩充驾驶图像数据集时不稳定及生成图像特征缺乏多样性的问题,研究1种改进网络模型LS-InfoGAN。结合最小二乘对抗损失防止模型梯度消失,并缓解生成器优化矛盾,提升模型训练稳定性。通过最大化生成图像与真实图像间的互信息提升生成器特征学习能力,改善生成图像特征多样性。利用转置卷积层还原图像特征,提升生成图像特征清晰度。以自主构建的模拟驾驶场景中获取的带标签驾驶图像集对模型有效性及其数据集扩充应用效果进行验证。实验分析表明:相比改进前模型,LS-InfoGAN模型的图像生成过程稳定性平均提升35%;使用此模型扩充的数据集进行端到端自动驾驶系统中决策网络的训练能在不采集新图像的情况下将系统决策性能提升1%~2%;建议使用此模型扩充图像数据集时将生成图像数量设置为原始训练集图像数量的1~2倍。