CBTC系统基于站台局域无线覆盖的后备控制等级功能扩展

讨论目前CBTC系统中不同等级后备模式的工作原理及存在的功能缺陷,提出了一种在现有系统上增加站台区域车-地双向无线通信覆盖以实现站区紧急停车防护和站台屏蔽门控制的技术解决方案。     

城市轨道交通CBTC中的无线通信系统

简单介绍城市轨道交通CBTC列车控制系统中的无线通信系统,阐述无线通信系统的工作原理、系统配置、硬件结构,以及无线通信技术在实际应用过程中存在的问题及改进方向。     

国产MTC-I型CBTC系统的安全认证实践与探讨

重点围绕城市轨道交通国产MTC-I型列车控制系统（CBTC）独立第三方安全评估与认证工作,阐述了信号安全攸关系统的技术标准规范体系、安全完整度等级、安全认证类型、风险评价原则等概念与定义。基于安全认证、系统生命周期、安全保障架构、项目风险管理、安全审核与评估等具体内容描述了MTC—I型CBTC系统通用产品安全认证实践过程。对建立我国城轨交通行业发展的安全认证体系、实施策略以及风险管控原则等安全认证要素进行了分析与探讨。     

人工智能和数字化管理在公交行业中的运用

随着科技的飞速发展,数字化管理已成为现代企业不可或缺的一部分。公交行业作为城市交通的重要支柱,实施数字化管理是提高运营效率、优化服务质量的必要手段。而支撑数字化管理的重要路径人工智能(AI),已经渗透到生活的各个领域。     

十年辉煌嬗变,肥西公交一路向“民”而行

近年来,在肥西县委、县政府的正确领导和县人大、县政协的关心监督及产城集团的正确指导下,肥西公交有限公司(以下简称“肥西公交”)坚持以人民为中心的发展思想,以党建引领企业发展,通过党建与业务相融合,积极探索公司化运营模式,为建设人民满意交通塑造“肥西品牌”。     

数字赋能公交 智慧改变生活

时间是开拓者前行的足迹,公共交通是城市流动的血脉。在新时期,十年的伟大变革具有划时代意义。党的十八大以来,在习近平新时代中国特色社会主义思想的指引下,太原公共交通控股(集团)有限公司(以下简称“太原公交”)始终坚持“以人民为中心”的发展思想,统筹各项工作,充分应用信息化、智能化等新技术新装备,积极调研和挖掘群众出行需求,持续优化和丰富公交线网结构。积极主动融入城市发展新格局。     

基于RDE试验的车用发动机工作状态和排放浅析

在北京、重庆和昆明地区开展了轻型汽油车RD E试验,在满足当前法规RD E要求的前提下,研究了驾驶行为对轻型汽油车发动机工作载荷和真实道路排放的影响.研究结果表明:与WLTC工况下发动机的工作载荷相比,RDE试验发动机工作载荷区域更宽;RDE试验过程中激烈驾驶会引起燃油保护加浓,燃油保护加浓会导致CO排放随着激烈程度的增大非线性升高;基于平原WLTC循环的CO2特性曲线在高原地区开展RDE试验时,RDE试验窗口的正常性难以通过;冷起动阶段的排放远高于起动后的排放,起动阶段的排放物应纳于标准检测范围并予以规范.     

16部门联合印发《关于加强货车司机权益保障工作的意见》,意义重大

正值2022年元旦、春节临近,上千万货车司机们又将进入一年内最忙碌的运输季节之际,2021年11月3日,国新办举行"加强货车司机权益保障工作"新闻发布会,交通运输部、公安部交通管理局以及全国总工会相关负责人就日前交通运输部会同公安部、人社部、全国总工会等16个部门联合印发的《关于加强货车司机权益保障工作的意见》(2021年10月11日成文,下简称《意见》)进行了解读,并就有关问题回答了记者提问。     

城市云道的人致振动舒适度分析

综合对比了国内外规范对于人行桥通行舒适度的规定,并以某城市云道工程人行桥为研究背景,利用大型通用有限元分析软件Midas/Civil建立背景工程的有限元模型,计算了其在人群荷载激励下的加速度响应,最后参考德国人行桥设计规范中的舒适度评价方法对该人行桥进行舒适度评价,并提出了相关建议.     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络（Long Short-term Memory Network, LSTM）对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型（VP-LSTM）。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明：提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。