城市轨道交通接驳公共汽车线路规划 ——以武汉市为例

针对公共交通接驳网络优化问题,通过设计蚁群算法,构建城市轨道交通接驳公共汽车网络优化模型。该模型考虑公共汽车线路布局约束、乘客接驳需求以及公共汽车运能的相互约束,按照城市道路级别对公共汽车站进行分级,提高公共汽车线路规划的灵活性。同时,根据模型特点设计蚁群算法进行优化,提高模型收敛速度。以武汉市光谷广场地铁站周边接驳公共汽车网络为例,该模型对既有网络进行了优化。结果表明:蚁群算法对分级公共汽车站接驳网络有明显的优化效果,能够显著降低系统总成本。     

SA-BP神经网络在轨道电路故障诊断中的应用研究

针对25 Hz相敏轨道电路故障的复杂性,提出一种模拟退火(SA,Simulated Annealing)算法与BP神经网络相结合的故障诊断方法。发挥SA算法全局寻优的特点来优化BP神经网络的学习过程,避免网络训练时间长和陷入局部极小值;通过Matlab进行仿真分析,结果表明,将该方法应用于轨道电路故障诊断,可有效提高故障诊断效率和准确度。     

轨道交通车辆模态参数辨识方法研究

运用子空间辨识数值算法直接辨识出轨道交通车辆动力学系统的状态方程,对系统矩阵进行特征值分解后获得模态频率和阻尼比,运用稳态图来确定系统的物理极点,最后获得所识别系统的模态参数。利用此法,对轨道交通车辆垂向仿真模型进行了模态参数辨识研究。研究结果表明:如以轨道不平顺作为车辆输入、以车体和构架的位移响应作为系统输出进行辨识,则即使在噪声信号较大时,仍能获得良好的识别效果;运用仿真模型的加速度输出信号进行辨识时,车辆模态参数的识别精度受噪声影响很大;当噪声信号为原信号的5%时,以构架加速度作为输入、车体振动响应作为输出,仍能有效地识别车体的模态参数。     

构架式轨距——轨向检测系统信号合成算法及系统验证

通过对图像传感器输出的轨距左右偏移信号和左右高低偏移信号、加速度计输出信号和车体惯性平台输出的轨道倾角信号进行合成处理,得到准确的轨距和轨向测量结果。从理论上推导轨向的合成算法,对安装于轨距测量梁中心的轨向加速度计的响应进行重力和旋转运动修正后,与三角窗函数卷积运算,得到轨距测量梁中心横向位移的二阶差分,然后再通过二次积分和滤波得到左右轨向值。通过设计模拟低通滤波和相应的数字滤波器,实现了加速度滤波器的幅频响应与检测车速度无关,保证了系统的检测精度。对轨向加速度计测得的位移和摄像式轨距系统测得的位移进行比较,验证了系统测量原理和合成算法的正确性。经静态验证和现场试验,结果证明构架式轨距—轨向检测系统具有检测精度高、性能稳定和故障率低的优点。     

城市轨道交通自动化系统中的一种可靠性算法

介绍了轨道交通可靠性计算假设事项、依据和计算方法,并通过轨道交通自动化系统的具体实例,给出了可靠性计算的详细分析流程。     

视频分析功能设计方案及实施

<正>视频分析技术已应用于青藏、京津、合武等线路视频监控,为了使视频分析性能达到最佳,在工程设计阶段,应当考虑视频分析的因素,以便为视频分析算法提供良好的工作条件,发挥其最大的优势。工程实施中,除针对不同应用场所选择不同应用算法之外,还必须根据具体需求     

基于H.264的数字视频编码器开发

<正>随着大规模高速铁路建设的有序开展,铁路部门对运输安全的重视达到了前所未有的高度。视频监控、报警控制、网络实时传输、数据存储等均面临着用户更高的要求。数字视频编码器作为视频监控系统的核心产品,近几年发展速度令人瞩目,新技术不断涌现,芯片处理能力不     

基于弹性需求的城市轨道交通列车开行方案研究

城市轨道交通的列车开行方案直接影响乘客的出行费用,需要根据客流的需求弹性制定。针对目前城市轨道交通规划和运营实际,将列车开行方案归结为列车编组、开行时段,以及各时段每一列车交路的列车数量。在分析乘客广义出行费用的基础上,构造乘客出行的弹性需求函数,将乘客乘车选择归结为具有能力约束的弹性需求用户均衡问题。进而利用城市轨道交通营运企业与乘客之间的博弈关系,对列车开行方案相关的费用、效益等优化目标和约束条件进行分析,建立基于弹性需求的城市轨道交通列车开行方案的多目标双层规划模型,并设计基于模拟退火算法的优化算法。针对长沙地铁2号线的应用表明,优化方法具有较高求解效率和较好求解质量。     

RFID技术的定位改进算法在铁路隧道人员定位中的应用

本文介绍无线射频识别技术(RFID)的基本原理,重点阐述基于RFID的LANDMARC定位算法的原理与过程。在此基础上,综合考虑铁路隧道内折射、反射、多径效应等因素对场强的影响,分析LANDMARC定位算法的不足,将此算法进行改进,提出自适应LANDMARC k-邻居算法,结合RF Code公司的硬件系统,将其应用到铁路隧道人员定位系统中。实验证明改进的算法具有更高的定位精度:定位精度在1m以内的标签占70%,比原来算法的60%提高10%;93%的标签定位误差小于1.5m,且最大误差控制在2.5m以内。对提高隧道内人员的安全管理水平具有重要意义。     

基于多类型变量空间的驾驶行为基元提取

从驾驶数据中提取驾驶行为基元是实现驾驶行为高效准确分析的重要前提。为了更好地理解驾驶行为,使驾驶行为基元能够体现不同驾驶人的驾驶行为差异,考虑驾驶行为产生时所受驾驶人的主观约束,提出基于多类型变量空间的驾驶行为基元提取方法。使用驾驶行为原始变量反映车辆运行状态和驾驶操作,将所选择的原始变量定义为基础变量集;使用基础变量构造能够反映驾驶人对车辆运行状态主观期望的变量,并将其定义为构造变量集。利用基础变量集和构造变量集生成多类型变量空间,使用贝叶斯凝聚型序列分割算法分割数据以提取驾驶行为基元。针对多类型变量空间自调节问题,提出基于分割质量优选滑窗尺寸的方法,使多类型变量空间能够自适应不同数据集的数值特性,确保基元提取的准确度。对所得基元进行特征构造和提取,利用高斯混合聚类算法对直行和弯道路段的行为基元分别进行聚类,并通过分析各类基元的统计特征得到基元的语义描述。最后,通过实例分析验证基元提取和语义解释的准确性,以及多类型变量空间的优越性。研究结果表明：所提取的驾驶行为基元具有多角度语义,不仅能够反映车辆运行状态和驾驶操作,而且能够体现驾驶人对车辆操纵决策的主观期望,有利于从因果角度更全面地...