基于Bentley平台二次开发的铁路房屋结构设计关键技术研究

近年来，随着铁路工程BIM应用研究的不断深入，铁路隧道、桥梁等站前专业BIM设计已逐步转向Bentley平台。为保证铁路BIM数据的无损交互，铁路房屋BIM设计平台也将逐步转向Bentley。然而，目前针对Bentley平台开展铁路房屋结构设计方面的研究较为欠缺。对此，以西十高铁BIM设计为试点，从铁路房屋结构BIM设计着手，提出一套包含构件便捷定位系统、平法标注信息录入、结构工程量统计的解决方案。该解决方案创新性提出了将结构二维平法表达与BIM设计相融合，通过建立平法标注工具，可在对三维空间进行剖切后形成的二维视图中进行平法标注，标注信息将通过其关联数据库同步至相应的三维构件属性中，实现二维空间标注与三维构件属性间的联动；并通过对Bentley平台OBD软件进行二次开发，最终实现了在西十高铁房屋结构BIM设计中的应用。     

基于深度学习的分心驾驶行为检测方法

针对现有分心驾驶行为检测方法存在的检测精度低、实时性差等问题，利用基于深度学习的目标检测方法进行了驾驶员分心驾驶行为检测，首先构建分心驾驶行为数据集，包括驾驶员使用手机、饮水和吸烟3种行为的图像，并进行目标物的标注，然后选用轻量化目标检测模型NanoDet进行训练验证，结果表明，该方法可以准确并快速地识别出驾驶员在驾驶过程中使用手机、饮水和吸烟的行为。     

基于样本自动标注的隧道裂缝病害智能识别

隧道表面裂缝的检测已经成为地铁运营人员的重要巡检任务之一.为实现隧道裂缝病害的自动监测，提出一种结合病害特征提取和深度学习的隧道裂缝样本自动标注与识别算法；针对隧道裂缝形态特征建立裂缝图像的特征样本库，改进了AlexNet深度卷积网络结构；设计研制了轨道移动式隧道图像采集系统以及巡检车，采集并构建了包含4 500张裂缝图像样本和1 500张测试图像的数据集，用以验证算法的可行性和有效性.研究结果表明：采集的图像清晰度符合要求，所设计算法可完成裂缝目标自动标注；裂缝图像测试集的识别率达到97.8%，证明了算法研究和采集系统的有效性.