基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。     

船舶辅机智能化技术应用现状及发展趋势

分析船舶辅机智能化需求,梳理大数据、智能算法和健康管理等主要智能化技术在船舶辅机中的应用现状,对这3类智能化技术的应用特点进行归纳总结,提出了船舶辅机未来主要在区域与功能集成、无人化机舱和船岸一体化的发展方向.     

船舶安全事故典型案例分析与研究

挖掘船舶事故案例数据对提升船舶安全,实现规避事故具有重大的价值与意义.对近十年船舶安全事故案例进行研究,阐述典型事故案例的背景概况,采用事故发生流程图对事故产生的原因进行分析.统计分析这些安全事故的船舶类型、事故类型等,同时由船舶安全事故案例引发对船舶安全影响因素的探讨.提出在船舶技术方面采用智能决策辅助的方式降低事故发生率,分析研究新规范对船舶安全的影响,以及船舶事故案例数据的应用价值.     

基于移动实时位置信令数据的轨道交通换乘行为分析

介绍了上海轨道交通清分规则。在现有上海轨道交通K条最短路径的清分算法基础上,融合移动实时位置信令(OIDD)数据,对换乘行为中的主要换乘路径选择比例进行精细化设置,并对次要换乘路径的换乘比例算法作出补充。通过对乘客行为的分析和应用,实现了对现有上海轨道交通清分规则中换乘路径比例的精细化计算。     

南京地铁1号线车辆数据记录仪的研究与应用

南京地铁1号线运营10年以来,列车在正线运行中发生的故障数量和类型都越来越多,但车上现有的诊断设备记录车辆关键数据的能力有限,当车辆发生故障时,并不足以给维修技术人员提供全面的信息。针对此问题,对车辆World FIP网络协议进行研究,开发了的车辆数据记录仪。该记录仪通过专用隔离变压器接入列车World FIP网络总线,在物理层解决网络接入问题的同时,根据网络节点特征及变量特征进行协议分析,并结合已有的变量定义,解析并记录FIP网络中的所有通信数据。通过实际应用中的数据对比可以看出,所设计的车辆数据记录仪能持续且较全面地记录所有World FIP网络上的通信数据,非常有利于故障的查找和分析,从而能准确地解决故障、提高车辆故障的处理效率。     

面向铁路不动产的智能监管运营平台设计和实现

为了加强铁路不动产资产管理,提高铁路不动产管理水平,维护铁路不动产使用秩序及合法权益,文章设计和实现了面向铁路不动产的智能监管运营平台,该平台能够对铁路不动产进行多维度动态统计,辅助辨别铁路用地侵占,评价开发利用潜力。该平台能够为铁路不动产运营提供数字化解决方案,对铁路不动产精细化和智能化管理具有重要意义。     

城市轨道交通精细化客流预测系统设计与实现

针对大部分客流预测系统存在预测客流指标不全,时空粒度较粗,多场景的适用性不足等问题,以大规模网络化运营的城市轨道交通精细化客流预测需求为研究对象,分析适应多场景铁路网客流预测实现方法,利用Hadoop、Spark&Hive、Redis、微服务、H5等先进技术搭建客流预测大数据平台,实现铁路网交通出行量(OD,Origin Destination)的精细化客流功能,为调度指挥和客运管理提供进站、出站、换乘、断面客流量等全指标、精细化时空粒度的客流预测数据支持,提升轨道交通调度指挥针对性、客流组织合理性和客运服务水平。     

铁路供电故障预测与健康管理大数据平台方案研究

铁路供电故障预测与健康管理(PHM)系统是以大数据技术为核心,以供电管理信息系统、6C数据中心、SCADA系统为支撑,按照国铁集团-铁路局-供电段三级管理架构进行设计和建设的供电设备大数据分析管理平台.基于大数据框架的PHM系统涵盖针对高速铁路接触网和牵引变电所的PHM技术方案,在多时空尺度上实现铁路供电故障预测与健康指标评估,全生命周期可靠性、可用性和可维修性的可视化分析和风险评估,以及优化维修决策.本文阐述了铁路供电故障预测与健康管理大数据平台方案的基本设计原则和系统架构,并对该平台涉及的关键技术和系统重要功能进行了探讨.     

城市轨道交通大数据资源目录构建探究

针对目前城市轨道交通大数据资源目录构建中存在的分类不统一、描述不全面、服务不完善等问题,从资源分类及编码定义、核心元数据及资源目录服务模式等方面进行了探讨,提出了大数据资源目录构建方法及解决思路.     

基于BIM模型的铁路雨棚钢结构健康监测数据模型研究

结构健康监测是保障重大工程结构安全的重要技术,针对铁路站台雨棚钢结构监测过程中出现的站台模型和监测信息数据庞大的问题,提出一种扩展的BIM模型,即在现有的BIM模型信息中以数据信息的唯一标识作为依据,扩展所需的动态监测数据信息,将各类检测数据进行有效整合。首先对系统总体架构进行设计,设计面向钢结构健康监测信息的BIM模型,对系统总体架构合计,再根据扩展的BIM模型和模型数据,应用扩展的BIM模型系统设计,开发了基于BIM模型的监测系统,实现了铁路站台雨棚的有效监测。