基于数据驱动的城市轨道交通车辆检修运维模式

面对城市轨道交通车辆检修运维支撑压力的激增,为提高城市轨道交通车辆检修运维效率、降低经营成本,围绕城市轨道交通车辆功能特性及常规检修运维过程,介绍了城市轨道交通车辆检修运维数据资源的识别,阐述了车辆健康管理系统开发、智能化轨旁设备装配及检修运维信息系统的搭建。实现了远程传输数据和轨旁数据的采集、应用、协同,充分发挥数据价值,形成车辆状态可视化管理、信息自动化采集、检查作业自动化触发,构建了基于数据驱动的城市轨道交通车辆检修运维模式。     

GIS-BIM在铁路工程建设管理中的应用研究

针对当前铁路工程项目地域广泛、工程复杂,传统的管理模式不能满足多维信息的共享与管理,开展基于GIS-BIM技术在铁路工程建设管理中的应用研究。采用快速建模方法构建大范围三维铁路工程结构物;通过基于数据转换的GIS-BIM融合技术实现铁路工程建设和工程结构的精细化管理;基于倾斜摄影技术,快速真实描述客观场景。利用GIS-BIM技术,构建工程建设环境,工程模型的三维场景,工程结构物模型,实现模型和铁路工程建设项目信息共享与集成、铁路工程建设项目信息化管理。基于GIS-BIM技术构建的铁路工程建设地理信息系统在郑万（郑州南站—万州北站）铁路试点应用,效果良好,此研究可为铁路工程建设信息化、可视化管理提供参考。     

基于WE-ICA的牵引电机速度传感器微小故障检测与识别

文章提出了一种基于小波变换和集成独立成分分析(WE-ICA)的牵引电机速度传感器微小故障检测与识别方法。首先,通过小波变换对高速列车牵引电机数据进行滤波处理,减少噪声对微小故障信息的干扰;接着通过独立成分分析(ICA)方法提取故障信息并建立检测统计量;最后利用贝叶斯推理计算统计量的故障概率,并设计集成统计量用于微小故障检测;另外通过加权贡献度对故障进行识别。利用CRH2牵引电机实验平台对该方法进行验证,实验结果证明了该方法的有效性和实用性。     

CTCS3无线闭塞中心工程化数据生成方法与实现

为保证在实际工程项目实施中,能够更精准、高效的完成无线闭塞中心(RBC, Radio Block Center)的工程化数据配置,通过分析列控地面工程数据和RBC数据结构,提出一种RBC工程化数据生成方法。基于RBC工程化数据配置规则,采用C#和NPOI,开发了由列控地面工程数据到RBC工程化数据的数据转换工具。经试验表明, RBC工程化数据生成方法是可行的。该数据转换工具显著节约人工成本、缩短项目周期,目前已成功应用于8套RBC的工程化数据配置。     

云物大智、区块链、CPS间的关系及在铁路领域研究综述

云计算、物联网、大数据、人工智能（AI）、区块链、信息物理系统（CPS）为前沿新兴技术领域，它们并非彼此孤立，而是相互关联、相辅相成、相互促进的。介绍它们的内涵、关系及在铁路领域的应用探索。物联网是数据源，大数据是基础资源，云计算是基础设施，人工智能是核心算法，区块链为铁路领域业务基础架构和运行机制的变革创造条件，信息物理系统是贯穿信息空间与物理空间之间基于数据自动流动的状态感知、实时分析、科学决策、精准执行的一套综合技术体系。这些新技术的综合应用、交叉支撑、循环进化的良性迭代，将积极促进铁路智能化的发展。     

铁路货车大数据平台总体设计研究

为促进铁路货车数据资源共享、推进大数据技术在铁路货车领域的应用,提出了铁路货车大数据平台的总体设计方案。在分析铁路货车大数据来源及数据特征的基础上,基于大数据采集与存储技术、大数据治理技术、大数据算法和模型、大数据计算分析技术,设计了铁路货车大数据平台的总体架构和技术架构,为铁路货车大数据平台的搭建提供设计依据。目前已在中国国家铁路集团有限公司开展了基于该设计方案的铁路货车大数据平台的搭建。     

基于大数据技术的铁路客户服务中心服务质量分析平台研究与设计

研究大数据技术在客户服务质量管理方面的应用实践，分析在客户服务质量管理领域大数据应用案例和技术解决方案，为铁路客户服务中心服务质量的数字化分析评估提出可行的技术路线和建设框架。应用主流大数据处理技术和数据分析处理算法，对铁路客户服务中心的客户服务过程数据进行基于数据仓库技术的整合，实现结构化数据、半结构化数据和非结构化数据的统一管理和调用分析。应用自然语音识别技术，验证转换算法，提出提升效率的机制，同时，结合典型的客户服务质量分析指标，通过业务分析模型、基础数据模型和分析算法进行设计开发，实现服务质量分析的数据化方案。平台框架、技术路线和原型平台的开发，能够为铁路客户服务中心的大数据应用提出可行的建设思路和解决方案，在实际应用中，提升客户服务质量管理能力，改善服务质量管理机制，降低铁路客户服务中心服务质量管理成本。     

轨道交通户外站台门与列车间隙背景灯带图像分割算法研究

轨道交通在发车前需要清空站台与列车间隙,否则异物入侵会对乘客与列车运行造成安全隐患,基于背景灯带的异物入侵检测需要对灯带在图像中进行图像分割、提取、识别。针对在户外站台场景下,复杂背景和日光等因素为背景灯带提取带来困难的问题,提出一种无监督的图像分割算法。首先通过卷积神经网络进行特征提取,然后将特征图输入到后续分类器中对所有像素进行类别输出。在训练过程中,使用的损失函数从三方面进行设计：考虑特征相似度和空间连续约束、基于深度支持向量描述以及基于几何与光度增强。算法能够实现单样本无监督对神经网络参数进行调优。通过对某城轨站台真实数据采集及实验结果表明,本文提出的方法在与训练样本不同光照条件、拍摄角度条件下,对背景灯带进行分割的F1分数为78.47%;在性能优于其他方法的同时,耗时最多能减少97.1%;算法为基于背景灯带的异物检测方案提供一种行之有效的图像分割方法,为后续的异物自动检测提供基础。