新基建体系支撑下的城市轨道交通运维模式刍议

当前以大数据等新兴信息技术为主导的城市轨道交通运维创新方案探索不断呈现.从当前政策形势、需求痛点、总体原则、应用场景等多个方面,对新兴信息技术在城市轨道交通行业的合理适配进行了分析.提出了以降本增效为宗旨、以组织管理为核心、以顶层设计为先导的城市轨道交通企业新型运维模式建设思路.     

分布式环境下高速数据服务器的研究与设计

指出了VOCAL系统数据服务器的缺陷,研究了在分布式环境下一个数据服务器的具体设计.     

ZPW-2000R轨道电路通信数据分析方法设计与工具实现

通信编码ZPW-2000R轨道电路实时记录并存储全部通信原始数据用于设备维护及故障分析。然而通信数据抽象繁杂,直接分析数据难度较大。针对此问题,设计了一种通信数据的有效分析方法,并利用该方法开发了分析工具软件,能够自动实现数据的解析、分析,以及可视化显示,显著提高了现场维护效率。     

大数据背景下高校图书馆智慧服务研究

现阶段,数据及信息增长的速度极快,智能化技术在各行各业中普遍应用,人们的日常生活已发生重大改变.作为师生获取资源以及信息的重要渠道,高校图书馆应当紧跟时代发展的步伐,进一步更新完善自身智慧服务体系,更好地服务于高校的教师以及学生.本文通过对现阶段高校图书馆的智慧服务现状进行分析,提出相应的革新策略以及新的服务方式.     

基于线扫激光传感器的地铁轨交轨面表观病害巡检系统

针对地铁轨道交通领域巡检的需要,设计一种地铁轨交轨面表观病害巡检系统。系统基于四台线扫激光传感器同步扫描采集轨交轨面数据,将切面高度数据与图像处理相结合,给出实现轨交轨面中轨道的轨距、错牙、螺栓和道床表观病害检测方法。系统通过6次实际地铁轨道试验检测,能够检测出对应轨交轨面表观病害。     

基于稀疏采样数据的电动公交车电池SOC预测方法研究

为提高电动公交车电池SOC预测的精度,基于某电池监控云平台电池数据库中存储的以30 s为采样周期的稀疏采样的电池运行数据,对电动公交车电池SOC预测方法进行了研究。首先,介绍了稀疏采样数据源,分析了电动公交车动力电池的运行过程及其SOC变化的影响因素。选取了当前电池组的总电压、电流、电池模组温度均值及前一时刻SOC值作为预测变量,而选择当前电池组SOC作为输出变量,构建了训练数据集与测试数据集。然后,采用支持向量机(SVM)算法进行训练,并使用贝叶斯优化算法寻找SVM的最优超参数组合,提出了基于稀疏采样数据的电动公交车电池SOC单步预测方法。接着通过对训练数据集的再划分,进一步提出了基于稀疏采样数据的电动公交车SOC自主预测方法,摆脱了在SOC长期预测过程中对于BMS估计的真实SOC值的依赖。试验结果表明,SOC单步预测方法的最大绝对误差仅为1.82%,SOC自主预测方法的最大绝对误差也只有5.89%,都具有较高的预测精度。根据在不同运行路线和不同环境温度下的试验结果,SOC预测模型具有较高的鲁棒性。     

信号交叉口车路环境对电动自行车释放膨胀特性的影响分析

电动自行车数量的急剧增长导致其在绿灯释放阶段膨胀特性明显,进而加重了交叉口的机非冲突、降低了车流的通行效率。利用视频轨迹提取技术,通过光流法的表现形式描述直行电动自行车在绿灯期间的膨胀特征,并根据其密度变化、膨胀差异和电动自行车对机动车的影响程度,确定出释放初期为主要研究时段;同时,提出了一种反映电动自行车膨胀变化的新型指标膨胀度,分别通过线性相关分析、秩相关性分析和偏相关分析,确定了车路环境中影响膨胀度的动态因素和静态因素;最后基于6个信号交叉口的实测数据,建立各因素与膨胀度的数学关系模型,并结合实际交通条件,给出不同车路环境下电动自行车的管控措施与渠化方法。研究结果表明：车路环境中的电动自行车流量、机动车流量、电动自行车过街距离、非机动车进/出口道宽度、机非分隔带设置情况这5种因素对膨胀度的影响能力各异,右转机动车流量与膨胀度相关性最高。此外,动态因素与膨胀度之间具有确定的函数关系,存在电动自行车与机动车流量均衡效益最大的优势区域;静态因素的差异会导致电动自行车膨胀形式的变化;膨胀度可与动态、静态因素构建复合函数模型。研究成果可为混合交通流的渠化设计和信号配时提供理论依据和技术支持。     

新能源乘用车大数据系统的开发及应用

从新能源车的设计开发出手,对关键的几个核心部分使用了大数据进行开发应用。整个平台的搭建都是在基于大数据的应用基础上实现的,从整个系统架构到数据结构平台,从服务应用的远程监控到车辆运行管理和故障预警,以及电池充放电、驾驶行为分析、后续OTA 及其他服务,都体现出了大数据系统服务的作用。     

大数据平台在新能源汽车安全领域的应用

通过利用行业内主流的大数据技术搭建新能源大数据平台,重点对新能源汽车车联网大数据进行算法研究、建模分析。分别从故障远程在线诊断、车联网大数据指标分析、车联网大数据算法模型等方面对新能源汽车故障、驾驶行为、充电行为等进行深入研究,以保障新能源汽车车辆安全。