浅析京沪高铁北京CTC中心网络安全

随着分散自律调度集中(CTC)系统运用于京沪高速铁路,京沪CTC中心网络安全成为保障京沪高铁行车安全的一个重要环节。对CTC中心网络安全进行风险识别与分析。从安全管理和安全技术2个方面论证,总结了解决京沪CTC中心网络安全风险的途径。实践证明,采用安全管理和安全技术相结合的策略,有效规避了京沪高铁北京局CTC中心潜在的内、外网络风险,保证了系统网络高安全性。     

铁路信号楼搬迁引起的通信系统改造方案探讨

随着铁路的发展,新建、改建铁路不断增多,一些既有铁路信号楼需要搬迁。针对信号楼搬迁引起的通信系统改造方案进行介绍,重点阐述通信系统改造开通前的准备和试验流程。     

戈壁粗粒土填料填筑铁路路基压实评价指标研究

选取兰新铁路第二双线4个具有代表性的路基试验段,进行戈壁粗粒土填筑路基的压实质量评价指标研究。研究表明:粗粒土填料填筑路基的孔隙率偏小,但现有规范规定的孔隙率标准偏大,起不到控制路基密实度的作用,因此提出用填料的细颗粒室内击实试验得到的孔隙率换算整体孔隙率的方法控制粗粒土填筑路基的密实度;K30能较好地反映填料的塑性变形,且对压实质量敏感,比Ev2更适合作为路基压实质量的评价指标;Ev2/Ev1控制路基压实质量的实质是Ev1在起作用;规范不应用统一的Ev2/Ev1标准,而应根据填料的粗颗粒含量制定相应的Ev2/Ev1标准,填料的粗颗粒含量越多,填筑的路基的弹性变形量越小,Ev2/Ev1的规范标准应越大;Ev1的测试深度比K30大,且塑性变形在总变形中的比例也大,因此可以考虑将Ev1设定为路基压实质量的评价指标。     

铁路隔震连续梁桥地震碰撞响应研究

在地震作用下隔震桥梁的梁体位移比非隔震桥梁明显增加,使得相邻梁发生碰撞的概率增大。以1联3跨铁路隔震连续梁桥为例,选用3条人工地震波,采用非线性时程分析方法进行该桥的碰撞响应分析,研究梁间伸缩缝宽度和隔震支座刚度对梁间碰撞响应的影响。结果表明:随着伸缩缝宽度的增大和隔震支座刚度的增大,相邻梁碰撞的发生次数和碰撞力均有明显减小;地震作用下隔震固定墩墩底最大弯矩和最大剪力均随着隔震支座刚度的增加而增加。因此,在进行隔震桥梁设计时,应综合考虑隔震支座的隔震效果和碰撞响应,从而得到既经济又安全的隔震桥梁设计参数。     

智能布线系统

智能布线系统也称电子配线架,在传统综合布线系统中增加硬件设备和软件,实时探测配线架之间跳线的链接关系,并将探测到的链接关系即刻生成链接数据库,还可根据探测到的跳接变化实时地自动更新链接数据库,是一套综合布线管理系统。主要技术有：端口技术、链路技术、Transall技术等,对这3种技术进行分析、比较。     

城市轨道交通运营部门建立模拟法人管理体制的初步探讨

论述模拟法人的概念和体制优势,提出了城市轨道交通企业运营部门建立模拟法人管理体制“合理授权”与“战略管控”相结合的总体思路,详细阐述了“授权与明职”、“推行战略预算管控”、“开展关键绩效考评”的实施方法和操作流程,最后指出了保障实施的相关建议。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

排阵式交叉口几何设计与信号控制协同鲁棒优化

针对排阵式交叉口在实际交通波动环境中存在车辆滞留排序区,运行效率稳定性难以保障的问题,提出了鲁棒优化方法,平衡交叉口运行的效率和稳定性。在分析排阵式交叉口运行特性的基础上,指出了其运行效率波动性与交叉口几何设计、信号控制、交通需求、饱和流率和运行车速这5个因素有关。确定了将交通需求、饱和流率和运行车速这3个客观波动因素作为模型的输入参数,将几何设计和信号控制这2个可受设计人员控制的要素作为模型的优化控制变量进行协同优化的模型框架。在此基础上,以交叉口车均延误条件风险值最小为目标,考虑了各流向车道数、信号相位相序、排序区车辆清空等方面的约束条件,构建了基于情景的鲁棒优化模型,并建立了遗传算法对模型进行求解。通过案例分析,对鲁棒优化模型的置信水平取值和算法准确性进行了分析,证明了算法可以使目标函数收敛到最小值,并基于蒙特卡洛模拟对优化效益进行了检验。研究发现,所建立的几何设计与信号控制协同鲁棒优化模型可实现在交通需求和供给的波动下,对排阵式交叉口的车道功能、排序区长度以及主、预信号控制进行协同优化。相较于确定性的设计方法,在平均延误层面基本维持原有水平,但对延误标准差和最大值有着较为明显的改善,案例中分别减少了48%和23%。     

基于元胞自动机的高速铁路列车群追踪运行仿真模型

为分析高速铁路列车在追踪间隔缩小时的运行状态,根据准移动闭塞系统原理,设置列车区间运行和车站运行的演化规则,建立准移动闭塞条件下基于元胞自动机的列车群追踪运行仿真模型。利用元胞自动机对京沪高速铁路线路"上海虹桥—南京南"运行图中追踪运行的10列车进行建模仿真,分析仿真结果验证到达间隔时间是制约追踪间隔的瓶颈,并得出后行列车满足追踪间隔4 min或3 min的情况下,其运行速度不受前行列车的干扰。     

基于启发式Q(λ)学习的铁路绝缘子定位研究

智能化冲洗是解决电气化铁路绝缘子人工冲洗弊端的有效途径,而智能化冲洗的关键在于绝缘子识别、定位。通过对现有智能冲洗设备的分析,提出一种铁路绝缘子定位、跟踪方法,该方法基于传感器信息,采用启发式Q(λ)学习算法,可快速、准确找到绝缘子。首先建立铁路绝缘子水冲洗环境模型,接着为解决传统Q(λ)学习算法盲目学习导致收敛速度慢的问题,通过搜索支柱特征调整奖赏函数,设计启发式策略函数并融入Q(λ)学习中,提高算法的学习和收敛速度。最后分别对传统Q(λ)学习算法和启发式Q(λ)学习算法进行Matlab仿真实验,确定最佳参数设置,仿真结果表明启发式Q(λ)算法的正确性和可行性。