关于搞好交通工作的几点意见

特别快讯：2001年2月27日，四川省人民政府在成都召开全省交通工作会议，全省各市(州)分管交通的市长(州长)和交通局长以及省级有关部门负责人参加了会议。会上，省人大常委会副主任黄寅逵宣读了省委书记周永康对交通工作的重要指示。省长张中伟因赴甘孜州救灾，未到会，但指示将他的讲话书面印发给与会代表。副省长邹广严作大会讲话。 　　2000年12月26日，四川省交通厅在邓小平同志的家乡广安举行“四川省1 000 km高速公路暨广安至邻水高速公路通车庆典”。翁蔚祥厅长在25日晚的新闻通报会上作主题发言。 　　2001年3月1日，四川省交通厅召开全省交通工作会议(套开安全会、廉政会)。翁蔚祥厅长作工作报告，总结“九五”，规划“十五”，部署今年交通工作；刘晓峰副厅长作安全会议工作报告(本刊将在下期报道两个报告的有关内容)。 　　“九五”期间，全省交通工作取得了很大成绩，投资超过500亿元，高速公路累计建成1 000 km，为四川经济发展和提高人民生活质量作出了重要贡献。这是全省各级党委、政府重视和支持的结果，是交通系统广大干部职工辛勤工作的结果。去年交通战线坚决贯彻省委、省政府的指示精神，团结一心，振奋精神，鼓舞士气，稳定队伍，克服种种困难，圆满地完成了各项任务，保持和发展了交通建设的良好势头。省委、省政府对交通战线的工作是满意的，向全省交通战线职工表示衷心的感谢和亲切慰问！ 　　在实施西部大开发、实现四川新跨越的伟大事业中，交通居于十分重要的战略地位。西部大开发，交通要先行。没有发达的交通，就不可能有发达的经济。对此，各级领导都要有充分的认识，一定要把交通工作摆上重要的议事日程，抓实抓好。 　　发展交通事业，一要重视搞好规划。要从我省的实际出发，整体规划，突出重点，量力而行，适度超前。我们省是个穷省，资金紧缺，一定要分别轻重缓急，坚持勤俭办事的原则。不要一味追求高速公路数量，要看综合效益。高速公路和服务设施的档次也不要搞那么高，不要搞成摆设。二要重视工程质量。质量是工程的灵魂，要切实摆在第一的位置。要坚持高标准、严要求，精益求精，一丝不苟，经得起历史的检验。对重大质量事故，要从严查处，推倒重来，决不允许出“豆腐渣”工程。三要重视安全工作。安全生产，责任重于泰山。要从落实江总书记“三个代表”要求的高度出发，吸取去年合江“6*22”事故的沉痛教训，采取切实有效措施，杜绝重大事故，减少一般事故。四要重视反腐倡廉。交通建设投资多、项目大，一定要建立健全一整套严格的规章制度，特别是要规范招投标管理，并强化监督约束机制，杜绝新的腐败现象发生。 　　“十五”期间，我省交通建设任务很重，公路也越修越难。各级党委、政府要下更大的决心，积极筹措资金，制定并落实优惠政策，创造良好的环境，大力支持交通事业的发展。 　　希望交通部门的同志们振奋精神，开拓进取，扑下身子抓落实，为我省交通事业再上新台阶作出新贡献。     

25T客车安全监测网络系统更新研究

为了确保列车的安全运行,25T客车行车安全监测诊断系统已经在全铁路广泛应用,通过对列车级网络架构的深入研究,分析了LonWorks列车级网络管理板卡在整个构架中的作用和地位,并在此基础上对系统的硬件系统进行了更新研究,主要对板卡进行了芯片的更新换代,解决了系统的硬件供应链问题,为系统的长期应用和维护奠定了坚实基础。在完成相关软硬件设计的基础上进行了实车试验,验证了设计的可行性和正确性。     

机车车载安全防护系统(6A系统)可靠性设计与试验

介绍机车车载安全防护系统(6A系统)在设计过程中采用的可靠性设计方法,以及为验证系统在综合环境应力作用下的可靠性提出的相应试验方法。     

基于改进掩码-区域卷积神经网络的混凝土病害实例分割

为对混凝土病害图像进行更精确的实例分割，提出改进掩码-区域卷积神经网络(Mask Region Convolution Neural Network, Mask-RCNN)。该网络采用轻量级的可移动网络(MobileNetV2)代替原始Mask-RCNN中卷积层过大的主干网络——残差网络(ResNet101),加入路径聚合网络(PANet),以提高Mask-RCNN提取浅层特征信息的能力。为验证改进Mask-RCNN的识别精度及其在实际工程中的可行性，首先构建多类混凝土病害图像数据集，利用K-means聚类算法确定最适合该数据集的先验边界框的长宽比，然后对比改进Mask-RCNN与原始Mask-RCNN、其它主流深度学习网络对混凝土五类病害(裂缝、露筋、剥落、白皙和空洞)的识别结果；最后利用无人机采集到的钢筋混凝土桥梁病害图像作为测试集进行测试。结果表明：改进Mask-RCNN在提高计算速度的同时能更准确地定位病害，减少了误检和漏检，识别精度高于原始Mask-RCNN及其它深度学习网络；改进Mask-RCNN可以识别无人机拍摄的未经训练的新的混凝土病害图像，识别精度满足实际工程需求。