城市交通技术领域协同创新机制研究——以北京市城市轨道交通领域示范应用开发为例

城市交通技术领域协同创新是促进城市交通关键技术攻克、应用和推广的有效手段。当前我国城市交通技术领域协同创新机制存在创新要素构成及工作方式不明确、创新成果保障机制不完善、创新成果转化率低等问题。为此,结合示范应用提出相应的对策:建立科技创新联盟,形成协同创新驱动机制;建立共性关键技术研发平台,形成创新成果保障机制;建立服务需求库,形成创新成果转化机制。

城市轨道交通网络安全保障与主动防控体系研究

城市轨道交通系统安全保障正经历向“事前风险防控”的主动防控模式转型,强调城市轨道交通运营系统需具备精准感知风险点、全面辨识风险状态、实时掌握风险传播动态以及各部室间科学有效协同配合的能力,特别是近年来随着城市轨道交通路网规模逐步扩大,高强度、强耦合以及网络化运营对其风险防控与安全保障带来了新的挑战和新的要求。基于此,通过现场调研分析了城市轨道交通网络化运营对安全保障与风险防控的发展要求,提出适用于当前发展需求的城市轨道交通网络主动安全防控体系总体架构、功能结构、逻辑架构和组织架构,为保障城市轨道交通系统网络安全高效运输和安全服务提供架构支撑。

基于主动防控策略的城市轨道交通风险点集构建方法研究

针对城市轨道交通运营全过程,首先对风险和风险点等基本含义进行了梳理,明确主动防控的内涵,提出以风险点辨识、风险点关联分析和风险点排查治理为主要方法的主动防控策略,结合城轨运营现状对风险点按照IFOSE方法重新进行分类,采用主客观结合的条件判断法作为风险点辨识方法,辨识的关键包括事故报告记录的城轨运营组分、维修过程中故障率较高的组分单元以及运营过程中与其他组分关联度较高的组分节点,构建了基础设施类、运营设备类、运行调度类、车站组织类和运营环境类风险点集,为城轨运营管理中进行风险主动防控提供目标对象和方法指导。

基于知识图谱的城市轨道交通突发事件演化结果预测

准确预测突发事件的演化结果,对城市轨道交通系统制定应急方案、保障安全运营,具有重要的参考意义。目前突发事件演化结果预测方法智能化程度不高,过分依赖决策者主观设定的特征权重、检索模板,复杂、准确性低且应用性较弱。该文基于知识图谱(KG)和关系图卷积神经网络(R-GCN)模型提出一种城市轨道交通突发事件演化结果预测方法。首先,构建城市轨道交通突发事件知识图谱,将与事件相关的场景信息进行结构化处理;其次,基于关系图卷积神经网络模型构建城市轨道交通突发事件结果的预测模型;最后,利用城市轨道交通突发事件案例库进行验证。实验结果表明,所提预测方法具有较好的准确率、较强的普适性,可为轨道交通应急管理提供方法和技术支持。

基于时空相关性的城市交通路网关键路段识别

关键路段通行能力的大小是决定城市道路交通是否畅通的重要因素之一.关键路段的识别为交通规划、居民出行等提供了重要的决策支撑,对缓解交通拥堵具有重要的意义.本文对城市路网关键路段的识别进行了研究.首先建立了适用于交通路网的空间邻接矩阵;其次以时空相关函数表达不同时间延迟下路段与周边相邻路段交通状态之间的影响程度,并将其作为路段重要性的衡量指标,构建了逼近于理想点的路段重要性度量模型,通过排序实现了对关键路段的识别;最后将模型应用于北京市区域路网,结果证明,该方法能够有效地识别路网的关键路段,具有实用性和可行性.

高速铁路智能运营业务提升需求与实现关键技术

高速铁路智能运营是现代技术在高速铁路领域的综合运用,是高速铁路发展的必然方向。在对高速铁路旅客出行、运输组织、设备运维、运营管理4方面业务进行梳理分析的基础上,总结出高铁智能运营发展目标,并从旅客出行、运输组织、设备运维、运营管理出发,提出涵盖智能票务、智能服务、智能车站、智能监测、智能运维等的高铁智能运营业务提升需求体系。以“模数一体,轴面协同”为核心理念,提出包括人工智能、大数据处理、虚拟现实与增强、信息物理系统、云/雾/边缘计算以及数字孪生等在内的智能高铁运营实现关键技术,可为未来智能高铁的规划、实施及落地应用提供依据。

基于规则的城市轨道交通安全事件信息抽取及其知识元表示

合理利用城市轨道交通安全事件案例对突发事件下辅助制定应急决策具有重大意义。目前,中国轨道交通运营商存储了大量的安全事件案例,但大多以自由化或半自由化文本的形式存储在数据库中,使用率较低。为提高城市轨道交通安全事件案例的使用效率,提出了基于规则的信息抽取方法,将城市轨道交通安全事件案例的自由文本转化为用共性知识元表示的结构化数据。通过指标计算,所提出的方法可以以较高的准确率和召回率对安全事件要素进行抽取,可为突发事故时的应急决策制定提供高效的数据支撑。

城市轨道交通线路高峰客流控制方案鲁棒优化模型

客流控制是当前大城市轨道交通应对高峰拥挤的重要措施。既有研究较少考虑客流常态波动导致的方案可靠性降低问题,为此构建客流不确定条件下控制方案编制鲁棒优化模型,以期降低潜在运营安全风险。首先,分析进站流及站间OD流波动特征;其次,以确定型控制模型为基础,以乘客站外总延误时长最小化和客运周转量最大化为目标,基于相对鲁棒思想构建控制方案编制鲁棒优化模型;最后,以北京地铁5号线实证分析,结果表明:通过牺牲较小的目标损失能够有效降低客流淤积风险、提高方案的鲁棒性;在方案实施周期(1个月),鲁棒型方案相比确定型方案优势明显,约束突破数平均降幅51.3%,突破程度平均降幅78.0%,目标损失(总延误时长)仅增加25.8%。

先进轨道交通系统发展趋势与主动安全保障技术

从国家战略实施和轨道交通行业发展需求出发,分析国内外轨道交通系统的发展趋势,针对轨道交通安全保障优先发展领域,系统介绍基于安全域的轨道交通主动安全保障理论方法及技术应用体系的最新进展,为高速铁路"中国制造"与"走出去"面临的国际激烈竞争提供原始理论技术创新支撑。

基于改进Faster R-CNN的隧道衬砌中离散实体目标自动检测研究

隧道衬砌中离散实体目标的检测精度和时效性直接关乎隧道的运营安全,采用图像视觉技术进行图像自动解译可极大提升检测效率和结果的准确性,因此基于离散实体目标的雷达图像数据构建自定义雷达数据集合,并提出一套改进的Faster R-CNN算法对隧道衬砌中的离散实体目标进行自动检测。该算法首先对现有Faster R-CNN网络的特征提取模块进行改进,提出一套全新的轻量化特征提取网络ResNet_FMBConv对雷达图像特征进行深度挖掘;基于ResNet_FMBConv网络改进现有特征金字塔(FPN)结构,实现对多尺寸下目标的精准辨识。其次,基于实测和仿真的雷达图像数据构建离散实体目标的自定义雷达数据集合,通过几何变换方法对雷达图像进行数据增强后用于算法验证。结果表明,改进算法在IOU=0.50∶0.95情况下的检测精确率、召回率、F 1分数和FPS分别为45.1%、54.0%、49.1%和21.65 fps。在保证召回率基本持平的情况下,同比YOLOv3_spp、SSD、Retinanet和Faster R-CNN等目标检测算法的精确率和F 1分数分别提升2%~9%和1%~6%。同时,试验结果表明改进后的特征提取网络ResNet_FMBConv也优于现有Resnet-50、VGG16、Efficientnet_b0和Mobilenetv3等目标分类网络。

基于SVM的危险交通流状态实时识别模型

交通事故风险与交通流状态存在显著关系,危险的交通流状态易诱发交通事故。为降低交通事故的发生率,保障交通系统的运营安全,通过实时监测道路交通流参数的变化情况,构建支持向量机模型(Support Vector Machine,SVM)对易引发交通事故的危险交通流状态进行识别,及时预判潜在的交通事故。首先选用实际交通事故发生前的交通流状态作为危险交通流状态的判别标准,分析交通流特性,提取24个交通事故前兆特征变量。为提高模型性能,降低其计算复杂度,设计相关性选择算法(Relevance Selection Algorithm,RSA)对24个特征变量进行降维,该算法充分考虑各前兆特征变量与交通流状态类别的相关性以及各前兆特征变量之间的相关性,最终保留4个交通事故前兆特征变量。接着采用改进的网格搜索算法优化支持向量机模型的惩罚参数C和核函数参数γ,参数寻优效率比传统的网格搜索算法提高了98.3%,极大地节省了搜索时间。最后根据所构建的危险交通流状态实时识别模型,以某城市快速路的事故数据为例进行数值计算。结果表明:该模型具有较快的危险交通流状态识别能力和潜在交通事故的预警能力,且识别正确率比经典的K近邻算法提高5%、比BP神经网络算法提高22.3%。该方法能有效地对危险交通流状态进行实时识别,可为交通管理部门制订城市快速路交通事故风险管控方案提供理论依据。

基于视频的车站客流状态识别方法研究

对车站客流的状态进行研究是城市轨道交通安全保障与风险管控内容的重要方面,科学合理地对客流状态进行评价对城轨运营安全起着重要作用。在对YOLOv5算法优化的基础上,形成客流密度识别方法,优化后算法在测试集上的mAP50-95指标提升到了0.5962,在车站各区域实际场景中乘客的平均检测准确率为86.82%;将Deep-SORT多目标追踪算法与单应性矩阵结合,形成客流速度识别方法,经过验证对乘客速度识别的精度可达93.2%,为城市轨道交通车站的安全运营提供帮助。

基于WBS-HLPN的主动防控业务流模型构建研究

在城轨系统双重预防机制的建设思想与路线实践过程中,存在具体工作缺少流程和方法支撑、不能高效实施的缺陷,为改善这种理论与实践相互割裂的现象,需要优化主动防控的业务流程。为有效实现理论方法的落地应用,采用工作分解结构(WBS)与高级Petri网映射建模的方法,构建主动防控业务整体运行路线模型,为现行或新建城轨系统提供主动防控机制的运行模板,使城轨系统的安全管理工作有迹可循,成为一个科学、耦合、高效的完整体系。

混凝土试块中不同空洞几何形态的地质雷达图像特性测试与分析

根据施工现场隧道无筋衬砌空洞病害情况,构建足尺寸的混凝土试块物理模型,并设置不同几何形态空洞,模拟无筋衬砌空洞病害。利用探地雷达(GPR)检测得到不同龄期、不同天线频率和不同病害对比情况下的空洞病害数据,进行地质雷达图像特性测试与分析。结果表明:混凝土试块中空洞病害检测的最佳天线频率为800 MHz,最佳检测时间为第17天左右;最大幅值A T和电磁波能量E T可作为空洞早期识别的重要特征参数;不同形状空洞的电磁波振幅属性与混凝土龄期关系呈现为“W”形曲线规律;当空洞和不密实病害同时存在时,最大幅值A T更适合不密实病害的辨识研究。本研究可为隧道无筋衬砌空洞及不密实病害的检测和辨识提供理论依据,并为施工现场隧道无筋衬砌空洞病害的检测时间与天线选择提供参考。

基于改进FP-Growth算法的CRHX型动车组牵引系统关联失效模型研究

基于CRHX型动车组牵引系统运营过程中的故障数据,分析故障数据的特征,研究设备之间的关联失效关系。依托课题组前期对故障信息特征词提取的研究,本文结合故障信息特征词的特点优化经典的关联规则挖掘算法,提出改进的FP-Growth算法,并进行算法性能测试,结果表明该算法准确高效;基于改进的FPGrowth算法分析设备的故障信息特征词,挖掘设备关联失效规则,建立设备的关联失效模型。最后,以CRHX型动车组牵引系统为例进行研究,验证了改进FP-Growth算法的有效性和实用性。

基于改进多色集合的动车组转向架系统故障传播模型研究

综合考虑系统拓扑与部件故障模式的影响,建立可描述转向架系统内部耦合关系的系统全局拓扑网络模型,结合拓扑和功能双重属性,提出了基于Choquet积分的节点综合重要度计算方法和基于节点故障扩散强度的单节点故障传播深度模型,构建基于改进多色集合理论的系统故障传播模型并进行了应用研究。结果表明,该方法可以有效地找出转向架系统中任意部件失效所有可能的传播路径,并对各路径发生的可能性进行排序,从而为系统设计改进、故障预防与维修提供了理论依据。

城轨运营安全保障系统设计及关键技术

针对城轨高强度、强耦合、网络化运营的现状,解决城市轨道交通运营安全相关业务系统之间存在众多公用信息无法共享,缺乏统一的系统构建和开发管理的问题。突破传统以事故树分析理论基础的局限性,首次提出以拓扑网络技术、风险点辨识、风险链传播分析为核心的风险主动防控理论,对城轨运营风险进行路径的传播预测和主动预防策略的制定,并采取信息化、智能化、流程化的手段构建全局级安全保障系统,完成系统层面的风险评估和控制。最后通过对系统进行部署运行,结果表明能够弥补当前城轨运营安全保障系统研究不足,系统风险点辨识准确率可以达到85.7%,有效提升城轨运营安全的预警完备率20%和应急响应率15%,大大降低了安全事故率20%。

基于语义挖掘的快递运输货品风险评价研究

为提高快递运输的风险监测管控能力,降低因快递货品风险导致城市安全事件发生的可能性,本文基于语义挖掘方法将快递运输货品描述转化为风险的量化表征,为快递运输风险评价提供可量化的客观指标依据。基于网络大数据资源提供的法院判决书数据,将物品词条与判决结果相关联,通过隐狄利克雷分布模型挖掘物品风险主题,结合模糊均值聚类方法,实现对快递货品语义风险的量化表征与柔性划分。与传统方法中依赖检视人员查验既定违禁品清单后的主观判断方法不同,本文充分挖掘网络文本数据中的可迁移知识,并应用于种类繁多的快递运输货品,有效避免人工评价造成的漏检、错检情况。研究结果表明,本文方法具有较高的准确率与较低的误报率,获得的风险评价值不再是0或1的是非判断,有利于开展多样化、针对性的风险预警及应对措施。

变时间尺度城轨客流的本征模量分解及组合深度学习预测

城市轨道交通的不同运营状态,通常对应着客流时间序列中不同的本征模态分量(IMF)及时间尺度特征。基于自适应噪声的完全总体经验模态分解(CEEMDAN)算法和双向长短期记忆(BiLSTM)网络,该文构建了地铁短时客流时间序列的组合深度学习预测模型。具体包括:基于CEEMDAN算法实现了客流时间序列的模态分解。分别使用样本熵和层次聚类对IMF分量进行复杂性和相似度分析,并在此基础上完成IMF分量的分类合并与重构;使用Optuna框架中的树形Parzen优化器(TPE)对模型的超参数进行优化,构建CEEMDAN-TPE-BiLSTM组合预测模型。采用实际数据对该文模型进行验证,结果表明,对于特定特征的客流时间序列数据,该文模型的精确性、有效性指标均达到最优。

双事件触发下非匹配干扰系统积分滑模抗干扰跟踪控制

对于带有不匹配干扰的动态系统,设计具有高资源利用率的抗干扰控制算法具有重要意义.本文在双事件触发机制框架下,研究了非匹配干扰系统的积分滑模抗干扰控制以及动态性能分析问题.首先,基于增广模型构建干扰观测器,实现对未知不匹配干扰的动态估计.为了降低数据冗余并保证传输的同步性,以反馈状态及干扰估计的单触发条件为基础,本文构建了“先到同触发”的双事件触发理论框架.在此框架下,设计积分滑模面和对应的双触发抗干扰控制器,保证被控系统的状态收敛到滑模面.基于Lyapunov稳定性分析方法,计算控制器和观测器增益,保证增广闭环系统具有良好的稳定性和动态跟踪性能.进一步分析了由触发引起的Zeno现象将不会发生.最后,基于典型的A4D模型进行仿真验证,仿真结果表明本文所提的方法具有良好的抗干扰性能.