基于改进LSTM模型的铁路客运站客流预测研究

准确地预测旅客到达数量有助于缓解铁路客运站运营压力。为实现铁路客运站客流量预测,以铁路客站进站闸机数据为研究对象,分析不同时间维度下铁路客运站客流的时间分布特征,采用层次聚类算法和阈值聚类算法综合对客流量进行聚类分析。针对传统LSTM模型输入数据分割尺度较大导致网络层数深度不够的问题,构建了改进型LSTM客流预测模型。以北京西站实际客流数据进行方法验证,并将预测结果与其他传统预测模型进行比对分析。结果表明:改进LSTM客流模型有较好的预测结果,比其他传统预测模型预测精度高,预测指标中平均绝对误差(MAE)低10%。说明该方法能较好地刻画客流的时间相关性,深度挖掘客流变化的内在机理,预测性能有明显提升。

基于LSBAS-BP模型的铁路车站人员物品危险性预测

安检作为旅客进入车站的重要关口,其作业可靠性直接影响铁路的安全运行。为了更有效地识别潜在安全隐患,构建了一个简单准确的人员物品危险性预测模型。首先,提出了人员物品危险等级划分准则,将人员物品划分为不同等级;其次,通过引入局部搜索(LS)机制来提高算法搜索精度,建立了基于改进的天牛须搜索算法(BAS)的LSBAS-BP神经网络模型,并给出了不同危险等级人员和物品的预防与控制措施;最后,对LSBAS-BP模型进行了仿真测试。结果表明,改进的LSBAS算法相比于传统BAS算法,具有更高的搜索精度,预测准确度更高。而采用LSBAS算法优化的BP神经网络模型也获得了相比BP,BAS-BP,GA-BP更优的性能,具有更好的鲁棒性。

深圳城际铁路客站绿色节能系统设计

城际铁路客站是乘客跨城出行的重要场所,绿色节能是现代化智能车站所要求的方向,而车站作为能源消耗大户亟需实现绿色节能。结合深圳城际铁路客站的建设和网络部署特点,对车站进行绿色节能需求分析,以设备能耗监测、智能照明、智能导向屏、设备设施运维、风水联动五大节能功能为研究点,利用节能测算公式计算节点量和节电率;提出深圳城际铁路客站绿色节能系统架构,包括设备感知层、网络传输层、中台层、业务应用层和展示层;在车站、线路中心、线网中心部署软硬件,实现数据流转、分析和存储,形成数据架构。该功能和架构构成的深圳城际铁路客站绿色节能系统以节能为目标,最终实现车站智能化,为城际铁路客站绿色节能系统设计研究提供借鉴。

基于旅客风险分类的安检流程研究

为解决铁路客运站旅客安检用时久、效率低等问题,分析国内铁路客运站安检服务流程现状,研究基于旅客风险等级分类的差异化安检流程,提出安检排队优化策略。根据旅客不同的风险等级将其划分为高风险旅客与低风险旅客,并设定对应的重点安检通道和常规安检通道。运用Anylogic软件构建安检模拟场景,采用2种安检方案仿真模拟实际安检流程,分析旅客风险阈值和2类通道的配置数对旅客平均安检时长的影响,并找出最优化的风险阈值和安检通道配置数。结果表明:当风险阈值μ为0.7时,总通道的平均安检时长达到最小值,通过设定的合理风险阈值及配置适当的安检通道数量可有效提升安检效率。

智能铁路客运站2.0总体框架及应用研究

为深化新信息技术在铁路客运站的创新应用,进一步推动智能铁路客运站的总体发展,本文基于已建设的智能铁路客运站1.0系统(智能客运站旅客服务与生产管控平台)应用现状,以未来智能化需求为导向,提出了智能铁路客运站2.0的总体目标、设计理念、典型特征和技术框架,并给出了基于信息物理融合系统(CPS)的智能铁路客运站2.0系统结构。然后,结合车站实际业务需求及运营痛点,深入研究快速安检、智能问询和客流预测等智能铁路客运站2.0典型应用场景的关键技术,实现信息技术与客运站运营管理、旅客服务的深度融合。最后,通过搭建智能铁路客运站2.0智能安检平台环境,开展了行李X光图像智能判别试验,证实智能铁路客运站2.0的可行性和有效性。