基于不平衡文本数据挖掘的铁路信号设备故障智能分类

针对铁路信号设备不平衡故障文本数据,提出基于文本挖掘的铁路信号设备故障智能分类模型。采用TF-IDF模型实现电务信号设备故障文本的特征提取并转换为向量,基于Voting的方式实现多分类器集成学习分类。该模型利用SVM-SMOTE算法对TF-IDF转换后的小类别文本向量数据进行随机生成,采用逻辑回归、朴素贝叶斯、SVM等基分类器和GBDT、随机森林集成分类器对平衡后的数据进行分类,考虑不同分类器的适用特点,通过Voting方式进行多分类器集成学习。通过对某铁路局2012—2016年铁路信号设备故障文本数据进行试验分析,表明该模型可使故障分类的准确率、召回率和F-score均得到显著提升。

基于大数据技术的铁路安全管理研究

大数据技术为分析铁路安全管理领域的海量历史数据,发现其事故规律提供了有效的手段。本文分析了铁路安全管理系统和数据现状,并结合大数据技术的特点,按照"人-设备-环境"3个方面,给出了铁路安全管理大数据应用的需求分析模型。该模型为实现设备的风险分析、状态维修,给决策者提供辅助决策,提高铁路安全预警水平,有重要指导意义。

基于本体的高速铁路车载设备智能维护决策树模型

为解决多源异构的高速铁路车载设备运营维护数据难以统一和分析的问题,结合欧洲铁路对运营维护数据所采用的研究方法及国内目前的研究现状,提出采用本体建模语言OWL,通过本体建模工具Protégé4.3,建立包含车载结构域、故障现象域、故障类别域和维修措施域的高速铁路车载设备本体,实现数据的规范化处理。最后利用决策树ID3算法,通过对本体规范后的数据集进行训练,构建高速铁路车载设备的智能维护决策树模型,故障诊断准确率为95.23%。

高速铁路信号系统异构数据融合和智能维护决策

针对高速铁路智能维护决策中的信息多源异构问题,提出了高铁信号系统异构数据融合和智能维护决策架构。通过本地数据库资源描述框架（resource description framework（schema）,RDF（S））到全局RDF（S）的转换和基于RDF（S）图的本体合并,实现了多源异构信息的融合。利用适合缺失数据的结构期望最大化（SEM）算法,结合专家知识,构建了高铁信号系统的智能维护贝叶斯网络（BN）决策模型。最后,利用高铁武广线2011-2012年的监控数据,分别对基于RDF（S）图的全局RDF（S）合并算法性能和故障诊断结果的准确性进行了分析对比,实验结果表明所提出的本体融合算法具有多项式级的计算复杂度,同时融合专家知识和SEM算法的智能维护BN决策模型的一级故障诊断准确率为92.4%。因此,所提出的异构数据融合和智能维护架构可以有效提高高铁信号系统维护决策的准确性和有效性。

智能铁路大数据服务平台选型方法研究

本文针对困扰众多企业的大数据服务平台选型问题,对当前主流的大数据服务平台技术架构进行了分析,并结合铁路行业的特点从测试指标和测试基准两方面研究了大数据服务平台产品的选型方法,对于促进智能铁路的逐步落地及其大数据服务平台的建设实施具有一定的指导意义。

基于时空大数据的高速铁路接触网鸟巢病害分析

高速铁路基础设施检测领域多年来积累了大量的历史数据,为故障分析及检修决策提供了重要支撑。建立在空间信息技术之上的时空大数据分析为接触网鸟巢病害提供了新的处理和预防方法,能够突破传统分析方法的局限,达到快速、及时的目的,从而有效提高病害处理效率和预防效果,并可降低接触网鸟巢病害处理的成本。基于大数据技术原理,针对接触网鸟害发生时蕴含的时空数据,利用地理信息技术、时空聚合方法等,构建一种基于地理信息的全维度、多层次的鸟巢病害分析流程,补强接触网巡检,为提高接触网鸟巢病害处理能力和预测手段提供新的技术和方法。

铁路局检测车大数据综合应用系统研究

以铁路局检测车各专业数据为依据,运用数据采集、数据管理、数据清洗、数据共享、数据分析和展示等手段,设计了大数据综合应用系统总体架构和主要分析功能。系统实现铁路局各专业检测数据的采集、传输、存储、清洗、分析和可视化;形成跨专业检测数据的完整、统一、多维度、多层次的综合展现;实现铁路局领导掌握设备运行总体情况,科学指导各专业基础设施维修,有力保障铁路运行安全,更好地为铁路局检测车各专业服务。

语言:语文教学的根本

新课标的制定、新教材的推行,为当前的中学语文教学提供了良好的机遇,使语文教学的改革达到了前所未有的力度。但同时也出现了一些新问题,如有的老师把语文课上成了政治课、历史课、主题班会课……本文针对这种现实,提出“语文教学要牢牢抓住语言这条根”这一观点,认为语文教学要以“读、品、写”为抓手,引导学生品味、敲打语言,带领学生行走在语言的世界里,从而使语文课堂散发出浓烈芬芳的语文味。

城市道路交通事故隐患检测自动报警装置设计

针对现有城市交通事故报警系统模式传统的问题,本文设计出基于单片机的交通事故隐患检测自动报警装置。首先根据已知汽车制动加速度和红外线测速模块所测得的汽车行驶速度计算出安全距离,然后通过超声波测距模块检测出本汽车与前方汽车的距离,若其小于安全距离,会自动报警,提醒驾驶员注意,同时将此信号通过GSM无线通信技术传输至交警部门指挥中心,达到快速救援的目的。

城市交通事故紧急救援诱导软件平台开发

现有城市交通事故紧急救援体系模式传统,响应缓慢。本论文提出较为完善的救援系统,并以Netbeans为工具,开发出救援诱导软件平台。论文主要应用改进的Dijkstra算法,并提出以时间为量纲的综合交通阻抗,将路段分为事故和非事故路段进行考虑,确定最短路径算法的路权值。论文通过对成都市各时段车辆速度和密度分析,得到道路流量——速度换算模型,得出不同时间段路权值。该软件平台可生成事故处理方案和救援路径,发布给各救援单位。同时还可自动检算路阻变化,提供多次诱导的功能。

铁路分线成本大数据分析平台方案研究

从分线成本核算开展数据分析的目标入手,搭建数据分析的总体架构,描述数据分析与分线成本核算系统间的关系,引入聚类、分类、回归分析、关联分析等数据挖掘算法,从铁路总公司、铁路局/公司和特定线路等不同用户角度,分析铁路线路公益性/经营性业务特征、不同成本类型间分布特征、各类统计工作量的分布规律、收支盈亏情况等,为合理定义铁路线路业务性质、运输产品优化、经营决策等提供数据和辅助决策支持。

基于文本分析的高速铁路道岔故障分类模型研究

道岔是保障高速铁路运输安全的关键电务信号设备,研究其故障发生规律对指挥现场人员巡检和维修作业具有重要意义。针对非结构化铁路道岔故障描述的文本数据分类,根据高速铁路道岔故障发生原因和设备结构,结合专家经验进行人工划分,基于实时道岔动作电流或转辙机拉力等结构化数据进行自动分类。提出一种新的基于非结构化历史道岔故障文本描述的文本分类模型,首先应用融合铁路领域词典的中文分词工具Jieba进行分词,并通过Word2Vec和TF-IDF分别生成特征向量,最后应用SVM模型实现铁路道岔故障的智能分类。试验表明,该分类模型可以取得较好的分类结果,为现场作业人员提供一种客观的、基于海量历史数据的故障诊断模型。

文本大数据分析技术在铁路行车安全领域的应用研究

保障铁路行车安全是铁路工作的重点,通过铁路事故调查报告等文本数据对事故原因进行分析,是提高铁路行车安全的重要手段之一。但由于铁路系统存在海量的非结构化事故故障文本数据,难以进行有效检索和分析,因此提出铁路行车安全领域文本大数据分析总体框架,包括文本数据从集成、存储到处理、计算,再到检索、分析及应用的全部流程,并对基于铁路领域文本数据的全文检索、特征提取等文本大数据分析关键技术进行研究。最后以某铁路局集团公司的事故故障追踪报告为样本,进行事故故障报告的全文检索、故障词云展示及关联性分析,取得了良好效果。

基于文本分析的高铁技术规章优化研究

针对运营实践中高铁技术规章动态优化缺乏数据支撑的问题,结合某铁路局集团公司现场各专业巡检的安全违章记录文本数据,提出基于集成学习LightGBM的文本智能分类模型。该模型主要分为学习和推理阶段,学习阶段主要依据技术规章制定分类标准并对安全违章记录部分数据进行标注形成训练数据,然后对训练数据中有关人名、地名、日期、标点等数据进行滤除,通过融合领域词典的Jieba分词工具对文本进行分词,应用Word2Vec生成文本特征向量,最后通过LightGBM分类模型实现智能分类;推理阶段主要应用学习阶段的分类模型对剩余的所有安全违章记录文本数据进行预测,最终通过预测结果分析现场人员常见的违章类型以及违章中具体的违反细则,为技术规章的动态优化和修订提供依据,为进一步分析事故故障与技术规章的关联关系奠定基础。

基于进化集成分类器的铁路安全隐患智能分类

针对铁路安全事故隐患文本数据分类提出进化集成分类器模型。分析安全事故隐患数据特征,根据每一类安全事故隐患数据都有特征关键词的特点,运用TF-IDF方法提取文本特征并转换为向量。设计进化集成分类器模型实现流程。采用Bagging集成分类器将TF-IDF转换后的文本向量进行随机采样,训练若干个决策树基分类器模型,设计遗传算法编码机制、灵敏度设定、适应度函数及目标函数选择等关键步骤。根据遗传算法流程实现基分类器组合优化,将经过遗传算法进化的最优个体对应的基分类器参与Bagging投票分类,验证分类效果。通过对某铁路局供电接触网安全事故隐患文本数据实验分析,进化集成分类器模型在安全事故隐患分类的准确率相比于单个决策树分类器和Bagging集成分类器分类结果分别提升17.42%和4.63%,证明设计的进化集成分类模型能够取得较好的分类效果,可应用于铁路安全事故隐患分类。

铁路大数据可视化技术研究及应用

基于对可视化技术定义、展现要素及特征的分析,结合可视化技术分类与应用场景,对铁路出行数据可视化研究进行归纳和阐述,并对部分应用案例进行介绍,包括铁路出行OD客流可视化、铁路出行热点数据可视化、铁路客运量分析可视化等。同时,对可视化应用在铁路行业的发展做出总结和展望,表明在铁路信息化发展中的重要意义。

融合本体和深度学习的高速铁路应急预案数字化方法研究

应急预案是对高速铁路突发事件进行科学高效处置的核心,通常以纸质文本、电子文档等方式存储,存在着数字化程度不足、查询效率不高、全文检索困难、智能关联性差等不足。提出一种融合本体和深度学习的高速铁路应急预案数字化方法,即通过深度学习算法对突发事件消息文本中的类型、等级、时间、地点等关键信息进行提取,采用本体方法对突发事件应急预案进行预防预警、分级响应、应急处置、后期处置4阶段数字化构建,通过基于目标树的语义查询智能生成应急处置流程。案例分析表明本文提出的方法可以提高应急处置效率和应急预案数字化管理水平,减少突发事件对高速铁路安全运营的影响。

自然语言处理关键技术在智能铁路中的应用研究

介绍自然语言处理发展历程和关键技术,结合智能运营、智能装备和智能建造3大领域,分析并总结自然语言处理相关技术在智能客服、安全管控、资产档案、智能维修、决策辅助和督查校验等方面的应用。通过对这些前沿应用的发展综述和探索发掘,论证自然语言处理相关技术方法可以成为铁路行业完成智能铁路转变的助力,并且随着自然语言处理领域自身的不断发展和突破,为铁路的智能化进程带来更显著的变革。

铁路科技创新平台资源管理系统的设计与实现

运用先进的管理系统对实验室进行科学、规范管理,是实验室管理发展的必然趋势,这种方式可有效地缩短实验周期,降低实验开销,提高科研实验资源的利用率。为进一步规范化铁路科技创新平台管理,采用B/S架构、工作流、可视化等技术,设计完成了铁路科技创新平台资源管理系统,在创新平台中的高速铁路系统试验国家工程实验室、高速铁路轨道技术国家重点实验室等开展试点应用,实现了铁路科技创新平台的流程化、集中化、标准化、规范化的综合管理。本文主要介绍该系统架构、总体设计及各项功能。

基于铁路数据服务平台的电务专业数据采集、共享及可视化研究

基于铁路数据服务平台进行电务专业数据采集与共享的方案主要通过Kafka消息队列、RESTful接口、时序数据库等技术实现铁路电务通信、信号专业相关综合数据的实时、非实时采集与共享。同时,进一步利用数据平台的共享接口服务,提供电务数据可视化展示方案,综合实现从数据源到数据服务平台再到应用端数据展示与应用的“平台+应用”全流程解决方案,为电务数据的综合、集中、一体化展示提供了一种高效、可靠的新方法。