基于随机森林的城市轨道交通桥梁故障预测模型

城市轨道交通桥梁故障维修具有滞后性的问题,为提前了解故障部位数据随时间变化的趋势,需要对桥梁具体故障部位数据进行快速而准确的预测.以桥梁实测数据为基础,提出基于随机森林的城市轨道交通桥梁故障预测模型,并以桥梁结构位移参数为例,首先进行数据预处理,然后使用皮尔逊系数对桥梁监测特征参数做进一步筛选,最后将筛选的特征输入随机森林预测模型中训练,得到结构位移的预测结果.结果表明,随机森林模型能实现对结构位移故障的预测,预测结果的均方误差为0.0851,可决系数为98.21%.

基于改进D-S证据理论的城市轨道交通设备预警方法

从城市轨道交通关键设备预警状态出发,以城市轨道交通桥梁设备为例,依据欧氏距离对同质传感器数据融合,分析了桥梁各监测传感器4种预警指标,建立桥梁预警状态模型,并在此基础上,提出了一种改进的D-S证据理论方法,对桥梁异质传感器进行数据融合,实现桥梁的综合监测预警.通过仿真测试,验证了该方法的可行性,同时将改进后的融合算法与原D-S算法作比较,结果表明,利用传统D-S证据理论融合数据的预警概率是0.6824,改进后的算法预警概率为0.8386.这表明改进后的方法具有更好的性能,可提升融合的可信度,并得到更为合理的预警结果,可为城市轨道交通其他设备预警提供借鉴.

C-V2X信道特性与建模方法研究

车联网是未来智慧交通的重要组成部分,是目前移动通信领域的研究热点。作为我国重点推进的技术手段,C-V2X已经得到了产业界和学术界的重视。无线信道是通信系统研究设计的基础,因此有必要对C-V2X信道特性展开研究。结合实际测试对C-V2X信道特性进行了分析,梳理了传统信道建模方法,针对传统方法的不足介绍了基于机器学习的信道建模方法,对其应用进行了阐述。

基于群智感知的轨道交通桥梁智能预警系统

首先采用群智感知采集桥梁系统的数据,经有线或无线方式传输;其次采取数据清洗算法预处理数据;再次,使用D-S证据理论算法对多传感器融合,以实现桥梁整体结构的综合预警;最后通过遗传算法加权优化,提升了预警可信度。