多学科交叉培养复合型创新人才——以交通信息工程及控制专业为例

学科领域的交叉融合是当代科学技术发展的显著特征。现代综合交通科技领域为计算机、网络通信、电子信息、社科管理等不同领域之间的交叉与融合提供了汇聚点,通过多学科交叉融合可以促进创新人才的培养,满足国家在交通科技领域对具备综合技术和研究能力的复合型人才的需求。

交通信息工程及控制专业创新人才培养机制

在创新型国家发展战略背景下,建立与完善创新人才培养体系是新时代赋予高校的基本使命与任务。以北京航空航天大学交通信息工程及控制专业为例,剖析学科创新人才培养过程中存在的课程体系不健全、教学模式单一化、理论实践结合不紧密等问题,结合学科专业特点明确创新人才培养目标,提出包括教师队伍创新能力提升、传统课程体系改革、实践性教学模式探索、多样化考核方式设计四项改革建议与措施,初步实施后取得良好的授课效果,学生创新能力有所提升,有效实现了交通信息工程及控制专业创新人才培养。

面向轨道交通信息控制的《信息传输原理》教学改革实践

高速铁路与城市轨道交通快速发展过程中高速、高密度、高安全是目标,而控制中心与列车、轨旁设备的安全信息传输是实现列车安全运营的核心保障技术之一。本文重点探索轨道交通信息工程与控制专业人才培养的教学体系中专业基础课"信息传输原理"的教学内容和教学方法改革,分析新形式下交通信息交叉学科卓越人才培养中的工程能力培养需求,探索专业基础课中基础原理与工程的结合方法。实践表明,该教学内容和方法的改革,能有效提升学生的学习兴趣,帮助学生更好的明确课程学习的目的和自主学习,为后续专业课的学习奠定了良好的基础。

基于混合云架构的高速公路信息系统设计及实现

长期以来,由于我国高速公路信息系统普遍建立在物理机服务器上,导致存在计算资源利用率低、系统可靠性差、数据管理工作复杂等一系列问题。得益于云技术的快速发展,为解决上述问题,提出一种混合云架构的高速公路信息系统。首先,基于高速公路信息系统智能化及业务需求,设计实现了异构资源整合、硬件虚拟化和统一的数据访问接口,统筹管理计算资源。其次,研究设计两地三中心数据混合云架构系统备份框架,提高系统可靠性。再次,通过模拟分析验证了架构设计的优越性。最后,将以上成果在湖南省高速公路信息系统升级建设中进行应用实践,实测数据表明,与原系统相比,混合云架构平台提高了394%的计算资源利用率、170%的系统稳定性和49%的数据物理安全性,并提供了更加高效便捷的数据管理操作。

《城市交通》创刊廿年记

为了纪念《城市交通》创刊20周年,概要回顾期刊与城市交通行业共同成长的发展历程。20世纪90年代,围绕城市交通规划与管理、关注城市交通与土地利用研究的综合性学术期刊还是空白,《城市交通》率先于1999年创办内部期刊,并于2003年11月25日创刊,向国内外公开发行。伴随中国城市交通发展历程,《城市交通》记录了城市交通领域政策、规划、研究和实践的重要议题,见证了城市交通系统支撑城镇化和机动化高速发展的成就与思考。在纪念和追忆的同时更是反思和面向新起点,《城市交通》将秉持“以综合协同谋畅顺通达”的核心理念,以促进城市交通安全、有序、可持续发展为办刊愿景,加快成为代表国家学术水平、世界一流的知名期刊,致力于提升城市交通行业国际影响力与核心竞争力。

城市轨道交通末班列车的运行时刻表编制与线路接续优化

为了实现城市轨道交通末班列车的列车运行时刻表编制与线路接续优化,以城市轨道交通线网为研究对象,在既有研究基础上进一步考虑线网的空间复杂性和列车衔接的序列性,增加结构化的换乘时间和运营时段等实际场景条件,以各条线路末班列车时刻的组合优化为决策切入点,分析换乘线路接续成功的场景数量;基于列车运行时刻表编制要素构建集成的优化模型,应用人工鱼群算法进行启发式求解,并以北京市城市轨道交通局部干线区域为对象进行算例研究。结果表明,与现有的优化方法相比,所提出的优化模型与计算流程在线路接续成功方向数量、线路接续成功率、平均富余时差、运算执行时间和初次迭代中央处理器使用率方面均具有明显优势。

基于生长自组织神经网络群的交通流预测

为了提高城市交通流预测神经网络方法的快速动态学习能力,提出了一种生长自组织神经网络群,将复杂的神经网络个体分解为多个训练简单的神经网络群组,并利用设计的动态生长自组织算法来避免神经网络在学习新知识的时候对已有知识造成破坏,同时保持整个群工作的高效稳定,规模不过度扩张.该神经网络群尝试解决神经网络的一次性学习问题,具有动态知识增殖学习能力和更强的错误自修复能力及系统适应灵活性.仿真结果表明,这一方法能够更精确地实现函数逼近和城市交通流自适应动态预测,适用于需要不断快速动态学习的复杂系统.

基于ESN和Elman神经网络的交通流预测对比研究

实时准确的短时交通流预测是实现智能交通系统中交通控制和交通诱导的关键技术之一。由于短时交通流数据的复杂性,首先采用饱和关联维数法和Cao氏法对交通流时间序列的嵌入维数和延迟时间进行计算,并采用Wolf方法计算相空间重构后的交通流时间序列的最大Lyapunov指数。结果表明,交通流时间序列具有混沌特性,可预测性较好。随后,分别采用基于ESN和Elman神经网络的预测方法对交通流时间序列进行预测,结果表明,两者在预测精度相当的情况下,前者的训练速度较后者有了极大的提高。

流量预测精度对控制效果的影响

为说明流量预测算法对交通控制的实际影响,进而提出交通控制对预测算法的精度要求,根据青岛市江西路实地流量数据,分析线性预测算法的预测精度,研究预测精度对交叉口流量比、周期的影响,进一步获得预测精度对交叉口平均延误和通行能力的影响。研究过程发现数据前期的平滑处理可提高流量预测精度,从而减少预测数据对配时参数以及控制效果的干扰。通过数据分析及研究,结果显示线性流量预测算法预测误差大约为10%,这对周期造成2%左右的误差,使绿灯时间误差在2s以内,而对延误及通行能力的误差干扰都在5%以内。说明线性预测算法在实际信号配时方案中具有可行性,从而简化系统的复杂性,提高运行效率。

基于认知结构的高速列车对标停车控制算法

高速列车进站停车是列车自动驾驶系统(Automatic Train Operation,ATO)的一个重要功能,该功能需要在保证乘客舒适性的同时实现精确的对标停车.针对高速列车自动驾驶系统的精确进站停车问题,首先分析了人类高速列车司机在停车过程中的认知处理过程;结合认知结构理论对这一过程进行建模,构建了高速列车停车对标任务认知结构模型,基于该模型提出了一种基于认知结构的对标停车控制算法.最后对设计的算法进行了评估与分析.结果表明:该算法与人类高速列车司机具有相似的驾驶特征,与PID控制算法相比在调整次数、冲击率等性能指标上更加优异,对不同的初始条件也有良好的适应性.

高速列车浸入与不变自适应容错控制方法

针对高速列车中牵引系统的故障问题,提出了一种高速列车浸入与不变自适应容错控制方法。首先,通过对高速列车进行动力学分析,建立了高速列车多质点误差非线性动力学模型。在此基础上,通过分析高速列车中牵引系统的故障问题,建立了相应的高速列车非线性故障动力学模型。为了实现高速列车在故障模式与非故障模式下的控制器切换,提出了一种基于状态观测器的故障诊断方法。根据故障诊断模块提供的故障信息,通过选择故障时的调节函数β,对相应的浸入与不变自适应估计率进行重构。理论证明了高速列车容错控制系统的稳定性和收敛域,并通过仿真实例验证了本文方法的有效性。

状态空间下列车区段晚点预测误差控制

考虑区段间信息级联效应,提出一种状态空间下的列车晚点预测误差控制分析架构.应用拟合回归方法处理运行统计数据以确定常微分方程组,根据现代控制理论设计一种减小误差的线性二次调节器,并通过推导论证为所提方法提供合理性支撑.设计了双温模拟退火算法以获取调节器的优化参数,并结合SIMULINK环境实现仿真计算.结果表明,相较于传统贝叶斯网络预测方法,所提出的状态空间分析方法对各项误差性能指标具有不同程度的改善,且在平均误差值、数据需求量和运算时间等计算指标上具有优势.

基于智慧路锥的取消高速公路省界收费站工程占道施工安全保障方案研究

已建高速公路在改扩建、临时养护、取消省界收费站ETC门架安装等施工过程中,为了解决因车辆通行和施工同时进行导致的占道施工区作业安全难以保障的难题,分析传统路锥在施工安全保障方面存在的不足,对智慧路锥系统关键技术进行研究,并就其在湖南省撤销省界收费站工程中的应用方案与效果进行了探讨,该应用对提高占道施工作业区的交通安全和通行效率具有重要的意义和实际应用价值。

筑梦交通,畅行无阻——解读交通运输专业

何为“交通运输”对应“陆海空”的交通运输方式,我国高校交通运输专业研究铁路、公路、水路及航空运输基础设施的布局及修建、载运工具运用工程、交通信息工程及控制、交通运输经营和管理等领域,培养能研究生产交通运输设备,组织、规划和管理交通运输生产,实现经济和社会效益的专业人才。

基于密度峰值聚类的交通控制子区划分方法

为提升区域交通信号系统的控制效率,提出了一种基于车辆轨迹数据和密度峰值聚类的城市路网交通控制子区划分方法。首先,结合轨迹数据特性并综合考虑交叉口间距、车辆延误、车队离散度等因素的影响,定义并计算了交叉口的关联度指标。其次,根据关联度指标得到交叉口的距离矩阵,作为密度峰值聚类算法的输入;针对密度峰值聚类的超参数设置问题,引入数据场理论中势能熵的概念确定最优值;同时,借鉴肘部法则的思想确定聚类中心数量。最后,将改进的密度峰值聚类算法应用于交叉口子区划分中。以北京市中关村西区真实车辆轨迹数据的实验分析表明:本文方法可以仅基于车辆轨迹数据实现城市路网交通控制子区的高效、合理划分。

一种基于STm32的物流车辆内部安全闭环监控系统

伴随着网络购物的盛行,物流已成为国民生活中不可或缺的部分。为保证物流货物的安全性,降低物流过程中的货物亏损率,使物流运输安全智能化、可调控,设计了一种物流车辆监控安全系统。该系统用于实现物流运输过程中环境参数的检测,并且能够实时将传输状态传送至远端,响应远端的控制,从而实现本地和现场的实时闭环控制。

网联车混入条件下混合交通流跟驰稳定性

为描述智能网联车混入下的混合交通流跟驰稳定性,揭示混合交通流稳定性变化过程,解析HDV和CACC交通流稳定性,引入CACC混入率,构建混合交通流跟驰模型,推导混合交通流稳定性判别条件,分析速度、混入率在单一条件和组合条件下对混合交通流稳定性变化规律的影响。研究结果表明:混合交通流的稳定性取决于单一交通流的稳定性和混合流组成,HDV和CACC单一交通流跟驰稳定性的速度临界值分别为19.65 km/h和18.01 km/h,且速度与混合交通流稳定性正相关,混入率对混合交通流稳定性的影响效果与速度条件有关,在两因素共同作用下,混合交通流稳定性变化趋势表现多样化。

基于黄灯困境区的相位安全切换时机研究

在路口信号设计中通过合理设置控制参数可以消除黄灯困境区,但当实际车辆运行状态、道路交通环境发生变化时,原有保障信号控制安全的措施可能会失效,出现黄灯困境区。传统感应控制策略受固定检测器位置限制,可能在困境区域位置发生变化并存在车辆的情况下进行相位切换。通过先进的检测器可以获取车辆的实时轨迹数据,对车辆运动参数和位置信息进行分析,从交通安全的角度提出基于黄灯困境区内车辆安全性的相位最佳安全切换策略。结果表明:在不良天气和路面条件下,下坡车辆较上坡、平坡车辆遭遇困境区风险的概率更大,可以通过适当短时调整信号切换时机(时间为1~6 s),规避困境区内车辆通行的安全问题。

基于数据的轨道电路故障诊断的混合算法

提出一种基于数据的神经网络混合算法故障诊断网络,用于轨道电路的故障诊断.考虑铁路信号需求,设计出符合神经网络训练快速性和有效性要求的BP-LM-PSO-GA混合算法,就是将轨道电路复杂网络分解设计为许多小的神经网络组态,通过综合这些小的神经网络诊断结论,得出最终结果,以解决单独设计神经网络带来的运算量问题;然后以广泛使用的ZPW-2000A型轨道电路为例,验证了该算法网络训练的快速性及故障诊断的有效性.最后给出了该诊断网络对轨道电路的诊断步骤.仿真结果表明该诊断网络具有可行性和有效性,为轨道电路故障诊断的应用提出了一条新途径.

基于LSTM-BP级联网络的列控车载设备故障诊断

列控车载设备是保障高速列车行车安全、提高运输效率的核心组成部分,快速有效地诊断其故障类型具有重要意义.针对300T型列控车载设备故障文本数据的错综性和时序性,提出一种基于LSTM-BP级联网络模型的车载设备智能故障诊断方法.首先,采用贝叶斯正则化(Bayesian Regularization,BR)算法优化BP神经网络提高模型的泛化能力;其次,利用长短时记忆网络(Long Short Term Memory Network,LSTM)的记忆特性,充分学习具有时序性的故障特征信息,解决BP神经网络模型难以准确诊断关机误报和引发故障等问题;最后,利用实际数据对模型进行多次试验分析,BR优化的神经网络模型分类准确率为85.06%;而LSTM-BP级联网络模型分类准确率达到95.10%,能够很好地解决对关机误报和引发故障诊断不准确的问题,验证了本文所提出的智能故障诊断方法的有效性.