轨道交通通信信号的故障诊断与维护方法研究

本文针对轨道交通通信信号系统的故障诊断与维护问题展开研究,旨在提出有效的方法来实现系统的高效运行和故障的及时排除。首先,通过对轨道交通通信信号的功能和作用进行概述,揭示了其在保障交通安全和运行效率方面的重要性。然后,对轨道交通通信信号系统的组成和工作原理进行了详细阐述,以便更好地理解系统的工作原理和相关组件之间的关系。

《城市轨道交通通信信号》课程思政实践探究

推动“课程思政”改革,落实立德树人宗旨,本文以《城市轨道交通通信信号》课程特点和岗位需求为基础,从课程思政教学目标、改革思路、实践路径研究三个方面展开,深度挖掘课程体系中所蕴含的思政元素,科学合理拓展本课程的思想高度、知识宽度、情感深度。课程采用“理虚实一体化”的教学,引领实践教学新模式,形成理论与实践相结合的立体育人网络。不断完善教学环境、教学方式和育人模式等多途径全方位将科技报国的家国情怀、严谨细致的职业操守、追求卓越的工匠精神等思政元素融人学生的血液里,将学生培养成为德才兼备的有用人才,将来踏上工作岗位能更好地为服务社会,为交通强国培养有力的建设者。

现代学徒制在城市轨道交通通信信号技术专业的探索与实践

南京铁道职业技术学院与南京地铁运营有限责任公司积极构建基于现代学徒制的城市轨道交通通信信号技术专业人才培养体系,以培养学生的"工匠精神""职业素养"和"职业核心能力"。文章首先介绍了基于现代学徒制理念的人才培养实践过程,在实践过程中,校企共建了"双主体"协同育人机制,制定了基于现代学徒制特点的人才培养制度、招生制度、学生管理制度、校企双导师制度;其次,介绍了现代学徒制运行成效,包括学生培养质量的提升、教师业务能力的提升、实训基地的共建;最后,分析了现代学制在实践过程中遇到的"瓶颈"问题并提出了解决方案。

基于提升应用能力的翻转课堂课程思政混合教学模式改革与实践——以城市轨道交通通信信号课程为例

立德树人是教育之根本,充分挖掘专业课程中的思政资源,运用信息化技术,促进思政课与其他课程同步发展,提高学生实践应用能力具有重要意义。翻转课堂作为新型信息化教学手段,在高校教学中迅速兴起,其特点在于转换师生间的教学地位,学生主体,教师主导,实现自主学习,从而逐渐改变传统灌输式的教学模式。本文以城市轨道交通运营管理专业平台课为对象,提出了基于“MOOC+SPOC+翻转课堂”的课程思政混合教学模式改革,以专业课程为基础,深度挖掘课程中的思政元素,达到激发学生的学习兴趣,提高学生的应用水平。

基于MOOC+SPOC的《城市轨道交通通信信号》课程思政混合教学模式研究

随着用人企业对技能型人才的要求不断提升,高职院校教育模式也随之更新,高等教育信息化不断深入,传统课堂的灌输式教学逐步被信息化课堂替代,线上线下混合教学模式在基于信息化技术的基础上,成为传统课堂的补充。本文针对城市轨道交通运营管理专业的平台课《城市轨道交通通信信号》,对基于MOOC与SPOC的混合教学模式进行探索研究,针对该课程教学中出现的问题,提出在线上线下信息化教学模式下的“课程思政相结合,培养新型德育发展技能型人才”的教学目标,实现对学生岗位素质能力的综合提升,将德育渗透、贯穿于教育和教学的全过程,助力学生的全面发展。

城市轨道交通通信信号专业人才培养质量关键集控制分析

本文使用质量关键集控制法,调研相关院校城市轨道交通通信信号专业人才培养质量的控制策略,采用风险分析法分析影响人才培养质量的关键环节,形成城市轨道交通通信信号人才培养质量的关键集;并对关键集中的关键环节采取关键集控制方法进行控制,进而建立城市轨道通信信号专业人才培养质量关键过程,提高城市轨道通信信号专业技能型人才培养质量,实现学生与对口企业的零距离衔接。

高等职业院校城市轨道交通通信信号技术专业课程体系建设应用研究

城市轨道交通通信信号技术专业作为保障列车运行安全、提高行车效率的重要专业,培养满足职业岗位能力需求的人才,一直是专业老师的重点研究课题。文章提出了根据职业岗位能力要求进行专业课程教学体系设置的整体思路,以提升教学质量,培养适应职业岗位能力的技术技能人才。

城市轨道交通通信信号专业实验教学研究

城市轨道交通通信信号已经得到了全面的发展,需要大量的人才投入相关的建设中。因此,在对人才进行培养的过程中,要注重对学生理论知识以及实践能力的培养,使该专业的人才能够协调发展。本文针对城市轨道交通通信信号专业实验教学做出了进一步探究,对建设实验教师队伍、实验室建设与实验教学、校企共建实习教育基地给出了详细的分析。

对接实际工作岗位的城市轨道交通通信信号技术专业课程改革探索

文章首先阐述了城市轨道交通通信信号技术专业基本情况和人才培养方向,然后分析了城市轨道交通通信信号技术专业课程现状,接着提出了对接实际工作岗位的城市轨道交通通信信号技术专业课程改革的基本目标,最后论述了对接实际工作岗位的城市轨道交通通信信号技术专业课程改革的具体实践。

GB/T 43229-2023《交通信号控制机与车辆检测器间通信协议》标准解读

交通信号控制机与车辆检测器间通信是连接城市交通控制核心与感知核心的纽带,包含交通流信息、通行状态信息、车辆身份信息、异常事件信息等,这些信息的交互能有效提升城市交通控制智能化水平,推进城市交通感控一体化。本文根据实际的应用实践,从国家标准《交通信号控制机与车辆检测器间通信协议》的编制背景、编制原则、主要规范内容等方面对交通信号控制机与车辆检测器间通信协议进行解读,针对检测数据信息进行标准应用解析,明确检测器直连模式,统一感知数据上报结构,引导标准应用规范。

人工智能在城市交通信号控制中的应用研究综述

人工智能在城市交通信号控制的应用中起着重要作用。本文首先介绍了既有的交通信号控制类型,从单交叉口交通信号控制、干线交通信号控制和区域交通信号控制三方面,分析了既有研究的模型特征。重点阐述了模糊控制、神经网络、多智能体等方法的研究进展。最后,提出了我国城市交通信号控制在人工智能技术下的研究展望。

基于物联网的城市交叉路段交通信号智能控制方法

城市交叉路段交通信号采集系统采集到的信号频谱中线谱信号较少,导致采集速度较慢。为了解决上述问题,提出基于物联网的城市交叉路段交通信号智能控制方法。系统硬件选用FL2440微处理器处理数据,通过YHSG-86G的传感器放大信号。利用双通道模式输出通信数字,选择具备三路HDMI信号与一路HDMI信号自动切换功能的嵌入器。采用GH89S信号采集器提高系统对交通信号的采集效率。在硬件设计的基础上,引入模糊关联规则算法对交通信号数据进行挖掘,通过数据分类、挖掘交叉路段交通信号数据、信号标识、信号存储获取交通信号数据。以此实现城市交叉路段交通信号智能控制。实验结果表明,所提方法能够更清晰地显示出信号频谱中的线谱信号,提高信号的采集速度。

基于异步优势演员-评论家的交通信号控制方法

针对现有基于深度强化学习的交通信号控制方法的模型学习和决策成本高的问题,提出基于异步优势演员-评论家(A3C)算法的单交叉口交通信号控制方法.在模型输入端分别从交叉口和车道2个不同维度构建车辆权重增益网络,对采集的车辆状态信息进行预处理.设计新的奖励机制,提出融合车辆权重增益网络的A3C算法.基于微观交通仿真软件SUMO的仿真测试结果表明,相比于传统的交通信号控制方法和基准强化学习方法,所提方法在低、中、高3种不同的交通流量状态下,均能够取得更好的交通信号控制效益.

基于Dueling Double DQN的交通信号控制方法

为了提高交叉口通行效率缓解交通拥堵,深入挖掘交通状态信息中所包含的深层次隐含特征信息,提出了一种基于Dueling Double DQN(D3QN)的单交叉口交通信号控制方法;构建了一个基于深度强化学习Double DQN(DDQN)的交通信号控制模型,对动作-价值函数的估计值和目标值迭代运算过程进行了优化,克服基于深度强化学习DQN的交通信号控制模型存在收敛速度慢的问题;设计了一个新的Dueling Network解耦交通状态和相位动作的价值,增强Double DQN(DDQN)提取深层次特征信息的能力;基于微观仿真平台SUMO搭建了一个单交叉口模拟仿真框架和环境,开展仿真测试;仿真测试结果表明,与传统交通信号控制方法和基于深度强化学习DQN的交通信号控制方法相比,所提方法能够有效减少车辆平均等待时间、车辆平均排队长度和车辆平均停车次数,明显提升交叉口通行效率。

基于SAC算法的多交叉口交通信号控制研究

针对深度Q网络(deep Q-learning network,DQN)算法在解决多交叉口交通信号配时方案由于外部环境变化和内部参数波动导致效果不佳的问题,提出了基于柔性“行动器-评判器”(soft actor-critic,SAC)的交叉口交通信号控制方法,并设计了相应的系统采样策略和回报函数.与原采样策略相比,新采样策略将相邻智能体的策略信息加入到系统状态中,使当前智能体能够得到更多的交叉口交通分布和合作策略信息.与原回报函数相比,新回报函数中引入空间折扣因子,缩小了相邻智能体的观察和回报值,使当前智能体更加关注和改善当前交通状况.随后在此基础上分别应用DQN和SAC算法设计交通信号控制方法.Webster配时法是利用相位流量数据开发的一种基于周期的固定相位长度交通信号方法,与DQN和SAC算法相比,其优化目标是降低交叉口延迟时间,不考虑交叉口排队长度.在城市交通模拟软件(simulation of urban mobility,SUMO)中构建一个时变交通流交通网络,并在其中分别对基于DQN、SAC和Webster配时法的信号配时控制方法进行仿真测试.仿真结果表明:基于SAC算法的交通信号控制方法与基于DQN算法和Webster配时法的交通信号控制方法相比,能够显著减少交叉口排队长度和平均延迟时间,具体来说,车辆平均排队长度分别减少了17.8%和28.2%,平均延迟分别减少了26.8%和36.3%,说明所提出的方法具有更好的控制效果.

大规模智慧交通信号控制中的强化学习和深度强化学习方法综述

当前在交通信号控制系统中引入智能化检测和控制已是大势所趋,特别是强化学习和深度强化学习方法在可扩展性、稳定性和可推广性等方面展现出巨大的技术优势,已成为该领域的研究热点。针对基于强化学习的交通信号控制任务进行了研究,在广泛调研交通信号控制方法研究成果的基础上,系统地梳理了强化学习和深度强化学习在智慧交通信号控制领域的分类及应用;并归纳了使用多智能体合作的方法解决大规模交通信号控制问题的可行方案,对大规模交通信号控制的交通场景影响因素进行了分类概述;从提高交通信号控制器性能的角度提出了本领域当前所面临的挑战和未来可能极具潜力的研究方向。

改进的A2C算法在交通信号控制中的应用

针对目前以数据为驱动的交通控制算法在处理交通数据时容易忽略道路本身的空间信息的问题,提出一种结合道路拓扑结构信息的A2C(advantage actor-critic,A2C)算法。以A2C算法为基础,提取路网中车流量的信息,经过MLP(multilayer perceptron,MLP)对路口观测到的交通状态特征进行编码;结合图卷积神经网络提取道路之间的空间信息,引入多头注意力机制关注智能体之间的影响,在SUMO仿真环境中进行仿真验证。实验结果表明,改进的A2C算法相较于基线算法在等待时间、平均行驶速度上性能分别提升9.84%、7.57%,可以更好提高车辆通行效率。

基于上下文多摇臂赌博机的交通信号控制算法

近年来,由于交通拥堵问题日益严重,引起了学术界对交通信号灯控制算法研究的广泛关注.现有研究表明,基于深度强化学习(DRL)的方法在模拟环境中表现良好,但在实际应用中存在着数据和计算资源需求大、难以实现路口之间协同等问题.为解决这一问题,本文提出了一种基于上下文多摇臂赌博机的新型交通信号控制算法.与传统方法相比,本文所提算法通过从路网中提取主干道的方式,实现了路口之间的高效协同,并利用上下文多摇臂赌博机模型实现了交通信号的快速、有效控制.最后,通过在真实数据集以及合成数据集上进行充分的实验验证,证明了本文算法相较于过去算法的优越性.

基于CBAM注意力机制的智能交通信号控制

针对智能交通系统存在的卷积神经网络特征提取能力弱和特征表达能力有待提升等问题,在深度双Q网络(double deep Q network, Double DQN)模型基础上提出一种基于卷积注意力模块(convolutional block attention module, CBAM)的深度强化学习模型,用于智能交通信号控制。在三维卷积神经网络中加入CBAM轻量注意力模块,通过通道注意力和空间注意力两个模块结构更好地捕捉特征之间的相互依赖关系,增强卷积神经网络的特征表示质量,从而提升对拥堵路段重点特征的关注度以缓解交通拥堵问题。在城市交通仿真器SUMO(simulation of urban mobility)上的实验结果表明,相较其他常用算法,本文算法提高了交通灯配时的效率和稳定性,可为交通配时优化技术提供可靠依据。

基于改进多智能体Nash Q Learning的交通信号协调控制

为了优化区域交通信号配时方案,提升区域通行效率,文章提出一种基于改进多智能体Nash Q Learning的区域交通信号协调控制方法。首先,采用离散化编码方法,通过划分单元格将连续状态信息转化为离散形式。其次,在算法中融入长短时记忆网络(Long Short Term Memory,LSTM)模块,用于从状态数据中挖掘更多的隐藏信息,丰富Q值表中的状态数据。最后,基于微观交通仿真软件SUMO(Simulation of Urban Mobility)的仿真测试结果表明,相较于原始Nash Q Learning交通信号控制方法,所提方法在低、中、高流量下车辆的平均等待时间分别减少了11.5%、16.2%和10.0%,平均排队长度分别减少了9.1%、8.2%和7.6%,平均停车次数分别减少了18.3%、16.1%和10.0%。结果证明了该算法具有更好的控制效果。