国外地铁车辆段的设计和车辆维修设施

通过介绍国外某些地铁车辆段的总布置设计、各个功能区的设计、车辆维修模式及车辆维修设备等,客观地反映国外地铁车辆段的设计现状,为我国地铁车辆段的设计提供借鉴。

北京地铁异物侵限探测系统研发与实践

对北京地铁异物侵限事件进行调研和总结,根据异物侵限事件发生的位置、侵限源特征及其危害程度对异物侵限源进行分类。在此基础上,提出一种基于雷达-视频多手段融合的智能异物侵限检测方法,采用高清摄像机视频检测、雷达测距和双目立体测距技术等开发一套异物侵限探测设备。通过模拟不同异物侵限工况在北京地铁某试车线开展现场试验,验证该设备具有识别精度高,并可实现实时预警、报警等功能,可为北京地铁安全运营提供技术保障。

适用于地铁异物前景检测的神经网络——DifferentNet

针对地铁站屏蔽门与列车门间隙空间异物检测问题,提出了一种结合语义分割与背景参考的前景检测方法。该方法通过深度神经网络DifferentNet检测图像中的异物区域,首先,在列车停靠站台的过程中采集背景图片和待检测图片,通过网络的编码部分提取图像的特征信息得到特征金字塔,将两幅图片的特征图连接,再由解码部分计算特征差异得到待检测图片的前景热力图,最后经阈值分割和轮廓筛选得到检测结果。实验结果表明,该方法的前景交并比(c IoU)达81.2%,调和均值F 1达89.5%,运行速率为30帧/s,与传统方法及无背景参考的图像分割网络相比,取得了更好的效果。

SOM与HL融合的地铁异物分类算法

地铁站台门与列车门之间异物的检测和对异物的种类判别是保障乘客安全乘车和列车安全运行的基础。使用改进的Self-organizing Map(SOM)分别学习训练图片的数据分布和分类标签的数据分布,再通过Hebbian Learning(HL)学习图片SOM神经元和对应标签SOM神经元之间的数学关并编码在HL矩阵中,最后以查表方式完成异物分类。研究结果表明:改进的SOM+HL模型把分类准确率从原始模型的64.44%提高到72.6%;增加PCA(Principal components analysis)模块的SOM+HL模型使异物检测分类器的分类准确率从72.6%提高到86.2%,且其在NannoPC-T2嵌入式板上的检测速度从45FPS提高到60FPS,在满足分类精度的同时也实现了异物实时分类。且有PCA模块的模型在NannoPC-T2嵌入式板上检测速度为60FPS,移除PCA模块后其在NannoPC-T2嵌入式板上的检测速度为45FPS。

“地铁车站”汉语译本的读者接受调查分析及其启示

国内译界对文学作品翻译策略的选择倾向于异化。通过对庞德的短诗“地铁车站”13首译文读者接受的调查，发现读者更喜欢和期待归化策略指导下的译文。通过讨论进而得出结论：对于翻译策略的选择要考虑不同文本的语言特征和目的语读者的欣赏习惯，不同体裁文学文本的翻译策略应有所不同。

基于改进YOLOv5s模型的地铁屏蔽门与列车门间异物快速检测方法

快速准确地检测地铁屏蔽门与列车门间异物对于保障安全具有重要意义。针对当前地铁屏蔽门与列车门间异物检测方法的低效和不准确,提出了1种基于YOLOv5s模型的快速检测方法。由于原始YOLOv5s模型在检测异物时仅依赖于候选区域内部特征信息而忽略了全局语义信息,因此引入全局语义模块来解决这一局限。该模块集成了非局部模块和压缩-激励模块:非局部模块采用自注意力机制建模像素对关系,捕获长局信息依赖;压缩-激励模块则起到降低模型计算量的作用。全局语义模块使得模型能够捕获全局语义信息并将其与局部信息相结合,以实现更好的异物检测,同时不会显著增加计算复杂度。此外,原始YOLOv5s模型中低效的Focus模块被1个完全由标准卷积单元构成的Stem模块所取代,有助于减少模型计算量和提高检测速度。使用桌面级显卡NVIDIA TITAN Xp,在从真实地铁站中采集构建而成的5854张地铁异物数据集,对模型进行验证,实验结果表明:(1)改进后的YOLO模型表现显著优于其它基准模型,检测速度达到385帧/s,相比原始YOLOv5s提升100%,相比最快的YOLOv3-SPP提升466%;(2)改进后的YOLO模型实现了88.5%的检测平均准确率,相比原始YOLOv5s提升0.5%,相比检测平均准确率最高的YOLOv3-SPP提升0.6%;(3)此外,改进后的YOLO模型仅占用空间14.4 MB的计算机存储空间,相比原始YOLOv5s减少0.7%,相比所占空间最小的SSD减少85%。

基于K-means算法的地铁站台异物检测

针对地铁屏蔽门和列车门之间的间隙会产生夹人夹物等地铁运营安全事故隐患,提出一种基于K-means的地铁站台异物面检测方法。该方法通过采用人工构造光学背景,并且采用HSV颜色空间来提高检测的效率和准确度。算法采用K-means方法对车首摄像头拍摄车尾灯带图像进行目标提取,通过对目标的完整性计算来判断列车车体与屏蔽门缝隙是否存在空间异物。通过对真实视频数据进行实验,结果表明所提算法对光照变化具有很好的鲁棒性,可以准确检测出各种异物,能够辅助司机进行开车前的决策。

我国实施地铁票价差别化定价问题研究

地铁票价关系到城市成千上万民众的出行,对消费者是否选择地铁出行及能否更好发挥地铁效用具有关键作用。当前,我国地铁票价长期偏低、票价种类少、公平性较差等问题突出,使得地铁企业陷入严重亏损状态。从实施地铁票价差别化定价的客观需求入手,借鉴国外制定地铁票价的经验,分析了我国在制定地铁票价中存在的主要问题及主要影响因素,最后提出了我国实施地铁票价差别化定价的政策建议。

基于深度残差神经网络的地铁站台门与列车门间异物自动检测方法研究

针对地铁站台门与列车门间现有异物检测方法的精度差、误报率高的问题,提出基于深度残差神经网络图像识别原理,利用地铁站台发车指示器图像数据实现站台门与列车门间异物实时检测。首先,搭建基于深度残差神经网络ResNet50模型的自动异物检测系统;然后,采集站台发车指示器视频帧信息建立数据集并完成系统训练;最后,分析自动异物检测系统对验证信息集的处理效果,并将该系统应用于实际地铁车站中。处理效果表明:实际应用验证中最低准确率为98.7%,单张视频帧处理总耗时不超过65 ms,满足地铁实际运营的要求。

基于激光扫描的地铁站台门与列车间隙异物检测研究

针对地铁站台门与列车之间间隙的安全防护问题,介绍了目前业内广泛采用的激光对射和红外光幕2种自动检测方式,并分析了各自存在的检测问题。提出了基于激光扫描的异物检测方案,包括工作原理、系统设计和安装方式等。该方案具有高可靠性及高安全性、可精确定位障碍物、安装简单且不受限界尺寸影响等特点,实现了对乘客及行车运营(尤其在全自动驾驶模式下)更为可靠的安全防护。

地铁高架段线路接触网悬挂异物的应急处置

对地铁高架段接触网悬挂异物进行了风险分析。以西安地铁3号线为例,总结以往在异物处置方面存在的问题和关键点,并根据现场的实际异物类型、异物发生的地点、车站人员配置以及地铁行车组织情况等提出了具体处置方案。以流程图的形式反映出整个接触网悬挂异物应急处置过程。可为其他高架段接触网的异物处置提供参考。