教学课程资源库 更多>>

关键词： 用地类型   随机森林   网格搜索   客流预测  

摘要： 地铁站点周边用地类型对客流量有一定的影响。通过研究用地类型和随机森林模型（Random Forest，RF）结合对客流量进行预测，首先获取地铁站刷卡数据和站点周边POI数量；然后将POI数量和时间作为随机森林模型中特征变量，出站客流量作为目标变量，利用网格搜索法（Gird Search，GS）选取随机森林模型中最佳参数，以北京市商务型-复兴门站、交通枢纽型-北京站、景点型-什刹海站、居住型-天通苑站、混合型-鼓楼大街站这5个不同类型站点为例，基于改进的随机森林模型与网格搜索法融合（GS-RF）模型进行预测，得到预测结果；与单一随机森林模型预测评价结果对比，得到GS-RF模型预测精度更高。

关键词： 市域铁路   地铁   贯通运营   周期运行图   拉格朗日松弛算法  

摘要： 随着城市群、都市圈的逐渐形成，市域铁路与地铁的贯通运营在未来轨道交通的规划建设中广泛考虑，其不仅能够为乘客提供直达的便利，还能够降低运营的成本。为了满足跨区出行的通勤客流需求，提高乘客的直达率，并通过采用编制周期运行图以减少运营公司的工作量，需要对市域铁路与地铁贯通运营下的列车周期运行图与车底周转计划进行一体化优化。以最小化列车总旅行时间、列车总折返时间、均衡性总偏差和乘客总等待时间为目标，建立多目标混合整数非线性规划模型。对模型中的非线性约束将其线性化，并采用拉格朗日松弛算法以松弛目标函数，从而降低问题规模，使得模型易于求解。基于京雄R1线与大兴机场地铁线的“一”字形贯通线路的基础数据，设计仿真测试案例，验证模型和算法的可靠性。研究结果表明：早高峰时段内，相比于独立运营，开行贯通列车不仅能够很大程度提高跨线直达率，同时还能减少运用列车数量；贯通列车的开行使得跨线乘客的直达占比69.86%，有效提升了乘客的出行效率；在可接受时间内能够得到有效的周期运行图，并保证乘客等待时间合理。通过对市域铁路与地铁贯通运营下运行图与车底周转一体化编制的研究，为我国发展“四网融合”提供周期运行图与车底运用方面的参考。

关键词： 地铁牵引供电系统   直流牵引网故障   特征波   小波能量   继电保护  

摘要： 为了提升地铁直流牵引网保护的快速性能，需要结合地铁直流牵引网结构本身的波形特点进行分析，进而提出能够显著区分故障与否、获得故障位置等的有效后备保护方法。首先，根据直流牵引供电系统结构中所包含整流机组产生的特定次谐波特点，分析了系统中固有的特征波产生机理。然后，采用小波能量分析方法，分析出特征波和特征波能量在故障后快速上升并维持在较高值，而地铁启动时特征波和特征波能量在经过快速上升后回落到正常值，据此提出了相应的保护方法。该保护方法判断地铁直流牵引网上发生故障与否，并获得故障位置大致区段信息。最后，仿真结果验证了所提后备保护方法对于识别直流牵引网故障有无及故障区段信息的有效性。

关键词： 隧道结构变形   预测模型   基坑施工   图卷积网络   长短期记忆网络   时空特征  

摘要： 对邻近基坑施工的运营地铁隧道结构变形进行预测有助于及时识别潜在的结构安全风险并采取措施。针对现有地铁隧道结构变形预测未考虑监测点的空间相关性，导致模型预测精度不高的问题，提出了一种基于图卷积和长短期记忆网络（GCN-LSTM）的地铁隧道结构变形预测模型。该方法首先利用图卷积网络（GCN）提取监测点间的动态空间相关信息，进行邻接矩阵的计算，捕获各个监测点间的空间特征，再将其挖掘的信息构成时间序列作为长短期记忆网络（LSTM）的输入，提取监测点的时间信息特征，通过全连接层融合时空特征，从而提升模型的预测精度。以广州市某受基坑施工影响的运营地铁隧道监测数据为例，将预处理后的数据应用提出的GCN-LSTM模型对所选监测点的变形量进行多点联合变形预测。结果表明，当图卷积层为2，训练批次为32，历史步长为9时可取得最佳的模型性能。同时对比支持向量回归，BP神经网络，长短期记忆神经网络和卷积神经网络-长短期记忆网络模型的预测精度显示，融合时空特征的GCN-LSTM模型的MAE和RMSE指标值至少降低了8.3%和8.2%,R2至少升高了0.01。这说明该模型相对于典型的的器学习模型具有优势，可提高运营地铁隧道结构变形的预测精度。研究结果能够为保障运营地铁隧道的稳定安全运行提供一定的参考价值。

关键词： 光纤传感技术   振动   地铁隧道   入侵检测  

摘要： 对地铁隧道异常振动进行安全检测和预警是保障地铁安全运行的重要保障。本文针对地铁隧道异常振动和外界入侵应用场景研发了膜片F-P光纤干涉式高灵敏度次声波传感探头及准分布式光纤地铁隧道异常振动探测系统。该系统通过在地铁隧道的上行线和下行线不同位置布设多个高灵敏的光纤声波传感探头，用于探测隧道内部或隧道上方机械设备施工时产生的次声波信号，由传输光纤光缆将信号传输至系统主机，经系统主机处理与分析，对异常振动信息进行报警，进而实现对地铁隧道异常振动的全天候、全时段实时检测。研发的次声波传感器的频率响应范围为0.1～100 Hz；灵敏度为1047 mV/Pa（@ 0.1Hz）～5445 mV/Pa（@ 12.5Hz）。在广州地铁对探测系统进行了应用验证测试，测试结果表明该系统可以准确识别列车激励导致的隧道结构受迫振动信号，并实时做出反馈。

关键词： 轨道交通   振动源强   车辆状态   定量识别   在线监测  

摘要： 车辆健康状态监测与评价是保证地铁运营安全的重要手段，是智慧城轨技术发展的方向。以地铁振动源强数据为基础，提出一种以隧道壁最大Z振级80分位数作为筛选值，以不少于5个不同类型监测断面和7天连续监测数据作为样本的轨道交通车辆状态定量识别方法，构建了地铁车辆状态指数(Ivs)指标，并在不同城市地铁线路进行了实际应用和验证。研究结果表明：车辆状态定量识别方法在不同城市地铁线路均具有较好的稳定性与准确性，Ivs指标可以显著区分列车间车辆状态差异，Ivs值越大，车辆状态越差，反之车辆状态越好。车辆状态差异对振动影响显著，同一监测断面不同列车引起隧道壁振动最大Z振级差可达6.7～24.1 dB。根据多个城市Ivs值分布规律统计，车辆状态可划分为正常(0≤Ivs<50)、预警(50≤Ivs<80)和报警(80≤Ivs≤100)3个等级，针对不同等级给出了相应的维修整治建议。通过对某线路地铁车辆16个月的长期监测，Ivs值变化趋势与实际情况吻合，车轮镟修前、后车辆运行状态差异明显，Ivs值随之变化，验证了车辆状态定量识别方法的可行性。该方法可快速、定量地在线识别线路运营列车的车辆运行状态，对列车的安全运营与科学维修提供技术支撑。