评价车站系统能力协调的新方法

以车站作业的实际过程为背景，通过建立动态传递方程，着重探讨了车站系统能力的动态协调问题，同时提出了模糊协调的概念和协调概率的计算方法。     

基于灰色成分数据模型的轨道不平顺指标结构预测

针对轨道不平顺指标结构变化规律,提出一种基于灰色成分数据模型的轨道不平顺指标结构预测模型,结合轨道不平顺指标结构特征,对轨道不平顺指标结构进行预测。通过采用兰新线上行K741+200~K741+400和K741+400~K741+600 2单元区段共6年的历史轨检车超限数据对预测模型的有效性进行验证,结果表明所建模型可以较好地应用于预测轨道不平顺指标结构。     

兰新高速铁路工务安全风险管理系统研究与实现

兰（州）新（疆）高速铁路是我国西部第一条建成通车的高速铁路，周边自然环境具有高海拔、严寒、昼夜温差大、风沙大等特点。文章基于铁路基础设施设备网格化管理理论，深入分析兰新高速铁路工务安全风险管理的业务需求，利用信息技术研究构建兰新高速铁路工务安全风险管理系统，将工务安全风险发生位置定位在200 m之内，实现工务安全风险评定从定性化到定量化的转变。重点论述该系统的业务需求、技术架构、数据库设计、数据接口方案及系统主要功能。     

基于GIS的车务段货运营销管理系统

利用ＧＩＳ（地理信息系统）技术对客户分布、市场变化、货运设备、营销策略等进行空间和多媒体管理，并进一步实现对复杂营销形势的可视化分析、迅速进行市场精确定位等，从而建立一种新型的车务段货运营销管理系统。     

铁路钢轨折断事件风险因素量化分析模型研究

钢轨折断事件的发生受多种因素影响,为合理控制钢轨折断风险,需精确识别各类因素对钢轨折断事件发生的影响程度。将铁路线路划分成多个连续的200m网格单元,对不同网格单元内影响钢轨折断事件发生的人的因素、设备因素、环境因素和管理因素的状态进行量化,在此基础上利用Cox比例风险模型建立各类风险因素对钢轨折断事件发生影响程度的量化分析方法。利用大秦线钢轨折断数据以及钢轨生产管理过程中的全生命周期数据,对模型的有效性进行验证。本研究创新性地把Cox比例风险模型应用于铁路钢轨折断事件风险因素的量化分析,对铁路系统的风险控制具有理论与现实意义。     

神朔铁路钢轨折断风险评估模型研究

钢轨折断是一类严重的线路故障,研究钢轨折断风险评估对保障线路安全具有重要作用。基于模糊推理方法构建钢轨折断风险评估模型,该模型利用设备台账数据、钢轨状态检测数据和维修数据等相关的生产数据,识别钢轨折断致灾因子,量化评定致灾因子状态,建立模糊推理规则库,利用Mamdani模糊推理算法计算钢轨折断风险事件发生的可能性。最后采用神朔铁路神木北至黄羊城区间2013~2015年共3年的实际生产数据对模型的有效性进行验证,结果表明:所建模型可以较好地评估神朔铁路钢轨折断风险事件发生的可能性,对钢轨折断风险管理具有重要指导意义。     

改进的轨道质量指数线性预测模型研究

针对轨道不平顺的发展,提出轨道质量指数(TQI)变化的线性预测模型.该模型使用平均法计算出一个适用于某一线路区段轨道不平顺的斜率 K 值,利用该 K 值建立线性预测模型,对轨道不平顺发展TQI值进行预测.影响轨道不平顺发展的因素复杂,不平顺的发展趋势表现出一种非线性变化的特点,俗称"浴盆型"曲线.提出改进的轨道质量指数TQI预测模型,即多阶段轨道不平顺线性预测模型(MPLM).     

铁路建设检验批的数据特征研究

介绍铁路建设项目管理中检验批数据应用的相关背景,检验批数据的空间、时间和专题三大数据特征,以及检验批数据与质量控制、进度控制、安全控制、投资控制以及物资设备管理的关联关系,并建立相应的关联关系模型,形成采用计算机存储和管理的检验批数据规范.     

铁路建设项目施工阶段投资控制信息系统研究

分析铁路建设项目施工阶段投资控制存在的主要问题,通过建立铁路建设项目施工阶段的合同管理信息模型、验工计价管理信息模型、变更管理信息模型和投资与进度关联模型,构建铁路建设项目施工阶段投资控制信息系统,加强铁路施工阶段的投资管理.     

基于机器学习的地铁轨道几何劣化规律个性化建模研究

较高的轨道平顺性是保障地铁列车安全舒适运行的基础,准确掌握地铁轨道的劣化规律对保障轨道质量具有重要意义。根据地铁线路特点,选择影响地铁轨道质量劣化的7类异质性因素,给出赋值模型,并基于机器学习方法建立轨道质量指数(track quality index,TQI)短时预测前馈神经网络模型。为了验证模型,采集了北京地铁1号线的线路设备数据及2016年8月15日至2019年2月18日间的17次TQI检测数据,形成训练数据集和测试数据集,并采取深度学习技术,利用训练数据集对该模型进行训练。基于测试数据集的模型预测值的可决系数为0.938,平均绝对百分比误差为4.80%,结果表明该模型是有效的且具有较高的预测精度。