-
公开(公告)号：CN119941708A
公开(公告)日：2025-05-06
申请号：CN202510148664.0
申请日：2025-02-11
Applicant: 中国国家铁路集团有限公司 , 中国铁道科学研究院集团有限公司 , 北京交通大学 , 中国铁道科学研究院集团有限公司电子计算技术研究所
IPC: G06T7/00 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0495 , G06N3/09
Abstract: 本发明提供了一种基于DETR的端到端接触网部件缺陷检测方法，涉及铁路基础设施设备检测技术领域，包括Backbone模块、Encoder模块和Decoder模块，所述Backbone模块、Encoder模块和Decoder模块均基于DETR检测模型，所述Backbone模块用于提取采集的图像中的纹理和语义特征，将输入的二维图像转化为特征向量；所述Encoder模块为网络的编码器，用于将Backbone模块提取的图像特征编码成解码所需的状态向量；本发明使用基于DETR的端到端目标检测方法，增强模型的图像理解和目标识别能力，并针对小目标检测进行改进，从而更好地实现接触网缺陷自动化检测的目标。
-
公开(公告)号：CN117216267A
公开(公告)日：2023-12-12
申请号：CN202311091434.2
申请日：2023-08-28
Applicant: 北京交通大学
IPC: G06F16/35 , G06F16/36 , G06F40/289 , G06N3/0464 , G06N3/048 , G06Q10/0635 , G06Q50/26
Abstract: 本发明提供了一种基于卷积神经网络的铁路故障持续时间判断方法。该方法包括：对待识别的安监报文本数据进行数据预处理；基于TextCNN文本分类器改进卷积神经网络，构建基于改进的卷积神经网络的铁路故障持续时间预测模型，利用历史铁路故障数据对所述铁路故障持续时间预测模型进行训练，得到训练好的铁路故障持续时间预测模型；将预处理后的待识别的安监报文本数据输入到训练好的铁路故障持续时间预测模型，得到所述待识别的安监报文本数据的铁路故障持续时间的判断结果。本方法实现了在铁路事故突发场景下，快速、高效地预测出故障大致的持续时间，从而为铁路调度人员制定列车调整计划提供实时参考。
-
公开(公告)号：CN114475726B
公开(公告)日：2023-03-21
申请号：CN202210138906.4
申请日：2022-02-15
Applicant: 北京交通大学
Abstract: 本发明提供了一种列车运行自动调整方法，包括：根据列车运行图计划数据、自动调整程序开始时刻数据两类动态数据，确定所有未完成的列车作业内容；根据区间临时封锁时间范围数据、区间临时封锁空间范围数据两类动态数据，和当前运行场景下的列车追踪时间间隔标准数据、车底接续最小作业时间标准数据、各车站股道数量数据三类静态数据，按不在临时封锁结束时间前对车站扣车提前发车原则、不侵入临时限速时空范围两大原则，以及在运输场景涉及到多个铁路局时尽可能保证与外局交接口车站的接车顺序规则下，利用仿真推演的方法确定新的列车运行计划和车底接续计划。
-
公开(公告)号：CN109902866A
公开(公告)日：2019-06-18
申请号：CN201910130434.6
申请日：2019-02-21
Applicant: 北京交通大学
Abstract: 本发明提供了一种铁路快运班列开行方案与车底运用的协同优化方法，包括：建立基于货物流量分配和班列车底接续的协同优化模型和参数约束条件；获取快运班列的已知数据，并根据所述已知数据、所述协同优化模型和所述参数约束条件建立时间-空间-班列三维服务网络；对所述三维服务网络进行分解生成多个三维服务子网络并确定每个三维服务子网络的最小费用路径，根据最小费用路径信息生成班列开行方案和车底运用计划。本发明可以减少空车走行，提高车底资源的利用率，降低铁路部门的运营成本，保障快运班列日常运输组织工作的顺利开展；而且考虑二者的有机联系而得到的协同优化结果可为快运班列运行时刻表的编制提供更为可靠的输入信息。
-
公开(公告)号：CN111680849B
公开(公告)日：2020-12-29
申请号：CN202010801816.X
申请日：2020-08-11
Applicant: 北京交通大学
Abstract: 本发明揭示了一种非正常事件下车站通过能力的计算方法及存储介质、终端，计算方法包括：将高铁车站的非正常事件划分为三种情形：到发线临时失效、到发线超长占用和咽喉区道岔临时失效；再引用威布尔概率分布对各情形进行时长估计；分别构建各情形下的非正常事件约束；根据各情形下非正常事件的估计时长及构建的约束，建立轨道电路分段解锁的时序关系，再构建列车在站作业进路之间的时空疏解约束；根据时空疏解约束优化车站作业进路分配，并建立高速铁路车站通过能力的计算模型；计算车站通过能力，并选择最优进路分配方案进行输出。本发明采用分段解锁式的高铁车站控制策略，计算结果更精确，且更切合高速车站的实际作业情况，实用性佳。
-
Patent Agency Ranking
公开(公告)号：CN111680849A
公开(公告)日：2020-09-18
申请号：CN202010801816.X
申请日：2020-08-11
Applicant: 北京交通大学
Abstract: 本发明揭示了一种非正常事件下车站通过能力的计算方法及存储介质、终端，计算方法包括：将高铁车站的非正常事件划分为三种情形：到发线临时失效、到发线超长占用和咽喉区道岔临时失效；再引用威布尔概率分布对各情形进行时长估计；分别构建各情形下的非正常事件约束；根据各情形下非正常事件的估计时长及构建的约束，建立轨道电路分段解锁的时序关系，再构建列车在站作业进路之间的时空疏解约束；根据时空疏解约束优化车站作业进路分配，并建立高速铁路车站通过能力的计算模型；计算车站通过能力，并选择最优进路分配方案进行输出。本发明采用分段解锁式的高铁车站控制策略，计算结果更精确，且更切合高速车站的实际作业情况，实用性佳。
-
公开(公告)号：CN108491950A
公开(公告)日：2018-09-04
申请号：CN201810071583.5
申请日：2018-01-25
Applicant: 北京交通大学
Abstract: 本发明公开一种考虑多种资源约束的高速铁路通过能力计算方法，所述方法包括：S1：获取高速铁路的已知数据，将高速铁路运行时间分为多个时间窗，并针对多个时间窗分类已知数据；S2：建立考虑车站股道分配和动车组运用的高速铁路运行图计算的优化模型和约束条件，在每个时间窗内通过压力测试算法进行列车铺画；S3：在多个时间窗内依次铺画列车后得到高速铁路的列车运行图满图，统计各个时间窗内的列车数量，得到当前列车开行模式下的高速铁路通过能力值，本发明考虑了列车的停站方案、运行图结构对通过能力产生的影响，甚至还可以考虑在一定规模的冗余和缓冲时间布局条件下的通过能力对高速铁路通过能力进行计算，准确度高。
-
公开(公告)号：CN112488379B
公开(公告)日：2024-03-19
申请号：CN202011344076.8
申请日：2020-11-26
Applicant: 北京交通大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/20
Abstract: 本发明涉及一种高速铁路动车组检修计划优化方法及系统，先刻画动车组日常检修中各项检修任务之间的拓扑关系，然后以各动车组初始所在路段、检修基地的各个检修线、计划周期内每天的交路段和备用交路为节点，根据各项检修任务之间的拓扑关系在各节点间建立满足接续条件的停留接续弧和检修接续弧，得到动车组运用检修接续网络，再基于动车组运用检修接续网络，以动车组运用数量最小以及动车组总欠修里程最小为目标，建立动车组检修计划优化模型，最后利用改进的列生成算法对动车组检修计划优化模型进行求解，得到优化后的动车组检修计划，利用改进的列生成算法能够快速、高效的求解优化模型，显著提高动车组检修计划的编制效率。
-
公开(公告)号：CN108256142A
公开(公告)日：2018-07-06
申请号：CN201711325182.X
申请日：2017-12-13
Applicant: 北京交通大学
Abstract: 本发明公开一种高速铁路通过能力计算分析方法，具体步骤为加载基础数据，设置求解时间段，根据基础数据和求解时间段调用模型并输出求解结果，分析求解结果并显示分析结果，根据人工输入调整数据。本发明还公开了一种高速铁路通过能力计算分析系统。本发明在计算分析过程中考虑了到发线和动车组运用，同时利用通过能力计算分析系统和人工调整的手段处理数据，克服了以往将区间能力、到发线能力割裂考虑的局限性，提高了通过能力分析结果的可靠性，能够快速计算并分析高速铁路在不同基础数据下的通过能力，直观显示分析结果，增强了可操作性。
-
公开(公告)号：CN119919757A
公开(公告)日：2025-05-02
申请号：CN202510149549.5
申请日：2025-02-11
Applicant: 中国国家铁路集团有限公司 , 中国铁道科学研究院集团有限公司 , 北京交通大学 , 中国铁道科学研究院集团有限公司电子计算技术研究所
IPC: G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/09 , G06N3/094
Abstract: 本发明提供了一种面向高速铁路智能运营的多模态图像样本生成方法，涉及铁路基于机器视觉的监测技术领域，包括生成器和判别器，所述生成器为条件扩散网络，所述判别器为深度卷积网络，所述生成器包括条件编码模块和扩散生成模块，所述条件编码模块用于接受任务类别标签和场景描述文本作为输入；本发明引入条件扩散网络作为生成器，将铁路运营场景和条件信息融入模型，在潜空间中对铁路运营场景分布进行高效采样，从而克服基于生成对抗网络的图像生成方法在样本多样性不足及对小样本类别生成能力不足的局限性，通过生成对抗网络的判别器对条件扩散网络的生成过程进行监督，结合对抗损失优化，提升生成图像的细节质量，弥补细节上的不足。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.016 seconds)
