-
公开(公告)号：CN118446647A
公开(公告)日：2024-08-06
申请号：CN202410664950.8
申请日：2024-05-27
Applicant: 北京全路通信信号研究设计院集团有限公司
Abstract: 本申请涉及轨交协同运输信息系统集成技术领域，尤其涉及一种轨交协同运输信息系统集成方法、装置、设备及存储介质，方法包括基于轨交协同初始子系统进行建模，得到子系统模型；轨交协同初始子系统至少包括中心实物系统与车站实物系统；基于对应不同轨交协同初始子系统的子系统模型进行系统集成，得到初始总系统；基于中心实物系统与车站实物系统对初始总系统进行替换处理，得到半实物总系统；对半实物总系统进行功能迭代，得到迭代后总系统；基于迭代后总系统进行实物系统集成，得到轨交协同运输信息系统；本申请便于提升轨道交通总系统的运行效率。
-
公开(公告)号：CN114548501B
公开(公告)日：2024-06-18
申请号：CN202210044961.7
申请日：2022-01-14
Applicant: 北京全路通信信号研究设计院集团有限公司
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/20 , G06Q50/40
Abstract: 本发明提供一种均衡性检查方法，包括：基于决策变量确定每个轨道交通线状资产网格的时间熵，轨道交通线状资产网格的时间熵为该轨道交通线状资产网格上检查活动的单位时间分布的信息熵；根据所述每个轨道交通线状资产网格的时间熵确定轨道交通时空网格的时间熵；根据轨道交通时空网格的时间熵确定均衡性目标函数；根据所述均衡性目标函数确定对轨道交通线状资产的检查计划。本发明提供了一种科学高效地检查计划优化确定方法，能够满足检查计划的均衡性要求。
-
公开(公告)号：CN118018441A
公开(公告)日：2024-05-10
申请号：CN202410013458.4
申请日：2024-01-04
Applicant: 北京全路通信信号研究设计院集团有限公司
IPC: H04L43/04 , H04L43/0823 , H04L69/22 , H04L67/12
Abstract: 本发明公开了一种数据采集方法、装置、设备以及存储介质，属于数据采集技术领域，所述方法由服务端执行，包括：接收客户端发送的数据请求报文；其中，数据请求报文中包括乘客信息系统PIS提供的待采集数据的目标数据标识；基于报文异常处理方式，检测数据请求报文是否异常；若否，则根据目标数据标识，获取目标数据标识对应的目标数据；对目标数据进行打包，生成数据响应报文，并将数据响应报文传输给客户端，以使客户端基于数据响应报文获取待采集数据的数据内容。本发明提高了PIS数据的采集效率，降低了PIS数据的采集成本，同时便于轨道交通的运输组织根据采集的PIS数据进行更为精准地决策。
-
公开(公告)号：CN117993301A
公开(公告)日：2024-05-07
申请号：CN202410297281.5
申请日：2024-03-15
Applicant: 北京全路通信信号研究设计院集团有限公司
Abstract: 本发明提出一种基于振动定位列车的深度学习方法、系统及设备，包括：确定振动频率恒定下的振幅与距离、振动频率变化下的振幅与距离、速度与不同振动频率之间的关系；通过不同速度下检测到的振动频率，确定不同振动频率对应的速度映射拟合；通过不同振动频率对应的速度映射拟合校正距离与振幅之间的映射关系；通过不同振动频率对应的速度映射拟合、振幅与速度的对照关系、校正后的距离与振幅之间的映射关系确定距离‑频率‑振幅的交叉耦合模型，根据振幅和频率确定列车距离振动传感装置的距离。基于数据学习建立频率、振幅以及列车速度、位置之间的耦合关系模型，并对其关系进行拟合修正优化，动态的实时判断列车距离当前检测点的距离。
-
公开(公告)号：CN117078191A
公开(公告)日：2023-11-17
申请号：CN202311017156.6
申请日：2023-08-14
Applicant: 北京全路通信信号研究设计院集团有限公司
IPC: G06Q10/10 , G06F18/232 , G06F18/2415 , G06N20/00 , G06Q50/30
Abstract: 本发明涉及轨道交通技术领域，特别涉及一种数据驱动的多制式轨道交通应急协同决策方法及装置。本发明通过分析多制式协同应急处置的特点，对故障影响多制式运营的因素进行了深入分析和定量化计算，采用深度自编码网络，降低故障影响多制式运营的因素的维度，采用混合层次K均值聚类算法，确定轨道所有可能突发故障严重程度特征的集合，采用树扩张型朴素贝叶斯分类算法，确定多制式轨道交通系统突发故障严重程度指数，判定多制式轨道交通系统突发故障严重程度。本发明通过机器学习算法挖掘突发故障影响因素的大量数据，确定故障严重程度指数来判定故障对运营的影响程度大小，具有较高可信度，有助于管理者对应急事件的高效处置。
-
Patent Agency Ranking
公开(公告)号：CN116611345A
公开(公告)日：2023-08-18
申请号：CN202310672307.5
申请日：2023-06-08
Applicant: 北京全路通信信号研究设计院集团有限公司
IPC: G06F30/27 , G06F18/214 , G06N3/048 , G06N3/084 , G06F119/04 , G06F119/14
Abstract: 本发明公开了一种钢轨承受载重预测方法、装置、电子设备及存储介质，其中，该方法包括：获取与当前待测钢轨段相对应的至少一个承受载重影响参数；基于预先训练完成的承受载重预测模型对至少一个承受载重影响参数进行处理，得到与当前待测钢轨段相对应的承受载重预测值；基于承受载重预测值和预设承受载重阈值，确定当前待测钢轨段的处理方式，以基于所述处理方式对所述当前待测钢轨段进行处理。本发明实施例的技术方案，实现了以钢轨段为单位长度分析钢轨承受载重，充分考虑了不同空间位置处钢轨劣化规律的异质性和不确定性等特征，有助于实现钢轨承受载重精细化管理，同时，提高了钢轨承受载重预测结果的准确率。
-
公开(公告)号：CN116483685A
公开(公告)日：2023-07-25
申请号：CN202310236866.1
申请日：2023-03-13
Applicant: 北京全路通信信号研究设计院集团有限公司
IPC: G06F11/36
Abstract: 本发明公开了一种轨道交通管理系统的自动测试系统、方法、设备及介质。该系统包括：测试及仿真管理子系统、外部数据接口子系统以及逻辑应用处理子系统；测试及仿真管理子系统，用于根据测试案例生成仿真测试信息，基于反馈信息和运行状态信息，确定测试结果并生成测试报告；外部数据接口子系统，用于根据仿真测试信息生成仿真测试数据；逻辑应用处理子系统，用于基于仿真测试数据和预先存储的轨道交通参数，确定与测试案例相对应的运输计划和联动控制策略并执行以生成反馈信息，以及生成运行状态信息。本实施例的技术方案，通过引入实物测试平台，实现了真实模拟现场的环境，降低测试周期和成本、提高测试效率的效果。
-
公开(公告)号：CN115115174A
公开(公告)日：2022-09-27
申请号：CN202210533363.6
申请日：2022-05-17
Applicant: 北京全路通信信号研究设计院集团有限公司
Abstract: 本发明公开了一种区域多制式轨道交通全局功能目标分析方法及装置，所述方法包括根据路网基础数据、路网运营数据和分析时间区间，确认区域轨道交通系统全局功能目标的完成度等级；根据区域轨道交通系统全局功能目标的完成度等级结果，对区域轨道交通系统全局功能目标进行分析；根据区域轨道交通系统全局功能目标的分析结果，确定区域轨道交通系统全局功能目标的等级。本发明针对多制式轨道交通网络建立互操作性分析功能目标，构建集可靠性、可用性、可维修性、安全性、互操作性于一体的区域轨道交通全局RAMSI功能目标体系，有效分析复合网络整体安全态势和协同水平，发现系统中的薄弱环节和风险，为区域轨道交通一体化发展提供辅助决策。
-
公开(公告)号：CN119151212A
公开(公告)日：2024-12-17
申请号：CN202411173400.2
申请日：2024-08-26
Applicant: 北京全路通信信号研究设计院集团有限公司
Abstract: 本发明公开了一种轨道交通应急信息生成方法、装置、设备及介质。该方法包括：获得轨道交通故障类型对应的故障参数项及各故障参数项对应的故障参数数据；获取系统监测参数项和各系统监测参数项对应的系统监测参数数据，以及传感数据；将系统监测参数项对应的系统监测参数数据与系统监测参数项相应的故障参数项的故障参数数据进行比较，得到风险参数项及风险参数项对应的风险参数数据；根据获得的数据计算得到预测故障类型；获取预测故障类型对应的资源供给信息；根据预测故障类型和预测故障类型对应的资源供给信息，生成轨道交通应急信息。本发明实施例的技术方案可以提高轨道交通应急信息生成的准确率和效率。
-
公开(公告)号：CN117993575A
公开(公告)日：2024-05-07
申请号：CN202410298921.4
申请日：2024-03-15
Applicant: 北京全路通信信号研究设计院集团有限公司
IPC: G06Q10/04 , G06Q50/40 , G06N3/0499 , G06N3/084
Abstract: 本发明提出一种钢轨折断时间预测方法、装置电子设备及介质，适用于轨道交通技术领域，可以有效提高预测钢轨折断时间的准确度。该方法包括：构建训练样本，训练样本包括样本钢轨的状态影响因素的量化评定结果，样本钢轨的状态影响因素包括如下一项或多项：计算型影响因素、分类型影响因素、或实测型影响因素；将训练样本输入BP神经网络进行训练，得到钢轨折断时间预测模型；将待预测钢轨的状态影响因素的量化评定结果输入钢轨折断时间预测模型，得到待预测钢轨的折断时间。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.051 seconds)
