CN106250611A - 铁路风区段大风气象灾害监测系统 - Google Patents
铁路风区段大风气象灾害监测系统 Download PDFInfo
- Publication number
- CN106250611A CN106250611A CN201610607108.6A CN201610607108A CN106250611A CN 106250611 A CN106250611 A CN 106250611A CN 201610607108 A CN201610607108 A CN 201610607108A CN 106250611 A CN106250611 A CN 106250611A
- Authority
- CN
- China
- Prior art keywords
- wind
- railway
- train
- speed
- velocity transducer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 17
- 238000004088 simulation Methods 0.000 claims abstract description 27
- 238000007405 data analysis Methods 0.000 claims abstract description 5
- 238000004891 communication Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000000034 method Methods 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9038—Presentation of query results
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了铁路风区段大风气象灾害监测系统,包括:数据采集模块,其与大风检测中心数据库连接;数据分析模块,其与数据采集模块连接,将所述数据采集模块采集的历史统计数据拟合得到铁路沿线各区段风速和风向拟合曲线,根据所述拟合曲线的曲率值范围将铁路沿线分为低风区域、大风区域和特风区域;第一风速传感器,其设置在列车的车头上,用于感测列车正在行驶时的风速;第二风速传感器,其以间距为20~30米间距沿着铁路沿线设置在特风区域,用于感测所述特风区域的风速;铁路控制中心,其与第一风速传感器、第二风速传感器、调度中心与仿真控制中心连接。本发明有效的保证了列车运行安全,具有显著的经济效益和社会效益。
Description
技术领域
本发明属于电子监测与控制领域,特别涉及铁路风区段大风气象灾害监测系统。
背景技术
高速铁路因具有运输能力强、速度快、正点率高、全天候运行、经济效率高等特点,在交通运输体系中扮演的角色日益突出。为了缓解铁路运输的紧张状况,满足国民经济和社会发展的需要,目前我国正在大力建设高速铁路。由于高速列车的车体轻、速度快,运行时产生的升浮力和仰俯力矩大,列车对侧风影响敏感,尤其在风口区域的特大桥梁、高路堤、丘陵及弯道等一些特殊路段,极易产生脱轨、倾覆事故,进而引起重大人员伤亡和巨大经济损失。由于高速铁路是我国近几年才兴起的新生事物,在世界范围内发展历史也不长。
日本、德国、法国等一些铁路运输发达国家,对铁路大风监测预警与行车指挥采取的主要技术是当区段最高风速超过某一限值时,发出列车限速或停运指令。我国某些铁路如兰新铁路虽然初步建立了大风监测系统,但该系统仅能提供简单的气象监测功能,无法实现在大风环境于实时地根据线路和当前运行列车信息为安全行车提供限速指令或指挥调度决策,以有效保证列车运行安全。我国地域辽阔,地质条件各异,在铁路沿线经常出现长时期大风天气。如我国青藏高原铁路,不仅海拔高、气候环境复杂,其平均年大风数在100天以上。强风对列车正常和安全运行构成严重影确。因此,一个功能完善运行可靠的铁路大风监测预警系统,对保障列车运行安全、尽可能提高铁路运输效率和及时采取灾害应急措施,具有极为重要的现实意义。
发明内容
针对所提到的问题,提出了铁路风区段大风气象灾害监测系统,包括:
数据采集模块,其与大风检测中心数据库连接,采集铁路沿线气象站收集的历史统计数据;
数据分析模块,其与数据采集模块连接,将所述数据采集模块采集的历史统计数据拟合得到铁路沿线各区段风速和风向拟合曲线,根据所述拟合曲线的曲率值范围将铁路沿线分为低风区域、大风区域和特风区域;
第一风速传感器,其设置在列车的车头上,用于感测列车正在行驶时的风速;
第二风速传感器,其以间距为20~30米间距沿着铁路沿线设置在特风区域,用于感测所述特风区域的风速;
铁路控制中心,其与第一风速传感器、第二风速传感器、调度中心与仿真控制中心连接,当所述列车驶入低风区域时,所述列车上的第一风速传感器关闭;当所述列车驶入高风区域时,所述列车上的第一风速传感器开启,并实时将风速值传送至所述铁路控制中心和列车操作台,所述铁路控制中心根据接收的风速值将建议的车速发送至列车操作台,驾驶员根据经验和所述铁路控制中心的建议车速来控制列车的车速;当列车驶入特风区域前的50~80㎞,所述列车上的第一风速传感器和所述第二风速传感器均开启,所述铁路控制中心将所接收到的第一风速传感器和第二风速传感器感测的风速值和所述列车的当前速度值均发送至所述仿真控制中心,由仿真控制中心利用仿真模型计算出列车在进入特风区域前和特风区域时的最优车速,然后将最优车速发送至所述铁路控制中心,所述铁路控制中心根据所接收到的最优车速实时控制所述列车的车速。
优选方案是:所述仿真软件为WITNESS。
优选方案是:所述数据采集模块通过RS485通信接口与数据预处理、存储和传输单元连接。
优选方案是:所述最优车速为多个数据。
优选方案是:所述最优车速越靠近特风区域,所述最优车速越小。
本发明提供大风监控和预警,保证了列车在风区的行车安全。本发明收集监测点的风速数据,再根据上述数据和信息形成限速行车指令,指挥列车安全驶过风区。本系统能够满足风区恶劣的多变气候状况、并能实现在无人值守条件下高度可靠运行的要求,因此有效的保撞了列车运行安全,具有显著的经济效益和社会效益。
具体实施方式
下面本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
本发明提出了铁路风区段大风气象灾害监测系统,包括:数据采集模块,其与大风检测中心数据库连接,采集铁路沿线气象站收集的历史统计数据;数据分析模块,其与数据采集模块连接,将所述数据采集模块采集的历史统计数据拟合得到铁路沿线各区段风速和风向拟合曲线,根据所述拟合曲线的曲率值范围将铁路沿线分为低风区域、大风区域和特风区域;第一风速传感器,其设置在列车的车头上,用于感测列车正在行驶时的风速;第二风速传感器,其以间距为20~30米间距沿着铁路沿线设置在特风区域,用于感测所述特风区域的风速;铁路控制中心,其与第一风速传感器、第二风速传感器、调度中心与仿真控制中心连接,当所述列车驶入低风区域时,所述列车上的第一风速传感器关闭;当所述列车驶入高风区域时,所述列车上的第一风速传感器开启,并实时将风速值传送至所述铁路控制中心和列车操作台,所述铁路控制中心根据接收的风速值将建议的车速发送至列车操作台,驾驶员根据经验和所述铁路控制中心的建议车速来控制列车的车速;当列车驶入特风区域前的50~80㎞,所述列车上的第一风速传感器和所述第二风速传感器均开启,所述铁路控制中心将所接收到的第一风速传感器和第二风速传感器感测的风速值和所述列车的当前速度值均发送至所述仿真控制中心,由仿真控制中心利用仿真模型计算出列车在进入特风区域前和特风区域时的最优车速,然后将最优车速发送至所述铁路控制中心,所述铁路控制中心根据所接收到的最优车速实时控制所述列车的车速。所述仿真软件为WITNESS,系统仿真技术有以下几项优点:(1)符合人们的思维习惯,有助于系统分析。系统仿真所依据的,是对系统的实际观测所获得的数据建立起来的动态模型。这种方法所建立的模型,既表达了系统的物理特征,又有其逻辑特征;既反映了系统的静态性质,也反映了其动态的性质,更贴近实际,更真实,更便于对系统进行分析。(2)系统仿真对各种复杂的系统具有很好的适应性。系统仿真所建立的模型,完全是实际系统的影像。它既反映系统的物流特征、几何特征,又可以反映系统的逻辑特性。因此,对于各种复杂的物流系统,无论是线性的还是非线性的,无论是静态的还是动态的,都可以用系统仿真方法来研究。(3)系统仿真有利于解决随机因素的影响。系统仿真模型的另一特点是因为它是一个随机模型,系统的参数受随机因素影响所发生的变化在模型中得到充分体现。这一点是解析法所无法比拟的。解析法一般是针对一种固定的约束条件或环境求解。而实际系统,特别是复杂的离散时间系统往往受很多随机因素的影响(物流系统就是这样的系统)。忽略随机因素的影响,用确定性模型代替随机模型研究系统,将会使分析结果有很大的误差。(4)系统仿真可以帮助系统优化。仿真模型的一次运行,只是对系统一次抽样的模拟。从这点来说,系统仿真方法不是一种系统优化的方法,即它不能求系统的最优解。但是,系统仿真可以让人们依据对系统模型动态运行的效果,多次修改参数,反复仿真。或者说,系统仿真是一种间接的系统优化方法。现在,人们越来越认识到,对于多目标、多因素、多层次的系统(物流系统正是这样的系统)来说,并不存在绝对意义上的最优解。优化只是相对而言的。即使是最优化方法,其本身由于若干的假设、抽象和简化所造成的误差,己经使“最”字打了折扣。因此,不单纯追求最优解,而寻求改善系统行为的途径和方法,应该说是更加有效的。系统仿真方法正是提供了这种环境。以上特点,使系统仿真技术应用越来越广泛。当然,系统仿真方法应用与发展的外部条件,首先是计算机软硬件技术的发展与支持。建立可信的系统模型是仿真最重要的前提,也是仿真中比较困难的部分。其次,仿真需要从实际系统收集大量的数据。仿真模型的每一个细节都以实际数据为依据。这要花费较多的时间。数据收集和分析的难度也较大,这些都会影响仿真的质量。借助仿真方法优化系统时,需要对每次仿真过程反映出的现象,进行深入的综合分析,提出改进建议,再仿真检验改进措施的效果。这种优化过程是很灵活的,优化路径常常是多种多样的。这就要求仿真者不仅对实际系统具有深入的了解,准确把握系统的多种目标,而且有综合的系统分析能力。随着现代物流技术的发展,物流系统正在向着集成化、计算机化的方向前进,物流系统仿真对于仿真结果的准确性和人机界面的友好性都有了较高的要求,在这种需求的引导下,物流系统仿真出现了一些新的趋势。目前,具有代表性的专用仿真软件主要有WITNESS,EMPLANT,AUTOMOD,GPSS,AUDITION等。这些软件不仅包括建模,仿真运行和结果的输出,有的还包括模型分析,系统规划设计和统计分析等功能,用户界面更加直观和灵活,系统模型可以通过二维或三维方式动画显示,以便对系统仿真过程进行实时跟踪和分析。本文采用的是英国Lanner集团开发的Witness系统仿真软件,是世界上主流的仿真软件。无论是在制造业或服务业,都可以使用该仿真平台建立流程的仿真模型。Witness可以进行系统流程的动态建模与运行仿真,软件本身提供了大量的描述系统的模型元素,用户可以方便的使用这些模型建立起系统的运行的逻辑描述。在整个建模与仿真过程中,用户可根据不同阶段的仿真结果,随时地修改系统模型。Witness还可进行流程的仿真动态演示,它提供了直观的流程运行的动态的动画展示,使用户清楚和直观地了解系统的运行过程。所述数据采集模块通过RS485通信接口与数据预处理、存储和传输单元连接。所述最优车速为多个数据。所述最优车速越靠近特风区域,所述最优车速越小。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节。
Claims (5)
1.铁路风区段大风气象灾害监测系统,其特征在于,包括:
数据采集模块,其与大风检测中心数据库连接,采集铁路沿线气象站收集的历史统计数据;
数据分析模块,其与数据采集模块连接,将所述数据采集模块采集的历史统计数据拟合得到铁路沿线各区段风速和风向拟合曲线,根据所述拟合曲线的曲率值范围将铁路沿线分为低风区域、大风区域和特风区域;
第一风速传感器,其设置在列车的车头上,用于感测列车正在行驶时的风速;
第二风速传感器,其以间距为20~30米间距沿着铁路沿线设置在特风区域,用于感测所述特风区域的风速;
铁路控制中心,其与第一风速传感器、第二风速传感器、调度中心与仿真控制中心连接,当所述列车驶入低风区域时,所述列车上的第一风速传感器关闭;当所述列车驶入高风区域时,所述列车上的第一风速传感器开启,并实时将风速值传送至所述铁路控制中心和列车操作台,所述铁路控制中心根据接收的风速值将建议的车速发送至列车操作台,驾驶员根据经验和所述铁路控制中心的建议车速来控制列车的车速;当列车驶入特风区域前的50~80㎞,所述列车上的第一风速传感器和所述第二风速传感器均开启,所述铁路控制中心将所接收到的第一风速传感器和第二风速传感器感测的风速值和所述列车的当前速度值均发送至所述仿真控制中心,由仿真控制中心利用仿真模型计算出列车在进入特风区域前和特风区域时的最优车速,然后将最优车速发送至所述铁路控制中心,所述铁路控制中心根据所接收到的最优车速实时控制所述列车的车速。
2.根据权利要求1所述的铁路风区段大风气象灾害监测系统,其特征在于,所述仿真软件为WITNESS。
3.根据权利要求1所述的铁路风区段大风气象灾害监测系统,其特征在于,所述数据采集模块通过RS485通信接口与数据预处理、存储和传输单元连接。
4.根据权利要求1所述的铁路风区段大风气象灾害监测系统,其特征在于,所述最优车速为多个数据。
5.根据权利要求4所述的铁路风区段大风气象灾害监测系统,其特征在于,所述最优车速越靠近特风区域,所述最优车速越小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610607108.6A CN106250611A (zh) | 2016-07-28 | 2016-07-28 | 铁路风区段大风气象灾害监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610607108.6A CN106250611A (zh) | 2016-07-28 | 2016-07-28 | 铁路风区段大风气象灾害监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106250611A true CN106250611A (zh) | 2016-12-21 |
Family
ID=57604097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610607108.6A Pending CN106250611A (zh) | 2016-07-28 | 2016-07-28 | 铁路风区段大风气象灾害监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106250611A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596518A (zh) * | 2018-05-14 | 2018-09-28 | 中国路桥工程有限责任公司 | 一种公路地质灾害危险性评估方法 |
CN108909774A (zh) * | 2018-07-02 | 2018-11-30 | 南京理工大学 | 一种轻轨列车横风信息采集和预警方法与系统 |
CN109598909A (zh) * | 2018-11-29 | 2019-04-09 | 中国铁路总公司 | 一种铁路沿线大风移动监测系统及方法 |
CN110850506A (zh) * | 2019-10-28 | 2020-02-28 | 中交机电工程局有限公司 | 抗风减振的铁路风区段气象监测设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201181512Y (zh) * | 2008-03-05 | 2009-01-14 | 中南大学 | 铁路大风监测预警系统 |
CN101571551A (zh) * | 2009-02-18 | 2009-11-04 | 中南大学 | 铁路沿线强风采集方法及其采集系统 |
CN101592673A (zh) * | 2009-02-18 | 2009-12-02 | 中南大学 | 铁路沿线风速预测的方法 |
CN101923605A (zh) * | 2010-08-18 | 2010-12-22 | 北京佳讯飞鸿电气股份有限公司 | 铁路防灾风预警方法 |
EP2937258A1 (en) * | 2014-04-25 | 2015-10-28 | Hitachi, Ltd. | Traffic control system |
-
2016
- 2016-07-28 CN CN201610607108.6A patent/CN106250611A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201181512Y (zh) * | 2008-03-05 | 2009-01-14 | 中南大学 | 铁路大风监测预警系统 |
CN101571551A (zh) * | 2009-02-18 | 2009-11-04 | 中南大学 | 铁路沿线强风采集方法及其采集系统 |
CN101592673A (zh) * | 2009-02-18 | 2009-12-02 | 中南大学 | 铁路沿线风速预测的方法 |
CN101923605A (zh) * | 2010-08-18 | 2010-12-22 | 北京佳讯飞鸿电气股份有限公司 | 铁路防灾风预警方法 |
EP2937258A1 (en) * | 2014-04-25 | 2015-10-28 | Hitachi, Ltd. | Traffic control system |
AU2015202135A1 (en) * | 2014-04-25 | 2015-11-12 | Hitachi, Ltd. | Traffic Control System |
Non-Patent Citations (2)
Title |
---|
刘辉: "青藏铁路运行安全保障系统大风预测优化算法及推广应用", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
梁海啸: "青藏铁路大风监测预警系统风速预测算法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596518A (zh) * | 2018-05-14 | 2018-09-28 | 中国路桥工程有限责任公司 | 一种公路地质灾害危险性评估方法 |
CN108909774A (zh) * | 2018-07-02 | 2018-11-30 | 南京理工大学 | 一种轻轨列车横风信息采集和预警方法与系统 |
CN109598909A (zh) * | 2018-11-29 | 2019-04-09 | 中国铁路总公司 | 一种铁路沿线大风移动监测系统及方法 |
CN110850506A (zh) * | 2019-10-28 | 2020-02-28 | 中交机电工程局有限公司 | 抗风减振的铁路风区段气象监测设备 |
CN110850506B (zh) * | 2019-10-28 | 2021-06-01 | 中国路桥工程有限责任公司 | 抗风减振的铁路风区段气象监测设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106250611A (zh) | 铁路风区段大风气象灾害监测系统 | |
CN104008278B (zh) | 一种基于特征向量和最小二乘支持向量机的pm2.5浓度预测方法 | |
CN103955556B (zh) | 高速铁路列车运行控制车载系统故障逻辑建模方法 | |
CN101916311B (zh) | 轨道交通自动驾驶系统模型开发与仿真测试系统与方法 | |
CN106427589A (zh) | 基于工况预测和模糊能耗的电动汽车续驶里程估算方法 | |
CN102222313B (zh) | 基于核主成分分析的城市演化模拟元胞模型处理方法 | |
CN110083977A (zh) | 一种基于深度学习的大气湍流监测方法 | |
CN102855486B (zh) | 一种广义图像目标检测方法 | |
CN106781503A (zh) | 用于监测驾驶行为的方法和装置 | |
CN103744419B (zh) | 组合型靶弹仿飞测试系统 | |
CN102426399B (zh) | 高速公路横风预警方法 | |
Li et al. | Joint attention feature transfer network for gearbox fault diagnosis with imbalanced data | |
CN101533563A (zh) | 获取计划航班四维航迹的方法 | |
CN106779148A (zh) | 一种多模型多特征融合的高速铁路沿线风速预测方法 | |
CN108196525B (zh) | 高速列车运行控制系统的运行安全风险动态分析方法 | |
CN107562840A (zh) | 一种基于gis的台风路径快速预测方法 | |
CN106054169A (zh) | 基于跟踪信息的多站雷达信号融合检测方法 | |
CN110555551A (zh) | 一种智慧城市的空气质量大数据管理方法及系统 | |
CN106845080A (zh) | 基于差异修正的景区旅游气象灾害智能预测方法 | |
CN111832230A (zh) | 基于相关性分析和数据均衡的能见度分层预测模型 | |
CN107180534A (zh) | 支持向量回归机融合的高速公路路段平均速度估计方法 | |
Zhou et al. | Fault classification for on-board equipment of high-speed railway based on attention capsule network | |
CN107423761A (zh) | 基于特征选择和机器学习的轨道机车节能优化操纵方法 | |
CN109146757B (zh) | 一种轨道交通重点客流量区段获得方法及其系统 | |
CN104767534B (zh) | 一种误差可控的车辆轨迹点压缩存储方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161221 |
|
RJ01 | Rejection of invention patent application after publication |