CN112002112A - 一种高速铁路周界入侵报警系统安防效能评估方法及系统 - Google Patents
一种高速铁路周界入侵报警系统安防效能评估方法及系统 Download PDFInfo
- Publication number
- CN112002112A CN112002112A CN202010868658.XA CN202010868658A CN112002112A CN 112002112 A CN112002112 A CN 112002112A CN 202010868658 A CN202010868658 A CN 202010868658A CN 112002112 A CN112002112 A CN 112002112A
- Authority
- CN
- China
- Prior art keywords
- information
- obtaining
- alarm
- vehicle
- speed
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
- G08B29/186—Fuzzy logic; neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本发明公开了一种高速铁路周界入侵报警系统安防效能评估方法及系统,其中,所述方法包括:根据报警系统获得报警准确性信息;根据所述报警系统获得报警时效性信息;获得安防效能标准;对所述报警准确性信息和所述报警时效性信息进行加权计算,获得第一输入信息和第二输入信息;将所述第一输入信息和所述第二输入信息输入神经网络模型中,获得所述神经网络模型的输出信息,其中,所述输出信息包括所述报警系统的第一评估结果和第二评估结果,所述第一评估结果为符合所述安防效能标准的评估结果,所述第二评估结果为不符合所述安防效能标准的评估结果,达到为高铁入侵报警系统提供准确的效能评估的技术效果。
Description
技术领域
本发明涉及铁路周界入侵报警系统安防效能评估领域,尤其涉及一种高速铁路周界入侵报警系统安防效能评估方法及系统。
背景技术
我国高速铁路动车组运行速度快、发车频次高,高铁线路采用全封闭管理。高铁周界安防需要对非法以穿越、翻越、破坏方式侵入高速铁路设防区域的行为进行有效监控和识别,尤其需要对上线设障、轨面异物侵限等行为实施重点防范。高铁周界包含路基(路堤、路堑)、桥梁(高架桥和矮桥、公跨铁)、隧道、重点设施(沿线四电)、站段咽喉区等不同线路区段,跨越复杂多变的自然和地理人文环境。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
目前针对高铁周界入侵报警系统缺少统一的能效评估方法,难以对各类技防手段技术性能做出横向评价,且目前的评价方法中,仅存在对单项技术的性能的评价,无法为高铁入侵报警系统提供准确的效能评估。
发明内容
本申请实施例通过提供一种高速铁路周界入侵报警系统安防效能评估方法及系统,解决了现有技术中无法为高铁入侵报警系统提供准确的效能评估的问题,达到为高铁入侵报警系统提供准确的效能评估的技术效果。
本申请实施例提供了一种高速铁路周界入侵报警系统安防效能评估方法及系统,其中,所述方法包括:根据报警系统获得报警准确性信息;根据所述报警系统获得报警时效性信息;获得安防效能标准;对所述报警准确性信息和所述报警时效性信息进行加权计算,获得第一输入信息和第二输入信息;将所述第一输入信息和所述第二输入信息输入神经网络模型中,其中,所述神经网络模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入信息和所述第二输入信息、所述安防效能标准;获得所述神经网络模型的输出信息,其中,所述输出信息包括所述报警系统的第一评估结果和第二评估结果,所述第一评估结果为符合所述安防效能标准的评估结果,所述第二评估结果为不符合所述安防效能标准的评估结果。
另一方面,本申请还提供了一种高速铁路周界入侵报警系统安防效能评估系统,其中,所述装置包括:第一获得单元,所述第一获得单元用于根据报警系统获得报警准确性信息;第二获得单元,所述第二获得单元用于根据所述报警系统获得报警时效性信息;第三获得单元,所述第三获得单元用于获得安防效能标准;第四获得单元,所述第四获得单元用于对所述报警准确性信息和所述报警时效性信息进行加权计算,获得第一输入信息和第二输入信息;第一输入单元,所述第一输入单元用于将所述第一输入信息和所述第二输入信息输入神经网络模型中,其中,所述神经网络模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入信息和所述第二输入信息、所述安防效能标准;第五获得单元,所述第五获得单元获得所述神经网络模型的输出信息,其中,所述输出信息包括所述报警系统的第一评估结果和第二评估结果,所述第一评估结果为符合所述安防效能标准的评估结果,所述第二评估结果为不符合所述安防效能标准的评估结果。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了通过高速铁路周边环境信息、路段信息、车辆行驶速度信息、车次信息载客量信息对获得的报警的准确性和时效性信息进行加权计算,并将产生的第一输入信息和第二输入信息作为输入信息输入神经网络模型中,获得对安防效能进行评估的方式,使第一输入信息和第二输入信息更加准确,进而使得神经网络模型对于安防效能的评估更加准确,解决了现有技术中仅存在对单项技术的性能的评价,无法为高铁入侵报警系统提供准确的效能评估的问题,实现为高铁入侵报警系统提供准确的效能评估的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种高速铁路周界入侵报警系统安防效能评估方法的流程示意图;
图2为本申请实施例一种高速铁路周界入侵报警系统安防效能评估方法中获得第一输入信息和第二输入信息的流程示意图;
图3为本申请实施例一种高速铁路周界入侵报警系统安防效能评估方法中获得第一权重比的流程示意图;
图4为本申请实施例一种高速铁路周界入侵报警系统安防效能评估方法中进一步获得第一权重比的流程示意图;
图5为本申请实施例一种高速铁路周界入侵报警系统安防效能评估方法中获得第一预定速度阈值的流程示意图;
图6为本申请实施例一种高速铁路周界入侵报警系统安防效能评估方法中细化获得第一权重比的流程示意图;
图7为本申请实施例一种高速铁路周界入侵报警系统安防效能评估方法中获得安防效能标准的流程示意图;
图8为本申请实施例一种高速铁路周界入侵报警系统安防效能评估方法中获得第一路段范围的流程示意图;
图9为本申请实施例一种高速铁路周界入侵报警系统安防效能评估系统的结构示意图;
图10为本申请实施例示例性电子设备的结构示意图;
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第一输入单元15,第五获得单元16,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本申请实施例通过提供一种高速铁路周界入侵报警系统安防效能评估方法及系统,解决了仅存在对单项技术的性能的评价,无法为高铁入侵报警系统提供准确的效能评估的问题,实现为高铁入侵报警系统提供准确的效能评估的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
我国高速铁路动车组运行速度快、发车频次高,高铁线路采用全封闭管理。高铁周界安防需要对非法以穿越、翻越、破坏方式侵入高速铁路设防区域的行为进行有效监控和识别,尤其需要对上线设障、轨面异物侵限等行为实施重点防范,但目前针对高铁周界入侵报警系统缺少统一的能效评估方法,难以对各类技防手段技术性能做出横向评价,且目前的评价方法中,仅存在对单项技术的性能的评价,无法为高铁入侵报警系统提供准确的效能评估。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种高速铁路周界入侵报警系统安防效能评估方法及系统,其中,所述方法包括:根据报警系统获得报警准确性信息;根据所述报警系统获得报警时效性信息;获得安防效能标准;对所述报警准确性信息和所述报警时效性信息进行加权计算,获得第一输入信息和第二输入信息;将所述第一输入信息和所述第二输入信息输入神经网络模型中,其中,所述神经网络模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入信息和所述第二输入信息、所述安防效能标准;获得所述神经网络模型的输出信息,其中,所述输出信息包括所述报警系统的第一评估结果和第二评估结果,所述第一评估结果为符合所述安防效能标准的评估结果,所述第二评估结果为不符合所述安防效能标准的评估结果。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种高速铁路周界入侵报警系统安防效能评估方法,其中,所述方法包括:
步骤S100:根据报警系统获得报警准确性信息;
具体而言,报警系统是针对目前高速铁路周界入侵进行报警的系统,获得报警准确性信息具体为:采用特定的软件平台实现对基于各种技术原理的周界入侵报警信息系统进行采集、集成,实现多源异构数据的整合;利用光强计、风速计、温湿度计、雨量计、噪音计等数据记录环境信息,利用各类定量化采集传感器装置,模拟人员入侵过程;利用大功率风机、模拟降雨台、造雪机等模拟各类自然环境。通过上述方式,根据报警系统获得报警准确的信息。根据对上述异常天气模拟、信息采集、处理,达到根据报警系统获得的信息更加准确的效果,为后续为高铁入侵警报系统提供准确效能评估夯实基础。
步骤S200:根据所述报警系统获得报警时效性信息;
具体而言,报警时效性信息具体为报警系统进行报警后获得报警信息的时间。进一步来说,所述时效性信息具体为报警信息的有效时间,所述报警信息并不是一直持续有效的,恰恰相反,是具有严苛的时间约束的。通过对所述报警信息时效性的约束,使得获得的输入信息具有时效性,为后续为高铁入侵警报系统提供准确效能评估奠定了基础。
步骤S300:获得安防效能标准;
具体而言,所述安防效能标准是评估所述高速铁路周界入侵进行报警的系统的评估标准,通过输入所述报警准确性信息和时效性信息,输出一评估结果,通过所述评估结果与所述安防效能评估标准进行比对,判断所述报警系统是否符合安防效能的标准。
步骤S400:对所述报警准确性信息和所述报警时效性信息进行加权计算,获得第一输入信息和第二输入信息;
具体而言,所述对报警准确性信息和时效性信息进行加权计算具体包括:根据所述高速铁路的车辆行驶信息、车辆速度信息、车辆的载客量信息、高速铁路的路段信息,获得第一权重比,所述第一权重比为所述报警准确性和时效性信息的权重比。进一步来说,所述第一输入信息和第二输入信息不仅仅是根据报警准确性和时效性直接获得的,而是通过对获得报警准确性、时效性信息后,对所述报警信息车辆信息、环境信息等进行判断,而后得出所述权重比,利用所述权重比对报警准确性、时效性信息加权计算获得的。通过对所述报警准确性、时效性信息进行进一步的细化处理,使得所述第一输入信息和第二输入信息更加精确,进而使得判断所述报警系统是否符合安防效能的标准更加准确。
步骤S500:将所述第一输入信息和所述第二输入信息输入神经网络模型中,其中,所述神经网络模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入信息和所述第二输入信息、所述安防效能标准;
具体而言,神经网络模型即机器学习中的神经网络模型,神经网络(NeuralNetworks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial NeuralNetworks),是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。在本申请实施例中,将第一输入信息和第二输入信息输入神经网络模型,用所述安防效能标准对所述神经网络模型进行训练。
进一步来说,所述训练神经网络模型的过程实质为监督学习的过程。所述多组训练数据具体为:第一输入信息,第二输入信息,和与之一一对应的起标识作用的安防效能标准。通过输入第一输入信息,第二输入信息,神经网络模型会输出所述高速铁路周界入侵进行报警的系统是否符合安防效能标准的信息,通过将所述输出信息与所述起标识作用的安防效能标准进行校验,如果所述输出信息同起标识作用的安防效能标准信息相一致,则本数据监督学习完成,则进行下一组数据监督学习;如果所述输出信息同起标识作用的安防效能标准信息不一致,则神经网络学习模型自身进行调整,直到神经网络学习模型输出结果与起标识作用的安防效能标准信息相一致,进行下一组数据的监督学习。通过训练数据使神经网络学习模型自身不断地修正、优化,通过监督学习的过程来提高神经网络学习模型处理所述信息的准确性,进而使得获得的对所述高速铁路安防报警系统的评估更加准确的技术效果。
步骤S600:获得所述神经网络模型的输出信息,其中,所述输出信息包括所述报警系统的第一评估结果和第二评估结果,所述第一评估结果为符合所述安防效能标准的评估结果,所述第二评估结果为不符合所述安防效能标准的评估结果。
具体而言,所述神经网络模型构建时,可根据所述第一输入信息和第二输入信息分别作为横纵坐标,建立坐标系。通过所述坐标系,根据逻辑回归算法,获得逻辑回归线。逻辑回归线一侧,代表第一评估结果,所述第一评估结果为符合所述安防效能评估标准的评估结果;逻辑回归线的另外一侧,代表第二评估结果,所述第二评估结果为不符合所述安防效能评估标准的评估结果。所述逻辑回归线位置可以调整,受第一位置和第一角度控制。所述第一位置和第一角度分别受第一影响参数和第二影响参数控制,这里不再进行展开说明。通过对逻辑回归线的运用,达到所述评估结果更加准确的效果,进而来实现对所述高速铁路安防报警系统的评估更加准确的技术效果。
如图2所示,为了达到第一输入信息和第二输入信息更加准确,本申请实施例步骤S400还包括:
步骤S410:获得高速铁路的周界环境信息;
步骤S420:根据所述高速铁路的周界环境信息,获得所述高速铁路的路段信息;
步骤S430:获得所述高速铁路的车辆行驶信息;
步骤S440:根据所述车辆行驶信息,获得第一车辆行驶速度信息;
步骤S450:获得所述第一车辆的车次信息;
步骤S460:根据所述车次信息,获得所述车辆的载客量信息;
步骤S470:根据所述高速铁路的路段信息、所述第一车辆行驶速度信息和所述车辆的载客量信息,获得第一权重比,所述第一权重比为所述报警准确性信息和所述报警时效性信息的权重比;
步骤S480:所述第一权重比的比值根据所述高速铁路的路段信息、所述第一车辆行驶速度信息和所述车辆的载客量信息进行动态调整;
步骤S490:根据所述第一权重比,对所述报警准确性信息和所述报警时效性信息进行加权计算,获得第一输入信息和第二输入信息;
具体而言,对所述报警的准确性信息和时效性信息进行加权计算,具体包括:利用各类环境记录工具参数化记录环境信息,获得高速铁路周边环境信息,进而获得所述高速铁路的路段信息。当所述路段信息为桥梁、隧道、站点等重要地点时,所述根据路段信息获得的权重比更大。所述权重比还受所述车辆的行驶速度和所述车辆的载客量影响,具体而言:当车辆的行驶速度越快时,所述车辆的制动距离越长,则所占权重比越大;当车辆载客量越多时,所述车辆的质量越大,即所述车辆的惯性越大,刹车制动距离越长,则所占权重比越大。所述第一输入信息=报警准确性信息x经过路段信息、载客量信息、行驶速度信息动态调整过的权重比;所述第二输入信息=报警时效性信息x经过路段信息、载客量信息、行驶速度信息动态调整过的权重比;通过对所述环境信息,车辆速度信息、载客量信息对所述权重比的影响对所述权重比进行动态调整,使得对所述报警的准确性和时效性信息进行加权处理获得的第一输入信息和第二输入信息更加准确,从而实现对所述高速铁路安防报警系统的评估更加准确的技术效果。
如图3所示,为了根据所述高速铁路的路段信息、所述第一车辆行驶速度信息和所述车辆的载客量信息,获得第一权重比,达到获得第一权重比更加准确效果,本申请实施例步骤S470还包括:
步骤S471:获得第一预定路段范围;
步骤S472:判断所述高速铁路的路段信息是否在所述第一预定路段范围内;
步骤S473:如果所述高速铁路的路段信息在所述第一预定路段范围内,所述第一权重比的比值大于等于1;
具体而言,所述第一预定路段范围可以是:桥梁、隧道、交汇点、站点等特殊地段。在所述特殊路段内,则所述报警信息的准确性和时效性显得更加重要,因此在此特殊路段范围内,所述第一权重比的比值大于等于1:详细来说,当所述高速路段信息为所述特殊路段时,所述第一权重比的比值为1+a(其中a≥0,且a随着有特殊路段的重要程度不同做适应性变化),进一步来说,当所述路段为站点时,所述站点路段与普通路段的权重比为1.4:1。通过对特殊路段下第一权重比的细化,使得进行加权处理获得的第一输入信息和第二输入信息更加准确,从而实现对所述高速铁路安防报警系统的评估更加准确的技术效果。
如图4所示,为了达到获得第一权重比更加准确效果,本申请实施例步骤S472还包括:
步骤S4721:如果所述高速铁路的路段信息不在所述第一预定路段范围内,获得第一安全距离;
步骤S4722:判断在所述第一安全距离内,是否包括所述第一车辆信息;
步骤S4723:如果在所述第一安全距离内,包括所述第一车辆信息,获得所述第一车辆信息行驶速度信息;
步骤S4724:获得第一预定速度阈值;
步骤S4725:判断所述第一车辆信息行驶速度信息是否超过所述第一预定速度阈值;
步骤S4726:如果所述第一车辆信息行驶速度信息超过所述第一预定速度阈值,所述第一权重比的比值小于1;
具体而言,当所述高速铁路的路段信息不在所述第一预定范围内时,获得第一安全距离,所述第一安全距离是一行车间某一安全的车距,这里不做具体限定。如果在安全距离内包括所述第一车辆信息,则获得所述第一车辆速度信息,并获得第一预定速度阈值。
进一步来说,所述速度阈值为一动态速度阈值,所述速度阈值根据路段信息、车辆型号、天气情况进行动态调整。判断所述车辆行驶速度信息是否超过所述第一预定速度阈值,如果超过所述速度阈值,则所述车辆安全,获得权重比的比值小于1,详细来说,当所述车辆行驶速度信息超过所述第一预定速度阈值时,权重比的比值为1-b(其中0≤b≤1,且b值随着车辆行驶速度做适应性变化)。当所述车辆行驶速度为360km/h,速度阈值为300km/h时,所述车辆行驶速度与所述速度阈值权重比为0.7:1。通过对所述车辆在安全距离内的速度信息的限定,对所述第一权重比的获得进一步的细化,使得第一权重比获得的更加精确,使得进行加权处理获得的第一输入信息和第二输入信息更加准确,从而实现对所述高速铁路安防报警系统的评估更加准确的技术效果。
如图5所示,为了获得更准确的第一预定速度阈值,所述步骤S4724还包括:
步骤S47241:获得所述车辆信息;
步骤S47242:获得实时天气信息;
步骤S47243:根据所述车辆信息和所述实时天气信息,获得第一预定速度阈值。
具体而言:获得所述车辆信息,即获得所述车辆的型号信息、速度信息等,根据不同型号不同速度的车辆为其匹配相适应的速度阈值信息,更进一步来说,根据行驶的实时天气情况,对所述速度阈值进行实时调整:当天气为雨水天气、冰雪天气、雾霾天气等恶劣天气时,所述速度阈值做相适应的调低调整。通过对所述第一速度阈值的动态实时调整,使得所述第一速度阈值更加合理,更加准确,使得第一权重比获得的更加精确,使得进行加权处理获得的第一输入信息和第二输入信息更加准确,从而实现对所述高速铁路安防报警系统的评估更加准确的技术效果。
如图6所示,为了获得更准确的第一输入信息和第二输入信息,达到对所述高速铁路安防报警系统的评估更加准确的效果,本申请实施例步骤S490还包括:
步骤S491:获得第一预定载客量阈值;
步骤S492:判断所述车辆的载客量信息是否超过所述第一预定载客量阈值;
步骤S493:如果所述车辆的载客量信息超过所述第一预定载客量阈值,所述第一权重比的比值大于等于1;
具体而言,为了获得更准确的第一输入和第二输入信息,对所述第一权重比进行进一步的限定:获得第一预定载客量阈值,所述载客量阈值为所述高铁载客量某一限度值,判断所述车辆的载客量信息是否超过预定的载客量限度值,如果所述载客量超过预定的载客量阈值,所述车辆的质量大于预定值,即惯性偏大,制动距离变长,所述第一权重比的比值大于等于1。详细来说,当所述载客量超过预定的载客量阈值,获得第一权重比的比值为1+c(其中,c≥0,且c值随着载客量超过载客量阈值的部分质量的增大做适应性增长)。当载客量为700人,载客量阈值为600人时,所述载客量与载客量阈值的权重比为1.2:1。通过所述载客量信息对第一权重比进行进一步的限定,使得获得的第一权重比更加准确,使得进行加权处理获得的第一输入信息和第二输入信息更加准确,从而实现对所述高速铁路安防报警系统的评估更加准确的技术效果。
举例而言,当所述路段为站点,所述车辆行驶速度为360km/h,载客量为700人,速度阈值为300km/h,载客量阈值为600人时,则所述权重比=1x(1.4:1)x(0.7:1)x(1.2:1)=1.176,则所述第一输入信息=报警信息的准确性x1.176,所述第二输入信息=报警信息的时效性x1.176。通过上述路段信息、行驶速度信息、载客量信息对所述权重比进行动态修正的方式,使得获得的权重比更加准确,从而使得获得的第一输入信息和第二输入信息更加准确,从而实现对所述高速铁路安防报警系统的评估更加准确的技术效果。
如图7所示,为了获得更准确的安防效能标准,本申请实施例步骤S300还包括:
步骤S310:获得周界入侵报警信息;
步骤S320:获得第一车辆安全情况信息,所述第一车辆安全情况信息包括接收到所述周界入侵报警信息后,经过报警路段的安全情况信息;
步骤S330:根据所述第一车辆获得所述周界入侵报警信息的第一报警结果;
步骤S340:根据所述第一报警结果,获得安防效能标准;
具体而言,获得所述周界入侵报警的信息,获得第一车辆的安全情况信息,所述第一车辆的安全情况包括车辆的型号信息、载客量信息、行驶速度信息,还包括所述报警路段的信息:是否为桥梁、隧道、站点、交汇点等事故易发地。根据所述车辆在接收到所述入侵报警信息后的第一报警结果获得安防效能标准。
如图8所示,为了获得更加准确的第一路段范围,达到对所述高速铁路安防报警系统的评估更加准确的效果,本申请实施例步骤S471还包括:
步骤S4711:获得第一车辆的载客量信息;
步骤S4712:获得第一车辆的实时速度信息;
步骤S4713:获得实时天气信息;
步骤S4714:根据所述第一车辆的载客量信息、实时速度信息、天气信息获得第一修正参数;
步骤S4715:根据所述第一修正参数对所述第一路段范围进行修正;
具体而言,所述第一路段范围不是固定不变的,而是通过所述第一车辆的载客量信息、实时速度信息、天气信息、反应时间等进行不断修正和优化的。当载客量超过某一限值,速度超过某标准速度值,天气情况恶劣,驾驶员疲劳驾驶,则所述车辆的制动距离都会受其影响而变长,此时,所述第一路段范围也应由第一车辆的载客量信息、实时速度信息、天气信息产生的第一修正参数进行修正,使得所述第一路段范围更加合理和准确,进而使得获得的第一权重比更加准确,从而达到第一输入信息和第二输入信息更加准确的效果,进一步使得对所述高速铁路安防报警系统的评估更加准确的技术效果。
需要进一步说明的是,本申请实施例提供的一种高速铁路周界入侵报警系统安防效能评估方法及系统运用于高铁安防系统中,所述高铁安防系统与高铁的各个数据中心进行数据关联,比如高铁控制中心、高铁数据系统、高铁天气监测系统等。本申请实施例中获得的高铁车辆载客量信息、行驶速度信息、车次信息、路段信息、实时天气信息、周界入侵报警信息等数据均是通过计算机通信技术从上述系统中自动匹配、关联、处理后获得的。通过计算机技术可以高效、自动匹配,关联,处理进而解决本发明所要解决的技术问题,实现本发明的技术效果。
综上所述,本申请实施例所提供的一种高速铁路周界入侵报警系统安防效能评估方法及系统具有如下技术效果:
1、由于采用了对报警准确性、时效性信息进行加权处理获得第一输入信息和第二输入信息,并将第一输入信息和第二输入信息输入神经网络模型的方式,使得获得的第一输入信息和第二输入信息更加准确,并根据神经网络模型可以根据监督数据不断自我优化、修正的特性,使得神经网络模型对于第一输入信息和第二输入信息的判定更加准确,从而实现为高铁入侵报警系统提供准确的效能评估的技术效果。
2、由于采用了通过高速铁路的路段信息、车辆速度信息、车次信息载客量信息获得第一权重比的方式,综合上述多种参数多所述第一权重比进行限定,使得通过报警信息准确性和时效性获得的第一输入信息和第二输入信息更加准确,进而使得神经网络模型对于第一输入信息和第二输入信息的判定更加准确,从而实现为高铁入侵报警系统提供准确的效能评估的技术效果。
3、由于采用了判断路段信息不在预定范围内后,获得高铁速度信息,根据天气、路段、载客量等信息获得第一预定速度阈值、第一载客量阈值,通过所述速度阈值、载客量阈值对所述实际速度载客量对比,获得第一权重比的方式,使得第一权重比的获得更加的细化,进而使得通过权重比获得的第一输入信息和第二输入信息更加准确,进而使得神经网络模型对于第一输入信息和第二输入信息的判定更加准确,从而实现为高铁入侵报警系统提供准确的效能评估的技术效果。
实施例二
基于与前述实施例中一种高速铁路周界入侵报警系统安防效能评估方法同样发明构思,本发明还提供了一种高速铁路周界入侵报警系统安防效能评估系统,如图9所示,所述装置包括:
第一获得单元11,所述第一获得单元11用于根据报警系统获得报警准确性信息;
第二获得单元12,所述第二获得单元12用于根据所述报警系统获得报警时效性信息;
第三获得单元13,所述第三获得单元13用于获得安防效能标准;
第四获得单元14,所述第四获得单元14用于对所述报警准确性信息和所述报警时效性信息进行加权计算,获得第一输入信息和第二输入信息;
第一输入单元15,所述第一输入单元15用于将所述第一输入信息和所述第二输入信息输入神经网络模型中,其中,所述神经网络模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入信息和所述第二输入信息、所述安防效能标准;
第五获得单元16,所述第五获得单元16用于获得所述神经网络模型的输出信息,其中,所述输出信息包括所述报警系统的第一评估结果和第二评估结果,所述第一评估结果为符合所述安防效能标准的评估结果,所述第二评估结果为不符合所述安防效能标准的评估结果;
进一步的,所述装置还包括:
第六获得单元,所述第六获得单元用于获得高速铁路的周界环境信息;
第七获得单元,所述第七获得单元用于根据所述高速铁路的周界环境信息,获得所述高速铁路的路段信息;
第八获得单元,所述第八获得单元用于获得所述高速铁路的车辆行驶信息;
第九获得单元,所述第九获得单元用于根据所述车辆行驶信息,获得第一车辆行驶速度信息;
第十获得单元,所述第十获得单元用于获得所述第一车辆的车次信息;
第十一获得单元,所述第十一获得单元用于根据所述车次信息,获得所述车辆的载客量信息;
第十二获得单元,所述第十二获得单元用于根据所述高速铁路的路段信息、所述第一车辆行驶速度信息和所述车辆的载客量信息,获得第一权重比,所述第一权重比为所述报警准确性信息和所述报警时效性信息的权重比;
第一调整单元,所述第一调整单元用于所述第一权重比的比值根据所述高速铁路的路段信息、所述第一车辆行驶速度信息和所述车辆的载客量信息进行动态调整;
第十三获得单元,所述第十三获得单元用于根据所述第一权重比,对所述报警准确性信息和所述报警时效性信息进行加权计算,获得第一输入信息和第二输入信息;
进一步的,所述装置还包括:
第十四获得单元,所述第十四获得单元用于获得第一预定路段范围;
第一判断单元,所述第一判断单元用于判断所述高速铁路的路段信息是否在所述第一预定路段范围内;如果所述高速铁路的路段信息在所述第一预定路段范围内,所述第一权重比的比值大于等于1。
进一步的,所述装置还包括:
第十五获得单元,所述第十五获得单元用于如果所述高速铁路的路段信息不在所述第一预定路段范围内,获得第一安全距离;
第二判断单元,所述第二判断单元用于判断在所述第一安全距离内,是否包括所述第一车辆信息;
第十六获得单元,所述第十六获得单元用于如果在所述第一安全距离内,包括所述第一车辆信息,获得所述第一车辆信息行驶速度信息;
第十七获得单元,所述第十七获得单元用于获得第一预定速度阈值;
第三判断单元,所述第三判断单元用于判断所述第一车辆信息行驶速度信息是否超过所述第一预定速度阈值;如果所述第一车辆信息行驶速度信息超过所述第一预定速度阈值,所述第一权重比的比值小于1;
进一步的,所述装置还包括:
第十八获得单元,所述第十八获得单元用于获得所述车辆信息;
第十九获得单元,所述第十九获得单元用于获得实时天气信息;
第二十获得单元,所述第二十获得单元用于根据所述车辆信息和所述实时天气信息,获得第一预定速度阈值;
进一步的,所述装置还包括:
第二十一获得单元,所述第二十一获得单元用于获得第一预定载客量阈值;
第四判断单元,所述第四判断单元用于判断所述车辆的载客量信息是否超过所述第一预定载客量阈值;如果所述车辆的载客量信息超过所述第一预定载客量阈值,所述第一权重比的比值大于等于1;
进一步的,所述装置还包括:
第二十二获得单元,所述第二十二获得单元用于获得周界入侵报警信息;
第二十三获得单元,所述第二十三获得单元用于获得第一车辆情况信息,所述第一车辆安全情况信息包括接收到所述周界入侵报警信息后,经过报警路段的安全情况信息;
第二十四获得单元,所述第二十四获得单元用于根据所述第一车辆获得所述周界入侵报警信息的第一报警结果;
第二十五获得单元,所述第二十五获得单元用于根据所述第一报警结果,获得安防效能标准。
前述图1实施例一中的一种高速铁路周界入侵报警系统安防效能评估方法的各种变化方式和具体实例同样适用于本实施例的一种高速铁路周界入侵报警系统安防效能评估系统,通过前述对一种高速铁路周界入侵报警系统安防效能评估方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种高速铁路周界入侵报警系统安防效能评估系统的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图十来描述本申请实施例的电子设备。
图10图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种高速铁路周界入侵报警系统安防效能评估方法的发明构思,本发明还提供一种高速铁路周界入侵报警系统安防效能评估系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种高速铁路周界入侵报警系统安防效能评估方法的任一方法的步骤。
其中,在图10中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种高速铁路周界入侵报警系统安防效能评估方法,其中所述方法包括:根据报警系统获得报警准确性信息;根据所述报警系统获得报警时效性信息;获得安防效能标准;对所述报警准确性信息和所述报警时效性信息进行加权计算,获得第一输入信息和第二输入信息;将所述第一输入信息和所述第二输入信息输入神经网络模型中,其中,所述神经网络模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入信息和所述第二输入信息、所述安防效能标准;获得所述神经网络模型的输出信息,其中,所述输出信息包括所述报警系统的第一评估结果和第二评估结果,所述第一评估结果为符合所述安防效能标准的评估结果,所述第二评估结果为不符合所述安防效能标准的评估结果。解决了仅存在对单项技术的性能的评价,无法为高铁入侵报警系统提供准确的效能评估的问题,实现为高铁入侵报警系统提供准确的效能评估的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种高速铁路周界入侵报警系统安防效能评估方法,其中,所述方法包括:
根据报警系统获得报警准确性信息;
根据所述报警系统获得报警时效性信息;
获得安防效能标准;
对所述报警准确性信息和所述报警时效性信息进行加权计算,获得第一输入信息和第二输入信息;
将所述第一输入信息和所述第二输入信息输入神经网络模型中,其中,所述神经网络模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入信息和所述第二输入信息、所述安防效能标准;
获得所述神经网络模型的输出信息,其中,所述输出信息包括所述报警系统的第一评估结果和第二评估结果,所述第一评估结果为符合所述安防效能标准的评估结果,所述第二评估结果为不符合所述安防效能标准的评估结果。
2.如权利要求1所述的方法,其中,所述对所述报警准确性信息和所述报警时效性信息进行加权计算,获得第一输入信息和第二输入信息,包括:
获得高速铁路的周界环境信息;
根据所述高速铁路的周界环境信息,获得所述高速铁路的路段信息;
获得所述高速铁路的车辆行驶信息;
根据所述车辆行驶信息,获得第一车辆行驶速度信息;
获得所述第一车辆的车次信息;
根据所述车次信息,获得所述车辆的载客量信息;
根据所述高速铁路的路段信息、所述第一车辆行驶速度信息和所述车辆的载客量信息,获得第一权重比,所述第一权重比为所述报警准确性信息和所述报警时效性信息的权重比;
所述第一权重比的比值根据所述高速铁路的路段信息、所述第一车辆行驶速度信息和所述车辆的载客量信息进行动态调整;
根据所述第一权重比,对所述报警准确性信息和所述报警时效性信息进行加权计算,获得第一输入信息和第二输入信息。
3.如权利要求2所述的方法,其中,所述根据所述高速铁路的路段信息、所述第一车辆行驶速度信息和所述车辆的载客量信息,获得第一权重比,包括:
获得第一预定路段范围;
判断所述高速铁路的路段信息是否在所述第一预定路段范围内;
如果所述高速铁路的路段信息在所述第一预定路段范围内,所述第一权重比的比值大于等于1。
4.如权利要求3所述的方法,其中,所述判断所述高速铁路的路段信息是否在所述第一预定路段范围内,包括:
如果所述高速铁路的路段信息不在所述第一预定路段范围内,获得第一安全距离;
判断在所述第一安全距离内,是否包括所述第一车辆信息;
如果在所述第一安全距离内,包括所述第一车辆信息,获得所述第一车辆信息行驶速度信息;
获得第一预定速度阈值;
判断所述第一车辆信息行驶速度信息是否超过所述第一预定速度阈值;
如果所述第一车辆信息行驶速度信息超过所述第一预定速度阈值,所述第一权重比的比值小于1。
5.如权利要求4所述的方法,其中,所述获得第一预定速度阈值,包括:
获得所述车辆信息;
获得实时天气信息;
根据所述车辆信息和所述实时天气信息,获得第一预定速度阈值。
6.如权利要求2所述的方法,其中,所述对所述报警准确性信息和所述报警时效性信息进行加权计算,获得第一输入信息和第二输入信息,包括:
获得第一预定载客量阈值;
判断所述车辆的载客量信息是否超过所述第一预定载客量阈值;
如果所述车辆的载客量信息超过所述第一预定载客量阈值,所述第一权重比的比值大于等于1。
7.如权利要求1所述的方法,其中,所述获得安防效能标准,包括:
获得周界入侵报警信息;
获得第一车辆安全情况信息,所述第一车辆安全情况信息包括接收到所述周界入侵报警信息后,经过报警路段的安全情况信息。
8.一种高速铁路周界入侵报警系统安防效能评估系统,其中,所述装置包括:
第一获得单元,所述第一获得单元用于根据报警系统获得报警准确性信息;
第二获得单元,所述第二获得单元用于根据所述报警系统获得报警时效性信息;
第三获得单元,所述第三获得单元用于获得安防效能标准;
第四获得单元,所述第四获得单元用于对所述报警准确性信息和所述报警时效性信息进行加权计算,获得第一输入信息和第二输入信息;
第一输入单元,所述第一输入单元用于将所述第一输入信息和所述第二输入信息输入神经网络模型中,其中,所述神经网络模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一输入信息和所述第二输入信息、所述安防效能标准;
第五获得单元,所述第五获得单元用于获得所述神经网络模型的输出信息,其中,所述输出信息包括所述报警系统的第一评估结果和第二评估结果,所述第一评估结果为符合所述安防效能标准的评估结果,所述第二评估结果为不符合所述安防效能标准的评估结果。
9.一种高速铁路周界入侵报警系统安防效能评估系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010868658.XA CN112002112B (zh) | 2020-08-25 | 2020-08-25 | 一种高速铁路周界入侵报警系统安防效能评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010868658.XA CN112002112B (zh) | 2020-08-25 | 2020-08-25 | 一种高速铁路周界入侵报警系统安防效能评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112002112A true CN112002112A (zh) | 2020-11-27 |
CN112002112B CN112002112B (zh) | 2021-11-02 |
Family
ID=73471930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010868658.XA Active CN112002112B (zh) | 2020-08-25 | 2020-08-25 | 一种高速铁路周界入侵报警系统安防效能评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112002112B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112630509A (zh) * | 2020-12-01 | 2021-04-09 | 江苏博沃汽车电子系统有限公司 | 一种提高电压传感器灵敏度的方法及装置 |
CN112630496A (zh) * | 2020-12-01 | 2021-04-09 | 江苏博沃汽车电子系统有限公司 | 一种提高电流传感器准确性的方法和装置 |
CN112649716A (zh) * | 2020-12-18 | 2021-04-13 | 安徽诚越电子科技有限公司 | 一种超级电容使用安全的检测方法及装置 |
CN112722007A (zh) * | 2021-01-04 | 2021-04-30 | 中国铁道科学研究院集团有限公司 | 一种基于深度学习的列车运行综合预警方法 |
CN115311534A (zh) * | 2022-08-26 | 2022-11-08 | 中国铁道科学研究院集团有限公司 | 基于激光雷达的铁路周界入侵辨识方法、装置及存储介质 |
CN116401157A (zh) * | 2023-03-29 | 2023-07-07 | 中国铁道科学研究院集团有限公司 | 一种周界入侵检测设备的测试评价方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101075316A (zh) * | 2007-06-25 | 2007-11-21 | 陆航程 | 一种电子票证交易认证管理方法、载体结构、系统、终端 |
CN101419677A (zh) * | 2008-12-11 | 2009-04-29 | 北京交通大学 | 一种识别混合动力电动汽车行驶状态的方法 |
CN101419678A (zh) * | 2008-12-11 | 2009-04-29 | 北京交通大学 | 一种识别混合动力电动汽车运行状态的方法 |
CN107463961A (zh) * | 2017-08-07 | 2017-12-12 | 国家电网公司客户服务中心 | 一种预警模型建模方法及系统 |
CN109460787A (zh) * | 2018-10-26 | 2019-03-12 | 北京交通大学 | 入侵检测模型建立方法、装置及数据处理设备 |
CN208855646U (zh) * | 2018-09-21 | 2019-05-14 | 中铁电气化局集团有限公司 | 一种高速铁路周界入侵报警系统 |
CN110660270A (zh) * | 2018-06-29 | 2020-01-07 | 比亚迪股份有限公司 | 车辆碰撞风险评价模型的建立方法和碰撞风险评价方法 |
CN110853316A (zh) * | 2019-10-18 | 2020-02-28 | 北京经纬信息技术有限公司 | 高速铁路周界入侵报警系统的测试方法 |
JP2020047106A (ja) * | 2018-09-20 | 2020-03-26 | 国立大学法人東京海洋大学 | 訪問診療支援のための異常判断システム |
EP3690397A1 (en) * | 2019-01-30 | 2020-08-05 | StradVision, Inc. | Method and device for localization of autonomous vehicle for route planning by using attention-driven landmark detection |
-
2020
- 2020-08-25 CN CN202010868658.XA patent/CN112002112B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101075316A (zh) * | 2007-06-25 | 2007-11-21 | 陆航程 | 一种电子票证交易认证管理方法、载体结构、系统、终端 |
CN101419677A (zh) * | 2008-12-11 | 2009-04-29 | 北京交通大学 | 一种识别混合动力电动汽车行驶状态的方法 |
CN101419678A (zh) * | 2008-12-11 | 2009-04-29 | 北京交通大学 | 一种识别混合动力电动汽车运行状态的方法 |
CN107463961A (zh) * | 2017-08-07 | 2017-12-12 | 国家电网公司客户服务中心 | 一种预警模型建模方法及系统 |
CN110660270A (zh) * | 2018-06-29 | 2020-01-07 | 比亚迪股份有限公司 | 车辆碰撞风险评价模型的建立方法和碰撞风险评价方法 |
JP2020047106A (ja) * | 2018-09-20 | 2020-03-26 | 国立大学法人東京海洋大学 | 訪問診療支援のための異常判断システム |
CN208855646U (zh) * | 2018-09-21 | 2019-05-14 | 中铁电气化局集团有限公司 | 一种高速铁路周界入侵报警系统 |
CN109460787A (zh) * | 2018-10-26 | 2019-03-12 | 北京交通大学 | 入侵检测模型建立方法、装置及数据处理设备 |
EP3690397A1 (en) * | 2019-01-30 | 2020-08-05 | StradVision, Inc. | Method and device for localization of autonomous vehicle for route planning by using attention-driven landmark detection |
CN110853316A (zh) * | 2019-10-18 | 2020-02-28 | 北京经纬信息技术有限公司 | 高速铁路周界入侵报警系统的测试方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112630509A (zh) * | 2020-12-01 | 2021-04-09 | 江苏博沃汽车电子系统有限公司 | 一种提高电压传感器灵敏度的方法及装置 |
CN112630496A (zh) * | 2020-12-01 | 2021-04-09 | 江苏博沃汽车电子系统有限公司 | 一种提高电流传感器准确性的方法和装置 |
CN112630496B (zh) * | 2020-12-01 | 2023-03-10 | 江苏博沃汽车电子系统有限公司 | 一种提高电流传感器准确性的方法和装置 |
CN112630509B (zh) * | 2020-12-01 | 2023-03-10 | 江苏博沃汽车电子系统有限公司 | 一种提高电压传感器灵敏度的方法及装置 |
CN112649716A (zh) * | 2020-12-18 | 2021-04-13 | 安徽诚越电子科技有限公司 | 一种超级电容使用安全的检测方法及装置 |
CN112722007A (zh) * | 2021-01-04 | 2021-04-30 | 中国铁道科学研究院集团有限公司 | 一种基于深度学习的列车运行综合预警方法 |
CN115311534A (zh) * | 2022-08-26 | 2022-11-08 | 中国铁道科学研究院集团有限公司 | 基于激光雷达的铁路周界入侵辨识方法、装置及存储介质 |
CN116401157A (zh) * | 2023-03-29 | 2023-07-07 | 中国铁道科学研究院集团有限公司 | 一种周界入侵检测设备的测试评价方法及系统 |
CN116401157B (zh) * | 2023-03-29 | 2024-04-02 | 中国铁道科学研究院集团有限公司 | 一种周界入侵检测设备的测试评价方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112002112B (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112002112B (zh) | 一种高速铁路周界入侵报警系统安防效能评估方法及系统 | |
CN109871599B (zh) | 一种无人驾驶车辆运行安全指数评价方法 | |
Weng et al. | Estimating capacity and traffic delay in work zones: An overview | |
Pirdavani et al. | Evaluation of traffic safety at un-signalized intersections using microsimulation: A utilization of proximal safety indicators | |
CN112465395A (zh) | 一种面向自动驾驶汽车的多维度综合评价方法及装置 | |
CN102722989B (zh) | 基于模糊神经网络的高速公路微气象交通预警方法 | |
Liu et al. | Optimize the settings of variable speed limit system to improve the performance of freeway traffic | |
CN110077398B (zh) | 一种用于智能驾驶的危险处理方法 | |
CN105225500A (zh) | 一种交通控制辅助决策方法及装置 | |
Peng et al. | Intelligent method for identifying driving risk based on V2V multisource big data | |
CN113033840B (zh) | 一种公路养护的判断方法和装置 | |
CN115782905B (zh) | 一种自动驾驶车辆驾驶安全度量化系统 | |
Choi et al. | Proactive strategy for variable speed limit operations on freeways under foggy weather conditions | |
CN109118787A (zh) | 一种基于深度神经网络的车辆速度预测方法 | |
CN115206103A (zh) | 一种基于平行仿真系统的可变限速控制系统 | |
CN104318757A (zh) | 一种公交专用道上的公交车车路段运行时间预测方法 | |
CN111798687A (zh) | 一种基于5g技术的远程控制车辆的方法及系统 | |
CN105719510A (zh) | 车联网环境下道路交通事故链阻断系统的效率评价方法 | |
CN112991685A (zh) | 考虑驾驶人疲劳状态影响的交通系统风险评估及预警方法 | |
CN108510733A (zh) | 一种跨界数据深度融合解决公路交通拥堵的管控系统 | |
CN115206087A (zh) | 一种高速公路关键路段交通风险动态预警系统及研判方法 | |
Yang et al. | Research on the quantitative evaluation of the traffic environment complexity for unmanned vehicles in urban roads | |
CN116013017A (zh) | 一种基于物联网的森林火灾预警系统 | |
CN113673752A (zh) | 一种基于bp神经网络的可变车道车流量的预测方法 | |
CN110377982A (zh) | 自动驾驶性能的测试方法及系统、电子设备、存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |