铁路客运车站旅客异常行为智能识别和监测方法研究

目前国内多数车站仍采用视频回放方式识别旅客异常行为,无法保障效率和精确度,影响车站安全稳定运营;为提升车站旅客异常行为监测的智能化水平,采用CNN算法,选取站台区域越界旅客为重点研究对象,对旅客异常行为进行智能识别;选取候车大厅、检票口等区域,采用MCNN算法对人群密度进行识别和监控;借助仿真平台和车站现场数据模拟验证,结果显示距站台第一、二边界内的人数均占当前视频画面总人数12%左右,识别率达90%,该结果可为车站安全保障业务和客运组织优化提供作业指导,以保障车站安全稳定运营。     

基于CPS的铁路客运站智能机房监控平台

针对目前车站机房监控系统存在功能单一、系统资源利用率不能实时掌握等问题,提出一种基于CPS的铁路客运站智能机房监控平台,采集多源感知设备在线运行信息,通过多终端适配的物联网网关实现数据接入,利用数据中间件实现数据的存储和发布,基于智能服务模型实现资源在线监控及故障分析预警;通过检测网络设备节点拥塞度和丢包率,设计网络故...     

5G在铁路智能车站中的应用

加速推进5G“新基建”战略方针已成为铁路智能车站建设的必然发展趋势。首先分析了我国铁路智能车站相关业务的发展现状,然后梳理了5G通信在智能车站中的应用需求,并构建了基于云边协同的智能车站 5G 通信网络架构,最后分别针对旅客出行服务、车站生产组织、安全保障和绿色节能业务,提出了基于5G通信和云边协同的智能车站业务应用模式。基于5G通信的智能车站应用可推动车站转型升级,优化旅客服务品质,提升旅客出行体验,提高车站客运生产组织效率。     

电子政务民意热点信息聚类分析

为了更加宏观地把握民众关心的热点信息,从而使政府能够为民众提供更具针对性的信息和服务,首先通过Web日志挖掘计算出能够在一定程度上反映民意热点信息的两个指标,然后综合考虑这两个指标提出了一种分析方法.通过加权计算来度量每个信息的受关注程度,从而找出一段时间内民众所关心的热点问题.最后通过页面聚类分析对这些热点信息进行归类,并用实例加以分析说明.     

基于多Agent的政府知识管理系统模型研究

针对现有政府知识管理系统的局限性和政府知识管理的复杂性,采用面向多Agent的系统设计方法,设计了一个基于多Agent的政府知识管理系统模型,给出了系统模型实现的一些关键技术.该模型由多个Agent来协同实现政府知识的异构整合、知识推送、知识利用等服务,以满足政务知识管理的异构知识集成、智能化决策、个性化服务等实际需求.     

300 MW机组锅炉省煤器优化改造分析

针对铁岭发电厂排烟温度高的问题,工程上实施省煤器优化改造后,排烟温度降低约15℃,且改造投资少,具有很好的经济性和推广价值。     

基于WSN的铁路客运站运营环境监控系统

针对目前铁路车站运营环境监测需测量的参数多和布线困难等问题,设计一种基于无线传感器网络的铁路客运车站运营环境监测系统。定义车站运营环境监测的范围,设计系统功能,研究系统实现的关键技术,提出一套完整的系统架构方案,实现监测数据的无线传输,解决目前车站监测的高成本、高功耗、灵活性差、维护困难等问题。初步监测实验结果表明了该系统的有效性和可靠性,为车站安全运营提供了科学的依据。     

基于LSTM-LightGBM模型的车站环境温度预测

客运火车站环境温度易受其他环境特征变量如湿度、PM2.5、二氧化碳等影响,传统的单变量预测算法并未考虑其他环境特征变量的影响因素;为进一步准确预测车站环境温度值,提出了结合长短期记忆神经网络LSTM与梯度提升算法LightGBM的组合模型,对客运站环境温度值进行预测;首先将预处理数据输入LSTM模型,对环境特征变量湿度、二氧化碳、PM2.5、PM10进行单变量预测;再将环境特征变量的LSTM输出预测值输入LightGBM模型得出环境温度预测值;根据波形图与均方根误差RMSE对比分析,基于LSTM-LightGBM的组合模型预测方法可以保留LSTM模型对单变量预测的周期性特点,且可表现出环境特征变量输入LightGBM模型后对温度预测的非平稳变化;结果表明基于LSTM-LightGBM的组合模型方法比单纯使用LSTM方法更接近原始波形,具有更低的RMSE。