ISSN 1673-0291 CN 11-5258/U
铁路周界防护是保障铁路运输安全的关键，而视频监控是铁路周界防护中应用最为广泛的技术手段.针对视频监控在夜间或恶劣光线条件下存在误报率及漏报率大的问题，考虑到红外通过物体热辐射成像，具有抗光线变化和恶劣天气干扰的能力，本文研究了红外与可见光图像结合实现全天候周界入侵检测的问题.首先在分析铁路周界防护技术现状的基础上，讨论了红外与可见光图像融合目标检测技术的研究重点与难点；然后分别介绍了图像配准和目标检测的一般方法及流程，分析了红外与可见光图像配准、红外目标检测、红外与可见光图像融合目标检测的研究进展以及铁路场景下的相关研究现状；最后展望了铁路周界防护应用场景下多源图像目标检测技术的发展趋势，红外与可见光视频图像结合既能实现全天候有效入侵检测，又能保证入侵目标可视化效果，便于后续智能分析.
针对梁桥板式橡胶支座环境复杂、位置深入、难以手动测量剪切变形角度大小的问题，提出了一种基于图像自动计算橡胶支座剪切角度，并评估其剪切病害程度的方法.首先运用引入深度可分离卷积和多尺度注意力模块的U-Net网络完成图像中支座的识别和分割；其次对分割得到的支座二值图像使用简化的Alpha Shapes算法提取支座轮廓线；然后对支座轮廓进行凸包检测后提取凸包点及其坐标；最后对凸包点利用最小二乘法完成直线拟合，通过计算直线间夹角得到支座剪切角度并评估其剪切病害程度.研究结果表明：改进的U-Net模型支座分割的F1值和交并比均达到了95%以上；在天津市某桥梁检测中，利用本文方法对相机采集支座图像角度计算结果和人工实测结果进行对比，两者角度最大误差1.3°，检测的剪切病害等级分类结果相同.本文方法在橡胶支座剪切病害检测方面可实现非接触、自动化检测，为实际工程应用提供了参考.
货车运行故障动态图像检测系统通过人工方式对采集的铁路货车关键部位图像进行故障判别，效率低且易发生漏报.非人工故障检测多采用传统图像处理技术和基于深度学习的目标检测网络，存在受图像数据限制的缺点.为解决目前存在的故障图像的采集与标注难题，针对铁路货车故障中发生率最高的车辆异物故障，提出一种车辆异物检测算法.算法基于新型对抗自编码器，所用训练数据集由无标注的非异常图片组成.针对小目标异物，在对抗自编码器结构中引入注意力机制，并比较多种注意力机制在目标场景的应用效果，选择最优配置.使用特征匹配损失优化损失函数，提升对抗性训练的稳定性.结合应用场景和生成模型特点，提出特征向量异常值评分机制，评估整体异常性能.研究结果表明：提出的车辆异物检测算法，在转向架底部和侧部2个场景具有有效性，曲线下面积（Area Under Curve，AUC）指标分别能够达到96.9%和99.3%.
针对车道线检测任务中车道线细长且易被遮挡的特点，提出基于编码器解码器结构的实例分割网络——交叉卷积网络（Cross Convolution Net， C-Net），实现车道线的检测识别.首先，提出一种基于交叉卷积的特征关联机制，通过对下采样后的特征图进行连续两次的交叉卷积操作，建立单个特征点与全局特征之间的联系，增大特征图的感受野，以提高网络的推理能力.其次，采用5个双通道上采样模块对交叉卷积后的特征图进行上采样，得到车道线实例分割结果.最后，在Tusimple数据集上对网络进行训练与对比实验.研究结果表明：C-Net的准确率能够达到96.52%，且误检、漏检率较低，具有良好的车道线检测能力.
针对高速铁路线路上积雪深度的动态判识问题，提出一种基于铁路综合视频图像识别的积雪深度判识方法.首先，对通过综合视频监控系统获得的雪深图像进行处理，利用U⁃Net神经网络进行图像分割，建立轨道上的雪深数据集.然后，对雪深数据集进行标注，将雪深图像分为100 mm以下、100 mm~轨面和高于轨面3个类别.在此基础上提出基于DenseNet-201深度卷积神经网络模型的雪深图像识别方法.最后，对模型进行验证.研究结果表明：对于光线较好的图像，采用DenseNet-201深度卷积神经网络模型的识别准确率达到93.57%.相较于VGG-16、ResNet-50等模型识别结果，虽然DenseNet-201深度卷积神经网络模型计算耗时长于ResNet-50模型，但是，识别准确率较ResNet-50、VGG-16模型分别提高了2.08%和4.24%.研究成果可为高速铁路沿线积雪深度的动态掌握提供技术支撑.
针对现有高速列车速度控制多数存在的测速误差大、运行效率偏低等问题，提出一种纵横向多速度融合测速方法.首先，通过叠加式采样读取4路速度传感器的测速数据，采用联邦卡尔曼滤波算法对4路测速值分别进行纵向融合滤波，并采用衰减记忆法优化该算法存在的滤波发散问题，得到4路纵向融合速度值.其次，对4路纵向融合速度值进行置信距离可靠性判别，确定有效融合速度值数量，排除传感器故障影响.再次，采用优化的贝叶斯数据融合算法对有效纵向融合速度值进行横向多速度融合.最后，对所提算法进行仿真，完成对仿真结果的分析和比较.研究结果表明：基于衰减记忆法的联邦卡尔曼滤波算法的纵向融合速度平均误差为0.669 6 km/h，纵横向多速度融合方法的融合速度平均误差为0.392 8 km/h，平均测速精度有较大的提升.
基于通信的列车控制（Communication-Based Train Control，CBTC）系统是一种采用先进的通信、计算机技术，连续控制、监测列车运行的列车控制系统.为了提高CBTC系统的传输效率，将正交频分复用技术（Orthogonal Frequency Division Multiplexing，OFDM）运用于CBTC系统，从OFDM系统的工作原理出发，研究了列车速度对于OFDM系统子载波非正交性的影响，并以无线局域网（Wireless Local Area Networks，WLAN）技术中的OFDM参数为例，对列车速度引起的信道相干时间变化进行了深入分析与计算.理论计算与仿真结果表明：列车速度对子载波间正交性的影响可以忽略不计；在同样报文长度、不同列车速度下，最低的传输速率并不一定能得到最低的误帧率（Frame Error Rate，FER）；通信系统应该根据信道时变情况以及报文长度分别选择不同的传输速率以得到最低的FER.
传统无线通信只能被动适应信道环境，无法控制信道，无线传播环境的随机性和不确定性会严重影响通信质量.智能超表面（Reconfigurable Intelligent Surface， RIS）技术能够主动配置信道环境，引入RIS将是未来无线通信的新范式.为探究RIS应用前景，首先分析RIS单元结构及波束赋形原理.其次，基于室内室外两种场景多种入射、反射角度RIS辅助通信的实验数据，提取信道参数，搭建RIS辅助通信的信道仿真平台.最后对各场景进行仿真，比较RIS编码前后参考信号接收功率（Reference Singal Receiving Power， RSRP）、信干噪比（Signal to Interference plus Noise Ratio， SINR）和吞吐量3项测试指标.仿真结果表明：与RIS编码前相比，RIS编码后RSRP、SINR以及吞吐量均有所提升，且室外场景的增益优于室内场景，说明RIS可以主动控制无线信道，改善服务质量，研究结果对实际场景应用RIS具有一定的参考价值.
应答器安装于室外，其周围存在多种杂质且表面易被杂质覆盖，直接影响报文信息的准确传输，严重时会导致列车停车.分析应答器传输系统工作原理，在电磁场仿真软件FEKO中建立应答器天线模型，将不同种类杂质覆盖于天线模型表面，仿真上行链路信号幅度曲线，计算应答器作用距离、应答器传输模块（Balise Transmission Module， BTM）接收比特数等传输性能指标，分析空间杂质对应答器上行链路传输性能的影响.研究结果表明：杂质电导率、磁导率越大，电磁穿透性越弱，对应答器传输性能影响越大；应答器被Ⅰ~Ⅵ类杂质覆盖时，杂质厚度分别不应超过300、200、150、50、25、2.5 mm；当空间杂质没有完全覆盖于应答器表面时，对应答器的传输性能影响较小.
为确定某动力集中动车组的较优车身外形，基于三维不可压非定常雷诺时均方法（Unsteady Reynolds Averaged Navier⁃Stokes，URANS）和剪切应力输运（Shear Stress Transport， SST） k-w 湍流模型，针对直壁高空调、鼓壁高空调和鼓壁低空调3种列车侧壁和空调外形，分析了60 m/s合成风速下，侧滑角0°、20°、40°、45°、55°、60°、70°和90°共8种工况下的列车气动力系数、车窗位置和空调位置的平均压力.研究结果表明：在侧滑角小于20°的条件下，列车侧壁和空调外形对车辆气动力影响较小；随着侧滑角逐渐增大，直壁高空调外形列车的气动性能较鼓壁高空调和鼓壁低空调外形列车差.以55°侧滑角下头车为例，相较于直壁高空调外形车型，鼓壁高空调外形车型的侧向力系数、升力系数和侧滚力矩系数分别降低了23.3%、3.4%和27.3%；而对于背风侧车窗压力，鼓壁高空调和鼓壁低空调外形车型均相较直壁高空调外形下降了59%左右.综合而言，鼓壁低空调外形车型气动性能最好.
为探究动车组冷却单元铝合金立柱开裂原因，对其结构框架及立柱开展线路测试，获得底板气动载荷、振动加速度及立柱关键部位动应力时频域特征，结合模态分析得到立柱开裂原因，并计算立柱开裂处1 500万km等效应力幅值及疲劳损伤值.研究结果表明：列车高速运行下，底板气动载荷主频、振动加速度主频与立柱裂纹附近动应力主频及冷却单元框架大、小底板变形的固有频率相近，即气动载荷作用下大、小底板发生共振，使铝合金支撑立柱在吊耳焊缝处出现应力集中，并从疲劳薄弱部位的凹侧焊趾处开裂；立柱裂纹附近测点1 500万km损伤值大于1，表明结构在设计寿命周期内存在疲劳失效风险.
针对纯电动客车实车工况下，多因素耦合造成的动力电池故障现象，基于大数据技术对纯电动客车动力电池的安全风险进行多维度的评价.建立了基于层次分析法⁃熵权法的动力电池多维度安全风险评价体系，通过多源数据融合得到多维度可量化分析的评价指标，利用机器学习方法建立故障等级预测随机森林算法，并通过数字汽车大赛提供的数据集进行了方案验证.研究结果表明：本文提出的方案能够提前30 min预测动力电池的故障等级和类型，预测平均准确度达到97.25%.同时，依赖于2.59 GHz的CPU，计算每组数据仅耗时5.6 ms，具备较好实时性，有利于技术人员和驾驶员及时做出应对措施.
针对高速铁路牵引供电系统中牵引网多导线耦合结构复杂，造成故障定位时电磁暂态难以分析的问题，采用PSCAD/EMTDC仿真软件实现牵引供电系统的电磁暂态建模并对其行波特性展开分析.根据实际参数搭建全并联AT牵引供电系统，重点建立牵引网的精细化模型，对上、下行牵引网10余条导体进行耦合建模，通过实测故障数据分别对金属性、高阻接地2种典型故障下的模型进行验证.同时考虑馈电线长度、过渡电阻值、故障位置与雷击电流4种因素对故障行波畸变程度的影响并进行仿真分析.研究结果表明：牵引网故障行波的暂态波动不受馈电线长度因素的干扰，但过渡电阻值、故障位置以及雷击电流的变化对故障行波传播时的衰减与畸变程度有较为明显的影响.本文研究的故障行波特性可为后续提高牵引网故障定位算法的准确性提供参考.
针对25 Hz相敏轨道电路使用的扼流变压器由于不平衡牵引电流引起的磁芯饱和问题，提出一种JA（Jiles-Atherton）磁滞模型和三电容变压器模型相结合的扼流变压器非线性模型的建模方法.首先设计基于粒子群优化（Particle Swarm Optimization， PSO）的JA磁滞模型参数辨识算法，并使用该算法和能量计算法分别提取铁芯的JA磁滞回线参数和扼流变压器非线性模型中的分布参数；然后将计算得到的分布参数与Maxwell的仿真结果进行对比，得出本文方法提取的扼流变压器漏感和分布电容等参数具有较好的精确性；最后将非线性扼流变压器模型BH曲线、励磁电流和输出电压曲线的求解结果与Pspice的仿真结果进行对比验证.研究结果表明：利用本文的模型可以准确分析扼流变压器中磁芯饱和问题.可以通过分析此模型磁芯的实时磁滞回线形状或者扼流变压器原边电流的畸变情况来判断磁芯的饱和状态.
SiC MOSFET的快速开关过程带来开关振荡、电磁干扰（Electromagnetic Interference， EMI）问题，多电平有源驱动电路通过调节开关过程中的驱动电压可以优化其关断轨迹.针对有源驱动电路中间电平选取及作用时间的优化选择问题，提出一种SiC MOSFET关断轨迹优化方法.基于对关断机理的分析和等效电流斜率思路，建立SiC MOSFET关断轨迹预测模型，并利用所提基于目标函数的关断轨迹优化方法，求解有源驱动中间电平的优化作用时间和电平值，使得SiC MOSFET工作在关断电压尖峰和关断损耗的优化折衷点.研究结果表明：通过建立SiC MOSFET关断轨迹预测模型并结合所提关断轨迹优化方法，可准确预测并改善SiC MOSFET的关断轨迹，且模型最大误差不超过10%，验证了模型的准确性以及在不同驱动电阻下的适用性.
针对国内十字交叉口大多采用固定相位和配时方案的信号控制现状，对动态可变相位方案以及交叉口信号配时优化进行研究.首先，根据可穿越间隙理论计算左转车流通行能力，对比实际左转车流量，在相位库中选择合适的相位控制方案.其次，以机动车车均延误、行人人均延误和停车率为优化目标，构建了多目标信号配时优化模型，模型中设计两组权重体系，采用带精英策略的快速非支配排序遗传算法求取多目标模型的Pareto最优解集，使用变异系数法得到第1组权重，采用指标系数法得到第2组权重.然后，利用遗传算法求解多目标模型在两组权重下转化的单目标模型，得到优化方案，对比优化结果.最后，使用软件Vissim进行仿真，验证模型的有效性.研究结果表明：对信号控制方案进行优化后，案例交叉口若在平峰时段采用二相位控制方案，可以将机动车车均延误以及行人人均延误降低50%以上，将停车率降低20%以上，证明动态相位控制方案和信号配时优化方法的可行性.
现有的网联自动驾驶车辆（Connected and Automated Vehicles， CAV）换道决策模型鲁棒性较差，存在安全隐患，且单纯依赖自车信息、较小范围内的感知信息，难以在CAV与人工驾驶车辆（Human-Driven Vehicles， HDV）混行的环境中推断出最优动作.综合考虑感知信息、自车以及车-车通信（Vehicle-to-Vehicle， V2V）范围内上、下游CAV信息，提出一种混合交通流环境下集成多源信息融合的深度强化学习（Multi-Source Information Fusion Deep Reinforcement Learning， MSIF⁃DRL）端到端网联自动驾驶换道决策模型.首先，构建含有多源信息的状态空间，并为不同信息分配权重；其次，通过编码网络将各种动态信息编码到高维特征空间，进行信息融合得到特征图；然后，将其扁平化送入拥有优先经验回放机制的竞争双深度Q网络中，进行动作的选择和评估；最后，分别设计适用于主线、匝道CAV的奖励函数引导所提MSIF-DRL模型解决高速公路合流区驾驶场景中CAV的自由以及强制换道问题.基于SUMO软件在各种仿真条件下进行实验，将所提出的MSIF-DRL换道决策模型与现有换道模型进行比较，验证其有效性和优越性.研究结果表明：相较于现有模型，所提MSIF-DRL模型在各种仿真条件下均拥有最高的奖励值、换道成功率、合流成功率、平均行车速度、舒适性以及最低的碰撞风险，其中换道成功率、合流成功率、平均行车速度最大分别提升了29.17%、27.71%、17.43%；随着渗透率的提高，该模型在处理混合交通流环境下CAV的换道决策问题时拥有更强的性能和鲁棒性.
为研究京津冀城市群城际出行的时空分布特征，利用手机信令数据提取用户城际出行OD数据，首先分析京津冀城际出行时间特征，其次研究出行高峰时段的空间分布，最后以区县为单位研究城市间交通联系特征.研究结果表明：京津冀城际出行有着明显的周变化规律，周一至周四城际出行量较少，周五至周日出行量显著增加，非工作日的早高峰时间比工作日延迟了1 h.城际出行联系强度显示北京市与廊坊市之间形成了2条明显的交通走廊，城际出行呈现出以省会城市和经济发达城市为区域中心、其他城市为外围的出行结构.本文研究结果有助于进一步衡量区域一体化发展水平，为城市群交通系统规划以及建设提供指导.
