基于违禁品检测和人脸表情识别的铁路客运站安检风险评估技术研究

随着我国高速铁路的快速发展和客流量日益增长,铁路客运安全风险事件发生的概率逐年升高,仅靠安检值机人员辨识风险已无法满足需求。为了更好地评估车站安全风险,降低车站安全评估对人力的依赖,提出基于深度学习的旅客及物品安检风险评估机制。首先采用训练好的YOLOv5s模型对安检X光照片中的违禁品进行检测;其次使用训练好的ResNet50模型对车站安检机出口的人脸表情进行识别;最后建立了违禁品检测和人脸表情识别相结合的旅客及其所携物品风险评估机制。仿真结果表明,所采用的方法可以较准确地检测和识别出违禁品以及人脸表情,所提出的风险评估机制降低了安检过程对人力的依赖,可以帮助车站工作人员预防安检风险。     

基于改进LSTM模型的铁路客运站客流预测研究

准确地预测旅客到达数量有助于缓解铁路客运站运营压力。为实现铁路客运站客流量预测,以铁路客站进站闸机数据为研究对象,分析不同时间维度下铁路客运站客流的时间分布特征,采用层次聚类算法和阈值聚类算法综合对客流量进行聚类分析。针对传统LSTM模型输入数据分割尺度较大导致网络层数深度不够的问题,构建了改进型LSTM客流预测模型。以北京西站实际客流数据进行方法验证,并将预测结果与其他传统预测模型进行比对分析。结果表明：改进LSTM客流模型有较好的预测结果,比其他传统预测模型预测精度高,预测指标中平均绝对误差(MAE)低10%。说明该方法能较好地刻画客流的时间相关性,深度挖掘客流变化的内在机理,预测性能有明显提升。     

增强型智能铁路客运车站架构及关键技术

为进一步推动铁路客运车站智能化发展,提升车站服务质量和生产效率,在分析智能铁路客运车站现状的基础上,针对存在问题,结合信息物理融合和数字孪生的理念开展智能铁路客运车站的深化研究,提出增强型智能铁路客运车站的建设目标和设计理念,设计增强型智能铁路客运车站的总体架构和平台架构。从智能安检、便捷换乘、智能视频分析、客流预测预警、风险智能识别及应急处置、数字孪生车站构建及应用等方面,研究增强型智能铁路客运车站重点应用及关键技术。通过搭建典型业务场景的实验环境进行试验验证,验证增强型智能铁路客运站智能化应用的可行性与有效性。     

虚拟煤炭储备研究

介绍了煤炭储备的发展现状及学术界的研究现状,分析了虚拟煤炭储备和煤炭储备的异同,指出了虚拟煤炭储备在开采时机、环境保护、丰富衍生品市场和走向国际市场等方面的应用和未来的发展前景。