一、机车乘务员综合管理信息自动生成系统（论文文献综述）
丁正刚[1]（2021）在《列车编组顺序表电子化传递系统方案研究》文中研究表明列车编组顺序表是车站与机车乘务员间交接车列的作业表单,一直以来由人工完成纸质表单传递。以覆盖全路客运和货运车站、为全路客货列车机车乘务员提供高可用列车编组顺序表电子化信息传递服务为目标,提出列车编组顺序表电子化传递系统方案;系统采用集中式双中心架构,由中央子系统、移动作业子系统和外部信息接口3部分构成,具有高可用性、高吞吐量、低延迟及良好的可伸缩性;重点描述系统车地信息传输网络构成和技术架构,详细介绍实现电子化列车编组顺序表信息安全、可靠、正确传递的技术要点。该系统已在全国铁路试运行,运行稳定,性能满足设计要求,覆盖全国铁路客运和货运车站的列车编组顺序表作业,可灵活适应各种客、货运输作业场景;为推进系统应用,编制统计指标对该系统应用状况进行评价和监测,分析试运行期间存在的问题及原因,并给出应对措施;明确下一步亟待推进的相关工作,并结合铁路5G技术应用趋势,对未来发展进行展望。
李鑫[2]（2021）在《铁路机车设备画像理论及关键技术研究》文中认为铁路机务专业是铁路运输系统的重要行车专业,主要负责各型机车的运用组织、整备保养和综合检修。作为重要的铁路运输生产设备,机车的运输生产效率、设备质量状态、整备检修能力、安全管理水平等均会对铁路运输生产能力的稳健提升和经营管理工作的稳步发展产生重要影响。随着各种监测检测设备以及各类信息管理系统的广泛应用,围绕机车积累了形式多样的海量数据,数据增量及质量均大幅提升,数据价值日益体现,铁路行业对于完善机车健康管理的需求十分迫切。当前铁路机务专业在进行机车健康管理的过程中,存在分析方法较少、大数据挖掘不足、管理决策科学性较弱、综合分析平台缺失等问题。铁路机车设备画像理论及关键技术研究作为实现机车健康管理的重要手段,致力于加强机车数据资源的整合利用,通过客观、形象、科学的标签体系全面而精准地刻画机车的质量安全状态,并以此为基础深入挖掘潜藏的数据价值,实现机车事故故障关联分析、安全状态预警盯控、质量安全态势预测、检修养护差异化施修、稳健可靠管理决策等目的,支撑起铁路运输生产及质量安全管理工作的科学化、数字化、智能化发展。本文主要对铁路机车设备画像理论及其一系列关键技术进行了研究与应用,取得了以下创新成果:（1）提出了铁路机车设备画像理论。通过梳理机车设备画像的含义及研究意义,明确了构建铁路机车设备画像理论的必要性及其定位。基于此,给出铁路机车设备画像理论的定义与内涵,梳理了符合现阶段机车运输生产管理需要的铁路机车设备画像理论的构成,阐述了关键技术的研究方法及之间的逻辑关系。同时,设计相匹配的应用架构,介绍了其所包含的核心应用、赋能应用、总体目标等6个方面内容。这为系统性地开展机车健康管理相关研究提供了崭新的理论和方法支持。（2）构建了基于设备画像的铁路机车画像标签体系。通过整合利用机车多维度数据,提出了机车设备画像3级标签体系技术架构,全面分析所包含的数据采集层、标签库层和标签应用层,详细阐释各级标签的内容构成,形成机车画像标签体系的构建方法。针对聚类这一标签产生方式,改进K均值（K-means）聚类算法的初始质心选取方法,提高标签获取的精度和稳定性。通过在某铁路局开展机车设备画像实地应用研究,获得了客观、精准、完整、可靠的机车画像。（3）提出了基于Ms Eclat算法的铁路机车事故故障多最小支持度关联规则挖掘方法。针对机车事故故障在关联规则挖掘中具有不同支持度的特点,提出了改进的等价变换类（Eclat）算法——多最小支持度等价变换类（Ms Eclat）算法,以各项目的支持度值为排序依据重新构建数据集,进而运用垂直挖掘思想获得频繁项集;为了进一步提高Ms Eclat算法在大数据分析场景中的执行效率,将布尔矩阵和并行计算编程模型Map Reduce应用于算法的计算过程,得到优化的Ms Eclat算法,设计并阐述了相应的频繁项集挖掘步骤。通过比较,Ms Eclat算法及其优化算法在多最小支持度关联规则挖掘方面有着极大的计算效率优势。通过在某铁路局开展实际应用研究,验证了算法的有效性、高效性和准确性。（4）设计了基于时变概率的PSO+DE混合优化BP神经网络的机车质量安全态势预测模型。通过总结反向传播（BP）神经网络、粒子群优化（PSO）算法和差分进化（DE）算法的原理及优缺点,设计了基于时变概率且融入了防早熟机制的PSO+DE混合优化BP神经网络预测模型,详细阐释了这一预测模型的训练步骤。以某铁路局的机车质量评价办法为依托,选用灰色关联度分析方法选择出运用故障件数、碎修件数等7个评价项点,预测机车未来3个月的质量安全态势。经过实验对比,新提出的预测模型有着更好的收敛能力,对于机车质量评价等级预测及分值变化趋势预测的准确度分别可以达到98%和91%以上。最后开展了实际预测应用及分析,为科学把控机车质量安全态势提供了较好的技术方法。（5）设计了基于铁路机车设备画像理论的铁路机车健康管理应用。通过总结梳理铁路机车健康管理应用与铁路机车设备画像理论及机务大数据三者间的关系,设计了基于铁路机车设备画像理论的铁路机车健康管理应用的“N+1+3”总体架构及其技术架构。基于此,从设备、人员和综合管理3个方面介绍了机车运用组织、机车整备检修、辅助决策分析等7个典型应用场景,并特别给出这些场景的数据挖掘分析思路及框架,为铁路机车设备画像理论的扎实应用奠定了重要基础。最后,将本文所取得的相关研究成果在某铁路局开展实地的铁路机车健康管理应用实践,通过搭建人机友好的应用系统,完成一系列机务大数据挖掘分析算法模型的封装,实现了机车画像标签生成及设备画像分析、机车事故故障关联分析、机车质量评价分析、机车质量安全态势预测分析等多项功能。通过实际的工程应用,实现了铁路机车设备画像理论及其关键技术的创新实践,取得了良好的效果。全文共有图56幅,表21个,参考文献267篇。
柴文宇,陈姝[3]（2020）在《铁路机车乘务员智能实时监测系统研究》文中研究说明针对铁路机车乘务员工作过程中的重点危险因素,研究开发铁路机车乘务员智能实时监测系统。该系统基于深度学习技术和嵌入式视频分析设备,能够有效识别视线脱离、手比异常、疲劳驾驶等不安全作业行为;基于物联网实时获取机车乘务员健康与备班睡眠数据,及时发现机车乘务员健康问题和睡眠不足;该系统改变了依赖于滞后的人工抽查和事后追责的传统机车乘务员监管模式,代之以自动实时检测与即时告警,检测准确度和时效性均有明显提升。
周凤[4]（2020）在《智慧车站乘务人员排班系统设计与实现》文中研究表明高铁运输业不断发展,铁路网络日益壮大,随之带来的铁路运输管理压力日益增长。乘务人员排班计划是对乘务人员进行组织管理的基础。乘务人员排班计划不仅影响列车的运行情况,而且关系到乘务人员的工作效率和企业的运营成本。因此,打造一个科学、高效、低成本的智能乘务人员排班系统有着重大的市场价值与意义。现有的乘务员排班计划主要以有经验的计划编制人员为主导人工编制,形成一个长期有效的乘务计划,编制过程需要花费大量人工成本且面对突发事件时无法智能快速地调整排班计划。为解决上述问题,本文提出设计基于React框架和遗传算法模型的智慧车站乘务人员排班系统。本系统基于智慧车站项目,是在借鉴了国内外现行乘务人员排班系统的基础上设计的,对国内外现有的排班系统进行详细分析,就国内外排班系统存在的问题针对性的提出改进。本系统分步骤实现乘务员排班,按对应的步骤建立个性化的数学模型和求解算法。论文的主要研究内容如下:（1）了解了乘务排班计划的所有相关概念,对乘务员排班过程进行拆分。对排班过程拆分出的三个关键步骤分别进行需求分析,详细分析乘务片段划分、乘务交路组合、交路回路循环等几个功能模块的任务需求,提出系统所有功能模块的个性化目标;（2）对系统进行具体设计,对系统的计划编制模块进行数学建模,并设计对应的求解算法。在乘务交路组合模块中,为组合最优乘务交路回路设计先到先走的数学模型,并设计用精确算法求解;（3）在求取交路回路循环过程中,将乘务回路循环问题转化为ATSP,建立回路间接续时间最短的数学模型。选取遗传算法求取最优解,实现乘务人员运用数量最小且各乘务组之间值乘时间最均衡的回路循环顺序;（4）对系统的用户登录、权限管理、用户管理等基础模块进行详细的工程设计,在满足系统需求的基础上提高系统的实用性和安全性,选用前端基础技术、React框架、node.js和Oracle数据库等技术实现系统,功能上完全实现了本系统的需求。本论文实现的智慧车站乘务人员排班系统可以快捷的对列车运行信息进行数据采集,对人员信息和列车运行信息等进行管理,自动生成乘务人员排班计划,在提高对乘务人员管理效率的同时降低企业运营成本。
姚智禄[5]（2020）在《集宁机务段双管双控云计算大数据服务平台研究设计探索》文中指出“双管双控云计算大数据服务平台”由云计算、大数据、数据共享交换、管控工作流引擎、数据大屏、业务门户、智能移动终端电子手帐等多种技术构成综合服务平台,集宁机务段双管双控云计算大数据服务平台建设围绕“人、车、图”三要素,全方位整合机务信息资源并与其它相关信息系统有效衔接,实现效益最大化。平台紧扣安全生产风险排查分级管控与隐患排查治理双控体系,按照“让数据会说话,让信息当参谋”思路,突出机务管人、管车、控安全、控质量主题,以“打破信息壁垒、整合数据资源、强化信息共享”为工作思路,构建由“安全信息分析中心、机车质量分析中心、机车运用分析中心、综合分析中心”为一体的机务段大数据分析中心。“双管双控云计算大数据服务平台”的综合服务能力形成业务闭环,能够从多层面满足机务段业务的实际需要。解决信息共享程度不高、应用发展不平衡、业务应用深度不足、数据价值没有充分体现、信息基础设施薄弱、网络安全整体防护能力不足等问题;加强机务段安全信息化管控体系建设,完善信息化管理体制,统一标准规范体系和规章制度体系;通过大数据平台对信息数据分析进行管控,对相关部门工作有效考核。
赫海泉,苏浩天[6]（2019）在《机务乘务作业动态管理应用系统的设计与实现》文中认为针对乘务员携带行车资料的不易管理和使用、途中故障不能及时有效处理、指导司机不能充分发挥管理职责、乘务员学习方式单一等问题,以基于Android系统的高效智能搜索引擎技术、手持终端数据安全性保障技术、无线组网技术、VPDN组网技术、Web技术为软件基础,以乘务员手持终端、服务器、管理工作站、无线路由器为硬件支撑,设计机务乘务作业动态管理应用系统,在指导司机、机车乘务员和运用管理人员之间搭建一个信息交互平台,将运用管理信息及时发送到作业一线,提高指导司机对乘务员指导的针对性和时效性。
董云丰[7]（2019）在《铁路机务公司安全信息化综合管理平台构建》文中进行了进一步梳理近几年,中国铁路系统飞速发展,各铁路企业经过重组、并购后,机务公司的规模、机车数量、管辖范围也随之扩大,机车交路不断增加延长,机务公司乘务和运用组织方式也发生深刻的变化。因此,人们对于铁路机务公司安全大数据信息的应用、采集、统计、分析、处理、生产管理和信息技术上也提出了更高的要求。充分利用现代计算机信息技术和内部网络,采用.net Framework等平台设计开发,提供了一个基于现有网络条件、支持各类计算机应用程序的服务平台的机务信息化综合管理平台。
彭丽宇[8]（2019）在《铁路货运运营风险数据知识化方法研究》文中指出随着我国经济的快速发展,带动铁路运输业的不断创新和改革,技术复杂程度不断加强,既有的安全管理模式面临严峻挑战。采用传统铁路货运运营风险管理方式分析事故形成的原因一般是以单一线性关系为基础,即风险源与事故之间,对已发生事故的风险源进行有效识别和控制,而无法对潜在风险源进行辨识和关联,做不到精准的风险管理,无法满足铁路货运运营风险管理的智能化服务,也无法通过实时、动态的数据挖掘,实现信息化和知识化的增值的需求。因此,研究铁路货运运营风险数据的知识化方法,对进一步精准挖掘风险源,提高铁路货运运营风险管理水平,具有重要意义。本文针对铁路货运运营风险事故特点,基于本体论、粗糙集和人工神经网络等方法探究了铁路货运运营风险结构化数据和非结构化数据的知识化问题,建立风险数据知识化与情景集成知识库,为铁路货运运营风险数据知识化与管理提供了借鉴。论文的主要研究内容如下。（1）铁路货运运营风险影响因素指标体系建立与关键影响因素筛选从人、装备、环境、管理角度建立铁路货运运营风险影响因素指标体系,选取危险源、故障与事故数据作为条件属性集,将相应的风险等级信息作为决策属性集,构建基于人、装备、环境、管理的铁路货运运营风险影响因素知识系统,运用粗糙集筛选影响铁路货运安全的关键风险因素,计算并对比分析各关键风险因素的权重差异。（2）铁路货运运营风险管理本体构建与关联模式识别以铁路事故案例非结构化数据为基础,对事故进行描述与解析,挖掘铁路货运运营风险源,解析致因机理,选取若干事故致因复杂、事故级别高的典型事故案例完成情景实例的知识提取,建立基于事故情景的事故-风险本体模型,并对铁路货运运营风险本体进行形式化表示,从而识别风险关联模式,提出了铁路非结构数据的知识化方法。（3）提出铁路货运设备风险管理数据知识化方法针对铁路设备状态检测结构化数据知识化现状,提出基于神经网络的铁路货运设备数据知识化方法,并以轨道不平顺为例,利用BP神经网络对其分周期进行预测,并运用轨距、左轨向、右轨向、左高低、右高低、三角坑、水平等七项检测数据对模型有效性进行了验证。（4）铁路货运运营风险数据知识化与情景知识集成将铁路的风险影响指标体系与事故-风险本体中的风险源相关概念相对应,完成铁路货运运营风险影响指标权重的知识化。确定铁路货运运营风险影响指标包括人员对应、管理对应、环境对应与装备对应4组映射规则。以轨道平顺测量数据的挖掘与计算过程为例,将风险-事故本体的概念部分进行相应更新,将新生本体概念对应到风险、设备、基础设备、固定设备、轨道与线路下,使用Protege工具,在风险-事故本体中建立新的概念,构建新生本体图。依据风险源的类型,将其分为人员、设备、环境、管理四类进行管理。对于关联关系的提取,依照事故情景要素和风险、事故成因,将风险源之间成组关联关系分析定义为:升级、影响、导致三种风险成组关联关系。通过分析事故风险源及对应事故情景中的参与行为,寻找二者对应关系,将二者关联起来,形成由参与行为到风险成组的动态推理链条,建立提取、产生、催化、处理异常行为-风险链的规则认定,形成推理映射逻辑表。本文的主要创新点如下:（1）提出了铁路货运运营风险数据知识化方法。基于事故情景的致因机理解析,识别风险源并挖掘影响铁路货运运营安全风险因素之间的关联规则,基于风险关联知识构建事故-风险本体模型,研究铁路货运运营风险本体知识推理与更新机制。（2）构建了铁路货运运营风险本体模型。以基于本体的铁路货运运营风险模型结构化描述与推理方法为基础,挖掘并提出铁路货运运营风险关联知识推理机制,建立基于管理数据和设备数据的风险识别方法。运用铁路货运运营事故情景的本体描述,对不同类型铁路货运运营风险进行本体集成,实现了铁路货运运营风险数据的知识化。（3）提出了铁路货运运营风险数据的知识建模和推理研究方法。建立铁路货运运营风险影响因素指标体系,构建基于人、装备、环境、管理的铁路货运运营风险影响因素知识系统,运用粗糙集筛选了影响铁路货运安全的关键风险因素。通过铁路货运事故情景分析建模,分析、分解各个事故的成因链与事故链,探究非结构化铁路货运运营风险数据和事故数据间相互作用关系。
康健[9]（2019）在《新时期包头西机务段铁路机车运用质量管理研究》文中认为铁路机车运用质量管理是保证铁路运输稳步发展的重要因素,铁路运输生产在大密度、高速、重载的形势下,机车运用质量管理是机务系统管理工作的重中之重,既体现在机车检修、整备、运用方面的内在综合管理水平,更决定着和直接影响全铁路局整体运输组织的顺畅与否,是凸显运输综合完成能力的重要指标。本文以近年来中国铁路呼和浩特局集团有限公司（以下简称“呼铁局集团公司”）运输形势变化情况为背景和前提,以包头西机务段机车运用质量管理为实例,在分析20092016年机车运用质量管理主要成因及存在问题的基础上,根据机车运用质量管理基本原理,从提高运输效率与确保机车运用质量的角度,运用铁路改革创新思路、企业管理思想、机车检修整备一体化管理方法、机车修程修制改革方式,探讨、研究呼铁局集团公司包头西机务段优化传统的机车检修模式、提升机车整备质量保障能力、转变机车运用管理方式的一套科学的铁路机车运用质量管理方法。构建和设计与呼铁局集团公司包头西机务段机车运用质量管理相匹配、相适应的管理、组织、运作模式,探讨验证其可行性和合理性,为具体实施提供实证和理论依据。为进一步提高和完善呼铁局集团公司包头西机务段机车运用质量管理和机务系统的管理水平,更好地适应呼铁局集团公司运输新形势,乃至内蒙古自治区地区经济的高速发展需要提供了新的选择,对呼铁局集团公司铁路运输生产具有十分重要的指导意义。
王海祥[10]（2019）在《编组站综合自动化本务机综合管控技术的研究》文中研究指明本务机车运用管理工作是编组站运输生产的重要组成部分,不仅决定了机车周转效率,还直接影响着车站接发列车和解编车流能否持续畅通,是编组站运输工作的重中之重。长期以来,编组站的本务机车运用管理一直处于管控分离的状态,本务机车的信息管理和本务机车的运用过程没有形成有效的信息闭环,传统的“叫班”模式已经越来越不适应当前运输生产组织的需求,给编组站的作业效率造成很大影响。本文主要研究在编组站综合自动化（SAM）系统功能的基础上建立一套将编组站本务机车运用管理与本务机车作业控制融合为一体的综合管控系统的方法和技术。该系统通过与运输调度管理系统、车次号识别系统、SAM系统接口,获取列车、调车计划、计划调整、车次号等信息,通过算法形成指令给现场执行设备,实现本务机车进路的自动排列、作业过程的自动跟踪和反馈以及作业过程的安全防护。本文的研究工作主要有以下几方面:1.本务机精确叫班通过建立列车最早发车时间推算数学模型、本务机车最早发车时间推算数学模型、机车乘务员最早发车时间推算数学模型、精确叫班时间数学模型,提出了本务机精确叫班的解决方案。2.本务机车出入库计划自动编制通过建立本务机车入库计划数学模型、本务机车出库时间的数学模型,提出了本务机车出入库计划自动编制问题的解决方案。3.本务机车状态跟踪及作业防控研究了本务机车型号识别、本务机车站内周转过程跟踪、本务机车计划执行状态跟踪等内容,实现了本务机车在编组站内作业状态的实时反馈;研究了本务机车运用安全防护、本务机走行安全防护、本务机进路安全防控等内容,实现了本务机车作业过程的综合管控。4.与其他信息系统的接口方案给出了系统与TDMS系统、机务运用安全管理信息系统、与机车车号自动识别系统、与车站施工管理系统、与集中控制系统（SAM系统）、与高清货检系统等信息系统的接口方案,具体包括接口数据内容、接口方式。5.系统实现方式最后描述了系统的软、硬件实现方式,包括软、硬件架构,硬件配置需求、模块划分等内容。
二、机车乘务员综合管理信息自动生成系统（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、机车乘务员综合管理信息自动生成系统（论文提纲范文）
（2）铁路机车设备画像理论及关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 前言 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 必要性及可行性分析 |
| 1.2.1 必要性 |
| 1.2.2 可行性 |
| 1.3 本文拟解决的主要问题 |
| 1.4 本文研究的主要内容 |
| 1.5 本文组织架构及技术路线 |
| 1.6 本章小结 |
| 2 国内外研究现状及发展趋势 |
| 2.1 机务大数据研究及应用 |
| 2.1.1 国外 |
| 2.1.2 国内 |
| 2.2 机车检修现状 |
| 2.3 设备画像 |
| 2.3.1 画像的概念 |
| 2.3.2 构成要素 |
| 2.3.3 模型与方法 |
| 2.4 标签技术 |
| 2.4.1 画像标签的定义 |
| 2.4.2 标签分类 |
| 2.4.3 标签构建原则 |
| 2.4.4 标签构建方法 |
| 2.5 设备健康管理 |
| 2.5.1 国外设备健康管理现状 |
| 2.5.2 国内设备健康管理现状 |
| 2.5.3 我国铁路机务专业PHM技术发展差距 |
| 2.6 本章小结 |
| 3 铁路机车设备画像理论 |
| 3.1 机车设备画像概述 |
| 3.2 铁路机车设备画像理论构建 |
| 3.2.1 铁路机车设备画像理论的定义与内涵 |
| 3.2.2 铁路机车设备画像理论的构成 |
| 3.2.3 铁路机车设备画像理论的应用架构 |
| 3.3 本章小结 |
| 4 基于设备画像的铁路机车标签体系构建 |
| 4.1 问题概述 |
| 4.2 面向设备画像的标签技术 |
| 4.3 机车画像标签体系构建 |
| 4.3.1 机车画像标签体系技术架构 |
| 4.3.2 机车画像标签体系 |
| 4.4 基于聚类的机车第三级标签获取方法 |
| 4.4.1 K-means算法 |
| 4.4.2 K-means算法的改进 |
| 4.4.3 K-means算法与改进算法的比较验证 |
| 4.5 机车画像标签体系构建实例 |
| 4.5.1 K-means改进算法的应用 |
| 4.5.2 机车完整标签体系的产生 |
| 4.6 本章小结 |
| 5 基于MsEclat算法的铁路机车事故故障多最小支持度关联规则挖掘 |
| 5.1 问题概述 |
| 5.2 MsEclat算法的背景知识 |
| 5.2.1 垂直格式数据集 |
| 5.2.2 支持度、置信度与提升度 |
| 5.2.3 概念格理论 |
| 5.2.4 多最小支持度下的频繁项集判定 |
| 5.2.5 面向有序项目集合的最小支持度索引表 |
| 5.2.6 基于等价类的可连接性判定 |
| 5.3 MsEclat算法原理 |
| 5.3.1 Eclat算法简述 |
| 5.3.2 改进的Eclat算法—MsEclat算法 |
| 5.4 优化的Ms Eclat算法 |
| 5.4.1 基于布尔矩阵的T_(set)位运算求交 |
| 5.4.2 基于MapReduce的等价类并行运算 |
| 5.4.3 大数据场景下优化的MsEclat算法的频繁项集挖掘步骤 |
| 5.5 算法比较验证 |
| 5.5.1 MsEclat算法与水平挖掘算法的对比 |
| 5.5.2 MsEclat算法与其优化算法的对比 |
| 5.6 机车事故故障关联规则挖掘分析 |
| 5.6.1 待分析项目的选取 |
| 5.6.2 关联规则挖掘结果分析 |
| 5.7 本章小结 |
| 6 基于PSO+DE混合优化BP神经网络的铁路机车质量安全态势预测 |
| 6.1 问题概述 |
| 6.2 机车质量等级评价 |
| 6.3 基于机车质量评价项点的特征选择 |
| 6.3.1 灰色关联度分析 |
| 6.3.2 机车质量等级的比较特征选择 |
| 6.4 PSO+DE混合优化BP神经网络 |
| 6.4.1 BP神经网络原理 |
| 6.4.2 PSO算法原理 |
| 6.4.3 DE算法原理 |
| 6.4.4 基于时变概率的PSO+DE混合优化BP神经网络预测模型 |
| 6.5 机车质量安全态势预测分析 |
| 6.5.1 预测模型训练 |
| 6.5.2 预测模型训练结果分析 |
| 6.5.3 预测模型应用分析 |
| 6.6 本章小结 |
| 7 基于铁路机车设备画像理论的铁路机车健康管理应用总体设计 |
| 7.1 机务大数据与机车健康管理 |
| 7.2 铁路机车健康管理应用设计 |
| 7.2.1 设计目标及定位 |
| 7.2.2 总体架构设计 |
| 7.2.3 技术架构设计 |
| 7.3 铁路机车健康管理应用的典型应用场景分析 |
| 7.3.1 设备质量综合分析 |
| 7.3.2 人员运用综合把控 |
| 7.3.3 运输生产综合管理 |
| 7.4 本章小结 |
| 8 某铁路局机车健康管理应用实践 |
| 8.1 应用开发方案 |
| 8.1.1 系统开发环境 |
| 8.1.2 数据调用方式 |
| 8.1.3 分析模型定时任务调用方式 |
| 8.2 机车数据管理功能 |
| 8.2.1 基本数据管理 |
| 8.2.2 视频数据管理 |
| 8.2.3 机务电子地图 |
| 8.3 机车画像标签生成及分析功能 |
| 8.3.1 机车画像标签管理 |
| 8.3.2 单台机车画像分析 |
| 8.3.3 机车设备画像分析 |
| 8.4 机车事故故障关联分析功能 |
| 8.5 机车质量评价分析功能 |
| 8.5.1 单台机车质量安全分析 |
| 8.5.2 机务段级机车质量安全分析 |
| 8.5.3 机务部级机车质量安全分析 |
| 8.5.4 全局机务专业质量安全综合分析 |
| 8.6 机车质量安全态势预测分析功能 |
| 8.7 本章小结 |
| 9 总结与展望 |
| 9.1 本文总结 |
| 9.2 研究展望 |
| 参考文献 |
| 图索引 |
| FIGURE INDEX |
| 表索引 |
| 学位论文数据集 |
| TABLE INDEX |
| 作者简历及攻读博士学位期间取得的科研成果 |
（3）铁路机车乘务员智能实时监测系统研究（论文提纲范文）
| 1 机车乘务安全管理信息系统现状 |
| 2 系统功能 |
| 2.1 工作状态管理 |
| 2.2 健康睡眠管理 |
| 2.3 告警与决策支持 |
| 3 总体架构 |
| 4 部署方案 |
| 5 关键技术 |
| 5.1 人脸关键点检测 |
| 5.2 人体姿态估计 |
| 6 试验验证 |
| 7 结束语 |
（4）智慧车站乘务人员排班系统设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACTS |
| 第一章 绪论 |
| 1.1 本课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文研究内容 |
| 1.4 论文组织结构 |
| 第二章 乘务排班系统关键性技术 |
| 2.1 Web前端开发技术 |
| 2.1.1 HTML5和CSS |
| 2.1.2 Java Script |
| 2.1.3 React框架 |
| 2.2 B/S结构 |
| 2.2.1 B/S结构简介 |
| 2.2.2 B/S结构优点 |
| 2.2.3 B/S结构缺点 |
| 2.3 Node.js |
| 2.4 Oracle数据库 |
| 2.5 遗传算法 |
| 第三章 乘务排班系统需求分析 |
| 3.1 乘务计划概念阐述 |
| 3.1.1 乘务计划组成部分 |
| 3.1.2 乘务计划编制约束 |
| 3.1.3 乘务计划编制流程 |
| 3.2 系统功能性需求分析 |
| 3.2.1 乘务计划编制 |
| 3.2.2 基础信息管理 |
| 3.2.3 指标分析管理 |
| 3.3 系统非功能性需求分析 |
| 3.3.1 系统安全性 |
| 3.3.2 系统可扩展性 |
| 3.3.3 系统可维护性 |
| 3.3.4 系统可靠性 |
| 3.4 系统可行性分析 |
| 3.5 本章小结 |
| 第四章 乘务排班系统设计 |
| 4.1 基于遗传算法的乘务计划编制模块设计 |
| 4.1.1 列车运行信息管理 |
| 4.1.2 乘务片段划分管理 |
| 4.1.3 乘务交路组合管理 |
| 4.1.4 交路回路循环管理 |
| 4.1.5 乘务排班计划管理 |
| 4.2 基础信息管理模块设计 |
| 4.2.1 用户登陆 |
| 4.2.2 用户管理 |
| 4.2.3 权限管理 |
| 4.2.4 统计分析 |
| 4.3 数据库设计 |
| 4.4 本章小结 |
| 第五章 乘务排班系统实现 |
| 5.1 实例分析 |
| 5.2 基于遗传算法的乘务计划编制模块实现 |
| 5.2.1 列车运行信息管理 |
| 5.2.2 乘务片段划分管理 |
| 5.2.3 乘务交路组合管理 |
| 5.2.4 交路回路循环管理 |
| 5.2.5 乘务排班计划管理 |
| 5.3 基础信息管理模块实现 |
| 5.3.1 用户登陆 |
| 5.3.2 用户管理 |
| 5.3.3 权限管理 |
| 5.3.4 统计分析 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读学位期间发表的成果 |
| 致谢 |
（5）集宁机务段双管双控云计算大数据服务平台研究设计探索（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 背景及意义 |
| 1.2 现状分析 |
| 1.2.1 国外现状 |
| 1.2.2 国内及该段现状 |
| 1.3 研究内容 |
| 第2章 机务段需求及现场调研 |
| 2.1 业务需求分析 |
| 2.2 市场需求分析 |
| 2.3 功能需求分析 |
| 2.4 机务段调研及分析 |
| 2.5 平台数据采集技术 |
| 2.6 平台数据管理技术 |
| 2.7 平台管控流程技术 |
| 第3章 双管双控平台设计方案 |
| 3.1 系统结构及组成 |
| 3.1.1 系统架构 |
| 3.1.2 逻辑架构 |
| 3.2 系统基础技术方案 |
| 3.2.1 系统部署方案 |
| 3.2.2 系统工作流程 |
| 3.3 数据管理方案 |
| 3.3.1 数据组成 |
| 3.3.2 数据存储 |
| 3.3.3 数据使用 |
| 3.4 双管双控运行指挥平台 |
| 3.4.1 总体架构 |
| 3.4.2 逻辑架构 |
| 3.4.3 业务应用开发 |
| 3.5 多维数据展现平台 |
| 3.5.1 总体架构 |
| 3.5.2 逻辑架构 |
| 3.5.3 数据大屏 |
| 3.5.4 管控终端系统 |
| 第4章 双管双控平台系统功能 |
| 4.1 系统功能 |
| 4.1.1 平台整体设计 |
| 4.1.2 数据交换平台 |
| 4.2 功能范围 |
| 4.2.1 数据交换平台 |
| 4.2.2 双管双控运行指挥平台 |
| 4.2.3 多维数据展现平台 |
| 4.3 平台功能介绍 |
| 4.3.1 流程管控平台 |
| 4.3.2 业务应用开发 |
| 4.3.3 数据大屏模块 |
| 4.3.4 管控终端系统模块 |
| 4.4 数据应用 |
| 4.4.1 机车乘务员人员画像 |
| 4.4.2 机车画像 |
| 结论 |
| 致谢 |
| 参考文献 |
（6）机务乘务作业动态管理应用系统的设计与实现（论文提纲范文）
| 1 机务乘务作业动态管理应用系统设计 |
| 1.1 系统应用架构设计 |
| 1.1.1 基础设施层 |
| 1.1.2 业务逻辑层 |
| 1.1.3 移动服务层 |
| 1.1.4 终端层 |
| 1.2 系统组成结构设计 |
| 1.2.1 乘务员辅助值乘管理子系统 |
| 1.2.2 指导司机运用管理子系统 |
| 1.2.3 综合信息管理子系统 |
| 2 机务乘务作业动态管理应用系统功能 |
| 2.1 乘务员辅助值乘管理子系统功能 |
| 2.1.1 机车故障和非正常行车的紧急处理 |
| 2.1.2 机车车次卡控功能 |
| 2.1.3 机车乘务员手帐电子化 |
| 2.1.4 机车乘务员出勤传达自动化 |
| 2.1.5 站场信息查询 |
| 2.1.6 业务培训考试功能 |
| 2.1.7 行车相关资料、规章制度、基础资料的管理、存储和查阅 |
| 2.1.8 列车时刻表在线查询 |
| 2.1.9 影像采集 |
| 2.2 指导司机运用管理子系统功能 |
| 2.2.1 基础数据一次填写全程复用 |
| 2.2.2 工作考核、工作记录台账电子化 |
| 2.2.3 班组管理 |
| 2.2.4 移动办公 |
| 2.3 综合信息管理子系统功能 |
| 2.3.1 指导司机日常工作记录统一管理 |
| 2.3.2 干部、指导司机运用动态管理 |
| 2.3.3 指导司机添乘覆盖情况、工作劳动时间统计分析 |
| 2.3.4 安全预警提醒 |
| 2.3.5 指导司机评比 |
| 3 系统关键技术 |
| 3.1 基于Android系统的高效智能搜索引擎 |
| 3.2 基于Android系统的手持终端数据安全性保障 |
| 3.3 适应机务段跨地域现状的无线组网方案 |
| 3.4 VPDN组网技术 |
| 4 结束语 |
（7）铁路机务公司安全信息化综合管理平台构建（论文提纲范文）
| 1 机务安全信息化综合管理平台构建目的 |
| 2 机务安全信息化综合管理平台系统结构 |
| 3 机务运用安全管理信息化模块平台的功能特点 |
| 3.1 乘务运用管理 |
| 3.2 电子名牌管理 |
| 3.3 实现劳时自动计算统计 |
| 3.4 运行揭示辅助管理 |
| 3.5 机务运用电子化管理 |
| 3.5.1 乘务员行车指导管理 |
| 3.5.2 机车乘务员电子手帐 |
| 3.5.3 干部、指导司机管理 |
| 3.5.4 业务培训功能 |
| 3.5.5 实现对各种资料的管理 |
| 3.6 实现乘务员出勤/退勤的自助化办理 |
| 3.6.1 乘务员出退勤管理 |
| 3.6.2 折返点、外段出退勤管理 |
| 3.7 机车视频监控、在线预警、值乘状态监测 |
| 3.8 实现运行项点实时分析 |
| 3.9 综合信息管理平台查询 |
| 3.9.1 大数据查看板 |
| 3.9.2 机车停放管理 |
| 3.1 0 运用数据自动下载 |
| 4 检修中心管理信息系统的构建 |
| 4.1 检修中心管理信息系统开发的目标 |
| 4.2 检修中心管理信息系统的具体功能模块 |
| 5 安全行车数据管理构建 |
| 5.1 安全行车数据管理信息系统构建的目标 |
| 5.2 安全行车数据管理信息系统的具体功能模块 |
| 6 网络硬件 |
| 7 总结 |
（8）铁路货运运营风险数据知识化方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 问题提出与研究意义 |
| 1.1.1 问题提出 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 铁路货运运营风险管理研究现状 |
| 1.2.2 铁路货运运营风险影响因素分析评价 |
| 1.2.3 铁路货运运营风险数据知识化研究 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容与研究框架 |
| 1.3.2 研究方法与技术路线 |
| 2 基本理论 |
| 2.1 风险管理理论 |
| 2.2 情景分析 |
| 2.3 本体及知识推理 |
| 2.3.1 本体定义 |
| 2.3.2 知识化与知识推理 |
| 2.3.3 本体集成 |
| 2.4 神经网络理论 |
| 2.4.1 神经元基本概念 |
| 2.4.2 递推合成BP网络模型 |
| 2.5 本章小结 |
| 3 铁路货运运营风险管理的数字化体系 |
| 3.1 铁路货运运营风险预控模式 |
| 3.1.1 当前铁路货运运营风险控制模式 |
| 3.1.2 铁路货运运营风险管理协同预控模式 |
| 3.2 铁路货运运营风险相关信息系统 |
| 3.2.1 铁路设备监测信息系统 |
| 3.2.2 风险管理系统 |
| 3.3 铁路货运运营风险数据特征分析 |
| 3.3.1 铁路货运运营风险数据来源和分类 |
| 3.3.2 铁路货运运营风险数据知识化处理方式 |
| 3.4 本章小结 |
| 4 铁路货运运营风险全域影响因素分析 |
| 4.1 铁路货运运营风险影响因素分析 |
| 4.1.1 人员因素分析 |
| 4.1.2 装备因素分析 |
| 4.1.3 环境因素分析 |
| 4.1.4 管理因素分析 |
| 4.2 铁路货运运营风险影响因素指标体系建立 |
| 4.3 基于粗糙集的铁路货运运营风险影响因素权重分析 |
| 4.3.1 粗糙集理论 |
| 4.3.2 铁路货运运营风险影响因素知识系统构建 |
| 4.3.3 基于粗糙集的铁路货运运营风险关键影响因素筛选 |
| 4.3.4 铁路货运运营风险关键影响因素权重计算 |
| 4.3.5 铁路货运运营风险关键影响因素权重对比分析 |
| 4.4 本章小结 |
| 5 事故情景文本数据的知识化 |
| 5.1 风险事故情景描述与致因机理解析 |
| 5.1.1 铁路事故情景描述与解析 |
| 5.1.2 风险源挖掘与致因机理解析 |
| 5.2 基于事故情景的风险形式化 |
| 5.2.1 铁路货运运营风险本体构建方法与内容 |
| 5.2.2 铁路货运运营风险本体构建过程 |
| 5.2.3 铁路货运运营风险本体的形式化表示 |
| 5.2.4 风险关联识别模式 |
| 5.3 本章小结 |
| 6 运营设备检测数据的知识化 |
| 6.1 铁路运输装备结构化数据现状分析 |
| 6.1.1 基于物联网的铁路运输装备结构化数据特点 |
| 6.1.2 铁路运输装备结构化数据处理方法 |
| 6.2 基于结构化数据分析的神经网络模型 |
| 6.2.1 BP神经网络模型 |
| 6.2.2 结构化数据分析的神经网络预测模型 |
| 6.3 铁路运输装备结构化数据分析 |
| 6.3.1 铁路轨道几何不平顺理论分析 |
| 6.3.2 铁路轨道结构化数据统计分析 |
| 6.4 实证研究 |
| 6.4.1 BP神经网络模型的构建 |
| 6.4.2 网络的精度检测与预测 |
| 6.4.3 线路不平顺状态预警 |
| 6.5 本章小结 |
| 7 运营风险情景的知识再发现 |
| 7.1 铁路货运运营风险情景分析 |
| 7.2 事故-风险本体数据知识化扩展 |
| 7.2.1 铁路货运运营风险影响因子知识化 |
| 7.2.2 结构化风险数据知识的集成 |
| 7.3 事故-风险本体的情景化扩展 |
| 7.3.1 事故情景分析 |
| 7.3.2 事故情景建模 |
| 7.3.3 本体集成 |
| 7.3.4 代码实现 |
| 7.4 本章小结 |
| 8 结论与展望 |
| 8.1 本文主要结论 |
| 8.2 论文的主要创新点 |
| 8.3 研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（9）新时期包头西机务段铁路机车运用质量管理研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题的背景和意义 |
| 1.2 国内外发展情况及研究现状 |
| 1.3 本文主要内容 |
| 1.3.1 优化传统机车检修模式 |
| 1.3.2 提高机车整备质量保障能力 |
| 1.3.3 转变机车运用管理方式 |
| 1.4 本文研究的目的 |
| 1.5 本文研究主要方法 |
| 第2章 呼铁局集团公司机务系统发展背景及现状 |
| 2.1 全国铁路发展现状 |
| 2.2 内蒙古自治区经济发展现状 |
| 2.3 呼铁局集团公司基本情况 |
| 2.4 呼铁局集团公司包头西机务段基本情况 |
| 2.5 铁路机务生产指标及基本概念 |
| 2.6 铁路机车运用指标及计算方法 |
| 2.7 2009至2016年呼铁局集团公司机车运用指标情况 |
| 2.8 近几年包头西机务段机车运用质量情况 |
| 2.9 实际生产对机车运用质量管理的影响 |
| 2.10 铁路机车运用质量管理评价标尺 |
| 第3章 传统机车检修模式的优化 |
| 3.1 包头西机务段传统的机车检修方式与作业流程 |
| 3.1.1 包头西机务段机车辅、小修检修作业流程 |
| 3.1.2 包头西机务段机车整备作业流程 |
| 3.1.3 包头西机务段机车辅小修与机车整备作业相关联的作业流程 |
| 3.2 包头西机务段传统机车检修模式的不足 |
| 3.3 根据作业流程再造理念形成的新型机车检修模式 |
| 3.4 再造后的检修作业流程的组织结构变化 |
| 3.5 机车检修作业流程再造后的显着特点 |
| 3.6 再造后的新型机车检修模式下的信息化技术支持 |
| 3.7 本章小结 |
| 第4章 机车整备质量保障的提升 |
| 4.1 机车整备信息管理系统研究设计的概况 |
| 4.2 机车整备信息管理系统的层次结构 |
| 4.3 机车整备信息管理系统的构成 |
| 4.4 机车整备信息管理系统的信息数据去向 |
| 4.5 建设机车整备信息管理系统的目标 |
| 4.6 本章小结 |
| 第5章 机车运用管理方式的转变 |
| 5.1 万吨重载列车操作能力水平的加强 |
| 5.1.1 万吨重载列车起动操作技术 |
| 5.1.2 万吨重载列车制动操作技术 |
| 5.1.3 万吨重载列车坡道运行操作技术 |
| 5.2 机车乘务方式和机车运用交路的转变 |
| 5.2.1 包头西机务段机车值乘组织方式 |
| 5.2.2 机车运用实行长交路运行需要满足的条件 |
| 5.2.3 实行长交路轮乘制方式需解决的问题 |
| 5.2.4 机车在长交路运行的运用效率 |
| 5.3 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
（10）编组站综合自动化本务机综合管控技术的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 依托课题 |
| 1.1.2 研究背景 |
| 1.2 国内外研究发展现状 |
| 1.2.1 国外研究和发展现状 |
| 1.2.2 国内研究和发展现状 |
| 1.3 研究的思路和主要内容 |
| 1.3.1 研究思路 |
| 1.3.2 研究的主要内容 |
| 1.4 本文的结构 |
| 2 编组站及相关信息系统 |
| 2.1 编组站概述 |
| 2.1.1 编组站及其分类 |
| 2.1.2 编组站的主要作业 |
| 2.1.3 编组站本务机车运用流程 |
| 2.1.4 本务机车出入段作业流程 |
| 2.2 SAM系统简介 |
| 2.2.1 SAM系统的体系结构 |
| 2.2.2 SAM系统实现的功能 |
| 2.2.3 SAM系统的作业流程 |
| 2.3 TDMS系统简介 |
| 2.3.1 系统结构 |
| 2.3.2 系统功能 |
| 2.4 机务运安系统简介 |
| 2.4.1 机车运用管理 |
| 2.4.2 乘务管理 |
| 2.4.3 安全管理 |
| 2.4.4 日常技术业务学习管理 |
| 2.5 机车车号自动识别系统 |
| 2.6 本章小结 |
| 3 系统需求分析及设计方案 |
| 3.1 系统需求分析 |
| 3.2 系统设计方案 |
| 3.3 系统关键技术 |
| 3.4 本章小结 |
| 4 系统技术方案 |
| 4.1 本务机车作业计划方案 |
| 4.1.1 车站阶段计划编制步骤 |
| 4.1.2 精确叫班时间推算 |
| 4.1.3 本务机车出入库计划编制 |
| 4.2 本务机车状态跟踪方案 |
| 4.2.1 本务机车型号识别 |
| 4.2.2 本务机状态跟踪 |
| 4.3 本务机车作业防控方案 |
| 4.3.1 计划防控方案 |
| 4.3.2 本务机车进路安全防控 |
| 4.4 系统数据接口方案 |
| 4.4.1 与TDMS系统接口 |
| 4.4.2 与机务运用安全管理信息系统接口 |
| 4.4.3 与机车车号自动识别系统接口方案 |
| 4.4.4 与车站施工管理系统接口方案 |
| 4.4.5 与集中控制系统(SAM系统)接口方案 |
| 4.4.6 与高清货检系统接口方案 |
| 4.5 系统网络安全防护方案 |
| 4.5.1 防火墙安全策略配置 |
| 4.5.2 系统自身加固防护 |
| 4.6 本章小结 |
| 5 系统实现 |
| 5.1 硬件实现方案 |
| 5.1.1 硬件架构方案 |
| 5.1.2 系统硬件配置 |
| 5.1.3 系统网络构成 |
| 5.2 系统软件设计 |
| 5.2.1 系统软件架构 |
| 5.2.2 系统开发环境 |
| 5.2.3 系统软件部署 |
| 5.2.4 系统软件模块划分 |
| 5.3 本章小结 |
| 6 研究总结 |
| 6.1 研究成果 |
| 6.2 主要技术指标对比 |
| 6.2.1 既有模式下本务机运用主要技术经济指标 |
| 6.2.2 编组站本务机运用管控系统主要技术经济指标 |
| 6.3 应用前景及展望 |
| 参考文献 |
| 作者简历及攻读学位期间取得的科研成果 |
| 学位论文数据集 |
四、机车乘务员综合管理信息自动生成系统（论文参考文献）
- [1]列车编组顺序表电子化传递系统方案研究[J]. 丁正刚. 铁路计算机应用, 2021(08)
- [2]铁路机车设备画像理论及关键技术研究[D]. 李鑫. 中国铁道科学研究院, 2021(01)
- [3]铁路机车乘务员智能实时监测系统研究[J]. 柴文宇,陈姝. 铁路计算机应用, 2020(12)
- [4]智慧车站乘务人员排班系统设计与实现[D]. 周凤. 广东工业大学, 2020(02)
- [5]集宁机务段双管双控云计算大数据服务平台研究设计探索[D]. 姚智禄. 西南交通大学, 2020(07)
- [6]机务乘务作业动态管理应用系统的设计与实现[J]. 赫海泉,苏浩天. 铁路计算机应用, 2019(11)
- [7]铁路机务公司安全信息化综合管理平台构建[J]. 董云丰. 科技与创新, 2019(18)
- [8]铁路货运运营风险数据知识化方法研究[D]. 彭丽宇. 北京交通大学, 2019(01)
- [9]新时期包头西机务段铁路机车运用质量管理研究[D]. 康健. 西南交通大学, 2019(04)
- [10]编组站综合自动化本务机综合管控技术的研究[D]. 王海祥. 中国铁道科学研究院, 2019(08)