面向调线调坡的点云大数据分析及深度模型研究

• 作者: 张志轶 王熙照 胡雷 邱运军
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 实际隧道 理论隧道 偏差 点云大数据 侵限值 设计线路 深度学习 梯度下降 极值
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 吴文俊人工智能科学技术奖论坛
• 页码范围: 795-803
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11992/tis.201911027

摘要

已建成的隧道与原始的设计隧道之间的偏差信息对于地铁线路的安全调整非常重要.然而,目前还没有明确的数学公式能够准确地描述和度量这个偏差.目前主流的做法是通过人工测量具有相同间隔的截面的侵限值,并对这些侵限值进行累加求和,最终得到该偏差,这种方式存在误差大、耗时、成本高等缺点.为了解决这些问题,提出了一种新的基于深度神经网络的偏差表示方法,其能够基于点云大数据学习到设计线路的参数与侵限值之间的内在联系,进而预测出能够使得侵限值的和最小的参数,这些参数可以被用来辅助地铁线路的安全调整.在一个采集于实际地铁工程中的数据集上的实验结果表明,该方法能快速地计算出合适的调线调坡方案,并且只需要很少的计算机内存资源.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡雷		1	0	0.0	0.0
2	邱运军		1	0	0.0	0.0
3	王熙照		1	0	0.0	0.0
4	张志轶		1	0	0.0	0.0