智慧轨道交通——更透彻的感知

计算机应用 ›› 2012, Vol. 32 ›› Issue (05): 1196-1198.

智慧轨道交通——更透彻的感知

陈向东,杨斌

西南交通大学信息科学与技术学院，成都 610031

收稿日期:2011-12-02 修回日期:2012-02-06 发布日期:2012-05-01 出版日期:2012-05-01
通讯作者: 陈向东
作者简介:陈向东(1967-)，男，重庆万州人，教授，博士，主要研究方向：传感技术、物联网；杨斌（1955-），男，四川内江人，教授，主要研究方向：嵌入式系统、物联网。
基金资助:
中央高校基本科研业务费专项资金资助项目(A0920502050907-294)

Smart rail transportation-in-depth sensing and perceiving

CHEN Xiang-dong,YANG Bin

College of Information Science and Technology，Southwest Jiaotong University，Chengdu Sichuan 610031，China

Received:2011-12-02 Revised:2012-02-06 Online:2012-05-01 Published:2012-05-01
Contact: CHEN Xiang-dong

摘要/Abstract

摘要： 智慧轨道交通不仅是当前轨道交通行业的新理念，同时也是该行业进一步发展所面临的重大技术课题。提升现代轨道交通系统的智慧水平，首先必须使轨道交通系统对自身和外部环境具有“更透彻的感知”能力，使系统内的“人、机、物”的信息具有更广泛的互联互通的能力，使系统具有更加深入的智能化的信息处理能力，从而达到系统的高度智能化，实现系统与行业的运作“智慧化”。分析了智慧轨道交通中“更透彻的感知”的发展方向与趋势，从“敏锐”、“快捷”、“可靠”、 “高效”、“全面”和“ 智能”多个角度来探讨如何在智慧轨道交通行业运作和智能轨道交通系统中实现“更透彻的感知”。

关键词: 轨道交通, 智能传感器, 响应速度, 灵敏度, 数据融合, 射频识别

Abstract: Smart Rail Transportation (SRT) is a new concept in rail transportation industry and poses technical challenges for the academic circle as well as the industry. It involves "in-depth sensibility and perceptibility", "extensive interconnectivity and interoperability among human beings, computers, and physical objects", and "premier intelligent data processing" to aim at SRT. Having analyzed the development trend pertinent to in-depth sensing and perceiving in SRT, this paper provided a comprehensive discussion on the requirements of relevant techniques, characterized by "sharpness", "swiftness", "reliability", "high-efficiency", "completeness", and "intelligence" in SRT.

Key words: Rail Transportation(RS), intelligent sensor, response speed, sensitivity, data fusion, Radio Frequency Identification (RFID)

中图分类号:

TP277
U239.5

陈向东杨斌. 智慧轨道交通——更透彻的感知[J]. 计算机应用, 2012, 32(05): 1196-1198.

CHEN Xiang-dong YANG Bin. Smart rail transportation-in-depth sensing and perceiving[J]. Journal of Computer Applications, 2012, 32(05): 1196-1198.

[1]	刘艺, 杨国利, 郑奇斌, 李翔, 周杨森, 陈德鹏. 无人系统数据融合流水线架构设计[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2536-2543.
[2]	罗玮, 刘金全, 张铮. 融合秘密分享技术的双重纵向联邦学习框架[J]. 《计算机应用》唯一官方网站, 2024, 44(6): 1872-1879.
[3]	刘长庚, 刘亚丽, 陆琪鹏, 李涛, 林昌露, 祝义. 抵抗物理克隆攻击的车载遥控门锁双因子认证协议[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3375-3384.
[4]	张瑛琪, 彭大卫, 李森, 孙莹, 牛强. 基于单标签射频识别的唇语识别算法[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1762-1769.
[5]	秦晓, 成苗, 张绍兵, 何莲, 石向文, 王品学, 曾尚. 工业场景下基于秩信息对YOLOv4的剪枝[J]. 《计算机应用》唯一官方网站, 2022, 42(5): 1417-1423.
[6]	徐海文, 史家财, 汪腾. 基于深度全连接神经网络的离港航班延误预测模型[J]. 《计算机应用》唯一官方网站, 2022, 42(10): 3283-3291.
[7]	吴恺凡, 殷新春. 基于随机运算符的轻量级匿名射频识别系统双向认证协议[J]. 计算机应用, 2021, 41(6): 1621-1630.
[8]	刘艳, 张玉. 基于Logistic映射的射频识别防碰撞算法[J]. 计算机应用, 2020, 40(8): 2334-2339.
[9]	屈景怡, 曹磊, 陈敏, 董樑, 曹烨琇. 基于团簇随机连接的CliqueNet航班延误预测模型[J]. 计算机应用, 2020, 40(8): 2420-2427.
[10]	徐晓翔, 常相茂, 陈方进. 基于RFID标签阵列的睡眠期间呼吸量连续监测系统[J]. 计算机应用, 2020, 40(5): 1534-1538.
[11]	林政, 吕霞付. 基于改进模糊算法的水面无人艇自主避障[J]. 计算机应用, 2019, 39(9): 2523-2528.
[12]	黄丰雨, 吴业福, 陈镜任, 吴冰. 基于区域道路实况数据的交通行为谱分析方法[J]. 计算机应用, 2019, 39(3): 907-912.
[13]	丁景全, 马博, 李晓. 基于融合时空数据的车辆加油行为多视图深度异常检测框架[J]. 计算机应用, 2019, 39(11): 3370-3375.
[14]	邱津怡, 罗俊, 李秀, 贾伟, 倪福川, 冯慧. 基于卷积神经网络的多尺度葡萄图像识别方法[J]. 计算机应用, 2019, 39(10): 2930-2936.
[15]	黄可可, 刘亚丽, 殷新春. 基于位重排变换的超轻量级RFID双向认证协议[J]. 计算机应用, 2019, 39(1): 118-125.