XiaoMi-AI文件搜索系统
World File Search System列车
液态有机氢载体能源可靠性...
但能量密度低导致续航里程不足。因此，电池可能适合弥补电力供应的短暂缺口。1然而，对于长途旅行，需要其他提供更高能量密度的存储技术。一个有趣的选择是氢动力列车。一些氢动力列车的示范项目已经实现。2尽管如此，压缩氢气的能量密度对于许多应用来说仍然不足。LOHC技术是一种有前途的克服这一问题的方法。3-5LOHC（液态有机氢载体）通过可逆催化加氢以化学键合形式储存氢。特别是，铂催化剂在LOHC释放氢气方面表现出良好的性能。6巨大的优势在于它可以储存
孟买 MRTS 项目 - MMRDA
孟买 MRTS 项目主要特点 1. 轨距（标称） 1435 毫米 2. 线路长度（死角间） 高架 11.07 公里 3. 车站数量 高架 12 座 4. 交通预测（独立系统） 每日客流量 PHPDT（十万） 2011 年 4.28 15,565 2021 年 6.65 23,590 2031 年 8.83 30,550 5. 列车运营 2011 2021 2031 a) 设计 PHPDT 14136 17670 23560 b) 设计列车间隔 3 分钟 3 分钟 3 分钟 c) 运营间隔 5 分钟 4 分钟 3 分钟 d) 列车组成 4 辆车 4 辆车e) 所需车厢数 56 64 80 6. 设计速度 80 公里/小时 7. 牵引电源 a) 牵引系统电压 25 KV ac b) 架空接触网电流收集 c) 变电站 2 号 8. 机车车辆 a) 3.20 米宽的现代机车车辆，车身为不锈钢材质。 b) 车轴载荷 - 17 吨 c) 座位安排 - 纵向 d) 4 节车厢的载客量 - 1178 名乘客 e) 舱位等级 - 一
![初步沟通 基于人工智能的车载自动列车障碍物距离估计 Ivan ĆIRIĆ*、Milan PAVLOVIĆ、Milan BANIĆ、Miloš SIMONOVIĆ、Vlastimir NIKOLIĆ 摘要：本文提出了一种新方法，利用图像平面单应性矩阵来改进对摄像机和成像物体之间距离的估计。该方法利用两个平面（图像平面和铁轨平面）之间的单应性矩阵和一个人工神经网络，可根据收集的实验数据减少估计误差。SMART 多传感器车载障碍物检测系统有 3 个视觉传感器——一个 RGB 摄像机、一个热成像摄像机和一个夜视摄像机，以实现更高的可靠性和稳健性。虽然本文提出的方法适用于每个视觉传感器，但所提出的方法是在热成像摄像机和能见度受损场景下进行测试的。估计距离的验证是根据从摄像机支架到实验中涉及的物体（人）的实际测量距离进行的。距离估计的最大误差为 2%，并且所提出的 AI 系统可以在能见度受损的情况下提供可靠的距离估计。 关键词：人工神经网络；自动列车运行；距离估计；单应性；图像处理；机器视觉 1 简介 通过遵循自动化趋势，可以大大提高铁路货运的质量和成本竞争力，以实现经济高效、灵活和有吸引力的服务。今天，自动化和自主操作已经在公路、航空和海运中变得普遍。现代港口拥有自动导引车 (AGV)，可将集装箱从起重机运送到轨道旁、仓库、配送中心，而自动驾驶仪是航空公司和大型货船的标准配置，不需要大量机上人员。自动驾驶汽车和卡车的发展已经进入了一个严肃的阶段。此外，轨道交通自主系统的发展主要出现在公共交通服务领域（无人驾驶地铁线路、轻轨交通 (LRT)、旅客捷运系统和自动引导交通 (AGT)）。基本思想是使用一定程度的自动化，将操作任务从驾驶员转移到列车控制系统（例如 ERTMS）。根据国际电工委员会 (IEC) 标准 62290-1，列车自主运行 (ATO) 是高度自动化系统的一部分，减少了驾驶员的监督 [1]。对于完全自主的列车运行，列车操作员的所有活动和职责都需要由多个系统接管，这些系统可以感知环境并俯瞰现场，检测列车路径上的潜在危险物体并做出相应的正确反应 [2-6]。障碍物检测系统作为 ATO 系统的主要部分，障碍物检测系统需要根据货运特定和一般用例（例如 EN62267 和/或自动化领域的相关项目）来监控环境。为了满足严格的铁路标准和法规，障碍物检测系统 (ODS) 应在具有挑战性的环境和恶劣的能见度条件下工作。ODS 是一种具有硬件和软件解决方案的机器视觉系统（图 1），用于提供有关铁路上和/或其附近障碍物的可靠信息，并估算从系统到检测到的障碍物的距离 [7]。该系统需要实时运行，并在不同的光照条件下运行（白天、](/simg/g:\will\search\icon\source\4\4b79ebb2e692147077c5f05290fe6b1288b2aad1.png)
初步沟通 基于人工智能的车载自动列车障碍物距离估计 Ivan ĆIRIĆ*、Milan PAVLOVIĆ、Milan BANIĆ、Miloš SIMONOVIĆ、Vlastimir NIKOLIĆ 摘要：本文提出了一种新方法，利用图像平面单应性矩阵来改进对摄像机和成像物体之间距离的估计。该方法利用两个平面（图像平面和铁轨平面）之间的单应性矩阵和一个人工神经网络，可根据收集的实验数据减少估计误差。SMART 多传感器车载障碍物检测系统有 3 个视觉传感器——一个 RGB 摄像机、一个热成像摄像机和一个夜视摄像机，以实现更高的可靠性和稳健性。虽然本文提出的方法适用于每个视觉传感器，但所提出的方法是在热成像摄像机和能见度受损场景下进行测试的。估计距离的验证是根据从摄像机支架到实验中涉及的物体（人）的实际测量距离进行的。距离估计的最大误差为 2%，并且所提出的 AI 系统可以在能见度受损的情况下提供可靠的距离估计。 关键词：人工神经网络；自动列车运行；距离估计；单应性；图像处理；机器视觉 1 简介 通过遵循自动化趋势，可以大大提高铁路货运的质量和成本竞争力，以实现经济高效、灵活和有吸引力的服务。今天，自动化和自主操作已经在公路、航空和海运中变得普遍。现代港口拥有自动导引车 (AGV)，可将集装箱从起重机运送到轨道旁、仓库、配送中心，而自动驾驶仪是航空公司和大型货船的标准配置，不需要大量机上人员。自动驾驶汽车和卡车的发展已经进入了一个严肃的阶段。此外，轨道交通自主系统的发展主要出现在公共交通服务领域（无人驾驶地铁线路、轻轨交通 (LRT)、旅客捷运系统和自动引导交通 (AGT)）。基本思想是使用一定程度的自动化，将操作任务从驾驶员转移到列车控制系统（例如 ERTMS）。根据国际电工委员会 (IEC) 标准 62290-1，列车自主运行 (ATO) 是高度自动化系统的一部分，减少了驾驶员的监督 [1]。对于完全自主的列车运行，列车操作员的所有活动和职责都需要由多个系统接管，这些系统可以感知环境并俯瞰现场，检测列车路径上的潜在危险物体并做出相应的正确反应 [2-6]。障碍物检测系统作为 ATO 系统的主要部分，障碍物检测系统需要根据货运特定和一般用例（例如 EN62267 和/或自动化领域的相关项目）来监控环境。为了满足严格的铁路标准和法规，障碍物检测系统 (ODS) 应在具有挑战性的环境和恶劣的能见度条件下工作。ODS 是一种具有硬件和软件解决方案的机器视觉系统（图 1），用于提供有关铁路上和/或其附近障碍物的可靠信息，并估算从系统到检测到的障碍物的距离 [7]。该系统需要实时运行，并在不同的光照条件下运行（白天、
初步沟通 基于人工智能的车载自动列车障碍物距离估计 Ivan ĆIRIĆ*、Milan PAVLOVIĆ、Milan BANIĆ、Miloš SIMONOVIĆ、Vlastimir NIKOLIĆ 摘要：本文提出了一种新方法，利用图像平面单应性矩阵来改进对摄像机和成像物体之间距离的估计。该方法利用两个平面（图像平面和铁轨平面）之间的单应性矩阵和一个人工神经网络，可根据收集的实验数据减少估计误差。SMART 多传感器车载障碍物检测系统有 3 个视觉传感器——一个 RGB 摄像机、一个热成像摄像机和一个夜视摄像机，以实现更高的可靠性和稳健性。虽然本文提出的方法适用于每个视觉传感器，但所提出的方法是在热成像摄像机和能见度受损场景下进行测试的。估计距离的验证是根据从摄像机支架到实验中涉及的物体（人）的实际测量距离进行的。距离估计的最大误差为 2%，并且所提出的 AI 系统可以在能见度受损的情况下提供可靠的距离估计。 关键词：人工神经网络；自动列车运行；距离估计；单应性；图像处理；机器视觉 1 简介 通过遵循自动化趋势，可以大大提高铁路货运的质量和成本竞争力，以实现经济高效、灵活和有吸引力的服务。今天，自动化和自主操作已经在公路、航空和海运中变得普遍。现代港口拥有自动导引车 (AGV)，可将集装箱从起重机运送到轨道旁、仓库、配送中心，而自动驾驶仪是航空公司和大型货船的标准配置，不需要大量机上人员。自动驾驶汽车和卡车的发展已经进入了一个严肃的阶段。此外，轨道交通自主系统的发展主要出现在公共交通服务领域（无人驾驶地铁线路、轻轨交通 (LRT)、旅客捷运系统和自动引导交通 (AGT)）。基本思想是使用一定程度的自动化，将操作任务从驾驶员转移到列车控制系统（例如 ERTMS）。根据国际电工委员会 (IEC) 标准 62290-1，列车自主运行 (ATO) 是高度自动化系统的一部分，减少了驾驶员的监督 [1]。对于完全自主的列车运行，列车操作员的所有活动和职责都需要由多个系统接管，这些系统可以感知环境并俯瞰现场，检测列车路径上的潜在危险物体并做出相应的正确反应 [2-6]。障碍物检测系统作为 ATO 系统的主要部分，障碍物检测系统需要根据货运特定和一般用例（例如 EN62267 和/或自动化领域的相关项目）来监控环境。为了满足严格的铁路标准和法规，障碍物检测系统 (ODS) 应在具有挑战性的环境和恶劣的能见度条件下工作。ODS 是一种具有硬件和软件解决方案的机器视觉系统（图 1），用于提供有关铁路上和/或其附近障碍物的可靠信息，并估算从系统到检测到的障碍物的距离 [7]。该系统需要实时运行，并在不同的光照条件下运行（白天、
并行系统_DOE_ARPA-E
NREL 和 RailTEC 将评估 Parallel 车辆的能源效率和环境效益。Parallel 的技术将是 NREL 先进机车技术和铁路基础设施优化系统 (ALTRIOS) 软件评估的首批技术之一。ALTRIOS 是由 ARPA-E 资助的工具，旨在模拟和优化能源转换和存储动态、列车动态、交会通行计划（详细列车时刻表）和货运需求驱动的列车调度。ALTRIOS 将帮助确定 Parallel 运行和维护其系统所需的最佳能量，使公司能够满足充电需求。该软件还将评估分布式储能的优点，并研究使用自动驾驶汽车实现的网络容量和弹性的提高。
创新报告-2023-sncf.pdf
加强铁路行业各利益相关方（工业集团、中小企业、研究机构和学术界）之间的协同作用，以加速行业创新，这是我们 2023 年的首要任务。通过这种积极的动员，特别是在铁路行业研究和创新指导委员会 CORIFER 内部，我们制定了共同的未来愿景。针对 2023-2030 年期间，我们制定了优先创新项目路线图，以指导法国 2030 投资计划。该路线图围绕四大主题（未来的工业和基础设施、包容性出行、零碳列车和智能列车）展开，强化了我们的战略，该战略旨在使铁路运输成为包容性、脱碳、弹性和高效出行的支柱。
1928 年 3 月纽约中央线杂志
此次安装标志着纽约中央铁路公司任命的专家委员会 24 年不懈努力的成功，该委员会旨在寻找或开发令人满意的自动列车控制系统。该委员会的调查花费了 900,000 美元。经过大量的研究和实验，最终选定了现在使用的间歇性列车控制系统，因为它最符合法律要求和纽约中央铁路的运行条件。虽然 1926 年 7 月 18 日投入使用的 2,734 英里轨道上的安装是根据州际商务委员会的命令号13,413 进行的，但其余 4,697 英里是由纽约中央铁路公司自愿配备的；也就是说，没有州际商务委员会的命令。
