-
公开(公告)号：CN118714655B
公开(公告)日：2024-11-08
申请号：CN202411183719.3
申请日：2024-08-27
Applicant: 北京鼎兴达信息科技股份有限公司
IPC: H04W72/0457 , H04B17/309 , H04B17/336 , H04B17/345 , H04B17/382 , H04W72/542 , H04L1/00
Abstract: 本发明公开了一种基于5G‑R的数据通信方法及系统，方法包括：将可用频谱动态分配给5G‑R网络的多个通信单元；在每个分配到频谱的通信单元内，对通信信道的信道状态进行实时监测，计算当前信道的多维信噪比和综合误码率；根据所述综合误码率，确定对应的通信调制方式和编码方案；对待传输数据拆分为多个通信单元对应的多组子数据，利用对应确定的通信调制方式和编码方案，将各组子数据分别进行调制和编码，并通过对应的通信单元进行传输。利用本发明实施例，能够提升铁路通信系统的频谱利用率和通信质量，满足现代铁路系统对高带宽、低延迟和高可靠性通信的需求。
-
公开(公告)号：CN118714530A
公开(公告)日：2024-09-27
申请号：CN202411183538.0
申请日：2024-08-27
Applicant: 北京鼎兴达信息科技股份有限公司
Abstract: 本发明公开了一种基于5G‑R的一体化监测方法及系统，方法包括：通过5G‑R网络采集铁路系统工作状态的传感器数据；根据传感器数据，计算铁路系统的监测状态评估值；基于监测状态评估值和预设安全阈值，判断铁路系统的工作状态，并在铁路系统处于异常工作状态时计算表示异常程度的预警响应指数；根据铁路系统的工作状态和所述预警响应指数，对铁路系统进行一体化自动监测和响应，并将监测状态评估值、铁路系统的工作状态和预警响应指数通过5G‑R网络发送至铁路系统的相应终端，实现可视化监测管理。利用本发明实施例，能够利用5G‑R网络的优势，提高铁路系统的监测精度和响应速度，并在出现异常时快速响应，从而有效提升铁路系统的安全管理水平。
-
公开(公告)号：CN119294729A
公开(公告)日：2025-01-10
申请号：CN202411341705.X
申请日：2024-09-25
Applicant: 北京鼎兴达信息科技股份有限公司
IPC: G06Q10/0631 , G06Q50/40 , G06F18/214 , G06F18/2411
Abstract: 本发明公开了一种基于AI模型训练的铁路调度安全数据聚合处理方法，包括如下步骤：S1、从多个数据源收集铁路调度相关的数据，包括列车运行数据、调度命令、轨道状况、信号信息和气象数据，对收集到的数据进行清洗和标准化处理，S2、利用深度学习中的多模态融合方法将不同类型的数据整合，S3、从融合后的数据集中提取关键特征，采用自编码器方法进行时间序列特征提取，使用XGBoost进行特征选择，S4、利用处理后的数据集进行AI模型训练，选择随机森林进行训练；S5、将训练好的AI模型应用于实时数据。本发明为提高铁路调度系统的安全性和智能化水平提供了坚实的技术支撑。
-
Patent Agency Ranking
公开(公告)号：CN118981503A
公开(公告)日：2024-11-19
申请号：CN202411190744.4
申请日：2024-08-28
Applicant: 北京鼎兴达信息科技股份有限公司
Abstract: 本发明公开了一种基于分布式网络架构的多模态AI模型训练方法，包括如下步骤：S1、通过分布式文件系统HDFS存储多模态数据，并采用gRPC协议在节点之间传输多模态数据；S2、对所述多模态数据进行初步预处理；S3、利用改进的Paxos一致性算法在多节点之间进行数据一致性保障，并使用分布式数据库Apache Cassandra进行数据存储；S4、通过Nginx负载均衡技术均衡各节点任务负载；S5、利用Prometheus分布式监控系统实时监控节点状态；S6、采用TensorFlow Distributed分布式训练框架，进行并行训练；S7、对所述多模态数据进行进一步处理和特征提取；S8、利用注意力机制对不同模态的数据特征进行融合。本发明通过分布式网络架构和多模态数据融合技术，实现了高效、快速、可靠的AI模型训练。
-
公开(公告)号：CN118982780A
公开(公告)日：2024-11-19
申请号：CN202411190749.7
申请日：2024-08-28
Applicant: 北京鼎兴达信息科技股份有限公司
IPC: G06V20/40 , G06V20/52 , G06V40/20 , G06N3/0464 , G06V10/82 , G06N20/10 , G06V10/764 , G06N3/0442 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/092 , G06V10/774 , G06V10/776 , G06V10/77
Abstract: 本发明公开了基于AI技术的车站扶梯人员行为安全智能分析系统，包括如下步骤：S1、实时采集视频数据，并进行预处理；S2、通过卷积神经网络对预处理后的视频数据进行分析，使用三维卷积神经网络识别异常行为；S3、实时采集扶梯的振动、温度和速度数据；S4、使用改进支持向量机进行分析，分类故障模式并进行预测；S5、整合数据存储于大数据平台，形成历史数据；S6、通过长短期记忆网络、自动编码器和生成对抗网络进行大规模训练，生成异常预警；S7、利用计算机视觉技术识别人流密度数据，动态调整扶梯的运行速度；S8、利用云计算技术建立远程监控平台，进行远程监控和维护。本发明结合AI算法实现扶梯安全智能分析，具备实时监控和故障预测的优点。
-
公开(公告)号：CN118982207A
公开(公告)日：2024-11-19
申请号：CN202411190743.X
申请日：2024-08-28
Applicant: 北京鼎兴达信息科技股份有限公司
IPC: G06Q10/0631 , G06Q10/0635 , G06Q10/04 , G06Q50/40 , G06F18/214 , G06F18/21 , G06F18/25 , G06F18/213 , G06N20/00 , G06N3/0455 , G06N20/20 , G06N5/01 , G06N3/0985 , G06F18/243
Abstract: 本发明公开了一种基于AI模型训练的铁路调度安全数据聚合处理方法，包括如下步骤：S1、从多个数据源收集铁路调度相关的数据，包括列车运行数据、调度命令、轨道状况、信号信息和气象数据，对收集到的数据进行清洗和标准化处理，S2、利用深度学习中的多模态融合方法将不同类型的数据整合，S3、从融合后的数据集中提取关键特征，采用自编码器方法进行时间序列特征提取，使用XGBoost进行特征选择，S4、利用处理后的数据集进行AI模型训练，选择随机森林进行训练；S5、将训练好的AI模型应用于实时数据。本发明为提高铁路调度系统的安全性和智能化水平提供了坚实的技术支撑。
-
公开(公告)号：CN118714655A
公开(公告)日：2024-09-27
申请号：CN202411183719.3
申请日：2024-08-27
Applicant: 北京鼎兴达信息科技股份有限公司
IPC: H04W72/0457 , H04B17/309 , H04B17/336 , H04B17/345 , H04B17/382 , H04W72/542 , H04L1/00
Abstract: 本发明公开了一种基于5G‑R的数据通信方法及系统，方法包括：将可用频谱动态分配给5G‑R网络的多个通信单元；在每个分配到频谱的通信单元内，对通信信道的信道状态进行实时监测，计算当前信道的多维信噪比和综合误码率；根据所述综合误码率，确定对应的通信调制方式和编码方案；对待传输数据拆分为多个通信单元对应的多组子数据，利用对应确定的通信调制方式和编码方案，将各组子数据分别进行调制和编码，并通过对应的通信单元进行传输。利用本发明实施例，能够提升铁路通信系统的频谱利用率和通信质量，满足现代铁路系统对高带宽、低延迟和高可靠性通信的需求。
-
公开(公告)号：CN118714530B
公开(公告)日：2024-11-29
申请号：CN202411183538.0
申请日：2024-08-27
Applicant: 北京鼎兴达信息科技股份有限公司
Abstract: 本发明公开了一种基于5G‑R的一体化监测方法及系统，方法包括：通过5G‑R网络采集铁路系统工作状态的传感器数据；根据传感器数据，计算铁路系统的监测状态评估值；基于监测状态评估值和预设安全阈值，判断铁路系统的工作状态，并在铁路系统处于异常工作状态时计算表示异常程度的预警响应指数；根据铁路系统的工作状态和所述预警响应指数，对铁路系统进行一体化自动监测和响应，并将监测状态评估值、铁路系统的工作状态和预警响应指数通过5G‑R网络发送至铁路系统的相应终端，实现可视化监测管理。利用本发明实施例，能够利用5G‑R网络的优势，提高铁路系统的监测精度和响应速度，并在出现异常时快速响应，从而有效提升铁路系统的安全管理水平。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.045 seconds)
