CN104678951B - 一种ctcs‑3级列控车载实时信息抽取装置 - Google Patents
一种ctcs‑3级列控车载实时信息抽取装置 Download PDFInfo
- Publication number
- CN104678951B CN104678951B CN201510023656.XA CN201510023656A CN104678951B CN 104678951 B CN104678951 B CN 104678951B CN 201510023656 A CN201510023656 A CN 201510023656A CN 104678951 B CN104678951 B CN 104678951B
- Authority
- CN
- China
- Prior art keywords
- data
- train
- unit
- risk
- crawled
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000013480 data collection Methods 0.000 claims abstract description 22
- 238000010276 construction Methods 0.000 claims description 39
- 238000006073 displacement reaction Methods 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 18
- 230000000694 effects Effects 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000005538 encapsulation Methods 0.000 claims description 11
- 230000009193 crawling Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 230000005484 gravity Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 230000005284 excitation Effects 0.000 claims description 7
- 238000001556 precipitation Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 5
- 238000005311 autocorrelation function Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000005055 memory storage Effects 0.000 claims description 4
- 239000000523 sample Substances 0.000 claims description 4
- 239000002689 soil Substances 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000001314 paroxysmal effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供一种CTCS‑3级列控车载实时信息抽取装置，包括实际操作侦听单元，列车状态接收单元，地质数据分析单元，列车进路单元，自然环境数据收集单元，列车信息爬取单元，搜索策略单元和风险决策单元。用于保证前后列车在高速追踪运行时的安全，对列车的安全信息进行连续、实时、准确的抽取，能够满足高速列车在运营中的安全控制要求。
Description
技术领域
本发明涉及高速铁路技术领域，尤其涉及一种基于高铁控制技术风险与故障控制领域中的产品。
背景技术
从CTCS-3级列车运行安全的角度来考虑，当一辆列车在封闭运行时，对于安全方面的考虑，可以将安全所涉及的信息分为常规安全信息和变化安全信息；通常安全所涉及的信息由这两种信息混合而成；比如说常规安全包括列车速度信息、列车位置信息、列车基本参数、线路数据以及行车环境条件等六大类，这六大类仅仅是针对列车的信息，而实际上还包括轨道安全信息，供电安全信息等。变化安全信息涉及的是外部的突然影响，一般分为自然环境和施工环境两大类，即行车环境条件是影响列车运行的外在条件的总称。主要包括天气状况、自然灾害、线路塌方、外电网状况、落物、事故等信息，是影响列车正常运行的重要因素。这两大类都是突发性的安全信息影响，而这两种信息互相作用后会给列车的常规安全信息带来风险，因此称之为混合性的安全信息分析。如何对混合性的安全信息进行混合收集与分析，并排除干扰，抽取有用的信息是传统方法所不能解决的，传统的固定闭塞将线路划分为无数个轨道区段，利用轨道继电器的状态来判断列车占用和线路空闲，粗略地检测列车位置，定位误差为一个闭塞分区长度。尤其是当列车速度达到200km/h以上后，列车紧急制动距离变长，要保证前后列车在高速追踪运行时的安全，需要对列车的安全信息进行连续、实时、准确的抽取，误差尽可能要小，因此传统的用轨道电路来检测列车安全信息的方法已无法满足高速列车的安全控制要求，需要依靠其他技术手段来实现。
由于CTCS-3级设备的增加导致系统复杂程度增大，各种信息传输路径延长，并使时效性受到影响。同时，不同的数据发送有可能发生冲突并导致信息错误。此外，由于列车运行速度很高，系统对接口处理能力要求极高，一旦接口出现问题，将危及行车安全。因此，为了进一步提高系统安全，有必要得到一种更为高效的列车实时信息的抽取及判断方法，从而降低CTCS-3系统出现错误的几率，提高高速铁路CTCS-3系统最关键的涉安信息抽取成功率。
基于以上问题，本发明相较于以往司机加列控中心操作等传统方式，其数据抽取用于决策的作用有明显的增加。尤其是人参与的繁复性及需要投入的人力物力成本都大大减少，即本发明实现了一种有助于高铁领域的列车安全运营实时信息抽取的装置系统。
发明内容
本发明要解决的技术问题是：1、数据抓取精度提高。2、提高基于数据的决策可靠性。
为解决上述问题，本发明提供以下技术方案：
一种CTCS-3级列控车载实时信息抽取方法装置包括实际操作侦听单元，列车状态接收单元，地质数据分析单元，列车进路单元，自然环境数据收集单元，列车信息爬取单元，搜索策略单元和风险决策单元；
首先列控中心对施工区域进行权限赋予，施工区域放置施工单位的探头，通过探头把施工区域的数据实时传送给实际操作侦听单元，实际操作侦听单元包括轨道压力传感器，重力传感器，陀螺仪，轨道位移误差仪；
轨道压力传感器对轨道进行压力计算，压力计算的第一公式为：
第一公式P＝∫∫μv(H2-η2)dσ；
其中P为施工区域在作业时列车瞬间经过的区域时所计算出的轨道压力值；μ为轨道板的密度，v为施工区域在作业时列车瞬间经过的速度，H为施工区域与列车之间的距离，η为列车车身通过受影响轨道板的区域，dσ为压力元素；
通过第一公式得出施工区域在作业时列车瞬间经过的区域时所计算出的轨道压力值，并传送给列车状态接收单元；
重力传感器的作用是收集施工区域在作业时对列车本身的细微加速度的影响，通过列车加速度对重力传感器产生变形，并且通过测量其变形量并用相关电路转化成电压输出，然后把电压输出进行记录并传送给列车状态接收单元；
陀螺仪的作用是收集施工区域在作业时对列车本身的位移的影响，通过列车的位移对陀螺仪产生变形，并且通过测量其变形量并用相关电路转化成电压输出，然后把电压输出进行记录并传送给列车状态接收单元；
轨道位移误差仪是收集施工区域在作业时对轨道本身的位移的影响，由三个装置组成，一个存储器，一个位移误差校准和两个圆形探柱，一个位移误差校准和两个圆形探柱的目的是输出轨道位移偏差的三维数据和角度数据，通过存储器存储为位差矩阵的形式，并传送给列车状态接收单元；
列车状态接收单元还要接收整个封闭行车区域的轨道探伤数据，路基沉降数据，供电数据，信号系统通信数据，线路基础数据；通过自相关函数判断上述数据对运行中列车的影响，并传送给状态缓存模块；
自然环境数据收集单元包括收集地震基础数据和天气基础数据，天气基础数据包括降水和气压值，收集得到的地震基础数据和天气基础数据传送给地质数据分析单元；
然后地质数据分析单元通过对列车行车区域的封闭环境的土质和坡度的计算，计算出异物滚落速率；
地质数据分析单元包括数据收集模块，数据收集模块通过异物撞击数据和异物滚落速率计算出对轨旁和轨道的设备影响，并且传送给列车状态接收单元；
列车进路单元包括进路表更新模块，进路表缓存模块；进路表更新模块里的进路表由列控中心实时更新，并且随后将更新后的进路表缓存到进路表缓存模块；
列车信息爬取单元包括自然环境数据爬取，列车状态数据爬取，列车进路数据爬取和列车位置数据模块四大功能；
列车状态接收单元、列车进路单元和自然环境数据收集单元发出的数据使用时间戳和XML格式以进行数据封装得到封装数据，封装数据作为列车信息爬取单元的输入；
列车信息爬取单元包括自然环境数据爬取，列车进路数据爬取，列车状态数据爬取和列车位置数据模块；其中列车位置数据模块是从列车本身抽取的列车位置信息数据，包括列车的绝对位置信息和列车的相对位置信息，列车的绝对位置信息包括列车停在火车站中地标信息，方位信息；列车的相对位置信息包括多辆列车之间的间距信息；列车位置信息数据进行关键信息和非关键信息区分，用锚标签封装，由列车信息爬取单元爬取；
列车信息爬取单元利用封装数据里的时间戳和XML格式从列车状态接收单元中爬取整个封闭行车区域的轨道探伤数据，路基沉降数据，供电数据，信号系统通信数据，线路基础数据；从自然环境数据收集单元中爬取地震基础数据和天气基础数据，天气基础数据包括降水和气压值；从列车进路单元爬取更新后的进路表；
列车信息爬取单元将爬取后得到的各种数据加上从列车位置数据模块抽取的列车位置信息数据作为向量进行数据封装，每个向量都带有时间戳，得到带时间戳爬取后列车数据，作为搜索策略单元的输入；同时，对带时间戳爬取后列车数据建立多径时变传输信道模型，利用所建的多径时变传输信道模型产生的数据，根据实际的传输信道受噪声影响的情况，对所建的多径时变传输信道模型增加噪声，模拟得到模拟后带时间戳爬取后列车数据；将带时间戳爬取后列车数据与模拟后带时间戳爬取后列车数据比对，去除带时间戳爬取后列车数据中的信号衰弱造成的数据噪声；
搜索策略单元包括布尔检索的比对和夹角余弦系数的比对，其作用是：根据带时间戳爬取后列车数据进行风险检索；首先利用布尔检索对带时间戳爬取后列车数据中的高风险数据直接对比检出，送交风险决策单元；
对于非高风险数据，将带时间戳爬取后列车数据进行数据向量表示，其中数据向量的分量为爬取后得到的各种带时间戳数据中含有的列车状态接收单元中出来的数据，自然环境数据收集单元中出来的数据，列车进路单元中出来的数据及列车位置信息数据；风险数据库里存储着风险记录向量，用y表示；带时间戳爬取后列车数据中的数据向量用x表示；当带时间戳爬取后列车数据中的数据向量x与任一风险数据库中风险记录向量的函数关系用第二公式得到的cos值大于0.5时，将带时间戳爬取后列车数据中的数据向量提交给风险决策单元；
第二公式
其中，第二公式中xi代表带时间戳爬取后列车数据中数据向量的第i个分量，yi q代表风险数据库中第q条风险记录向量的第i个分量，i＝1…n，q＝1…m,m和n为自然数；
风险决策单元包括激励模块，判断模块和决策数据库；激励模块采用数据流和状态帧的方式将布尔检索得到的带时间戳爬取后列车数据中的高风险数据和根据cos值判断的带时间戳爬取后列车数据中的数据向量都转换成统一格式的风险数据，并且根据部分的统一格式的风险数据建立基本模型，预测整体的统一格式的风险数据，并计算相应的误差，然后在基本模型的基础上，利用在列车不同速度下产生的统一格式的风险数据，分析运动速度对基本模型的准确度影响；
判断模块的作用是风险决策和给出解决方法；将激励模块给出的统一格式风险数据与决策数据库中的决策进行比对，最后给出CTCS-3级列控车载实时信息抽取的风险决策和解决方法。
附图说明
图1为本发明的体系结构图；
图2为本发明的轨道位移误差仪体系结构图；
图3为本发明的方法步骤图；
图4为本发明的实施例2的体系结构图；
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行详细的说明。应当说明的是，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，能实现同样功能的产品属于等同替换和改进，均包含在本发明的保护范围之内。具体方法如下：
实施例1：如图1所示：
本发明的最佳实施例包括有实际操作侦听单元，列车状态接收单元，地质数据分析单元，列车进路单元，自然环境数据收集单元，列车信息爬取单元，搜索策略单元，风险决策单元这四大部分，每部分都独立完成不同的功能。
如图3如示，参考图1和图2，本实施例中的决策之前必须对数据进行爬取，而爬取之前又要对错误或者是风险相关的数据进行鉴别。比如说常规安全信息包括列车速度信息、列车位置信息、列车基本参数、线路数据以及行车环境条件等六大类，我们在实际操作中不光考虑这六大类，这六大类仅仅是针对列车的信息，而实际上还包括轨道安全信息，供电安全信息等会对整个行车区间产生变化，变化安全信息我们考虑的是外部的突然影响，一般分为自然环境和施工环境两大类。因此需要根据CTCS-3系统本身的影响对列车的影响作出判断。列控中心是系统中的大脑中抠，尤其是施工单位要进行监管，施工单位一般指的列车经过的城市，乡村及各铁路局对系统的维护。首先列控中心对施工区域进行权限赋予，施工区域放置施工单位的探头，通过探头把施工区域的数据实时传送给实际操作侦听单元，实际操作侦听单元包括轨道压力传感器，重力传感器，陀螺仪，轨道位移误差仪；
轨道压力传感器对轨道进行压力计算，压力计算的第一公式为：P＝∫∫μv(H2-η2)dσ；其中P为施工区域在作业时列车瞬间经过的区域时所计算出的轨道压力值；μ为轨道板的密度，v为施工区域在作业时列车瞬间经过的速度，H为施工区域与列车之间的距离，η为列车车身通过受影响轨道板的区域，dσ为压力元素；
重力传感器的作用和陀螺仪的作用是收集施工区域对列车本身的细微加速度和本身的位移的影响，通过测量其变形量并用相关电路转化成电压输出，然后把电压输出进行记录并传送给列车状态接收单元；轨道位移误差仪是收集施工区域对轨道本身的位移的影响，由三个装置组成，其中最重要的是位移误差校准和两个圆形探柱，目的是输出轨道位移偏差的三维数据和角度数据，通过存储器存储为位差矩阵的形式，传送给列车状态接收单元；
整个封闭行车区域的轨道探伤数据，路基沉降数据，供电数据，信号系统通信数据，线路基础数据，其实也不光这些数据，在图4中我们示出其他几种数据，这些数据在实际中都是要进行考虑的，并且可以通过模块进行增加或者是删除；通过自相关函数判断上述数据对运行中列车是分别起到什么样的影响；另外地震基础数据和天气基础数据，天气基础数据包括降水和气压值，地震数据和天气数据都是要进行收集的，通过地质数据分析单元对列车行车区域的封闭环境的土质和坡度的计算，计算出异物对轨旁和轨道的影响，并且传送给列车状态接收单元；地质数据分析单元包括数据收集模块，通过异物撞击数据和异物滚落速率计算出对轨旁和轨道的设备影响；
列车进路指的是列车进入站场，信号机、区段或者是列车在运行时的区段，信号机的状态变化，直接影响着列车的线路变更，并且在发现危险时及时调整线路，实际中一般都采取环线冗余进行常规预防进路错误。因此列车进路单元主要是用于控制列车的进路表，包括进路表更新模块，列车缓存模块；进路表更新模块由列控中心实时更新，并且随后缓存到进路表缓存模块；
信息爬取单元包括自然环境数据爬取，列车进路数据爬取，列车位置数据模块和列车状态数据爬取四大功能；列车状态接收单元、列车进路单元和自然环境数据收集单元发出的数据经过时间戳和XML格式以进行数据封装得到封装数据，并作为列车信息爬取单元的输入。列车信息爬取单元利用封装数据里的时间戳和XML格式数据中的锚标签从列车状态接收单元中爬取轨道探伤数据，路基沉降数据，供电数据，信号系统通信数据，线路基础数据；从自然环境数据收集单元中爬取地震基础数据和天气基础数据，天气基础数据包括降水和气压值，通过对地震基础数据和天气基础数据；列车进路单元爬取进路表数据；列车信息爬取单元将爬取后得到的各种带时间戳数据作为搜索策略单元的输入。
爬取后得到的各种带时间戳数据按照时间戳和列车信息进行数据封装，得到带时间戳爬取后列车数据。对多径时变传输信道进行建立信道模型，并利用所建的信道模型产生的数据，根据实际信道受噪声影响的情况，对所建的信道模型增加噪声，模拟带时间戳爬取后列车数据。将带时间戳爬取后列车数据与模拟数据比对，去除带时间戳爬取后列车数据中的信号衰弱造成的数据噪声，这是为了消除列车在高速运行中信息传送的损耗。
搜索策略模块包括布尔检索和夹角余弦系数比对，根据带时间戳爬取后列车数据进行风险检索；因为风险数据分为高风险和非高风险数据，所以要根据不同的情况进行处理，本实施例利用布尔检索对带时间戳爬取后列车数据中的高风险数据直接检出，送交风险决策单元；对于非高风险数据，将带时间戳爬取后列车数据进行向量表示，其中向量的分量为爬取后得到的各种带时间戳数据中列车状态接收单元中出来的数据，自然环境数据收集单元中出来的数据，从列车进路单元中出来的数据，从列车位置信息单元出来的数据；风险数据库里存储着风险记录向量，用y表示风险记录向量；用x表示带时间戳爬取后列车数据中的数据向量；当带时间戳爬取后列车数据中的数据向量与任一风险数据库中风险记录向量的函数关系用第二公式得到的cos值大于0.5时，将带时间戳爬取后列车数据中的数据向量提交给风险决策单元；
第二公式
其中，第二公式中xi代表带时间戳爬取后列车数据向量的第i个分量，yi q代表风险数据库中第q条风险记录向量的第i个分量，i＝1…n，q＝1…m,m和n为自然数，代表风险数据库中风险记录的数目；
风险决策单元里有激励模块和判断模块，其中激励模块采用数据流和状态帧的方式将布尔检索得到的带时间戳爬取后列车数据中的高风险数据和根据cos的值判断得到的带时间戳爬取后列车数据中的数据向量都转换成统一格式的风险数据，建立基本模型是为了能自我学习和自我验证，并且根据部分的统一格式的风险数据建立基本模型，预测整体的统一格式的风险数据，并计算相应的误差，然后在基本模型的基础上，利用在列车不同速度下产生的统一格式的风险数据，分析运动速度对基本模型的准确度影响；判断模块的作用是风险决策和给出解决方法；将激励模块给出的统一格式风险数据与决策数据库中的决策进行比对；然后给出CTCS-3实时信息抽取的风险决策和解决方法。
实施例2：如图4所示：
如图4所示，除了实施例1，在实际中CTCS-3级列控车载实时信息抽取方法装置还考虑了别的设备和所考虑的数据，其包括一实际操作侦听单元，一列车状态接收单元，一地质数据分析单元，一列车进路单元，一自然环境数据收集单元，一列车信息爬取单元，一搜索策略单元，风险决策单元；从整个系统对错误数据的收集和分析来说，并不局限这些系统，其中包括若干个工业摄像头(图中未标示)和一个视频采集卡(图中未标示)，在铁路施工中，一般采用高性能的测速传感器来获取列车实时运行数据并转换成数字信号，将其提供给车载计算系统。计算系统根据收到的运行信息，利用系统设定的程序计算实时数据阈值，并将当前列车速度情况下还可以把轨道高低变位，车辆摇动测定，车辆车速变化测定，轨道角度误差通过传感器反映给列车，列车带有的列车状态接收单元会接收这些数据。
如图2所示为本发明的CTCS-3级列控车载实时信息抽取方法装置的较佳实施例的轨道位移误差仪示意图。轨道位移误差仪是由三个装置组成，一个位移误差校准和两个圆形探柱，两个圆形探柱计算轨道位移偏差的三维数据和角度数据，通过轨道的偏转对圆柱体的偏移和重心的偏传，得到位差矩阵的形式，并求出和积，然后再进行存储器存储，然后传送给列车状态接收单元。
图3请结合图1，如图3所示，本系统的流程开始，进入收集风险相关数据步骤，通过列控中心的指挥，施工单位要对施工区域进行上报，并且实时监控，列车在行车时经过施工区域，获得采集卡输入采集数据，判断施工区域对列车车身，运行轨迹的影响，并且还要摒弃掉无关信息，使信息量大为简化，从而减少了后续流程的数据处理量。
然后还要进行数据处理与过滤，本实施例2是通过自相关函数，判断各种因素的数据对列车的影响，比如说延迟和识别，其中要识别的数据有整个封闭行车区域的轨道探伤数据，路基沉降数据，供电数据，信号系统通信数据，线路基础数据；然后把这些数据影响传送给状态缓存模块；自然环境数据收集单元包括收集地震基础数据和天气基础数据，天气基础数据包括降水和气压值，通过对地震数据和天气数据的收集，通过地质数据分析单元对列车行车区域的封闭环境的土质和坡度的计算，计算异物对轨旁和轨道的影响，传送给列车状态接收单元；实际运行中，不但还要包括以上地震和天气对区域的影响，还要考虑破坏作用，其中封闭区域的人为进入破坏轨道的可能非常小，但需要考虑空中抛物对铁轨和轨道的位移产生的影响，这样就可以把异物数据转化成铁轨和轨道道基数据，建立轨道变化的三维模型和角度模型。另外在实际操作中可把区域简化为圆形或者是椭圆形，然后地质数据分析单元中的数据接收模块，通过异物撞击数据和异物滚落速率计算出对轨旁和轨道的设备影响；列车进路单元包括进路表更新模块，列车缓存模块；进路表更新模块由列控中心实时更新，并且随后缓存到进路表缓存模块；
然后接下来的步骤是信息爬取，包括自然环境数据爬取，列车进路数据爬取，列车状态数据爬取和列车位置数据模块四大功能；
本实施例中的搜索策略采用的是包括布尔检索和夹角余弦系数比对，对带时间戳爬取后列车数据进行风险检索；利用布尔检索对带时间戳爬取后列车数据中的高风险数据直接检出，送交风险决策单元；对于非高风险数据，将带时间戳爬取后列车数据进行向量表示，其中向量的分量为爬取后得到的各种带时间戳数据中列车状态接收单元中出来的数据，自然环境数据收集单元中出来的数据，从列车进路单元中出来的数据，从列车位置信息单元出来的数据；
判断风险步骤主要是识别风险，风险数据库里存储着风险记录向量，用y表示风险记录向量；带时间戳爬取后列车数据中的数据向量，用x表示带时间戳爬取后列车数据中的数据向量；当带时间戳爬取后列车数据中的数据向量与任一风险数据库中风险记录向量的函数关系进行函数处理得到的值大于0.5时，将带时间戳爬取后列车数据中的数据向量提交给风险决策单元；
决策步骤主要是风险决策单元，如图4所示，本实施例2可以采用自学习模块和专家系统，自学习模块建立基本模型，专家系统根据分析运动速度对基本模型的准确度影响；判断模块的作用是风险决策和给出解决方法。
本发明设计的CTCS-3级列控车载实时信息抽取方法装置，其有以下优点：
实时性：应用该系统，可以让列控中心实时了解列车在运行时整个系统各种设备的动态数据。司机便捷地对高铁安全有着快速的反应。
可靠性：应用该系统，可以有效过滤无关数据，避免人为地引入错误，从而导致不可避免的后果。
Claims (1)
1.一种CTCS-3级列控车载实时信息抽取装置，其特征在于：
包括实际操作侦听单元，列车状态接收单元，地质数据分析单元，列车进路单元，自然环境数据收集单元，列车信息爬取单元，搜索策略单元和风险决策单元；
首先列控中心对施工区域进行权限赋予，施工区域放置施工单位的探头，通过探头把施工区域的数据实时传送给所述实际操作侦听单元，所述实际操作侦听单元包括轨道压力传感器，重力传感器，陀螺仪，轨道位移误差仪；
所述轨道压力传感器对轨道进行压力计算，压力计算的第一公式为：
第一公式P＝∫∫μv(H2-η2)dσ；
其中P为施工区域在作业时，列车瞬间经过该区域时所述轨道压力传感器所计算出的轨道压力值；其中μ为轨道板的密度，v为施工区域作业时列车瞬间经过的速度，H为施工区域与列车之间的距离，η为列车本身通过受影响轨道板的区域，dσ为压力元素；
通过第一公式得出施工区域在作业时列车瞬间经过的区域时的轨道压力值，并传送给所述列车状态接收单元；
所述重力传感器的作用是收集施工区域在作业时对列车本身的细微加速度的影响，通过列车加速度对重力传感器产生变形，并且通过测量其变形量并用相关电路转化成电压输出，然后把所述电压输出进行记录并传送给所述列车状态接收单元；
所述陀螺仪的作用是收集施工区域在作业时对列车本身的位移的影响，通过列车位移对所述陀螺仪产生变形，并且通过测量其变形量并用相关电路转化成电压输出，然后把所述电压输出进行记录并传送给所述列车状态接收单元；
所述轨道位移误差仪是收集施工区域在作业时对轨道本身的位移的影响，由三个装置组成，一个存储器，一个位移误差校准和两个圆形探柱，一个位移误差校准和所述两个圆形探柱的目的是输出轨道位移偏差的三维数据和角度数据，通过所述存储器存储为位差矩阵的形式，并传送给所述列车状态接收单元；
所述列车状态接收单元还要接收整个封闭行车区域的轨道探伤数据，路基沉降数据，供电数据，信号系统通信数据，线路基础数据；通过自相关函数判断上述数据对运行中列车的影响，并传送给状态缓存模块；
所述自然环境数据收集单元包括收集地震基础数据和天气基础数据，所述天气基础数据包括降水和气压值，收集得到的所述地震基础数据和所述天气基础数据传送给所述地质数据分析单元；
然后所述地质数据分析单元通过对列车行车区域的封闭环境的土质和坡度的计算，计算出异物滚落速率；
所述地质数据分析单元包括数据收集模块，所述数据收集模块通过异物撞击数据和所述异物滚落速率计算出对轨旁和轨道的设备影响，并且传送给列车状态接收单元；
所述列车进路单元包括进路表更新模块，进路表缓存模块；所述进路表更新模块里的进路表由列控中心实时更新，并且随后将更新后的进路表缓存到进路表缓存模块；
所述列车信息爬取单元包括自然环境数据爬取，列车状态数据爬取，列车进路数据爬取和列车位置数据模块四大功能；
所述列车状态接收单元、所述列车进路单元和所述自然环境数据收集单元发出的数据使用时间戳和XML格式以进行数据封装得到封装数据，所述封装数据作为所述列车信息爬取单元的输入；
所述列车信息爬取单元包括自然环境数据爬取，列车进路数据爬取，列车状态数据爬取和列车位置数据模块；其中所述列车位置数据模块是从列车本身抽取的列车位置信息数据，包括列车的绝对位置信息和列车的相对位置信息，所述列车的绝对位置信息包括列车停在火车站中地标信息，方位信息；所述列车的相对位置信息包括多辆列车之间的间距信息；所述列车位置信息数据进行关键信息和非关键信息区分，用锚标签封装，由所述列车信息爬取单元爬取；
所述列车信息爬取单元利用所述封装数据里的时间戳和XML格式从所述列车状态接收单元中爬取所述整个封闭行车区域的所述轨道探伤数据，所述路基沉降数据，供电数据，所述信号系统通信数据，所述线路基础数据；从所述自然环境数据收集单元中爬取所述地震基础数据和所述天气基础数据，所述天气基础数据包括降水和气压值；从所述列车进路单元爬取所述更新后的进路表；
所述列车信息爬取单元将爬取后得到的各种数据加上从所述列车位置数据模块抽取的所述列车位置信息数据作为向量进行数据封装，每个向量都带有时间戳，得到带时间戳爬取后列车数据，作为所述搜索策略单元的输入；同时，对所述带时间戳爬取后列车数据建立多径时变传输信道模型，利用所建的所述多径时变传输信道模型产生的数据，根据实际的传输信道受噪声影响的情况，对所建的所述多径时变传输信道模型增加噪声，模拟得到模拟后带时间戳爬取后列车数据；将所述带时间戳爬取后列车数据与所述模拟后带时间戳爬取后列车数据比对，去除带时间戳爬取后列车数据中的信号衰弱造成的数据噪声；
所述搜索策略单元包括布尔检索的比对和夹角余弦系数的比对，其作用是：根据所述带时间戳爬取后列车数据进行风险检索；首先利用布尔检索对带时间戳爬取后列车数据中的高风险数据直接对比检出，送交所述风险决策单元；
对于非高风险数据，将所述带时间戳爬取后列车数据进行数据向量表示，其中数据向量的分量为爬取后得到的各种带时间戳数据中含有的所述列车状态接收单元中出来的数据，所述自然环境数据收集单元中出来的数据，所述列车进路单元中出来的数据及所述列车位置信息数据；风险数据库里存储着风险记录向量，用y表示；所述带时间戳爬取后列车数据中的数据向量用x表示；当所述带时间戳爬取后列车数据中的数据向量x与任一风险数据库中风险记录向量的函数关系用第二公式得到的cos值大于0.5时，将所述带时间戳爬取后列车数据中的数据向量提交给风险决策单元；
第二公式
其中第二公式中xi代表所述带时间戳爬取后列车数据中数据向量的第i个分量，yi q代表风险数据库中第q条风险记录向量的第i个分量，i＝1…n，q＝1…m,m和n为自然数；
风险决策单元包括激励模块，判断模块和决策数据库；所述激励模块采用数据流和状态帧的方式将所述布尔检索得到的带时间戳爬取后列车数据中的高风险数据和根据所述cos值判断的所述带时间戳爬取后列车数据中的数据向量都转换成统一格式风险数据，并且根据部分的所述统一格式的风险数据建立基本模型，预测整体的所述统一格式的风险数据，并计算相应的误差，然后在所述基本模型的基础上，利用在列车不同速度下产生的所述统一格式的风险数据，分析运动速度对所述基本模型的准确度影响；
判断模块的作用是风险决策和给出解决方法；将所述激励模块给出的所述统一格式风险数据与所述决策数据库中的决策进行比对，最后给出CTCS-3级列控车载实时信息抽取的风险决策和解决方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510023656.XA CN104678951B (zh) | 2015-01-16 | 2015-01-16 | 一种ctcs‑3级列控车载实时信息抽取装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510023656.XA CN104678951B (zh) | 2015-01-16 | 2015-01-16 | 一种ctcs‑3级列控车载实时信息抽取装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104678951A CN104678951A (zh) | 2015-06-03 |
| CN104678951B true CN104678951B (zh) | 2017-11-28 |
Family
ID=53314182
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510023656.XA Expired - Fee Related CN104678951B (zh) | 2015-01-16 | 2015-01-16 | 一种ctcs‑3级列控车载实时信息抽取装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104678951B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109510745A (zh) * | 2017-09-14 | 2019-03-22 | 株洲中车时代电气股份有限公司 | 一种io数据采集的配置方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101807314A (zh) * | 2009-02-17 | 2010-08-18 | 同济大学 | 嵌入式车辆工况混杂异构数据信息实时处理方法 |
| CN102343923A (zh) * | 2011-07-07 | 2012-02-08 | 北京和利时系统工程有限公司 | 一种列车自动监控系统及列车跟踪方法 |
| CN103198218A (zh) * | 2013-04-01 | 2013-07-10 | 中铁工程设计咨询集团有限公司 | 近接隧道对高速铁路路基的风险评估方法和装置 |
| CN104217367A (zh) * | 2014-09-16 | 2014-12-17 | 北京交通大学 | 一种轨道交通线路动态安全风险评价方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102005051077A1 (de) * | 2005-10-25 | 2007-04-26 | Siemens Ag | Verfahren zum Erfassen und Berücksichtigen von Seitenwindbelastungen bei einem in Fahrt befindlichen Schienenfahrzeug und dessen entsprechend ausgeführter Endwagen |
| JP2010225113A (ja) * | 2009-03-25 | 2010-10-07 | Railway Technical Res Inst | 鉄道の地震被災時のリスクマネジメントシステム |
-
2015
- 2015-01-16 CN CN201510023656.XA patent/CN104678951B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101807314A (zh) * | 2009-02-17 | 2010-08-18 | 同济大学 | 嵌入式车辆工况混杂异构数据信息实时处理方法 |
| CN102343923A (zh) * | 2011-07-07 | 2012-02-08 | 北京和利时系统工程有限公司 | 一种列车自动监控系统及列车跟踪方法 |
| CN103198218A (zh) * | 2013-04-01 | 2013-07-10 | 中铁工程设计咨询集团有限公司 | 近接隧道对高速铁路路基的风险评估方法和装置 |
| CN104217367A (zh) * | 2014-09-16 | 2014-12-17 | 北京交通大学 | 一种轨道交通线路动态安全风险评价方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104678951A (zh) | 2015-06-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107406090B (zh) | 异常车辆动态检测 | |
| CN103770780B (zh) | 一种车辆主动安全系统告警屏蔽装置 | |
| US20120203402A1 (en) | Intelligent Railway System for Preventing Accidents at Railway Passing Points and Damage to the Rail Track | |
| CN107657813A (zh) | 基于行车轨迹的高速公路交通执法判别方法 | |
| CN108961767A (zh) | 基于四维实景交通仿真的高速公路稽查追逃费报警系统 | |
| CN108645628A (zh) | 基于道路驾驶技能的自动驾驶汽车测试系统 | |
| CN104442827B (zh) | 基于智能手机的路面坑洞探测方法 | |
| CN110133669B (zh) | 一种三维激光异物侵限监测方法及系统 | |
| CN107533630A (zh) | 用于远程感测和车辆控制的实时机器视觉和点云分析 | |
| CN101407223B (zh) | 铁路沿线风力监测系统及基于该系统的行车指导方法 | |
| CN107633683A (zh) | 用于车辆超载的非现场执法管理系统 | |
| CN102945603A (zh) | 检测交通事件的方法及电子警察装置 | |
| CN106373461A (zh) | 驾培管理服务系统及其方法 | |
| TWI613108B (zh) | 針對事故的駕駛行為分析系統及方法 | |
| CN107424410A (zh) | 一种基于路径旅行时间计算的交通异常检测方法 | |
| CN105711621B (zh) | 一种智能铁鞋溜逸位移与报警检测装置与方法 | |
| CN110285877A (zh) | 基于Spark Streaming的列车实时定位跟踪与速度计算方法 | |
| Wu et al. | A novel skateboarder-related near-crash identification method with roadside LiDAR data | |
| CN106056929A (zh) | 一种车速检测方法及其装置 | |
| Sharma et al. | S-road assist: Road surface conditions and driving behavior analysis using smartphones | |
| CN106184235A (zh) | 一种轨道车辆系统 | |
| CN109947024A (zh) | 一种基于移动终端的轨道交通数据监测方法 | |
| CN108290585A (zh) | 用于以比较控制方式检测脱轨的方法和设备 | |
| CN104678951B (zh) | 一种ctcs‑3级列控车载实时信息抽取装置 | |
| CN203941595U (zh) | 一种地铁防逃票电子报警装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20180930 Address after: 130021 computer school, Jilin University, 2699 Qianjin Street, Changchun, Jilin. Patentee after: Jilin University Address before: 130021 computer school, Jilin University, 2199 construction street, Changchun, Jilin Patentee before: Guan Renchu |
|
| TR01 | Transfer of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171128 Termination date: 20200116 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |