CN107614353A - 建立和管理列车编组的系统和方法 - Google Patents

Abstract

用于管理、组合、解散和确认列车编组，并监视铁路站场中的轨道车的铁路站场管理系统。所述系统提供数据的收集，和数据从较低处理级到较高处理级的转移，在较高处理级中，推断引擎导出关于铁路站场内的轨道车和列车编组的当前状态的推断。根据用于导出所述推断的方法和可用数据，所述推断被赋予置信度。所述系统可用于跟踪铁路站场中的轨道车的位置和定向，和确认列车编组中的资产的顺序和定向。

Description

建立和管理列车编组的系统和方法

相关申请

本申请要求2015年5月27日提交的序列号62/167015的美国临时专利申请和2015年10月21日提交的序列号62/244543的美国临时专利申请的优先权，上述专利申请通过引用整体包含在本文中。

背景技术

对铁路所有者和运营者来说，能够实时定位和组织资产(包括轨道车(railcar)、机车和列车编组)已变得日益重要。从运营的角度看，对铁路运营者来说，重要的是判定轨道车是位于铁路站场(railyard)的边界之内还是之外，是在移动还是静止的，以及轨道车是列车编组的一部分，还是未被连接到其他轨道车。

对轨道车的状态的掌握使运营者可以判定在任意给定时刻，轨道车是正被使用还是空闲，从而提供帮助铁路站场运行的管理的手段。

作为目前的行业惯例，铁路运营中的列车编组和铁路站场的管理依赖于在路网中的固定点处读取附着到各个轨道车的无源射频识别(RFID)标签。尽管这种方法向铁路运营者提供资产的签入/签出列表，不过它缺少当不在RFID读取器的范围内时，能够及时地传送信息(比如位置、状态、条件和/或性能数据)的动态无线网络的益处。另外，一般编码到RFID标签中的信息是静态的，于是，RFID标签不能提供轨道车的当前状态。此外，目前的系统不提供在列车编组离开铁路站场之前，确认列车编组的机制。在建立列车编组时，可能出现错误，这种错误的结果可以是列车编组中的轨道车的缺失、不正确或者多余。还存在可能与在列车编组离开铁路站场之前利用人为干预来视觉确认列车编组关联的安全风险。

于是，理想的是在铁路站场中，设置一种列车编组管理系统，以使建立和确认列车编组的管理更容易。意图消除错误，和降低对进行当前系统的人工处理的人类的安全风险。另外，使所述处理自动化可提高铁路站场的管理效率，从而降低成本。

考虑到所述需求和铁路列车运行于的恶劣环境，任何监视系统都必须皮实、可靠并且能够无维护地或者以很少的维护长时间工作。由于仅仅在北美就有不止150万货运轨道车，全球数以百万计，因此非常需要监视使用中的和闲置在铁路站场中的所有轨道车的系统，因而，该系统需要是可扩展的，以处理非常大量的可能设备。

在2010年3月30日发布的美国专利7,688,218，2015年5月5日发布的美国专利9,026,281，2013年12月26日公布的美国专利申请2013/0342362，2014年11月26日提交的PCT申请PCT/US2014/067739，和2014年12月24日提交的PCT申请PCT/US2014/072380中，公开了列车/轨道通信和传感器系统，所有这些专利和专利申请的全部公开内容通过引用包含在本文中。

发明内容

本发明的一个目的是提供一种允许数据的收集和所述数据的分析，以进行下述功能中的一个或多个功能的综合系统：

·检测轨道车在铁路站场内的存在；

·确定铁路站场中的轨道车的位置和定向；

·逻辑监视列车编组的组合；

·确定轨道车在列车编组中的顺序和定向；

·确认列车编组中的轨道车的顺序，和列车编组中的轨道车的定向；

·当列车编组的轨道车顺序不正确时，提供适当的报警，从而允许人或自动化系统在发生运行故障之前进行干预；和

·提供分析能力，以按不同的处理水平确定事件和报警的严重性和优先级；

·确定铁路站场中的轨道车的运行状态(载货、未载货、施加了手刹，等等)。

在一个优选实施例中，并参见图1，本发明由建立和管理列车编组的系统和方法组成，包括：

基于列车的网状网系统107，基于列车的网状网系统107利用无线网状网提供从列车编组109中的货运轨道车103(a)或103(b)到主机或控制点的双向通信。

加电无线网关设备(PWG)102，PWG 102管理基于列车的网状网107，把事件从各个轨道车103(a)或103(b)传送到机车工程师或者其他列车管理系统。

能够接收来自各个轨道车的多个传感器事件并且推断列车编组109中的轨道车的顺序的加电无线网关设备102。

加电无线网关设备102，能够接收来自外部控制中心或数据系统的指定应在列车编组109中的货运轨道车103(a)或103(b)的信息，从而只允许这些轨道车103(a)或103(b)加入，以及报告缺少的任何轨道车103(a)或103(b)。

每节轨道车103上的通信管理单元(CMU)101，CMU 101能够是基于列车的网状网107中的无线节点，并且能够向主机或控制点发送消息。

每节轨道车上通信管理单元101，能够利用内置传感器和/或管理货运轨道车103上的无线传感器节点104，从而生成需要被发送给机车主机或控制点的消息。

每节轨道车103上的能够支持全球导航卫星系统(GNSS)传感器，以确定货运轨道车103的位置、方向或速度的通信管理单元101。

每节轨道车103上的能够利用罗盘的通信管理单元101。

每节轨道车103上的能够利用运动传感器的通信管理单元101。

每节轨道车103上的能够把一个或多个加速度计用于撞击检测的通信管理单元101。

每节轨道车103上的能够把一个或多个加速度计用于运动感测的通信管理单元101。

每节轨道车103上的能够支持一个或多个地理围栏的通信管理单元101。

每节轨道车103上的能够指示RFID读取器的存在的通信管理单元101。

每节轨道车103上的能够确定网状网的存在和信号强度的通信管理单元101。

包含温度传感器和加速度计的无线传感器节点104。

包含运动传感器的无线传感器节点(WSN)。

包含其他传感器的无线传感器节点104。

存在一个或多个加电无线网关102的被管理铁路站场或未被管理的场所。

列车编组109，其中列车编组被定义为形成整个列车的一组连接的轨道车103和机车108。

用于建立和管理列车编组的基于列车的网状网系统107还可用于在列车编组109的形成期间(向控制中心)以及在完成列车编组109的形成之后(向控制中心或机车108)的事件和警报传输。

附图说明

图1是图解说明列车编组监视系统和相关硬件组件的示图。

图2是图解说明确定铁路站场中的轨道车相对于轨道的位置和定向的方法的流程图。

图3是图解说明判定轨道车是否在铁路站场中的方法的流程图。

图4是图解说明可如何连接轨道车，以致能够形成列车编组的示图。

图5是图解说明数据如何从无线传感器节点、通信管理单元和加电无线网关流向控制中心的示图。

图6是图解说明如何根据消息优先级，传送消息的流程图。

图7是图解说明其中已知铁路站场的方向为西南到东北的铁路站场的示图，以及表示根据与北方相比的CMU的航向(heading)，可如何确定安装有CMU的轨道车的B端的轨道车的放大图。

图8是图解说明如何判定两节轨道车是否在同一轨道上的示图。

图9是图解说明上面安装加电无线网关的路过机车可如何识别不在PWG(或者在被管理的铁路站场中，或者作为被管理的列车编组的一部分)的范围之内的被监视轨道车的示图。

图10表示两个例证传感器的概率曲线的例子。

图11是利用概率曲线，确定两节或更多节轨道车可能被连接的可能性的具体例子。

图12表示利用历史数据代替概率来判定两节或更多节轨道车是否可能被连接的例子。

图13是表示判定是否发生了耦接事件的处理的流程图。

具体实施方式

定义

列车编组(附图中被示为标号109)被定义为一组连接的轨道车和机车。

链接物(例如图4中所示)被定义为耦接在一起的两节或更多节轨道车。

计算设备被定义为能够处理和执行软件，以进行计算或者以其他方式提供功能的任意机器。计算设备还应具有数据存储和网络通信能力，以进行本发明所需的功能。如在本文中所述，计算设备包括(但不限于)服务器、PC或PWG 102。

管理器被定义为能够按时间同步的时间表，把网状网中的节点链接在一起，并且能够维持所述链接时间表，以致网络中的所有节点之间以及与管理器的可靠双向通信成为可能的任何设备。管理器还可提供用于前端通信的与另一个网络主机的用户接口。如在本文中所述，管理器包括(但不限于)PWG 102或CMU 101。

节点被定义为能够与另一个设备进行双向无线通信，以传送和接收数据的任何设备。如在本文中所述，节点包括(但不限于)CMU 101或WSN104。

传感器被定义为检测或测量物理性质，并记录结果或者传送结果信号的任何设备。如在本文中所述，在PWG 102、CMU 101或WSN 104上可存在一个或多个传感器。

无线传感器节点(“WSN”)(附图中被示为标号104)一般位于轨道车103(a)或103(b)上，优选部署在独立的保护性外壳中，并且可包括一个或多个传感器、电源、读取传感器并把读数转换成数字形式的电路以及允许WSN把传感器读数无线传送给外部接收器的通信电路。无线传感器节点用于感测被监视的参数(例如，轴承或环境空气的温度)或者状态(例如，装货口(hatch)或手闸的位置)。WSN还可包括被实现成在嵌入式微处理器上运行的软件的智能能力，以分析数据并判定数据是需要被立即传送、保存以便稍后传送，还是聚合到警报中。WSN一般是由CMU或PWG管理的无线网状网的成员。

通信管理单元(“CMU”)(附图中被示为标号101)一般位于轨道车103上，视情况充当覆盖在轨道车上的基于轨道车的无线网状网105的管理器。CMU硬件优选包括处理器、电源(例如，电池)、全球定位系统(“GPS”)接收器、Wi-Fi和/或蜂窝能力、用于维持网状网的无线通信能力以及可选的一个或多个传感器，比如(但不限于)加速度计或温度传感器。CMU可利用IEEE 2.4GHz 802.15.4无线电标准，支持网状结构中的一个或多个WSN。另外，CMU也是基于列车的无线网状网的成员，基于列车的无线网状网由列车编组中的所有启用的轨道车的CMU组成；由一般位于有动力装置的机车上的管理器(优选地是加电无线网关(PWG))控制；是由一个或多个管理器(优选地是分散在铁路站场内的加电无线网关)控制的基于铁路站场的无线网状网的成员；或者在无线网状网之外独立工作。CMU从而支持至少4种功能：1)支持CMU内的内置传感器，比如加速度计，以监视轨道车的具体属性，比如位置、速度、加速度等；2)支持到加电主机或控制点(比如机车和/或车下的监视和控制中心)的双向通信；3)整合来自内置传感器和/或基于轨道车的无线网状网中的任意数目的WSN的数据，并对收集的数据应用逻辑，以产生给诸如机车或远程控制中心之类的加电主机的报警警报；和4)管理覆盖在轨道车上的低功率的无线网状网。

CMU能够从一个或多个WSN接收数据和/或警报，或者直接生成数据和/或警报，并且能够根据所述数据或警报，作出关于轨道车103的性能的推断，及把数据和警报信息传送给远程接收器。CMU优选地是充当到其他位置(比如移动基站(例如，机车108)、陆基基站等)的通信链路并且具有处理接收的数据的能力的单一单元。CMU还与本地基于轨道车的无线网状网中的WSN(当存在时)通信，控制和监视所述WSN。优选地，CMU在每节轨道车上的布置是始终如一的，因为如后所述，所述布置有益于判定列车编组内的轨道车的顺序和定向。

加电无线网关(“PWG”)(附图中被示为标号102)优选位于机车上，或者部署成基于铁路站场的无线网状网的一部分。它一般包括处理器、GNSS接收器、卫星和或蜂窝通信系统、以太网端口和大容量网络管理器。PWG获得由机车供给的电力，如果位于机车上的话，或者从另一个来源得到其电力。PWG充当覆盖在列车编组上的由出自列车中的各节轨道车的多个CMU组成的无线网状网(如下定义的基于列车的无线网状网)的管理器，或者是覆盖在铁路站场上的由其他PWG和出自目前不与列车编组关联的各节轨道车的CMU组成的无线网状网(如下定义的基于铁路站场的网状网)的成员。PWG能够直接通信和管理WSN，而不需要CMU的存在。如果位于加电资产(比如机车108)上的话，PWG将从所述加电资产获得电力，或者从另一个来源(比如从太阳能发电机或者从大容量电池)得到其电力。

与得出关于各个轨道车的性能的推断的CMU相反，PWG收集数据，并得出关于列车编组的性能的推断。

暗(dark)轨道车是如下定义的配有CMU，但是该CMU未连接到或者未与基于列车的无线网络或者基于铁路站场的无线网络关联的轨道车。

基于轨道车的无线网状网(附图中被示为标号105)由轨道车103上的CMU组成，所述CMU是多个WSN的网状网的一部分，并管理所述网状网，所述各个WSN优选部署在同一轨道车103上。

基于列车的无线网状网(附图中被示为标号107)由一般位于机车108上的加电PWG102组成(不过，加电PWG 102可以位于列车编组中的任何移动资产上)，所述加电PWG 102是多个CMU的网状网的一部分，并管理所述网状网，所述多个CMU都部署在轨道车上，其中机车和多节轨道车构成列车编组。

基于铁路站场的无线网状网(附图中被示为标号117)由部署在铁路站场中的关键位置处的一个或多个陆基加电PWG组成。所述PWG形成包括均部署在轨道车上的一个或多个CMU和均部署在有动力装置的资产(比如机车)上的一个或多个移动PWG，并且视情况可包括位于轨道车上的一个或多个WSN的网状网。在某些情况下，位于轨道车上的各个WSN通过直接与位于铁路站场中的PWG通信，绕过轨道车上的CMU，可直接加入基于铁路站场(或者基于列车)的网状网。基于铁路站场的网状网中的机车和轨道车不与列车编组关联，恰恰相反，PWG、CMU以及可选的位于轨道车上的WSN是基于铁路站场的网状网中的节点。

依托IEC 62591国际无线标准，以及ISA100.11(国际自动化协会的标准)，按照这些标准开发基于铁路站场的无线网状网架构和基于列车的无线网状网架构。

被管理的铁路站场被定义为覆盖有基于铁路站场的网状网的铁路站场。

下面的讨论在轨道车的背景下描述所述系统，不过，本领域的技术人员明白相同的方法也适用于任何铁路车辆或资产。还应注意上面的定义不是排他的，因为定义的组件可具有未包含在所述定义中的其它组件或特征。此外，尽管下面的说明利用两个转向架表征轨道车，不过它适用于具有更多或更少转向架或车轴的任何结构。

本发明的详细描述

本发明的一个目的是提供一种列车编组管理系统，其中在铁路站场上覆盖基于铁路站场的网状网，所述列车编组管理系统包括存在于铁路站场中的充当由铁路站场中的各节轨道车的网状网生成和传送的数据的通信点和聚合器的一个或多个PWG。另外，铁路站场中的PWG管理列车编组，并进行来自多个被监视轨道车和系统的数据的分析。当轨道车不在被管理的铁路站场之内时，在存在安装于机车或其他移动资产上的加电无线网关的情况下，可以进行相同的数据传输和分析。

本发明在具有如图1中所示的拓扑的被管理铁路站场的环境中工作。轨道车103(图1中表示为103(a)和103(c))一般配备布置在轨道车103上的不同位置处的多个WSN104。各个WSN 104的定位取决于被监视的轨道车103的运行参数。CMU 101被布置在轨道车103上，并形成由CMU 101管理并把WSN 104作为网络中的节点的基于轨道车的网状网105。优选地，在每节轨道车103上，按照始终如一的方式布置CMU 101和确定CMU 101的取向。另外优选地，CMU 101被布置成朝向轨道车103的一端，以便可用于确定在列车编组内和在铁路站场内的任意位置处的轨道车的定向。视情况，轨道车103可以只有CMU 101，而没有WSN104，图1中被表示成103(b)，这种情况下，不存在与该节轨道车关联的基于轨道车的网状网。

机车108配有PWG 102。PWG 102还控制基于列车的无线网状网107，基于列车的无线网状网107由PWG 102管理，并把列车中的每节轨道车上的CMU作为节点。

不具有通信管理单元101或WSN 104的轨道车103(d)被视为不被管理的轨道车，并且在基于列车的网状网107之外。

本发明还涉及一种监视铁路站场的方法，其中利用图2中所示的方法，确定铁路站场内的轨道车的位置和定向，利用图3中所示的方法，确定铁路站场内的轨道车103(a)或103(b)的存在，和如图4中所示，进行列车编组的建立。

借助下面讨论的几种方法，可以确定列车编组中的轨道车的顺序、铁路站场中的轨道车的定向和/或轨道车的位置。列车编组中的轨道车的定向是列车编组中的关键要素。本领域中已知，轨道车的端部被识别为“A”或“B”。可利用来自磁力计或电子罗盘和加速度计的读数来识别轨道车的定向。另外，可根据系统组件在轨道车上的布置，确定定向。

图2是表示确定铁路站场内的轨道车的位置和定向的方法的流程图。所述方法作出以下假设：

·CMU安装在每节轨道车上的已知位置，并且具有已知定向。

·在铁路站场上可存在一个或多个CMU。

·依据地理围栏(geo-fence)和历史数据，已知铁路站场的边界和相对于磁北的定向。

·时间戳与所有的传感器事件关联。

·可以使用已知铁路站场中的轨道车的定向，而不是安装在轨道车上的具有罗盘的设备的位置。

在150，从轨道车在铁路站场中的假设开始所述方法。在151、152和153，分别通过利用加速度计、运动传感器和/或GNSS，判定轨道车是否在移动。

在决策点154，如果检测到运动，那么控制进入157，在157，计算置信度，随后在决策点156，判定计算的置信度是否超过所需的阈值。在157计算的置信度是轨道车实际在移动的可能性。如果在决策点156，所述阈值未被满足或未被超过，那么控制返回方法的起点，在该起点处，关于移动，检查各个传感器。如果在158判定轨道车在运动，那么，在159和在160，定期获得罗盘航向和GNSS位置。还定期获得来自加速度计和运动传感器的读数。在决策点163，判定是否能够确定轨道车的B端的航向。如果能，那么在166，计算置信度，随后在决策点167，判定该置信度是否超过所需的阈值。如果阈值被超过，那么在169，发送包括该置信度的关于轨道车的B端面向的方向的消息。如果在决策点167，置信度未超过阈值，那么控制返回方法的起点，在151、152和153，检测移动。在决策点168，用户可视情况把系统配置成发送消息，而不管置信度如何，在这种情况下，在169，发送消息。

如果在决策点154，判定未感测到运动，那么在155，声明轨道车是静止的，在161，获得罗盘航向和GNSS位置。在决策点162，判定铁路站场的定向是否已知。如果未知，那么控制进入165，在165，获得来自列车编组中的至少3节轨道车的GNSS位置和罗盘航向。在164，比较来自所讨论的轨道车的罗盘航向和GNSS位置与在165从至少3节其他轨道车获得的读数。在决策点163，判定是否能够确定轨道车的B端的航向，并且，如果不能，那么控制如上所述地进行下去。在决策点162，如果轨道车的定向未知，那么控制直接进入决策点163，之后如上进行下去。

图3是表示判定轨道车是否在铁路站场内的方法的流程图。这种情况下，所述方法假定铁路站场是被管理的铁路站场。所述方法在201从所述轨道车开始。在决策点202，判定该轨道车是否是基于铁路站场的无线网状网117的成员。如果是，那么控制进入决策点205，在决策点205，判定GNSS报告的轨道车的位置是否与在铁路站场中的轨道车一致。如果是，那么在206，计算轨道车实际在铁路站场中的置信度。

在决策点208，判定置信度是否超过判定轨道车在铁路站场内的所需阈值。如果超过该阈值，那么控制进入209，在209，判定轨道车在铁路站场中。如果未超过置信度，那么控制返回决策点202。

如果在决策点205，GNSS报告的轨道车的位置与在铁路站场中的轨道车不一致，那么控制进入207，并且得出轨道车不在铁路站场中的结论。

如果轨道车不是基于铁路站场的无线网状网117的成员，那么控制进入决策点204，在决策点204，判定轨道车是否经过AEI扫描器。如果轨道车经过了AEI扫描器，那么控制进入决策点205，并如上所述进行下去。如果在决策点204，轨道车未经过AEI扫描器，那么在决策点203，判定轨道车是否在限定铁路站场的边界的地理围栏内。如果判定轨道车在铁路站场的限定的地理围栏内，那么控制进入决策点205，并如上所述进行下去。如果在决策点203，判定轨道车在铁路站场的限定的地理围栏外，那么在207，判定轨道车不在铁路站场中。

如图4中所示，一批链接物形成列车编组。列车编组是每次一个链接地建立的。轨道车与轨道车的链接物的链接是该处理的关键部分，并且可以利用一种或多种方法确定，所述一种或多种方法可以单独使用或者组合使用，以提供两节或更多节轨道车被链接或者轨道车的两个或更多个链接物被链接的概率水平。如果使用不止一种方法，那么列车编组中的轨道车的顺序的置信度被增大。使传感器读数和处理结果与资产、资产的组件、现象和时间关联。所述信息被保存，以致可对实时数据集和历史数据集两者进行分析。

图13是表示核实两节或更多节轨道车是否已被耦接，或者两个或更多个链接物是否已被耦接的处理的流程图。该处理始于1301，随后在决策点1302，判定是否发生了对其来说存在概率曲线的事件(即，可能与判定耦接相关的事件)。如果否，那么控制返回决策点1302。如果收到所关心的事件，那么在1303，从相关概率曲线取回该事件的概率值。在决策点1304，判定是否发生了足够的事件，以致能够评估耦接。如果否，那么控制返回决策点1302。如果发生了足够的事件，那么在1306，从概率曲线取回各个事件的概率，并一起相乘，从而产生总概率。在决策点1305，判定总概率是否超过为声明肯定发生了耦接所必需的预定阈值。如果否，那么控制返回决策点1302。如果是，那么在1308，声明发生了耦接事件。

图4表示由轨道车的链接物组成的列车编组的形成。在图4(a)中，轨道车B撞击轨道车A，并形成链接物401。同样地，轨道车D撞击轨道车C，并形成链接物402。在图4(b)中，轨道车C撞击轨道车B，并形成图4(c)中所示的更大的链接物403。在图4(d)中，单节轨道车E撞击轨道车D，从而形成图4(e)中所示的由轨道车A-E组成的链接物404。

CMU 101主要向上游提供数据，以确定铁路站场中的轨道车的存在、铁路站场中的轨道车的位置和定向(图2)、当轨道车准备成为列车编组的一部分时轨道车的连接或链接(图4)、列车编组中的轨道车的顺序、列车编组中的轨道车的确认以及列车编组的行进方向。另外，CMU具有用于监视来自(在CMU内部和在与CMU通信的WSN中)以及直接附着到轨道车上的各种传感器的输出，并根据数据的分析确定轨道车及其各种组件的行为和状况的可选装置。传感器收集、保存、分析和处理数据，数据随后被传送给CMU，以便进一步传送给PWG，在PWG，工程师、控制点或自动化系统能够作用于所述数据，以便传送给远程铁路运行中心，或者用于处理和分析，以建立警报、事件或报告。

CMU能够从各个集成的传感器以及从WSN收集数据，并通过对从多个WSN收集的数据、事件和警报应用试探法和统计模型，进行数据的高级分析，以确定轨道车的位置、速度、航向、状况等。在这样的数据分析期间，可以应用试探法，以根据统计模型和经验数据，确定轨道车的可能链接。CMU还能够借助多种通信协议中的任意一种通信协议，把数据和任何分析的结果传送给远离轨道车的另一个系统。

PWG可以位于例如机车上、铁路站场中或者在远程铁路运行中心处的车下位置处。通过把试探法和统计模型应用于从位于列车中的不同轨道车上的多个CMU收集的数据、事件和警报，PWG也能够进行整个列车编组的状况的高级分析。收集的数据的分析可在分布在本发明中的各个组件(包括传感器单元、CMU、基于列车的PWG或陆基PWG、或者其它陆基的站点)之中的多个不同的事件引擎之中的任意一个事件引擎处进行。事件引擎用于根据系统内部或外部的多个输入，确定状态变化和将对设备进行的动作。用于确定结果的逻辑以可以远程地配置和更新的一组规则为基础。

图5表示用于在数据从WSN 104或CMU 101上的传感器流出，随后流向各个较高级目的地时，管理数据的方法。作出以下假设：

·数据分析方法由在各个层级处的事件引擎进行。

·逻辑分析被推出给可能的最低层级，以使得能够更有效地管理带宽、电力消耗和等待时间。

·当需要时，只向上游公布事件。

·在各个层级处进行数据和事件的过滤和分析。

·CMU、PWG和(在控制中心内的)服务器可利用传感器融合来更好地确定共享来自这些不同数据源的事件的较大系统的状态。

最低处理级502包括布置在每节轨道车103(a)或103(b)上的可选WSN 104，和可被集成在每节轨道车上的CMU 101中的传感器。在最低处理级502处收集的数据由包含在各个WSN 104或CMU 101中的机载(on-board)处理器分析，以确定哪些数据可被丢弃，哪些数据需要被发送给下一较高处理级504。下一较高处理级504包括每节轨道车上的CMU 101。每节轨道车上的CMU 101能够决定谁可能需要来自轨道车上的多个WSN 104的数据。根据该分析，CMU 101还可确定什么数据需要被发送给最高处理级506。最高处理级506包括位于机车上的PWG 102、布置在铁路站场中的陆基PWG 116以及控制中心。机车中的PWG 102能够决定谁需要来自多个CMU 101或者来自每节轨道车上的多个WSN 104的信息(即，列车编组范围的状态)。如果轨道车103(a)或103(b)在铁路站场的范围内，那么来自CMU 101的消息可被发送给位于铁路站场中的PWG116。这会是陆基固定PWG 116。在层级506处的每节轨道车上的CMU 101还可把消息直接发送给控制中心。在最高处理级，在基于机车的PWG 102和基于铁路站场的PWG 116与控制中心之间，可共享信息。框506表示最高处理级，在该层级的决策一般表示关于整个列车编组或铁路站场的状态信息。

各个处理级组合，从而形成分布式推断引擎，其中每个处理级可得出需要来自该处理级的数据和/或已由较低处理级提供并转移到较高处理级的数据的推断。例如，核实耦接事件需要来自至少两节轨道车的数据(例如，从被耦接的每节轨道车检测撞击数据和位置数据)。因而，在从每节轨道车收到数据之后，必须在最高处理级产生耦接事件。这种情况下，最高处理级用图5中的506表示，它会是基于铁路站场的无线网状网中的节点。

图6是表示根据优先级，把消息从图5中所示的较低处理级502传送给较高处理级504和506的方法的流程图。该方法始于501，在501，创建事件消息。在502，消息被赋予以用户配置为基础的优选级，随后在决策点503，判定是否可获得传送该消息的高带宽。如果可获得高带宽，那么控制进入510，在510处传送该消息。如果不可获得高带宽，那么在决策点505，判定该消息是否具有高优先级状态。如果该消息优先级高，那么控制进入决策点506，在决策点506，判定是否存在可用的低带宽。如果可获得低带宽，那么在510，传送该消息。如果不可获得低带宽，或者如果该消息不具有高优先级状态，那么控制进入决策点507，在决策点507，判定用户配置是否定义了规定一段时间内的重传尝试次数。如果是，那么控制进入决策点504，在决策点504，判定要求的尝试次数是否被超过，如果否，那么控制进入决策点503，并如上所述进行下去。如果重传尝试次数已被超过，或者如果用户未配置重传选项，那么在508，在进行带宽可用性检查之前，把该消息保存预定的时间段。在决策点509，判定带宽检查时间段是否已到达，如果是，那么控制进入决策点503，随后如上所述进行下去。如果所述时间段未到达，那么控制返回，并保存该消息，直到再次进行带宽检查为止。

可以利用下述几种方法来确定如图4中所示的两节或更多节轨道车或两个或更多个链接物的链接(或解除链接)。

运动-如果加速度计和或运动传感器和或GNSS指示两节或更多节轨道车的运动，那么比较时间戳，以确定所述两节或更多节轨道车被链接的可能性。

速度和航向-当两节或更多节轨道车以相同速度，按相同航向行驶时，那么认为所述两节或更多节轨道车被链接。

网络信号强度-通过比较两节或更多节轨道车的信号强度，并与基于铁路站场的无线网状网中的其他轨道车的信号强度相比，可以确定链接。在信号强度与已知的邻近轨道车可比的情况下，认为轨道车被链接。当两节或更多节轨道车都安装了具有与无线网络通信的能力的CMU 101时，建立无线网络连接。每个CMU 101具有可测量的信号强度，信号的有无和信号的强度都可用于判定两节或更多节轨道车是否被链接。

撞击-当两节或更多节轨道车被耦接时，产生带时间戳的撞击。比较两节或更多节轨道车的时间戳，以确定哪些轨道车具有在特定时间段内的时间戳，在特定时间段内的时间戳随后被用于判定轨道车是否被链接。另外，在撞击期间，存在产生的正响应和负响应，其中比较正负波形，如果它们相同或相似，那么认为轨道车被链接。

位置-如果两节或更多节轨道车具有邻近其他轨道车的位置读数，那么可认为它们被链接。这种链接的置信度取决于铁路站场的复杂性。位置信息可以从GNSS获得。

样条曲线拟合-已知列车编组中至少3节轨道车，结合一串轨道车中的轨道车之间的样条曲线拟合，利用位置。当组合列车编组时，可向目前在列车编组中的轨道车应用最佳拟合曲线。最佳拟合曲线必须在铁路轨道几何形状的约束条件之内。该曲线可用于根据地点位置和与样条的邻近，判定轨道车是否被不正确地标记成不在列车编组内。

罗盘航向-已知列车编组中至少3节轨道车，结合邻近轨道车之间的罗盘航向的角度(图8)，利用位置。当组合列车编组时，邻近轨道车之间的角度变化可被用于确定可能的被链接轨道车。角度必须在铁路轨道几何形状的约束条件之内。轨道车之间的角度差可用于根据与相同的已知列车编组内的其他邻近轨道车匹配的地点位置和角度值，判定轨道车是否被不正确地标记成不在列车编组内。

制动事件-在制动事件期间，发生压力变化，以更改每节轨道车的制动状态。该压力变化事件将由从机车到最后一节连接轨道车的各个串联连接的轨道车感知。该事件的时间被用于确定列车编组中的连接轨道车顺序。

制动事件的一个例子会是制动试验。在列车编组可以离开铁路站场之前，必须进行制动试验。这种情况下，连接的轨道车中的制动管路将被加压到标准压力。这确保制动器被释放。在制动试验期间，发生压力的突然降低，以启动每节轨道车上的制动器。突然压力降低的这种事件将由从机车到最后一节连接轨道车的各个串联连接的轨道车感知。该事件的时间被用于确定列车编组中的连接轨道车顺序。

AEI标签-如果利用相同的AEI(自动设备识别)读取器扫描两节或更多节轨道车，那么可利用扫描的时间、每节轨道车的扫描之间的时间差或者时间偏移以及每节轨道车的速度来判定轨道车是否被链接。

当发生由外部现象(例如，运动开始)异步触发或者定时地触发的“事件”时，所述事件被记录，并被传送给铁路站场或列车编组内的CMU或PWG。传感器安装在资产的不同组件上，记录事件的资产、时间和细节。下面列出传感器和方法的一些例子(但不限于)：

·资产撞击-以重力为单位测量

·轨道车车钩撞击-以重力为单位测量(这是形式更具体的资产撞击)

·资产GNSS位置-纬度和经度

·资产速度和航向-以mph&行进方向(度)为单位测量

·制动管路压力变化-以ps i为单位测量

·资产AEI标签扫描-扫描的有无(真/假)。

图7表示利用车载罗盘，确定铁路站场内的轨道车的定向的方法。这是在图2的161、159和165中进行的方法。该方法作出几个假设。首先，通过假定CMU是按已知位置和定向安装在轨道车上的，能够确定轨道车的定向。还假定铁路站场内的轨道相对于北方的定向已知，如图7(a)中所示。

如果资产在运动，那么通过比较随着时间的过去与利用GNSS位置更新确定的行进方向平行的罗盘航向的变化，或者所述变化的不存在，可以确定轨道车的定向。如果罗盘的向量与由两个或更多GNSS点之间的差异产生的向量一致，那么轨道车在朝着B端移动(如果CMU是按照这种方式安装/定向的话)。这示于图7(b)中。如果向量相反，那么轨道车在朝着A端移动。这示于图7(c)中。

如果资产是静止的，那么罗盘和位置可用于与如在图2的162所示保存在系统内的已知铁路站场布局和定向比较。罗盘定向和GNSS位置将被用于与铁路站场位置和定向相比较，以确定轨道车航向。如果资产是静止的，并且铁路站场位置未知，那么所讨论的轨道车的定向可以和一组已知的链接轨道车中的其他资产比较。这示于图2的165。

由于轨道只能以较小的规定曲率弯曲，因此如果已知3节或更多节轨道车被链接，那么罗盘航向的变化较小(当考虑到如果面向相反的方向时的180°差时)。如果所讨论的资产与用于基线的轨道车极接近，或者被链接成同一列车编组的一部分时，该资产的罗盘航向可以和其他资产比较，以确定航向。和这里讨论的其他方法一样，可向结果赋予置信度，如在图2的166和167所示。

图8表示判定两节轨道车是否在同一轨道上的方法。该方法利用样条曲线拟合，以向列车编组中的资产应用最佳拟合曲线。不在铁路轨道几何形状的约束条件内的任何最佳拟合曲线可指示在不同轨道上的轨道车。和前面的方面一样，每节轨道车上的CMU 101必须按已知位置和定向，安装在轨道车上。这些位置被用于配对彼此最接近的资产。计算极接近(在最大轨道车间隙的可配置距离之内)的轨道车之间的角度，以确定极接近的轨道车之间的相对角度差。两节轨道车的GNSS读数被用于确定每节轨道车之间的向量。比较该向量方向和轨道车的罗盘航向(相对于北方)。当GNSS向量和罗盘航向之间的角度较小时，资产在同一轨道上的可能性很高。如果GNSS向量和罗盘之间的向量差较大，那么资产不太可能被链接和在同一轨道上。随着问题顺着轨道叠加，角度差变得越来越差。

例如，参见图8，如果A和B之间的角度较小，那么这两节轨道车可能被链接。如果B和C之间的角度较大，那么这两节轨道车可能未被链接。C和D之间的角度也较大，也可能未被链接。可以利用最大角度阈值来判定资产是否可能被链接。图8中，角度AB是轨道车A相对于轨道车B的角度，和在“Z”度(即，指示轨道几何形状未被违反的度数)的范围内的角度的例子。角度BC是轨道车B的航向相对于轨道车C的角度，角度CD是轨道车C相对于轨道车D的角度。角度BD表示角度BC和角度CD之间的差值。如果角度BD超过“Z”度，那么可判定轨道车C在与轨道车B和D不同的轨道上。如果否，那么轨道车C可能在与轨道车B和D相同的轨道上。阈值“Z”度是依据轨道的几何形状确定的。

统计逻辑引擎被用于确定可根据从各节轨道车收集的数据推断的各种判定(包括例如哪些资产被链接)的置信度。条件概率被用于组合不同现象类型和测量单位的几种不同输入，以根据这些其他事件的知识，提供单一输出。

对于每种方法、组件和现象，提供概率图表，以确定在两个独立资产上发生的事件之间的差异。取决于使用的方法，X轴表示从两个(或更多个)资产上的传感器收集的事件或数据之间的差异。

各个传感器(组件和现象配对)和方法具有表示两个资产之间的耦接事件的可能性的概率曲线，其中X轴可以在两个资产之间观测的被测量现象、事件之间的时间或者这两者(作为三维图)为基础，Y轴表示耦接事件的概率。在任何特定的X测量结果下，都不保证耦接事件会发生，不过，该测量结果表示耦接事件发生的机会(opportunity)。图表上的1.0指示对于该传感器类型或方法，耦接事件是可能的。图表上的0.0排除耦接事件，组合地使所有其他传感器输入曲线无效。图10中表示了概率曲线的例子，其中图10(a)表示关于两节轨道车的撞击事件之间的时间的概率曲线，图10(b)表示关于两个资产之间的距离的概率曲线。

当从多个资产收到事件时，根据此时的可用数据，生成概率结果。如果资产之间的事件的分析未导致耦接(或轨道车链接)事件，那么保存所述事件，并且当在资产对之间发生其他事件时，可以再次重新处理所述事件。

图11中表示了例子。图11(a)表示关于撞击时间获得的信息，表示在两节轨道车上测量的两次撞击之间的时间差为0.19秒，结果产生0.85的输出值，该输出值表示85％的概率发生了链接。图11(b)表示两节轨道车之间的距离差为55米，结果产生0.62的输出值，表示62％的概率发生了链接。

当产生概率曲线，并向不同的方法分配权重时，重要的是考虑到不同传感器和方法中的不准确和不精确。曲线不应具有高于所提供的准确性的概率水平。优选地，与其他方法相比，更准确和精确的方法被加权更多。

在算法的最简单表现形式中，各个概率被相乘，以获得组合概率，在本例中，这结果产生52.7％的概率发生了链接。该计算不利用其他传感器输入、历史数据，或者应用可配置的加权平均值，不过所有这些可能性都在本发明的范围之内。

输出值与构成链接事件的用户自定义阈值相比较。例如，如果阈值被设定为0.75，那么该实例会被标记成“未被链接”，不过当对于所讨论的资产，收到新的数据时，可以再次进行分析。

系统要声明发生了耦接事件，那么最小阈值必须被超过或者相等。资产对之间的链接状态被定义为已链接、未链接或无数据。已链接指示计算的结果高于最小阈值。未链接指示进行了计算，但是低于最小阈值-当对于所述资产及其相应组件，收到新的事件数据时，可以重新计算这些资产配对。无数据指示不存在关于所讨论的资产配对的传感器读数。

除了预先定义的概率曲线之外，历史指标也可用于相同的X图表和Y图表，以对照实例和经核实结果的直方图，比较结果。可视情况使用传感器直方图，代替预先定义的概率曲线，或者可与预先定义的概率曲线结合地使用传感器直方图(每个传感器地把两个结果相乘)，以在有效的资产耦接结果中显示置信区间(及事件的数量)。例子示于图12中，其中图12(a)表示关于撞击时间的差异的历史直方图，图12(b)表示关于距离差的历史直方图。

在另一个实施例中，可以利用一种形式的图12中所示的直方图方法来识别资产链接假设本身的准确性。换句话说，该直方图会显示结果正确的(已链接或未链接)经常性(how often)，而不是仅仅显示X值导致实际的资产链接事件的经常性。

利用这种方法，许多不同的参数和输入可被用于产生链接事件的条件概率。例如，利用以约3mph的速度行驶的机车，在铁路站场中把两节轨道车耦接在一起。在两个独立的轨道车车钩加速度计上，记录事件，两个加速度计都指示彼此的在1毫秒内的7g的峰值撞击事件。关于轨道车车钩加速度计的三维概率图表利用时间差作为X轴，利用重力之差作为Z轴，并利用概率(0.0～1.0)作为Y轴中的结果。在事件发生之后，PWG请求两个资产的位置和速度，结果被回传给PWG，指示两个资产现在是静止的。速度差的图表与时间差和重力差结合地用于提供二次输入，结果产生比用于把资产标记为被链接的阈值高的值。

在本发明的一个实施例中，可以动态增加、修改和从系统中除去与传感器和方法关联的概率曲线。当最终的列车载货单被提供时，可以根据历史数据，利用机器学习算法自动生成曲线。

在另一个实施例中，系统可以是用户可配置的。方法和传感器选择可被标记成允许、忽略或必需。另外，可以规定为进行分析所需的不同方法的最少数目(例如，需要2种或更多种方法，要不然不会生成结果)。

在另一个实施例中，系统还具有证明每种方法、组件和现象的概率曲线的能力。对于各个传感器，可存在映射到更具体的测量结果(如果可获得的话)的曲线层级(hierarchyof curve)。例如，可存在关于撞击的总概率曲线，不过如果资产具有安装在轨道车上的车钩上的撞击传感器，那么代替较高层次的撞击曲线，可以应用关于车钩撞击事件的更独特的概率曲线。在对于相同的现象，一个资产具有更特定的传感器映射(sensor mapping)，而另一个资产具有较高层次的映射的情况下，资产之间的关联可被配置成被允许或者被拒绝。

在另一个实施例中，提供为不同的方法，提供相对加权指标的能力。例如，为了判定是否发生了链接，两节链接轨道车之间的GNSS位置可被确定为重要性4倍于罗盘航向。

系统还具有利用外部提供的历史数据和最终结果，对照已知结果确认链接事件的能力。该反馈用于增强不同方法、组件和现象输入的概率曲线和置信区间。例如，如果铁路公司提供产生的列车的最终载货单，那么实际数据可以用于检查轨道车链接的预测假设，并把各个预测假设标记为有效或无效。

系统还具有指示历史事件何时对分析来说有效的用户可配置时间窗口。所述窗口根据每个传感器类型或方法，指示现有数据多长时间可用于分析。

在本发明的另一个方面，系统能够确定列车编组内的轨道车的顺序。可以利用下述的任意组合来确定列车的顺序。

通过利用历史数据，以及前面说明的“链接”算法的任意组合，根据事件的时间以及每个链接物所涉及的轨道车，能够确定列车编组内的轨道车的定向和顺序。

系统还利用物理约束条件来接受或拒绝导致链接的事件。例如，单个资产最多可被链接到两个其他资产，因为每节轨道车物理上只存在两个车钩。

AEI标签的时间扫描加上经过的时间提供列车编组内的轨道车的位置，并且视情况提供轨道车航向和轨道车速度，并且在列车经过AEI读取器时(一般当列车离开铁路站场时)，可用于确认列车编组内的轨道车的顺序和定向。

可以使用轨道车的位置，不过，行进方向不会被确定，从而置信度较低。可以使用轨道车的位置加上同一轨道车的罗盘航向，不过，行进方向不会被确定。

通过利用“手风琴效应”或者推/拉，当每节轨道车在列车移动的时候被推拉时，该轨道车的CMU中的加速度计记录撞击力。撞击力是带时间戳和时间偏移地记录的，并与列车中的其他轨道车比较。这种移动通过列车产生级联事件，其中可以比较事件时间戳，以确定两节或更多节轨道车是按什么顺序移动的。如果来自两节或更多节轨道车的撞击和时间戳显示时间间隔，那么认为在列车编组中，存在若干未被监视的轨道车。

基于铁路站场的无线网状网或者基于列车的无线网状网可判定轨道车是否在网络中，如果是，那么可比较该节轨道车的信号强度和网络中的其他轨道车的信号强度。利用这种方法，置信度较低。

存在当列车编组离开铁路站场时，确认列车编组的顺序的多种方式。可以收集关于位置、速度、航向、移动、网络信号强度和路径的数据。当它们与列车编组的预设构成一致时，利用这些数据点增大关于列车编组内的轨道车的顺序和定向的置信度。

在本发明的另一个方面，通过如图7中所示，采用下面说明的一种或多种方法，可以确定列车行进的方向。

在本发明的各个方面，可以确定轨道车的航向和定向。就定向来说，理想的是知道是轨道车的“A”端还是“B”端面向列车的头端。对铁路公司和运货者来说，知道“A”和“B”端定向是重要的，因为轨道车在其最终目的地处可能需要被放置成以致其“A”或“B”端面向特定方向。图2中，来自传感器的数据和处理所述数据的算法提供轨道车的正确端部将被知道的置信度。CMU必须按已知的定向安装，例如，放置在轨道车的B端。与北方比较CMU的航向，以确定轨道车的定向。另外，可取的是根据历史或地理数据，比如轨道为西南到东北方向(参见图7)，已知铁路站场的方向。

如果铁路站场的定向未知，那么可以利用至少3节链接轨道车的位置数据和罗盘航向，来通过比较轨道车的罗盘航向和依据3节或更多节链接轨道车推断的轨道的方向，确定轨道车航向。如果至少一节轨道车的定向已知，那么通过比较轨道车的罗盘航向和其他链接轨道车的已知航向，可以得出链接的其他轨道车的航向。如果至少一节轨道车的定向已知，那么通过比较在轨道车的“A”和“B”处测量的耦接事件期间的撞击定时，能够得出链接的其他轨道车的航向。与一节轨道车的已知定向结合的该撞击信息将确定另一节轨道车的定向。

在本发明的另一个方面，系统可用于确定何时使资产脱离列车编组或者链接在一起的一组资产。类似于如上所述的判定资产是否被链接，依据互逆事件，可以推断一个或多个资产的脱离。资产被假定成被链接，直到利用以下方法中的任意数量的方法确定资产脱离为止。

运动-如果加速度计和或运动传感器和或GNSS以不同的值，指示两节或更多节轨道车的运动，那么比较时间戳，以判定所述两节或更多节轨道车是否被解除链接。

速度和航向-当两节或更多节轨道车未以相同速度，或者按不同航向行驶时，那么认为所述两节或更多节轨道车被解除链接。

网络信号强度-通过比较两节或更多节轨道车的信号强度，并与铁路站场无线网状网中的其他轨道车的信号强度相比，可以确定解除链接。在信号强度与已知的未被链接的轨道车可比的情况下，认为轨道车被解除链接。

位置-如果两节或更多节链接轨道车的位置读数在规定的时间间隔内并不彼此邻近，那么它们可能被解除链接。这种链接的置信度取决于铁路站场的复杂性。

样条曲线拟合-已知列车编组中至少3节轨道车，可结合一串轨道车中的轨道车之间的样条曲线拟合，利用位置。可向目前在列车编组中的资产应用最佳拟合曲线。不在铁路轨道几何形状的约束条件之内的任何最佳拟合曲线可指示未链接的轨道车。

罗盘角度-已知列车编组中至少3节轨道车，可结合邻近轨道车之间的罗盘航向的角度(图7)，利用位置。邻近轨道车之间的角度变化的散度可用于确定可能的未链接轨道车。换句话说，连续轨道车之间的航向的变化。角度必须在铁路轨道几何形状的约束条件之内。

制动事件-在制动事件期间，发生压力变化，以更改每节轨道车上的制动状态。该压力变化事件将由从机车到最后一节连接轨道车的各个串联连接的轨道车感知。该事件的时间被用于确定列车编组中的连接轨道车顺序。如果对于轨道车不存在类似的压力变化，那么该轨道车不太可能是列车编组的一部分。

AEI扫描-如果利用同一AEI读取器扫描两节或更多节轨道车，那么可利用扫描时间的差异、或者每节轨道车的扫描之间的偏移以及每节轨道车的速度来判定轨道车是否未被链接。

系统还利用物理约束条件来进一步使资产之间的链接无效。例如，只具有沿着东/西方向的轨道的铁路站场中的朝向北方的两节轨道车使GNSS传感器方法对计算来说无效。

在本发明的另一个方面，可以确定和报告暗轨道车的存在。暗轨道车可由机车上的PWG直接识别，或者可从列车编组中的一节或多节轨道车上的CMU，通过无线网络传递暗轨道车的存在。图9中表示了该处理。

机车108具有PWG 102，并且轨道车103(a)或103(b)具有CMU 101，它们可处于侦听来自未连接到基于列车的网络、未连接到被管理的铁路站场或者位于未被管理的铁路站场中的其他轨道车103(a)或103(b)的无线电广播的状态。

当机车108或CMU 101经过至少一个被监视轨道车103(a)或103(b)所位于的铁路侧线时，机车108将侦听来自被监视轨道车103(a)或103(b)的无线电广播标识信息。如果检测到广播，那么机车108上的PWG将把关于轨道车103(a)或103(b)的标识信息传送给远程运行中心。

在第二实施例中，暗轨道车处于对其他网络的侦听模式。当基于列车或基于铁路站场的无线网状网内的轨道车103(a)或103(b)在暗轨道车的附近范围中时，暗轨道车将听到来自网络中的轨道车103(a)或103(b)的“广告”。暗轨道车将用其标识和设置，答复来自所述轨道车的广告，所述标识和设置将被传递给PWG 102。通过把信息经其他CMU向下传递给暗轨道车，PWG 102可以选择允许暗轨道车加入基于列车或基于铁路站场的无线网状网。如果暗轨道车被列入黑名单，那么它将不被允许加入基于列车的无线网状网。一旦轨道车在网络中，它就改变到正常运行模式，不再是暗轨道车。

本发明的一个重要方面是测量列车中的车辆的某些参数，并使测量结果或事件与公共时基相联系的能力。这使得能够根据相对测量，作出推断。这种能力对于在铁路站场内，使关于列车编组创建或设施运行的事件相互关联来说重要。例子可包括能够对列车编组中的每节轨道车进行车辆加速度采样，并利用相对加速度(或减速度)来检测在列车中的任意点处的进入(run in)和出去(run out)。另一个例子是使车轮撞击事件与各个轨道异常相联系，其中在列车的一侧的所有车轮可以检测到所述轨道异常，我们想要使所有事件与单一轨道特征关联。当在列车编组创建期间，撞击力转移通过几节轨道车时，铁路站场例子会利用该功能确定耦接事件的级联。

以在所有设备之间同步的时间精度，使被管理的铁路站场或列车编组内的资产同步到精确的网络时钟。在本发明的优选实施例中，例如，使用好于1毫秒的时间精度同步。这使跨所有资产的事件的直接关联成为可能。

在其中使用具有微控制器或微处理器的大量CMU或WSN进行测量或检测事件的基于列车或基于铁路站场的网络中，时钟漂移成为对任何测量的时基的信任的限制因素。在具有高带宽的有线或永久加电无线系统中，时钟与主时间的定期同步是例行实践。然而，无线的独立、自加电CMU和WSN会利用太多的带宽，和消耗太多的电力，而不能维持为区分某些类型的事件或者从整个列车提供一组瞬时测量所需的严格时间同步。在温度极值，或者当温度在较短时间内快速变化时，时钟漂移变得尤其有限制性。当使用多个分离的网络(例如，与基于列车的网状网连接的基于轨道车的网状网)，并且与点到点网络相对地采用网状拓扑时，时钟漂移被进一步恶化。

通过使用在整个时间同步网状网中持续的非常高精度网络时基，本发明克服了该约束，所述非常高精度网络时基被用于定期(根据期望的精度)把微控制器的定时机制校正到预定精度。在本发明的优选实施例中，例如，期望1毫秒精度。系统还具有利用广播或预定事件，在整个列车和/或铁路站场内触发时间同步采样的能力。CMU被校正到PWG时间，并且WSN被校正到CMU时间。这使所有组件(PWG、CMU和WSN)间的预定精度内的数据的同时采样成为可能，而不影响网络带宽容量或电力使用。

Claims (30)

1.一种管理铁路站场中的资产的系统，包括：

布置在铁路站场中的一个或多个加电无线网关；和

一个或多个基于轨道车的通信管理单元；

其中所述加电无线网关和所述通信管理单元形成基于铁路站场的网络；

能够接入所述基于铁路站场的网络的计算设备，所述计算设备运行用于执行以下功能的软件：

从所述基于轨道车的通信管理单元收集与正在所述通信管理单元的相应轨道车上发生的事件或者所述相应轨道车的状态有关的数据；

根据与所述轨道车的状态有关的所述数据，导出推断；以及

报告所述推断。

2.按照权利要求1所述的系统，其中所述导出的推断被赋予置信度。

3.按照权利要求2所述的系统，其中所述置信度表示所述推断成立的概率。

4.按照权利要求3所述的系统，其中所述置信度是源自所述事件中的一个或多个事件的概率的组合。

5.按照权利要求4所述的系统，其中当所述置信度超过预定值时，声明推断成立。

6.按照权利要求1所述的系统，其中所述事件包括下述中的一个或多个：检测到的撞击、运动、加速度、GNSS位置、速度、罗盘航向、制动管路压力变化以及AEI扫描。

7.按照权利要求1所述的系统，其中所述推断是所述铁路站场内的轨道车的存在。

8.按照权利要求7所述的系统，其中所述收集的数据包括AEI扫描和位置。

9.按照权利要求6所述的系统，其中所述推断是所述铁路站场内的轨道车的位置和定向。

10.按照权利要求9所述的系统，其中所述收集的数据包括加速度信息、运动信息、GNSS位置、罗盘航向。

11.按照权利要求6所述的系统，其中所述推断是两节或更多节轨道车被链接。

12.按照权利要求6所述的系统，其中所述推断是两节或更多节轨道车未被链接。

13.按照权利要求11所述的系统，其中所述收集的数据是从所述两节或更多节轨道车中的每节轨道车检测的撞击、运动、加速度以及位置。

14.按照权利要求4所述的系统，还包括对于用于导出所述推断的每个事件，赋予所述推断成立的概率的步骤，和

其中所述推断成立的所述置信度是用于导出所述推断的每个事件的概率的组合。

15.按照权利要求1所述的系统，其中所述软件执行逻辑地建立和确认列车编组的功能。

16.按照权利要求1所述的系统，其中所述软件执行使轨道车从列车编组中逻辑地解除链接并确认所述轨道车不在列车编组中的功能。

17.按照权利要求16所述的系统，其中当从两节或更多节轨道车收集的数据支持超过预定阈值的置信度时，轨道车不在列车编组中的所述推断被确认。

18.按照权利要求15所述的系统，其中建立列车编组的所述功能包括以下步骤：

(a)确定两节或更多节轨道车的多次耦接，所述多次耦接导致包含所述列车编组中的所有轨道车的链接物；

(b)确定为形成所述列车编组所需的轨道车或链接物的解耦；

(c)确定机车与包含所述列车编组中的所有轨道车的所述链接物的耦接；以及

(d)形成由管理器和源自每节轨道车的至少一个节点组成的基于列车的无线网络。

19.按照权利要求18所述的系统，其中当从其上具有至少一个节点的每节轨道车收集的数据支持超过预定阈值的置信度时，确定所述耦接。

20.按照权利要求19所述的系统，其中确定耦接的所述步骤包括基于由被耦接的所述两节或更多节轨道车提供的数据，导出所述推断。

21.按照权利要求20所述的系统，其中所述提供的数据至少包括关于检测到的撞击的数据和位置数据。

22.按照权利要求21所述的系统，其中所述检测到的撞击和位置数据由所述计算设备收集，并由所述推断引擎处理，以产生轨道车已被耦接的所述推断。

23.按照权利要求22所述的系统，其中所述推断引擎运行于所述基于铁路站场的无线网状网中的节点上，或者运行于所述计算设备上，或者部分运行于所述基于铁路站场的无线网状网上并且部分运行于所述计算设备上。

24.按照权利要求23所述的系统，其中所述分布式推断引擎基于关于轨道车的耦接的推断，导出关于哪些轨道车在所述链接物中的推断。

25.按照权利要求24所述的系统，其中所述推断引擎利用从耦接事件所涉及的每节轨道车收集的下述各种数据中的一种或多种数据，来升高或降低所述两节或更多节轨道车被耦接的置信度：

(a)每节轨道车接收的所述基于铁路站场的无线网状网的信号强度；

(b)运动数据；

(c)速度和航向数据；

(d)样条曲线拟合数据；

(e)罗盘角度数据；

(f)制动事件数据；以及

(g)AEI数据。

26.按照权利要求12所述的系统，其中确认列车编组的所述功能包括以下步骤：

(a)从其上具有至少一个节点的每节轨道车收集数据，所述数据至少包括速度、位置以及罗盘航向数据；

(b)基于所述收集的数据，导出推断；

(c)核实其上具有至少一个节点的每节轨道车的速度、位置以及罗盘航向与所述列车编组的整体运动一致。

27.一种管理铁路站场中的资产的方法，包括：

在能够接入基于铁路站场的网络的计算设备上运行的软件，所述软件执行以下功能：

(a)从一个或多个基于轨道车的通信管理单元，收集与正在所述通信管理单元的相应轨道车上发生的事件或者所述相应轨道车的状态有关的数据；

(b)根据与所述轨道车的状态有关的所述数据，导出推断；以及

(c)报告所述推断。

28.按照权利要求27所述的方法，其中所述软件还执行向各个所述导出的推断赋予置信度的功能。

29.按照权利要求28所述的方法，其中所述置信度表示所述推断成立的概率。

30.按照权利要求29所述的方法，其中所述置信度是源自所述事件中的一个或多个事件的概率的组合。