CN112767575A - 一种基于智能手机的轨道交通运营期车载添乘仪及方法 - Google Patents
一种基于智能手机的轨道交通运营期车载添乘仪及方法 Download PDFInfo
- Publication number
- CN112767575A CN112767575A CN202110071711.8A CN202110071711A CN112767575A CN 112767575 A CN112767575 A CN 112767575A CN 202110071711 A CN202110071711 A CN 202110071711A CN 112767575 A CN112767575 A CN 112767575A
- Authority
- CN
- China
- Prior art keywords
- data
- smart phone
- vehicle
- rail transit
- operation period
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
- G07C5/0858—Registering performance data using electronic data carriers wherein the data carrier is removable
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/006—Indicating maintenance
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Telephone Function (AREA)
Abstract
本发明涉及一种基于智能手机的轨道交通运营期车载添乘仪及方法。针对轨道交通传统养护维修方法数据覆盖面局限、数据关联程度差、时空信息利用率低、定位标尺不统一等缺陷，提出了一种基于智能手机的运营期车载添乘仪，及其软硬件协同、数据采集、数据预处理、特征工程、数据挖掘、数据可视化、数据治理方法。获得轨道交通全线经纬度、时间、速度、加速度、倾角、声学、光学、卫星、电磁、气压、气象、啸叫噪声、Sperling平稳性指标、ISO2631舒适度指标等数据。对全线、上下行、多特征等关键信息进行细粒度交互式地图可视化。针对啸叫噪声进行了多变量对照分析。为线路评价、乘客舒适度评价、病害治理提供快速、高精度、多维度、细粒度的数据支撑与辅助决策。
Description
技术领域
本发明涉及城市轨道交通技术领域，尤其是涉及一种基于智能手机的轨道交通运营期车载添乘仪及方法。
背景技术
随着城市轨道交通运行车次的增加，轮轨损伤、车体振动与噪声问题日益突出，影响乘坐舒适度。
铁路工务部门通常在线路指定位置布设加速度光纤传感器，测量轨道加速度和线路沉降。使用声阵列、麦克风阵列等测量车内外噪声。使用CAT波磨小车测量轨道几何不平顺。近年来5G、雷达、激光、北斗导航、三维扫描等技术也出现在加速度和沉降的测量中，如图1所示。
以上测量方法，聚焦局部线路区段，精度高，方案成熟，但不能获得全线数据，也很难进行多维度数据耦合对照研究。
因此，传统的线下养护维修方法，如测量沉降、轨道加速度、轨道不平顺、环境噪声的测量，精度高，方案成熟，但仅聚焦局部线路区段，采集特定样本的特定特征。既无法纵览全线数据分布，也不能对多个特征耦合对照分析。特别的，不同测量方案各自有台账里程、经纬度、仪器行进距离、测点位置等多套定位体系，位置信息缺乏统一，制约了数据驱动的分析方法。
智能手机及内置的多种传感器为解决上述问题提供了新的思路，随着移动互联网、物联网、云计算、5G通信、北斗导航、嵌入式智能硬件等新基建数字网络不断完善，调用智能手机中的定位模块、加速度计、陀螺仪、麦克风等传感器，即可对列车行驶全线的经纬度、时间、速度、加速度、倾角、声学、光学、电磁、气压、气象、啸叫噪声、卫星等数据进行便携、高频、高精度采集。充分展现了全线采集、数据多维、便携易用、实时通信、车载线上、弹性扩展、众创集智的优势。
当前，智能手机测得的加速度数据与高精度加速度计相比误差在1％左右。加速度数据一方面可以反映轨道病害，如三角坑等轨道水平不平顺、波浪形磨耗，一方面可以计算Sperling指标、ISO2631指标，反映列车平稳性，还可以用于隧道内和地下的惯性导航，获取乘客交通方式、到站状态、轨迹信息、行走姿态与健康信息等。
以上工作，虽然初步验证了智能手机采集轨道交通客室车厢加速度加速度、陀螺仪等数据的可行性和准确性，并表明智能手机采集的数据可以用来评估线路、车辆运行状态和乘客舒适度，但大都局限于局部线路区段的局部特征，既缺乏贯穿全线的综合实际案例，也缺乏对加速度、声学、啸叫噪声、陀螺仪、电磁、气象等特征的耦合分析。特别的，以上工作几乎没有挖掘细粒度的定位和时间信息。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于智能手机的轨道交通运营期车载添乘仪及方法，随着我国高铁和城轨的运营里程、车速、载重增加，养护维修与乘客舒适度优化问题日益突出。本发明提出了一种基于智能手机的轨道交通客室全线数据采集、特征工程、数据预处理、机器学习、数据挖掘、数据可视化方法，获得轨道交通全线客室车厢经纬度、时间、速度、加速度、倾角、声学、光学、卫星、电磁、气压、气象、啸叫噪声、Sperling平稳性指标、ISO2631舒适度指标等数据。综合分析了磁悬浮、地铁、高铁全线的客室定位信息、振动加速度、啸叫噪声、平稳性指标并进行交互式地图数据可视化。为线路评价、乘客舒适度评价、病害治理提供低成本、快速、高精度、多维度、细粒度的辅助决策手段。
本发明的目的可以通过以下技术方案来实现：
一种基于智能手机的轨道交通运营期车载添乘仪，包括设置于车厢内的智能手机，所述智能手机内内置有用于采集各类数据的传感器，包括三轴加速度计、三轴陀螺仪、卫星定位模块、麦克风、亮度计、磁场计、气压计和遮挡传感器。
进一步地，所述的智能手机固定设置于所述车厢内的一侧，并与设置于所述车厢外底部的车轮正上方位置处相对应。
进一步地，所述智能手机与所述车厢车体的前进方向平齐，其内置的所述三轴加速度计和所述三轴陀螺仪均分别与所述车厢车体的车体横向加速度方向、车体纵向加速度方向以及垂直车厢地板向上方向相对应。
本发明还提供一种基于所述的基于智能手机的轨道交通运营期车载添乘仪的数据处理方法，该方法包括以下步骤：
步骤1：于所述智能手机中下载安装配套APP应用，并利用该APP应用调试并校准所述传感器；
步骤2：数据采集，利用所述智能手机采集所述车厢对应的全线数据；
步骤3：数据预处理，针对全线数据中不同文件进行不同的初步数据处理操作，得到啸叫区段音频、文件对应数据点以及Sperling平稳性指标与等级和ISO2631舒适度指标与等级；
步骤4：数据挖掘，将步骤3中数据点，利用Web GIS技术获得交互式地图；
步骤5：数据治理，基于得到的交互式地图，构建评价指标并进行细粒度时空分析与精准优化。
进一步地，所述的步骤2具体包括：利用所述智能手机内置的传感器，包括三轴加速度计、三轴陀螺仪、卫星定位模块、麦克风、亮度计、磁场计、气压计和遮挡传感器，采集所述车厢对应的全线数据，包括经纬度、时间、速度、加速度、倾角、声学、光学、电磁、气压、气象和啸叫噪声组成的传感器数据csv文件与音频文件，同时记录到站时间、啸叫噪声区段起始时间。
进一步地，所述的步骤3具体包括：对全线数据中csv数据进行结构化存储与整理，对音频文件构造基于频谱的若干新特征，分割出啸叫区段音频。对csv文件的每一个数据点，计算Sperling平稳性指标与等级、ISO2631舒适度指标与等级。
进一步地，所述的步骤4具体包括：将步骤3中得到的数据点，按照对应的经纬度绘制在地图上，通过Web GIS技术获得交互式地图。
进一步地，所述的Web GIS技术具体采用Python的交互式地图第三方工具包Folium和JavaScript第三方工具包Leaflet.js。
进一步地，所述的对音频文件构造基于频谱的若干新特征的过程采用Python的音频信号处理第三方工具包Librosa实现。
进一步地，所述的步骤3中的Sperling平稳性指标与等级采用根据标准GB5599-85铁道车辆动力学试验和鉴定规范所规定的Sperling平稳性指标与等级，ISO2631舒适度指标与等级采用根据人体承受振动评价的国际标准所规定的ISO2631-1997指标。
与现有技术相比，本发明具有以下优点：
(1)车载无干扰：在运营车辆上进行监测，不干扰正常运营，非接触测试，不需接线，不需等待线路天窗期或检修期上道布置仪器设备，对线路不产生干扰影响，同时保证测试人员和线路安全。
(2)全线数据全：全线每一个测点都包含经纬度、时间、速度、加速度、倾角、声学、光学、电磁、气压、气象、啸叫噪声、Sperling平稳性指标、ISO2631舒适度指标等特征，用交互式地图可视化，异常点一目了然。
(3)耦合多维度：采集得到的数据反映了轨道不平顺、列车啸叫噪声、乘客舒适度多维信息，便于后续特征工程与多维度耦合数据挖掘。例如：速度、曲线、加速度与啸叫噪声的关系，倾角与轨道水平不平顺的关系等。
(4)细粒度地图：通过Web GIS技术绘制交互式数据大屏。图表类型支持气泡图、热力图、聚类图、等值线图、时序图等。用户可以在浏览器内缩放、拖拽、平移，也可点击每一个数据点查看详情。既可分析单个特征全线分布情况，也可耦合分析多个特征的相关性和因果性。
(5)车轨判优劣：可获得与行车平稳性、乘客舒适度、啸叫噪声、轨道病害相关的若干有价值信息。可进一步反映轨道水平不平顺、三角坑等轮轨病害，用于评价捣固清筛、轨道铣磨与减振降噪措施效果。
(6)升级可扩展：随着移动互联网、北斗导航、5G通信、物联网、传感器、室内定位等新基建技术飞速发展，智能手机内置的传感器种类和性能会越来越高，未来将增设温度、湿度、红外、激光雷达等传感器，还可结合智能手环、智能手表、无线耳机采集的心率、血压、主动降噪等数据，构建更多维度的舒适度评价体系。
(7)便携零成本：智能手机APP简单易学，测量成本与测量门槛低，节约添乘成本。
(8)并行分布式：多个智能手机可同时采集车厢多个位置的数据，每位乘客都可成为数据采集终端。同一线路上并行独立采集的海量数据具备充分的代表性和全面性，为大数据公众治理与众创集智提供基础平台。
(9)实时通信快：智能手机具备实时网络通信功能，可在异常值出现时第一时间传回工务养护维修中心。
(10)频率可调整：用户可设置每秒采集频率100秒一次到每秒1000次不等，满足不同测试场景的数据需求。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为现有技术中的轨道交通线路检查方式导图；
图2为本发明中的数据处理方法的流程图；
图3为本发明中的基于智能手机的轨道交通运营期车载添乘仪设置于车厢内的布置示意图；
图4为本发明中的与基于智能手机的轨道交通运营期车载添乘仪配套的手机APP应用界面图；
图5为本发明实施例中上海地铁3号线，江杨北路-上海南站，全线智能手机采集和预处理得到的数据示意图；
图6为本发明实施例中上海地铁11号线，花桥-迪士尼，X方向加速度与啸叫噪声区段的数据示意图；
图7为本发明实施例中上海地铁11号线，花桥-桃浦新村，X方向加速度与啸叫噪声区段的数据示意图；
图8为本发明实施例中上海地铁11号线，迪士尼-花桥，X方向加速度与啸叫噪声区段的数据示意图；
图9为本发明实施例中上海地铁11号线，上海汽车城至昌吉东路的某一个啸叫区段，对数能量谱及频谱滚降点频率的数据示意图；
图10为本发明实施例中上海地铁11号线，花桥-桃浦新村，全程横向及垂向Sperling指标变化数据示意图；
图11为本发明实施例中上海地铁11号线，安亭-桃浦新村，全程横向、纵向及垂向ISO2631指标变化数据示意图；
图12为本发明实施例中上海地铁3号线，江杨北路-上海南站，列车车速与啸叫噪声区段的数据示意图；
图13为本发明实施例中上海地铁11号线(第二次测试)，花桥-迪士尼，横向加速度与啸叫噪声区段的数据示意图；
图14为本发明实施例中上海地铁11号线(第二次测试)，花桥-桃浦新村，绕Y轴旋转角度与啸叫噪声区段的数据示意图；
图15为本发明实施例中上海地铁11号线(第二次测试)，花桥-迪士尼，列车车速与啸叫噪声区段的数据示意图；
图16为本发明实施例中上海地铁11号线(第一次测试)，花桥-迪士尼，横向Sperling平稳性指标与等级的结果示意图；
图17为本发明实施例中上海地铁11号线(第一次测试)，花桥-迪士尼，垂向Sperling平稳性指标与等级的结果示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
此外，术语“水平”、“竖直”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
智能手机传感器硬件原理
随着智能手机等终端智能设备的发展进步，内置传感器精度不断提高，同时，移动互联网、物联网、云计算、5G通信、北斗导航等新基建数字网络不断完善。调用智能手机中的定位模块、加速度计、陀螺仪、麦克风等传感器，即可对列车行驶全线的经纬度、加速度、倾角、噪声、电磁、气压、气象等数据进行便携、高频、高精度采集，用于后续的数据挖掘和细粒度时空耦合分析。
智能手机中的三轴加速度计是一个基于压电效应的微机电系统(MEMS)，本质是传感器内部的弹簧-重物系统，测得的加速度本质是重物受到的惯性力。通过多个弹簧的变形量，可以解算出重物在X、Y、Z三个方向的加速度，并转为电信号输出。
智能手机中的三轴陀螺仪，包含一块微型磁性体，在手机旋转产生的科里奥利力作用下，向X、Y、Z三个方向发生位移，通过电容变化推算出角速度。
智能手机中的卫星定位模块，通过多颗卫星的绝对位置和自身相对它们的距离，推算自身所在位置，主流智能手机都已支持美国GPS、俄罗斯格洛纳斯、中国北斗导航、欧盟伽利略等GNSS系统。经过二十年的技术积累和三次技术迭代，我国自主研发的北斗三号导航系统已完成组网。定位精度从几十米提升至亚米级，并针对亚太地区的定位系统做了信号增强，在定位准确度、定位速度、信号抗干扰能力、短报文通信等方面具有较大优势。
智能手机的麦克风，把连续的声音模拟信号转为离散的数字信号。人耳能够听到的声音频率范围是20Hz至20000Hz，最敏感的频率是3000Hz至4000Hz。根据奈奎斯特采样定理，模拟信号转为数字信号时，采样频率高于模拟信号最高频率的两倍时，采样之后的数字信号能够完整保留原始信号中的信息。在华为Mate30 Pro手机上测试麦克风，采样频率为48000Hz，满足无损采样的要求。
当前主流智能手机技术架构可以分为苹果、安卓两大生态系统，两大系统有各自的生产厂商、底层芯片、手机硬件、操作系统、开发逻辑、应用生态和用户群体。本发明使用安卓手机及其手机应用进行数据采集，但本发明提出的数据采集和数据分析方法不仅限于安卓手机。
后文实验使用的智能手机参数及传感器参数如下表所示：
| 传感器 | 型号 | 最大测量范围 | 测量精度 |
| 加速度计 | accelerometer-lsm6dsm st(v 1) | 78.4532m/s<sup>2</sup> | 9.576806E-6m/s<sup>2</sup> |
| 陀螺仪 | gyroscope-lsm6dsm st(v 1) | 34.906586rad/s | 1.7453292E-5rad/s |
| 亮度计 | als-tmd3702ams(v 1) | 10000.0lux | 1.0lux |
| 磁场计 | akm-akm09918akm(v 1001) | 2000μT | 0.0625μT |
| 气压计 | airPress STMicroelectronics(v 1) | 110000Pa | 1Pa |
| 遮挡传感器 | proximity-tmd3702ams(v 1) | 0.05 m | 0.05m |
| 麦克风(声卡) | 海思Hi6405音频编解码器 | / | 48000Hz(采样频率) |
智能手机添乘仪工程应用全过程，如图2所示可以分为五个阶段：
准备阶段：在智能手机上安装配置软件应用，调试并校准传感器。
第一阶段：数据采集。获取全线运行时传感器数据csv文件与音频文件，同时记录到站时间、啸叫噪声区段起始时间。
第二阶段：数据预处理与特征工程。对csv数据进行结构化存储与整理，对音频文件构造基于频谱的若干新特征，分割出啸叫区段音频。对csv文件的每一个数据点，计算Sperling平稳性指标与等级、ISO2631舒适度指标与等级。
第三阶段：数据挖掘。将上一步特征工程得到的csv文件的数据点，按照对应的经纬度绘制在地图上，通过Web GIS技术获得交互式地图。既可分析单个特征全线分布情况，也可多变量对照分析多特征相关性。
第四阶段：数据治理。通过公众参与治理，构建大数据驱动的乘客、车辆、轨道、线路、环境评价指标。针对小半径曲线段、加减速段、啸叫噪声段、高架段、铣磨段、居民区等不同区段，进行细粒度时空分析与精准优化。
如图3所示智能手机固定于列车第二节车厢的一侧，位置大概位于车轮正上方，手机与列车前进方向平齐，X方向为车体横向加速度方向，Y方向为车体纵向加速度方向，Z方向为垂直车厢地板向上方向。
本发明同时还开发了“轨迹”安卓手机应用，如图4所示，调用智能手机内置传感器进行实时高频数据采集，获取经纬度、噪声、振动加速度，并在测试结束后将数据csv文件和音频文件自动上传至云储存服务器。
实际测试：
一、典型数据展示
上海地铁3号线，江杨北路-上海南站，全线智能手机采集和预处理得到的数据如下图所示，从图5中可以看出，数据综合涵盖了经纬度、时间、速度、加速度、倾角、声学、光学、电磁、气压、气象、啸叫噪声、卫星等各类物理量。
从噪声数据来看，本线路绝大部分区段噪声都低于75dB，满足GB 14892-2006《城市轨道交通列车噪声限值和测量方法》中对地铁客室内最大容许限值要求。
使用智能手机麦克风采集得到的噪声数据，在测量仪器、校准仪器、传声器位置、客室内人员数等方面都与GB 14892-2006《城市轨道交通列车噪声限值和测量方法》的要求不同，其准确性留待后续更严谨的测量研究。
绘制啸叫噪声与X方向加速度的关系图，可以看出在历次测试中，啸叫噪声几乎都伴随较大的X方向加速度。
上海地铁11号线，花桥-迪士尼，X方向加速度与啸叫噪声区段，如图6所示。
上海地铁11号线，花桥-桃浦新村，X方向加速度与啸叫噪声区段，如图7所示。
上海地铁11号线，迪士尼-花桥，X方向加速度与啸叫噪声区段，如图8所示。
二、数据预处理
音频特征工程
使用Python的音频信号处理第三方工具包Librosa，对全线音频进行特征提取和特征工程。
提取每个采样点对应的频谱中心频率、频谱滚降点频率、噪声分贝等声学信息。
频谱中心频率，指的是低于该频率的能量占声音信号总能量的二分之一。
频谱滚降点频率，指的是低于该频率的能量占声音信号总能量的某个比例，默认为85％。
地铁啸叫噪声一般来说声音比较尖锐，频率较高，图9展示了上海地铁11号线，上海汽车城至昌吉东路的某一个啸叫区段，对数能量谱及频谱滚降点频率，可以看出85％能量对应的频谱滚降点频率与啸叫出现有很强的相关性。
三、计算Sperling平稳性指标
我国标准GB5599-85《铁道车辆动力学试验和鉴定规范》规定，采用Sperling指标对铁道车辆的运行平稳性进行评价，经验公式为：
式中，
Z0——振幅(cm)
f——振动频率(Hz)
a——加速度(cm/s2)，其值为：a＝z0(2πf)2
F(f)——与振动频率有关的加权系数，对于垂向振动和横向振动是不同的，需查表确定。
上述公式得出的Sperling指标适用于单一频率下的等幅振动情况，实际测得的数据包含列车各个频段的加速度，需将实测加速度按频率分解，求出每段频率的平稳性系数，然后求出所有频段总的平稳性系数。
根据W值从0至5，可以分为6个等级，越高乘坐舒适度越差。
GB5599-85《铁道车辆动力学试验和鉴定规范》规定，对于客运列车，使用距离1、2位心盘一侧横向偏离1m处地板面上的横向及垂向加速度，计算Sperling平稳性指标。
因此，智能手机放置采集数据的位置应尽可能靠近转向架上方。
上海地铁11号线，花桥-桃浦新村，全程横向及垂向Sperling指标变化如图10所示。
四、计算ISO2631-1997舒适度指标
ISO2631-1997指标是人体承受振动评价的国际标准，由国际标准化组织机械振动与冲击技术委员会指定，目的是量化人体受到固体表面(如车厢)传到人体过程中主要频率范围在振动暴露的极限值。
该指标主要加速度加权均方根(R.M.S)来对乘坐舒适度进行评价。对于平移振动，加速度甲醛均方根单位为m/s2，对于旋转振动，单位为rad/s，加速度的加权均方根按下式计算：
在加速度的频率加权计算中，该评价指标使用了一系列权重系数，Wk适用于座椅表面和站立时的垂向振动，以及坐姿状态的脚部振动，Wd适用于站立状态以及座椅表面水平两方向的振动。
加速度的频率加权由下式完成：
式中，ai为按三分之一倍频程划分的加速度，Wi是该频程中心频率所对应的加权系数，具体数值可在评价指标内查到。ISO2631中还可计算多个方向叠加后的加速度加权均方根，需在每个方向的数据前乘以折算系数，公式为：
其中，awx，awy，awz即为三个方向的加速度加权均方根。
与Sperling指标类似，ISO2631指标也可分为若干舒适度等级，越高舒适度越差。
上海地铁11号线，安亭-桃浦新村，全程横向、纵向及垂向ISO2631指标变化，如图11所示。
五、交互式地图数据可视化
智能手机采集数据相比传统方法的一个优势就在于所有数据都有经纬度对应，因此可以借助网络地理信息系统(Web GIS)，以交互式地图的形式进行数据可视化。
使用Python的交互式地图第三方工具包Folium和JavaScript第三方工具包Leaflet.js进行交互式地图的绘制。图表类型支持气泡图、热力图、聚类图、等值线图、时序图等。用户可以在浏览器内缩放、拖拽、平移，也可点击每一个数据点查看详情。
列车行驶至地下或隧道时，定位信号差，地图上可能会出现中断。
相关数据可视化交互式地图如下：
上海地铁3号线，江杨北路-上海南站，列车车速与啸叫噪声区段对应如图12所示，左侧为列车车速，右侧为啸叫噪声区段；
上海地铁11号线(第二次测试)，花桥-迪士尼，横向加速度与啸叫噪声区段如图13所示，左侧为横向加速度，右侧为啸叫噪声区段；
综上可以看出，地铁啸叫噪声多发生在X方向加速度较大的区段。
上海地铁11号线(第二次测试)，花桥-桃浦新村，绕Y轴旋转角度与啸叫噪声区段，如图14所示，左侧为绕Y轴旋转角度，右侧为啸叫噪声区段；
上海地铁11号线(第二次测试)，花桥-迪士尼，列车车速与啸叫噪声区段对应如图15所示，左侧为列车车速，右侧为啸叫噪声区段；
上海地铁11号线(第一次测试)，花桥-迪士尼，横向Sperling平稳性指标与等级如图16所示；
上海地铁11号线(第一次测试)，花桥-迪士尼，垂向Sperling平稳性指标与等级如图17所示。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于智能手机的轨道交通运营期车载添乘仪，其特征在于，包括设置于车厢内的智能手机，所述智能手机内内置有用于采集各类数据的传感器，包括三轴加速度计、三轴陀螺仪、卫星定位模块、麦克风、亮度计、磁场计、气压计和遮挡传感器。
2.根据权利要求1所述的一种基于智能手机的轨道交通运营期车载添乘仪，其特征在于，所述的智能手机固定设置于所述车厢内的一侧，并与设置于所述车厢外底部的车轮正上方位置处相对应。
3.根据权利要求1所述的一种基于智能手机的轨道交通运营期车载添乘仪，其特征在于，所述智能手机与所述车厢车体的前进方向平齐，其内置的所述三轴加速度计和所述三轴陀螺仪均分别与所述车厢车体的车体横向加速度方向、车体纵向加速度方向以及垂直车厢地板向上方向相对应。
4.一种基于如权利要求1至3中任一项所述的基于智能手机的轨道交通运营期车载添乘仪的数据处理方法，其特征在于，该方法包括以下步骤：
步骤1：于所述智能手机中下载安装配套APP应用，并利用该APP应用调试并校准所述传感器；
步骤2：数据采集，利用所述智能手机采集所述车厢对应的全线数据；
步骤3：数据预处理，针对全线数据中不同文件进行不同的初步数据处理操作，得到啸叫区段音频、文件对应数据点以及Sperling平稳性指标与等级和ISO2631舒适度指标与等级；
步骤4：数据挖掘，将步骤3中数据点，利用Web GIS技术获得交互式地图；
步骤5：数据治理，基于得到的交互式地图，构建评价指标并进行细粒度时空分析与精准优化。
5.根据权利要求4所述的基于所述的基于智能手机的轨道交通运营期车载添乘仪的数据处理方法，其特征在于，所述的步骤2具体包括：利用所述智能手机内置的传感器，包括三轴加速度计、三轴陀螺仪、卫星定位模块、麦克风、亮度计、磁场计、气压计和遮挡传感器，采集所述车厢对应的全线数据，包括经纬度、时间、速度、加速度、倾角、声学、光学、电磁、气压、气象和啸叫噪声组成的传感器数据csv文件与音频文件，同时记录到站时间、啸叫噪声区段起始时间。
6.根据权利要求4所述的基于所述的基于智能手机的轨道交通运营期车载添乘仪的数据处理方法，其特征在于，所述的步骤3具体包括：对全线数据中csv数据进行结构化存储与整理，对音频文件构造基于频谱的若干新特征，分割出啸叫区段音频。对csv文件的每一个数据点，计算Sperling平稳性指标与等级、ISO2631舒适度指标与等级。
7.根据权利要求4所述的基于所述的基于智能手机的轨道交通运营期车载添乘仪的数据处理方法，其特征在于，所述的步骤4具体包括：将步骤3中得到的数据点，按照对应的经纬度绘制在地图上，通过Web GIS技术获得交互式地图。
8.根据权利要求7所述的基于所述的基于智能手机的轨道交通运营期车载添乘仪的数据处理方法，其特征在于，所述的Web GIS技术具体采用Python的交互式地图第三方工具包Folium和JavaScript第三方工具包Leaflet.js。
9.根据权利要求6所述的基于所述的基于智能手机的轨道交通运营期车载添乘仪的数据处理方法，其特征在于，所述的对音频文件构造基于频谱的若干新特征的过程采用Python的音频信号处理第三方工具包Librosa实现。
10.根据权利要求4所述的基于所述的基于智能手机的轨道交通运营期车载添乘仪的数据处理方法，其特征在于，所述的步骤3中的Sperling平稳性指标与等级采用根据标准GB5599-85铁道车辆动力学试验和鉴定规范所规定的Sperling平稳性指标与等级，ISO2631舒适度指标与等级采用根据人体承受振动评价的国际标准所规定的ISO2631-1997指标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110071711.8A CN112767575A (zh) | 2021-01-19 | 2021-01-19 | 一种基于智能手机的轨道交通运营期车载添乘仪及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110071711.8A CN112767575A (zh) | 2021-01-19 | 2021-01-19 | 一种基于智能手机的轨道交通运营期车载添乘仪及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112767575A true CN112767575A (zh) | 2021-05-07 |
Family
ID=75703362
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110071711.8A Pending CN112767575A (zh) | 2021-01-19 | 2021-01-19 | 一种基于智能手机的轨道交通运营期车载添乘仪及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112767575A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114680849A (zh) * | 2022-04-02 | 2022-07-01 | 重庆大学 | 基于多层次特异生理指标评估室内人员热舒适的方法 |
| CN116295804A (zh) * | 2023-02-16 | 2023-06-23 | 中铁四院集团南宁勘察设计院有限公司 | 一种振动地图的构建方法 |
| CN116952572A (zh) * | 2023-05-23 | 2023-10-27 | 哈尔滨东安汽车动力股份有限公司 | 一种变速器或新能源减速器啸叫快速诊断及优化方法 |
-
2021
- 2021-01-19 CN CN202110071711.8A patent/CN112767575A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114680849A (zh) * | 2022-04-02 | 2022-07-01 | 重庆大学 | 基于多层次特异生理指标评估室内人员热舒适的方法 |
| CN116295804A (zh) * | 2023-02-16 | 2023-06-23 | 中铁四院集团南宁勘察设计院有限公司 | 一种振动地图的构建方法 |
| CN116295804B (zh) * | 2023-02-16 | 2023-11-03 | 中铁四院集团南宁勘察设计院有限公司 | 一种振动地图的构建方法 |
| CN116952572A (zh) * | 2023-05-23 | 2023-10-27 | 哈尔滨东安汽车动力股份有限公司 | 一种变速器或新能源减速器啸叫快速诊断及优化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112767575A (zh) | 一种基于智能手机的轨道交通运营期车载添乘仪及方法 | |
| CN101650221B (zh) | 铁路列车车内噪声测量分析方法及其系统 | |
| Guzman-Acevedo et al. | GPS, Accelerometer, and Smartphone Fused Smart Sensor for SHM on Real‐Scale Bridges | |
| CN106960285A (zh) | 一种地铁列车运行服务质量检测装置及方法 | |
| CN106442720A (zh) | 一种声振式轨道桥梁健康监测装置、系统及方法 | |
| JP4914785B2 (ja) | 車両走行動揺／騒音解析システム、車両走行動揺／騒音解析方法および車両走行騒音解析方法 | |
| CN113177611B (zh) | 基于力学指标和人工神经网络的路面病害快速巡检方法 | |
| CN110184885B (zh) | 一种基于智能手机测试路面平整度的方法 | |
| CN105203551A (zh) | 车载激光雷达隧道检测系统、基于隧道检测系统的自主定位方法及隧道灾害检测方法 | |
| CN114771605B (zh) | 基于声学监测的高速铁路列车-轨道-环境一体化监测方法 | |
| CN107200040B (zh) | 用于确定轨道表面的垂直轮廓的方法和系统 | |
| CN104164829A (zh) | 基于移动终端的路面平整度检测方法和智能路面信息实时监测系统 | |
| Bennett et al. | Environmental noise mapping using measurements in transit | |
| CN104200082A (zh) | 台风登陆预测方法 | |
| CN104483700A (zh) | 地层裂缝监测与预警系统及方法 | |
| CN112726350A (zh) | 道路平整检测方法及装置、设备 | |
| CN108520227A (zh) | 一种基于双传感器信息的传递熵的桥梁结构损伤定位方法 | |
| CN112849208A (zh) | 轨道振动噪声与动态变形监测数据现场处理系统及方法 | |
| Meng et al. | A smartphone-enabled IoT system for vibration and noise monitoring of rail transit | |
| Ogaja et al. | Toward the implementation of on-line structural monitoring using RTK-GPS and analysis of results using the wavelet transform | |
| CN112722010A (zh) | 用于轨道交通的钢轨波磨声学诊断系统 | |
| CN110952427A (zh) | 基于驾乘感受的模块化路面智能感知设备及系统 | |
| CN117591838B (zh) | 溶洞区域地铁暗挖隧道减震爆破用安全预警系统及方法 | |
| CN216979810U (zh) | 一种基于智能手机的轨道交通运营期车载添乘仪 | |
| CN102636248A (zh) | 交通环境振动嵌入式快速定量评价方法与系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |