CN114118470A - 一种全自动驾驶车辆基地生产运营智能管控方法及系统 - Google Patents
一种全自动驾驶车辆基地生产运营智能管控方法及系统 Download PDFInfo
- Publication number
- CN114118470A CN114118470A CN202111417072.2A CN202111417072A CN114118470A CN 114118470 A CN114118470 A CN 114118470A CN 202111417072 A CN202111417072 A CN 202111417072A CN 114118470 A CN114118470 A CN 114118470A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- train
- fault
- intelligent
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012423 maintenance Methods 0.000 claims abstract description 86
- 238000012544 monitoring process Methods 0.000 claims abstract description 77
- 238000010276 construction Methods 0.000 claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000003745 diagnosis Methods 0.000 claims abstract description 15
- 238000007726 management method Methods 0.000 claims description 49
- 239000000463 material Substances 0.000 claims description 10
- 238000002360 preparation method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 238000009430 construction management Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000005299 abrasion Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 210000001503 joint Anatomy 0.000 claims description 2
- 230000007774 longterm Effects 0.000 claims description 2
- 238000005192 partition Methods 0.000 claims description 2
- 230000001960 triggered effect Effects 0.000 claims description 2
- 238000007689 inspection Methods 0.000 description 7
- 238000003672 processing method Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000005406 washing Methods 0.000 description 6
- 230000010354 integration Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000002618 waking effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000007261 regionalization Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/2477—Temporal data queries
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明涉及轨道交通技术领域,特别是涉及一种全自动驾驶车辆基地生产运营智能管控方法及系统。方法包括以下步骤:S1,获取车辆的实时状态信息;S2,将监测信息输入到车辆故障信息分类诊断模型,输出故障等级;S3,当故障等级达到预设的阈值时,生成故障信息及其相应的故障处理派工单;S4,基于故障处理派工单对车辆检修作业的现场安全进行智能化管控;S5,故障处理完成后,生成列车的调车计划、收车计划或发车计划。本发明的方法和系统提高了全自动驾驶车辆基地施工维修、车辆检修、车辆运用等生产作业的信息化、自动化水平。
Description
技术领域
本发明涉及轨道交通技术领域,特别是涉及一种全自动驾驶车辆基地生产运营智能管控方法及系统。
背景技术
预计到2025年末,全球全自动驾驶轨道交通线路里程将超过2300公里,全球新建线路超40%将采用全自动驾驶技术,国内上海、深圳、北京等一线城市新建地铁线路基本采用全自动驾驶技术。按每20公里设一处车辆基地计,需要建成超百座匹配全自动驾驶列车运维的车辆基地。
全自动驾驶车辆基地,有别于一般的车辆基地,设置了全自动区域(也称无人驾驶区,简称无人区)和非全自动区域(也称有人驾驶区域,简称有人区),全自动区域可完成列车的自动唤醒、自动洗车、自动发车、自动接车等任务。全自动区域划分了若干防护分区,每个分区入口处均设有区域门禁,以及SPKS开关,SPKS开关用于标记该处于是否处于防护状态,如处于防护状态才可进入人员施工,不处于防护状态不能进入人员施工。非全自动区域包括了车辆段控制中心(简称DCC),对整个车辆段的施工维修、车辆检修、车辆运用(即车辆段内列车收车、发车、调车)等生产业务进行调度管理。
全自动驾驶车辆基地相较于现有的驾驶车辆基地,对现场的生产作业效率及安全管理的要求更高,人员设置也相对更少,相应的,对全自动驾驶车辆基地的运维带来了更高的要求,特别是对整个车辆段的施工维修、车辆检修、车辆运用等生产业务的调度管理提出了更高的要求。目前段内施工维修、车辆检修、车辆运用等各专业业务之间信息无法实现共享、缺乏一个统一的平台对信息进行有机的整合、冲突检查,导致各个专业沟通成本较高、现场尤其是无人驾驶区的作业安全风险很高,即全自动驾驶线路,在车辆基地的生产运营管理远未实现全自动,急需一套智能管控系统实现全自动驾驶车辆基地生产运营的信息化、智能化。
目前已开通运营的全自动驾驶线路车辆基地内的主要生产运作流程如下:
1)接车:一般每日下午4时之前,调度手动编制次日的检修日生产计划以及当日的接车计划,然后把接车计划手动输入至信号系统,由信号系统安排列车自动接入车辆基地目的股道;
2)日检:一般列车出库之后,需要安排2名列检人员进行车辆的巡检作业,一列车的巡检需要耗费5-10分钟的时间;
3)发车:一般提前一天编制次日的发车计划,并手动输入至信号系统,由信号系统自动安排列车发车。
4)无人区的检修/施工:需工班去DCC手动登记请点信息,并且需将带入无人区的工器具拍照,以便出无人区的时候进行比对;通过门禁刷卡进入无人区,容易出现非本次检修人员也可进入无人区的现象,DCC无法对在无人区的作业人数进行掌握,易出现施工检修完成还依然有人停留在无人区的问题。
基于上述全自动驾驶线路车辆基地内的主要生产运作流程,虽然有部分专利公开了全自动驾驶车辆段的自动管控系统及方法,例如:专利《全自动驾驶车辆段安全管控系统及方法》(公开号CN104859687A)、《一种全自动驾驶车辆段无人区智能安全管理系统及方法》(公开号CN111071301A),但是上述专利均主要围绕全自动驾驶车辆基地内涉及接触网断送电的检修作业的现场安全管控系统及方法,未针对全自动驾驶车辆基地车辆检修、车辆运用、施工维修等全业务的信息化、智能化生产运营管理给出技术方案。
发明内容
本发明的目的在于,针对全自动驾驶车辆基地内的段内施工维修、车辆检修、车辆运用等生产作业的信息化、自动化水平较低的问题,提供了一种全自动驾驶车辆基地生产运营智能管控方法及系统,打破各个专业的接口,实现了各专业数据的整合、业务深度的融合,提高车辆基地内各生产业务的信息化、智能化水平,提升现场生产管理效率、降低现场作业安全风险,实现真正、全面自动的全自动驾驶车辆基地。
为了实现上述发明目的,本发明提供了以下技术方案:
一种全自动驾驶地铁车辆基地生产运营智能管控方法,具体包括以下步骤:
S1,获取列车的实时状态信息,所述列车的实时状态信息包括车辆基地轨旁车辆状态监测信息和车辆在线监测系统的列车信息;
S2,将所述监测信息输入到列车故障信息分类诊断模型,输出故障等级;
S3,当故障等级达到预设的阈值时,生成故障信息及其相应的故障处理派工单,所述故障处理派工单包括派工内容、作业班组、作业位置、派工时间、故障处理意见、备品备料以及处理工器具;
S4,基于所述故障处理派工单对车辆检修作业的现场安全进行智能化管控,管控内容包括现场人员的管控、处理工器具的管控和施工过程的管控;
S5,故障处理完成后,生成列车的调车计划、收车计划或发车计划。
作为本发明的优选方案,所述车辆基地轨旁车辆状态监测信息包括外部设备的外表损伤、磨损、裂纹、连线松动、异物、部件紧固的信息,所述外部设备包括车辆转向架、受电弓、车体、车钩、车顶、车下电气设备;所述车辆在线监测系统的列车信息包括列车电气设备的状态信息,所述列车电气设备包括列车上PIS、空调、牵引、制动、门控、火警以及ERM。
作为本发明的优选方案,步骤S2主要包括以下步骤:
S21,将所述监测信息进行预处理,所述预处理包括滤波处理、降噪处理和归一化处理;
S22,采用时频域分析方法对预处理后的监测数据进行特征提取,形成特征向量;
S23,将所述特征向量输入到训练好的车辆故障信息分类诊断模型中,输出故障等级。
作为本发明的优选方案,所述故障等级包括一级、二级和三级,一级故障为不影响列车发车的故障,二级故障为不影响列车发车但需在列车回库之后及时处理的故障,三级故障为影响列车发车的故障。
作为本发明的优选方案,步骤S4中,
所述现场人员的管控包括:对施工班组信息的审批、对进入施工区域人数的统计、对未戴安全帽或未穿劳保服人员的识别;
所述处理工器具的管控包括:施工完成后,通过扫码自动完成对现场处理工器具的清点;
所述施工过程的管控包括:通过全线施工系统接口获取施工计划、施工请点、施工销点信息。
基于相同的构思,还提出了一种全自动驾驶地铁车辆基地生产运营智能管控系统,包括:车辆状态智能监测单元、车辆智能检修单元、车辆基地现场作业智能管控单元和车辆智能运用单元;
所述车辆状态智能监测单元用于获取车辆的实时状态信息,所述车辆的实时状态信息包括车辆基地轨旁车辆状态监测信息和车辆在线监测系统的列车信息;
所述车辆智能检修单元用于将所述监测信息输入到车辆故障信息分类诊断模型,输出故障等级;并且当故障等级达到预设的阈值时,生成故障信息及其相应的故障处理派工单,所述故障处理派工单包括派工内容、作业班组、作业位置、派工时间、故障处理意见、备品备料以及处理工器具;
所述车辆基地现场作业智能管控单元基于所述故障处理派工单对车辆检修作业的现场安全进行智能化管控,管控内容包括现场人员的管控、处理工器具的管控和施工过程的管控;
所述车辆智能运用单元用于故障处理完成后,生成列车的调车计划、收车计划或发车计划。
作为本发明的优选方案,所述车辆状态智能监测单元通过光纤以太网接收所述车辆基地轨旁车辆状态监测信息;所述车辆状态智能监测单元通过LTE、通信OA网络的WIFI或车辆基地智能管控系统自建的WIFI接收所述车辆在线监测系统的列车信息。
作为本发明的优选方案,所述车辆基地现场作业智能管控单元包括区域入口处双目摄像机、对外接口和二维码扫码设备,
所述区域入口处双目摄像机用于完成进入区域的人数统计,同时每个列位均设置声光报警器,通过从车辆智能运用单元获取列车的接发车信息,自动触发列车动车的声光报警;
所述对外接口,实现与车辆基地全自动区域入口处门禁系统以及全线施工管理系统的对接,从所述全线施工管理系统获取施工计划、施工请点、施工销点信息,并且从车辆基地全自动区域入口处门禁系统获取门禁状态信息,只有通过所述全线施工管理系统请点审批的班组,才能通过所述车辆基地全自动区域入口处门禁系统进入施工区域;
所述二维码扫码设备用于根据处理工器具上的二维码信息,自动完成处理工器具的清点。
作为本发明的优选方案,所述车辆智能运用单元检测到正线列车回库故障时,自动生成列车前往检修列位的收车计划,具体步骤包括:
S31,车辆智能运用单元通过信号系统获取入库列车车号信息;
S32,当存在故障时,车辆智能运用单元通过信号系统获取当前场段处于空闲的检修列位;
S33,车辆智能运用单元生成故障列车车号对应的收车计划,所述收车计划中包括车号、入库股道。
作为本发明的优选方案,还包括车辆基地智能调度单元,
所述车辆基地智能调度单元分别与所述车辆智能检修单元、所述车辆智能运用单元和所述车辆基地现场作业智能管控单元连接,对整个车辆基地的资源信息进行综合采集和展示,采用分视图的方式进行展示,展示内容包括:供电视图、车辆视图、生产作业视图、线路视图;
所述供电视图展示车辆基地接触网断送电信息,所述展示车辆基地接触网断送电信息包括单股道接触网断送电信息和供电分区接触网断送电信息;
所述车辆视图展示车辆位置信息、车辆状态信息和车号信息;
所述生产作业视图展示车辆检修任务、施工维修任务、现场作业监视、各类作业完成统计、列车接发调车计划执行情况信息;
所述线路视图展示车辆基地信号设备状态信息、区域门禁信息。
与现有技术相比,本发明的有益效果:
提供了一种全自动驾驶车辆基地生产运营智能管控方法及系统,打破各个专业的接口,实现了各专业数据的整合、业务深度的融合,提高车辆基地内各生产业务的信息化、智能化水平,提升现场生产管理效率、降低现场作业安全风险,实现真正、全面自动的全自动驾驶车辆基地,相比一般车辆基地可降低20%检维修定员、40%调度人员定员,大幅降低运营成本。
附图说明:
图1为实施例1中一种全自动驾驶地铁车辆基地生产运营智能管控系统图;
图2为实施例1中车辆基地智能管控方法流程图;
图3为实施例2中车辆基地内建立管控系统专网架构图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
实施例1
一种全自动驾驶地铁车辆基地生产运营智能管控系统,系统图如图1所示,包括:车辆状态智能监测单元、车辆智能检修单元、车辆基地现场作业智能管控单元和车辆智能运用单元;
车辆状态智能监测单元用于获取车辆的实时状态信息,车辆的实时状态信息包括车辆基地轨旁车辆状态监测信息和车辆在线监测系统的列车信息;
车辆智能检修单元用于将监测信息输入到车辆故障信息分类诊断模型,输出故障等级;并且当故障等级达到预设的阈值时,生成故障信息及其相应的故障处理派工单,故障处理派工单包括派工内容、作业班组、作业位置、派工时间、故障处理意见、备品备料以及处理工器具;
车辆基地现场作业智能管控单元基于故障处理派工单对车辆检修作业的现场安全进行智能化管控,管控内容包括现场人员的管控、处理工器具的管控和施工过程的管控;
车辆智能运用单元用于故障处理完成后,生成列车的调车计划、收车计划或发车计划。
具体的,所述车辆状态智能监测单元,主要通过与车辆基地轨旁车辆状态监测设备(包括地铁列车360°3D故障图像检测系统、轮对及受电弓在线检测系统等)接口获取车辆的实时状态信息,包括车辆转向架、受电弓、车体、车钩、车顶、车下电气设备等的外表损伤、磨损、裂纹、连线松动、异物、部件紧固等信息,轨旁车辆状态监测设备一般设置与车辆基地咽喉区列车入段入口处,监测信息通过光纤以太网传输至车辆基地智能管控系统的中心机房;另外车辆状态智能监测单元还需与列车TCMS(车辆在线监测系统)接口,获取地铁列车上PIS、空调、牵引、制动、门控、火警、ERM等所有列车电气设备的状态信息、故障信息,由于TCMS设置于地铁列车之上,只能通过无线网络进行传输,根据车辆基地库内无线网的建设情况,可分为采用LTE、通信OA网络的WIFI或车辆基地智能管控系统自建WIFI完成TCMS至车辆基地智能管控系统中心机房的数据传输。
在获取列车TCMS系统和车辆基地轨旁监测系统接口提供的列车信息之后,需要对列车信息进行分析判断,以评判是否存在故障,以下为列车故障信息分析和评判的详细方法。
首先TCMS接口传递的主要是列车电气类信息,本身就包含是否是故障信息的标识,且能提供故障代码、故障位置、故障内容、故障等级等内容,车辆状态智能监测单元仅在此数据存入数据库之前,加上对应故障处理办法、故障处理所需备品备料、故障处理所需工器具等标记。
重点针对车辆基地轨旁监测系统传递的列车信息分析评判方法进行描述。由于车辆基地轨旁监测系统主要是通过传感器采集的列车信息,以模拟信号为主,信息种类比较多、繁杂,针对性的采用人工智能的方法进行信息分类和判断。
首先建立车辆故障信息分类诊断模型,然后再利用该模型对实际采集信息进行分类判断。
(1)车辆故障信息分类诊断模型
1)获取车辆监测信息(传感器监测类信息)
2)由于不同传感器对应不同的车辆监测模块,因此可按车辆监测模块大类对监测信息进行划分,包括转向架、受电弓、车体、车钩、车顶等;
3)预处理:对监测信息进行数据预处理,包括滤波、降噪、归一化;
4)特征提取:采用时频域分析方法进行特征提取,形成特征向量;
5)建立模型:采用神经网络建立车辆故障诊断模型,进行模型建立的自学习;
6)数据标记:对车辆监测信息进行数据标记,包括是否为故障、故障位置、故障等级、处理优先级、故障常见处理办法、所需备品备料、处理工器具等。根据故障是否影响列车发车将故障分为三级,一级故障为不影响列车发车的故障,二级故障为不影响列车发车但需在列车回库之后及时处理的故障,三级故障为影响列车发车的故障
7)数据存储分类:再采集一定量样本(重点是故障时的样本)之后,需对数据进行存储分类,包括训练样本和测试样本。
8)模型训练:不断增加样本,对模型进行持续的训练和测试,提高测试准确率。
9)模型可投入使用:当测试准确率达到95%以上时可以投入实际使用。
(2)利用模型对实际的车辆监测信息进行分类诊断
1)获取车辆状态监测信息;
2)对监测信息进行数据预处理,提取特征,形成特征向量;
3)输入至车辆故障诊断模型进行诊断、分类;
4)判断是否属于故障信息,如是故障信息,根据其故障分类,从数据库中匹配处其故障等级、处理优先级、常见处理办法、所需备品备料、处理工器具等内容;
5)故障等级是否高于二级?如高于二级则进行报警,将相关提醒信息发至检修调度人员;
6)系统自动将高于二级的故障信息转化为故障处理派工单。
作为本发明的优选方案,根据所述车辆故障信息分类诊断模型还生成了监测信息、故障等级、派工单对应表,通过该表可以根据监测信息获取故障等级、派工单内容中的故障处理建议和派工单内容处理工具。监测信息、故障等级、派工单对应表如表1所示:
表1监测信息、故障等级、派工单对应表
所述车辆智能检修单元,接收车辆状态智能监测单元传过来的车辆实时状态信息(含车辆设备/子系统/部件的正常运行信息和故障信息),首先对数据筛选,把所有故障信息筛选出来,然后把故障位置、故障等级、故障内容、故障时间按照故障等级的优先级进行排序显示给车辆检修专工,同时系统设置人工剔除误判的功能,系统具备自学习功能,待运行一定时间之后,智能检修单元可自动剔除误判信息;对于等级较高的故障信息,系统提供自动报警功能,且可结合系统内存储的当班检修班组信息,自动生成派工单,派工单包含派工内容、作业班组、作业位置,以及系统可智能地结合历史类似故障处理办法给出的故障处理意见、推荐的备品备料、处理工器具等信息,派工信息将自动发送至检修工班的车辆智能管控系统专用手持机。同时车辆基地智能管控系统在车辆基地备品/工器具间设置了智能柜,智能柜采用RFID物联方式对内设工器具/备品进行管理,同时设置了嵌入式系统,当工班持手持机至智能柜扫码,智能柜自动打开本次故障处理所需工器具/备品所在的柜门,当工器具/备品被取走之后,智能柜自动反馈领用人、工器具/备品名称、时间、剩余数量等信息至车辆智能检修单元供车辆检修专工查看;工班持手持机至现场进行故障处理,可拍照上传处理过程及结果信息至车辆智能检修单元的界面终端,供车辆检修专工查看,同时智能检修单元将自动存储处理信息,如此形成累积的历史车辆故障检修处理信息库,供新的故障处理时调用形成故障。
故障处理派工单的生成方式如下:
故障处理派工单的内容主要包括故障车辆号、故障处理场段、作业区域、故障内容、建议的故障处理办法、推荐的备品备料、处理工器具等内容。
1)输入车辆故障信息;
2)提取故障车辆号、位置、故障内容、常见处理办法、所需备品备料、处理工器具等信息;
3)根据故障车辆号,从信号系统接口内容中获取其停放股道信息,从而获取信息生成派工单所需的作业场段、作业区域(即作业股道);
4)根据故障等级判断是否需要立即派工;
5)结合派工时间,选派派工时间内在岗且为空闲状态的班组进行派工。
所述车辆基地现场作业智能管控单元,主要针对车辆基地内的施工维修、车辆检修作业的现场安全进行智能化管控。作业智能管控单元首先包括现场设备层,现场设备主要在全自动区域入口处双目摄像机,用于完成进入区域的人数统计,同时每个列位均设置声光报警器,通过从车辆智能运用单元获取列车的接发车信息,自动触发列车动车的声光报警;针对有三层平台(一般检修人员通过三层平台进入车顶,易发生人员坠落及接触网触电的安全风险事故,因此三层平台检修作业相较其他检修作业对安全管理要求更高)的检修列位,在进入三层平台入口处设置门禁、双目摄像机及海康的智能AI摄像机,从而可统计在三层平台的检修人数以及进入三层平台未带安全帽或劳保服等违规操作的智能识别,并且系统授权的才允许进入三层平台。其次是对外接口,实现与车辆基地全自动区域入口处门禁系统以及全线施工管理系统的接口,与门禁系统接口获取门禁状态信息以及像门禁系统发送请点审批通过之后的班组信息,只有通过请点审批的班组才能进入对应的全自动区域开展检修工作,与全线施工系统接口主要获取施工计划、施工请点、施工销点信息;最后是在DCC设有二维码扫码设备,将车辆检修或设备设施工维修所需工器具(贴有二维码)至于扫码设备之上,可自动完成清点工作,避免施工完成时,遗留工器具至全自动区域,造成影响列车行车等不必要的事故。
所述车辆智能运用单元,主要实现车辆基地内发车、调车、收车计划的自动编制,可结合车辆智能检修单元反馈的列车故障信息,自动调整发车、调车、收车计划,其特点一为系统检测到正线列车回库故障时,系统会自动生成列车前往检修列位的收车计划,具体办法如下:
1)信号系统提供入库列车车号信息;
2)车辆智能监测单元自动判断入库列车是否存在故障;
3)如存在故障,从信号系统中获取当前场段处于空闲场段的检修列位;
4)自动生成该故障车的入库计划(收车计划),包括车号、入库股道等信息;
其特点二为可结合车辆智能检修单元反馈的故障处理完成信息,自动生成列车从检修列位前往停车列检列位的调车计划,具体办法如下:
1)列车停至检修列位进行故障检修;
2)工班收到故障派工单之后开始检修作业;
3)检修完成之后,工班在检修单元中进行销点作业;
4)为避免占用检修股道资源,需将列车调至专用停车列位;
5)从信号系统中获取当前空闲的停车列位;
6)从空闲列位中随机选择停车列位;
7)根据当前检修列位至停车列位的路线,计算所经过的牵出线;
8)自动生成从检修列位至停车列位的调车计划,包括调车起始列位、终点列位、所经牵出线、调车车号等信息;
其特点三为在列车出库前,如接收到车辆智能检修单元反馈的列车故障信息,可自动调整发车计划,安排其他无故障的列车上线运营,具体办法如下:
1)列车在停车列位准备发车至正线;
2)列车发车之前自检,将自检信息传至本系统车辆智能监测单元;
3)车辆智能监测单元判断列车是否存在故障;
4)如存在故障则从发车计划中将该列车剔除;
5)从备用列车中选择列车顶替故障列车,列入发车计划中;
6)如无备用列车,则采用将发车计划中后续需发列车顶替故障列车;
7)故障列车进入故障检修;
8)待检修完成之后重新加入发车计划的队列;
其特点四为可将系统生成的发车、调车、收车计划发至信号系统,信号系统接收计划之后,自动办理列车的发车、调车、收车进路;另车辆智能运用单元,还可结合列车的出车安排,实现全自动列车随车人员(有些全自动线路称之为车辆运用检修工,类似人工驾驶线路的司机)叫班计划的生成、出勤计划的自动生成,包含出勤的地点、出勤的时间、出勤人员姓名、计划值乘列车所在列位、出库时间,在出勤点设置智能出退勤一体机,可实现人员通过刷脸或指纹出勤、测酒、答题,自动结合出勤计划判别每一个出勤人员是否迟到,可打印出勤计划,便于随车人员准确找到登车列位。
所述车辆基地智能调度单元,主要与车辆智能检修单元、车辆智能运用单元、现场作业智能管控单元衔接,对整个站场资源信息进行综合采集综合揭示,采用分视图的方式进行展示,包括供电视图重点展示车辆基地接触网断送电信息,含单股道接触网断送电信息、供电分区接触网断送电信息;车辆视图重点展示车辆位置信息、车辆状态信息、车号信息;生产作业视图重点展示车辆检修任务、施工维修任务、现场作业监视、各类作业完成统计、列车接发调车计划执行情况等信息;线路视图主要展示车辆基地信号设备状态信息、区域门禁信息等;另外智能调度单元可结合站场资源信息、车辆检修/运用/施工等计划及执行信息,自动给出冲突检查报警功能,冲突检查核心要点包括:1)列车发车之前自动检测对应停车列位及沿线的接触网断送电信息2)车辆检修或设备设施施工请点时,自动检查对应的检修/施工列位是否存在接发调车作业,避免冲突;自动检测对应的全自动区域的SPKS是否处于激活防护状态,只有处于激活防护状态,才允许请点;3)车辆检修或设备设施施工销点时,自动检查对应全自动区域、三层平台是否有人未出,是否有工具未出清区域,如有则不允许批准销点。4)自动接收智能柜反馈的工器具信息,当部分特殊用处工器具数量无法满足车辆检修或施工维修需求时,自动生成报警信息,提示报警人员;5)自动接收智能出退勤一体机的信息,对于超过一定时间(可设置)未来出勤的随车人员或出勤答题错误次数超过一定数量(可设置)的随车人员可自动弹框提醒调度人员介入处理。
图2给出了车辆基地智能管控方法,如图2所示,主要是结合各个单元模块的功能设置特点,围绕全自动驾驶车辆基地的核心生产业务,从车辆基地列车发车、随车人员出乘管理、调车、车辆基地检修、收车等全流程,阐述车辆基地智能管控方法:
1)列车收车回库之后,车辆智能运用单元自动从信号系统获取车辆段内列车位置信息、车号信息,并结合车辆智能检修单元的次日的车辆检修要求、无故障可上线运营的列车车辆,自动生成次日早上发车计划,发车计划经调度审批通过之后,自动发送至信号系统;
2)列车早上发车之前,如列车自检发现故障,可将故障信息通过TCMS发送至车辆基地智能运用单元和车辆智能检修单元,车辆智能检修单元可通过专家诊断方法自动分析故障是否影响运营,如不影响,则通过车辆基地智能调度单元弹框告知调度,反馈故障不影响行车。
3)如反馈故障影响行车,则车辆智能检修单元将该信息发至车辆智能运用单元,智能运用单元可自动结合车辆智能检修单元提供的可上线运营的列车车辆,自动将故障列车调整至可上线运营的列车,重新生成新的发车计划,经调度确认之后,发至信号系统,信号系统自动将故障列车下线,唤醒计划要求的新的列车上线。
4)车辆智能运用单元依据车辆基地发车要求,自动生成随车人员的叫班计划(含叫醒寝室、叫醒时间等内容),叫班计划通过接口(采用SIP协议)发送至车辆基地的电话软交换系统,系统自动按叫醒时间一次拨打寝室电话,叫醒随车人员;随车人员按时至车辆基地出勤室,通过智能出退勤一体机出勤,完成指纹测酒答题等一体化操作,打印出勤计划,并在智能柜刷卡,智能柜自动推送随车所需800M电台、主控钥匙等行车备品至指定列位登车,列车按发车计划到点出库,列车出库动车时现场的声光报警器自动发出“XX列位有车出库,注意避让”。
5)针对因故障下线的列车,车辆智能检修单元自动生成故障处理派工单(派工内容、作业班组、作业位置,以及系统可智能地结合历史类似故障处理办法给出的故障处理意见、推荐的备品备料、处理工具等信息)下发至工班的手持台。工班至智能柜领取相应的检修工器具及备品,智能柜将自动记录领取人、领用时间、领用工器具/备品名称及数量等信息。
6)针对因故障下线的列车,车辆智能检修单元自动生成调车通知单,调车时间安排在发车计划完成之后,避免与发车产生冲突,耽误正线运营。调车起始股道为故障列车所在列位,调车终点股道为具备检查坑的检修列位,系统自动选择可用的牵出线。调车通知单经调度人员确认之后发至信号系统,信号系统自动将列车调至调车终点股道,并将结果反馈至车辆智能调度单元,智能调度单元自动将可以开展检修的信息发至检修工班。
7)检修工班通过手持台进行检修作业前的请点,并将所有带至现场的工器具至DCC进行扫码登记。车辆基地智能调度单元接到请点信息之后,可将对应区域的SPKS激活信息发至信号系统,信号系统自动将SPKS激活使相应的检修区域处于防护状态,同时将所有检修班组人员的信息发至门禁系统,门禁系统自动为该班组人员开启进入检修区域的授权;其他未授权的人员不可打开门禁进入检修区域。
8)检修工班至检修区域开展检修作业,系统自动记录检修区域的人数,如涉及进入三层平台的检修作业,系统自动检查是否带安全帽、穿劳保服等防护用品,自动检测进入三层平台的人数。当检修作业结束时,检修工班可通过手持机远程销点,并将带入检修区域的工器具至DCC扫码设备自动扫码,系统自动检测是否有工器具遗留在检修区域,是否有检修人员停留在检修区域、三层平台,如有,则销点不通过,需检修施工负责人核实人员、工器具都已出清检修施工区域之后才可通过销点申请。
9)晚上,列车收车回库之前,车辆智能运用单元自动生成所有在正线运营的列车的回库计划,经调度确认之后,自动发送至信号系统,信号系统自动排列列车收车回库的进路;同时系统可安排回库洗车计划,如按隔日洗的策略,在回库计划中自动表明洗车,发至信号系统,信号系统可自动排列列车经过洗车线的回库进路。列车入库前,系统自动播报“XX列位有车入库,注意避让”。
实施例2
如图3所示,给出了车辆基地内建立管控系统专网架构,专网连接了车辆段室内系统中心机房,车辆段室内出勤室、派班室、DCC调度室、检修班组室、备品/工器具间,车辆段库内的设备。
1)系统中心机房,部署了智能管控系统应用程序的应用服务器,用于数据处理及存储的数据库服务器和磁盘阵列,以及系统通过等保要求所需的日志审计、数据库审计、二代防火墙等设备,上述设备均通过网线连接至机房的核心交换机,用于接入智能管控系统专网;其次是对外接口设备,设置与门禁、CCTV、TCMS、车辆基地轨旁车辆监测系统、车辆基地信号系统接口设备:
(1)与门禁接口:采用网线连接至车辆基地门禁系统的核心交换机,接口交换的数据包括获取门禁的状态信息,以及像门禁发送授权之后的班组人员信息;
(2)与TCMS接口:TCMS设置在列车上,只能采用无线网络与之接口,本实施案例介绍采用库内布设智能管控系统专网的WIFI点,TCMS利用该WIFI网络与智能管控系统进行接口,接口交换的数据包括获取列车运行里程信息、列车各模块故障信息。
(3)与CCTV接口:采用网线连接至车辆基地CCTV的核心交换机,接口交换的数据包括获取视频流信息及视频设备状态信息,发送视频控制命令信息等。
(4)车辆基地轨旁车辆监测系统:采用网线连接至轨旁监测系统核心交换机,接口交换的数据包括获取列车经过监测系统时的车辆外观监测信息、轮对监测信息、受电弓监测信息等。
(5)与车辆基地信号系统:采用网线连接至车辆基地信号系统的核心交换机,由于信号系统一般是双网,智能管控系统与信号系统也采用双网线进行物理连接;接口交换的数据包括获取车辆基地内信号设备状态信息、列车车号及位置信息、正线车次车号对应关系,以及发送车辆基地接车、发车、调车计划信息至信号系统。
(6)与电话软交换系统:采用网线连接至地铁电话软交换系统,接口交换的数据包括发送叫班计划信息,获取叫班响应信息。
2)DCC调度室,设置2*8调度拼接大屏、各个调度工作站以及扫码设备:1)2*8调度拼接大屏主要用于显示车辆状态屏2*2、车辆基地站场揭示屏2*2、CCTV展示大屏2*2、正线ATS 2*2;调度工作站主要为检修运用调度工作站、场段行车调度工作站;扫码设备主要对施工人员携带进无人区的施工工器具进行扫码。
3)车辆段出勤室,设置智能出退勤一体机以及智能柜,两个设备均通过网线连接至智能管控系统专网。
4)备品/工器具间、车辆检修班组室:备品/工器具间设置柜、检修班组室设置手持终端。
5)库内:在每一个列位设置列车出入库报警设备;在检修三层平台及全自动无人区处设置双目摄像机,在三层平台入口处设置门禁及AI智能摄像机;在库内设置无线WIFI。
Claims (10)
1.一种全自动驾驶地铁车辆基地生产运营智能管控方法,其特征在于,具体包括以下步骤:
S1,获取列车的实时状态信息,所述列车的实时状态信息包括车辆基地轨旁车辆状态监测信息和车辆在线监测系统的列车信息;
S2,将所述监测信息输入到列车故障信息分类诊断模型,输出故障等级;
S3,当故障等级达到预设的阈值时,生成故障信息及其相应的故障处理派工单,所述故障处理派工单包括派工内容、作业班组、作业位置、派工时间、故障处理意见、备品备料以及处理工器具;
S4,基于所述故障处理派工单对车辆检修作业的现场安全进行智能化管控,管控内容包括现场人员的管控、处理工器具的管控和施工过程的管控;
S5,故障处理完成后,生成列车的调车计划、收车计划或发车计划。
2.如权利要求1所述的一种全自动驾驶地铁车辆基地生产运营智能管控方法,其特征在于,所述车辆基地轨旁车辆状态监测信息包括外部设备的外表损伤、磨损、裂纹、连线松动、异物、部件紧固的信息,所述外部设备包括车辆转向架、受电弓、车体、车钩、车顶、车下电气设备;所述车辆在线监测系统的列车信息包括列车电气设备的状态信息,所述列车电气设备包括列车上PIS、空调、牵引、制动、门控、火警以及ERM。
3.如权利要求1所述的一种全自动驾驶地铁车辆基地生产运营智能管控方法,其特征在于,步骤S2主要包括以下步骤:
S21,将所述监测信息进行预处理,所述预处理包括滤波处理、降噪处理和归一化处理;
S22,采用时频域分析方法对预处理后的监测数据进行特征提取,形成特征向量;
S23,将所述特征向量输入到训练好的车辆故障信息分类诊断模型中,输出故障等级。
4.如权利要求3所述的一种全自动驾驶地铁车辆基地生产运营智能管控方法,其特征在于,所述故障等级包括一级、二级和三级,一级故障为不影响列车发车的故障,二级故障为不影响列车发车但需在列车回库之后及时处理的故障,三级故障为影响列车发车的故障。
5.如权利要求1所述的一种全自动驾驶地铁车辆基地生产运营智能管控方法,其特征在于,步骤S4中,
所述现场人员的管控包括:对施工班组信息的审批、对进入施工区域人数的统计、对未戴安全帽或未穿劳保服人员的识别;
所述处理工器具的管控包括:施工完成后,通过扫码自动完成对现场处理工器具的清点;
所述施工过程的管控包括:通过全线施工系统接口获取施工计划、施工请点、施工销点信息。
6.一种全自动驾驶地铁车辆基地生产运营智能管控系统,其特征在于,包括:车辆状态智能监测单元、车辆智能检修单元、车辆基地现场作业智能管控单元和车辆智能运用单元;
所述车辆状态智能监测单元用于获取车辆的实时状态信息,所述车辆的实时状态信息包括车辆基地轨旁车辆状态监测信息和车辆在线监测系统的列车信息;
所述车辆智能检修单元用于将所述监测信息输入到车辆故障信息分类诊断模型,输出故障等级;并且当故障等级达到预设的阈值时,生成故障信息及其相应的故障处理派工单,所述故障处理派工单包括派工内容、作业班组、作业位置、派工时间、故障处理意见、备品备料以及处理工器具;
所述车辆基地现场作业智能管控单元基于所述故障处理派工单对车辆检修作业的现场安全进行智能化管控,管控内容包括现场人员的管控、处理工器具的管控和施工过程的管控;
所述车辆智能运用单元用于故障处理完成后,生成列车的调车计划、收车计划或发车计划。
7.如权利要求6所述的一种全自动驾驶地铁车辆基地生产运营智能管控系统,其特征在于,所述车辆状态智能监测单元通过光纤以太网接收所述车辆基地轨旁车辆状态监测信息;所述车辆状态智能监测单元通过LTE、通信OA网络的WIFI或车辆基地智能管控系统自建的WIFI接收所述车辆在线监测系统的列车信息。
8.如权利要求6所述的一种全自动驾驶地铁车辆基地生产运营智能管控系统,其特征在于,所述车辆基地现场作业智能管控单元包括区域入口处双目摄像机、对外接口和二维码扫码设备,
所述区域入口处双目摄像机用于完成进入区域的人数统计,同时每个列位均设置声光报警器,通过从车辆智能运用单元获取列车的接发车信息,自动触发列车动车的声光报警;
所述对外接口,实现与车辆基地全自动区域入口处门禁系统以及全线施工管理系统的对接,从所述全线施工管理系统获取施工计划、施工请点、施工销点信息,并且从车辆基地全自动区域入口处门禁系统获取门禁状态信息,只有通过所述全线施工管理系统请点审批的班组,才能通过所述车辆基地全自动区域入口处门禁系统进入施工区域;
所述二维码扫码设备用于根据处理工器具上的二维码信息,自动完成处理工器具的清点。
9.如权利要求6所述的一种全自动驾驶地铁车辆基地生产运营智能管控系统,其特征在于,所述车辆智能运用单元检测到正线列车回库故障时,自动生成列车前往检修列位的收车计划,具体步骤包括:
S31,车辆智能运用单元通过信号系统获取入库列车车号信息;
S32,当存在故障时,车辆智能运用单元通过信号系统获取当前场段处于空闲的检修列位;
S33,车辆智能运用单元生成故障列车车号对应的收车计划,所述收车计划中包括车号、入库股道。
10.如权利要求6-9任一所述的一种全自动驾驶地铁车辆基地生产运营智能管控系统,其特征在于,还包括车辆基地智能调度单元,
所述车辆基地智能调度单元分别与所述车辆智能检修单元、所述车辆智能运用单元和所述车辆基地现场作业智能管控单元连接,对整个车辆基地的资源信息进行综合采集和展示,采用分视图的方式进行展示,展示内容包括:供电视图、车辆视图、生产作业视图、线路视图;
所述供电视图展示车辆基地接触网断送电信息,所述展示车辆基地接触网断送电信息包括单股道接触网断送电信息和供电分区接触网断送电信息;
所述车辆视图展示车辆位置信息、车辆状态信息和车号信息;
所述生产作业视图展示车辆检修任务、施工维修任务、现场作业监视、各类作业完成统计、列车接发调车计划执行情况信息;
所述线路视图展示车辆基地信号设备状态信息、区域门禁信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111417072.2A CN114118470B (zh) | 2021-11-25 | 2021-11-25 | 一种全自动驾驶车辆基地生产运营智能管控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111417072.2A CN114118470B (zh) | 2021-11-25 | 2021-11-25 | 一种全自动驾驶车辆基地生产运营智能管控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114118470A true CN114118470A (zh) | 2022-03-01 |
CN114118470B CN114118470B (zh) | 2023-09-05 |
Family
ID=80373547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111417072.2A Active CN114118470B (zh) | 2021-11-25 | 2021-11-25 | 一种全自动驾驶车辆基地生产运营智能管控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114118470B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115214752A (zh) * | 2022-07-11 | 2022-10-21 | 陈宇 | 一种基于地铁全自动化车场的车辆派班系统 |
CN115796494A (zh) * | 2022-11-16 | 2023-03-14 | 北京百度网讯科技有限公司 | 用于无人驾驶车辆的工单处理方法、工单信息展示方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103744383A (zh) * | 2013-12-26 | 2014-04-23 | 北京交控科技有限公司 | 地铁信号故障预警方法及系统 |
CN105424364A (zh) * | 2015-11-09 | 2016-03-23 | 北京交通大学 | 列车轴承故障的诊断方法和装置 |
CN106909120A (zh) * | 2017-05-11 | 2017-06-30 | 四川高新轨道交通产业技术研究院 | 地铁车辆基地综合自动化系统 |
CN111240300A (zh) * | 2020-01-07 | 2020-06-05 | 国电南瑞科技股份有限公司 | 基于大数据的车辆健康状态评估模型构建方法 |
CN111353705A (zh) * | 2020-02-28 | 2020-06-30 | 交控科技股份有限公司 | 一种城市轨道交通多场段进路管理单元及综合管控系统 |
-
2021
- 2021-11-25 CN CN202111417072.2A patent/CN114118470B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103744383A (zh) * | 2013-12-26 | 2014-04-23 | 北京交控科技有限公司 | 地铁信号故障预警方法及系统 |
CN105424364A (zh) * | 2015-11-09 | 2016-03-23 | 北京交通大学 | 列车轴承故障的诊断方法和装置 |
CN106909120A (zh) * | 2017-05-11 | 2017-06-30 | 四川高新轨道交通产业技术研究院 | 地铁车辆基地综合自动化系统 |
CN111240300A (zh) * | 2020-01-07 | 2020-06-05 | 国电南瑞科技股份有限公司 | 基于大数据的车辆健康状态评估模型构建方法 |
CN111353705A (zh) * | 2020-02-28 | 2020-06-30 | 交控科技股份有限公司 | 一种城市轨道交通多场段进路管理单元及综合管控系统 |
Non-Patent Citations (1)
Title |
---|
赵强: "地铁车辆基地现场作业安全管理系统(DSMS)研究", vol. 24, no. 24, pages 2 - 6 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115214752A (zh) * | 2022-07-11 | 2022-10-21 | 陈宇 | 一种基于地铁全自动化车场的车辆派班系统 |
CN115214752B (zh) * | 2022-07-11 | 2024-05-07 | 陈宇 | 一种基于地铁全自动化车场的车辆派班系统 |
CN115796494A (zh) * | 2022-11-16 | 2023-03-14 | 北京百度网讯科技有限公司 | 用于无人驾驶车辆的工单处理方法、工单信息展示方法 |
CN115796494B (zh) * | 2022-11-16 | 2024-03-29 | 北京百度网讯科技有限公司 | 用于无人驾驶车辆的工单处理方法、工单信息展示方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114118470B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112598182B (zh) | 一种轨道交通智能调度方法及系统 | |
CN104866982B (zh) | 一种互联网+危险废弃物管理的系统和方法 | |
CN109189019B (zh) | 一种机车乘务员值乘标准化监控系统 | |
CN105083331B (zh) | 一种机车整备作业管理系统 | |
CN114118470B (zh) | 一种全自动驾驶车辆基地生产运营智能管控方法及系统 | |
CN110329862B (zh) | 一种基于云平台的电梯智能综合管理系统 | |
CN107610266A (zh) | 一种车站巡检系统 | |
CN105354673A (zh) | 一种车辆整备作业管理系统及方法 | |
CN101727689A (zh) | 口岸出入境一站式电子验放系统 | |
CN110852457A (zh) | 地铁车辆运维系统 | |
CN204557612U (zh) | 一种基于机器视觉的公交客流统计系统 | |
CN106909120A (zh) | 地铁车辆基地综合自动化系统 | |
CN110077442A (zh) | 自动化机车信号出入库检测系统及方法 | |
CN110930760A (zh) | 立体车库管理系统 | |
CN202018387U (zh) | 城轨列车在途运行走行部智能诊断系统 | |
CN112233003A (zh) | 一种绿色智能客站系统及集成方法 | |
CN202353707U (zh) | 一种汽车监测诊断系统 | |
CN104320613A (zh) | 一种动车检修作业监控方法、监控系统及定位系统 | |
CN111806516A (zh) | 一种用于智能列车监测与运维的健康管理装置及方法 | |
CN203163853U (zh) | 一种自动过磅管理系统 | |
KR102189638B1 (ko) | 정비원 단말기를 이용한 전동차 유지보수 시스템 및 방법 | |
CN113469124B (zh) | 公路客运客流量采集与监管平台及其使用方法 | |
CN110263718A (zh) | 车辆出入段检测方法及检测系统 | |
CN105974904A (zh) | 地铁车辆安全防护系统及其方法 | |
CN115520247B (zh) | 一种铁路运输作业记录管理平台及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |