CN114422061B - 一种针对铁路环境下无线信号传播自适应预测方法 - Google Patents

Abstract

本发明公开了一种针对铁路环境下无线信号传播自适应预测方法，包括：在铁路线地图上选取特征区段，进行射线跟踪计算；利用计算结果，通过拟合的方式对传统传播模型参数进行校正；利用参数校正后的传播模型对铁路全线进行无线覆盖预测计算；检验全线是否有信号覆盖指标不达标的区域，如有则对相应区间的无线系统设计进行优化，并重新进行计算，直至全线信号覆盖指标达标；当全线的信号覆盖指标以及系统设计合理性验证通过后，进行实际施工，并在土建施工完成后或者铁路线开通前，对现场进行实地信号测试；将实地信号测试结果用于对射线跟踪算法的校正；可提升铁路专网网络规划效率和精度，有效降低射线跟踪技术带来的成本提升。

Description

一种针对铁路环境下无线信号传播自适应预测方法

技术领域

本发明属于铁路通信技术领域，具体涉及一种针对铁路环境下无线信号传播自适应预测方法。

背景技术

随着我国高速铁路建设和发展，列车所处的高速移动环境对无线信号的发射和接收提出了极高的要求。GSM-R铁路专用数字通信系统（以下简称铁路专网）主要用于承载语音和列车控制数据业务，在高速铁路CTC-3控制系统的要求下，铁路专网需要保证铁路沿线无线信号的冗余覆盖，使得沿线无线系统设备成倍增加，极大的增加了无线系统的设计难度，合理的安排沿线无线系统设备的位置及参数才能有效消除覆盖盲区、避免信号干扰，以保证沿途无线通信质量。同时随着现有铁路网越来越密集，铁路电波传播环境越来越复杂，不论是在新建铁路线还是既有线路改造过程中，都需要大量考虑相邻线路以及交叉线路既有无线网络对周边电磁环境的影响，因此在铁路沿线开展无线通信系统规划设计成为铁路通信系统设计的重点和设计质量控制的难点。

目前传统的无线规划和覆盖预测工作，主要通过场强测试校正传统无线传播模型后，在数字地图上进行无线传播预测。传统无线传播模型包括一系列的经验传播模型，包括Hata-Okumura、COST 231、SPM等模型，大多数都是基于大量基础实验进行线性拟合的成果，其模型参数就是各经验公式中可以调整的各分项系数，由于经验模型的参数都是实际测试结果拟合而来，各参数皆为统计结果导出，而没有任何实际物理意义。由于各个国家和地区周边地形地物特点以及铁路设计方面的不同，传统传播模型在使用之前，需要根据当地的地理情况，对各分项参数进行相应的调整，将模型与本地环境相适配，方能得到相对理想的预测结果。传播模型在进行现场场强测试并进行拟合参数调整之前，其准确性通常情况相对较低，单个区间内的结果中其与实际接收场强的均方根误差大部分情况在10dB以上，特殊情况下甚至会超过20dB，因此参考价值非常有限。然而场强测试又需要在铁路土建工程基本完成的基础下才能在现场有效的进行。铁路工程设计进度通常是安排各专业基本保持同步以保证铁路线的正常开通，如果在土建完成后再进行无线系统设计，势必会影响铁路工程的整体进度。因此传统的方式在设计初期，通常只能粗略的通过传统传播模型仿真预测进行设计，后期在实际工程中遇到问题，再进行补救性的调整。这种相对粗放的工程方式虽然能有效提升设计阶段的工程效率，然而在实际工程中进行无线系统调整，除无线系统设备本身以外，无线基站配套的有线通信、电力、房建、场坪、边坡防护、通所道路等配套工程投资远大于无线系统本身的投资，因此频繁的站址变更和测试对通信工程整体投资具有一定影响。

为解决传统传播模型精确度不足的问题，射线跟踪技术作为一种结合了电波传播、雷达理论以及数值分析方法的确定性模型，得到了铁路通信专业的研究人员的广泛关注。射线跟踪是一种基于三维几何光学技术，用于计算周围环境因素对信号传播过程的影响。所有环境中进行的反射、绕射和散射所得到的观测结果被相干叠加，并迭代计算所有影响无线电传播的因素，仿真计算真实世界中的无线传播和覆盖情况，以获得高精度的预测结果。该模型在高质量三维勘察地图的支持下具有极高的可靠性，然而射线跟踪技术具有相当高的计算复杂度，并且高度依赖高精度的环境描述，在铁路沿线有限的重点地区使用尚算可行，然而如果面向铁路全线进行使用，会极大的增加通信系统设计的时间、人力以及地图资源成本，因此该技术目前无法在实际工程中进行大规模的使用。

针对以上描述中关于两种无线信道传播模型的特点，我们发现三个问题：一是传统传播模型自身准确性不足，二是基于测试数据校正的传播模型使用效率过低，三是射线跟踪技术使用成本过高。为找到一个平衡的解决方法，以降低上述三个问题对铁路专网设计过程的影响。

发明内容

针对现有技术的以上缺陷或改进需求，本发明要解决的是目前传统的无线规划和覆盖预测准确性不足、使用效率过低及使用成本过高的问题。

为了实现上述目的，本发明涉及一种针对铁路环境下无线信号传播自适应预测方法，包括如下步骤：

步骤1：在铁路线地图上选取特征区段，按特征区段中的环境材质类型进行分类并赋予对应的材质属性（模型中显示为标记不同颜色），建立三维环境模型；

步骤2：在步骤1中得到的三维环境模型的基础上，配置射线跟踪计算参数；

步骤3：框定计算范围，进行射线跟踪计算；

步骤4：利用步骤3射线跟踪计算的计算结果，通过拟合的方式针对铁路环境对传统传播模型参数进行校正；

步骤5：利用参数校正后的传播模型对铁路全线进行无线覆盖预测计算；

步骤6：检验全线是否有信号覆盖指标不达标的区域，如有则对相应区间的无线系统设计进行优化，并重新进行无线覆盖预测计算，直至全线信号覆盖指标达标；

步骤7：当全线的信号覆盖指标以及系统设计合理性验证通过后，便可进行实际施工，并在土建施工完成后或者铁路线开通前，对现场进行实地信号测试；

步骤8：将实地信号测试结果用于对射线跟踪算法的校正，以加强在下一个工程循环中该算法的计算精确度。

进一步的，所述步骤1中按特征区段中按特征区段中的环境材质类型进行分类的方法为将地图上所有地图元素分为植被、混泥土、水面、泥土、金属以及路堑六类。

进一步的，所述步骤2中射线跟踪计算参数包括三维环境模型中周边地形地物的环境材质电磁参数、反射绕射计算阶数及天线参数。

进一步的，所述步骤3中计算范围为沿线列车行进方向的列车车顶天线位置的一条线性区域。

进一步的，所述步骤4中利用步骤3射线跟踪计算的计算结果，通过拟合的方式针对铁路环境对传统传播模型参数进行校正的方法为：利用步骤3射线跟踪计算的计算结果，与地图中相应观测点坐标做映射，将铁路沿线每一个车顶天线位置与在该位置上接收到的无线信号强度信息对应起来；并将与观测点坐标映射的计算结果当作测试数据导入经验公式和地图中，通过拟合的方式针对铁路环境对传统传播模型参数进行校正。

进一步的，所述步骤4中拟合的方式为线性拟合。

进一步的，所述步骤4中传统传播模型包括COST-231或Hata-Okumura或SPM模型。

进一步的，所述步骤8中校正包括针对铁路周边地形地物材质的电磁参数进行修正。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

1.本发明的针对铁路环境下无线信号传播自适应预测方法，利用射线跟踪技术，在少量铁路区段中，对传统传播模型针对该地区环境进行参数校正，并利用校正后的传播模型对整条铁路线进行无线覆盖仿真预测计算，有效提升传统传播模型的仿真计算精度。同时当铁路正线土建工程基本成型后，可同样进行现场无线传播测试，测试结果用于调校射线跟踪算法模型，提升射线跟踪算法准确度，通过自适应的方式进一步提升下一次无线网络规划的精度。

2.本发明的针对铁路环境下无线信号传播自适应预测方法，中涉及的方法利用射线跟踪技术特性，提升铁路全线覆盖预测精度，有效提升铁路专网网络规划效率和精度，同时可有效降低射线跟踪技术带来的成本提升，使其更好的服务于高速铁路工程设计。

附图说明

图1是本发明较佳实施例无线信号传播模型的模型参数自适应校正的操作步骤流程图；

图2是本发明较佳实施例利用射线跟踪技术对无线信号传播模型的模型参数进行校正的操作步骤流程图；

图3是本发明较佳实施例实际铁路场景及其对应的高精度三维环境模型；

图4是本发明较佳实施例传统传播模型参数校正前后信道模型与射线跟踪计算结果对比图；

图5是本发明较佳实施例经过参数校正前和后的传播模型预测信道与实测接收信号强度对比图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，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。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

请参考图1-图2，本发明涉及一种针对铁路环境下无线信号传播自适应预测方法，包括如下步骤：

步骤1：在铁路线地图上选取特征区段，按特征区段的环境类型进行分类并赋予对应的材质属性（模型中显示为标记不同颜色），建立带颜色区分的高精度三维环境模型；由于传统传播模型通常会根据不同类型的地区，配置不同的参数设置，因此在特征区段的选择上，需要针对传播模型的类型要求，对每种环境类型分别选取场景，用于进行传统传播模型的参数校正；

步骤2：在步骤1中得到的三维环境模型的基础上，配置射线跟踪计算参数；配置射线跟踪计算参数包括三维环境模型中周边地形地物的环境材质材料电磁参数、反射绕射计算阶数及天线参数。

步骤3：框定计算范围（计算范围可取沿线列车行进方向的列车车顶天线位置的一条线性区域），进行射线跟踪计算；

步骤4：利用步骤3射线跟踪计算的计算结果，通过拟合的方式针对铁路环境对传统传播模型参数进行校正，具体方法为：利用步骤3射线跟踪计算的计算结果，与地图中相应观测点坐标做映射，将铁路沿线每一个车顶天线位置与在该位置上接收到的无线信号强度信息对应起来；并将与观测点坐标映射的计算结果当作测试数据导入经验公式和地图中，通过拟合的方式针对铁路环境对传统传播模型参数进行校正（传统传播模型，包括常用的Hata-Okumura、COST 231、SPM等模型，都是以经验公式的形式表示的，参数校正可以是根据射线跟踪计算结果，通过拟合的方式，找到最适合用于目标环境下的参数设置）；

步骤5：利用参数校正后的传播模型对铁路全线进行无线覆盖预测计算；

步骤6：检验全线是否有信号覆盖指标不达标的区域，如有则对相应区间的无线系统设计进行优化，并重新进行无线覆盖预测计算，直至全线信号覆盖指标达标；

步骤7：当全线的信号覆盖指标以及系统设计合理性验证通过后，便可进行实际施工，并在土建施工基本完成后或者铁路线开通前，对现场进行实地信号测试；

步骤8：将实地信号测试结果用于对射线跟踪算法的校正，校正包括针对铁路周边地形地物材质的电磁参数进行修正，进一步的增加射线跟踪计算的准确性。以加强在下一个工程循环中，对经验公式的校正作用。

作为优选的方案，所述步骤1中按特征区段中的环境材质类型进行分类的方法为将地图上所有地图元素分为植被、混泥土、水面、泥土、金属以及路堑六类。

作为优选的方案，所述步骤4中拟合的方式为线性拟合，也可以通过常用的商业软件（比如Intercom、Atoll等）对模型参数进行校正；

请参考图3、图4及图5，下面以张吉怀铁路场景为例，按照本发明方法具体说明本发明实施例的操作步骤如下：

步骤1、在铁路线上选取特征区段，这里以郊区环境为例，建立高精度三维环境模型，将地图上所有地图元素分为植被、混泥土、水面、泥土、金属以及路堑六类。植被元素包括森林、草坪、农田等被植被覆盖的地图区域；混泥土元素为大部分人工建筑，包括高架桥、周围的建筑、隧道入口和水泥地面；水面元素包括所有的池塘、溪流和河流；泥土元素包含所有裸露地面区域；金属元素为所有金属构件及结构；路堑作为人工建筑，由于对铁路无线信号传播影响较大，被单独分为一类。分别用绿色、灰色、浅蓝色、土黄色、红色、深蓝色表示出来，用以区分不同的地形地物材料，处理后的地图环境模型如图3所示。

步骤2、设定用于射线跟踪计算的周边地形地物材料电磁参数如下表；反射绕射计算阶数设定为2阶（即经过三次及以上的反射或者绕射后被接收机接收到的传播射线不纳入计算范围）；天线参数按照工程设计中的参数，对应的设定相应的天线位置、高度、下倾角、波瓣图以及发射功率；铁路计算范围设定为是沿线列车行进方向距离铁轨高4.5m的列车车顶天线位置的一条由间隔为1m的观测点组成的线性区域。

表1周边地形地物材料电磁参数表

步骤3、将计算范围内的射线跟踪计算结果与地图中相应观测点坐标做映射，并将与观测点坐标映射的计算结果当作测试数据导入经验公式和地图中，通过线性拟合的方式，校正COST-231经验模型参数。

传统原始COST-231模型在中型城市及郊区环境下，经验公式表示形式为：

式中， L _P 为路径损耗，f 为频率，单位为MHz；d 为距离，单位为km；h _b 为发射天线有效高度，单位为m；h _m 为接收天线有效高度，单位为m；

α(h _m )为接收天线高度修正因子, 在中型城市及郊区取值为：

在修正模型时，将模型公式表示为如下所示:

其中，m₁、m₂ 表示的是适应于本地环境的系数，通过改变这两个系数，使得传播模型沿线计算结果与射线跟踪沿线计算结果相近，之后将传播模型中的这两个值改成对应的拟合曲线数值，完成参数校正。校正的过程如图4所示，通过对射线跟踪计算结果进行线性拟合，配置传播模型参数使其计算结果与射线跟踪计算结果所有观测点之间的均方根差最小。本实施例中的拟合结果为m₁等于24.95，m₂等于14.76时，传播模型和射线跟踪间的数据差距最小。图5为参数校正前后的传播模型计算结果与实地测试结果的对比，使用射线跟踪技术对传统传播模型进行校正，将其于实际测试结果的均方根差从22.82dB降低到10.15dB。

步骤4、在对特征区间进行无线覆盖计算，完成传播模型的校正后，即可利用参数校正后的传播模型对铁路全线进行无线覆盖预测计算，完成铁路工程设计需求。

步骤5、通过张吉怀铁路开通前无线信号测试实验，对其上多个区间的射线跟踪结果进行校正，并将结果更新至步骤2中的表内，以便在下一个铁路无线通信系统工程中使用。

本发明提出一种全新的传统经验模型的参数校正方法。其特点是首先在目标铁路线上选取有代表性的区间，建立高精度三维环境模型并配置射线跟踪仿真计算参数后，对将沿铁路线的线状区域进行高精度覆盖仿真，获得与实际结果相近的仿真结果。其后将计算区域内的每一个观测计算点的计算结果与观测计算点的实际坐标相映射。之后将与实际坐标映射过的计算结果导入传统传播模型中，这里的传统传播模型可以是直接的经验公式，也可以是商用的仿真软件（包括Intercom、FroskAtoll等常用商业无线规划软件）。基于地图和射线跟踪仿真结果，对该环境下传播模型的模型参数进行校正。最后运用校正后的传播模型，在地图上完成无线信号覆盖预测仿真，用以作为网络优化的参考数据。

本发明根据现场测试结果，对射线跟踪关键参数进行校正，再运用校正后的射线跟踪算法在下一次无线系统设计中对传播模型进行校正的循环体系，不断提高环境下的预测精度，使其与现实传播结果不断趋近，更好的服务于下一次的网络规划。其特点有别于传统的利用现场测试校正经验模型参数，之后进行网络覆盖预测的方法，本发明使用射线跟踪技术为桥梁，搭建传播模型参数自适应校正体系。传播模型参数基于射线跟踪技术预测计算结果进行校正，射线跟踪算法及材料参数通过实际测试结果进行校正，校正后的射线跟踪算法可用于下一次的无线系统设计中传播模型参数的校正。从传统的反向校正方法变为正向校正，提高了铁路无线网路规划效率。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种针对铁路环境下无线信号传播自适应预测方法，其特征在于，包括如下步骤：

步骤1：在铁路线地图上选取特征区段，按特征区段中的环境材质类型进行分类并赋予对应的材质属性，建立三维环境模型；

步骤2：在步骤1中得到的三维环境模型的基础上，配置射线跟踪计算参数；

步骤3：框定计算范围，进行射线跟踪计算；

步骤4：利用步骤3射线跟踪计算的计算结果，通过拟合的方式针对铁路环境对传统传播模型参数进行校正；

步骤5：利用参数校正后的传播模型对铁路全线进行无线覆盖预测计算；

步骤6：检验全线是否有信号覆盖指标不达标的区域，如有则对相应区间的无线系统设计进行优化，并重新进行无线覆盖预测计算，直至全线信号覆盖指标达标；

步骤7：当全线的信号覆盖指标以及系统设计合理性验证通过后，便可进行实际施工，并在土建施工完成后或者铁路线开通前，对现场进行实地信号测试；

步骤8：将实地信号测试结果用于对射线跟踪算法的校正，加强在下一个工程循环中该算法的计算精确度。

2.根据权利要求1所述的针对铁路环境下无线信号传播自适应预测方法，其特征在于：所述步骤1中按特征区段中按特征区段中的环境材质类型进行分类的方法为将地图上所有地图元素分为植被、混泥土、水面、泥土、金属以及路堑六类。

3.根据权利要求1所述的针对铁路环境下无线信号传播自适应预测方法，其特征在于：所述步骤2中射线跟踪计算参数包括三维环境模型中周边地形地物的环境材质电磁参数、反射绕射计算阶数及天线参数。

4.根据权利要求1所述的针对铁路环境下无线信号传播自适应预测方法，其特征在于：所述步骤3中计算范围为沿线列车行进方向的列车车顶天线位置的一条线性区域。

5.根据权利要求1所述的针对铁路环境下无线信号传播自适应预测方法，其特征在于，所述步骤4中利用步骤3射线跟踪计算的计算结果，通过拟合的方式针对铁路环境对传统传播模型参数进行校正的方法为：利用步骤3射线跟踪计算的计算结果，与地图中相应观测点坐标做映射，将铁路沿线每一个车顶天线位置与在该位置上接收到的无线信号强度信息对应起来；并将与观测点坐标映射的计算结果当作测试数据导入经验公式和地图中，通过拟合的方式针对铁路环境对传统传播模型参数进行校正。

6.根据权利要求1所述的针对铁路环境下无线信号传播自适应预测方法，其特征在于：所述步骤4中拟合的方式为线性拟合。

7.根据权利要求1所述的针对铁路环境下无线信号传播自适应预测方法，其特征在于：所述步骤4中传统传播模型包括COST-231或Hata-Okumura或SPM模型。

8.根据权利要求1所述的针对铁路环境下无线信号传播自适应预测方法，其特征在于：所述步骤8中校正包括针对铁路周边地形地物材质的电磁参数进行修正。

Images