CN116052201A - 一种针对铁路站场信号设备图纸的自动布置方法 - Google Patents
一种针对铁路站场信号设备图纸的自动布置方法 Download PDFInfo
- Publication number
- CN116052201A CN116052201A CN202211360532.7A CN202211360532A CN116052201A CN 116052201 A CN116052201 A CN 116052201A CN 202211360532 A CN202211360532 A CN 202211360532A CN 116052201 A CN116052201 A CN 116052201A
- Authority
- CN
- China
- Prior art keywords
- railway
- network
- color
- equipment
- track
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
- G06V30/422—Technical drawings; Geographical maps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Biomedical Technology (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种针对铁路站场信号设备图纸的自动布置方法,具体为:将一张待设计的铁路站场轨道布置图转化为图像格式;将得到的铁路站场轨道图像输入Color‑block GAN中;Color‑block GAN根据输入图像中轨道信息以及铁路技术规范,自动选择出各类铁路信号设备应该出现的位置,得到包含轨道和设备位置信息的输出图像;从输出图像中读取设备类别及位置;根据读取得到的设备类别和位置信息在待设计的布置图上自动完成设备布置。本发明能够解决现有方法需要大量重复的手动操作的问题,能够自动完成铁路站场信号设备布置,在初步设计阶段减少设计人员工作量。
Description
技术领域
本发明属于铁路图纸设计领域,特别涉及一种针对铁路站场信号设备图纸的自动布置方法。
背景技术
铁路站场信号设备图纸设计是铁路建设的关键问题之一,其目的是在轨道布置图中布置信号设备。在工程实践中,铁路信号设备布置图设计可分为初步设计和施工图设计两部分,初步设计阶段需要确定工程设计方案,施工图设计部分则需要给出详细的施工图,包括说明书和全部图纸。为了加快这一设计过程,计算机辅助设计被引入这一领域。
现有的针对铁路图纸的计算机辅助布置方法主要通过软件扩展、软件二次开发来简化操作过程。例如对CAD等常用制图软件开发插件,将铁路图纸布置过程中常用的步骤模块化,使得设计人员操作过程更加简单快捷。这种方法虽然能够有效提升设计人员操作效率,但是需要绘制的铁路图纸数量众多,许多重复并且简单的步骤仍然需要设计人员手动操作,造成了大量的重复工作。
为了进一步提升设计速度,研究人员开始研究自动布置方法。有研究者针对铁路信号设备布置图设计的施工图设计阶段进行研究,通过人工采集站场专业基础数据,形成各种信息表,从而精确计算并绘制图纸。由于施工图设计阶段需要详细的图纸,这种方式需要人工对图纸进行定点、定参照线等,较为复杂。
本发明主要对铁路信号设备布置图设计的初步设计阶段进行研究,初步设计阶段又可以分为初稿设计、现场核实、完善设计三个步骤。其中初稿设计主要是根据铁路技术规范给出常规的信号设备布置图,是后续现场核实与调整的基础。这一部分工作如果能够快速完成,将有助于设计人员更好地将精力集中到后续现场核实与分析的过程中。因此,有必要让具有普遍性的初稿设计阶段迅速完成。
发明内容
为了解决上述存在的问题,本发明提供一种针对铁路站场信号设备图纸的自动布置方法。
本发明的一种针对铁路站场信号设备图纸的自动布置方法,包含以下步骤:
步骤1:将一张待设计的铁路站场轨道布置图转化为图像格式。
步骤2:将得到的铁路站场轨道图像输入Color-block GAN中。
步骤3:Color-block GAN根据输入图像中轨道信息以及铁路技术规范,自动选择出各类铁路信号设备应该出现的位置,得到包含轨道和设备位置信息的输出图像。
步骤4:从输出图像中读取设备类别及位置。
步骤5:根据读取得到的设备类别和位置信息在待设计的布置图上自动完成设备布置。
进一步的,Color-block GAN网络为改进的条件生成对抗网络,包含了生成器和鉴别器两个网络,生成器网络由卷积下采样、6个残差块(residual block)、反卷积上采样几个部分构成;鉴别器网络由几个卷积下采样层构成。Color-block GAN还包含类别解耦模块,将不同类别的铁路信号设备通过分层的方式分隔开,从而按类别学习其分布特征。
进一步的,Color-block GAN在训练时生成器和鉴别器固定其中一个网络参数更新另外一个网络参数,循环往复,对抗训练,直到生成效果能够满足要求;在固定鉴别器网络对生成器网络进行更新时,同时考虑鉴别器网络、L1 loss和类别损失函数,其中类别损失函数中融入了部分铁路技术规范内容,主要关于方向、比例、设备间相对位置关系。
进一步的,在自动布置时,仅使用训练好的生成器网络。
本发明的有益技术效果为:
本发明能够解决现有方法需要大量重复的手动操作的问题,能够自动完成铁路站场信号设备布置,在初步设计阶段减少设计人员工作量。
附图说明
图1为本发明自动布置方法的流程示意图.
图2为本发明实施例中图像输入Color-block GAN后的处理过程示意图。
图3为本发明实施例更新Color-block GAN生成器网络的过程示意图。
具体实施方式
下面结合附图和具体实施方法对本发明做进一步详细说明。
本发明的一种针对铁路站场信号设备图纸的自动布置方法流程如图1所示,具体为:
步骤1:将一张待设计的铁路站场轨道布置图转化为图像格式。
步骤2:将得到的铁路站场轨道图像输入Color-block GAN中。
步骤3:Color-block GAN根据输入图像自动选择出各类铁路信号设备应该出现的位置,得到包含轨道和设备位置信息的输出图像。
步骤4:从输出图像中读取设备类别及位置。
步骤5:根据读取得到的设备类别和位置信息在待设计的布置图上自动完成设备布置。
在步骤1中,从电子图纸中截取包含铁路站场的区域获得铁路站场轨道图像。
在步骤2中,将铁路站场轨道图像输入到Color-block GAN中,其中处理过程见图1,主要步骤是将输入图像按设备类别分层,输入到生成器网络中,网络处理后按类别输出,之后合并处理并输出。
在步骤2中,Color-block GAN网络为改进的条件生成对抗网络,因此包含了生成器和鉴别器两个网络,本发明主要改进的技术点在于:1.将铁路信号设备简化,只保留位置和类别信息,图1中色块位置表示设备位置,色块填充差异表示设备类别;2.使网络分别学习各类设备的位置规律;3.在损失函数设计中加入了更强的位置关系限制,使生成的设备位置更加符合关于方向、比例、设备间相对位置关系的铁路技术规范。
训练过程中,大量成对的铁路站场轨道图像和铁路站场信号设备图像作为数据集,输入到该网络结构中,使之学习铁路站场轨道图像到铁路站场信号设备图像之间的映射关系,直到网络能够较好地自动选择铁路信号设备位置。更新生成器网络的过程见图3,其中x为n层轨道线图像,输出G(x)为n层生成图像,y为n层目标图像,L1损失函数计算公式为公式(1)。类别损失函数计算公式为公式(2),该损失函数主要考虑了铁路技术规范中,不同设备类别之间的方向、相对位置关系,在训练过程中减小生成图像与真实图像在这些方面的差异,使生成图像更加符合规范,其中表示色块在目标图像y第i层中心的坐标, 同理。
在步骤3中,获取生成器网络的输出,即为包含轨道和设备位置信息的输出图像。
在步骤4中,由图2可知,输出图像按照信号设备类别进行分层,针对每层(即每类)图像进行检测,即可获得生成的设备位置。
在步骤5中,将获得的设备类别和位置信息转换成图纸中类别和坐标信息,通过调用预先编辑好的图块等方式在布置图上完成布置。
该方法能够解决现有方法需要大量重复的手动操作的问题,能够自动完成铁路站场信号设备布置,在初步设计阶段减少设计人员工作量。
本发明的适用范围不限于铁路站场信号设备图纸设计。
Claims (4)
1.一种针对铁路站场信号设备图纸的自动布置方法,其特征在于,包含以下步骤:
步骤1:将一张待设计的铁路站场轨道布置图转化为图像格式;
步骤2:将得到的铁路站场轨道图像输入Color-block GAN中;
步骤3:Color-block GAN根据输入图像中轨道信息以及铁路技术规范,自动选择出各类铁路信号设备应该出现的位置,得到包含轨道和设备位置信息的输出图像;
步骤4:从输出图像中读取设备类别及位置;
步骤5:根据读取得到的设备类别和位置信息在待设计的布置图上自动完成设备布置。
2.根据权利要求1所述的一种针对铁路站场信号设备图纸的自动布置方法,其特征在于,所述Color-block GAN网络为改进的条件生成对抗网络,包含了生成器和鉴别器两个网络,生成器网络由卷积下采样、6个残差块、反卷积上采样几个部分构成;鉴别器网络由几个卷积下采样层构成;Color-block GAN还包含类别解耦模块,将不同类别的铁路信号设备通过分层的方式分隔开,从而按类别学习其分布特征。
3.根据权利要求2所述的一种针对铁路站场信号设备图纸的自动布置方法,其特征在于,所述Color-block GAN在训练时生成器和鉴别器固定其中一个网络参数更新另外一个网络参数,循环往复,对抗训练,直到生成效果能够满足要求;在固定鉴别器网络对生成器网络进行更新时,同时考虑鉴别器网络、L1 loss和类别损失函数,其中类别损失函数中融入了部分铁路技术规范内容。
4.根据权利要求2所述的一种针对铁路站场信号设备图纸的自动布置方法,其特征在于,在自动布置时,仅使用训练好的生成器网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211360532.7A CN116052201A (zh) | 2022-11-02 | 2022-11-02 | 一种针对铁路站场信号设备图纸的自动布置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211360532.7A CN116052201A (zh) | 2022-11-02 | 2022-11-02 | 一种针对铁路站场信号设备图纸的自动布置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116052201A true CN116052201A (zh) | 2023-05-02 |
Family
ID=86122490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211360532.7A Pending CN116052201A (zh) | 2022-11-02 | 2022-11-02 | 一种针对铁路站场信号设备图纸的自动布置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116052201A (zh) |
-
2022
- 2022-11-02 CN CN202211360532.7A patent/CN116052201A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022266906A1 (zh) | 一种集成电路的版图生成方法及装置 | |
US6735742B2 (en) | Method for optimizing a cell layout using parameterizable cells and cell configuration data | |
CN109299503B (zh) | 一种基于布线阻塞的lef文件的生成方法 | |
CN112733486B (zh) | 一种用于芯片设计的智能布线方法及系统 | |
US6397373B1 (en) | Efficient design rule check (DRC) review system | |
CN112989737B (zh) | 一种交互式模拟电路版图编辑方法及系统 | |
US6898775B2 (en) | System for ensuring correct pin assignments between system board connections using common mapping files | |
US7409663B2 (en) | Process for the production of an electrical wiring diagram | |
CN114611452A (zh) | 基于电路原理图在版图中自动生成Sub Cell的方法 | |
CN105894553B (zh) | 一种基于格栅选择的街巷空间形态布局方法 | |
CN113486429B (zh) | 一种基于插值算法的空间汇交结构自动化建造方法 | |
CN116052201A (zh) | 一种针对铁路站场信号设备图纸的自动布置方法 | |
US7370303B2 (en) | Method for determining the arrangement of contact areas on the active top side of a semiconductor chip | |
US6629300B1 (en) | CAD system for an ASIC | |
CN1197246A (zh) | 半导体集成电路器件的定位方法和实施该方法的设备 | |
CN112487124A (zh) | 一种使用VBA将CorelDraw地图中点状要素转换到SuperMap的方法 | |
US20240086606A1 (en) | Method for generating analog schematic diagram based on building block classification and reinforcement learning | |
US7370304B2 (en) | System and method for designing and manufacturing LSI | |
US11586799B1 (en) | Systems and methods of eliminating connectivity mismatches in a mask layout block | |
Ikemoto et al. | Correction and wiring check-system for master-slice LSI | |
CN116361890A (zh) | 基于匝道平面图形模板的立交孪生自动化制图方法 | |
CN116861835A (zh) | 一种用于模拟版图设计中的阱区域规划方法 | |
JP3407723B2 (ja) | 数値解析用メッシュ生成装置 | |
CN117631618A (zh) | 一种dcs逻辑组态画面连线的实时优化方法及系统 | |
CN116628122A (zh) | 基础地理信息产品质量检查系统及方法 |
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 |