CN117311225A - 铁路车站调节设备控制方法、系统和装置 - Google Patents
铁路车站调节设备控制方法、系统和装置 Download PDFInfo
- Publication number
- CN117311225A CN117311225A CN202311309734.3A CN202311309734A CN117311225A CN 117311225 A CN117311225 A CN 117311225A CN 202311309734 A CN202311309734 A CN 202311309734A CN 117311225 A CN117311225 A CN 117311225A
- Authority
- CN
- China
- Prior art keywords
- equipment
- information
- station
- passenger flow
- adjusting
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 70
- 238000004891 communication Methods 0.000 claims abstract description 47
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 32
- 230000001105 regulatory effect Effects 0.000 claims abstract description 23
- 238000013528 artificial neural network Methods 0.000 claims abstract description 19
- 125000004122 cyclic group Chemical group 0.000 claims abstract description 11
- 238000004148 unit process Methods 0.000 claims abstract description 4
- 238000012544 monitoring process Methods 0.000 claims description 74
- 239000013618 particulate matter Substances 0.000 claims description 35
- 230000007613 environmental effect Effects 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 238000009423 ventilation Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 230000003287 optical effect Effects 0.000 claims description 5
- 230000001276 controlling effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 5
- 238000007726 management method Methods 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 description 13
- 238000004378 air conditioning Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供一种铁路车站调节设备控制方法、系统和装置,所述方法包括:获取铁路车站的环境信息、客流信息和调节设备的运行状态信息,并将其作为业务信息;将所述业务信息通过5G通信网络传输至边缘计算处理单元;边缘计算处理单元处理所述业务信息,基于处理后的环境信息、客流信息和预存储的循环神经网络类算法对环境和客流进行预测,并将调节设备的运行状态信息和获得的预测结果发送至应用单元;应用单元基于调节设备的运行状态信息和预测结果生成设备调节指令,并且控制单元控制铁路车站设备执行所述设备调节指令。本发明能够实现“环境‑客流‑设备”的相应业务在车站本地的部署并满足快速响应、实时服务的智能化设备管理。
Description
技术领域
本发明涉及铁路运营技术领域,尤其涉及一种铁路车站调节设备控制方法和系统。
背景技术
目前,铁路车站业务信息主要采用传统的有线通信方式进行传输,即车站收集业务数据后将其传输至铁路局,各铁路局再将车站的业务数据传输至部署在武清主数据中心的云平台,并且云平台对业务数据进行处理后,生成作业指令并通过各铁路局将作业指令下发到各个车站。这种业务处理方式不仅存在数据传输周期长、云平台计算负载大、部署成本高、施工量较大、运维困难等问题,而且为避免云平台过载,云平台仅针对重要业务的业务数据进行处理,如列车到发计划、列车调整计划和上水吸污计划等,对非重要的业务数据如车站的环境、客流和设备运行状态等,通常直接存储在各车站的机房,并不对其进行处理。
当前车站的运营调节设备如安检仪、空调和照明等,通常由车站工作人员进行人为调整,然而这种方式不仅存在一定滞后性,而且需要耗费极大的人力资源。因此,亟需一种实时服务、快速响应的智能化管理车站运营设备的方法,以自动调控车站设备提升车站的环境舒适度。
发明内容
鉴于此,本发明实施例提供了一种铁路车站调节设备控制方法和系统,以在车站本地实时并快速地反馈处理“环境-客流-设备”等运营业务信息,减小云平台的计算负载和降低业务数据的网络传输负荷,实现铁路车站运营设备的自动调控。
本发明的一个方面提供了一种铁路车站调节设备控制方法,该方法包括以下步骤:
利用5G通信网络,从环境监测单元获取铁路车站不同区域的环境信息,从客流监控单元获取铁路车站不同区域的客流图像信息以基于客流图像信息获取客流信息,从设备监测单元获取铁路车站调节设备的运行状态信息,并将业务信息传输至边缘计算处理单元;其中,业务信息包括:获取的环境信息、客流信息和调节设备的运行状态信息;
由边缘计算处理单元加工业务信息获得处理后的环境信息、处理后的客流信息和处理后的调节设备的运行状态信息,基于处理后的环境信息、处理后的客流信息和预存储的循环神经网络类算法对铁路车站的环境和客流进行预测,并将处理后的业务信息、获得的环境预测结果和客流预测结果发送至应用单元;
由应用单元基于环境预测结果、客流预测结果及处理后的调节设备的运行状态信息生成设备调节指令,并将设备调节指令发送到铁路车站的控制单元;
由控制单元控制铁路车站调节设备执行设备调节指令。
在本发明的一些实施例中,所述方法还包括:设备监测单元将调节设备对设备调节指令的执行结果反馈至应用单元,并更新设备监测单元的调节设备的运行状态信息。
在本发明的一些实施例中,利用5G通信网络,从环境监测单元获取铁路车站不同区域的环境信息,从客流监控单元获取铁路车站不同区域的客流图像信息以基于客流图像信息获取客流信息,从设备监测单元获取铁路车站调节设备的运行状态信息,并将业务信息传输至边缘计算处理单元,包括:
利用5G通信模块分别从环境监测单元、客流监控单元和设备监测单元获得环境信息、客流信息和设备运行状态信息,将收集的环境信息、客流信息和设备运行状态信息作为业务信息,并将业务信息经过5G客户前置设备和5G接入网,传输至边缘计算处理单元;
边缘计算处理单元通过光缆的方式分别与5G接入网、5G核心网连接。
在本发明的一些实施例中,所述方法还包括:云平台通过5G核心网定期从互联网中获取更新的循环神经网络类算法,并将获取的算法推送至边缘计算处理单元,从而进行循环神经网络类算法的预存储;其中,互联网与5G核心网通过有线通信的方式相连接;云平台通过有线通信的方式分别与边缘计算处理单元、5G核心网连接。
在本发明的一些实施例中,由边缘计算处理单元经过加工业务信息获得处理后的环境信息、处理后的客流信息和处理后的调节设备的运行状态信息,包括:
边缘计算处理单元存储业务信息,并且边缘计算处理单元处理存储的业务信息,获得处理后的环境信息、处理后的客流信息和处理后的调节设备的运行状态信息;
边缘计算处理单元处理存储的业务信息,包括:基于均值填补的方式补充缺失的业务信息,基于加权平均的方式替换异常的业务信息和直接删除重复的业务信息。
在本发明的一些实施例中,环境信息包括以下指标中的一种或多种:温度、湿度、亮度、噪声、PM2.5、PM10和CO2;
客流信息包括以下指标中的一种或多种:客流密度和客流热力图像;其中,客流密度包括:进出站的客流密度和车站内部不同区域的客流密度;
调节设备包括以下设备中的一种或多种:进出站闸机、车站空调、车站照明设备、导向屏和车站广播,并且调节设备的运行状态信息包括:设备运行值和工作状态。
在本发明的一些实施例中,由应用单元基于环境预测结果、客流预测结果及处理后的调节设备的运行状态信息生成设备调节指令,包括:
基于温度、湿度和车站内部不同区域的客流密度的预测结果及车站空调的运行值,生成针对车站空调的运行值的调节指令;温度、湿度和车站内部不同区域的客流密度的预测值与车站空调调节后的运行值成负相关关系;
基于PM2.5、PM10和CO2的预测结果及车站通风设备的运行值,生成针对车站通风设备的运行值的调节指令;PM2.5、PM10和CO2的预测值与车站通风设备后的运行值成正相关关系;
基于亮度的预测结果及车站照明设备和导向屏的亮度值,生成针对车站照明设备和导向屏的亮度值的调节指令;亮度的预测值与车站照明设备的调节亮度值、导向屏调节后的亮度值成负相关关系;
基于噪声和车站内不同区域客流密度的预测结果及车站广播的音量大小,生成针对车站广播的音量的调节指令;噪声的预测值、车站内不同区域的客流密度的预测值与车站广播调节后的音量成正相关关系;
基于进出站的客流密度的预测结果及进出站闸机的开启数量,生成针对进出站闸机的开启数量的调节指令;进出站的客流密度的预测值与进出站闸机调节后的开启数量成正相关关系;
其中,应用单元预存储有铁路车站各调节设备的设备运行值的正常运行范围,若调节设备运行值超出正常运行范围,则生成该设备的设备调节指令;
针对多个指标的预测结果生成设备调节指令的情况,根据铁路车站的实时需求分别对各指标的预测结果赋予权重并获得总预测结果,并通过比较总预测结果与预测阈值,生成该设备的设备调节指令。
本发明的另一方面提供了一种铁路车站设备控制系统,该装置包括处理器和存储器,所述存储器中存储有计算机指令,所述处理器用于执行所述存储器中存储的计算机指令,当所述计算机指令被处理器执行时该系统实现上述任一实施例所述方法的步骤。
本发明的另一方面提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一实施例所述方法的步骤。
本发明的另一方面提供了一种铁路车站设备控制装置,该装置包括:
感知单元,包括环境监测单元、客流监控单元和设备监测单元,用于采集铁路车站的环境信息、客流信息和调节设备的运行状态信息;
通信单元,包括5G通信网络,用于收集业务信息并传输至处理单元;其中,5G通信网络包括:5G通信模块、5G客户前置设备、5G接入网和5G核心网;5G通信模块搭载在感知单元上;
处理单元,包括边缘计算处理单元,用于存储和加工处理业务信息,并对铁路车站的环境信息和客流信息进行预测;
应用单元,基于环境预测结果、客流预测结果及处理后的调节设备的运行状态信息生成设备调节指令,并将设备调节指令发送到铁路车站的控制单元;
控制单元,用于控制铁路车站调节设备执行设备调节指令,并将执行结果反馈至应用单元。
本发明提供的铁路车站调节设备控制方法和系统,通过快速、可靠的5G物联网感知和传输手段,并结合实时、智能的本地边缘计算处理技术,能够在车站本地实现“环境-客流-设备”等运营环境监测业务的实时反馈,大幅提升了车站运营业务的响应速度和效率,降低了业务数据的网络传输负荷,满足了业务在实时性、快速性、便捷性和安全性等方面的基本需求。
本发明的附加优点、目的,以及特征将在下面的描述中将部分地加以阐述,且将对于本领域普通技术人员在研究下文后部分地变得明显,或者可以根据本发明的实践而获知。本发明的目的和其它优点可以通过在说明书以及附图中具体指出的结构实现到并获得。
本领域技术人员将会理解的是,能够用本发明实现的目的和优点不限于以上具体所述,并且根据以下详细说明将更清楚地理解本发明能够实现的上述和其他目的。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。在附图中:
图1为本发明一实施例中铁路车站调节设备控制方法的流程示意图。
图2为本发明一实施例中铁路车站调节设备控制方法的具体过程的示意图。
图3为本发明一实施例中铁路车站设备控制装置的架构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施方式和附图,对本发明做进一步详细说明。在此,本发明的示意性实施方式及其说明用于解释本发明,但并不作为对本发明的限定。
在此,还需要说明的是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
应该强调,术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在,但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。
在此,还需要说明的是,如果没有特殊说明,术语“连接”在本文不仅可以指直接连接,也可以表示存在中间物的间接连接。
在下文中,将参考附图描述本发明的实施例。在附图中,相同的附图标记代表相同或类似的部件,或者相同或类似的步骤。
对于车站环境监测、客流监测和调节设备监测等业务目前仍采用有线通信方式进行业务数据的传输,存在数据传输周期长、云平台计算负载大、部署成本高、施工量较大、运维困难等问题;此外,现有技术中这些业务数据直接存储在各车站,云平台对其不做任何处理,因此调节设备由车站工作人员人为调整,不仅具有滞后性而且耗费人力。
移动边缘计算(Mobile Edge Computing,MEC),其基本思想就是将云平台从移动核心网络内部迁移到移动接入网边缘,实现计算及存储资源的弹性利用。边缘计算是为应用开发者和服务提供商在网络的边缘侧提供云服务和IT环境服务;目标是在靠近数据输入或用户的地方提供计算、存储和网络带宽。
基于此,本发明实施例提供了一种铁路车站调节设备控制方法,利用5G通信和移动边缘计算实现了车站“环境-客流-设备”相应运营业务信息和服务在车站本地的部署,打破了铁路运营业务的云平台中心集中部署模式,可实现“环境-客流-设备”监测数据和控制指令的实时、安全传输,满足车站业务本地自治化、实时服务、快速响应的需求,减少数据传输成本和云平台的负载压力。
图1为本发明一实施例的铁路车站调节设备控制方法的流程示意图。如图1所示的方法,具体可包括步骤S110~S140。
步骤S110:利用5G通信网络,从环境监测单元获取铁路车站不同区域的环境信息,从客流监控单元获取铁路车站不同区域的客流图像信息以基于客流图像信息获取客流信息,从设备监测单元获取铁路车站调节设备的运行状态信息,并将业务信息传输至边缘计算处理单元;其中,业务信息包括:获取的环境信息、客流信息和调节设备的运行状态信息。
在本发明的一些实施例中,环境信息包括以下指标中的一种或多种:温度、湿度、亮度、噪声、PM2.5、PM10和CO2;
客流信息包括以下指标中的一种或多种:客流密度和客流热力图像;其中,客流密度包括:进出站的客流密度和车站内部不同区域的客流密度;
调节设备包括以下设备中的一种或多种:进出站闸机、车站空调、车站照明设备、导向屏和车站广播,并且调节设备的运行状态信息包括:设备运行值和工作状态。
更具体地,环境监测单元通过环境监测传感器获取铁路车站内不同区域的环境信息;客流监控单元通过铁路车站内的客流监控设备获取不同区域的客流图像信息,并基于人群计数(Crowd Counting)算法分析客流图像信息,从而获得不同区域的客流信息;调节设备监测单元可获取车站调节设备的当前运行值以及是否处于正常状态运行的信息。
环境监测单元为环境监测传感器,包括:温度传感器、湿度传感器、亮度传感器、噪声传感器、PM2.5传感器、、PM10传感器和CO2传感器等。环境传感器传感器可定时采集铁路车站内的温度、湿度、亮度、噪声、PM2.5、、PM10和CO2等环境信息。车站的同一区域可布设多个同类型的环境监测传感器,车站各个区域都应布设所有类型的环境监测传感器。
客流监控单元为客流监控设备,包括:红外线摄像头、枪机摄像头、球形摄像头、半球形摄像头、网络高清摄像机等多类型监控摄像头。基于客流监控设备获得的监控图像和人群计数算法,可获得车站不同区域的客流密度(包括进出站客流密度和车站内部不同区域的客流密度)和热力图等图像信息。其中,从车站的红外线摄像头设备可获得客流热力图像。
调节设备监测单元部署在调节设备内部,并且调节设备包括进出站闸机、车站空调、通风设备、车站照明设备、导向屏、安检仪和车站广播等。
作为示例,设备的运行状态信息中设备运行值是指调节设备的当前运行值,比如当前车站内空调的度数和车站广播的音量等。
作为示例,车站调节设备是否处于正常状态运行可由0-1表示,0表示调节设备处于异常状态,1表示设备处于正常状态。工作状态和设备运行值可由设备监测单元同时获得。
本发明提及的利用人群计数算法分析客流图像信息仅为示例,本发明并不限于此,还可以使用其他的算法分析客流图像信息,如基于Faster-RCNN算法的车站旅客人数检测模型。
本发明中提及的环境信息、客流信息、调节设备的设备运行状态信息仅为示例,但本发明并不限于此,也可使用其他监测指标。
在本发明的一些实施例中,利用5G通信网络,从环境监测单元获取铁路车站不同区域的环境信息,从客流监控单元获取铁路车站不同区域的客流图像信息以基于客流图像信息获取客流信息,从设备监测单元获取铁路车站调节设备的运行状态信息,并将业务信息传输至边缘计算处理单元,包括:
利用5G通信模块分别从环境监测单元、客流监控单元和设备监测单元获得环境信息、客流信息和设备运行状态信息,将收集的环境信息、客流信息和设备运行状态信息作为业务信息,并将业务信息经过5G客户前置设备和5G接入网,传输至边缘计算处理单元;
边缘计算处理单元部署在5G接入网的边缘;边缘计算处理单元通过光缆的方式分别与5G接入网、5G核心网连接。
5G通信网络包括:5G通信模块、5G客户前置设备(Customer Premise Equipment,CPE)、5G接入网和5G核心网;
5G通信模块和CPE通过无线通信的方式连接,CPE和5G接入网通过无线通信或线缆的方式连接,5G接入网和5G核心网通过光缆的方式连接。
进一步地,5G接入网作为“窗口”,能够将数据接入5G网络,5G核心网作为“管理中枢”,可以管理数据并对其进行分拣。
更具体地,5G通信模块收集环境信息、客流信息和设备运行状态信息,通过无线通信的方式将这些信息汇聚在CPE,并在经过5G接入网后,通过光缆传输将这些业务信息发送至边缘计算处理单元。其中,环境监测传感器、客流监控设备和调节设备上都搭载有5G通信模组(即5G通信模块)。
步骤S120:由边缘计算处理单元加工业务信息获得处理后的环境信息、处理后的客流信息和处理后的调节设备的运行状态信息,基于处理后的环境信息、处理后的客流信息和预存储的循环神经网络类算法对铁路车站的环境和客流进行预测,并将处理后的业务信息、获得的环境预测结果和客流预测结果发送至应用单元。
更具体地,将云平台的监测“环境-客流-设备”业务信息的应用下沉到边缘计算处理单元,在边缘计算处理单元中存储环境信息、客流信息和设备运行状态信息,并加工处理存储的业务信息。利用处理后的环境信息和预存储的循环神经网络类算法对车站环境进行快速预测,利用处理后的客流信息和预存储的循环神经网络类算法对车站客流进行快速预测。将环境的预测结果、客流的预测结果、处理后的环境信息、处理后的客流信息和处理后的设备运行状态信息发送至应用单元。其中,边缘计算处理单元部署在铁路车站本地边缘计算服务器中。
进一步地,预存储的循环神经网络类算法是由云中心向边缘计算处理单元推送,并存储在本地边缘计算服务器中的。利用循环神经网络类算法对车站的环境和客流信息进行预测,预测时间间隔可为一小时、一天或两天等,时间间隔可由车站工作人员自行设置。
在本发明的一些实施例中,边缘计算处理单元经过加工业务信息获得处理后的环境信息、处理后的客流信息和处理后的调节设备的运行状态信息,包括:
边缘计算处理单元存储业务信息,并且边缘计算处理单元处理存储的业务信息,获得处理后的环境信息、处理后的客流信息和处理后的调节设备的运行状态信息;
边缘计算处理单元处理存储的业务信息,包括:基于均值填补的方式补充缺失的业务信息,基于加权平均的方式替换异常的业务信息和直接删除重复的业务信息。
进一步地,数据处理通常包括数据清洗和数据过滤等方式,处理后的业务信息不仅减小了服务器资源的占用,而且增加了预测结果的准确性,提高了边缘计算的运行效率。针对业务信息缺失的情况,通常采用删除缺失值或利用均值填补法等方式对缺失的数据信息进行补充;针对业务信息存在异常值的情况(即在变化平缓的样本中存在个别突变的数据),通常采用删除异常值或替换异常值等方法进行处理,可采用加权平均的方法替换异常值;针对业务信息存在重复冗余的情况,通常采用直接删除冗余信息或加权平均法等方法处理。
作为示例,若业务信息存在缺失,可选取该缺失值附近信息的平均值作为缺失信息补充到缺失位置;若业务信息存在异常,可选取该异常值附近信息的加权平均值作为正常信息替换异常值;若业务信息存在重复,可直接删除重复的数据信息。
本发明提及的针对业务信息缺失、业务信息异常和业务信息冗余的处理方式仅为示例,本发明并不限于此,也可利用其他的方式对业务信息进行加工处理。
步骤S130:由应用单元基于环境预测结果、客流预测结果及处理后的调节设备的运行状态信息生成设备调节指令,并将设备调节指令发送到铁路车站的控制单元。
更具体地,应用单元能够可视化展示处理后的环境信息、客流信息和设备运行状态信息,并将环境预测结果和客流预测结果转化为时间-发展趋势曲线图。基于环境和客流的预测结果、当前设备运行状态生成对运营设备的调节指令,并将设备调节指令发送到空调、进出站闸机、导向屏、照明和广播等铁路车站设备,使得控制单元控制相应的铁路车站设备执行该指令。
应用单元部署在铁路车站本地边缘计算服务器中。控制单元用于接收应用单元下发的设备调节指令,并控制相应的设备执行该指令。此外,控制单元分别部署在空调、照明、导向屏、广播和进出站闸机等车站调节设备中。
应用单元能够可视化展示处理后的业务信息、环境预测结果和客流预测结果,并生成设备调节指令。
在本发明的一些实施例中,应用单元基于环境预测结果、客流预测结果及处理后的调节设备的运行状态信息生成设备调节指令,包括:
基于温度、湿度和车站内部不同区域的客流密度的预测结果及车站空调的运行值,生成针对车站空调的运行值的调节指令;温度、湿度和车站内部不同区域的客流密度的预测值与车站空调调节后的运行值成负相关关系;
基于PM2.5、PM10和CO2的预测结果及车站通风设备的运行值,生成针对车站通风设备的运行值的调节指令;PM2.5、PM10和CO2的预测值与车站通风设备后的运行值成正相关关系;
基于亮度的预测结果及车站照明设备和导向屏的亮度值,生成针对车站照明设备和导向屏的亮度值的调节指令;亮度的预测值与车站照明设备的调节亮度值、导向屏调节后的亮度值成负相关关系;
基于噪声和车站内不同区域客流密度的预测结果及车站广播的音量大小,生成针对车站广播的音量的调节指令;噪声的预测值、车站内不同区域的客流密度的预测值与车站广播调节后的音量成正相关关系;
基于进出站的客流密度的预测结果及进出站闸机的开启数量,生成针对进出站闸机的开启数量的调节指令;进出站的客流密度的预测值与进出站闸机调节后的开启数量成正相关关系;
其中,应用单元预存储有铁路车站各调节设备的设备运行值的正常运行范围,若调节设备运行值超出正常运行范围,则生成该设备的设备调节指令;
针对多个指标的预测结果生成设备调节指令的情况,根据铁路车站的实时需求分别对各指标的预测结果赋予权重并获得总预测结果,并通过比较总预测结果与预测阈值,生成该设备的设备调节指令。
进一步地,若根据预测结果可知,预定时间内车站内温度将升高、湿度将增加和车站内部区域的客流密度将增大,则生成车站空调降低温度和湿度的设备调节指令;
若根据预测结果可知,预定时间内PM2.5、PM10和CO2的浓度将增加,则通风设备生成加强通风的设备调节指令;
若根据预测结果可知,预定时间内车站内亮度将增加(比如从黑夜变为白天的时候),则生成车站照明设备和导向屏的亮度值降低的设备调节指令;亮度与昼夜、四季等自然规律有关,并且导向屏以节能为主要目标;
若根据预测结果可知,预定时间内噪声将增大和车站内不同区域客流密度将增加,则生成车站广播提高音量的设备调节指令;
若根据预测结果可知,预定时间内进出站的客流密度将增加,则生成进出站闸机的开启数量增加的设备调节指令。
设备调节指令包括:在预定时间内调节空调温度、通风设备、控制站内不同区域的照明开关、照明亮度、导向屏亮度、不同区域广播的音量和进出站闸机工作数量等,可通过直接生成调节后的运行值的指令(比如,直接生成指令:在一小时后空调温度降为25℃)或设备调节值的指令(比如,生成调节值的指令:在一小时后将空调温度降低5℃)对设备进行控制。
作为示例,应用单元中存储有各设备的正常运行范围(比如空调正常运行范围为20-30℃),若调节设备运行值超出正常运行范围(比如当前空调温度为18℃),则将其视为异常状态,标记为“0”。若设备为异常状态,则应用单元基于当前运行值(18℃)与目标运行值(假设设定为25℃)生成设备调节指令,在预定时间内调节设备(比如10分钟内将空调温度升高为25℃)。
作为示例,应用单元中存储有环境信息和客流信的正常范围(比如室温需要维持在25℃),假设预测到一小时环境温度升为28℃,并且当前空调温度为26℃,则可基于循环神经网络类算法,生成“一小时后空调温度降为24℃”的设备调节指令。
作为示例,针对基于多指标的预测结果生成设备调节指令的情况(比如基于PM2.5、PM10和CO2的预测结果及车站通风设备的运行值,生成针对车站通风设备的运行值的调节指令),可通过对各指标的预测结果赋予权重获得总预测结果(比如,PM2.5的值为10,权重0.5;PM10的值为6,权重0.3;CO2的值为1,权重0.2;总预测结果为7),并通过比较总预测结果与预测阈值(假设设置为5),生成加强通风设备的设备调节指令。
更进一步地,在生成针对车站空调和车站广播的设备调节指令时,可以不考虑车站内不同区域的客流密度,即车站内不同区域的客流密度的权重为0的情况,具体如下所示:
基于温度和湿度的预测结果及车站空调的运行值,生成针对车站空调的运行值的调节指令;温度和湿度的预测值与车站空调调节后的运行值成负相关关系;
基于噪声的预测结果及车站广播的音量大小,生成针对车站广播的音量的调节指令;噪声的预测值与车站广播调节后的音量成正相关关系。
具体地,通风设备可包括:新风系统、空气净化器等。同样的,空调的通风功能可替换通风设备,车站窗户的开合控制也可作为通风设备对车站的空气质量进行调节。
作为示例,在生成针对车站空调的设备调节指令时,可基于温度、湿度、PM2.5、PM10和CO2的预测结果及车站空调的运行值,生成针对车站空调的运行值的调节指令;或者
可基于温度、湿度、PM2.5、PM10和CO2和车站内部不同区域的客流密度的预测结果及车站空调的运行值,生成针对车站空调的运行值的调节指令。
作为示例,安检仪可与进出口闸机可实现后台联动控制:在增加进出口闸机开启数量的同时增加安检仪的开启数量;在减少进出口闸机开启数量的同时减少安检仪的开启数量。或者基于进出站的客流密度的预测结果及安检仪的开启数量,生成针对安检仪的开启数量的调节指令,并且进出站的客流密度的预测值与安检仪调节后的开启数量成正相关关系。
步骤S140:由控制单元控制铁路车站调节设备执行设备调节指令。
在本发明的一些实施例中,在步骤S140之后还包括步骤S150:设备监测单元将调节设备对设备调节指令的执行结果反馈至应用单元,并更新设备监测单元中调节设备的运行状态信息。
更具体地,调节设备监测单元监测到调节设备完成应用单元下发的设备调节指令后,将指令执行结果实时反馈回应用单元,并更新设备运行值及其工作状态。
控制单元可将控制调节设备执行设备调节指令的执行结果(比如“执行成功”或“执行失败”)发送至应用单元;而设备监测单元可将调节设备执行设备调节指令后的执行结果(比如,空调温度降为25℃)发送至应用单元。
在本发明的一些实施例中,还包括步骤S160:云平台通过5G核心网定期从互联网中获取更新的循环神经网络类算法,并将获取的算法推送至边缘计算处理单元;其中,互联网与5G核心网通过有线通信的方式相连接;云平台通过有线通信的方式分别与边缘计算处理单元、5G核心网连接。
更具体地,云平台将从互联网中获取的数据训练模型和智能算法等推送至车站边缘计算处理单元,车站边缘计算处理单元存储上述的模型和算法,使得车站在边缘端完成“环境-客流-设备”业务信息的快速数据处理,并对环境信息和客流信息的发展趋势进行预测。
上述推送的数据训练模型和智能算法可以是循环神经网络类的模型和算法,也可以是其他类别的算法。
作为示例,对车站环境信息进行预测包括:将环境传感器采集到的2天内的历史数据(采样频率为5分钟/次)作为样本数据集,采用改进神经网络模型类算法,例如结合长短期记忆神经网络(Long Short-Term Memory,LSTM)和梯度提升算法(Light GradientBoosting Machine,LightGBM)的组合模型,对环境数据随着时间的发展趋势进行预测。
对车站客流信息进行预测包括:将车站去年全年的实际发送客流量(采集客流数的频率为30分钟/次)为样本数据集,采用神经网络模型类算法,例如循环神经网络(Recurrent Neural Network,RNN)、门控循环神经网络(Gated Recurrent Unit NeuralNetwork,GRU)或LSTM算法,对进站的客流数随时间的发展趋势进行预测。
作为示例,补充缺失的业务信息包括:若出现缺失值的样本在整体样本中的比例相对较小,则直接删除有缺失值的样本;均值填补法指选取缺失值附近的若干组样本并计算出平均值,将平均值填入缺失的样本。修正异常的业务信息包括:若样本数据量很大且异常值很少,则采用直接删除异常值的方式;若样本中异常值较多,则采用替换异常值的方法,可采用异常值附近数据样本的平均值或中位数来替换异常值。删减重复的业务信息包括:由于传感器采集环境信息比较频繁,通常间隔几分钟,因此采集到的环境信息在一定时间范围内变化不大,形成了大量的重复数据。对于大量重复数据,可选择任意一个数据样本,并直接过滤掉其他的重复数据;加权平均法是将一组冗余数据进行加权平均进而得到平均值的计算方式。
在一具体实施例中,图2为铁路车站调节设备控制方法的具体过程的示意图。如图2所示,具体包括以下过程:
(1)从环境监测单元获取铁路车站的环境信息,从客流监控单元传获取铁路车站的客流信息,并且从设备监测单元获取铁路车站设备运行状态信息。
(2)5G客户前置设备收集上述环境信息、客流信息和设备运行状态信息作为业务信息,并且业务信息经过5G接入网,传输至边缘计算处理单元。
(3)边缘计算处理单元将处理后的设备运行状态信息和获得的预测结果发送至应用单元。
(4)应用单元生成设备调节指令并发送至控制单元,控制单元控制车站调节设备执行设备调节指令。
此外,该过程还包括:云平台和互联网通过5G核心网相连,并定期推送算法和模型给边缘计算处理单元。5G核心网分别与5G接入网、边缘计算处理单元相连接。
本发明提出的铁路车站调节设备控制方法的上述技术方案,具有以下优点:
1、5G无线通信技术具有高速率、低时延、广连接、高可靠、支持高速移动性等优势,将其应用于智能车站信息化建设中具有广阔前景,不仅能够满足业务在实时性、快速性、便捷性和安全性等方面的基本需求,而且只需借助既有的运营商网络就可完成车站的5G传输。同时,无线通信相比于车站目前的有线通信,在信息的传输和设备增减方便也提供了许多便利。
2、在车站本地部署边缘计算服务,将云平台的运营监测业务应用下沉到边缘侧,便可实现智能车站“环境-客流-设备”等运营环境监测业务信息的可靠、稳定、高速传输和实时、快速、智能的本地边缘处理,有利于提升车站管理的智能化水平。
3、5G具有低功耗、低时延、安全可靠的特性,结合边缘计算分布式、低时延、低成本、高效率的特点,极大地解决了铁路车站运营监测设备的部署实施和数据传输的瓶颈问题,可支持“环境-客流-设备”相应运营业务和服务在车站本地的部署,满足车站业务本地自治化、实时服务的需求,降低云平台的负载压力和数据传输成本。
本发明还提供了一种铁路车站设备控制系统,该系统包括计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机指令,所述处理器用于执行所述存储器中存储的计算机指令,当所述计算机指令被处理器执行时该系统实现如前所述方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时以实现前述边缘计算服务器部署方法的步骤。该计算机可读存储介质可以是有形存储介质,诸如随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、软盘、硬盘、可移动存储盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质。
与上述方法相应地,本发明还提供了一种铁路车站设备控制装置,该装置的架构示意图如图3所示,该装置包括:
感知单元,包括环境监测单元、客流监控单元和设备监测单元,用于采集铁路车站的环境信息、客流信息和调节设备的运行状态信息;
通信单元,包括5G通信网络,用于收集业务信息并传输至处理单元;其中,5G通信网络包括:5G通信模块、5G客户前置设备、5G接入网和5G核心网;5G通信模块搭载在感知单元上;
处理单元,包括边缘计算处理单元,用于存储和加工处理业务信息,并对铁路车站的环境信息和客流信息进行预测;
应用单元,基于环境预测结果、客流预测结果及处理后的调节设备的运行状态信息生成设备调节指令,并将设备调节指令发送到铁路车站的控制单元;
控制单元,用于控制铁路车站调节设备执行设备调节指令,并将执行结果反馈至应用单元。
本领域普通技术人员应该可以明白,结合本文中所公开的实施方式描述的各示例性的组成部分、系统和方法,能够以硬件、软件或者二者的结合来实现。具体究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
本发明中,针对一个实施方式描述和/或例示的特征,可以在一个或更多个其它实施方式中以相同方式或以类似方式使用,和/或与其他实施方式的特征相结合或代替其他实施方式的特征。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种铁路车站调节设备控制方法,其特征在于,该方法包括以下步骤:
利用5G通信网络,从环境监测单元获取铁路车站不同区域的环境信息,从客流监控单元获取铁路车站不同区域的客流图像信息以基于客流图像信息获取客流信息,从设备监测单元获取铁路车站调节设备的运行状态信息,并将业务信息传输至边缘计算处理单元;其中,所述业务信息包括:获取的环境信息、客流信息和调节设备的运行状态信息;
由所述边缘计算处理单元加工所述业务信息获得处理后的环境信息、处理后的客流信息和处理后的调节设备的运行状态信息,基于处理后的环境信息、处理后的客流信息和预存储的循环神经网络类算法对铁路车站的环境和客流进行预测,并将处理后的业务信息、获得的环境预测结果和客流预测结果发送至应用单元;
由所述应用单元基于所述环境预测结果、客流预测结果及处理后的调节设备的运行状态信息生成设备调节指令,并将设备调节指令发送到铁路车站的控制单元;
由所述控制单元控制铁路车站调节设备执行所述设备调节指令。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:设备监测单元将调节设备对所述设备调节指令的执行结果反馈至应用单元,并更新设备监测单元的调节设备的运行状态信息。
3.根据权利要求1所述的方法,其特征在于,所述利用5G通信网络,从环境监测单元获取铁路车站不同区域的环境信息,从客流监控单元获取铁路车站不同区域的客流图像信息以基于客流图像信息获取客流信息,从设备监测单元获取铁路车站调节设备的运行状态信息,并将业务信息传输至边缘计算处理单元,包括:
利用5G通信模块分别从环境监测单元、客流监控单元和设备监测单元获得环境信息、客流信息和设备运行状态信息,将收集的环境信息、客流信息和设备运行状态信息作为业务信息,并将所述业务信息经过5G客户前置设备和5G接入网,传输至边缘计算处理单元;
边缘计算处理单元通过光缆的方式分别与5G接入网、5G核心网连接。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:云平台通过5G核心网定期从互联网中获取更新的循环神经网络类算法,并将获取的算法推送至边缘计算处理单元,从而进行循环神经网络类算法的预存储;其中,所述互联网与5G核心网通过有线通信的方式相连接;云平台通过有线通信的方式分别与边缘计算处理单元、5G核心网连接。
5.根据权利要求1所述的方法,其特征在于,由所述边缘计算处理单元经过加工所述业务信息获得处理后的环境信息、处理后的客流信息和处理后的调节设备的运行状态信息,包括:
边缘计算处理单元存储所述业务信息,并且边缘计算处理单元处理所述存储的业务信息,获得处理后的环境信息、处理后的客流信息和处理后的调节设备的运行状态信息;
所述边缘计算处理单元处理所述存储的业务信息,包括:基于均值填补的方式补充缺失的业务信息,基于加权平均的方式替换异常的业务信息和直接删除重复的业务信息。
6.根据权利要求1所述的方法,其特征在于,所述环境信息包括以下指标中的一种或多种:温度、湿度、亮度、噪声、PM2.5、PM10和CO2;
所述客流信息包括以下指标中的一种或多种:客流密度和客流热力图像;其中,客流密度包括:进出站的客流密度和车站内部不同区域的客流密度;
所述调节设备包括以下设备中的一种或多种:进出站闸机、车站空调、车站照明设备、导向屏和车站广播,并且调节设备的运行状态信息包括:设备运行值和工作状态。
7.根据权利要求1或6所述的方法,其特征在于,由所述应用单元基于所述环境预测结果、客流预测结果及处理后的调节设备的运行状态信息生成设备调节指令,包括:
基于温度、湿度和车站内部不同区域的客流密度的预测结果及车站空调的运行值,生成针对车站空调的运行值的调节指令;温度、湿度和车站内部不同区域的客流密度的预测值与车站空调调节后的运行值成负相关关系;
基于PM2.5、PM10和CO2的预测结果及车站通风设备的运行值,生成针对车站通风设备的运行值的调节指令;PM2.5、PM10和CO2的预测值与车站通风设备后的运行值成正相关关系;
基于亮度的预测结果及车站照明设备和导向屏的亮度值,生成针对车站照明设备和导向屏的亮度值的调节指令;亮度的预测值与车站照明设备的调节亮度值、导向屏调节后的亮度值成负相关关系;
基于噪声和车站内不同区域客流密度的预测结果及车站广播的音量大小,生成针对车站广播的音量的调节指令;噪声的预测值、车站内不同区域的客流密度的预测值与车站广播调节后的音量成正相关关系;
基于进出站的客流密度的预测结果及进出站闸机的开启数量,生成针对进出站闸机的开启数量的调节指令;进出站的客流密度的预测值与进出站闸机调节后的开启数量成正相关关系;
其中,应用单元预存储有铁路车站各调节设备的设备运行值的正常运行范围,若调节设备运行值超出正常运行范围,则生成该设备的设备调节指令;
针对多个指标的预测结果生成设备调节指令的情况,根据铁路车站的实时需求分别对各指标的预测结果赋予权重并获得总预测结果,并通过比较总预测结果与预测阈值,生成该设备的设备调节指令。
8.一种铁路车站设备控制系统,包括处理器和存储器,其特征在于,所述存储器中存储有计算机指令,所述处理器用于执行所述存储器中存储的计算机指令,当所述计算机指令被处理器执行时该系统实现如权利要求1至7中任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
10.一种铁路车站设备控制装置,其特征在于,该装置包括:
感知单元,包括环境监测单元、客流监控单元和设备监测单元,用于采集铁路车站的环境信息、客流信息和调节设备的运行状态信息;
通信单元,包括5G通信网络,用于收集业务信息并传输至处理单元;其中,所述5G通信网络包括:5G通信模块、5G客户前置设备、5G接入网和5G核心网;所述5G通信模块搭载在感知单元上;
处理单元,包括边缘计算处理单元,用于存储和加工处理所述业务信息,并对铁路车站的环境信息和客流信息进行预测;
应用单元,基于所述环境预测结果、客流预测结果及处理后的调节设备的运行状态信息生成设备调节指令,并将设备调节指令发送到铁路车站的控制单元;
控制单元,用于控制铁路车站调节设备执行所述设备调节指令,并将执行结果反馈至应用单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311309734.3A CN117311225A (zh) | 2023-10-10 | 2023-10-10 | 铁路车站调节设备控制方法、系统和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311309734.3A CN117311225A (zh) | 2023-10-10 | 2023-10-10 | 铁路车站调节设备控制方法、系统和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117311225A true CN117311225A (zh) | 2023-12-29 |
Family
ID=89280833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311309734.3A Pending CN117311225A (zh) | 2023-10-10 | 2023-10-10 | 铁路车站调节设备控制方法、系统和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117311225A (zh) |
-
2023
- 2023-10-10 CN CN202311309734.3A patent/CN117311225A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10317864B2 (en) | Systems and methods for adaptively updating equipment models | |
CN106817909B (zh) | 空调控制方法、空调控制装置以及计算机可读记录介质 | |
CN104822196B (zh) | 一种基于视觉技术的路灯亮度自动调节系统 | |
CN107750323B (zh) | 用于控制空调装置的启动的方法及其设备 | |
CN112728727A (zh) | 一种基于边缘计算的室内环境舒适度的智能调节系统 | |
KR20210041806A (ko) | IoT센서 및 인공지능을 이용한 스마트 빌딩 관리방법 | |
CN107942960A (zh) | 一种智能化的信息处理系统 | |
KR102296329B1 (ko) | 예측 공조로 최적화 운전이 가능한 스마트 공기 조화 시스템 | |
CN106447107B (zh) | 一种基于飞机结构健康监控的维修方法 | |
WO2022124276A1 (ja) | 室内空気品質予測方法、及び室内空気品質検出システム | |
US20230192157A1 (en) | Methods for regulating air conditioning temperature of subways in smart citys and internet of things systems thereof | |
CN106288233A (zh) | 一种空调诊断及调试系统 | |
US20230152757A1 (en) | Building data platform with digital twin based fault detection and diagnostics | |
CN112128934A (zh) | 空调器的智能控制方法与智能控制设备 | |
CN108444056A (zh) | 中央空调监控系统及其监控方法 | |
CN112985505B (zh) | 移动与固定感知结合的室内环境时空分布场生成方法 | |
CN208312636U (zh) | 中央空调监控系统 | |
CN117311225A (zh) | 铁路车站调节设备控制方法、系统和装置 | |
CN109945415A (zh) | 基于云平台的空调节能控制系统 | |
CN117634836A (zh) | 一种基于矩阵分析的光伏电站清洗过程评估方法及系统 | |
KR20130120604A (ko) | 외기 도입을 위한 건물 에너지 관리 방법 및 이를 위한 장치 | |
KR20200139427A (ko) | 인공지능 기반 미세먼지 필터링 및 에너지 발전을 이용한 초절전형 가로등 제어 서비스 제공 시스템 | |
CN116224780A (zh) | 一种轨道交通车站能耗控制方法、装置及电子设备 | |
Lavanya et al. | Development of Machine Learning Based Microclimatic HVAC System Controller for Nano Painted Rooms Using Human Skin Temperature | |
CN104933868B (zh) | 一种基于交通监控视频的实时在线交通状态检测方法 |
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 |