CN117831014A - 基于铁路货运列车的车厢运输状态监测方法 - Google Patents

Abstract

本发明涉及铁路货运列车管理领域，更具体地，本发明涉及基于铁路货运列车的车厢运输状态监测方法，方法包括：采集货运列车车厢内的环境数据和每一时刻环境数据点的关注权重，以获取当前时刻的预测值，根据当前时刻环境数据点的关注权重以及当前时刻的环境数据与预测值的差异，对当前滑动窗口的初始误差阈值进行修正，根据当前滑动窗口中环境数据点的拟合误差以及修正误差阈值，对当前滑动窗口进行更新，通过不断迭代获取锚点，实现环境数据的压缩，根据锚点进行车厢图像的采集，实现车厢运输状态监测。本发明可突出车厢运输状态变化的时间段，使得监测人员更容易发现车厢内货物的异常。

Description

基于铁路货运列车的车厢运输状态监测方法

技术领域

本发明一般地涉及铁路货运列车管理领域。更具体地，本发明涉及基于铁路货运列车的车厢运输状态监测方法。

背景技术

铁路货运列车车厢的运输状态监测对于运输安全、运输效率以及降低运营成本至关重要。

目前通常实时采集车厢环境数据、拍摄车厢图像，并将采集的数据展示在监控终端上，实现车厢运输状态的监测。但由于实时采集的车厢环境数据以及车厢图像数据量巨大，影响展示在监控终端上的实时性，同时车厢环境数据的变化隐藏在大量数据中，不利于监测人员及时发现车厢环境数据的变化，影响车厢运输状态监测的实时性。

发明内容

为解决上述一个或多个技术问题，本发明提出基于铁路货运列车的车厢运输状态监测方法，该方法包括以下步骤：

实时采集货运列车车厢内的环境数据；

在采集过程中，将每一时刻的所述环境数据映射到坐标系中，得到每一时刻的环境数据点，利用轨迹压缩-滑动窗口压缩算法对所述环境数据点进行压缩，在压缩过程中，对于包含所述环境数据点个数大于2的每个滑动窗口，进行滑动窗口误差判断操作，包括：

S1：依次获取每一时刻的环境数据点的关注权重，所述关注权重是根据该时刻的环境数据点对应的滑动窗口中，该时刻之前每个环境数据点的拟合误差以及关注权重获取的；

S2：根据前一时刻的环境数据点的关注权重以及当前滑动窗口中当前时刻之前的所有环境数据点，获取当前时刻的预测值；

S3：根据当前时刻的环境数据与预测值的差异以及当前时刻的环境数据点的关注权重，对当前滑动窗口的初始误差阈值进行修正，得到当前滑动窗口的修正误差阈值，所述当前滑动窗口的初始误差阈值为前一滑动窗口的修正误差阈值；

S4：根据当前滑动窗口中每个环境数据点的拟合误差以及当前滑动窗口的修正误差阈值，对当前滑动窗口进行更新，获取锚点；

根据锚点进行车厢图像的采集；

将锚点以及采集的车厢图像实时显示在监控人员的终端上，以供监控人员实时掌握货运列车的车厢运输状态。

优选的，所述该时刻的环境数据点对应的滑动窗口是指以该时刻的环境数据点为窗口内最后一个环境数据点的滑动窗口。

优选的，所述拟合误差的获取方法为：

将滑动窗口中第一个环境数据点与最后一个环境数据点相连，构成滑动窗口的拟合线段；将滑动窗口中每个环境数据点到拟合线段的距离作为每个环境数据点的拟合误差。

优选的，所述关注权重满足关系式：

将当前时刻用当前滑动窗口中第i个时刻来表示，其中，表示当前滑动窗口中第i个时刻的环境数据点的关注权重；j表示当前滑动窗口除当前时刻以及第一时刻外的每个时刻的序号，j取遍[2,i-1]中的每个整数；/>表示当前滑动窗口中第j个时刻的环境数据点的关注权重；/>表示当前滑动窗口中第j个时刻的环境数据点的拟合误差；/>表示当前滑动窗口中第j个时刻的环境数据点在第i-1个时刻的环境数据点对应的滑动窗口中的拟合误差；/>表示当前滑动窗口中第j个时刻的环境数据点在包含第j个时刻的环境数据点的所有滑动窗口中的拟合误差的最大值；tanh( )表示双曲正切函数；exp( )表示以自然常数为底的指数函数。

优选的，所述根据前一时刻的环境数据点的关注权重以及当前滑动窗口中当前时刻之前的所有环境数据点，获取当前时刻的预测值，包括：

根据当前滑动窗口中前一时刻的环境数据点的关注权重，获取当前时刻的平滑系数；以当前滑动窗口中当前时刻之前的所有环境数据点为数据样本，根据当前时刻的平滑系数以及数据样本，利用指数平滑法对当前时刻的环境数据进行预测，得到当前时刻的预测值。

优选的，所述平滑系数满足关系式：

其中，表示当前时刻的平滑系数；/>表示当前滑动窗口中第i-1个时刻的环境数据点的关注权重。

优选的，所述修正误差阈值满足关系式：

其中，表示当前滑动窗口的修正误差阈值；/>表示当前滑动窗口中第i个时刻的环境数据点的关注权重；/>表示当前滑动窗口中第i个时刻的环境数据点的数据值；/>表示当前滑动窗口中第i个时刻的预测值；/>表示当前滑动窗口的初始误差阈值；exp( )表示以自然常数为底的指数函数；tanh( )表示双曲正切函数；/>为超参数。

优选的，所述根据当前滑动窗口中每个环境数据点的拟合误差以及当前滑动窗口的修正误差阈值，对当前滑动窗口进行更新，获取锚点，包括：

若当前滑动窗口中所有时刻的环境数据点的拟合误差小于或等于当前滑动窗口的修正误差阈值时，向右扩大当前滑动窗口，使下一个时刻的环境数据点加入到当前滑动窗口中，形成新的滑动窗口；若当前滑动窗口中存在某一时刻的环境数据点的拟合误差大于当前滑动窗口的修正误差阈值，将当前时刻的前一个时刻的环境数据点作为一个新的锚点，以新的锚点为开始构建新的滑动窗口；

将当前滑动窗口的修正误差阈值作为新的滑动窗口的初始误差阈值。

优选的，所述当前滑动窗口的获取方法为：

将当前时刻的环境数据点所在的滑动窗口记为当前滑动窗口，且当前时刻的环境数据点在当前滑动窗口中为最后一个环境数据点。

优选的，所述根据锚点进行车厢图像的采集，包括：

在对环境数据点进行压缩的过程中，每获得一个锚点，则立即采集接下来T个时刻内的车厢图像，其中T为预设的时间范围。

本发明具有以下有益效果：本发明通过对铁路货运列车的车厢内的环境数据进行压缩获取锚点，避免了环境数据的数据量过大影响展示在监控终端上的实时性，根据锚点进行车厢图像的采集，突出了车厢运输状态变化的时间段的车厢图像，避免车厢环境变化隐藏在大量数据中，使得监测人员更容易发现车厢内货物的异常；

进一步地，本发明通过获取每一时刻环境数据点的关注权重，根据环境数据与预测值的差异以及环境数据点的关注权重，对滑动窗口的初始误差阈值进行修正，获得滑动窗口的修正误差阈值，使得根据修正误差阈值筛选出来的锚点更能够表示列车车厢环境数据变化的转折点，避免由于人为设置的误差阈值过大而导致环境数据点变化的转折点无法被作为锚点识别出来，同时避免人为设置的误差阈值过小而导致滑动窗口中的噪声点被作为锚点筛选出来。本发明获取的锚点更能够表示列车车厢运输状态的变化，提高了车厢运输状态监测的准确性。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：

图1是本发明实施例基于铁路货运列车的车厢运输状态监测方法的步骤流程图。

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一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做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。

下面结合附图来详细描述本发明的具体实施方式。

请参阅图1，其示出了本发明一个实施例提供的基于铁路货运列车的车厢运输状态监测方法的步骤流程图，该方法包括以下步骤：

S001．采集铁路货运列车车厢内的环境数据。

需要说明的是，车厢环境数据的变化能够一定程度上反映出车厢运输状态的变化，例如速度数据的变化能够反映列车运行状态的变化，如列车启动、加速、减速等，当列车运行状态发生变化时，可能会由于惯性作用导致车辆中的货物移动甚至倾倒。压力数据以及温度数据的变化能够反映车厢内部货物的状态，例如，某些货物对于温度的敏感性很高，温度升高可能导致货物变质或损坏，异常的压力变化可能表明潜在的安全问题，如车厢内气体货物的泄漏或其他危险物质的释放。因此本实施例采集铁路货运列车车厢的环境数据。

具体的，通过在铁路货运列车的车厢内部署传感器，实时采集车厢内的环境数据，环境数据可以是速度、压力或温度等。需要说明的是，对于速度数据可利用线速度传感器采集，对于压力数据可利用压力传感器采集，对于温度数据可利用温度传感器采集。

至此，实现了铁路货运列车车厢内环境数据的采集。

S002．对铁路货运列车车厢内的环境数据进行实时压缩，获取锚点。

需要说明的是，对于采集的环境数据需要实时展示在监测人员的终端上，以便监测人员能够及时发现列车车厢运输状态的变化并采取相应措施防止货物损坏。但由于实时采集的环境数据量大，若全部展示在监测人员的终端上，展示效率慢，同时数据量大不利于监测人员及时发现车厢内环境数据的变化。因此本实施例采用DP轨迹压缩-滑动窗口压缩算法对环境数据进行压缩，压缩得到的锚点能够一定程度上反映环境数据变化的转折点，通过将锚点实时展示在监测人员的终端上，既能够确保数据展示的实时性，又能够提醒监测人员列车车厢运输状态发生了变化。

需要进一步说明的是，DP轨迹压缩-滑动窗口压缩算法通过设置统一的误差阈值，将第一个数据点初始化为锚点，以锚点为开始构建滑动窗口，对滑动窗口中所有数据点的误差进行判断，当滑动窗口中不存在数据点的误差大于误差阈值时，对滑动窗口进行扩大，当滑动窗口中存在数据点的误差大于误差阈值时，以滑动窗口中倒数第二个数据点为新的锚点，以新的锚点为开始建立新的滑动窗口，通过不断迭代，将获取的所有的锚点作为压缩结果。由于DP轨迹压缩-滑动窗口压缩算法对所有滑动窗口使用统一的误差阈值，当误差阈值过大时，可能会导致环境数据中较小的状态变化点无法作为锚点筛选出来，当误差阈值过小时，可能会导致环境数据中的噪声数据被误作为锚点筛选出来。因此本实施例根据每个滑动窗口中数据点的分布，为每个滑动窗口设置不同的误差阈值。

具体的，以时间为横轴，以环境数据为纵轴，构建直角坐标系，将每个时刻的环境数据映射到直角坐标系中，则每个时刻的环境数据在直角坐标系中对应一个数据点。

在进行车厢内环境数据的采集的过程中，利用DP轨迹压缩-滑动窗口压缩算法对环境数据点进行压缩，在压缩过程中，对于包含环境数据点个数大于2的每个滑动窗口，进行滑动窗口误差判断操作：

具体的，将滑动窗口中第一个环境数据点与最后一个环境数据点相连，构成滑动窗口的拟合线段。将滑动窗口中每个环境数据点到拟合线段的距离作为每个环境数据点的拟合误差。

将当前时刻的环境数据点所在的滑动窗口记为当前滑动窗口，且当前时刻的环境数据点在当前滑动窗口中为最后一个环境数据点。将当前时刻用当前滑动窗口中第i个时刻来表示。对于每一时刻的环境数据点，将以该时刻的环境数据点为窗口内最后一个环境数据点的滑动窗口作为该时刻的环境数据点对应的滑动窗口。

根据当前滑动窗口中每个环境数据点的拟合误差，以及前一时刻的环境数据点对应的滑动窗口中每个环境数据点的拟合误差，获取当前时刻的环境数据点的关注权重：

其中，表示当前滑动窗口中第i个时刻的环境数据点的关注权重，即当前时刻的环境数据点的关注权重，关注权重表示当前滑动窗口中第i个时刻的环境数据点在当前滑动窗口中的重要性，反映了当前滑动窗口的拟合线段对于当前滑动窗口中所有环境数据点的拟合优异性；j表示当前滑动窗口除当前时刻以及第一时刻外的每个时刻的序号，j取遍[2,i-1]中的每个整数，对于当前滑动窗口中第一时刻的环境数据点，其在当前滑动窗口的任意一个时刻的环境数据点对应的滑动窗口中的损失误差均为0，因此在获取当前时刻的环境数据点的关注权重时，当前滑动窗口中第一时刻的环境数据点不参与计算；/>表示当前滑动窗口中第j个时刻的环境数据点的关注权重，当j=2时，无法利用上式获取/>，因此初始化/>=1；/>表示当前滑动窗口中第j个时刻的环境数据点的拟合误差；/>表示当前滑动窗口中第j个时刻的环境数据点在第i-1个时刻的环境数据点对应的滑动窗口中的拟合误差；/>表示当前滑动窗口中第j个时刻的环境数据点在包含第j个时刻的环境数据点的所有滑动窗口中的拟合误差的最大值；tanh( )表示双曲正切函数；exp( )表示以自然常数为底的指数函数；

表示当前滑动窗口中第j个时刻的环境数据点在当前滑动窗口中以及第i-1个时刻对应的滑动窗口中的拟合误差的缩减度，若当前滑动窗口中第j个时刻的环境数据点在当前滑动窗口中的拟合误差/>越小于第j个时刻的环境数据点在第i-1个时刻对应的滑动窗口中的拟合误差/>，说明对于当前滑动窗口中第j个时刻的环境数据点来说，当前滑动窗口相较于前一时刻的滑动窗口的拟合效果越好，此时缩减度越大；若当前滑动窗口中第j个时刻的环境数据点在当前滑动窗口中的拟合误差/>越大于第j个时刻的环境数据点在第i-1个时刻对应的滑动窗口中的拟合误差/>，说明对于当前滑动窗口中第j个时刻的环境数据点来说，当前滑动窗口相较于前一时刻的滑动窗口的拟合效果越差，此时缩减度/>越小，/>用于对归一化，对/>加1是为了让缩减度/>处于[0,1]之间；由于当前滑动窗口中不同时刻的环境数据点的关注权重不同，即不同时刻的环境数据点在其对应的滑动窗口中的重要性不同，当重要性越大时，该时刻的环境数据点越能反映其对应的滑动窗口中所有环境数据点的变化趋势，当重要性越小时，该时刻的环境数据点越不能反映其对应的滑动窗口中所有环境数据点的变化趋势。同时当前滑动窗口中不同时刻的环境数据点对应的滑动窗口中包含的环境数据点的个数不同，当包含环境数据点个数越多时，对应时刻的环境数据点的关注权重的可信度越大，j表示了当前滑动窗口中第j个时刻，同时也反映了当前滑动窗口中第j个时刻的环境数据点对应的滑动窗口中包含的环境数据点的个数，因此本实施例将/>作为缩减度/>的权重，若当前滑动窗口中第j个时刻的重要性（即关注权重）越大且j越大时，对第j个时刻的环境数据点对应的缩减度/>越关注，对当前滑动窗口中所有时刻的环境数据点对应的缩减度进行加权求和，得到当前时刻的环境数据点的关注权重。

至此，获取了当前时刻的环境数据点的关注权重。

根据当前滑动窗口中前一时刻的环境数据点的关注权重，获取当前时刻的平滑系数：

其中，表示当前滑动窗口中第i个时刻的平滑系数，即当前时刻的平滑系数；表示当前滑动窗口中第i-1个时刻的环境数据点的关注权重；当/>越大时，当前滑动窗口中第i个时刻之前的所有环境数据点的变化趋势更加符合当前滑动窗口中第i-1个时刻的环境数据点对应的滑动窗口的拟合线段，即当前滑动窗口中第i个时刻之前的所有环境数据点的变化趋势统一，此时将1-/>作为平滑系数时，平滑系数较小，在利用指数平滑法预测数据时，更加关注前期（即当前滑动窗口中较早时刻）的环境数据点的变化趋势，使得得到的预测值能够反映整体的变化趋势；当/>越小时，当前滑动窗口中第i个时刻之前的所有环境数据点的变化趋势越不符合当前滑动窗口中第i-1个时刻的环境数据点对应的滑动窗口的拟合线段，此时将1-/>作为平滑系数时，平滑系数较大，在利用指数平滑法预测数据时，更加关注后期（即当前滑动窗口中较晚时刻）的环境数据点的变化趋势，使得得到的预测值能够反映后期新数据带来的变化。

以当前滑动窗口中第i个时刻之前的所有环境数据点为数据样本，根据当前时刻的平滑系数以及数据样本，利用指数平滑法对当前时刻的环境数据进行预测，得到当前时刻的预测值。

根据当前滑动窗口中第i个时刻的环境数据与预测值的差异，以及当前滑动窗口中第i个时刻的关注权重，对当前滑动窗口的初始误差阈值进行修正：

其中，表示当前滑动窗口的修正误差阈值；/>表示当前滑动窗口中第i个时刻的环境数据点的关注权重；/>表示当前滑动窗口中第i个时刻的环境数据点的数据值；/>表示当前滑动窗口中第i个时刻的预测值；/>表示当前滑动窗口的初始误差阈值；exp( )表示以自然常数为底的指数函数；tanh( )表示双曲正切函数；/>为超参数，经验值为/>，实施人员可根据实际实施情况设置，具体不做限定；若当前滑动窗口中第i个时刻的环境数据点的关注权重/>越大，说明当前滑动窗口对应的拟合线段更符合当前滑动窗口内第i个时刻之前的所有环境数据点的变化趋势；当前滑动窗口中第i个时刻的预测值是根据当前滑动窗口中第i个时刻之前的所有环境数据点预测的，预测值符合当前滑动窗口中第i个时刻之前的所有环境数据点的变化趋势，若当前滑动窗口中第i个时刻的环境数据与预测值之间的差异/>越小，说明当前滑动窗口中第i个时刻的环境数据点更符合当前滑动窗口中之前时刻的环境数据点的变化趋势；反之，若当前滑动窗口中第i个时刻的环境数据点的关注权重/>越小，说明当前滑动窗口对应的拟合线段越不符合当前滑动窗口内第i个时刻之前的所有环境数据点的变化趋势，若当前滑动窗口中第i个时刻的环境数据与预测值之间的差异/>越大，说明当前滑动窗口中第i个时刻的环境数据点越不符合当前滑动窗口中之前时刻的环境数据点的变化趋势，前一时刻（即第i-1个时刻）的环境数据点更可能为环境数据点变化的转折点；因此通过/>对当前滑动窗口的初始误差阈值进行修正，当/>小于超参数/>时，为负数，通过负数对当前滑动窗口的初始误差阈值减少，避免由于初始误差阈值过大而导致环境数据点变化的转折点无法被作为锚点识别出来，当越小时，减少程度越大；当/>大于超参数/>时，为正数，通过正数对当前滑动窗口的初始误差阈值增大，避免由于当前滑动窗口中噪声点被误识别为锚点，当/>越大时，增大程度越大。

需要说明的是，当前滑动窗口的初始误差阈值为前一时刻（即当前滑动窗口中第i-1个时刻）的环境数据点对应的滑动窗口的修正误差阈值。对于第一个需要进行误差判断的滑动窗口，其初始误差阈值由人为进行设置，具体不做限定，实施人员可根据实际实施情况设置，例如7。

若当前滑动窗口中所有时刻的环境数据点的拟合误差小于或等于当前滑动窗口的修正误差阈值时，向右扩大当前滑动窗口，使下一个时刻的环境数据点加入到当前滑动窗口中，形成新的滑动窗口，将当前滑动窗口的修正误差阈值作为新的滑动窗口的初始误差阈值，对新的滑动窗口进行误差判断操作；若当前滑动窗口中存在某一时刻的环境数据点的拟合误差大于当前滑动窗口的修正误差阈值，将当前时刻的前一个时刻的环境数据点（即当前滑动窗口中第i-1个时刻的环境数据点）作为一个新的锚点，以新的锚点为开始构建新的滑动窗口，将当前滑动窗口的修正误差阈值作为新的滑动窗口的初始误差阈值，对新的滑动窗口向右扩大，当新的滑动窗口中包含环境数据点个数大于2时，重复对新的滑动窗口进行误差判断操作。需要说明的是，根据锚点构建滑动窗口、向右扩大滑动窗口，为DP轨迹压缩-滑动窗口压缩算法中的公知技术，在此不再详细赘述。

至此，实现了列车车厢内环境数据的压缩。

S003．根据锚点进行车厢图像的采集，根据锚点以及采集的车厢图像进行车厢运输状态监测。

将得到的每个锚点实时展示在监测人员的终端上，相邻锚点之间的连线即为此两个锚点之间所有环境数据点的拟合线段。相邻锚点之间的连线可反映环境数据点的变化趋势，锚点为环境数据点中的转折点，可反映环境数据状态的变化。

需要说明的是，环境数据状态的变化可能带来列车车厢运输状态的变化，例如速度数据的变化能够反映列车运行状态的变化，如列车启动、加速、减速等，当列车运行状态发生变化时，可能会由于惯性作用导致车辆中的货物移动甚至倾倒。因此在环境数据状态变化的同时需要对车厢内货物的状态进行监测。

具体的，预设一个时间范围T，具体不做限定，实施人员可根据实际实施情况设置时间范围，例如T=5。

在对环境数据点压缩的过程中，每获得一个锚点，则利用车厢内部署的摄像头立即采集接下来T个时刻内的车厢图像。

将采集到的车厢图像实时显示在监测人员的终端上，并提醒监测人员查看车厢图像中车厢内货物的状态。

需要说明的是，本实施例仅采集锚点之后T个时刻内的车厢图像，可避免列车运行过程中全程采集车厢图像导致数据量巨大造成监测的延时性，可突出车厢状态变化的时间段，使得监测人员更容易发现车厢内货物的异常并及时进行处置。

通过以上步骤，完成了铁路货运列车的车厢运输状态监测。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，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.基于铁路货运列车的车厢运输状态监测方法，其特征在于，包括：

实时采集货运列车车厢内的环境数据；

在采集过程中，将每一时刻的所述环境数据映射到坐标系中，得到每一时刻的环境数据点，利用轨迹压缩-滑动窗口压缩算法对所述环境数据点进行压缩，在压缩过程中，对于包含所述环境数据点个数大于2的每个滑动窗口，进行滑动窗口误差判断操作，包括：

S1：依次获取每一时刻的环境数据点的关注权重，所述关注权重是根据该时刻的环境数据点对应的滑动窗口中，该时刻之前每个环境数据点的拟合误差以及关注权重获取的；

S2：根据前一时刻的环境数据点的关注权重以及当前滑动窗口中当前时刻之前的所有环境数据点，获取当前时刻的预测值；

S3：根据当前时刻的环境数据与预测值的差异以及当前时刻的环境数据点的关注权重，对当前滑动窗口的初始误差阈值进行修正，得到当前滑动窗口的修正误差阈值，所述当前滑动窗口的初始误差阈值为前一滑动窗口的修正误差阈值；

S4：根据当前滑动窗口中每个环境数据点的拟合误差以及当前滑动窗口的修正误差阈值，对当前滑动窗口进行更新，获取锚点；

根据锚点进行车厢图像的采集；

将锚点以及采集的车厢图像实时显示在监控人员的终端上，以供监控人员实时掌握货运列车的车厢运输状态。

2.根据权利要求1所述的基于铁路货运列车的车厢运输状态监测方法，其特征在于，所述该时刻的环境数据点对应的滑动窗口是指以该时刻的环境数据点为窗口内最后一个环境数据点的滑动窗口。

3.根据权利要求1所述的基于铁路货运列车的车厢运输状态监测方法，其特征在于，所述拟合误差的获取方法为：

将滑动窗口中第一个环境数据点与最后一个环境数据点相连，构成滑动窗口的拟合线段；将滑动窗口中每个环境数据点到拟合线段的距离作为每个环境数据点的拟合误差。

4.根据权利要求1所述的基于铁路货运列车的车厢运输状态监测方法，其特征在于，所述关注权重满足关系式：

将当前时刻用当前滑动窗口中第i个时刻来表示，其中，表示当前滑动窗口中第i个时刻的环境数据点的关注权重；j表示当前滑动窗口除当前时刻以及第一时刻外的每个时刻的序号，j取遍[2,i-1]中的每个整数；/>表示当前滑动窗口中第j个时刻的环境数据点的关注权重；/>表示当前滑动窗口中第j个时刻的环境数据点的拟合误差；/>表示当前滑动窗口中第j个时刻的环境数据点在第i-1个时刻的环境数据点对应的滑动窗口中的拟合误差；/>表示当前滑动窗口中第j个时刻的环境数据点在包含第j个时刻的环境数据点的所有滑动窗口中的拟合误差的最大值；tanh( )表示双曲正切函数；exp( )表示以自然常数为底的指数函数。

5.根据权利要求1所述的基于铁路货运列车的车厢运输状态监测方法，其特征在于，所述根据前一时刻的环境数据点的关注权重以及当前滑动窗口中当前时刻之前的所有环境数据点，获取当前时刻的预测值，包括：

根据当前滑动窗口中前一时刻的环境数据点的关注权重，获取当前时刻的平滑系数；以当前滑动窗口中当前时刻之前的所有环境数据点为数据样本，根据当前时刻的平滑系数以及数据样本，利用指数平滑法对当前时刻的环境数据进行预测，得到当前时刻的预测值。

6.根据权利要求5所述的基于铁路货运列车的车厢运输状态监测方法，其特征在于，所述平滑系数满足关系式：

其中，表示当前时刻的平滑系数；/>表示当前滑动窗口中第i-1个时刻的环境数据点的关注权重。

7.根据权利要求4所述的基于铁路货运列车的车厢运输状态监测方法，其特征在于，所述修正误差阈值满足关系式：

其中，表示当前滑动窗口的修正误差阈值；/>表示当前滑动窗口中第i个时刻的环境数据点的关注权重；/>表示当前滑动窗口中第i个时刻的环境数据点的数据值；/>表示当前滑动窗口中第i个时刻的预测值；/>表示当前滑动窗口的初始误差阈值；exp( )表示以自然常数为底的指数函数；tanh( )表示双曲正切函数；/>为超参数。

8.根据权利要求1所述的基于铁路货运列车的车厢运输状态监测方法，其特征在于，所述根据当前滑动窗口中每个环境数据点的拟合误差以及当前滑动窗口的修正误差阈值，对当前滑动窗口进行更新，获取锚点，包括：

若当前滑动窗口中所有时刻的环境数据点的拟合误差小于或等于当前滑动窗口的修正误差阈值时，向右扩大当前滑动窗口，使下一个时刻的环境数据点加入到当前滑动窗口中，形成新的滑动窗口；若当前滑动窗口中存在某一时刻的环境数据点的拟合误差大于当前滑动窗口的修正误差阈值，将当前时刻的前一个时刻的环境数据点作为一个新的锚点，以新的锚点为开始构建新的滑动窗口；

将当前滑动窗口的修正误差阈值作为新的滑动窗口的初始误差阈值。

9.根据权利要求1、4-8中任一项所述的基于铁路货运列车的车厢运输状态监测方法，其特征在于，所述当前滑动窗口的获取方法为：

将当前时刻的环境数据点所在的滑动窗口记为当前滑动窗口，且当前时刻的环境数据点在当前滑动窗口中为最后一个环境数据点。

10.根据权利要求1所述的基于铁路货运列车的车厢运输状态监测方法，其特征在于，所述根据锚点进行车厢图像的采集，包括：

在对环境数据点进行压缩的过程中，每获得一个锚点，则立即采集接下来T个时刻内的车厢图像，其中T为预设的时间范围。