JP2023520341A - 鉄道環境オブジェクトの潜在的な欠陥を識別するためのシステム及び方法 - Google Patents

鉄道環境オブジェクトの潜在的な欠陥を識別するためのシステム及び方法 Download PDF

Info

Publication number
JP2023520341A
JP2023520341A JP2022557882A JP2022557882A JP2023520341A JP 2023520341 A JP2023520341 A JP 2023520341A JP 2022557882 A JP2022557882 A JP 2022557882A JP 2022557882 A JP2022557882 A JP 2022557882A JP 2023520341 A JP2023520341 A JP 2023520341A
Authority
JP
Japan
Prior art keywords
machine vision
railroad
vision device
image
railroad 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.)
Granted
Application number
JP2022557882A
Other languages
English (en)
Other versions
JP7416973B2 (ja
Inventor
デニス、 ウィリアム モルガート、
ジョシュア、 ジョン マックバイン、
コーレイ、 トレメイン パスタ、
アーロン、 トーマス ラトレッジ、
Original Assignee
ビーエヌエスエフ レイルウェイ カンパニー
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ビーエヌエスエフ レイルウェイ カンパニー filed Critical ビーエヌエスエフ レイルウェイ カンパニー
Publication of JP2023520341A publication Critical patent/JP2023520341A/ja
Priority to JP2024000013A priority Critical patent/JP2024041829A/ja
Application granted granted Critical
Publication of JP7416973B2 publication Critical patent/JP7416973B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
    • B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
    • B61L23/041—Obstacle detection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
    • B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
    • B61K9/08—Measuring installations for surveying permanent way
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L15/00—Indicators provided on the vehicle or train for signalling purposes
    • B61L15/0072—On-board train data handling
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L15/00—Indicators provided on the vehicle or train for signalling purposes
    • B61L15/0081—On-board diagnosis or maintenance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L15/00—Indicators provided on the vehicle or train for signalling purposes
    • B61L15/0094—Recorders on the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
    • B61L23/007—Safety arrangements on railway crossings
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
    • B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
    • B61L23/042—Track changes detection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
    • B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
    • B61L23/042—Track changes detection
    • B61L23/044—Broken rails
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
    • B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
    • B61L23/042—Track changes detection
    • B61L23/047—Track or rail movements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
    • B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
    • B61L23/042—Track changes detection
    • B61L23/048—Road bed changes, e.g. road bed erosion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/40—Handling position reports or trackside vehicle data

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

Figure 2023520341000001
一実施形態では、方法は、マシンビジョン装置によって鉄道環境内のオブジェクトの画像をキャプチャするステップを含む。マシンビジョン装置は、鉄道環境の第１鉄道線路に沿って第１の方向に移動する第１鉄道車両に取り付けられている。方法はまた、マシンビジョン装置によってオブジェクトに関連する値を決定するために、１つ以上のマシンビジョンアルゴリズムを使用してオブジェクトの画像を分析するステップを含む。方法は、マシンビジョン装置によってオブジェクトに関連する値がオブジェクトの潜在的な欠陥を示しているかを決定するステップと、マシンビジョン装置によって第１鉄道車両の外部の構成要素に警報を伝達するステップとをさらに含む。警報は、オブジェクトの潜在的な欠陥の表示を含む。
【選択図】図１

Description

本開示は、一般にオブジェクトの欠陥を識別することに関し、より具体的には、鉄道環境オブジェクトの潜在的な欠陥を識別するためのシステム及び方法に関する。
一般に、鉄道検査官（ｒａｉｌｒｏａｄ ｉｎｓｐｅｃｔｏｒ）は、安全でない状態について鉄道を検査し、安全でない状態を是正するためのアクションを推奨する。例えば、鉄道検査官は、座屈した鉄道線路に遭遇し、鉄道会社に座屈した鉄道線路を報告し得る。報告を受けた鉄道会社は、座屈した鉄道線路を修理するためのアクションを取り得る。ただし、列車の脱線などの事故の発生を未然に防ぐための是正アクションが適時に行われない場合がある。
本発明の態様は独立項に記載されており、好ましい特徴は従属項に記載されている。一態様の特徴は、単独で、又は他の態様と組み合わせて、任意の態様に適用され得る。
一実施形態によれば、方法は、マシンビジョン（機械視覚）装置によって、鉄道環境（ｒａｉｌｗａｙ ｅｎｖｉｒｏｎｍｅｎｔ）内のオブジェクト（ｏｂｊｅｃｔ）の画像をキャプチャするステップを含む。マシンビジョン装置は、鉄道環境の第１鉄道線路に沿って第１の方向に移動する第１鉄道車両に取り付けられる。方法は、マシンビジョン装置によって、オブジェクトに関連する値を決定するために、１つ以上のマシンビジョンアルゴリズムを使用してオブジェクトの画像を分析するステップをさらに含む。方法は、マシンビジョン装置によって、オブジェクトに関連する値がオブジェクトの潜在的な欠陥（ｐｏｔｅｎｔｉａｌ ｄｅｆｉｃｉｅｎｃｙ）を示しているかを決定するステップと、マシンビジョン装置によって、第１鉄道車両の外部の構成要素に警報を伝達（ｃｏｍｍｕｎｉｃａｔｅ）するステップとをさらに含む。警報は、オブジェクトの潜在的な欠陥の表示を含む。
特定の実施形態では、オブジェクトの潜在的な欠陥は、第２鉄道線路の位置ずれ、横断警告装置の誤作動、第２鉄道線路の遮られた視野、オブジェクトの損傷、及びオブジェクトの誤った配置のうちの１つである。いくつかの実施形態では、鉄道環境の第１鉄道線路は、鉄道環境の第２鉄道線路に隣接し、第１鉄道車両の外部の構成要素は、第２鉄道線路に沿って第２の方向に移動する第２鉄道車両に取り付けられ、警報は、第２鉄道車両にアクションを実行するように命令する。特定の実施形態では、第１鉄道車両の外部の構成要素は、ネットワークオペレーションセンタ内に位置する装置である。
いくつかの実施形態では、警報は、オブジェクトの説明、潜在的な欠陥の説明、オブジェクトの画像、オブジェクトの位置、第１鉄道車両のマシンビジョン装置によってオブジェクトがキャプチャされた時間、第１鉄道車両のマシンビジョン装置によってオブジェクトがキャプチャされた日付、第１鉄道車両の識別、第１鉄道車両の第１の方向の表示、及び所定の時間内に鉄道環境を通過するように予定された１つ以上の鉄道車両の表示のうちの少なくとも１つを含む。特定の実施形態では、マシンビジョン装置は、オブジェクトの画像をキャプチャして、１０秒以内に第１鉄道車両の外部の構成要素に警報を伝達する。マシンビジョン装置は、第１鉄道車両のフロントガラスに装着し得る。
他の実施形態によれば、システムは、１つ以上のプロセッサと、命令を格納するメモリとを含み、命令は、１つ以上のプロセッサによって実行される場合、１つ以上のプロセッサがマシンビジョン装置によって鉄道環境内のオブジェクトの画像をキャプチャする動作を行うようにする。マシンビジョン装置は、鉄道環境の第１鉄道線路に沿って第１の方向に移動する第１鉄道車両に取り付けられる。動作はまた、オブジェクトに関連する値を決定するために、１つ以上のマシンビジョンアルゴリズムを使用してオブジェクトの画像を分析する動作を含む。動作は、オブジェクトに関連する値がオブジェクトの潜在的な欠陥を示しているかを決定する動作と、第１鉄道車両の外部の構成要素に警報を伝達する動作とをさらに含む。警報は、オブジェクトの潜在的な欠陥の表示を含む。
また他の実施形態によれば、１つ以上のコンピュータ可読記憶媒体は、プロセッサによって実行される場合、プロセッサが動作を行うようにする命令を格納し、動作は、マシンビジョン装置によって鉄道環境内のオブジェクトの画像をキャプチャする動作を含む。マシンビジョン装置は、鉄道環境の第１鉄道線路に沿って第１の方向に移動する第１鉄道車両に取り付けられる。動作はまた、オブジェクトに関連する値を決定するために、１つ以上のマシンビジョンアルゴリズムを使用してオブジェクトの画像を分析する動作を含む。動作は、オブジェクトに関連する値がオブジェクトの潜在的な欠陥を示しているかを決定する動作と、第１鉄道車両の外部の構成要素に警報を伝達する動作とをさらに含む。警報は、オブジェクトの潜在的な欠陥の表示を含む。
本開示の特定の実施形態の技術的利点は、以下のうちの１つ以上を含み得る。本明細書に記載の特定のシステム及び方法は、線路の位置ずれ、誤動作の警告装置、鉄道線路の遮られた視野、鉄道線路近くの歩行者、及び流失などの安全上の重要な側面に対して鉄道環境を分析するマシンビジョン装置を含む。特定の実施形態では、マシンビジョン装置は、リアルタイムで鉄道環境の潜在的な欠陥を検出及び報告し、これは、即時の是正アクション及び事故の低減／予防につながり得る。いくつかの実施形態では、マシンビジョン装置は、鉄道環境の欠陥を自動で検出し、現場の検査官に関連する費用及び／又は安全上の危険を低減し得る。
他の技術的利点は、以下の図、説明、及び請求の範囲から当業者に容易に明らかになるであろう。さらに、特定の利点について上述したが、様々な実施形態は、列挙された利点の全部又は一部を含んでもよく、又は全てを含まないこともできる。
本開示の理解を助けるために、添付の図面と併せて以下の説明を参照する。
鉄道環境オブジェクトの潜在的な欠陥を識別するための例示的なシステムを示す。 図１のシステムのマシンビジョン装置によって生成され得る例示的な前面画像を示す。 図１のシステムのマシンビジョン装置によって生成され得る例示的な後面画像を示す。 鉄道環境オブジェクトの潜在的な欠陥を識別するための例示的な方法を示す。 本明細書に記載のシステム及び方法によって使用され得る例示的なコンピュータシステムを示す。
図１～図５は、鉄道環境オブジェクトの潜在的な欠陥を識別するための例示的なシステム及び方法を示す。図１は、鉄道環境オブジェクトの潜在的な欠陥を識別するための例示的なシステムを示す。図２は、図１のシステムのマシンビジョン装置によって生成され得る例示的な前面画像を示す。図３は、図１のシステムのマシンビジョン装置によって生成され得る例示的な後面画像を示す。図４は、鉄道環境オブジェクトの潜在的な欠陥を識別するための例示的な方法を示す。図５は、本明細書で説明されるシステム及び方法によって使用され得る例示的なコンピュータシステムを示す。
図１は、鉄道環境オブジェクトの潜在的な欠陥を識別するための例示的なシステム１００を示す。図１のシステム１００は、ネットワーク１１０、鉄道環境１２０、鉄道線路１３０（即ち、鉄道線路１３０ａ及び鉄道線路１３０ｂ）、鉄道車両１４０（即ち、鉄道車両１４０ａ及び鉄道車両１４０ｂ）、マシンビジョン装置１５０（即ち、マシンビジョン装置１５０ａ及びマシンビジョン装置１５０ｂ、ネットワークオペレーションセンタ１８０、及びユーザ機器（ＵＥ）１９０を含む。システム１００又はその一部は、組織（ｅｎｔｉｔｙ）に関連することができ、鉄道環境オブジェクトの潜在的な欠陥を識別できる企業、会社（例えば、鉄道会社、輸送会社など）又は政府機関（例えば、運輸局、など）のような任意の組織を含み得る。図１の例示された実施形態は、鉄道システムに関連するが、システム１００は、任意の適切な輸送システム（例えば、車両／道路、船舶／水路など）に関連し得る。システム１００の要素は、ハードウェア、ファームウェア、及びソフトウェアの任意の適切な組み合わせを使用して実現され得る。例えば、システム１００の１つ以上の構成要素は、図５の１つ以上の構成要素を使用してもよい。
システム１００のネットワーク１１０は、システム１００の構成要素間の伝達を容易にする任意のタイプのネットワークであり得る。例えば、ネットワーク１１０は、マシンビジョン装置１５０ａをシステム１００のマシンビジョン装置１５０ｂに接続してもよい。別の例として、ネットワーク１１０は、マシンビジョン装置１５０をシステム１００のネットワークオペレーションセンタ１８０のＵＥ１９０に接続してもよい。ネットワーク１１０の１つ以上の一部は、アドホックネットワーク、イントラネット、エクストラネット、仮想私設網（ＶＰＮ）、ローカルエリアネットワーク（ＬＡＮ）、無線ＬＡＮ（ＷＬＡＮ）、広域ネットワーク（ＷＡＮ）、無線ＷＡＮ（ＷＷＡＮ）、大都市圏ネットワーク（ＭＡＮ）、インターネットの一部、公衆交換電話網（ＰＳＴＮ）の一部、携帯電話網、３Ｇネットワーク、４Ｇネットワーク、５Ｇネットワーク、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）セルラ通信網、これらの２つ以上の組み合わせ、又はその他の適切なタイプのネットワークを含み得る。ネットワーク１１０の１つ以上の一部は、１つ以上のアクセス（例えば、モバイルアクセス）、コア及び／又はエッジネットワークを含み得る。ネットワーク１１０は、私設網（ｐｒｉｖａｔｅ ｎｅｔｗｏｒｋ）、公衆網（ｐｕｂｌｉｃ ｎｅｔｗｏｒｋ）、インターネットを介した接続、モバイルネットワーク、ＷＩ－ＦＩネットワーク、ブルートゥース（登録商標）ネットワークなどの任意の通信網であり得る。ネットワーク１１０は、クラウドコンピューティング機能を含み得る。システム１００の１つ以上の構成要素は、ネットワーク１１０を介して伝達し得る。例えば、マシンビジョン装置１５０は、ネットワークオペレーションセンタ１８０のＵＥ１９０に情報（例えば、潜在的な欠陥）を送信すること、及び／又はネットワークオペレーションセンタ１８０のＵＥ１９０から情報（例えば、確認された欠陥）を受信することを含み、ネットワーク１１０を介して伝達してもよい。
システム１００の鉄道環境１２０は、１つ以上の鉄道線路１３０を含む領域である。鉄道環境１２０は、区画（ｄｉｖｉｓｉｏｎ）及び／又は細区画（ｓｕｂｄｉｖｉｓｉｏｎ）に関連し得る。区画は、監督者の監督下にある鉄道の一部である。細区画は、区画の小さい一部である。細区画は、作業員区域（ｃｒｅｗ ｄｉｓｔｒｉｃｔ）及び／又は支線（ｂｒａｎｃｈ ｌｉｎｅ）であり得る。図１に示した実施形態では、鉄道環境１２０は、鉄道線路１３０、鉄道車両１４０、及びマシンビジョン装置１５０を含む。
システム１００の鉄道線路１３０は、鉄道車両１４０の車輪が転がる表面を提供することによって、鉄道車両１４０が移動できるようにする構造である。特定の実施形態では、鉄道線路１３０は、レール、締結装置、枕木、バラストなどを含む。鉄道車両１４０は、鉄道輸送システムで貨物及び／又は乗客を運ぶ車両である。特定の実施形態では、鉄道車両１４０は、共に結合して列車を形成する。鉄道車両１４０は、機関車、客車、貨車、有蓋車、長物車、タンク車などを含み得る。
図１に示した実施形態では、鉄道車両１４０は、鉄道車両１４０ａ及び鉄道車両１４０ｂを含む。鉄道車両１４０ａは、鉄道線路１３０ａに沿って進行方向１６０ａに移動している。鉄道車両１４０ｂは、鉄道線路１３０ｂに沿って進行方向１６０ｂに移動している。いくつかの実施形態では、鉄道環境１２０の鉄道線路１３０ａは、鉄道環境１２０の鉄道線路１３０ｂに隣接（例えば、平行）している。特定の実施形態では、進行方向１６０ａは、進行方向１６０ｂと反対である。例えば、進行方向１６０ａは、南行きであってもよく、進行方向１６０ｂは、北行きであってもよい。別の例として、進行方向１６０ａは、東行きであってもよく、進行方向１６０ｂは、西行きであってもよい。
システム１００のマシンビジョン装置１５０は、静止画像又は動画を自動でキャプチャ、検査、評価、及び／又は処理する構成要素である。マシンビジョン装置１５０は、１つ以上のカメラ、レンズ、センサ、光学装置、照明要素などを含み得る。特定の実施形態では、マシンビジョン装置１５０は、リアルタイム又はほぼリアルタイムで１つ以上の動作を行う。例えば、鉄道車両１４０ａのマシンビジョン装置１５０ａは、鉄道環境１２０でオブジェクト（例えば、鉄道線路１３０ｂ）の画像をキャプチャし、所定の時間（例えば、１秒、５秒、又は１０秒）より短い時間内に鉄道車両１４０ａの外部の構成要素（例えば、ネットワークオペレーションセンタ１８０のマシンビジョン装置１５０ｂ又はＵＥ１９０）に潜在的な欠陥（線路の位置ずれ１７０）を示す警報を伝達してもよい。
特定の実施形態では、マシンビジョン装置１５０は、システム１００の鉄道環境１２０の画像を自動でキャプチャする１つ以上のカメラを含む。マシンビジョン装置１５０は、鉄道車両１４０が鉄道線路１３０に沿って移動する間、自動で静止画像又は動画をキャプチャし得る。マシンビジョン装置１５０は、任意の適切な数の静止画像又は動画を自動でキャプチャし得る。例えば、マシンビジョン装置１５０は、毎秒、毎分、毎時などの所定の数の画像を自動でキャプチャしてもよい。特定の実施形態では、マシンビジョン装置１５０は、所定の領域（例えば、区画又は細区画）内で鉄道線路１３０の全長をキャプチャするのに十分な数の画像を自動でキャプチャする。
システム１００のマシンビジョン装置１５０ａは、鉄道車両１４０ａに取り付けられている。マシンビジョン装置１５０ａは、鉄道線路１３０ａの明確な視野を提供する任意の適切な場所で鉄道車両１４０ａに取り付けることができる。例えば、マシンビジョン装置１５０ａは、鉄道線路１３０ａの前方向きの視野を提供するために鉄道車両１４０ａの前端（例えば、フロントガラス）に取り付けることができる。別の例として、マシンビジョン装置１５０ａは、鉄道線路１３０ａの後向きの視野を提供するために鉄道車両１４０ａの後端（例えば、後部フロントガラス）に取り付けることができる。特定の実施形態では、マシンビジョン装置１５０ａは、鉄道車両１４０ａが鉄道線路１３０ａに沿って進行方向１６０ａに移動するとき、鉄道環境１２０の画像をキャプチャする。
システム１００のマシンビジョン装置１５０ｂは、鉄道車両１４０ｂに取り付けられている。マシンビジョン装置１５０ｂは、鉄道線路１３０ｂの明確な視野を提供する任意の適切な場所で鉄道車両１４０ｂに取り付けることができる。例えば、マシンビジョン装置１５０ｂは、鉄道線路１３０ｂの前向きの視野を提供するために、鉄道車両１４０ｂの前端（例えば、フロントガラス）に取り付けることができる。別の例として、マシンビジョン装置１５０ｂは、鉄道線路１３０ｂの後向きの視野を提供するために鉄道車両１４０ｂの後端（例えば、後部フロントガラス）に取り付けることができる。特定の実施形態では、マシンビジョン装置１５０ｂは、鉄道車両１４０ｂが進行方向１６０ｂに鉄道線路１３０ｂに沿って移動するとき、鉄道環境１２０の画像をキャプチャする。
マシンビジョン装置１５０は、キャプチャされた画像のオブジェクトを検査し得る。オブジェクトは、鉄道線路１３０、破片（ｄｅｂｒｉｓ）１７２（例えば、瓦礫（ｒｕｂｂｌｅ）、難破貨物（ｗｒｅｃｋａｇｅ）、廃虚（ｒｕｉｎｓ）、落葉（ｌｉｔｔｅｒ）、ゴミ（ｔｒａｓｈ）、小枝（ｂｒｕｓｈ）など）、歩行者１７４（例えば、侵入者（ｔｒｅｓｐａｓｓｅｒ））、動物（ａｎｉｍａｌ）、植生（ｖｅｇｅｔａｔｉｏｎ）、バラストなどを含み得る。いくつかの実施形態では、マシンビジョン装置１５０は、マシンビジョンアルゴリズムを使用して画像内のオブジェクトを分析し得る。マシンビジョンアルゴリズムは、画像内のオブジェクトを認識し、画像処理技術及び／又はパターン認識技術を使用してオブジェクトを分類し得る。
特定の実施形態では、マシンビジョン装置１５０は、例外に対して画像のオブジェクトを分析するために、マシンビジョンアルゴリズムを使用する。例外は、許容される標準と比較した場合のオブジェクトの偏差である。例外には、１つ以上の鉄道線路１３０の線路の位置ずれ（例えば、湾曲（ｃｕｒｖｅｄ）、ゆがみ（ｗａｒｐｅｄ）、ねじれ（ｔｗｉｓｔｅｄ）、又はオフセット（ｏｆｆｓｅｔ）した線路）（例えば、鉄道線路１３０ｂの線路の位置ずれ１７０）、１つ以上の鉄道線路１３０上又は１つ以上の鉄道線路１３０の所定の距離内に位置する所定のサイズを超過する破片１７２、鉄道線路１３０の所定の距離内に位置する歩行者１７４（例えば、侵入者）、踏切警告装置の誤作動、鉄道線路１３０の遮られた視野、オブジェクトへの損傷（例えば、１つ以上の鉄道線路１３０の支持面の流失）、オブジェクトの誤った配置、などを含み得る。
いくつかの実施形態では、マシンビジョン装置１５０は、オブジェクトに関連する値を決定し、その値を所定の閾値（例えば、所定の許容可能な値）と比較してオブジェクトが例外を示すか否かを決定し得る。例えば、マシンビジョン装置１５０は、図１の鉄道線路１３０ｂの線路の位置ずれ１７０が３メートル延びていると決定し、その値を１メートルの許容可能な線路の位置ずれ値と比較して線路の位置ずれ１７０が例外を示していると決定し得る。別の例として、マシンビジョン装置１５０は、図１の破片１７２が鉄道線路１３０ｂに位置すると決定し、その値を鉄道線路１３０ｂから３メートル以上離れて位置する破片１７２の許容可能な値と比較して破片１７２が例外を示していると決定し得る。また別の例として、マシンビジョン装置１５０は、図１の歩行者１７４が鉄道線路１３０ｂに位置すると決定し、その値を鉄道線路１３０ｂから３メートル以上離れて位置する歩行者１７４の許容可能な値と比較して歩行者１７４が例外を示していると決定し得る。特定の実施形態では、例外は、オブジェクトの潜在的な欠陥を示す。
マシンビジョン装置１５０は、システム１００の１つ以上の構成要素に１つ以上の警報を伝達し得る。警報は、マシンビジョン装置１５０によって決定された例外（例えば、欠陥）の表示を含み得る。特定の実施形態では、図１のマシンビジョン装置１５０ａは、図１のマシーン装置１５０ｂに１つ以上の警報を伝達する。例えば、鉄道車両１４０ａのマシンビジョン装置１５０ａは、鉄道線路１３０ｂの線路の位置ずれ１７０の画像をキャプチャし、線路の位置ずれ１７０が例外であると決定し、鉄道車両１４０ｂの１つ以上の構成要素（例えば、マシンビジョン装置１５０ｂ）に例外を示す警報を伝達してもよい。警報は、鉄道車両１４０ｂが線路の位置ずれ１７０に遭遇する前に、鉄道車両１４０ｂの列車技術者に線路の位置ずれ１７０を通知してもよい。
特定の実施形態では、マシンビジョン装置１５０によって生成された警報は、オブジェクトの説明（例えば、鉄道線路１３０ｂ）、潜在的な欠陥の説明（例えば、線路の位置ずれ１７０）、オブジェクトの画像、オブジェクトの位置（例えば、鉄道線路１３０ｂの線路の位置ずれ１７０の全地球測位システム（ＧＰＳ）の位置）、鉄道車両１４０のマシンビジョン装置１５０によってオブジェクトがキャプチャされた時間、鉄道車両１４０のマシンビジョン装置１５０によってオブジェクトがキャプチャされた日付、鉄道車両１４０の識別（例えば、鉄道車両１４０ａ又は鉄道車両１４０ｂ）、鉄道車両１４０の進行方向１６０の表示、所定の時間内に鉄道環境１２０を通過するように予定されている１つ以上の鉄道車両の表示などのうちの１つ以上を含み得る。いくつかの実施形態では、図１のマシンビジョン装置１５０ａは、ネットワークオペレーションセンタ１８０のＵＥ１９０に１つ以上の例外を伝達する。
システム１００のネットワークオペレーションセンタ１８０は、輸送関連の交通を管理するサポートスタッフを収容する１つ以上の場所を備えた施設である。例えば、ネットワークオペレーションセンタ１８０は、州（ｓｔａｔｅ）、プロビデンス（ｐｒｏｖｉｄｅｎｃｅ）などを横切る列車の動きをモニタ、管理、及び／又は制御してもよい。ネットワークオペレーションセンタ１８０は、ネットワークオペレーションセンタ１８０と関連する従業員間の協力を容易にするための輸送計画技術を含み得る。従業員は、運行管理員（例えば、列車の運行管理員）、サポートスタッフ、作業員（ｃｒｅｗ ｍｅｍｂｅｒ）、エンジニア（例えば、列車技術者）、チームの一員（例えば、セキュリティチームの一員）、保守計画者、管理者（例えば、通路管理者（ｃｏｒｒｉｄｏｒ ｓｕｐｅｒｉｎｔｅｎｄｅｎｔ））、現場検査官（ｆｉｅｌｄ ｉｎｓｐｅｃｔｏｒ）などを含み得る。特定の実施形態では、ネットワークオペレーションセンタ１８０は、会議室、テレビ、ワークステーションなどを含む。それぞれのワークステーションは、ＵＥ１９０を含み得る。
システム１００のＵＥ１９０は、情報を受信、生成、処理、格納、及び／又は伝達することができる任意の装置を含む。例えば、システム１００のＵＥ１９０は、マシンビジョン装置１５０から情報（例えば、潜在的な欠陥）を受信し、及び／又はマシンビジョン装置１５０に情報（例えば、確認された欠陥）を伝達してもよい。ＵＥ１９０は、デスクトップコンピュータ、ラップトップコンピュータ、モバイルフォン（例えば、スマートフォン）、タブレット、携帯情報端末（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）、ウェアラブルコンピュータなどであり得る。ＵＥ１９０は、液晶ディスプレイ（ＬＣＤ）、有機発光ダイオード（ＯＬＥＤ）フラットスクリーンインターフェース、デジタルボタン、デジタルキーボード、物理的ボタン、物理的キーボード、１つ以上のタッチスクリーン構成要素、グラフィクユーザインターフェース（ＧＵＩ）などを含み得る。図１の例示された実施形態では、ＵＥ１９０はネットワークオペレーションセンタ１８０内に位置するが、ＵＥ１９０は、情報を受信してシステム１００の１つ以上の構成要素に伝達するために任意の適切な場所に配置され得る。例えば、ネットワークオペレーションセンタ１８０の従業員は、住宅又は小売店などの場所で遠隔作業することができ、ＵＥ１９０は、ネットワークオペレーションセンタ１８０の従業員の位置に配置されてもよい。別の例として、ＵＥ１９０は、１つ以上の鉄道車両１４０に配置されてもよい。
動作時、マシンビジョン装置１５０ａは、鉄道車両１４０ａに取り付けられ、マシンビジョン装置１５０ｂは、鉄道車両１４０ｂに取り付けられる。鉄道車両１４０ａは、鉄道線路１３０ａに沿って南行きの進行方向１６０ａに移動している。鉄道車両１４０ｂは、鉄道線路１３０ｂについて北行きの進行方向１６０ｂに移動している。鉄道車両１４０ａは、時間Ｔ１で鉄道環境１２０に進入し、鉄道車両１４０ｂは、以後時間Ｔ２（例えば、時間Ｔ１の１０分後）に鉄道環境１２０に進入するように予定されている。マシンビジョン装置１５０ａは、鉄道線路１３０ｂを含む時間Ｔ１での鉄道環境１２０の画像をキャプチャする。マシンビジョン装置１５０ａは、鉄道線路１３０ｂの位置合わせに関連する値を決定するために、１つ以上のマシンビジョンアルゴリズムを使用して鉄道線路１３０ｂの画像を分析する。マシンビジョン装置１５０ａは、位置合わせ値を所定の許容可能な位置合わせ値と比較して、位置合わせ値が所定の許容可能な位置合わせ値を超過すると決定する。マシンビジョン装置１５０ａは、比較に基づいて鉄道線路１３０ｂが潜在的な欠陥を含むと決定する。マシンビジョン装置１５０ａは、潜在的な欠陥の識別及び位置を含む警報をネットワークオペレーションセンタ１８０のＵＥ１９０に伝達する。ＵＥ１９０のユーザは、潜在的な欠陥が実際の欠陥であることを確認し、鉄道車両１４０ｂが線路の位置ずれ１７０に遭遇する前に線路の位置ずれ１７０の識別及び位置を鉄道車両１４０ｂのマシンビジョン装置１５０ｂに伝達する。このように、システム１００は、近づく鉄道環境における危険な状態を警告するために使用され、これは、列車が危険な状態を回避するアクションを開始するのに十分な時間を得ることを可能にし得る。
図１は、ネットワーク１１０、鉄道環境１２０、鉄道線路１３０、鉄道車両１４０、マシンビジョン装置１５０、ネットワークオペレーションセンタ１８０、及びＵＥ１９０の特定の配置を示しているが、本開示は、ネットワーク１１０、鉄道環境１２０、鉄道線路１３０、鉄道車両１４０、マシンビジョン装置１５０、ネットワークオペレーションセンタ１８０、及びＵＥ１９０の任意の適切な配置を企図する。例えば、線路の位置ずれ１７０は、鉄道線路１３０ｂの代わりに鉄道線路１３０ａ上に配置されてもよい。別の例として、マシンビジョン装置１５０ａは、鉄道車両１４０ａの前部の代わりに鉄道車両１４０ａの後部に配置されてもよい。また別の例として、破片１７２及び／又は歩行者１７４は、鉄道線路１３０ａと鉄道線路１３０ｂとの間に配置されてもよい。
図１は、特定の数のネットワーク１１０、鉄道環境１２０、鉄道線路１３０、鉄道車両１４０、マシンビジョン装置１５０、ネットワークオペレーションセンタ１８０、及びＵＥ１９０を示しているが、本開示は、任意の適切な数のネットワーク１１０、鉄道環境１２０、鉄道線路１３０、鉄道車両１４０、マシンビジョン装置１５０、ネットワークオペレーションセンタ１８０、及びＵＥ１９０を企図する。例えば、図１は、２つより多い又は少ない鉄道線路１３０及び／又は２つより多い又は少ない鉄道車両１４０を含んでもよい。
図２は、図１のシステム１００のマシンビジョン装置１５０ｂによって生成され得る例示的な前面画像２００を示す。画像２００は、特定の時点における鉄道環境１２０の概要を示す。画像２００は、鉄道線路１３０ａ、鉄道線路１３０ｂ、鉄道線路１３０ｂの線路の位置ずれ１７０、鉄道線路１３０ａと鉄道線路１３０ｂとの間の破片１７２、鉄道線路１３０ｂの近くのバラストプロファイル２１０の変化、及び鉄道線路１３０ｂの外部の植生生育の終端２２０を含む。図２に示した実施形態では、鉄道線路１３０ａは、鉄道線路１３０ｂに隣接（例えば、平行）している。
特定の実施形態では、図１のマシンビジョン装置１５０ｂは、鉄道車両１４０ｂが鉄道線路１３０ｂに沿って進行方向１６０ａに移動するとき、図２の画像２００を自動でキャプチャする。マシンビジョン装置１５０ｂは、画像２００を静止画像又は動画でキャプチャし得る。図２に示した実施形態では、マシンビジョン装置１５０ｂは、鉄道車両１４０ｂのフロントガラスに取り付けられて、鉄道線路１３０ｂの明確な前向きの視野を提供する。
いくつかの実施形態では、マシンビジョン装置１５０ｂは、画像２００内の１つ以上のオブジェクトを識別するために、画像２００を自動で処理する。マシンビジョン装置１５０ｂは、画像２００を処理するために、機械学習アルゴリズム及び／又はマシンビジョンアルゴリズムを使用し得る。特定の実施形態では、マシンビジョン装置１５０ｂは、リアルタイム又はほぼリアルタイムで画像２００を自動で処理する。図２に示した実施形態では、識別されたオブジェクトは、鉄道線路１３０ａ、鉄道線路１３０ｂ、鉄道線路１３０ａと鉄道線路１３０ｂとの間の破片１７２、バラスト２１０、及び鉄道線路１３０ｂの外部の植生２２０を含む。マシンビジョン装置１５０ｂは、画像２００が１つ以上の例外（例えば、欠陥）を含むか否かを決定するために、画像２００のオブジェクトを分析する。
特定の実施形態では、マシンビジョン装置１５０ｂは、画像２００内の１つ以上の例外を自動で識別する。例えば、マシンビジョン装置１５０ｂは、鉄道線路１３０ｂの画像２００をキャプチャして、画像２００の鉄道線路１３０ｂ内の例外（例えば、曲率）を識別し、例外を潜在的な欠陥（例えば、線路の位置ずれ１７０）に分類するために、１つ以上のアルゴリズムを使用してもよい。別の例として、マシンビジョン装置１５０ｂは、破片１７２の画像２００をキャプチャして、画像２００の破片１７２に対する例外（例えば、鉄道線路１３０ａの近すぎる位置にある破片１７２、鉄道線路１３０ａの視野を遮る破片１７２など）を識別することができ、１つ以上のアルゴリズムを使用して例外を欠陥（例えば、近づく列車への潜在的な危険）に分類してもよい。
いくつかの実施形態では、マシンビジョン装置１５０ｂは、画像２００に対する１つ以上のラベルを生成する。ラベルは、画像２００に関連する情報を示す。例えば、マシンビジョン装置１５０ｂは、１つ以上のオブジェクト（例えば、鉄道線路１３０ｂ、破片１７２など）を識別する画像２００に対する１つ以上のラベルを生成してもよい。別の例として、マシンビジョン装置１５０ｂは、画像２００内の１つ以上の潜在的な欠陥（例えば、線路の位置ずれ１７０、バラストプロファイル２１０の変化など）を識別する画像２００に対する１つ以上のラベルを生成してもよい。また別の例として、マシンビジョン装置１５０ｂは、画像２００に対する追加情報（例えば、進行方向１６０ａ、植生生育２２０の終端など）を提供する画像２００に対する１つ以上のラベルを生成してもよい。いくつかの実施形態では、マシンビジョン装置１５０ｂは、画像２００に１つ以上のラベルを重ね合わせる。
特定の実施形態では、マシンビジョン装置１５０ｂは、画像２００を１つ以上の外部の構成要素（例えば、図１のネットワークオペレーションセンタ１８０のＵＥ１９０）に伝達する。いくつかの実施形態では、マシンビジョン装置１５０ｂは、鉄道車両１４０ｂが例外に遭遇する前に、画像２００内の例外（例えば、欠陥）を識別し得る。例えば、マシンビジョン装置１５０ｂは、鉄道車両１４０ｂが鉄道線路１３０ｂの線路の位置ずれ１７０に近づくときに画像２００をキャプチャしてもよい。マシンビジョン装置１５０ｂは、画像２００が線路の位置ずれ１７０を含むことを自動で決定し、鉄道車両１４０ｂの運転者に潜在的な危険を警告し得る。警報に応答して、オペレータは、事故（例えば、列車の脱線）を防止できる鉄道車両１４０ｂが線路の位置ずれ１７０に遭遇する前にアクション（例えば、鉄道車両１４０ｂに関連する列車を停止又は減速）をとり得る。このように、画像２００は、鉄道環境１２０内の安全動作を増加させ得る鉄道環境１２０の潜在的な欠陥の識別のために使用され得る。
図２は、画像２００の鉄道線路１３０ａ、鉄道線路１３０ｂ、線路の位置ずれ１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０の特定の配置を示しているが、本開示は、画像２００の鉄道線路１３０ａ、鉄道線路１３０ｂ、線路の位置ずれ１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０の任意の適切な配置を企図する。例えば、鉄道線路１３０ａと鉄道線路１３０ｂが入れ替わってもよい。別の例として、破片１７２は、鉄道線路１３０ａ、鉄道線路１３０ｂ、又は、鉄道線路１３０ｂの近くに配置されてもよい。
図２は、特定の数の画像２００、鉄道線路１３０ａ、鉄道線路１３０ｂ、線路の位置ずれ１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０を示しているが、本開示は、任意の適切な数の画像２００、鉄道線路１３０ａ、鉄道線路１３０ｂ、線路の位置ずれ１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０を企図する。例えば、図２は、２つより多い又は少ない鉄道線路を含んでもよい。図２の画像２００は、鉄道システムと関連するが、画像２００は、任意の適切な輸送システム（例えば、車両／道路、船舶／水路など）に関連し得る。
図３は、図１のシステム１００のマシンビジョン装置１５０ａによって生成され得る例示的な後面画像３００を示す。画像３００は、特定の時点における鉄道環境１２０の概要を示す。画像３００は、鉄道線路１３０ａ、鉄道線路１３０ｂ、鉄道線路１３０ｂの線路の位置ずれ１７０、鉄道線路１３０ａと鉄道線路１３０ｂとの間の破片１７２、鉄道線路１３０ｂの近くのバラストプロファイル２１０の変化、及び植生生育の終端２２０を含む。図３に示した実施形態では、鉄道線路１３０ａは、鉄道線路１３０ｂに隣接（例えば、平行）している。
特定の実施形態では、図１のマシンビジョン装置１５０ａは、図１の鉄道車両１４０ａが鉄道線路１３０ａに沿って進行方向１６０ｂに移動するとき、図３の画像３００を自動でキャプチャする。マシンビジョン装置１５０ａは、画像３００を静止画像又は動画としてキャプチャし得る。特定の実施形態では、マシンビジョン装置１５０ａは、鉄道車両１４０ｂの後部フロントガラスに取り付けられ、鉄道線路１３０ａ及び鉄道線路１３０ｂの明確な後向きの視野を提供する。
いくつかの実施形態では、マシンビジョン装置１５０ａは、画像３００を自動で処理し、画像３００の１つ以上のオブジェクトを識別する。マシンビジョン装置１５０ａは、画像３００を処理するために機械学習アルゴリズム及び／又はマシンビジョンアルゴリズムを使用してもよい。特定の実施形態では、マシンビジョン装置１５０ａは、リアルタイム又はほぼリアルタイムで画像３００を自動で処理する。図３に示した実施形態では、識別されたオブジェクトは、鉄道線路１３０ａ、鉄道線路１３０ｂ、鉄道線路１３０ａと鉄道線路１３０ｂとの間の破片１７２、バラスト２１０、及び植生２２０を含む。マシンビジョン装置１５０ａは、画像３００が１つ以上の例外（例えば、欠陥）を含むか否かを決定するために画像３００のオブジェクトを分析する。
特定の実施形態では、マシンビジョン装置１５０ａは、画像３００内の１つ以上の例外を自動で識別する。例えば、マシンビジョン装置１５０ａは、鉄道線路１３０ｂの画像３００をキャプチャして、画像３００の鉄道線路１３０ｂ内の例外（例えば、湾曲、座屈、ゆがみ、及び／又はねじれたレール）を識別し、例外を潜在的な欠陥（例えば、線路の位置ずれ１７０）に分類するために、１つ以上のアルゴリズムを使用してもよい。別の例として、マシンビジョン装置１５０ａは、破片１７２の画像３００をキャプチャして、画像３００の破片１７２に対する例外（例えば、鉄道線路１３０ｂの近すぎる位置にある破片１７２、鉄道線路１３０ｂの視野を遮る破片１７２など）を識別することができ、１つ以上のアルゴリズムを使用して例外を欠陥（例えば、近づく列車への潜在的な危険）に分類してもよい。
いくつかの実施形態では、マシンビジョン装置１５０ａは、画像３００に対する１つ以上のラベルを生成する。例えば、マシンビジョン装置１５０ａは、１つ以上のオブジェクト（例えば、鉄道線路１３０ａ、鉄道線路１３０ｂ、破片１７２など）を識別する１つ以上のラベルを画像３００に生成してもよい。別の例として、マシンビジョン装置１５０ａは、画像３００内の１つ以上の潜在的な欠陥（例えば、線路の位置ずれ１７０、バラストプロファイル２１０の変化など）を識別する１つ以上のラベルを画像３００に生成してもよい。また別の例として、マシンビジョン装置１５０ａは、画像３００に対する追加情報（例えば、進行方向１６０ｂ、植生生育の終端２２０など）を提供する１つ以上のラベルを画像３００に生成してもよい。いくつかの実施形態では、マシンビジョン装置１５０ｂは、画像３００に１つ以上のラベルを重ね合わせる。
特定の実施形態では、マシンビジョン装置１５０ａは、画像３００を１つ以上の構成要素（例えば、図１のネットワークオペレーションセンタ１８０のＵＥ１９０、図１のマシンビジョン装置１５０ｂなど）に伝達する。いくつかの実施形態では、マシンビジョン装置１５０ａは、他の鉄道車両が例外に遭遇する前に、画像３００内の例外（例えば、欠陥）を識別し得る。例えば、マシンビジョン装置１５０ａは、鉄道車両１４０ａが鉄道線路１３０ａに沿って移動し、鉄道線路１３０ｂの線路の位置ずれ１７０を通過するときに、画像３００をキャプチャしてもよい。マシンビジョン装置１５０ｂは、画像３００が鉄道線路１３０ｂの線路の位置ずれ１７０を含むと自動で決定し、鉄道車両１４０ｂの構成要素（例えば、マシンビジョン装置１５０ｂ）に警報を伝達し得る。鉄道車両１４０ｂのオペレータは、線路の位置ずれ１７０の潜在的な危険を示す警報を受信し得る。警報に応答して、オペレータは、鉄道車両１４０ｂが線路の位置ずれ１７０に遭遇する前にアクション（例えば、鉄道車両１４０ｂと関連する列車を停止又は減速）をとることができ、事故（例えば、列車の脱線）を防ぐことができる。このように、画像３００は、鉄道環境１２０内の安全動作を増加させ得る鉄道環境１２０の潜在的な欠陥を識別するために使用され得る。
図３は、画像３００の鉄道線路１３０ａ、鉄道線路１３０ｂ、線路の位置ずれ１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０の特定の配置を示しているが、本開示は、画像３００の鉄道線路１３０ａ、鉄道線路１３０ｂ、線路の位置ずれ１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０の任意の適切な配置を企図する。例えば、鉄道線路１３０ａと鉄道線路１３０ｂが入れ替わってもよい。別の例として、破片１７２は、鉄道線路１３０ａ、鉄道線路１３０ｂ、又は、鉄道線路１３０ｂの近くに配置されてもよい。
図３は、特定の数の画像３００、鉄道線路１３０ａ、鉄道線路１３０ｂ、線路の位置ずれ１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０を示しているが、本開示は、任意の適切な数の画像３００、鉄道線路１３０ａ、鉄道線路１３０ｂ、線路の位置ずれ１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０を企図する。例えば、図３は、２つより多い又は少ない鉄道線路を含んでもよい。図３の画像３００は、鉄道システムと関連するが、画像３００は、任意の適切な輸送システム（例えば、車両／道路、船舶／水路など）に関連し得る。
図４は、鉄道環境オブジェクトの潜在的な欠陥を識別するための例示的な方法４００を示す。方法４００は、ステップ４０５で開始する。ステップ４１０において、マシンビジョン装置（例えば、図１のマシンビジョン装置１５０ａ）は、鉄道車両（例えば、図１の鉄道車両１４０ａ）に取り付けられている。特定の実施形態では、鉄道車両は、列車の終端に位置し、マシンビジョン装置は、鉄道車両の後部フロントガラスに取り付けられ、鉄道線路（例えば、図１の鉄道線路１３０ａ）の明確な後方視野を提供する。特定の実施形態では、マシンビジョン装置は、隣接する鉄道線路（例えば、図１の鉄道線路１３０ｂ）の明確な後方視野を提供するために鉄道車両の後部フロントガラスに配置される。次に、方法４００は、ステップ４１０からステップ４２０に移動する。
方法４００のステップ４２０で、マシンビジョン装置は、鉄道環境（例えば、図１の鉄道環境１２０）にあるオブジェクトの画像（例えば、図３の画像３００）をキャプチャする。例えば、鉄道環境で隣接する鉄道線路（例えば、図１の鉄道線路１３０ｂ）、破片（例えば、図１の破片１７２）、及び／又は歩行者（例えば、図１の歩行者１７４）の画像をキャプチャしてもよい。マシンビジョン装置は、鉄道車両が第１の方向（例えば、図１の進行方向１６０ａ）に鉄道線路に沿って移動する間の時間Ｔ１で画像をキャプチャする。次に、方法４００は、ステップ４２０からステップ４３０に移動する。
方法４００のステップ４３０で、マシンビジョン装置は、オブジェクトに関連する値を決定するために、１つ以上のマシンビジョンアルゴリズムを使用してオブジェクトの画像を分析する。例えば、マシンビジョン装置は、隣接する鉄道線路に関連する曲率値を決定するために、隣接する鉄道線路の画像を分析してもよい。別の例として、マシンビジョン装置は、破片の画像を分析して破片に関連するサイズ及び／又は形状の値を決定してもよい。また別の例として、マシンビジョン装置は、画像を分析して歩行者と隣接する鉄道線路との間の距離を決定してもよい。次に、方法４００は、ステップ４３０からステップ４４０に移動する。
方法４００のステップ４４０で、マシンビジョン装置は、オブジェクトに関連する値を所定の閾値と比較する。例えば、マシンビジョン装置は、隣接する鉄道線路に関連する曲率値を所定の曲率の閾値と比較してもよい。別の例として、マシンビジョン装置は、破片に関連するサイズ及び／又は形状の値を所定のサイズ及び／又は形状の閾値と比較してもよい。また別の例として、マシンビジョン装置は、歩行者と隣接する鉄道線路との間の距離を所定の距離の閾値と比較してもよい。次に、方法４００は、ステップ４４０からステップ４５０に移動する。
方法４００のステップ４５０で、マシンビジョン装置は、オブジェクトに関連する値と所定の閾値との比較がオブジェクトの潜在的な欠陥を示しているか否かを決定する。特定の実施形態では、マシンビジョン装置は、オブジェクトに関連する値が所定の閾値を超過すると決定し得る。例えば、マシンビジョン装置は、隣接する鉄道線路に関連する曲率値が所定の曲率の閾値を超過すると決定してもよい。別の例として、マシンビジョン装置は、破片に関連するサイズ及び／又は形状の値が所定のサイズ及び／又は形状の閾値を超過すると決定してもよい。特定の実施形態では、マシンビジョン装置は、オブジェクトに関連する値が所定の閾値より小さいと決定し得る。例えば、マシンビジョン装置は、歩行者と隣接する鉄道線路との間の距離（例えば、２フィート）が所定の閾値の距離（例えば、５フィート）より小さいと決定してもよい。
ステップ４５０で、マシンビジョン装置が、オブジェクトに関連する値と所定の閾値との比較がオブジェクトの潜在的な欠陥を示すと決定した場合、方法４００は、ステップ４５０からステップ４６５に進むみ、そこで方法４００は終了する。ステップ４５０で、マシンビジョン装置が、オブジェクトに関連する値と所定の閾値との比較がオブジェクトの潜在的な欠陥を示すと決定した場合、方法４００は、ステップ４５０からステップ４６０に移動し、ここでマシンビジョン装置は、鉄道車両の外部の構成要素に警報を伝達する。警報には、オブジェクト対する説明、潜在的な欠陥の説明、オブジェクトの画像、オブジェクトの位置、オブジェクトがマシンビジョン装置によってキャプチャされた時間、オブジェクトがマシンビジョン装置によってキャプチャされた日付、鉄道車両の識別、鉄道車両の進行方向の表示、所定の時間の両内に鉄道環境を通過するように予定された１つ以上の鉄道車両の表示のうちの１つ以上を含み得る。
特定の実施形態では、マシンビジョン装置は、ネットワークオペレーションセンタ（例えば、図１のネットワークオペレーションセンタ１８０）に関連するＵＥ（例えば、ＵＥ１９０）に警報を伝達し得る。ＵＥのユーザは、潜在的な欠陥が実際の欠陥（例えば、安全上の危険）を示すかを確認し、潜在的な欠陥の識別及び位置を実際の欠陥を含む鉄道環境に入るように予定された鉄道車両（例えば、図１の鉄道車両１４０ｂ）の１つ以上の構成要素に伝達し得る。従って、方法４００は、近づく鉄道環境における実際の欠陥（例えば、線路の位置ずれ）を列車に警告するために使用され、これは、列車が線路の位置ずれに遭遇する前に列車を停止するなどのアクションを開始できるようにし得る。次に、方法４００は、ステップ４６０からステップ４６５に移動し、そこで方法４００は終了する。
図４に示された方法４００に対して、修正（Ｍｏｄｉｆｉｃａｔｉｏｎ）、追加（ａｄｄｉｔｉｏｎ）、又は省略（ｏｍｉｓｓｉｏｎ）を行うことができる。方法４００は、より多くの、より少ない、又は他のステップを含み得る。例えば、方法４００は、第２オブジェクトの画像をキャプチャし、第２オブジェクトの画像を分析して潜在的な欠陥を決定することを目的とした追加のステップを含んでもよい。別の例として、方法４００は、潜在的な欠陥の警報を受信することに応答して、１つ以上のアクション（例えば、列車を停止又は減速）を開始するように向けられた１つ以上の追加のステップを含んでもよい。また別の例として、方法４００は、鉄道環境オブジェクトにおける（潜在的な欠陥ではなく）例外を識別することを対象としてもよい。また別の例として、方法４００の１つ以上のステップがリアルタイムで実行されてもよい。
方法４００は、任意の適切な輸送システム（例えば、車両／道路、船舶／水路など）に関連してもよい。方法４００のステップは、並行して、又は任意の適切な順序で実行され得る。方法４００のステップを完了する特定の構成要素として論じられるが、任意の適切な構成要素は、方法４００の任意のステップを実行してもよい。例えば、方法４００の１つ以上のステップは、図４のコンピュータシステムの１つ以上の構成要素を使用して自動化されてもよい。
図５は、本明細書に記載のシステム及び方法によって使用され得る例示的なコンピュータシステムを示す。例えば、図１のネットワーク１１０、マシンビジョン装置１５０ａ、マシンビジョン装置１５０ｂ、及び／又はＵＥ１９０は、１つ以上のインターフェース５１０、処理回路５２０、メモリ５３０、及び／又は他の適切な要素を含んでもよい。インターフェース５１０は、入力を受信し、出力を送信し、入力及び／又は出力を処理して、及び／又は他の適切な動作を実行する。インターフェース５１０は、ハードウェア及び／又はソフトウェアを含み得る。
処理回路５２０は、構成要素の動作を実行又は管理する。処理回路５２０は、ハードウェア及び／又はソフトウェアを含み得る。処理回路の例は、１つ以上のコンピュータ、１つ以上のマイクロプロセッサー、１つ以上のアプリケーションなどを含む。特定の実施形態では、処理回路５２０は、入力から出力を生成するなどのアクション（例えば、動作）を実行するめのロジック（例えば、命令）を実行する。処理回路５２０によって実行されるロジックは、１つ以上の有形の非一時的なコンピュータ可読媒体（例えば、メモリ５３０）に符号化され得る。例えば、ロジックは、コンピュータプログラム、ソフトウェア、コンピュータ実行可能命令、及び／又はコンピュータによって実行可能である命令を含んでもよい。特定の実施形態では、実施形態の動作は、コンピュータプログラムを格納、実現及び／又は符号化、及び／又は格納及び／又は符号化されたコンピュータプログラムを有する１つ以上のコンピュータ可読媒体によって実行されてもよい。
メモリ５３０（又はメモリユニット）は、情報を格納する。メモリ５３０（例えば、図１のメモリ１２４）は、１つ以上の非一時的、有形、コンピュータ可読、及び／又はコンピュータ実行可能記憶媒体を含み得る。メモリ５３０の例は、コンピュータメモリ（例えば、ＲＡＭ又はＲＯＭ）、大容量記憶媒体（例えば、ハードディスク）、リムーバブル記憶媒体（例えば、コンパクトディスク（ＣＤ）又はデジタルビデオディスク（ＤＶＤ））、データベース及び／又はネットワークストレージ（例えば、サーバ）、及び／又は他のコンピュータ可読媒体を含む。
本開示の実施形態は、マシンビジョン装置によって鉄道環境内のオブジェクトの画像をキャプチャするためのシステム及び方法に関する。マシンビジョン装置は、鉄道環境の第１鉄道線路に沿って第１の方向に移動する第１鉄道車両に取り付けられている。この方法はまた、マシンビジョン装置によってオブジェクトに関連する値を決定するために、１つ以上のマシンビジョンアルゴリズムを使用してオブジェクトの画像を分析するステップを含む。この方法は、マシンビジョン装置によってオブジェクトに関連する値がオブジェクトの潜在的な欠陥を示しているかを決定するステップと、マシンビジョン装置によって第１鉄道車両の外部の構成要素に警報を伝達するステップとをさらに含む。警報は、オブジェクトの潜在的な欠陥の表示を含む。
本明細書では、コンピュータ可読非一時的記憶媒体又は媒体は、１つ以上の半導体ベース又は他の集積回路（ＩＣ）（例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）又は特定用途向け集積回路（ＡＳＩＣ））、ハードディスクドライブ（ＨＤＤ）、ハイブリッドハードドライブ（ＨＨＤ）、光ディスク、光ディスクドライブ（ＯＤＤ）、光磁気ディスク、光磁気ドライブ、フロッピーディスク、フロッピーディスクドライブ（ＦＤＤ）、磁気テープ、ソリッドステートドライブ（ＳＳＤ）、ＲＡＭドライブ、ＳＤ（ＳＥＣＵＲＥ ＤＩＧＩＴＡＬ）カード又はドライブ、その他の適切なコンピュータ可読の非一時的記憶媒体、又は必要に応じてこれらの２以上の適切な組み合わせを含み得る。コンピュータ可読非一時的記憶媒体は、必要に応じて、揮発性、不揮発性、又は揮発性と不揮発性の組み合わせであり得る。
本明細書において、「又は」は、明示的に別段の指示がない限り、又は文脈によって別段の指示がない限り、包括的であって排他的ではない。従って、本明細書において、「Ａ又はＢ」は、明示的に別段の指示がない限り、又は文脈によって別段の指示がない限り、「Ａ、Ｂ、又はその両方」を意味する。また、「及び」は、明示的に別段の指示がない限り、又は文脈によって別段の指示がない限り、共同及び複数を意味する。従って、本明細書において、「Ａ及びＢ」は、明示的に別段の指示がない限り、又は文脈によって別段の指示がない限り、「Ａ及びＢ、共同、又は個別」を意味する。
本開示の範囲は、当業者が理解することのできる本明細書に記載又は図示された例示的な実施形態に対する全ての変更、置換、変形、変更、及び修正を含む。本開示の範囲は、本明細書に記載又は図示された例示的な実施形態に限定されない。さらに、本開示は、特定の構成要素、要素、特徴、機能、動作、又はステップを含むものとして本明細書のそれぞれの実施形態を説明及び例示しているが、これらの実施形態のいずれも、当業者が理解し得る本明細書のどこかに記載又は図示された構成要素、要素、特徴、機能、動作、又はステップのうちの任意の組み合わせ又は順列を含み得る。さらに、添付の特許請求の範囲において、特定の機能を実行するように適合、配置、可能、構成、有効、動作可能、又は作動する装置又はシステムの構成要素への言及は、その装置、システム、又は構成要素がそのように適合、配置、可能、構成、有効、動作可能、又は作動する限り、その装置、システム、構成要素、又は特定の機能が活性化、オン、又はロック解除されているか否かに関係なく、その装置、システム、構成要素を含む。さらに、本開示は、特定の利点を提供するものとして特定の実施形態を説明又は図示しているが、特定の実施形態は、これらの利点のいずれも提供しないか、一部を提供、又は全てを提供し得る。

Claims (22)

  1. 方法であって、
    マシンビジョン装置によって、鉄道環境内のオブジェクトの画像をキャプチャするステップであって、前記マシンビジョン装置は、前記鉄道環境の第１鉄道線路に沿って第１の方向に移動する第１鉄道車両に取り付けられるステップと、
    前記マシンビジョン装置によって、前記オブジェクトに関連する値を決定するために、１つ以上のマシンビジョンアルゴリズムを使用して前記オブジェクトの前記画像を分析するステップと、
    前記マシンビジョン装置によって、前記オブジェクトに関連する値が前記オブジェクトの潜在的な欠陥を示しているかを決定するステップと、
    前記マシンビジョン装置によって、前記第１鉄道車両の外部の構成要素に警報を伝達するステップと、
    を含み、
    前記警報は、
    前記オブジェクトの前記潜在的な欠陥の表示を含む、
    方法。
  2. 前記オブジェクトの前記潜在的な欠陥は、
    第２鉄道線路の位置ずれ、
    横断警告装置の誤作動、
    第２鉄道線路の遮られた視野、
    前記オブジェクトの損傷、及び
    前記オブジェクトの誤った配置、
    のうちの１つである、
    請求項１に記載の方法。
  3. 前記鉄道環境の前記第１鉄道線路は、
    前記鉄道環境の第２鉄道線路に隣接し、
    前記第１鉄道車両の外部の前記構成要素は、
    前記第２鉄道線路に沿って第２の方向に移動する第２鉄道車両に取り付けられ、
    前記警報は、
    前記第２鉄道車両にアクションを実行するように命令する、
    請求項１に記載の方法。
  4. 前記第１鉄道車両の外部の前記構成要素は、
    ネットワークオペレーションセンタ内に位置する装置である、
    請求項１に記載の方法。
  5. 前記警報は、
    前記オブジェクトの説明、
    前記潜在的な欠陥の説明、
    前記オブジェクトの前記画像、
    前記オブジェクトの位置、
    前記第１鉄道車両の前記マシンビジョン装置によって前記オブジェクトがキャプチャされた時間、
    前記第１鉄道車両の前記マシンビジョン装置によって前記オブジェクトがキャプチャされた日付、
    前記第１鉄道車両の識別、
    前記第１鉄道車両の前記第１の方向の表示、及び
    所定の時間内に前記鉄道環境を通過するように予定された１つ以上の鉄道車両の表示、
    のうちの少なくとも１つをさらに含む、
    請求項１に記載の方法。
  6. 前記マシンビジョン装置は、
    前記オブジェクトの前記画像をキャプチャして、１０秒以内に前記第１鉄道車両の外部の前記構成要素に前記警報を伝達する、
    請求項１に記載の方法。
  7. 前記マシンビジョン装置は、
    前記第１鉄道車両のフロントガラスに装着される、
    請求項１に記載の方法。
  8. システムであって、
    １つ以上のプロセッサと、
    命令を格納するメモリと、
    を含み、
    前記命令は、
    １つ以上のプロセッサによって実行される場合、１つ以上のプロセッサが動作を行うようにし、
    前記動作は、
    マシンビジョン装置によって鉄道環境内のオブジェクトの画像をキャプチャする動作であって、前記マシンビジョン装置は、前記鉄道環境の第１鉄道線路に沿って第１の方向に移動する第１鉄道車両に取り付けられる動作と、
    前記オブジェクトに関連する値を決定するために、１つ以上のマシンビジョンアルゴリズムを使用して前記オブジェクトの前記画像を分析する動作と、
    前記オブジェクトに関連する値が前記オブジェクトの潜在的な欠陥を示しているかを決定する動作と、
    前記第１鉄道車両の外部の構成要素に警報を伝達する動作と、
    を含み、
    前記警報は、
    前記オブジェクトの前記潜在的な欠陥の表示を含む、
    システム。
  9. 前記オブジェクトの潜在的な欠陥は、
    第２鉄道線路の位置ずれ、
    横断警告装置の誤作動、
    第２鉄道線路の遮られた視野、
    前記オブジェクトの損傷、及び
    前記オブジェクトの誤った配置、
    のうちの１つである、
    請求項８に記載のシステム。
  10. 前記鉄道環境の前記第１鉄道線路は、
    前記鉄道環境の第２鉄道線路に隣接し、
    前記第１鉄道車両の外部の前記構成要素は、
    前記第２鉄道線路に沿って第２の方向に移動する第２鉄道車両に取り付けられ、
    前記警報は、
    前記第２鉄道車両にアクションを実行するように命令する、
    請求項８に記載のシステム。
  11. 前記第１鉄道車両の外部の前記構成要素は、
    ネットワークオペレーションセンタ内に位置する装置である、
    請求項８に記載のシステム。
  12. 前記警報は、
    前記オブジェクトの説明、
    前記潜在的な欠陥の説明、
    前記オブジェクトの前記画像、
    前記オブジェクトの位置、
    前記第１鉄道車両の前記マシンビジョン装置によって前記オブジェクトがキャプチャされた時間、
    前記第１鉄道車両の前記マシンビジョン装置によって前記オブジェクトがキャプチャされた日付、
    前記第１鉄道車両の識別、
    前記第１鉄道車両の前記第１の方向の表示、及び
    所定の時間の両内に前記鉄道環境を通過するように予定された１つ以上の鉄道車両の表示、
    のうちの少なくとも１つをさらに含む、
    請求項８に記載のシステム。
  13. 前記マシンビジョン装置は、
    前記オブジェクトの前記画像をキャプチャして、１０秒以内に前記第１鉄道車両の外部の前記構成要素に前記警報を伝達する、
    請求項８に記載のシステム。
  14. 前記マシンビジョン装置は、
    前記第１鉄道車両のフロントガラスに装着される、
    請求項８に記載のシステム。
  15. １つ以上のコンピュータ可読記憶媒体であって、
    プロセッサによって実行される場合、プロセッサが動作を行うようにする命令を格納し、
    前記動作は、
    マシンビジョン装置によって鉄道環境内のオブジェクトの画像をキャプチャする動作であって、前記マシンビジョン装置は、前記鉄道環境の第１鉄道線路に沿って第１の方向に移動する第１鉄道車両に取り付けられる動作と、
    前記オブジェクトに関連する値を決定するために、１つ以上のマシンビジョンアルゴリズムを使用して前記オブジェクトの前記画像を分析する動作と、
    前記オブジェクトに関連する値が前記オブジェクトの潜在的な欠陥を示しているかを決定する動作と、
    前記第１鉄道車両の外部の構成要素に警報を伝達する動作と、
    を含み、
    前記警報は、
    前記オブジェクトの前記潜在的な欠陥の表示を含む、
    １つ以上のコンピュータ可読記憶媒体。
  16. 前記オブジェクトの潜在的な欠陥は、
    第２鉄道線路の位置ずれ、
    横断警告装置の誤作動、
    第２鉄道線路の遮られた視野、
    前記オブジェクトの損傷、及び
    前記オブジェクトの誤った配置、
    のうちの１つである、
    請求項１５に記載の１つ以上のコンピュータ可読記憶媒体。
  17. 前記鉄道環境の前記第１鉄道線路は、
    前記鉄道環境の第２鉄道線路に隣接し、
    前記第１鉄道車両の外部の前記構成要素は、
    前記第２鉄道線路に沿って第２の方向に移動する第２鉄道車両に取り付けられ、
    前記警報は、
    前記第２鉄道車両にアクションを実行するように命令し、
    前記第１鉄道車両の外部の前記構成要素は、
    ネットワークオペレーションセンタ内に位置する装置である、
    請求項１５に記載の１つ以上のコンピュータ可読記憶媒体。
  18. 前記警報は、
    前記オブジェクトの説明、
    前記潜在的な欠陥の説明、
    前記オブジェクトの前記画像、
    前記オブジェクトの位置、
    前記第１鉄道車両の前記マシンビジョン装置によって前記オブジェクトがキャプチャされた時間、
    前記第１鉄道車両の前記マシンビジョン装置によって前記オブジェクトがキャプチャされた日付、
    前記第１鉄道車両の識別、
    前記第１鉄道車両の前記第１の方向の表示、及び
    所定の時間内に前記鉄道環境を通過するように予定された１つ以上の鉄道車両の表示、
    のうちの少なくとも１つをさらに含む、
    請求項１５に記載の１つ以上のコンピュータ可読記憶媒体。
  19. 前記マシンビジョン装置は、
    前記オブジェクトの前記画像をキャプチャして、１０秒以内に前記第１鉄道車両の外部の前記構成要素に前記警報を伝達する、
    請求項１５に記載の１つ以上のコンピュータ可読記憶媒体。
  20. 装置であって、
    鉄道環境内のオブジェクトの画像をキャプチャするための手段であって、マシンビジョン装置が前記鉄道環境の第１鉄道線路に沿って第１の方向に移動する第１鉄道車両に取り付けられている手段と、
    前記オブジェクトに関連する値を決定するために、１つ以上のマシンビジョンアルゴリズムを使用して前記オブジェクトの前記画像を分析する手段と、
    前記オブジェクトに関連する値が前記オブジェクトの潜在的な欠陥を示しているかを決定する手段と、
    前記第１鉄道車両の外部の構成要素に警報を伝達する手段と、
    を含み、
    前記警報は、前記オブジェクトの潜在的な欠陥の表示を含む、装置。
  21. 請求項２から請求項７のいずれかの項に記載の方法を実施するための手段をさらに含む、請求項２０に記載の装置。
  22. コンピュータによって実行される場合、前記コンピュータが請求項１から請求項７のいずれかの項の方法のステップを実行させる命令を含む、コンピュータプログラム、コンピュータプログラム生成物、又はコンピュータ可読媒体。

JP2022557882A 2020-03-23 2021-03-10 鉄道環境オブジェクトの潜在的な欠陥を識別するためのシステム及び方法 Active JP7416973B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2024000013A JP2024041829A (ja) 2020-03-23 2024-01-03 鉄道環境オブジェクトの潜在的な欠陥を識別するためのシステム及び方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/827,238 2020-03-23
US16/827,238 US11904914B2 (en) 2020-03-23 2020-03-23 Systems and methods for identifying potential deficiencies in railway environment objects
PCT/US2021/021613 WO2021194744A1 (en) 2020-03-23 2021-03-10 Systems and methods for identifying potential deficiencies in railway environment objects

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2024000013A Division JP2024041829A (ja) 2020-03-23 2024-01-03 鉄道環境オブジェクトの潜在的な欠陥を識別するためのシステム及び方法

Publications (2)

Publication Number Publication Date
JP2023520341A true JP2023520341A (ja) 2023-05-17
JP7416973B2 JP7416973B2 (ja) 2024-01-17

Family

ID=75267666

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2022557882A Active JP7416973B2 (ja) 2020-03-23 2021-03-10 鉄道環境オブジェクトの潜在的な欠陥を識別するためのシステム及び方法
JP2024000013A Pending JP2024041829A (ja) 2020-03-23 2024-01-03 鉄道環境オブジェクトの潜在的な欠陥を識別するためのシステム及び方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2024000013A Pending JP2024041829A (ja) 2020-03-23 2024-01-03 鉄道環境オブジェクトの潜在的な欠陥を識別するためのシステム及び方法

Country Status (10)

Country Link
US (1) US11904914B2 (ja)
EP (1) EP4126631A1 (ja)
JP (2) JP7416973B2 (ja)
KR (1) KR20220133286A (ja)
CN (1) CN115427285A (ja)
AU (1) AU2021244131A1 (ja)
BR (1) BR112022017341A2 (ja)
CA (1) CA3166625A1 (ja)
MX (1) MX2022009405A (ja)
WO (1) WO2021194744A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021200408A1 (de) * 2021-01-18 2022-07-21 Siemens Mobility GmbH Sicherheitskritische bordseitige Überwachung der Umgebung eines Schienenfahrzeugs
US11305796B1 (en) * 2021-10-20 2022-04-19 Bnsf Railway Company System and method for remote device monitoring

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11022982B2 (en) 2014-03-18 2021-06-01 Transforation Ip Holdings, Llc Optical route examination system and method
JP4593338B2 (ja) 2005-03-29 2010-12-08 財団法人鉄道総合技術研究所 列車安全運行システム、列車安全運行方法、指令センター
WO2013121344A2 (en) 2012-02-17 2013-08-22 Balaji Venkatraman Real time railway disaster vulnerability assessment and rescue guidance system using multi-layered video computational analytics
US9469198B2 (en) * 2013-09-18 2016-10-18 General Electric Company System and method for identifying damaged sections of a route
WO2017130206A1 (en) * 2016-01-31 2017-08-03 Rail Vision Ltd System and method for detection of defects in an electric conductor system of a train
JP2019218035A (ja) 2018-06-22 2019-12-26 株式会社日立製作所 障害物検知システム及び障害物検知方法
CN110458807A (zh) * 2019-07-09 2019-11-15 常州大学 一种铁路轨道缺陷机器视觉检测系统
US11834082B2 (en) * 2019-09-18 2023-12-05 Progress Rail Services Corporation Rail buckle detection and risk prediction

Also Published As

Publication number Publication date
BR112022017341A2 (pt) 2022-10-18
AU2021244131A1 (en) 2022-08-18
WO2021194744A1 (en) 2021-09-30
MX2022009405A (es) 2022-08-25
CA3166625A1 (en) 2021-09-30
KR20220133286A (ko) 2022-10-04
US20210291881A1 (en) 2021-09-23
JP2024041829A (ja) 2024-03-27
EP4126631A1 (en) 2023-02-08
CN115427285A (zh) 2022-12-02
JP7416973B2 (ja) 2024-01-17
US11904914B2 (en) 2024-02-20

Similar Documents

Publication Publication Date Title
San Kim et al. An accident causation model for the railway industry: Application of the model to 80 rail accident investigation reports from the UK
JP2024041829A (ja) 鉄道環境オブジェクトの潜在的な欠陥を識別するためのシステム及び方法
US20080128563A1 (en) System, Method and Computer Software Code for Remotely Assisted Operation of a Railway Vehicle System
US20150235094A1 (en) Vehicle imaging system and method
US11884310B2 (en) Systems and methods for detecting tanks in railway environments
Zhang et al. Positive Train Control (PTC) for railway safety in the United States: Policy developments and critical issues
WO2013121344A2 (en) Real time railway disaster vulnerability assessment and rescue guidance system using multi-layered video computational analytics
Jansson et al. Challenges of replacing train drivers in driverless and unattended railway mainline systems—A Swedish case study on delay logs descriptions
JP2023550708A (ja) 接続診断システム及び方法
Zhao et al. A method for classifying red signal approaches using train operational data
Stene Automation of the rail—removing the human factor?
KR20120073490A (ko) 철도 차량과 선로에 관한 모니터링 방법 및 장치
CN208393387U (zh) 一种基于摄像监测的动车运用所出入库报警系统
Sen et al. Analysis of Causes of Rail Derailment in India and Corrective Measures
Gajbhiye et al. A Review Paper on Smart Railway Crossing using Microcontroller
Zhang Safety Risk Management for Railroad Human Factors: Case Studies on Restricted-Speed Accident and Trespassing
US20230391384A1 (en) Automated operation of railroad trains
WO2024055438A1 (zh) 一种列车自主感知系统
US20230281640A1 (en) Operational Threat Detection System and Method
Selvakumar et al. Design and development of artificial intelligence assisted railway gate controlling system using internet of things
Narusova et al. Development of Hardware and Software to Ensure Process Safety and Reliability in Railway Transport
Zeigler Positive train control: safety, effectiveness, and security
Stoehr et al. FTA Standards Development Program: Needs Assessment for Transit Rail Transmission-Based Train Control (TBTC)
Wang et al. A Railway Accident Prevention System Using an Intelligent Pilot Vehicle
Murray A digital future on track

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220922

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220922

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230530

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230829

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20231205

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240104

R150 Certificate of patent or registration of utility model

Ref document number: 7416973

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: R3D02