JP6969885B2 - 鉄道車両の走行経路特定方法 - Google Patents

Description

本発明は、鉄道車両の走行中にその車両が停車する駅位置を含めた車両の走行経路を、当該車両の走行データから特定する鉄道車両の走行経路特定方法に関する。

鉄道車両においては、車両の性能調査試験の一環として、現車を用いて車両の振動や台車応力、脱線係数、乗り心地、騒音等を計測することが行われる。この計測は、現在、有人で行われているが、今後は測定を無人で行い、その測定データを車両から有人の事務所等へ自動的に無線伝送する仕組みが必要になることが予測される。そして、その際に重要なことは、各種の測定データに車両の走行位置を正確に対応させることである。

鉄道車両の走行位置の特定は、地上のＧＰＳが使える区間では、ＧＰＳにより実行されるが、地下ではＧＰＳによる走行位置の特定が不可能である。地下でも有人計測の場合は駅到着時刻を記録し、データ時刻と比較して駅位置の特定、走行位置の特定を行うことができるが、前述した無人計測の場合は実施が不可能である。

地下で且つ無人計測の場合に駅位置を特定するためには、これまでは編成運用表を鉄道事業者から入手し、実際の停車時刻と運用表上の停車時刻とを比較することが行われているが、遅延や運用変更があった場合は位置特定が困難になる。鉄道車両の加速度から車両の発車・停車を検知して、上記比較を自動的に行うことも提案されているが、同様の問題がある（特許文献１）。

そこで、鉄道車両の加減速を始めとする走行データから駅位置、走行位置を特定することも試みられている。すなわち、鉄道車両の加減速データやカーブのパターンと、鉄道事業者から提供される路線図（駅、カーブ、距離、分岐等が記載されている）とを照合して、位置特定を行う。

しかしながら、この方法では照合が目視等で実施されるので、解析に時間がかかるという問題がある。更に、鉄道車両の走行経路がある程度判明していないと特定が困難になるという問題もある。加えて、鉄道事業者からの路線図の入手が必須となり、手数及び時間がかかることも問題となる。すなわち、非常に効率が悪い。

特許第５６１７９６３号公報

本発明はかかる問題を解決するために、鉄道車両の走行データから、路線の特定を含めた走行経路の特定を短時間で迅速に、しかも正確に行うことができる鉄道車両の走行経路特定方法を提供するものである。

すなわち、本発明の第１の鉄道車両の走行経路特定方法は、鉄道営業路線の線路データから予め駅間距離Ａｉを算出しておき、
鉄道車両の走行中に当該車両の走行速度データから、停車から次の停車までの走行距離を順番に計測し、これらの走行距離を車両速度からの駅間距離Ｐｊとして、駅間距離Ｐｊのデータを蓄積していくと共に、蓄積された走行速度からの駅間距離Ｐｊのパターンを、前記路線の線路データから予め算出されたデータベースからの駅間距離Ａｉのパターンと照合して、両パターンが一致する走行区間を走行経路とすることを技術的な特徴点としている。

また、本発明の第２の鉄道車両の走行経路特定方法は、複数の鉄道営業路線について各路線の線路データから予め駅間距離Ａｉ及び線路形状を算出しておき、
鉄道車両の走行中に、第１段階として、当該車両の走行速度データから、停車から次の停車までの走行距離を順番に計測し、これらの走行距離を走行速度からの駅間距離Ｐｊとして、駅間距離Ｐｊのデータを蓄積していくと共に、蓄積された駅間距離Ｐｊのパターンを、前記路線の線路データから予め算出されたデータベースからの駅間距離Ａｉのパターンと照合して、両パターンが一致する走行区間を走行経路とし、
第２段階として、前記鉄道車両の走行中に当該車両の少なくともヨー角データと走行速度データとから走行カーブ形状を算出し、算出された走行カーブ形状と、前記第１段階で特定された走行経路の、前記路線の線路データから算出された線路形状とを照合することにより、路線及び走行経路を再特定することを技術的な特徴点としている。

本発明の第１の鉄道車両の走行経路測定方法及び第２の鉄道車両の走行経路測定方法においては、路線の線路データから予め算出されたデータベースからの駅間距離Ａｉのパターンと、鉄道車両の走行中に計測された走行速度からの駅間距離Ｐｊのパターンとの照合により、鉄道車両の走行経路が、データ処理により自動的に、しかも鉄道車両の停車時刻に依存することなく特定される。

また、第２の鉄道車両の走行経路測定方法においては、データベースからの駅間距離Ａｉのパターンと、走行速度からの駅間距離Ｐｊのパターンとの照合により走行経路が特定された後、更に、その走行経路の、前記路線の線路データから算出された線路形状が、走行中に当該車両のヨー角データと走行速度データとから算出される走行カーブ形状と照合されて、路線が検証されるので、経路特定がより正確かつ迅速に行われる。

本発明の鉄道車両の走行経路特定方法は、路線データと走行データとの照合、特に路線の線路データから予め算出されたデータベースからの駅間距離Ａｉのパターンと、鉄道車両の走行中に計測された走行速度からの駅間距離Ｐｊのパターンとの照合により走行経路を特定するので、地下で且つ無人計測の場合にも経路特定が可能である。鉄道車両の走行経路が判明していない場合にも走行経路の特定を行うことができる。鉄道車両の走行データとして停車時刻を用いず、一般性が高いので、遅延や運用変更の影響を受けることがなく、正確性に特に優れる。

本発明の一実施形態に係る鉄道車両の走行経路特定方法について、その制御手順を示すフローチャートである。 同走行経路特定方法に用いる機械系の構成図である。 同走行経路特定方法の第１段階の説明図で、走行速度からの駅間距離Ｐｊを示す。 同第１段階の説明図で、データベースからの駅間距離Ａｉを示す。 同第１段階の説明図で、走行速度からの駅間距離Ｐｊとデータベースからの駅間距離Ａｉとの照合法を示す。 同照合法の数式による説明図である。 同照合法のフローチャートによる説明図である。 同照合法のグラフによる説明図である。 同照合法の説明図で、照合結果を示すグラフである。 同走行経路特定方法の第２段階の説明図で、データベースから算出された線路形状を示す。 同第２段階の説明図で、車両のヨー角から算出された走行カーブ形状を示す。 同第２段階の説明図で、線路形状と走行カーブ形状の照合法を示す。 同照合法の説明図である。 同照合法の説明図で、照合結果を示す。

以下に本発明の実施形態を図面に基づいて説明する。

本実施形態の鉄道車両の走行経路特定方法は、例えば地下鉄の営業路線における振動や騒音、車体応力、脱線係数等の各種データの計測を行う際に各種の計測データに対応させる車両の走行位置データを採取するのに使用される。

この走行経路特定方法は、図１に示すように、鉄道車両の走行中に測定された当該車両の前後方向加速度αx 及びヨー角速度ωyaw の各データを処理する一連のデータ処理工程と、事前に当該車両が走行する複数の営業路線について、各路線の線路データから駅間距離及び線路形状を算出しておく準備工程とからなる。

一連のデータ処理工程では、図２に示すように、鉄道車両１０が営業路線を走行する際に当該車両１０に搭載された６軸慣性センサ２０により測定された車両１０の前後方向加速度αx 、左右方向加速度αy 、上下方向加速度αz 、ピッチ角速度ωpit 、ロール角速度ωroll 及びヨー角速度ωyaw のうちの、車両１０の前後方向加速度αx 及びヨー角速度ωyaw が用いられる。

そして、車両１０の前後方向加速度αx からは、車両１０の走行速度Ｖが算出される（図１中のステップＳ１）。また、車両１０のヨー角速度ωyaw からは、車両１０のヨー角θyaw が算出され、このヨー角θyaw を当該車両１０が走行中の線路のカーブ角度（曲率）として、このカーブ角度（曲率）と車両１０の走行速度Ｖとから、車両１０が走行した区間のカーブ形状が算出される（図１中のステップＳ５）。

一方、準備工程としては、鉄道車両１０が走行する全ての営業路線について、各路線の線路データから、図３に示すような駅間距離Ａｉについてのデータを算出しておく（図１中のステップＳ３）。また、前記各路線の線路データから、図１０に示すような営業路線毎の線路形状についてのデータを算出しておく（図１中のステップＳ６）。そして、走行中にこれらのデータを用いて以下の２段階のデータ処理が行われる。

まず、図４に示すように、図１中のステップＳ１で算出された走行速度Ｖが台形積分されて停車から次の停車までの走行距離が算出され、この距離データが、走行速度からの駅間距離Ｐｊとして、蓄積されていく（図１中のステップＳ２）。そして、図５に示すように、走行速度からの駅間距離Ｐｊが所定数蓄積されると、蓄積された駅間距離Ｐｊのパターン（駅間数と駅間距離Ｐｊとの関係）が、路線の線路データから事前に求めたデータベースからの駅間距離Ａｉのパターン（駅間数と駅間距離Ｐｊとの関係）と照合され、両パターンの類似度が検証される。そして、両パターンが一致する走行区間、より具体的には両パターンの類似性が強い走行区間がデータ処理により見つけ出される。

具体的には、最小二乗法により、この処理が行われる。数式化すると図６のとおりであり、概念的に示すと図７のフローチャート及び図８の比較図となる。

図８の比較図で説明すると、駅間数が「３」で計算を実施したときは、図６に示す誤差Ｊｉの最小値と判断できるものが、僅差で複数存在する。これに対し、駅間数が「４」で計算すると、前記誤差Ｊｉの最小値が一つに収斂される。前記誤差Ｊｉの最小値が第１位のものと第２位のものとの差が一定値を超えるまで駅間数を増やすわけである。こうすることにより、図９に示すように、走行速度からの駅間距離Ｐｊのパターンと、データベースからの駅間距離Ａｉのパターンとの類似性が強い走行区間（類似箇所が多い走行区間）が判明し、この走行区間が走行経路として特定される。また、計測開始駅が特定される。これが第１段階のデータ処理である。

かくして、鉄道車両１０の走行経路が、当該車両１０の停車時刻に関係なく、高い一般性をもって特定される。したがって、遅延や運用変更の影響を受けない。

しかしながら、鉄道車両１０が駅間で停車した場合、走行速度からの駅間距離Ｐｊのパターンと、データベースからの駅間距離Ａｉのパターンとが一致しなくなるので、第１判定工程だけだと、走行経路の特定数が１だけではく，２以上となることがある。すなわち、複数の路線について走行経路が特定される。そこで、以下の第２段階を実施して、路線の特定を含めた走行経路の検証、絞り込みを行う。

前述したとおり、鉄道車両１０が走行する全ての営業路線について、各路線の線路データから、営業路線毎の線路形状が算出されている。そして、第１段階で候補となった路線の線路形状データが取り出される。その線路形状を図１０に例示する。また、鉄道車両１０の走行中には、車両１０のヨー角速度ωyaw が測定され、車両１０のヨー角θyaw が算出されると共に、このヨー角θyaw を当該車両１０が走行中の線路のカーブ角度（曲率）として、このカーブ角度（曲率）と車両１０の走行速度Ｖとから、車両１０が実際に走行した区間のカーブ形状（走行カーブ形状）が算出される。算出された走行カーブ形状を図１１に例示する。

次に線路データからの線路形状と走行中に計測された走行カーブ形状とを照合するが、これは次のようにして行う。まず、図１２に示すように、走行カーブ形状を矩形のグリッド毎に分割する。次いで図１３に示すように、分割された走行カーブ形状を、第１段階で特定された走行経路の線路形状と比較して、形状が近いところを探す。形状が近いところが見つかれば、次の矩形のグリッドについても形状の比較を行う。そして図１４に示すように、全てのグリッドについて両方の形状が近い場合に、その路線の走行経路を、該当する走行経路とする。形状が違う場合は、次の候補の路線の走行経路に対して同様の照合を行う。

このような第１段階のデータ処理と、第２段階のデータ処理との組み合わせにより、鉄道車両１０の走行経路が、より正確かつ迅速に特定される。

走行カーブ形状と線路形状との照合において、それぞれの形状データ中に存在する駅情報を照合することにより、更に正確な経路特定を行うことができる。

鉄道車両１０の走行速度Ｖについては、本実施形態では、車両１０の前後方向加速度αx から算出したが、これに限るものではなく、速発パルス、ドップラ効果等からも求めることができる。また、様々な因子を加えて算出精度を向上させることも可能である。

同様に、車両１０の走行カーブ形状についても、当該車両１０のヨー角θyaw と走行速度Ｖとから算出したが、これら以外の因子を加えて算出精度を向上させることが可能である。

１０ 鉄道車両
２０ ６軸慣性センサ

Claims (1)

1. 複数の鉄道営業路線について各線路の線路データから予め駅間距離Ａｉ及び線路形状を算出しておき、
   鉄道車両の走行中に、第１段階として、当該車両の走行速度データから、停車から次の停車までの走行距離を順番の計測し、これらの走行距離を車両速度からの駅間距離Ｐｊとして、駅間距離Ｐｊのデータを蓄積していくと共に、蓄積された駅間距離Ｐｊのパターンを、前記路線の線路データから予め算出されたデータベースからの駅間距離Ａｉのパターンと照合して、両パターンが一致する走行区間を走行経路とし、
   第２段階として、前記鉄道車両の走行中に当該車両の少なくともヨー角データと走行速度データとから走行カーブ形状を算出し、算出された走行カーブ形状と、第１判定工程で特定された走行経路の、前記路線の線路データから算出された線路形状とを照合することにより、路線及び走行経路を再特定する鉄道車両の走行経路特定方法。
   

Images