KR20220145348A - 철도 차량의 하중 지수 추정 시스템 - Google Patents

Abstract

철도 차량 하중 지수 추정 시스템
철도 차량(100)의 하중 지수를 추정하기 위한 시스템이 설명되며, 이 시스템은,
- 이러한 철도 차량의 웨건 내부의 미리 결정된 영역의 실시간 이미지를 획득하도록 구성되는 이미지 획득 수단(102); 및
- 이러한 이미지 획득 수단(102)에 의해 획득된 이미지의 함수로서 철도 차량의 하중 지수를 결정하도록 구성되는 제어 수단(104)을 포함한다.

Description

철도 차량의 하중 지수 추정 시스템

본 발명은 일반적으로 철도 차량 분야에 관한 것이며, 특히 본 발명은 철도 차량의 하중 지수(load index)를 추정하는 시스템에 관한 것이다.

열차는 최소 공차 질량(AW0), 및 최대 전체 하중 질량(AW3)을 갖도록 크기가 조정된다. 일반적으로, 예를 들어 공칭 하중(AW2)과 같은 중간 하중 값들이 또한 정의된다.

명백한 바와 같이, 지금 설명한 내용은 승객들의 승차 및/또는 화물의 적재에 적용될 수 있다. 공차 질량(M0), 공칭 질량(M2) 및 전체 하중 질량(M3)의 공칭값들이 설계 레벨에서 일반적으로 정의되고 알려지며, 후속적으로 직접 중량 측정이 이루어진다.

공차와 전체 하중 사이의 임의의 작동 하중 조건에서의, 차량 질량의 동적 정보는 차량의 제동을 제어하는데 필요하다. 이것은 어떤 브레이크 작동 기술이든, 예를 들어 패드-디스크, 슈 브레이크, 전기역학적 브레이크, 마그네틱 브레이크(예를 들면, MTB, 와전류 브레이크 등)를 통한 서비스 제동 및 비상 제동 모두에 적용된다.

특정 목표 감속도를 얻기 위해 적용되는 제동력은 다음과 같다:

제동력=목표 감속도도*차량 질량. (1)

공차 및 전체 하중 질량 값들을 알고 있기 때문에, 차량 질량을 측정하는 문제는 상기 차량의 하중 지수를 측정하는 문제로 변환된다:

차량질량=공차 질량+하중 지수*(전체 하중 질량-공차 질량). (2)

도 1에서 볼 수 있는 바와 같이, 철도 차량들(RV)에는 일반적으로 서스펜션들이 장착되어 있다:

- 프라이머리 서스펜션(S1): 차축(A)과 보기(B) 사이;

- 세컨더리 서스펜션(S2): 보기(B)와 차체(C) 사이.

서스펜션들에 대한 주된 목적들은 다음과 같다:

- 레일, 차축 및 차체 사이에 전달되는 진동들을 감소;

- 철도 차량 내부의 승객 편안함을 개선;

- 철도 차량이 받는 기계적 응력들을 감소;

- 플랫폼에 대한 차체 레벨링;

- 승하차하는 승객의 편안함과 안전성을 개선.

프라이머리 서스펜션들은 기계식이며 스프링들을 사용하여 구성된다.

세컨더리 서스펜션은 일반적으로 공압식이지만 기계식일 수도 있다.

공압 서스펜션들의 경우, 이들은 에어 스프링들, 에어 벨로우들 및 레벨링 밸브들을 기반으로 한다.

레벨링 밸브는 철도 차량의 서스펜딩된 부분, 즉 차체의 특정 높이(레벨)를 보장하기 위해 공압 서스펜션 내부의 압력을 로딩(loading), 언로딩(unloading) 또는 유지하는 기능을 갖는다.

유지되는 레벨은 일반적으로 차체 바닥을 플랫폼에 맞춰 정렬하는 레벨이다.

도 2는 세컨더리 서스펜션(S2)으로 사용될 수 있는 공압 서스펜션들의 일 예를 나타낸다.

레벨링 밸브(leveling valve)가 서스펜션 내부에서 제어해야 하는 압력은 철도 차량의 서스펜딩된 질량체에 따라 달라진다. 예를 들어, 서스펜딩된 하중이 증가하는 경우, 차체를 특정 높이로 유지하는데 필요한 압력이 증가하게 된다.

공압 세컨더리 서스펜션들, 특히 그들 내부에서 측정되는 압력은 이에 따라 차량의 하중 백분율의 간접적인 측정이다.

2개의 보기들 및 4개의 차축들로 구성되는 차량을 가정하면, 공압식 세컨더리 서스펜션들이 보기 레벨에 장착되기 때문에, 단일 보기의 하중 백분율을 결정할 수 있다. 제동력이 보기 레벨에서 관리되는 경우, 즉 제 1 보기(보기 1)의 차축들 및 제 2 보기(보기 2)의 차축들에 대한 개별 제동력은 다음과 같이 된다:

보기 1 제동력 = 목표 감속도 * 보기 1 질량

(3)

보기 2 제동력 = 목표 감속도 * 보기 2 질량

(4)

제동이 차량 레벨에서 관리되는 경우, 즉 모든 차량 차축들에 동일한 제동력이 적용되면, 차량의 하중 지수는 그 응용에 의존하는 방법론에 따라 각 보기의 하중 지수로부터 계산될 것이며, 이것은 예를 들어 다음과 같다:

하중 지수 = (보기 1 하중 지수 + 보기 2 하중 지수)/2

(5)

또는

하중 지수 = max (보기 1 하중 지수, 보기 2 하중 지수)

(6)

또는

하중 지수 = min (보기 1 하중 지수, 보기 2 하중 지수)

(7)

차량의 하중 지수가 결정되면, 그것의 질량이 공식(2)을 적용하여 결정될 수 있으며, 제동력은 위의 공식(1)을 적용하여 결정될 수 있다.

서스펜션들의 압력 값들과 하중 지수들 간의 연관은 설계 단계에서 정의되고 후속적으로 알려진 하중 조건들에서 차량의 직접 중량에 기초하는 경험적 보정을 통해 개선된다. 이러한 보정은 특정 차량 제품군의 차량(샘플로서 사용)에서 수행된다. 이 보정의 다운스트림에서는, 예를 들어 도 3에 도시된 타입의 테이블이 획득된다.

이 테이블이 획득되면, 도 4에 도시된 바와 같이 서스펜션들의 압력을 하중 지수와 연관시키는 특성 함수 f(p)를 구성하는 것이 가능하다.

서스펜션들의 압력으로부터 하중 지수가 결정되면, 차량의 질량은 공식(2)를 사용하여 쉽게 추론될 수 있다. 하중 지수의 함수로서 차량 질량의 경향을 도시하는 그래프가 도 5에 나타나 있다.

종래 기술에 따라 제조된 시스템들은 하기에 기술된 결점들을 갖는다:

a) 에너지 단점: 공압 서스펜션들은 무겁고, 에너지 소모적이고, 뜨겁고, 소음이 있는 압축기들에 의해 생성되는 압축 에어를 소모하며;

b) 열차의 주행 역학의 전형적인 오실레이션들이 차량 하중이 일정한 경우에도 레벨링 밸브들로 하여금 서스펜션들의 압력을 조절하게 하고; 이러한 조절들은 안락함을 위해 불필요한 것이고, 에어를 과도하게 소모하며, 에너지 단점에 추가 영향을 미친다.

단점 b)를 극복하기 위해, 레벨링 밸브들이 데드밴드와 함께 작동하며, 즉 차체 높이(레벨)의 변화들이 특정 허용 범위 내에서 유지되는 경우 압력이 조절되지 않는다. 이 솔루션은 과도한 에어 소모를 감소시키지만 지면에 대한 차체 높이를 유지하는데 부정확함을 야기하며 또한 서스펜션들의 압력으로 인해 질량 측정에 간접적인 부정확함을 발생시킨다.

서스펜션 압력을 통한 간접적인 중량 측정 역시 기술 고유의 부정확성으로 인해 어려움을 겪고 있다. 압력이 변하면, 서스펜션의 형상이 변하게 되고 따라서 접촉 표면이 변하게 된다. 서스펜션에 의해 가해지는 리프팅력은 다음과 같다:

리프팅력 = 표면 * 압력

표면은 압력에 의존하기 때문에, 힘-압력 관계는 비선형이다. 따라서, 도 4의 특성 함수는 직선이 아니다. 이 특성을 결정하기 위해, 정확한 경험적 보정이 필요하게 되며; 도 4의 그래프에서 다수의 점들을 갖기 위해 테이블 1에 나타나는 측정들이 많아야 한다. 일반적으로, 실제에 있어서, 도 4의 특성은 P0->P3과 AW0->AW3 사이가 선형인 것으로 가정되어, 차량 질량의 측정에 더 많은 부정확성을 야기한다.

위에서 설명한 단점을 해결하고 철도 차량을 더 경량화한다는 보다 일반적인 관점에서(압축기, 파이프 등의 제거), 압축 에어가 없는 열차의 가능한 시나리오가 상정된다. 일부 제조업체는 예를 들어 수동 기계식 서스펜션들로 대체하여 비공압식 세컨더리 서스펜션들을 사용하는 방향으로 나아가고 있다. 이 시나리오에서는, 차량 질량 측정이 더 이상 존재하지 않기 때문에 더 이상 공압 서스펜션들의 압력 측정에 기초하지 않을 수 있다.

본 특허 출원은 예를 들어 하나 이상의 카메라 및/또는 비디오 카메라 및/또는 텔레카메라와 같은 하나 이상의 이미지 획득 수단 및/또는 적절한 이미지 처리/인공 지능/딥 러닝 알고리즘들과 함께, 차량 내부에 배치되는 존재 센서(presence sensor)를 기반으로 하는, 철도 차량의 하중 지수 및 그에 따른 질량을 결정하기 위한 대안 시스템을 제안한다.

이 솔루션은 공압 서스펜션이 없는 경우에도 차량 질량을 측정하거나 공압 서스펜션이 장착된 열차의 알려진 시스템에 대한 대안으로 사용될 수 있다. 그러나, 이 솔루션은 알려진 솔루션들에 비해 에너지, 비용 및 정확도 측면에서 유리하다.

전술한 목적 및 다른 목적 그리고 이점들은, 본 발명의 일 양태에 따라, 청구항 1에 정의된 특징을 갖는 철도 차량의 하중 지수를 추정하기 위한 시스템에 의해 달성된다. 본 발명의 바람직한 실시예들은 종속항들에 정의되어 있으며, 그 내용은 본 설명의 필수적인 부분으로 이해되어야 한다.

본 발명에 따른 철도 차량에 대한 하중 지수를 추정하기 위한 시스템의 일부 바람직한 실시예들의 기능적이고 구조적인 특징이 이제 설명될 것이다. 첨부된 도면들을 참조하며, 여기서:
- 도 1은 서스펜션들이 장착되는 알려진 철도 차량의 일 예를 도시한 것이다.
- 도 2는 공압 서스펜션의 일 예를 도시한 것이다.
- 도 3은 서스펜션들의 압력과 관련된 하중 지수 데이터를 보고하는 예시적인 테이블이다.
- 도 4는 서스펜션들의 압력을 하중 지수와 연관시키는 특성 함수를 도시한 것이다.
- 도 5는 하중 지수의 함수로서 차량 질량의 경향을 도시하는 그래프이다.
- 도 6은 본 발명에 따른 철도 차량의 하중 지수를 추정하는 시스템의 제 1 실시예를 도시한 것이다.

본 발명의 복수의 실시예들을 상세하게 설명하기 이전에, 본 발명은 다음 설명에 제시되거나 도면들에 도시된 컴포넌트들의 구성 세부사항 및 구성에 그 적용이 제한되지 않음을 명확히 해야 한다. 본 발명은 다른 실시예들을 가정할 수 있고 실제로 상이한 방식들로 구현 또는 구성될 수 있다. 또한 어구 및 용어는 설명 목적을 가지고 있음을 이해해야 하고, 제한하는 것으로 해석되어서는 안된다. "포함하다(include)" 및 "구성하다(comprise)"의 사용 및 이들의 변형들은 아래에 설명된 요소들 및 이들의 등가물들, 뿐만 아니라 추가 요소들 및 이들의 등가물들을 포괄하는 것으로 이해되어야 한다.

먼저 도 6을 참조하면, 본 발명에 따른 철도 차량(100)의 하중 지수를 추정하는 시스템은 철도 차량 웨건 내부의 미리 결정된 영역의 실시간 이미지를 획득하도록 구성되는 이미지 획득 수단(102)을 포함한다. 또한, 철도 차량의 하중 지수를 추정하는 시스템은 이미지 획득 수단(102)에 의해 획득되는 이미지로부터 철도 차량의 하중 지수를 결정하도록 구성되는 제어 수단(104)도 포함한다.

예를 들어, 이미지 획득 수단(102)은 적어도 하나의 카메라 및/또는 비디오 카메라 및/또는 텔레카메라(telecamera) 및/또는 존재 센서(presence sensor)일 수 있다. 명백한 바와 같이, 획득 수단은 또한 철도 차량의 하중 지수를 추정하는 시스템에 의해 만들어지는 추정의 정확도를 개선하기 위해 하나보다 많을 수 있다.

예를 들어, 제어 수단(104)는 제어 유닛, FPGA, PLC, 마이크로프로세서, 프로세서, 제어기 또는 제어 유닛 등일 수 있다.

명백한 바와 같이, 하중 지수를 참조하여 본 설명에서 설명되는 내용은 이 하중 지수에 100을 곱하는, 하중 백분율과 유사하게 적용될 수 있다. 예를 들어, 0.8의 하중 지수는 80%의 하중 백분율에 대응할 것이다.

일 실시예에서, 제어 수단은 이미지 획득 수단(102)에 의해 획득되는 이미지를 복수의 미리 정의된 샘플 이미지들과 비교하도록 구성될 수 있다. 그런 다음, 미리 결정된 철도 차량 하중 지수가 각 샘플 이미지에 할당될 수 있다.

비교 수행의 관점에서, 제어 수단은 어떤 샘플 이미지가 이미지 획득 수단(102)에 의해 획득되는 이미지와 가장 큰 유사도를 갖는지를 결정하도록 셋업될 수 있다.

마지막으로, 이미지 획득 수단(102)에 의해 획득되는 이미지와 가장 큰 유사도를 갖는 샘플 이미지가 결정되면, 철도 차량의 현재 하중 지수가 이미지 획득 수단(102)에 의해 획득되는 이미지와 가장 큰 유사도를 갖는 것으로 결정된 샘플 이미지에 할당되는 미리 결정된 하중 지수와 대응하는 것으로 결정하도록 제어 수단(104)이 구성될 수 있다.

유사도는 예를 들어 하지만 배타적이지 않은 색채 평가 파라미터들, 형상 파라미터들, 밝기 파라미터들과 같은 하나 이상의 미리 결정된 평가 파라미터의 함수로서 결정될 수 있다.

일반적인 아이디어는 특성들(즉, 이미지를 가능한 한 정확하게 설명하는 앞서 언급한 평가 파라미터들)을 추출하고, 이것들을 벡터 형식으로 구성한 다음, 이러한 벡터들 사이의 비교를 수행하는 것일 수 있다.

예를 들어, 콘텐츠 기반 이미지 검색(Content Based Image Retrieval; CBIR) 기술들, 주성분 분석(Principal Component Analysis; PCA)에 기초한 기술들, 웨이블릿 트랜스포머(Wavelet Transformer) 등이 사용될 수 있다.

실제적인 예를 들면, 제 1 샘플 이미지가 1과 동일한 하중 지수 조건에서 획득되는 이미지일 수 있고, 제 2 샘플 이미지가 0.5와 동일한 하중 지수 조건에서 획득되는 이미지일 수 있고, 제 3 이미지 샘플이 0과 동일한 하중 지수 조건에서 획득되는 이미지일 수 있다. 따라서, 제 1 샘플 이미지에는 하중 지수 1이 할당되고, 제 2 샘플 이미지에는 하중 지수 0.5가 할당되고, 제 3 샘플 이미지에는 하중 지수 0이 할당될 것이다.

후속적으로, 현재 이미지가 이미징 수단(imaging means)(102)에 의해 획득될 것이다. 이 현재 이미지는 3개의 샘플 이미지들과 비교될 것이다. 제 1 샘플 이미지가 현재 이미지와 가장 유사한 경우, 획득된 이미지에서의 철도 차량의 하중 지수가 제 1 샘플 이미지의 하중 지수, 즉 1이라고 결정될 것이다. 제 2 샘플 이미지가 현재 이미지와 가장 유사한 경우, 획득된 이미지에서의 철도 차량의 하중 지수가 제 2 샘플 이미지의 하중 지수, 즉 0.5라고 결정될 것이다. 제 3 샘플 이미지가 현재 이미지와 가장 유사한 경우, 획득된 이미지에서의 철도 차량의 하중 지수가 제 3 샘플 이미지의 하중 지수, 즉 0이라고 결정될 것이다.

제어 수단(104)은, 인공 지능에 기반한 이미지 인식 소프트웨어를 통해, 이미지 획득 수단(102)에 의해 획득되는 이미지와 어떤 샘플 이미지가 가장 큰 유사도를 갖는지를 결정하도록 구성될 수 있다.

다른 실시예에서, 제어 수단(104)은 이미지 획득 수단(102)에 의해 획득되는 이미지에서 승객들의 수를 카운트하도록 구성될 수 있다.

승객들의 수가 카운트되면, 제어 수단(104)은, 승객의 평균 중량의 값, 카운트되는 승객들의 수, 최대 수용 가능한 승객들의 수가 존재하는 조건에서의 철도 차량의 질량을 나타내는 전체 하중 질량의 값, 및 승객이 존재하지 않는 조건에서의 철도 차량의 질량을 나타내는 공차 질량 값의 미리 결정된 값의 함수로서, 철도 차량의 현재 하중 지수를 결정하도록 구성될 수 있다. 다음 공식이 사용되어 철도 차량의 현재 하중 지수를 결정할 수 있다:

최대 수용 가능한 승객들의 수는 적절한 규정에 따라 철도 차량 내부에 수용될 수 있는 사람들의 수로서 이해될 수 있다.

실제 예에서, 승객들의 수가 10명이고, 평균 중량이 70　kg이고, 전체 하중 중량이 1000　kg이고, 공차 질량 중량이 100　kg인 경우, 하중 지수는 다음과 같을 것이다:

여객 운송이 아닌 화물 운송을 위한 철도 차량이 고려되는 다른 대안적인 실시예에서, 제어 수단(104)는 이미지 획득 수단(102)에 의해 획득되는 이미지에서 화물 물품들의 수를 카운트하도록 구성될 수 있다.

화물 물품들의 수가 카운트되면, 제어 수단(104)은, 화물 물품의 평균 중량, 카운트되는 화물 물품의 수, 최대 수용 가능한 화물 물품들의 수가 존재하는 조건에서 철도 차량의 질량을 나타내는 전체 하중 질량 값, 및 화물이 존재하지 않는 조건에서 철도 차량의 공차 질량 값의 미리 결정된 값의 함수로서, 철도 차량의 현재 하중 지수를 결정하도록 구성될 수 있다. 다음 공식이 사용되어 철도 차량의 현재 하중 지수를 결정할 수 있다:

최대 수용 가능한 화물 물품들의 수는 적절한 규정에 따른 철도 차량 내부에 수용될 수 있는 화물 물품들의 수로서 이해되어야 한다.

예를 들어, 화물은 예를 들어 상자 내부 또는 임의의 포장과 같은 임의의 운송되는 물품으로서 이해되어야 한다.

또 다른 실시예에서, 제어 수단(104)은 이미지 획득 수단(102)에 의해 획득되는 이미지에서 승객들의 수를 카운트하도록 구성될 수 있다.

승객들의 수가 카운트되면, 제어 수단(104)은 철도 차량 내부에서의 미리 결정된 최대 수용 가능한 승객들의 수 및 이미지 획득 수단(102)에 의해 획득되는 이미지에서 카운트되는 승객들의 수에 기초하여 하중 지수를 결정하도록 구성될 수 있다. 다음 공식이 사용되어 철도 차량의 현재 하중 지수를 결정할 수 있다:

최대 수용 가능한 승객들의 수는 적절한 규정에 따라 철도 차량의 내부에 수용될 수 있는 사람들의 수로서 이해되어야 한다.

실제 예에서, 카운트되는 승객들의 수가 10명이고 최대 수용 가능한 승객들의 수가 13명인 경우:

여객 운송이 아닌 화물 운송을 위한 철도 차량이 고려되는 다른 대안적인 실시예에서, 제어 수단(104)은 이미지 획득 수단(102)에 의해 획득되는 이미지에서 화물 물품들의 수를 카운트하도록 구성될 수 있다.

화물 물품들의 수가 카운트되면, 제어 수단은 철도 차량 내부에서의 미리 결정된 최대 수용 가능한 화물 물품들의 수, 및 이미지 획득 수단(102)에 의해 획득되는 이미지에서 카운트되는 화물 물품들의 수에 기초하여 하중 지수를 결정할 수 있다. 다음 공식이 사용되어 철도 차량의 현재 하중 지수를 결정할 수 있다:

최대 수용 가능한 화물 물품들의 수는 적절한 규정에 따라 철도 차량 내부에 수용될 수 있는 화물 물품들의 수로서 이해될 수 있다.

제어 수단(104)이 획득된 이미지에서 승객들의 수를 카운트해야 하는 실시예들의 경우, 제어 수단들은 인공 지능에 기반한 이미지 인식 소프트웨어를 통해, 이미지 획득 수단(102)에 의해 획득되는 이미지에서 승객들의 수를 카운트하도록 구성될 수 있다.

제어 수단(104)이 획득된 이미지에서 화물 물품들의 수를 카운트해야 하는 실시예들의 경우, 제어 수단(104)은 인공 지능에 기반한 이미지 인식 소프트웨어를 통해, 이미지 획득 수단(102)에 의해 획득되는 이미지에서의 화물 물품들의 수를 카운트하도록 구성될 수 있다.

또 다른 실시예에서, 제어 수단(104)은 이미지 획득 수단(102)에 의해 획득되는 이미지에서 점유 좌석들의 수를 카운트하도록 구성된다.

획득된 이미지 내에서 점유 좌석들의 수가 카운트되면, 제어 수단(104)은, 승객의 평균 중량, 카운트된 점유 좌석들의 수, 최대 수용 가능한 승객들의 수가 존재하는 조건에서 철도 차량의 질량을 나타내는 전체 하중 질량 값, 및 승객들이 존재하지 않는 조건에서 철도 차량의 질량을 나타내는 공차 질량 값의 미리 결정된 값의 함수로서, 차량의 현재 하중 지수를 결정하도록 구성될 수 있다. 다음 공식이 사용되어 철도 차량의 현재 하중 지수를 결정할 수 있다.

실제 예에서, 점유 좌석들의 수가 10이고, 평균 승객 중량이 70　kg이고, 전체 하중 질량이 1000　kg이고, 공차 질량이 100　kg인 경우, 하중 지수는 다음과 같을 것이다:

점유 좌석들의 수가 카운트되어야 하는 이 실시예에서, 제어 수단(104)은 인공 지능에 기반한 이미지 인식 소프트웨어를 통해, 이미지 획득 수단(102)에 의해 획득되는 이미지에서 점유 좌석들의 수를 카운트하도록 구성될 수 있다.

대안적인 실시예에서, 제어 수단(104)은 승객들 또는 화물이 존재하지 않는 조건에서, 이미지 획득 수단(102)에 의해 획득되는 이미지를, 철도 차량 웨건의 내부를 나타내는 공차 하중 이미지와 비교하도록 구성될 수 있다.

이 비교 이후에, 제어 수단(104)은 공차 하중 이미지에 대한, 이미지 획득 수단(102)에 의해 획득된 이미지에서의 승객들 또는 화물에 의해 점유되는 면적의 백분율의 함수로서, 철도 차량의 현재 하중 지수를 결정하도록 구성될 수 있다.

예를 들어, 획득된 이미지에서 승객들에 의해 점유되는 면적이 공차 하중 이미지의 80%인 것으로 판명되는 경우, 현재 하중 지수는 0.8일 수 있다.

예를 들어, 획득된 이미지에서 화물에 의해 점유되는 면적이 공차 하중 이미지의 80%인 것으로 판명되는 경우, 현재 하중 지수는 0.8일 수 있다.

다음 양태는 위에서 설명된 모든 실시예들에 적용되며, 특히 제어 수단(104)은 또한, 현재 결정된 하중 지수, 철도 차량에서 최대 수용 가능한 승객들 또는 화물 물품들의 수가 존재하는 조건에서 철도 차량의 질량을 나타내는 전체 하중 질량, 및 승객들 또는 화물이 존재하지 않는 조건에서 철도 차량의 질량을 나타내는 공차 질량의 함수로서, 철도 차량의 질량 값을 결정하도록 구성될 수 있다.

이 차량 질량은 다음 공식을 사용하여 계산될 수 있다:

차량 질량=무적재 질량+하중 지수*(전체 질량-무적재 질량).

실제 예에서, 무적재 질량(unladen mass)이 100　kg이고, 전체 하중 질량이 1000　kg이고 하중 지수가 0.78인 경우, 차량 질량은 다음과 같을 것이다:

차량 질량=100+0.78*(1000-100)=802

따라서, 획득된 이미지로부터 추정되는 차량의 질량은 802　kg이다.

또한, 제어 수단(104)은, 철도 차량의 질량 및 철도 차량에 의해 달성되는 목표 감속도 값의 함수로서, 철도 차량의 제동 수단을 통해 적용되는 제동력을 계산하도록 구성될 수 있다.

제동력은 다음 공식을 사용하여 계산될 수 있다:

제동력=차량 질량*목표 감속도.

실제 예에서, 차량 질량이 178　kg이고, 목표 감속도가 10　m/s²인 경우, 제동력은 다음과 같을 것이다:

따라서, 달성되는 이점은 공압 서스펜션들이 없는 경우에도 또는 공압 서스펜션들이 장착되는 열차의 알려진 시스템들에 대한 대안으로서, 차량의 질량을 측정하는데 사용될 수 있는 에너지, 비용 및 정확도의 측면에서 유리한 솔루션을 제공하는 것이다.

본 발명에 따른 철도 차량의 하중 지수를 추정하는 시스템의 다양한 양태들 및 실시예들이 설명되었다. 각 실시예들이 임의의 다른 실시예와 결합될 수 있음을 이해해야 한다. 또한, 본 발명은 설명된 실시예들에 제한되지 않고, 첨부된 청구범위에 의해 정의된 범위 내에서 변경될 수 있다.

Claims (15)

1. 철도 차량(100)의 하중 지수(load index)를 추정하는 시스템으로서,
   - 상기 철도 차량의 웨건(wagon) 내부의 미리 결정된 영역의 이미지를 실시간으로 획득하도록 구성되는 이미지 획득 수단(102); 및
   - 상기 이미지 획득 수단(102)에 의해 획득된 상기 이미지의 함수로서 상기 철도 차량의 하중 지수를 결정하도록 구성되는 제어 수단(104)
   을 포함하는, 시스템.
2. 제1항에 있어서,
   상기 제어 수단(104)은,
   - 상기 이미지 획득 수단(102)에 의해 획득된 상기 이미지를, 복수의 미리 정의된 샘플 이미지들과 비교하고 - 각각의 샘플 이미지에는 상기 철도 차량의 미리 결정된 하중 지수가 할당됨 -;
   - 어떤 샘플 이미지가 상기 이미지 획득 수단(102)에 의해 획득된 상기 이미지와 가장 큰 유사도를 갖는지를 결정하고; 또한
   - 상기 철도 차량의 현재 하중 지수가, 상기 이미지 획득 수단(102)에 의해 획득된 상기 이미지와 가장 큰 유사도를 갖는 것으로 결정된 샘플 이미지에 할당된 미리 결정된 하중 지수와 대응하는 것으로 결정하도록 구성되는, 시스템.
3. 제2항에 있어서,
   상기 제어 수단(104)은 인공 지능에 기반한 이미지 인식 소프트웨어를 통해 어떤 샘플 이미지가 상기 이미지 획득 수단(102)에 의해 획득된 상기 이미지와 가장 큰 유사도를 갖는지를 결정하도록 구성되는, 시스템.
4. 제1항 또는 제2항에 있어서,
   상기 제어 수단(104)은,
   - 상기 이미지 획득 수단(102)에 의해 획득된 상기 이미지 내의 승객들의 수를 계산하고;
   - 미리 결정된 평균 승객 중량 값, 카운트된 승객 수, 상기 철도 차량에 최대 수용 가능한 수의 승객들이 존재하는 조건에서 상기 철도 차량의 질량을 나타내는 전체 하중 질량(full load mass) 값 및 상기 철도 차량에 승객이 존재하지 않는 조건에서 상기 철도 차량의 질량을 나타내는 공차 질량(tare mass) 값에 기초하여, 상기 철도 차량의 현재 하중 지수를, 다음 공식을 통해 결정하도록 구성되는, 시스템
   

   

   .
5. 제1항 또는 제2항에 있어서,
   상기 제어 수단(104)은,
   - 상기 이미지 획득 수단(102)에 의해 획득된 상기 이미지 내의 화물 물품들의 수를 카운트하고;
   - 미리 결정된 평균 화물 물품 중량 값, 카운트된 화물 물품 수, 상기 철도 차량에 최대 수용 가능한 수의 화물 물품이 존재하는 조건에서 상기 철도 차량의 질량을 나타내는 전체 하중 질량 값 및 상기 철도 차량에 화물 물품이 존재하지 않는 조건에서 상기 철도 차량의 질량을 나타내는 공차 질량 값에 기초하여, 상기 철도 차량의 현재 하중 지수를, 다음 공식을 통해 결정하도록 구성되는, 시스템
   

   

   .
6. 제1항 또는 제2항에 있어서,
   상기 제어 수단(104)은,
   - 상기 이미지 획득 수단(102)에 의해 획득된 상기 이미지 내의 승객들의 수를 카운트하고;
   - 미리 결정된 상기 철도 차량 내 최대 수용 가능한 승객 수와, 상기 이미지 획득 수단(102)에 의해 획득된 상기 이미지 내의 카운트된 승객 수에 기초하여, 상기 하중 지수를, 다음 공식을 통해 결정하도록 구성되는, 시스템
   

   

   .
7. 제1항 또는 제2항에 있어서,
   상기 제어 수단(104)은,
   - 상기 이미지 획득 수단(102)에 의해 획득된 상기 이미지 내의 화물 물품들의 수를 카운트하고;
   - 미리 결정된 상기 철도 차량 내 최대 수용 가능한 화물 물품 수와, 상기 이미지 획득 수단(102)에 의해 획득된 상기 이미지 내의 카운트된 화물 물품 수에 기초하여, 상기 하중 지수를, 다음 공식을 통해 결정하도록 구성되는, 시스템
   

   

   .
8. 제4항 또는 제5항에 있어서,
   상기 제어 수단(104)은 인공 지능에 기반한 이미지 인식 소프트웨어를 통해 상기 이미지 획득 수단(102)에 의해 획득된 상기 이미지 내의 승객들의 수를 카운트하도록 구성되는, 시스템.
9. 제6항 또는 제7항에 있어서,
   상기 제어 수단(104)은 인공 지능에 기반한 이미지 인식 소프트웨어를 통해 상기 이미지 획득 수단(102)에 의해 획득된 상기 이미지 내의 화물 물품들의 수를 카운트하도록 구성되는, 시스템.
10. 제1항 또는 제2항에 있어서,
    상기 제어 수단(104)은,
    - 상기 이미지 획득 수단(102)에 의해 획득된 상기 이미지 내의 점유 좌석들의 수를 카운트하고;
    - 미리 결정된 평균 승객 중량 값, 카운트된 점유 좌석 수, 상기 철도 차량에 최대 수용 가능한 수의 승객들이 존재하는 조건에서 상기 철도 차량의 질량을 나타내는 전체 하중 질량 값 및 상기 철도 차량에 승객이 존재하지 않는 조건에서 상기 철도 차량의 질량을 나타내는 공차 질량 값에 기초하여, 상기 철도 차량의 현재 하중 지수를, 다음 공식을 통해 결정하도록 구성되는, 시스템
    

    

    .
11. 제1항 또는 제2항에 있어서,
    상기 제어 수단(104)은,
    - 상기 이미지 획득 수단(102)에 의해 획득된 상기 이미지 내의 점유 좌석들의 수를 카운트하고;
    - 상기 철도 차량의 상기 카운트된 점유 좌석 수와 총 좌석 수에 기초하여, 상기 철도 차량의 현재 하중 지수를, 다음 공식을 통해 결정하도록 구성되는, 시스템
    

    

    .
12. 제10항 또는 제11항에 있어서,
    상기 제어 수단(104)은 인공 지능에 기반한 이미지 인식 소프트웨어를 통해 상기 이미지 획득 수단(102)에 의해 획득된 상기 이미지 내의 점유 좌석들의 수를 카운트하도록 구성되는, 시스템.
13. 제1항 또는 제2항에 있어서,
    상기 제어 수단(104)은,
    - 상기 이미지 획득 수단(102)에 의해 획득된 상기 이미지를, 승객이나 화물 물품이 웨건 내부에 없는 조건에서의 상기 철도 차량의 웨건 내부를 나타내는 공차 하중 이미지와 비교하고;
    - 상기 공차 하중 이미지에 대한, 상기 이미지 획득 수단(102)에 의해 획득된 상기 이미지 내의 승객 또는 화물 물품에 의해 점유된 면적의 백분율의 함수로서, 상기 철도 차량의 현재 하중 지수를 결정하도록 구성되는, 시스템.
14. 제 1 항 내지 제 13 항 중 어느 한 항에 있어서,
    상기 제어 수단(104)은 상기 결정된 현재 하중 지수, 상기 철도 차량에 최대 수용 가능한 수의 승객들 또는 화물 물품들이 존재하는 조건에서 상기 철도 차량의 질량을 나타내는 전체 하중 질량 값 및 상기 철도 차량에 승객 또는 화물 물품이 존재하지 않는 조건에서 상기 철도 차량의 질량을 나타내는 공차 질량 값에 따라, 철도 차량 질량 값을, 다음 공식을 통해 결정하도록 더 구성되는, 시스템
    철도 차량 질량 = 공차 질량 + 결정된 하중 지수 * (전체 하중 질량 - 공차 질량).
15. 제14항에 있어서,
    상기 제어 수단(104)은, 상기 결정된 철도 차량 질량 및 상기 철도 차량이 도달해야 하는 목적 감속도 값의 함수로서, 상기 철도 차량의 제동 수단을 통해 적용될 제동력을, 다음 공식을 통해 계산하도록 더 구성되는, 시스템
    제동력 = 결정된 철도 차량 질량 * 목적 감속도.

Images