KR20230038497A - 철도 선로 네트워크의 동적 캡처를 위한 분산형 및 개방형 데이터베이스 및 이와 연관된 엘리먼트들 - Google Patents
철도 선로 네트워크의 동적 캡처를 위한 분산형 및 개방형 데이터베이스 및 이와 연관된 엘리먼트들 Download PDFInfo
- Publication number
- KR20230038497A KR20230038497A KR1020237003588A KR20237003588A KR20230038497A KR 20230038497 A KR20230038497 A KR 20230038497A KR 1020237003588 A KR1020237003588 A KR 1020237003588A KR 20237003588 A KR20237003588 A KR 20237003588A KR 20230038497 A KR20230038497 A KR 20230038497A
- Authority
- KR
- South Korea
- Prior art keywords
- measurement
- values
- measurement values
- measured
- coordinate system
- Prior art date
Links
- 238000005259 measurement Methods 0.000 claims abstract description 731
- 238000000034 method Methods 0.000 claims abstract description 157
- 230000009466 transformation Effects 0.000 claims abstract description 15
- 230000002123 temporal effect Effects 0.000 claims description 62
- 238000000691 measurement method Methods 0.000 claims description 28
- 238000013178 mathematical model Methods 0.000 claims description 15
- 230000000153 supplemental effect Effects 0.000 claims description 8
- 230000004807 localization Effects 0.000 claims description 4
- 239000003673 groundwater Substances 0.000 claims description 3
- 241001669679 Eleotris Species 0.000 claims 1
- 230000000694 effects Effects 0.000 description 18
- 238000012545 processing Methods 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 14
- 238000012423 maintenance Methods 0.000 description 12
- 230000033001 locomotion Effects 0.000 description 10
- 239000000243 solution Substances 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 9
- 230000001131 transforming effect Effects 0.000 description 8
- 238000010276 construction Methods 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 239000000945 filler Substances 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000002730 additional effect Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 4
- 238000003909 pattern recognition Methods 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000004035 construction material Substances 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 1
- 239000003637 basic solution Substances 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000004132 cross linking Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000013208 measuring procedure Methods 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
- B61L25/04—Indicating or recording train identities
-
- 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
- B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
- B61L25/025—Absolute localisation, e.g. providing geodetic coordinates
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
- B61L25/026—Relative localisation, e.g. using odometer
-
- 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
- B61L27/10—Operations, e.g. scheduling or time tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3848—Data obtained from both position sensors and additional sensors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3863—Structures of map data
- G01C21/387—Organisation of map data, e.g. version management or database structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/40—Data acquisition and logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L2205/00—Communication or navigation systems for railway traffic
- B61L2205/04—Satellite based navigation systems, e.g. global positioning system [GPS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2101/00—Indexing scheme relating to the type of digital function generated
- G06F2101/06—Co-ordinate transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Library & Information Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machines For Laying And Maintaining Railways (AREA)
- Vehicle Step Arrangements And Article Storage (AREA)
Abstract
객체들을 포함하는 철도 선로를 기록하기 위하여 데이터베이스를 생성하기 위한 방법으로서, 제1 측정 값들 및 제2 측정 값들은 데이터베이스 내에 저장되고, 측정 값들은 센서에 의하여 및/또는 입력에 의해 생성된 측정 값 속성들을 포함하고, 측정 값들은 절대 기준 좌표계 및/또는 제1 상대 기준 좌표계를 이용하여 생성되고, 임의적으로 상대 기준 좌표계 및 임의적으로 절대 기준 좌표계의 통합된 기준 좌표계로의 좌표 변환을 수행함으로써, 그리고 제1 측정 값들 및/또는 제2 측정 값들을 포함하는 통합된 측정 값 세트를 생성함으로써, 측정 값들은 철도 선로 또는 상기 철도 선로 상에서 통행하는 차량의 상태을 설명하고, 측정 값 세트를 생성할 시에, 측정 값들의 측정 값 속성들은 통합된 측정 값 세트 내의 정의된 구조로 데이터베이스 내에 저장된다.
Description
이하에 개시된 발명은 데이터베이스를 생성하는 방법에 관한 것으로, 이러한 데이터베이스에 의해서, 철도 네트워크는 측정 값들에 의해 기록될 수 있고, 동일한 측정 값들이 데이터로서 관리될 수 있다. 다음의 발명은 청구항 제1항의 전제부에 따른 방법에 관한 것이다.
종래 기술에서, 철도 선로의 상태은 측정 값들을 생성함으로써 결정될 수 있다.
위에서 기재된 바와 같이, 철도 네트워크는 적어도 하나의 노달 포인트(nodal point)를 통해 철도 네트워크에 접속되는 철도 선로(railway line)의 영역(area)에 의해 특징된다. 철도 선로는 도면에 기초하여 이하에서 예시된 바와 같이, 2 개의 노달 포인트를 통해 철도 네트워크에 접속될 수 있다.
예를 들어, 철도 선로가 레일 기하구조(rail geometry) 및/또는 선로 기하구조(line geometry)를 설명하는 측정 값들, 철도 선로의 철로(railroad)의 구조, 및 철도 선로의 주변들은 회전 스캐너(rotation scanner) 뿐만 아니라, 픽처(picture)들을 생성하기 위한 광센서(photosensor)들도 포함하지만, 이것으로 제한되지는 않는 센서들의 도움으로 결정될 수 있다. 또한, 이러한 측정 값들에 기초하여 레일-구속형 차량(rail-bound vehicle)들 또는 다른 디바이스들을 제어하는 것이 공지되어 있다.
회전 레이저 스캐너는 회전 스캐너의 실제적인 실시예를 나타낸다. 이러한 측정 값들의 유형 및 측정 값들을 생성하는 것과 연관된 측정 방법의 중요성은 채용된 측정 센서들 및/또는 적용된 측정 방법들에 고도로 종속적이다. 통상의 기술자는 이 발명의 기초가 되는 초기 문제, 즉, 종래 기술의 측정 방법들로부터의 측정 값들 또는 측정 결과들을 상관시키는 비교가능성 및 제한된 방식들의 결여를 이미 식별할 것이다.
또한, 주관적 설명에 의해 철도 선로의 상태을 기록하는 것이 보편적이다. 주관적 설명은 센서들에 의하여 결정된 측정 값들에 추가적으로 또는 이에 대안적으로 생성될 수 있다. 철도 선로의 부분적인 영역의 주관적 설명은 예를 들어, 본 기술분야에서의 통상의 기술자에 의해 기록된 픽처 및/또는 설명 뿐만 아니라, 철도 선로의 위치(location)의 지시를 포함할 수 있다. 본 명세서에서 개시된 발명의 목적은 또한, 이러한 주관적 설명들의 데이터베이스로의 통합이 생성되는 것을 허용하는 시스템을 생성하는 것이다.
철도 산업에서는, 약 50 개의 상이한 측정 요건들로 작업하는 약 100 개의 제공자들이 현재 있다. 본 명세서에서의 측정 요건은 측정 수단과는 독립적인 제공자의 고유한 단독형 요건을 의미하는 것으로 이해된다. 측정 수단이 3 개의 측정 요건들을 충족시킬 수 있을 경우에, 약 100 개의 제공자들 중에서 약 300 개의 측정 수단이 있는 것으로 가정될 수 있다.
요약하면, 공지된 측정 수단은 개별적인 측정 요건들을 충족시키는 큰 수의 측정 값들을 결정하기 위하여 이용될 수 있지만, 그러나, 측정 값들은 제공자들, 측정 수단들, 측정 방법들 등의 풍부함으로 인해 오직 매우 제한된 정도까지 서로 비교되거나 상관될 수 있는데, 그 이유는 위에서 설명된 기준들을 충족시키기 위한 개별적인 측정 값들이 특성에 있어서 상이하기 때문이다. 한편으로, 다량의 데이터가 존재할 수 있지만, 상기 양의 데이터는 분석될 수 없다.
이 발명의 개시내용의 맥락에서, 용어 데이터를 분석하는 것은 데이터가 적어도 서로 비교되거나 상관될 수 있거나, 인공 지능(artificial intelligence) 및/또는 모델 비교와 같은 현재의 교시사항들에 따른 방법을 이용하여 프로세싱될 수 있다는 것을 의미하는 것으로 이해된다. 철도-특정 데이터를 분석하는 것은 종래 기술의 방법에 의해 오직 매우 제한된 정도까지 가능하다.
측정 값들을 결정하는 것과 관련하여 위에서 펼쳐진 문제에 더하여, 이러한 측정 값들을 관리하기 위한 상이한 방법들이 있다. 철도 산업은 고도로 국유화된 구조를 가지고, 각각의 철도 회사는 측정된 데이터를 관리하는 그 자신의 방법들을 가지는 것으로 추정되므로, 측정 값들을 결정하는 문제는 관리의 상이한 방법들에 의해 악화된다. 국가 철도 네트워크 또는 선로에 대한 데이터를 결정하기 위한 상이한 국가적 방법들 및 규정들은 확실히, 종합적인 데이터 관리의 측면에서 해결되어야 할 핵심 문제이다.
데이터베이스들에서의 측정 값 관리를 표준화하기 위한 모든 시도들은 철도 기반의 국유화된 구조로 인해 지금까지 실패하였다.
또한, 이 발명의 기초가 되는 문제를 논의하는 맥락에서, 당업자는 철도 선로가 자연 환경들에서 연장된다는 것을 유념해야 한다. 결과적으로, 측정 값들의 임의의 결정은 측정 방법들을 수행하는 것에 대한 국가 규정들과는 독립적인 자연적 영향들을 받고, 이러한 자연적 영향들은 완전히 확인가능하다. 자연적 영향들은 종종, 측정 값들, 또는 이러한 측정 값들로부터 생성된 데이터를 비교함으로써 오직 확립될 수 있다. 자연적 영향들을 이해하기 위하여 필요한 이러한 데이터의 분석은 현재의 교시사항들에 따라 가능하지 않다.
그러나, 데이터가 충분히 분석가능한 것이 철도 선로들 또는 철도 네트워크들의 적절한 관리에 있어서 극도로 중요하다. 데이터 분석은 철도 선로 및 확장에 의해, 철도 네트워크의 효율적인 유지보수 및/또는 서비스를 허용한다.
한편으로 철도 선로에 대한 측정된 데이터의 풍부함 및 다른 한편으로 이러한 데이터의 분석가능성의 결여는 고도로 불만족스러운 현재의 상황을 만든다. 데이터 분석은 기본적으로, 데이터의 서브세트들을 비교하고 및/또는 상관시킴으로써 수행될 수 있다.
발명의 맥락에서, 측정 값은 철도 선로 또는 이러한 철도 선로의 주변의 상태을 설명하는 값이다. 측정 값은 또한, 철도 선로에 대한 직접적인 영향, 또는 철도 선로의 주변을 통해, 철도 선로에 대한 간접적인 영향을 가지는 상태을 설명할 수 있다.
측정 값은 예를 들어, 측정 속성으로서의 척도(measure) 또는 다른 물리적 측정가능한 치수, 및 측정 위치 속성으로서의 위치, 및 결정의 시간을 설명하는 시간적 속성을 포함할 수 있다. 측정 값은 또한, 측정 값이 레일(rail)들, 자갈(ballast), 초목(vegetation), 지하수(groundwater) 등과 같은 어느 객체 또는 객체들과 관련되는지의 지시를 포함할 수 있다. 일반적으로, 이러한 측정 값들의 수, 및 측정 값들에 의해 설명되는 상태들의 수는 미래에 증가할 것으로 가정될 수 있다.
측정 값은 또한, 철도 선로 상에서 존재하거나 이동된 차량의 상태을 설명할 수 있다. 이러한 측정 값은 예를 들어, 차량의 동작, 통행의 방향, 또는 기능을 설명할 수 있고, 그러므로, 이것으로 제한되지 않는다.
차량의 동작은 예를 들어, 차량의 에너지 소비에 의해, 또는 차량의 엘리먼트의 이동에 의해 기록될 수 있고, 그러므로, 이것으로 제한되지 않을 수 있다. 이러한 측정 값은 차량의 이동, 또는 차량이 동작 시에 설정되거나 유지되게 하는 필요한 프로세스들을 설명할 수 있다.
차량의 기능을 설명하는 측정 값은 차량의 동작을 설명하는 측정 값과 밀접하게 연관되고; 엄격한 구분은 종종 본 기술분야에서의 통상의 기술자에게 적절하지 않다. 차량의 기능을 설명하는 측정 값은 예를 들어, 개인들을 수송하는 것(본 명세서에서, 예를 들어: 수송된 개인들의 수) 또는 레일을 수리하는 것(본 명세서에서, 예를 들어: 플러깅(plugging))과 같이, 차량이 철도 선로 상에 존재하기 위한 기능을 설명할 수 있다.
동작 및 기능을 설명하는 측정 값들은 차량의 마모(attrition)의 설명을 포함할 수 있다.
통행의 방향은 종래 기술의 방법들을 적용함으로써 포지션(position)에 있어서의 변화를 통해 결정될 수 있다. 측정 값들의 예들은 이하의 개시내용에서 주어진다. 측정 값들의 예들은 반드시 제한적인 것으로서 분류되어야 하는 것은 아니다. 일반적으로, 측정 값은 물리적 단위들을 갖는 상태이 측정 치수로서 직접적으로, 또는 예를 들어, 이미지 또는 주관적 설명을 통한 것과 같이 간접적으로 기록되도록 하는 값일 수 있다.
측정 값은 측정 센서에 의하여 생성될 수 있다. 측정 센서는 임의적으로, 시간 또는 위치결정(localization)에 따라, 예를 들어, 거리를 측정할 수 있다. 측정 센서는 예를 들어, 이미지 센서 등일 수 있다.
측정 값은 사용자 입력에 의해 생성될 수 있다. 사용자 입력은 객관적 설명의 가능한 형태로서 물리적 치수를 지시하는 것으로 제한될 필요가 없고; 입력은 또한, 주관적 설명일 수 있고, 주관적 설명은 예를 들어, 선호 또는 레일의 검사들 동안에 본 기술분야에서의 통상의 기술자에 의해 주어진다. 설명은 철도 선로 또는 철도 선로의 주변에 관련될 수 있다.
측정 값 및 측정 위치는 철도 네트워크에서 위치결정(localize)될 수 있다. 종래 기술에서는, 예를 들어, 좌표계(coordinate system)에 의한 위치결정와 같은, 측정 위치를 위치결정하는 상이한 방법들이 실행될 수 있다. 위치결정는 예를 들어, 절대 좌표계(absolute coordinate system) 또는 상대 좌표계(relative coordinate system)를 통한 것일 수 있다.
측정 값들(이하에서, 제1 측정 값들 및 제2 측정 값들로서 지칭됨)은 상이한 센서들(이하에서, 제1 센서 및 제2 센서로서 지칭됨)을 임의적으로 포함하는 상이한 측정 시스템들(이하에서, 제1 측정 시스템 및 제2 측정 시스템으로서 지칭됨)에 의해 생성될 수 있고, 측정 시스템들은 서로 독립적으로 동작되거나 제어된다. 측정 시스템들은 측정 값들을 기록하기 위하여 철도 네트워크에 대하여 이동될 수 있는 어떤 기계적 시스템에 의해서도 결합되지 않은 상이한 유닛들 상에서 배치될 수 있다.
측정 값들이 상이하다는 사실은, 적용된 측정 방법들이 상이하다는 사실에 기인할 수 있다. 철도 산업은 그 중에서도, 이동식 측정 방법들 또는 정지식 측정 시스템들이 측정 값들을 생성하기 위하여 적용될 수 있다는 사실에 의해 특징될 수 있다.
측정 시스템들의 독립성은 인과적 의미(causal meaning)를 가질 수 있다. 측정 시스템에 의한 측정 값의 생성은 또 다른 측정 시스템에 의한 또 다른 측정 값의 생성을 반드시 필요로 하지는 않는다. 측정 값의 생성은 추가의 측정 값의 생성과 논리적 연관성이 없을 수 있다.
측정 시스템들의 독립성은 또한, 단일 측정 시스템에 의하여 제1 시간에서 제1 측정 값을, 그리고 제2 시간에서 제2 측정 값들을 결정함으로써 달성될 수 있고, 여기서, 제1 측정 값들 및 제2 측정 값들의 결정은 독립적으로 발생한다.
특히, 철도 산업에서는, 상이한 시간들에서의 측정 값들의 결정은 독립적 측정들의 존재의 부호(sign)로서 평가되어야 한다. 이러한 독립적 측정들은 시간적으로 독립적 측정 시스템들에 의한 것일 수 있다.
측정 값들의 독립적 생성은 또한 기계적, 즉, 그 가장 넓은 의미에서, 공간적 의미를 가질 수 있다. 제1 측정 값을 생성하기 위한 제1 측정 시스템은 측정 시스템이 어떤 힘의 기계적 시스템에 의하지 않으면서 제2 측정 시스템에 결합될 때, 기계적인 의미에서 독립적이다. 제1 측정 값이 제1 측정 시스템에 의하여 결정되는 제1 측정 위치의 선택은, 제2 측정 값이 제2 측정 시스템에 의하여 결정되는 제2 측정 위치의 선택에 종속적이지 않다. 종래 기술의 측정 방법들을 적용함으로써, 원점들/제로 포인트들의 상이한 포인트들로 측정 값들을 위치결정하기 위한 측정 위치 속성으로서 상대 기준 좌표계 또는 절대 기준 좌표계를 이용하여 측정 값들이 결정된다. 예를 들어, 지리적 좌표들(지리적 경도 및 위도)은 절대 기준 좌표계(absolute coordinate reference system)로서 이용될 수 있다. 통행된 거리 또는 통과 시간에 종속적인 포지션의 지시는 상대 기준 좌표계의 예이고, 상대 기준 좌표계는 주로 철도 산업에서 용도를 발견한다. 본 명세서에서 주어진 기준 좌표계들의 예들은 반드시 배타적인 것으로 이해되어야 하는 것은 아니고; 본 기술분야에서의 통상의 기술자는 전역적 기준계(global reference system) 및 상대 기준계(relative reference system)의 추가의 예들을 알 것이다.
측정 값은 일련의 측정 값 속성들을 포함할 수 있고, 측정 값 속성들은 일련의 측정 위치들에 대해 결정되고, 일련의 측정 위치들은 측정 위치들 사이의 거리에 의해 특징된다. 일련의 측정 값 속성들을 갖는 측정 값은 예를 들어, 철도 선로 또는, 특히, 레일을 따라 측정 시스템을 이동시키고 선택된 측정 위치들에 대한 측정 속성들을 결정함으로써 결정될 수 있다. 측정 위치들 사이의 거리는 개별적인 측정 값들 사이에서, 그리고 또한, 하나의 측정 값 내에서 상이할 수 있다. 측정 위치들 사이의 거리는 또한, 제로(zero)에 근접할 수 있어서, 거리에 대한 필수적으로 연속적인 측정이 존재한다.
1-차원, 2-차원, 또는 3-차원 위치결정가 실현가능하다. 개별적인 측정 값들은 위치결정의 차원성(dimensionality)에 의해 상이할 수 있다.
철도 네트워크에서의 측정 값들의 정확한 위치결정는 측정된 또는 계산된 값들에 의한 철도 네트워크의 설명에 있어서 필수적인 인자이다. 발명의 목적은 또한, 철도 네트워크에서의 측정 값들의 가능한 한 정밀한 위치결정를 보장하는 것일 수 있다. 게다가, 발명의 목적은 측정 위치의 위치결정의 정밀도를 증가시키고 및/또는 철도 네트워크 내에서의 이러한 위치결정의 호환성을 보장하는 것이다.
종래 기술의 측정 방법들을 적용함으로써, 측정 값의 생성 시간은 시간적 속성에 의해 설명된다. 이러한 시간적 속성은 특히, 철도 산업에서 상이한 시간적 포맷들로 존재할 수 있다.
본 명세서에서 개시된 발명은 이러한 측정 값들을 생성하는 결정 시간 및/또는 이러한 측정 값들에 대한 생성의 유형 및/또는 이용된 측정 시스템 및/또는 이러한 측정 값들을 위치결정하는 방법에 관계없이 측정 값들을 분석가능하게 하는 목적을 가진다.
제1 측정 값들 및 제2 측정 값들을 함께 분석하는 것은 또한, 예를 들어, 그리고 이것으로 제한되지 않는 모니터 또는 사용자 인터페이스 상에 상기 측정 값들을 디스플레이하는 것을 포함할 수 있고, 이러한 디스플레이에 의하여, 상기 측정 값들 또는 상기 측정 값들로부터 생성된 데이터는 서로 비교될 수 있고 서로 상관될 수 있다. 측정 값들 또는 데이터의 디스플레이는 제1 측정 값들 및 제2 측정 값들이 서로 비교가능하게 되는 그 방법 단계의 하위의 단계이다.
결정 시간은 측정 값들이 결정되는 시간이다. 결정 시간은 시간 또는 시간의 주기 내의 포인트일 수 있다. 시간의 주기 형태인 결정 시간의 지시는 실제적인 결정 시간이 알려지지 않을 때, 또는 측정 값들의 결정이 시간의 주기가 걸릴 때에 행해질 수 있다.
게다가, 본 명세서에서 개시된 발명은 이러한 측정 값들이 레일 상에서 통행하는 머신을 제어하기 위하여 이용될 수 있는 방식으로, 이러한 측정 값들을 생성하는 결정 시간 및/또는 이러한 측정 값들에 대한 생성의 유형 및/또는 이용된 측정 시스템 및/또는 이러한 측정 값들을 위치결정하는 방법에 관계없이 측정 값들을 프로세싱하는 목적을 가진다. 측정 값들을 프로세싱하는 것은 측정 값들을 데이터베이스 내에 저장하는 것을 포함할 수 있다. 레일 상에서 통행하는 머신은 레일 수리 머신 또는 상이한 차량일 수 있다. 머신을 제어할 시의 이용을 위한 위치결정에 대하여 측정 값들을 프로세싱하는 것은, 측정 값을 결정할 때에 측정 위치를 위치결정하는 방법 및 결과는 머신을 제어하는 요건들에 적응된다는 것을 포함할 수 있다.
기본적인 해결책은 상이한 특성들을 갖는 측정 값들의 이질적인 데이터 용량(data volume)이 통합된 측정 값 세트들을 갖는 동질적인 데이터 용량으로 변환되는 것을 규정한다.
발명에 따르면, 이것은 청구항 제1항에 의해 달성된다.
초기에 언급한 바와 같이, 종래 기술에 따른 철도 산업에서 존재하는 측정 값들은, 철도 산업의 고도로 국유화된 구조 및 상이한 측정 방법들에 의해 부분적으로 설명될 수 있는, 본질적으로 매우 상이한 유형의 결정이다. 이하의 발명의 방법의 논의에서, 상이한 측정 값들은 제1 측정 값들 및 제2 측정 값들로서 지칭될 것이다. 제1 측정 값은 이에 따라, 결정 시간 및/또는 적용된 측정 방법 및/또는 이용된 측정 시스템 등에 관하여 제2 측정 값과 상이하다.
본 명세서에서 논의된 방법에서, 측정 값들은 종래 기술의 방법들에서와 같이, 적어도 측정 속성들을 포함하고, 이 문서에서 몇 번 기재된 바와 같은 측정 속성들은 결정가능한 또는 결정된 차원(dimension)을 설명한다. 측정 값들은 측정 위치 속성으로서의 상이한 기준 좌표계(coordinate reference system)들로 및/또는 상이한 시간적 포맷들인 시간적 포맷으로서의 생성 시간들로 위치결정될 수 있다.
제1 측정 값은 제1 측정 속성을 포함할 수 있고; 제1 측정 값은 제1 기준 좌표계 및/또는 제1 생성 시간에 의하여 위치결정가능하다.
제2 측정 값은 제2 측정 속성을 포함할 수 있고; 제2 측정 값은 제2 기준 좌표계 및/또는 제2 생성 시간에 의하여 위치결정가능하다.
제1 기준 좌표계 및 제2 기준 좌표계는 상이할 수 있다. 예를 들어, 제1 기준 좌표계는 절대 기준 좌표계(absolute coordinate reference system)일 수 있고, 제2 기준 좌표계는 상대 기준 좌표계(relative coordinate reference system)일 수 있다. 기준 좌표계는 원점/제로 포인트들의 상이한 포인트들에 기초할 수 있다.
제1 시간적 포맷 및 제2 시간적 포맷은 상이할 수 있다. 하나의 시간적 포맷은 예를 들어, 날짜(date)일 수 있는 반면, 또 다른 시간적 포맷은 인터넷 시간(internet time)일 수 있다.
시간적 포맷들은 상이한 제로 포인트들을 가질 수 있다.
제1 생성 시간 및 제2 생성 시간은 상이할 수 있다.
발명의 방법은 측정 값들의 통합을 제공함으로써 기본적으로 해결책을 제공한다. 상기한 통합은 기본적으로, 측정 값들을 통합된 기준 좌표계로 변환하고 및/또는 측정 값들을 통합된 시간적 포맷으로 변환하고 및/또는 측정 값들을 정의된 구조를 가지는 측정 값 세트로 변환하는 단계를 포함한다.
측정 값 세트는 적어도, 통합된 기준 좌표계에 의한 위치결정, 측정 값, 및 임의적으로 시간적 속성 또는 타임스탬프(timestamp)를 포함한다. 상기한 데이터는 통합된 방식에 따른 상기 통합된 구조로 데이터베이스 내에 저장된다.
시간적 속성은 레일에서의 변화들을 문서화(document)하기에 유익하다. 본 기술분야에서의 통상의 기술자는 통합된 시간 지정을 갖는 시간적 속성의 이용이 유익하다는 것을 인식할 것이다.
이 발명의 개시내용의 맥락에서, 측정 값은 측정 속성을 포함한다. 이러한 측정 속성은 센서에 의하여 측정함으로써 결정된다. 이러한 측정 속성은 또한, 사용자에 의한 입력(주관적인 값)에 의해 정의될 수 있다. 이러한 측정 속성은 통상적으로 수치 값(포지티브 수치 값, 네거티브 수치 값, 양), 벡터, 또는 다른 차원이고, 이것은 현재의 교시사항에 따르면, 객체의 성질(property)을 설명하기에 적절하다. 측정 속성은 또한, 추가의 측정 속성들 또는 추가의 데이터에 대한 이미지 또는 링크(link)일 수 있다. 측정 속성은 1-차원 또는 2-차원 또는 3-차원으로 존재할 수 있다. 위에서 제시된 기술적 문제에 관하여, 측정 속성은 상이한 포맷들로 존재할 수 있다.
게다가, 측정 값은 측정 위치의 지시(측정 위치 속성)를 포함하고, 측정 위치에서는, 측정 값이 결정된다. 현재의 교시사항에 따르면, 측정 위치는 상대 좌표 지시에 의해 또는 절대 좌표 지시에 의해 충분한 정확도로 정의될 수 있다. 본 기술분야에서의 통상의 기술자는 종래 기술로부터 충분한 정확도로 측정 위치를 지시하기 위한 추가의 옵션들을 인지한다. 위에서 제시된 기술적 문제에 관하여, 측정 위치의 지시는 상이한 포맷들로 주어질 수 있다. 본 명세서에서 논의된 상대 좌표 지시에 의한 또는 절대 좌표 지시에 의한 측정 위치의 지시는 위치들의 복수의 가능한 지시들로부터의 선택일 뿐이다. 게다가, 측정 위치의 지시의 정확도는 측정 값을 추가로 프로세싱할 때, 특히, 측정 위치의 지시를 프로세싱할 때의 영향의 인자이다.
게다가, 측정 값은 제1 생성 시간의 시간적 지시(시간적 속성)를 포함할 수 있고, 제1 생성 시간에서 측정 값이 결정되었다. 이러한 시간적 지시는 또한, 상이한 포맷들로 존재할 수 있다. 게다가, 측정 위치의 정확도는 측정 값을 추가로 프로세싱할 때, 특히, 생성 시간의 지시를 프로세싱할 때의 영향의 인자이다. 이 발명의 개시내용의 맥락에서, 기준 좌표계는 포지션 지시에 추가적으로, 시간적 지시를 포함할 수 있다. 측정 위치 속성은 이에 따라, 시간적 속성을 포함할 수 있다.
측정 값은 추가의 측정 값 속성들을 포함할 수 있다. 측정 값의 위의 설명은 반드시 제한적인 것으로 이해되어야 하는 것은 아니다.
발명의 방법은 방법 단계로서, 위치결정하기 위하여 상대 기준 좌표계 또는 절대 기준 좌표계를 이용하여 생성 시간에서 결정되는 측정 값들을 통합된 기준 좌표계로 계산하는 것을 포함한다. 이러한 계산은 수학적 방법이고, 수학적 방법에서는, 측정 위치의 지시가 절대 좌표 지시들 및/또는 상대 좌표 지시들을 포함하는 현존하는 좌표계로부터 통합된 좌표계로 계산된다. 발표되지 않은 연구 프로젝트에서는, 세계 시간(universal time) 및/또는 측지 좌표(geodesic coordinate)들이 통합된 기준 좌표계로서 이용된다.
발명의 방법은 일련의 제1 측정 값들, 또는 제1 기준 좌표계로부터 통합된 기준 좌표계로 계산되는 제1 측정 값들을 설명하는 함수(function)가 아니라, 개별적으로 제1 측정 값들에 기초한다. 동일한 내용이 제2 측정 값들에 대하여 적용된다.
통합된 기준 좌표계는 전역적 기준 좌표계(global coordinate reference system)일 수 있는 반면, 제1 기준 좌표계 및 제2 기준 좌표계는 국소적 기준 좌표계(local coordinate reference system)들이다. 전역적 기준 좌표계는 기준 포인트들을 통해 전역적 기준 좌표계에 결합되는 국소적 기준 좌표계들을 포함할 수 있다.
위에서 기재된 바와 같이, 철도 네트워크는 적어도 하나의 노달 포인트를 통해 철도 네트워크에 접속되는 철도 선로의 영역에 의해 특징된다. 철도 선로는 도면에 기초하여 이하에서 예시된 바와 같이, 2 개의 노달 포인트를 통해 철도 네트워크에 접속될 수 있다.
본 기술분야에서의 통상의 기술자는 개개의 태스크(task)에 따라 상이한 통합된 기준 좌표계를 선택할 수 있다.
상대 기준계 또는 절대 기준계로부터 통합된 기준 좌표계로의 계산은 현재의 교시사항에 따라 수학적 모델들을 적용함으로써 행해질 수 있다. 좌표 변환이 적용될 수 있다.
제1 기준 좌표계로부터 통합된 기준 좌표계로의 계산은 순수하게 수학적 태스크일 수 있다. 이러한 잠재적으로 순수하게 수학적인 변환을 넘어서서 확장하는 태스크는 이하의 도면의 설명에서 개시된다.
시작 시간 이후에 통과된 거리 및/또는 시간을 통해 지시될 수 있는 거리 등에 따라 포지션의 지시에 기초하는 상대 기준 좌표계에서는, 통상의 기술자가 측정 값을 생성할 시에 라우팅(routing)을 고려해야 한다. 통상의 기술자는 또한, 이것을 본 예에서의 선로를 따르는 위치결정로서 지칭할 것이다.
라우팅은 시간 경과에 따른 변화를 받고; 이것은 상대 기준 좌표계에 의한 위치결정로 측정 값들을 프로세싱할 때에 고려되어야 한다.
세계 시간의 이용 및/또는 측지 좌표들의 이용은 절대 기준 좌표계의 이용을 위한 예들로서 주어진다. 본 기술분야에서의 통상의 기술자는 측지 좌표의 이용을 측정 값의 완전한 3-차원 위치결정로서 지칭할 것이다.
측정 값들을 상대 기준 좌표계 또는 전역적 기준 좌표계로부터 통합된 기준 좌표계로 변환함으로써, 측정 값들은 분석가능하게 된다.
전역적 기준 좌표계 및/또는 상대 기준 좌표계에 의하여 결정된 측정 값들의 통합된 기준 좌표계로의 변환은 측정 값들을 비교가능하게 한다. 달성되어야 할 측정 값들의 비교가능성은, 통합된 기준 좌표계로 변환된 측정 값들이 동일한 물리적 단위 또는 적어도 비교가능한 물리적 단위를 가지는 것을 요구할 수 있다. 바람직하게는, 통상의 기술자는 SI 단위들을 이용할 것이다. SI 단위들의 이용은 특히, 객관적 측정 값들에 있어서 가능하다.
완전함을 위하여, 상대 기준 좌표계 또는 전역적 기준 좌표계로부터의 통합된 기준 좌표계로의 측정 값들의 변환은 바람직하게는, 예를 들어, SI 단위와 같은 통합된 단위의 이용을 포함하는 것이 확립되어야 한다. 이것은 측정 속성들의 통합을 달성한다.
컴퓨터-구현된 방법으로서의 발명의 방법을 수행할 때, 측정 값들 사이의 비교가능성의 기술적 효과를 달성함으로써, 무결성의 추가의 기술적 효과가 또한 달성되어, 측정 값들 또는 측정 값들로부터 생성된 데이터의 조작은 측정 값들 또는 데이터를 각각 비교하는 것으로부터 가시적이다.
발명의 방법은 지금까지 서로 연관되지 않았던 측정 값들이 비교될 수 있다는 것에 의해 특징된다. 예를 들어, 게이지(gauge), 기울기(slope), 곡선 반경(curve radius), 포지션과 같은, 트랙의 차원 또는 기하구조를 설명하는 측정 값들은 기반구조-특정 데이터, 머신 파라미터들, 임의의 성상도(constellation)에서의 동적 데이터와 비교될 수 있다. 제한하는 것이 아니라 예로서 주어진 데이터의 성질들, 특히, 그의 특별한 성질들 뿐만 아니라, 측정을 수행할 시의 특이성(singularity)들은 철도 네트워크의 동작 시에 확립될 수 있다.
비교가능성의 추가의 기술적 효과를 달성함으로써, 측정 값들 또는 측정 값들로부터 결정된 데이터의 정확도가 평가될 수 있고, 이에 의해, 추가의 기술적 효과가 입증된다. 측정 값들은 성질을 나타내므로, 정확도의 용어는 그것이 상기한 성질을 나타내는 정확도를 의미한다는 점에서 객관적인 용어이다. 이것은 발명의 방법의 필수적인 추가의 기술적 효과일 수 있는데, 그 이유는 철도 선로를 설명하는 측정 값들이 본질적으로, 그리고 이에 따라, 자연의 영향 하에서 결정된다. 통합된 시간적 포맷으로서의 통합된 기준 좌표계 및/또는 세계 시간은 선택된 공간적 영역 및/또는 시간적 영역 내의 측정 값들 또는 측정 값 세트들을 관찰하는 것을 허용할 수 있다.
상이한 측정 방법들로부터 및/또는 상이한 생성 시간들에서의 측정 값들에 의해 설명된 공간적 영역 또는 시간적 영역이 선택될 수 있다. 예를 들어, 본 기술분야에서의 통상의 기술자는 철도 선로의 공간적 영역 또는 상기 철도 선로의 주변들을 선택할 수 있고, 이에 의해, 분석 또는 다른 프로세싱을 위하여 측정 값들 및/또는 측정 값 세트들의 부분적인 영역을 선택할 수 있다.
공간적 영역을 관찰하는 것은 측정 값 세트들의 부분적인 영역의 타깃화된 선택의 예를 나타낸다. 본 명세서에서 개시된 발명은 데이터베이스 내에 저장된 다량의 데이터를 측정 값 세트들로서 생성하는 추가의 기술적 효과를 가지고, 데이터의 양은 후속하는 단계에서 관심 영역들로 감소될 수 있다.
이하에서 언급된 측정 값들 또는 측정 값 세트들을 철도 선로의 객체들 또는 그 주변들로 배정하는 문제는 발명의 방법의 개시내용의 맥락에서 몇 번 논의된다. 이하의 해결책들에 대해 추가적으로 또는 대안적으로, 이러한 배정은 어떤 객체들만이 영역에서 존재하는 것으로 가정되도록 될 수 있다.
회전 레이저 스캐너의 이용은 예로서 초기에 언급되었다. 예를 들어, 서브구조(substructure) 또는 레일들은 측정을 수행할 때, 회전 스캐너 하부의 어떤 영역에서 배열되는 것으로 가정될 수 있다. 통상의 기술자는 회전 스캐너 아래의 영역의 측정 값들이 레일들 또는 서브구조를 설명하는 것으로 결론 내릴 수 있다. 유사하게, 예를 들어, 현수선(catenary)는 회전 스캐너 위의 영역에서 배열되고, 그러므로, 이 영역의 측정 값들은 현수선를 설명하는 것으로 가정될 수 있다.
게다가, 발명의 방법은 통합된 데이터세트(dataset)들을 생성하는 방법 단계를 포함한다.
선택된 데이터 영역들의 측정 값 세트들은 평가가능하다. 이것은 데이터를 관찰하는 효과적인 방법을 허용한다.
측정 값은 측정 값 속성들을 포함할 수 있고, 측정 값 속성들은 물리적 측정 차원, 및 임의적으로, 측정된 객체의 지시를 포함한다. 측정 값이 사용자에 의해 입력될 때, 측정 값은 측정 차원 및/또는 주관적 설명 및/또는 객관적 설명 및 임의적으로, 측정된 객체의 지시를 포함하는 측정 값 속성들을 포함할 수 있다. 발명은 측정 값들의 측정 값 속성들이 구조화된 방식으로 통합된 측정 값 세트로 변환되는 것을 규정할 수 있다. 이 절차는 간단하게, 측정 값 세트의 이러한 구조의 정의, 및 상기 구조를 고려한 측정 값 속성들 또는 측정 값들의 변환을 요구한다.
통합된 측정 값 세트는 적어도 측정 속성을 포함한다.
통합된 측정 값 세트는 통합된 기준 좌표계(위치결정)를 이용하는 적어도 측정 위치 속성을 포함한다.
게다가, 통합된 측정 값 세트는 세계 시간 포맷(시간적 속성)에서의 생성 시간의 지시를 포함할 수 있고, 생성 시간에, 개개의 측정 값이 생성된다.
측정 속성 및 위치결정에 추가적으로, 통합된 측정 값 세트는 측정 시스템의 다음의 성질들 및/또는 그 주변들을 설명하는 추가의 속성들을 포함할 수 있다.
측정 방법을 설명하는 추가의 속성이 포함될 수 있고, 측정 방법에 의하여, 제1 측정 값들 또는 제2 측정 값들이 결정된다. 계산 방법을 설명하는 추가의 속성이 포함될 수 있고, 계산 방법에 의하여, 제1 측정 값들 또는 제2 측정 값들 또는 통합된 측정 값 세트가 결정된다.
추가의 속성은 측정 값들이 생성되었을 때에 활성인 주변 성질들 또는 날씨 상태들을 설명할 수 있다.
측정 수단, 이용된 측정 시스템, 발생하였거나 발생하지 않은 측정 수단의 교정(calibration), 측정 수단의 속력과 같은 추가의 속성은 측정 절차를 수행하는 것을 설명할 수 있다. 추가의 속성은 데이터의 원점을 설명할 수 있다.
추가의 속성은 통합된 측정 값 세트의 품질의 지시를 설명할 수 있다. 측정 값 세트의 품질은 예를 들어, 수치 지시, 또는 측정 값들의 해상도(resolution), 거리, 사용자에 의한 측정 값들의 질의(query)들의 수를 설명하는 함수로부터 계산될 수 있다.
통합된 측정 값 세트들은 액세스 권리들, 이용 권리들, 판독 권리들, 편집 권리들, 또는 제어 권리들에 대한 추가의 속성들을 포함할 수 있다.
통합된 측정 값 세트들은 측정 값들의 위치결정의 통합된 위치결정로의 변환의 문서(documentation)를 포함할 수 있다. 상기 문서는 특히, 통합된 기준 좌표계로의 변환에서 이용된 기준 포인트들을 설명하는 추가의 속성들을 포함할 수 있다. 측정 값들 또는 측정 값 속성들의 통합된 측정 값 세트로의 변환은 입력에 의해 행해질 수 있다.
측정 값 세트의 구조는 측정 값의 측정 값 속성 및 통합된 기준 좌표계를 이용한 측정 값의 위치결정의 데이터베이스 내에서의 적어도 구조화된 저장을 포함한다. 측정 값 세트의 저장은 측정 값의 종속성들이 또한, 측정 값 세트의 종속성들로서 도입되는 방식으로 행해질 수 있다.
가장 간단한 실시예에서, 통합된 구조는 측정 값 속성, 및 통합된 좌표계에 의한 측정 값 속성의 위치결정의 측정 위치 속성을 포함한다. 상기 속성들은 예를 들어, 통합된 데이터 구조와 같은 통합된 방식으로 데이터베이스 내에 저장된다.
용어 구조는 전체의 부분들의 배열, 또는 이질적인 측정 값들로부터의 측정 값 세트들의 동질적인 패브릭(fabric)의 생성을 의미하는 것으로 이해된다. 측정 값 세트는 상호 종속적인 부분들로 구성될 수 있다. 발명의 방법에서, 측정 값들 및 측정 값들의 위치결정는 종속성들을 유지하면서 종합적인 데이터베이스 내에 배열된다. 측정 값들 및 그의 위치결정의 종속성은 측정 값들의 위치결정의 지시를 부여하는 것에 있다.
통합된 위치결정로 측정 값들을 통합된 측정 값 세트들로 변화하는 것은 측정 값들로부터 생성된 측정 값 세트를 측정 위치의 측정 속성들과 비교할 수 있고, 이에 따라, 종속성들을 검출할 수 있는 이점을 가져온다. 통상의 기술자는 이러한 분석을 위한 최신 데이터 프로세싱 방법들을 채용할 수 있다.
추가적으로 또는 대안적으로, 측정 값들은 현재의 교시사항에 따라 공지된 패턴 인식의 방법을 적용함으로써 검증될 수 있다. 어떤 패턴을 가지는 측정 값들은 어떤 객체와 연관될 수 있다. 검출된 패턴, 및 임의적으로, 객체에 대한 측정 값들의 연관성에 따라서는, 측정 값들이 측정 값 세트 내에 배열될 수 있다. 예를 들어, 제1 패턴을 가지는 제1 측정 값들은 측정 값 세트의 구조의 제1 장소들(파일 구조, 파일 구조 내의 헤더) 내에 배열될 수 있다.
현재의 교시사항에 따른 패턴 인식의 적용은 특히, 발명의 방법에서 자연적 영향들을 검출하는 것을 허용한다. 자연적 영향은 예를 들어, 잡음과 같은 어떤 패턴일 수 있거나, 간단하게, 다른 공지된 패턴들과 상이할 수 있다. 반드시 사소한 기술적 태스크가 아닌, 패턴 인식에 의하여 자연적 영향들을 검출하는 것은 측정 값들 또는 측정 값 세트들의 분석에 의해 보완될 수 있고, 이러한 분석은 발명의 방법에 의해 용이하게 된다.
측정 값들을 구조화하고, 예를 들어, 측정 값 세트와 같은 데이터 구조 내에 측정 값들을 배열하는 절차는 또한, 측정 값들의 수가 분석이 최적의 품질이 되는 것을 허용하는 수로 변화된다는 점에서, 유효성의 기술적 문제를 고려한다. 통상의 기술자는 다수의 측정 포인트들 및 임의적으로, 이러한 측정 포인트들의 특성을 정의할 수 있다.
상이한 측정 방법들은 상이한 수의 측정 값들을 생성할 수 있다. 측정 값들을 구조 내로 가져가는 것은 정의된 수의 측정 값들이 추가의 방법 단계들을 위하여 고려된다는 것을 암시할 수 있다. 추가의 방법 단계들은 측정 값들을 포괄(subsume)하는 것 및/또는 측정 값들을 삭제하는 것 및/또는 측정 값들을 추가하는 것을 포함할 수 있다.
게다가, 측정 값 세트들은 일반적으로, 더 적은 노력으로 측정 값들의 통합된 구조와 비교가능하고, 이에 의해, 유효성의 추가의 기술적 효과를 설명한다. 측정 값 세트는 제1 측정 값들, 또는 제1 측정 속성들, 제1 시간적 속성들, 또는 제1 위치 속성들과 같은 제1 측정 값 속성들을 배타적으로 포함할 수 있고, 제1 측정 값들 또는 제1 측정 값 속성들은 제1 센서에 의하여 및/또는 제1 측정 방법에서 결정된다. 측정 값 세트는 제1 측정 값 속성들 및 제2 측정 값 속성들을 반드시 포함해야 하는 것은 아니다.
측정 값 세트는 제1 측정 값들 및 제2 측정 값들, 또는 제1 측정 값 속성들 및 제2 측정 값 속성들을 포함할 수 있다. 이러한 측정 값 세트는 다수의 측정 값들의 효율적인 프로세싱에 의해 특징될 수 있다.
측정 값들의 구조화된 측정 값 세트로의 변환은 측정 값들이 그 생성 시간과는 독립적으로 분석가능하게 되는 이점을 가진다. 측정 값 세트의 구조는 분석의 방법들을 유리하게 수행하는 것을 허용하고, 이것은 또한, 결정 시간에 후속하여 고안되었을 수 있다.
요약하면, 발명의 방법은 측정 값들을 비교하는 것을 허용하고, 측정 값들은 그 생성 시간과는 독립적으로, 상이한 측정 방법들 및 측정 시스템들에 의하여 상이한 시간들에 결정된다. 이것은 제1 측정 값 및 제2 측정 값에 기초하여 예로서 논의된다.
발명의 방법은 상이한 제1 측정 방법 및 제2 측정 방법에 의해 특징될 수 있다. 측정 방법들 사이의 차이가 존재할 때의 정의에 대해서는, 측정 방법들의 차별적인 특성에 대한 위의 설명에 대해 참조가 행해질 것이다.
게다가, 발명의 방법은 생성 시간들을 통합된 시간 포맷으로서의 세계 시간의 포맷으로 계산하는 단계를 포함할 수 있다. 이 방법 단계는 현재의 교시사항을 적용함으로써 수행될 수 있다.
세계 시간은 "통합된" 시간적 포맷으로서 발명의 방법에서 도입된다. 측정 값들은 이에 의해, 시간적 진전에 관하여 비교될 수 있다. 측정 값들에 의해 설명된 성질들은 시간에 관하여 비교될 수 있다.
문서의 맥락에서 기재된 달성가능한 이점들은 이에 따라, 시간-독립적으로 달성될 수 있다.
발명의 방법은 적어도 2 개의 기준 포인트들을 포함하는 통합된 기준 좌표계에 의해 특징될 수 있다.
절대 기준 좌표계 및 상대 기준 좌표계를 이용한 측정 위치의 위치결정는 원점의 포인트 또는 제로 포인트로서 또한 지칭되는 단일 기준 포인트를 이용하여 종래 기술에 따라 행해진다.
측정 값들의 측정 위치들의 위치결정를 통합된 기준 좌표계로 변환하는 것은, 통합된 기준 좌표계 내의 측정 위치가 통합된 기준 좌표계의 적어도 2 개의 기준 포인트들로 위치결정되고, 적어도 2 개의 기준 포인트들에 의해, 측정 포인트의 측정 위치는 철도 네트워크에서 위치될 수 있다는 것을 포함할 수 있다. 통합된 기준 좌표계의 기준 포인트들은 철도 네트워크의 포인트들이다. 통합된 기준 좌표계의 기준 포인트들은 바람직하게는, 철도 네트워크의 기준 포인트들이다.
발명의 방법은 측정 값들이 기준 객체에 배정되는 기준 측정 값들과 비교된다는 것을 포함할 수 있고, 여기서, 측정 값들은 측정 값들과 기준 측정 값들 사이의 정의된 유사도의 경우에 기준 객체와 유사한 객체에 배정된다.
이 방법 단계는 적어도, 측정 값의 측정 속성이 기준 속성과 비교된다는 것을 포함한다. 게다가, 시간 지시 및/또는 측정 위치 지시는 각각 기준 시간 또는 기준 위치와 비교될 수 있다. 이 방법 단계는 필요한 경우에, 통합된 측정 값 세트를 생성하기 이전에 수행된다. 방법 단계에서는, 측정 값들이 프로세싱된다.
동일한 방식으로, 통상의 기술자는 측정 값에 의해 설명된 객체를 기준 객체 대신에, 기준 객체 계열(reference object family)과 비교할 수 있다. 발명의 개시내용의 맥락에서, 명시적으로 언급되지 않으면, 용어들 기준 객체 및 기준 객체 계열 사이에는 구분이 행해지지 않는다.
비교는 예를 들어, 철도 선로의 레일 상에서 결정되는 측정 값들이 레일의 형상을 설명하는 측정 값들로서 검출되는 것으로 귀착될 수 있다. 데이터베이스는 레일 또는 특히, 레일 프로파일(rail profile)을 설명하는 측정 값들이 어떤 성질들을 가져야 하거나 가질 수 있는지의 지시들을 포함할 수 있어서, 측정 값들에 의해 설명된 객체는 레일 또는 레일의 단면(cross-section)으로서 식별될 수 있다. 용이하게 된 배정은 또한, 하나 이상의 레일들을 설명하는 기준 측정 값들을 포함하는 데이터베이스에 기초할 수 있다. 이러한 기준 측정 값들은 예를 들어, 레일 유형들에 기초할 수 있고, 레일 유형들은 적절한 표준들에서 확립된다. 레일을 알려지지 않은 객체로서 설명하는 측정 값들은 측정 값들 및 결정되어야 할 기준 측정 값들의 유사도에 기초하여 객체로서 레일에 배정된다.
레일의 예는 단지 예로서 여기에서 주어지고; 이 예는 또한, 현수선, 침목(crosstie)들, 레일을 침목에 부착하기 위한 체결기들, 자갈(ballast), 현수선 마스트(catenary mast) 등과 같은, 철도 선로의 추가의 객체들에 적용될 수 있다.
측정 값들과 정합하기 위한 데이터베이스는 또한, 객체의 성질 및/또는 추가의 객체에 대한 객체의 추가의 성질을 정의하는 표준화 값들을 포함할 수 있고, 이에 의해, 본 명세서에서 설명된 측정 값들의 배정에 추가될 수 있다. 표준화 값은 기준 값들의 서브세트일 수 있다.
철도 선로의 객체들에 대한 측정 값들의 배정은 현재의 교시사항들에 따른 방법들을 이용하여 행해질 수 있고, 방법들은 인공 지능 및/또는 패턴들의 비교의 교시사항에 기초한다.
본 명세서에서 설명된 기준 객체들에 대한 측정 값들의 배정의 맥락에서, 통상의 기술자는 유사도에 대한 측정 값들의 평가를 행하기 위하여, 예를 들어, 신경망(neural network)들과 같은 종래 기술의 방법들을 채용할 수 있다. 임의적으로, 기준 객체에 대한 측정 값들의 배정은 어느 측정 값들이 기준 객체와 정합하는지에 따라 확률의 지시를 연산함으로써 행해진다.
측정 값 세트는 측정 값에 배정된 기준 객체 및 결정된 확률의 지시를 포함할 수 있다.
발명의 방법은 측정 값 세트가 기준 객체에 배정되는 기준 측정 값 세트와 비교되는 것에 의해 특징될 수 있고, 여기서, 측정 값 세트는 측정 값 세트와 기준 측정 값 세트 사이의 정의된 유사도의 경우에 기준 객체와 유사한 객체에 배정된다.
측정 값들의 배정에 대해 추가적으로 또는 대안적으로, 측정 값들의 배정과 유사하게, 생성된 측정 값 세트들이 객체에 배정될 수 있다. 통상의 기술자는 상기 배정이 측정 값들의 배정과 필수적으로 유사하게 행해지는 반면, 측정 값들이 아니라, 측정 값 세트들이 관찰된다는 것을 인식할 것이다.
측정 값 세트들 또는 측정 값들을 각각 배정하는 맥락에서 측정 값들을 관찰하는 것이 아니라 측정 값 세트를 관찰하는 것은, 측정 값 세트들의 정의된 데이터 구조로 인해, 측정 값 세트들의 이러한 관찰 및 배정이 훨씬 더 효율적으로 그리고 정확하게 수행될 수 있다는 이점을 가진다.
게다가, 측정 값 세트들을 관찰하는 것은 적어도 2 개의 측정 값들이 기준 측정 값과 비교된다는 것을 암시한다.
그것은 측정 값 세트 내에, 기준 객체에 대한 측정 값 세트의 배정 및 결정된 확률의 지시를 포함할 수 있다.
발명의 방법은 측정 값 세트가 측정 값들의 생성 시간(또는, 측정 포인트로서 지칭됨) 및/또는 측정 값들에 의해 설명되거나 측정 값들이 생성되는 측정 마크의 생성을 설명하는 시간적 속성에 의해 보완되는 것에 의해 특징될 수 있다.
이 방법 단계는 측정 값이 측정 값의 생성 시간을 설명하는 시간적 속성을 포함하지 않는 경우에 관련될 수 있다.
발명의 데이터베이스 및 상기 데이터베이스를 생성하기 위한 방법의 방법은 일반적으로, 측정 값 세트들이 측정 값들의 생성, 즉, 예를 들어, 측정 방법의 성능과는 독립적으로 데이터베이스 내로 입력되는 것에 의해 특징된다. 측정 값들이 측정 값들의 생성을 설명하는 시간적 속성을 포함하지 않을 경우에, 측정 값들의 생성 시의 시간적 속성의 추가는 일반적으로 데이터의 추적가능성(traceability)을 허용할 수 있다.
추적가능성을 달성하는 것을 도모하기 위하여 그리고 추적가능성을 달성하기 위하여, 측정 값 세트는 측정 마크의 생성을 생성하는 시간적 속성을 포함할 수 있고, 측정 마크에서, 측정 값이 결정되고, 측정 마크에서는, 측정 방법이 수행된다.
발명의 방법은 측정 값 세트가 측정 값 세트를 생성하는 시간을 설명하는 시간적 속성에 의해 보완되는 것에 의해 특징될 수 있다.
상기 시간적 속성의 도입은 측정 값들을 측정 값 세트로 프로세싱하는 시간의 지시와 필수적으로 연관된다.
시간적 속성의 이러한 포함은 측정 세트들의 블록별 서명(block-wise signature)의 방법들을 적용하는 것을 허용하여, 이에 의해, 무결성의 추가의 기술적 효과를 달성한다.
측정 값들 및 측정 값 속성들의 측정 값 세트로의 변환은 데이터 프로세싱에 의해 행해진다. 측정 값들 및/또는 측정 값 속성들을 측정 값 세트 내로 포함하는 시간을 설명하는 시간적 속성의 추가는 데이터 프로세싱의 추적가능성을 추가의 기술적 효과로서 허용할 수 있다.
측정 값 세트는 시간적 속성들의 형태인 시간적 지시들을 포함할 수 있고, 시간적 지시들에 의해, 어느 측정 값 또는 어느 측정 속성이 언제 결정되는지가 확립된다. 통상의 기술자는 측정 값들 또는 측정 속성들의 결정의 시간적 설명이 수학적 설명에 의해 효과적인 방식으로 여기에서 생성될 수 있다는 것을 인식할 것이다.
발명의 방법은 측정 값 세트가 측정 값들을 설명하는 수학적 모델에 의해 보완되는 것에 의해 특징될 수 있다.
수학적 모델에 의한 측정 값 세트들의 가능한 설명은 또한, 유익한 추가의 기술적 효과로서 간주될 수 있고, 이러한 효과는 발명의 데이터베이스의 생성에 의해 생성된다. 수학적 모델에 의한 복수의 측정 값들의 설명은 통상적으로, 측정 값들의 효율적인 저장으로서 간주되어야 하고, 저장의 형태는 효율적인 데이터 프로세싱을 추가로 허용할 수 있다.
수학적 모델에 의한 설명은 예를 들어, 측정 속성들에서의 시간적 변화의 설명일 수 있다. 종래 기술에서는, 이것이 수학적 함수를 통해 행해질 수 있다.
현재의 교시사항에 따르면, 복수의 측정 값들은 정의되어야 할 범위 내에 있고, 일부 측정 값들은 이 범위 외부에 있다. 수학적 모델은 범위 외부의 측정 값들을 정밀하게 강조표시하는 것으로 제한될 수 있다.
통상의 기술자는 수학적 모델로 측정 값들을 유리하게 설명하는 추가의 옵션들을 인지한다.
발명의 방법들은 생성 시간과는 독립적으로 측정 값들을 데이터베이스 내로 입력하기 위한 능력에 의해 특징될 수 있다. 발명에 따르면, 그것은 측정 값들 및/또는 측정 값 세트들을 포함하는 데이터를 캐시(cache) 내에 일시적으로 저장함으로써 달성될 수 있다.
측정 값들은 또한, 측정 값들을 결정한 후에 또는 측정 값들을 확립한 후에 데이터베이스 내로 입력될 수 있다. 이것은 또한, 추가의 측정 값 세트들을 지속적으로 그리고 이에 의해, 추가의 측정 값 세트들의 생성과는 독립적으로 데이터베이스에 추가하는 것을 포함한다.
측정 값들은 추가의 데이터베이스로부터 및/또는 캐시로부터 판독될 수 있다. 발명의 방법은 측정 값들이 데이터 전송에 의하여 발명의 데이터베이스로 전송되는 것에 기초할 수 있다. 상기 데이터 전송은 통상적으로, 무선 또는 유선 접속들을 통해 발생한다. 철도 선로들은 또한, 열악한 무선 커버리지 또는 불충분한 유선 접속들을 갖는 지역들을 통해 이어지므로 측정 값은 또한, 데이터베이스로의 변환 이전에 캐시 내에 저장될 수 있다. 측정 값 세트들을 캐시 내에 저장하는 것이 또한, 실현가능할 것이다.
발명의 개시내용의 맥락에서, 본 기술분야에서의 통상의 기술자에 의해 행해진 노트(note)는 또한, 캐시로서 간주될 수 있다. 캐시는 또한, 통상의 기술자에 의한 수기식 노트(handwritten note)일 수 있다.
발명의 방법은 이에 따라, 데이터베이스가 컴퓨터 네트워크 내에 저장되는 것으로 반드시 제한되는 것은 아니다. 데이터베이스는 부분적 데이터베이스들을 포함할 수 있고, 부분적 데이터베이스들은 적어도 시간의 주기에 대하여 네트워크로부터 분리된다.
발명의 방법은
우선순위 인자(priority factor)가 측정 값 세트 또는 측정 값 세트에 의해 포함된 측정 값들에 지정된다는 것에 의해 특징될 수 있다.
관련성(relevance)은 이에 따라, 측정 값 세트 또는 개개의 측정 값들에 기인할 수 있다.
우선순위 인자는 이하에서 설명된 값들의 무결성 및/또는 값들의 정확도 하에서 배정될 수 있다.
우선순위 인자는 또한, 측정 값들을 결정하기 위하여 적용된 측정 방법에 따라 선택될 수 있다.
제1 측정은 제1 수의 측정 값들을 공급할 수 있는 바면, 제2 측정은 제2 수의 측정 값들을 공급한다.
예를 들어, 레일의 측정들을 비교할 때, 관찰되어야 하는 실제적인 수의 측정 값들은 우선순위 인자에 의해 달성가능한 가중화(weighting)를 통해 우선순위 인자들을 도입함으로써 적응될 수 있다. 요구된 또는 최대 수의 측정 값들을 초과하는 그 측정 값들은 낮은 우선순위로 기인될 수 있다.
통상의 기술자는 기준 객체에 대한 측정 값들 또는 측정 값 세트들의 배정에 따라 높은 우선순위로 측정 값들의 그룹을 확립할 수 있다.
발명의 방법은
제1 측정 값들 및 제2 측정 값들 및/또는
제1 측정 속성을 또 다른 측정 속성 및/또는
제2 측정 속성을 또 다른 제2 측정 속성 및/또는
측정 값들을 기준 측정 값들 및/또는
측정 값 세트를 기준 측정 값 세트와 정합하는 것에 의해 특징될 수 있다.
구조화된 측정 값 세트들을 생성함으로써, 제1 측정 값들 및 제2 측정 값들은 서로 비교가능하게 된다. 게다가, 제1 측정 값 속성들은 제2 측정 값 속성들과 비교가능하게 된다. 통상의 기술자는 이러한 비교가 비교되어야 할 값들의 기능적 의미성을 상정(presuppose)한다는 것을 인식할 것이다.
값들의 비교는 값들의 검증을 보장할 수 있다. 발명의 방법 및 발명의 데이터베이스는 이에 따라, 무결성의 높은 정도에 의해 특징될 수 있다.
값들의 비교는 값들의 정확도를 보장할 수 있고; 부정확한 값들은 제거될 수 있거나 낮은 우선순위를 배정받을 수 있다. 발명의 방법 및 발명의 데이터베이스는 이에 따라, 정확도의 높은 정도에 의해 특징될 수 있다.
값들을 기준 값들과 비교함으로써, 최소 품질이 검증될 수 있다.
발명의 방법은
제1 측정 값들로부터 보충적인 제1 측정 값들을, 또는 제1 측정 값 속성들로부터 보충적인 제1 측정 값 속성들을 연산하는 것, 및/또는
제2 측정 값들로부터 보충적인 제2 측정 값들을, 또는 제2 측정 값 속성들로부터 보충적인 제2 측정 값 속성들을 연산하는 것에 의해 특징될 수 있다.
발명의 방법의 위의 설명은 상기 측정 값들의 기준 값들과의 정합에 기초하여 측정 값들을 배정하는 것을 포함하고, 종래 기술의 상이한 방법들이 적용될 수 있다.
상이한 소스(source)들로부터의 그리고 상이한 센서들의 측정 값들을 관련시키는 것은, 측정 값들 및/또는 측정 값들에 의해 포함된 측정 값 속성들이 불완전하다는 기술적 문제를 생성할 수 있다. 이것은 예를 들어, 상이한 센서들이 상이한 수의 측정 값들 및/또는 측정 값 속성들을 결정하는 것에 기인할 수 있다. 게다가, 측정 값들 및/또는 측정 값 속성들의 수는 측정 방법이 결함적이었기 때문에 불완전할 수 있다.
발명의 방법은 측정 값들의 정합이 또한, 기준 값들에 기초하여 보충적인 측정 값들 또는 측정 값 속성들 또는 측정 값 속성 범위들의 측정 값 범위들을 생성하는 것을 포함한다는 것을 포함할 수 있다. 보충적인 측정 값들 또는 측정 값 속성들이 표기될 수 있다. 종래 기술의 보간 방법들이 채용될 수 있다. 이 방법 단계는 이하의 도면에 기초하여 예로서 설명된다. 도면에서 표현된 객체는 예시적인 객체로서 간주되어야 하고; 본 기술분야에서의 통상의 기술자는 철도 선로의 추가의 객체들에 대해 이 방법 단계를 수행할 수 있다.
발명의 방법은
측정 값 또는 측정 값 속성/측정 속성이 그것을 기준 측정 값 또는 기준 속성과 정합함으로써 검증된다는 것에 의해 특징될 수 있다.
위에서 설명된 바와 같이, 발명의 방법은 측정 값을 기준 측정 값들과 정합하는 방법 단계, 또는 측정 값 속성을 기준 속성들과 정합하는 방법 단계를 포함할 수 있다. 다수의 값들의 다수의 기준 값들과의 비교는 의심스러운 또는 의문의 여지가 있는 값들을 결정하는 것을 허용하고, 의심스러운 값들은 임계 값보다 큰 차이 값만큼 기준 값 또는 기준 속성으로부터 각각 변동되는 그 측정 값들 또는 측정 값 속성들로서 정의된다. 발명의 방법은 이러한 의심스러운 측정 값들 또는 측정 값 속성들이 이와 같이 표기된다는 것을 포함할 수 있다.
발명의 방법은 개별적인 측정 값 세트들을 설명하는 수학적 모델 및/또는 다수의 측정 값 세트들이 생성되고 상기 수학적 모델이 데이터베이스 내에 저장된다는 것에 의해 특징될 수 있다.
수학적 모델은 개별적인 측정 값 세트를 설명할 수 있다. 수학적 모델은 측정 값 세트의 시간적 진로(temporal course)를 설명할 수 있다.
수학적 모델은 다수의 측정 값 세트들의 상관(correlation)을 설명할 수 있다. 수학적 모델은 상기 상관의 시간적 진전을 설명할 수 있다.
본 명세서에서 개시된 발명은 또한, 데이터베이스에 관련되고, 데이터베이스는 위의 설명에 따른 방법에 의해 생성된다.
데이터베이스는 네트워크의 일부일 수 있고, 네트워크는 유선 접속들 및/또는 무선 접속들에 기반하여 구축된다.
데이터베이스 또는 데이터베이스의 일부는 또한, 측정 값들을 결정하기 위한 디바이스가 설치되는 디바이스 상에 설치될 수 있다. 데이터베이스 또는 데이터베이스의 일부는 예를 들어, 그리고 이에 따라 반드시 이것으로 제한되지 않는 철도 건설 머신 상에 설치될 수 있다.
발명의 데이터베이스는 사용자-특정 쓰기 권한들 및/또는 읽기 권한들 및/또는 처리 권한들을 포함할 수 있다.
본 명세서에서 개시된 발명은 또한, 데이터베이스를 포함하고, 데이터베이스는 저장 매체 또는 다수의 저장 매체들 내에 저장된다.
발명은 추가적으로, 도면들에서 예시된 다음의 실시예들에 기초하여 설명된다:
도 1은 철도 선로의 과거의 지도를 도시하고,
도 2는 회전 스캐너에 의하여 결정가능한 측정 값들의 예시도를 도시하고,
도 3은 발명의 방법의 개략적인 표현을 포함하고,
도 4는 측정 값들의 취급을 예시하고,
도 5는 발명의 방법의 추가의 실시예를 예시하고,
도 6은 발명의 방법의 유리한 효과를 예시하고,
도 7은 국소적으로 결정된 측정 값들의 통합된 기준 좌표계로의 변환을 예시하고,
도 8은 발명의 방법의 선택된 기술적 효과를 예시하고,
도 9는 도 7을 참조하여 발명의 방법을 설명한다.
도 1은 철도 선로의 과거의 지도를 도시하고,
도 2는 회전 스캐너에 의하여 결정가능한 측정 값들의 예시도를 도시하고,
도 3은 발명의 방법의 개략적인 표현을 포함하고,
도 4는 측정 값들의 취급을 예시하고,
도 5는 발명의 방법의 추가의 실시예를 예시하고,
도 6은 발명의 방법의 유리한 효과를 예시하고,
도 7은 국소적으로 결정된 측정 값들의 통합된 기준 좌표계로의 변환을 예시하고,
도 8은 발명의 방법의 선택된 기술적 효과를 예시하고,
도 9는 도 7을 참조하여 발명의 방법을 설명한다.
도면들에서 도시된 실시예들은 가능한 실시예들을 단지 도시하지만, 발명은 이러한 특수하게 예시된 변형 실시예들로 제한되는 것이 아니라, 서로간의 개별적인 변형 실시예들의 조합 뿐만 아니라, 위에서 주어진 일반적인 설명과의 하나의 실시예의 조합이 또한 가능하다는 것이 이 시점에서 주목되어야 한다. 이러한 추가의 가능한 조합들은 명시적으로 언급될 필요가 없는데, 그 이유는 이러한 추가의 가능한 조합들이 본 발명에 의한 기술적 실시에 대한 교시사항에 기초하여 관련 기술분야에서의 통상의 기술자의 기술 내에 있기 때문이다.
보호의 범위는 청구항들에 의해 기술된다. 그러나, 설명 및 도면들은 청구항들을 해독할 시에 이용되어야 한다. 도시되고 설명된 다양한 실시예들로부터의 개별적인 특징들 또는 특징들의 조합들은 이와 같이, 자율적인 발명의 해결책일 수 있다. 이러한 자율적인 발명의 해결책들의 기초가 되는 목적은 설명으로부터 취해질 수 있다.
도면들에서, 뒤따르는 엘리먼트(element)들은 이전의 참조 도면들에 의해 지정된다:
1
철도 선로
2
컴퓨터 방법 단계
3
제1 측정 값들
4
제2 측정 값들
5
제1 측정 값 세트
6
제2 측정 값 세트
7
데이터베이스
8
기준 프로파일
9
트랙 성질들을 설명하는 제1 계층
10
트랙 통합을 설명하는 제2 계층
11
유지보수 필러(maintenance pillar)
12
트랙 데이터 필러(track data pillar)
13
동작 데이터 필러(operational data pillar)
14
트랙 고착부들
15
트랙
16
제1 측정 위치
17
제2 측정 위치
18
측정 범위
19, 20, 21
측정들
22 내지 26
거리들
GMW
트랙 측정 값들
GEB
트랙 고착부 측정 값들
TOPO
토폴로지
ARKS
절대 기준 좌표계
RRKS
상대 기준 좌표계
SNW
레일 네트워크
GNW
트랙 네트워크
ACC
회계(accounting)
VZG
허용된 속력들의 디렉토리
ORG ST
편성 구조
도 1은 철도 선로(1)를 포함하는 지도의 이미지의 세부사항을 도시한다(출처: https://www.ebay.de/itm/Braunschweig-Schoeninger-EISENBAHN-Plan-1913-Kreuzung-mit-Kabel-SCHOPPENSTEDT-/153669849176). 지도는 날짜가 03.05.1913이다. 지도는 현재의 니더 작센주(Lower Saxony)의 지역에 관련된다.
도 2는 종래 기술에서 보편적인 회전 스캐너에 의하여 결정되는 측정 값들을 포함하는 이미지를 도시한다.
위에서 설명된 바와 같이, 본 명세서에서 개시된 발명은 측정 값들을 분석가능하게 하기 위하여, 그 유형에 관계없이 그리고 그 생성 시간과는 독립적으로, 철도 선로에 관련되는 측정 값들을 데이터베이스 내에 통합하는 목적에 직면한다. 예를 들어, 발명은 제1 생성 시간으로서의 1913년으로부터의 제1 측정 데이터로서 도 1에서 도시된, 예를 들어, 지도 데이터와 같은 제1 측정 데이터, 및 제2 생성 시간으로서의 2020년으로부터의 도 2에서 도시된 제2 측정 데이터를 데이터베이스 내에 통합하고 분석가능하게 하는 기술적 태스크에 직면한다. 철도 선로는 100 년 초과에 대하여 기본적인 변화들을 받고, 예를 들어, 철도 선로는 더 이상 큰 부분들에서 그 원래의 간선(artery)을 따르지 않으므로, 본 명세서에서 언급된 태스크는 또한, 철도 선로의 부분적인 영역들에 관련될 수 있다. 측정 데이터의 분석들은 예를 들어, 데이터를 비교하는 것 및/또는 측정 데이터를 서로 상관시키는 것을 포함할 수 있다.
도 1에서 예시된 지도 내에 포함된 지도 데이터는 측정 데이터이다. 용어의 가장 좁은 의미에서의 측정 데이터는 지도가 예를 들어, 일부 다른 형태로 스캐닝되거나 편집될 때에 확실히 존재한다. 제1 기준 좌표계는 지도 표현에 의해 주어지고; 제1 기준 좌표계는 지도 또는 지도 표현일 경우의 기준 좌표계이다.
도 2는 회전 스캐너에 의한 측정의 예시된 결과를 도시하고; 이러한 측정은 종래 기술이고, 발명의 방법의 논의의 맥락에서 추가의 설명을 요구하지 않는다. 제2 기준 좌표계는 회전 스캐너의 방위(orientation) 및/또는 회전 스캐너의 이동에 의해 주어진다.
비전문가는 도 1 및 도 2에 의해 예시된 바와 같은 데이터가 어떻게 일반적으로 상이한지를 인식할 것이다.
예를 들어, 그리고 이에 따라, 제한적인 의미가 아닌 것으로서, 제1 기준 좌표계는 지도에 의해 주어지고, 그러므로, 엄격한 기준 좌표계이다. 측정 값들이 표현되거나 한 번 판독가능하다. 제2 기준 좌표계는 회전 스캐너의 이동에 기반하여 변화가능한 기준 좌표계이다. 철도 선로를 따르는 이동 시에 활성인 회전 스캐너에 의하여, 측정 값들은 부분적인 영역 내의 회전 스캐너의 포지션에서 결정될 수 있고, 측정 값들은 또한, 회전 스캐너의 제2 포지션에서 결정된다. 예를 들어, 제1 측정 값들은 종이 형태로 존재하는 반면, 제2 측정 값들은 전자적으로 저장된 데이터로서 존재한다.
대체로, 제1 측정 값들 및 제2 측정 값들은 도 1 및 도 2에 기초하여 예로서 도시된 바와 같이, 이질적인 데이터 용량을 형성한다. 본 명세서에서 논의된 발명의 방법의 태스크는 상기 이질적인 데이터 용량으로부터 동질적인 데이터 용량을 생성하는 것이다.
발명의 방법은 측정 값들을 관련시키거나 비교하는 의미에서, 예를 들어, 그리고 이에 따라, 반드시 다음으로 제한되지는 않는 지도 표현(도 1 참조)으로부터의 제1 측정 값들 또는 일반적으로, 데이터, 및 예를 들어, 그리고 이에 따라, 반드시 다음으로 제한되지는 않는 최신 측정 방법으로부터의 제2 측정 값들/데이터를 데이터베이스 내에 통합하고, 이에 따라, 분석가능하게 하는 태스크에 직면한다. 일반적으로, 그것은 측정 값들을 통합된 좌표계로 변환하는 방법 단계에 의해, 그리고 원래 분석불가능한 데이터가 함께 분석가능하게 되도록 측정 값들 또는 데이터를 구조화하는 방법 단계에 의해 달성된다.
도 2는 예로서, 트랙 고착부들(14) 및 트랙(15)을 갖는 철도 선로(1)를 설명하는 예시된 측정 값들을 도시한다. 트랙 고착부들 및 트랙(15)에 대한 참조는 단지 예이고; 발명의 방법을 논의하는 맥락에서 필수적인 모든 것은 발명의 방법이 철도 선로에 관련되는 엘리먼트를 설명하는 측정 값들을 수반한다는 것이다.
도 3은 발명의 방법을 상세한 방식으로 예시한다. 방법은 컴퓨터-구현된 방법으로서 수행될 수 있고, 여기서, 직사각형은 컴퓨터에 의하여 수행가능한 방법 단계들(2)을 기호화하고, 방법 단계들은 이하에서, 컴퓨터에 의한 배타적이지는 않지만 바람직한 실행으로 인해 컴퓨터 방법 단계(2)로서 지칭될 것이다.
제1 측정 값들(3) 및 제2 측정 값들(4)은 컴퓨터 방법 단계(2)로 전달된다. 위에서 설명된 바와 같이, 측정 값들(3, 4)은 상이한 측정 방법들을 적용함으로써 상이한 결정 시간들에서 또는 상이한 결정 주기들로 결정될 수 있다. 측정 값들(3, 4)은 일반적으로, 값들이 철도 산업 또는 철도 선로에 추가로 관련되는 주관적 또는 객관적 값들을 포함할 수 있다.
측정 값들(3, 4)은 레일들, 침목들, 레일 체결 수단, 레일 베드(rail bed) 등과 같은, 철도 선로의 객체들에 이와 같이 관련될 수 있다.
게다가, 측정 값들(3, 4)은 초목, 철도 고착부들, 예컨대, 플랫폼(platform)들 및 건널목(crossing)들과 같은, 철도 선로의 주변들에서의 객체들에 관련될 수 있다. 측정 값들(3, 4)은 지하수 레벨, 스노우 레벨(snow level) 등과 같은, 주변들의 성질들을 설명하는 값들에 동일하게 관련될 수 있다.
게다가, 측정 값들(3, 4)은 철도 선로 상에서 또는 철도 선로의 주변들에서 통행하는 객체들에 관련될 수 있다. 측정 값들(3, 4)은 예를 들어, 철도 선로를 건설하거나 유지하기 위한 레일 차량(즉, 트랙 건설 머신)의 동작을 설명하는 값들일 수 있고; 측정 값들(3, 4)은 이러한 레일 차량의 전력 입력(power input), 오일 압력, 속력 등에 관련될 수 있다.
측정 값들(3, 4)은 적어도 하나의 측정 속성 및 하나의 측정 위치 속성을 포함한다. 게다가, 측정 값들(3, 4)은 시간적 속성을 포함할 수 있다.
측정 속성은 필수적으로, 센서에 의해 측정된 차원이다. 측정 속성은 현재의 교시사항에 따라 주어진 수치 값, 벡터, 또는 또 다른 수학적 차원일 수 있다.
측정 속성은 필수적으로, 측정이 수행되는 측정 위치의 위치결정, 또는 측정 마크의 위치결정에 관련된다. 위치결정는 상대 좌표계에 의해, 또는 절대 좌표계에 의해 지시될 수 있다.
시간적 속성은 측정 값이 생성되는 생성 시간에 관련된다.
측정 값들을 생성하기 위하여 이용되는 상이한 측정 시스템들은 생성 시간을 지시하기 위하여 상이한 위치결정의 방법들 및 상이한 시간적 포맷들을 이용한다.
제1 측정 값들(3) 및 제2 측정 값들(4)의 상기 지시들은 반드시 제한적인 것으로서 간주되어야 하는 것은 아니다. 본 기술분야에서의 통상의 기술자는 예로서 열거된 측정 값들에 추가적으로, 추가의 측정 값들을 인지하고, 측정 값들은 철도 선로와 연관될 수 있다.
컴퓨터 방법 단계(2)는 측정 값들을 결정할 때 또는 측정 값들을 저장할 때에 적용된 위치결정의 방법으로부터 통합된 기준 좌표계로 측정 값들(3, 4)을 변환하는 적어도 방법 단계를 포함하고, 여기서, 본 명세서에서 논의된 방법은 종래 기술에서 공지된 위치결정의 방법들의 적용에 배타적으로 기초한다. 현재의 교시사항에 따르면, 위치결정는 개별적인 기준 좌표계를 이용하는 포지션 지시이다.
컴퓨터 방법 단계(2)는 측정 값들을 결정할 때 또는 측정 값들을 저장할 때에 적용된 기준 좌표계로부터 통합된 기준 좌표계로 측정 값들(3, 4)을 변환하는 방법 단계를 포함한다. 이용된 기준 좌표계들은 통상적으로 상대 기준 좌표계들 또는 전역적 기준 좌표계들이고, 여기서, 측정 값들은 좌표 변환의 현재의 교시사항을 적용함으로써, 이용된 기준 좌표계로부터 통합된 기준 좌표계로 변환된다.
상대 기준 좌표계를 이용하는 위치결정는 철도 선로를 따르는 거리가 시작 포인트로부터 결정되고, 이에 의해, 측정 위치가 충분한 정확도로 설명되도록 될 수 있다. 거리는 시작 포인트로부터의 거리로서, 또는 측정 위치들 사이의 거리들의 합으로서 직접적으로 설명될 수 있다. 이 종류의 위치결정는 추가의 설명을 요구하지 않는데, 그 이유는 이 종류의 위치결정가 종래 기술에서 공지되어 있기 때문이다.
절대 기준 좌표계를 이용하는 위치결정는 측정 위치가 GPS 장비에 의하여 결정되는 방식으로 실행될 수 있다. 이 종류의 위치결정는 또한, 현재의 교시사항에 따라 공지되고, 추가의 설명을 요구하지 않는다.
이전에 언급된 위치결정의 직접적인 방법들에 추가적으로, 위치결정는 간접적인 것이 또한 실현가능하다. 예를 들어, 측정 위치는 상대 기준 좌표계를 이용하여 측정될 수 있고, 상기 측정 위치의 위치결정는 절대 기준 좌표계를 이용하여 연산될 수 있다.
게다가, 컴퓨터 방법 단계(2)는 시간적 속성이 기초하는 시간적 포맷을 예를 들어, 세계 시간 포맷과 같은 통합된 시간적 포맷으로 계산하는 방법 단계를 포함한다.
도 1에서 도시된 지도에서는, 지도의 기준 좌표계에서 지시되는 측정 값들이 있다.
측정 값들이 예를 들어, 회전 레이저 스캐너와 같은 회전 센서에 의하여 결정되는, 도 1에서 예시된 측정 값들에서는, 전역적 기준 좌표계 또는 상대 기준 좌표계에서 측정 값들이 존재한다. 상대 기준 좌표계는 예를 들어, 철도 선로 상의 측정 열차(measuring train)의 포지션을 지시함으로써 주어질 수 있다. 다수의 센서들이 측정 열차 상의 측정 값들을 결정하도록 배열될 경우에, 열차 상의 센서들의 포지션이 또한 고려되어야 한다.
컴퓨터 방법 단계(2)는 또한, 일반적으로 측정 값들을 구조화하는 것을 포함한다. 발명의 방법에 의해 입증된 해결책은 측정 값들이 정의된 구조를 갖는 통합된 측정 값 세트로 변환되는 것을 규정한다. 통합된 측정 값 세트는 적어도 하나의 측정 값 속성 및 측정 위치 속성을 포함하고; 특히, 위의 설명에 대해 참조가 행해질 것이다.
측정 값들의 측정 값 세트로의 변환은 일반적으로, 사용자에 의한 입력에 의하여 수행될 수 있다. 통상의 기술자는 데이터의 용량에 따른, 측정 값들의 측정 값 세트로의 변환은 매우 노력을 요하는 절차일 수 있다는 것을 인식할 것이다.
측정 값 세트는 이에 따라, 측정 속성들(제1 측정 속성, 제2 측정 속성), 시간적 속성, 및 측정 위치 속성들을 포함할 수 있다. 측정 값 세트들의 측정 값 속성들은 통합된 포맷으로 존재한다.
측정 값들은 통상적으로, 수학의 현재의 교시사항을 적용함으로써 식별되고 설명될 수 있는 어떤 패턴을 따른다.
예를 들어, 도 1에서 도시된 지도에서 철도 선로의 진로를 설명하는 측정 값들은 정의된 선로 폭에서 지도를 가로질러서 연장되는 선로의 패턴을 따른다. 지도를 스캐닝함으로써 취득된 데이터는 상기 패턴을 고려하여 필터링될 수 있다.
본 기술분야에서의 통상의 기술자는 측정 값들이 일반적으로, 측정 값들의 패턴의 검출을 통해 객체들에 배정될 수 있다는 것을 인식할 것이다. 패턴 인식은 현재의 교시사항에 따른 방법이고, 예를 들어, 이미지 프로세싱에서 적용된다.
발명의 방법은 측정 값들이 측정 값 세트 내의 값들의 인식가능한 패턴에 종속되는 주어진 구조에 따라 배열된다는 것을 포함할 수 있다.
측정 값들은 측정 값 세트들 내에 배열된다. 도 3에서 도시된 예는 제1 측정 값들(3)이 제1 측정 값 세트(5)로 변환되고 제2 측정 값들(4)이 제2 측정 값 세트(6)로 변환되는 특수한 경우를 개시한다. 다른 실시예들이 또한 실현가능하다.
반드시 배타적인 것이 아니라, 바람직하게는, 측정 값 세트들(5, 6)이 데이터베이스(7) 내에 저장된다. 데이터베이스(7)는 클라우드 해결책 또는 또 다른 네트워크의 일부일 수 있어서, 구조화된 형태로 존재하는 그 값들은 장소-독립적으로 액세스될 수 있다. 측정 값 세트들(5, 6)은 철도 선로의 건설 및/또는 유지보수를 위하여 이용될 수 있다. 측정 값 세트들(5, 6)은 트랙 건설 머신들을 제어하기 위하여 이용될 수 있다.
도 4는 발명의 방법의 본질 및 그로부터 도출가능한 그 추가의 기술적 효과를 예시한다.
측정 값들(3, 4)은 현재의 교시사항에 따라 결정된다.
3 개의 필러(pillar)들, 즉, 유지보수 머신들의 필러(11), 트랙 및 네트워크에 관련되는 필러(12), 및 동작 필러(13)는 철도 산업에서의 측정 값들(3, 4)을 관찰할 시에 그리고 이러한 측정 값들의 관리 시에 필수적으로 제작된다. 도 4에서 도시된 바와 같은 3 개의 필러들에 따른 이러한 구조는 작업들이 분할되는 방식에 필수적으로 대응한다.
측정 값들의 결정은 계측학을 전공하는 사업체들에 의해 수행된다.
유지보수 작업은 건설 회사들에 의해 주로 수행된다.
일단 철도 네트워크가 필수적으로 존재하면, 유지보수 필러(11)에 대해 단순화된 참조가 행해질 것이고, 유지보수 필러(11)는 통상의 기술자에게 자명한 방식으로, 유지보수에 추가적으로, 철도 네트워크의 부분들의 건설을 포함한다. 동작 필러(13)는 이 기반구조 상에서 사람들 및/또는 화물을 수송하기 위한 트랙들의 사용에 필수적으로 관련된다.
측정 값들(3, 4)은 트랙 필러(12)로부터의 것일 수 있다. 도 1 및 도 2에 기초하여 위에서 도시된 바와 같이, 이들은 제1 측정 값들(3) 및 제2 측정 값들(4)일 수 있고, 측정 값들(3, 4)은 함께 분석가능하지 않다. 제1 측정 값들만이 또한 결정될 수 있고, 제1 측정 값들은 트랙을 설명한다.
측정 값들(3, 4)은 또한, 유지보수 필러 및/또는 트랙 필러(12) 및/또는 동작 필러(13)로부터의 것일 수 있다.
유지보수 필러(11)의 측정 값들은 철도 건설 머신들 또는 유지보수 머신들의 동작, 또는 트랙 건설 재료들 등과 같은 건설 재료들의 수송을 설명하는 측정 값들일 수 있다. 트랙 트램핑 머신(track tramping machine) 또는 트랙 조절 머신은 유지보수 머신의 예로서, 그러므로, 제한적이지 않은 것으로서 주어질 것이다. 건설 재료는 예를 들어, 그리고 그러므로 제한적이지 않은 것으로서, 레일, 침목, 또는 자갈일 수 있다.
동작 필러(13)의 측정 값 세트는 철도 구조의 사용을 설명한다. 예를 들어, 그리고 이에 따라, 제한적이지 않은 것으로서, 동작 필러(13)의 측정 값들은 승객 숫자, 열차들의 수, 지연의 지시일 수 있다는 것이 주목될 것이다.
종래 기술에서는, 필러 내에서 측정 값들을 분석하는 것이 가능하다. 종래 기술에서는, 트랙의 상태을 설명하는 측정 값들(3, 4)이 분석될 수 있다. 트랙들의 상태은 상기 측정 값들(3, 4)로부터 도출될 수 있고, 및/또는 미래 데이터는 예측 분석의 방법들을 적용함으로써 결정될 수 있다. 이것은 개개의 필러 내에서, 그리고 측정 값들(3, 4)을 함께 분석할 가능성의 전제상태 하에서 이러한 제한된 형태로 배타적으로 가능하다.
발명의 방법은 철도 산업으로부터의 측정 값들의 분석가능성의 결여의 현재의 문제들에 대한 필수적으로 2 개의 해결책 접근법들을 제공하고, 여기서, 발명의 방법은 2 개의 해결책들이 데이터의 분석가능성의 결여의 기술적 문제와 일반적으로 유사하다는 것에 의해 특징된다. 논의된 방법은 단일 해결책 접근법에 의해 둘 모두의 기술적 문제들을 해결하기 위하여 적절할 수 있다.
오직 하나의 필러의 측정 값 세트는 이들이 함께 분석가능한 형태로 될 수 있다. 이것은 도 1 및 도 2에 기초하여 예로서 도시되고, 여기서, 도 1은 과거의 지도를 도시하고, 도 2는 현재의 측정 방법의 결과를 도시한다. 통상의 기술자는 필러(11)의 측정 값들 또는 필러(13)의 측정 값들이 유사한 방식으로 함께 분석가능하게 된다는 것을 인식할 것이다.
신경망들의 적용과 같은, 데이터 프로세싱의 최신 방법들은 예를 들어, 매우 큰 데이터 용량을 요구한다. 더 정확한 결과가 더 큰 데이터 용량으로 달성될 수 있다는 것이 일반적으로 적용된다. 다시 말해서, 분석에 기초가 되는 데이터 용량은 충분히 크지 않을 수 있다.
발명의 방법의 추가의 기본적인 접근법은 필러들 사이에서도 측정 값들을 함께 분석가능하게 하는 것이고; 발명의 방법은 유사한 해결책 접근법에 의해 이것을 완수하고, 그러므로, 조작자에게 용이한 절차를 허용한다.
예를 들어, 측정 값이 예를 들어, 열차의 (반복되는) 지연을 설명하는, 동작 필러(13)의 측정 값은, 측정 값이 트랙 또는 트랙의 주변들의 상태을 설명하는, 트랙 필러(12)의 측정 값으로, 및/또는 측정 값이 예를 들어, 트랙 건널목이 건설되는 방식을 설명하는, 유지보수 필러(11)의 측정 값으로 분석가능하게 되어야 한다. 그 측정 값들을 함께 분석가능하게 함으로써, 요컨대, 분석가능한 데이터의 용량이 증가되고, 데이터 프로세싱의 최신 방법들이 이에 따라, 실제적으로 채용가능하게 된다.
예를 들어, 측정 값들을 함께 분석함으로써, 열차의 지연은 철도 건널목의 영역에서의 트랙의 상태에 의해 설명될 수 있는 반면, 다른 철도 건널목들로부터의 측정 값들은 철도 건널목의 건설 유형이 어떤 중량을 갖는 열차를 동작시키기 위하여 적당하지 않다는 것을 보여준다.
본 명세서에서 언급된 예들은 반드시 제한적인 것으로서 간주되어야 하는 것은 아니다. 또한, 본 명세서에서 개시된 방법은 가능한 분석들에서 타깃화되는 것이 아니라, 측정 값들을 함께 분석가능하게 한다. 가능한 분석들은 발명의 방법에 의해 달성될 수 있는 추가의 기술적 효과이다.
발명에 따르면, 이것은 철도 선로의 객체들을 포함하는 것을 검출하기 위한 데이터베이스를 생성함으로써 달성된다. 상기 데이터베이스는 3 개의 필러들 중의 적어도 2 개 상에서 연장되고; 바람직하게는, 데이터베이스는 3 개의 모든 필러들(11, 12, 13) 상에서 연장된다. 이 목적을 위하여, 측정 값들(3, 4)이 철도 선로 또는 철도 선로 상에서 통행하는 차량의 상태 또는 동작 상태을 설명하는, 제1 측정 값들(3) 및 제2 측정 값들(4)은 이용된 절대 또는 상대 기준 좌표계의 통합된 기준 좌표계로의 좌표 변환을 수행함으로써, 그리고 제1 측정 값들 및/또는 제2 측정 값들을 포함하는 통합된 측정 값 세트(5, 6)를 생성함으로써 데이터베이스 내에 저장된다. 측정 값 세트를 생성할 시에, 측정 값들의 측정 값 속성들은 통합된 측정 값 세트 내의 정의된 구조로 저장된다. 발명의 방법은 위의 정의에 따라 하나의 필러 및 다수의 필러들에 양쪽 모두 배타적으로 적용될 수 있다.
위에서 설명된 좌표 변환 및 통합된 측정 값 세트의 생성에 의해, 측정 값들의 표준화가 달성된다. 이것은 개별적인 필러들(11, 12, 13)의 모든 측정 값들에 적용될 수 있으므로, 측정 값 세트들(5, 6)은 모든 필러들(11, 12, 13)을 가로질러서 연장되는 직사각형에 의하여 도 4에서 도시된다. 측정 값들(3, 4)을 함께 분석하는 것은 측정 값 세트들(5, 6)이 비교되도록 수행될 수 있다.
바람직하게는, 측정 값 세트들(5, 6)이 2 개의 계층들(9, 10)에서 구조화되고, 계층들(9, 10)을 통해, 측정 값들(3, 4) 사이의 종속성 및 상기 측정 값들(3, 4)의 위치결정가 정의된다. 이 구조는 효율적인데, 그 이유는 이하에서 상세하게 설명하는 구조가 필러들(11, 12, 13) 중에서 하나의 필러의 측정 값들(3, 4)을 비교하는 것과, 또한, 필러들(11, 12, 13) 중에서 2 개의 필러들로부터의 측정 값들(3, 4)을 비교하는 것을 허용하기 때문이다.
예를 들어, 위치결정 지시는 필러들(11, 12, 13) 중에서 필러의 제1 측정 값(5), 및 필러들(11, 12, 13) 중에서 제2 필러의 제2 측정 값(6)에 접속될 수 있다.
측정 값 세트들(5, 6)은 트랙 성질들을 설명하는 값들을 갖는 제1 계층(9), 및 철도 네트워크 내의 트랙들의 포함을 설명하는 값들을 갖는 제2 계층(10)을 포함할 수 있다.
이하에서, 다음의 값들은 예로서, 그리고 이에 따라 제한이 아닌 것으로서, 계층들(9, 10)에 의해 포함된다.
제1 계층(9)은 트랙 측정 값들(GMW)을 포함한다. 트랙 측정 값들(GMW)은 필수적으로, 적어도 레일들, 침목들, 하부구조를 포함하는 트랙 상에서 결정되는 측정 값들이다. 트랙 측정 값들(GMW)은 또한, 트랙의 주변들을 설명한다.
제1 계층(9)은 트랙 고착부들, 즉, 트랙 또는 주변들의 영역에서 구축된 구조들을 설명하는 값들(GEB)을 포함한다. 트랙 고착부들은 예를 들어, 철도 건널목, 현수선 마스트(catenary mast), 플랫폼 등일 수 있다. 주어진 예들은 제한적인 것으로서 이해되지 않아야 한다.
게다가, 제1 계층(9)은 트랙 측정 값들 및 트랙 고착부들의 토폴로지(TOPO)의 지시들을 포함할 수 있다. 게다가, GMW 및 GEB는 통합된 기준 좌표계로서, 절대 기준 좌표계(ARKS) 및/또는 상대 기준 좌표계(RRKS)에 결합된다.
본 기술분야에서의 통상의 기술자는 제1 계층(9)이 확대가능하다는 것을 인식할 것이다.
제2 계층(10)은 철도 네트워크 내의 트랙의 포함에 관련된다. 따라서, 제2 계층(10)은 레일 네트워크(SNW), 트랙 네트워크(GNW), 편성 구조(ORG ST), 및 허용된 속력들의 디렉토리(VZG)에 관련된 값들을 포함한다.
본 기술분야에서의 통상의 기술자는 제2 계층(10)이 확대가능하다는 것을 인식할 것이다.
위에서 설명된 제1 계층(9) 및 위에서 설명된 제2 계층(10)을 포함하는 측정 값 세트(5, 6)는 효율적인 형태로 상이한 필러들(11, 12, 13)로부터의 측정 값들(3, 4)을 분석하는 것을 허용한다. 측정된 값들, 즉, 제1 측정 값들(3) 및 제2 측정 값들(4) 뿐만 아니라 상기 측정 값들의 위치결정는 제1 계층에서 예치(deposit)되지만, 제1 계층(9)의 값들의 교차결합(crosslinking)은 제2 계층(10)에서 예치된다. 위의 정의의 의미에서의 구조는 이에 따라, 도 4에서 도시된 예시적인 실시예에서의 2 개의 레벨들, 즉, 제1 계층(9) 및 제2 계층(10) 상에서 생성된다.
3 개의 필러들 중에서 적어도 2 개의 필러들로부터의 측정 값들과 정합하는 다음의 가능한 결과들은 예로서 여기에서 열거되고:
"디지털 트윈(Digital Twin)" 방법(DIGITAL TWIN)은 시뮬레이팅 프로세스들을 허용한다. "디지털 트윈"에 의하여 시뮬레이팅된 프로세스들은 수리 작업들 및/또는 동작에 관련될 수 있다. 가능한 기술적 효과는 측정 값들이 시간 주기에 대하여 결정되는, 필러(12) 및/또는 필러(13)로부터의 측정 값들을 고려하여 수리 작업들에 대한 이러한 시뮬레이션을 수행하는 것이다.
철도 관리의 영역에서의 필수적인 포인트는 현재의 교시사항으로부터 공지된 바와 같은 예측 공학이다. 이용가능한 데이터 용량에 기초하여, 예를 들어, 트랙이 언제 수리를 필요로 하는지가 검출되어야 한다. 초기에 언급된 바와 같이, 이것은 더 큰 데이터 용량에 의한 더 큰 정확도로 예측될 수 있다. 여기에서 논의된 발명은 이 더 큰 데이터 용량을 전달하고, 여기서, 모든 필러들로부터의 측정 값들(3, 4)이 포함될 수 있다. 게다가, 측정 값들(3, 4)의 시간적 진전이 고려될 수 있다.
따라서, 내부 및 외부 회계(ACC)는 또한, 더 효율적으로 설계될 수 있다.
요약하면, 상기 필러들(11, 12, 13)의 적어도 측정 값들은 이질적인 데이터 용량을 형성한다. 필러들(11, 12, 13) 중의 하나의 필러의 측정 값들은 상이한 제공자들 또는 상이한 측정 방법들 또는 상이한 측정 시스템들에 의해 결정되므로, 필러들(11, 12, 13) 중의 하나의 필러의 측정 값들은 또한, 통상적으로 이질적인 데이터 용량을 형성한다.
본 명세서에서 설명된 통합된 측정 값 세트의 형태로 동질적인 데이터 용량을 생성하는 것은, 측정 값들이 다른 측정 값들 또는 철도 네트워크의 성질들을 분석하기 위하여, 또는 머신들을 제어하기 위하여 결정되는 방식과는 독립적으로, 통합된 측정 값 세트의 형태로 측정 값들을 이용할 수 있는 이점을 생성한다.
도 5는 문헌에서 발견된 바와 같은 레일의 프로파일을 도시한다(http://www.jagsttalbahn.de/schienen0.html 참조). 종래 기술에서는, 제1 기준 좌표계를 이용하는 제1 측정 방법으로 제1 측정 값들(3)을 생성하는 제1 제공자가 제1 측정 값들을 (데이터베이스 내에 저장된 것과 같은) 문헌에서 인용된 기준 프로파일(8)과 비교할 수 있다. 마찬가지로, 제2 기준 좌표계를 이용하는 제2 측정 방법으로 제2 측정 값들(4)을 생성하는 제2 제공자는 상기 제2 측정 값들(4)을 기준 프로파일(8)과 비교할 수 있다. 발명의 방법은 제1 측정 값들 및 제2 측정 값(4)을 함께 분석하는 것을 허용한다. 종래 기술에서의 측정 값들은 기준 프로파일(8)을 배타적으로 포함하는 것으로 보완되지만, 발명의 발명은 제2 측정 값들(4)을 포함함으로써 보충적인 제1 측정 값들(3)을 계산하는 것을 허용한다. 유사한 방식으로, 발명의 방법은 기준 프로파일(8)에 대한 하나의 측정 값의 정합에 추가적으로, 제1 측정 값들(3) 및 제2 측정 값들(4)이 정합되는 것을 허용할 수 있다. 이것은 특히, 효율적인 방식으로 행해지는데, 그 이유는 측정 값 세트들이 구조화된 형태를 가지기 때문이다.
도 5는 예시를 통해, 레일 프로파일의 예를 이용하는 발명의 방법의 가능한 방법 단계의 적용을 도시하고, 여기서, 상기 레일 프로파일 예에 대하여 주어진 설명은 반드시 제한적인 것으로서 평가되어야 하는 것은 아니다. 상기 방법 단계들은 일반적으로, 측정 값들 및 기준 값들에 적용될 수 있다.
도 6은 측지 좌표 지시들로 측정 값들을 상대 좌표계로부터 통합된 좌표계로 계산하는 문제를 예시한다. 게다가, 도 6은 의도적으로 매우 간단하게 유지되었던 예를 이용하는 발명의 방법의 유리한 효과를 예시한다.
철도 산업에서, 위치(도 6 참조, 포인트 C)는 통상적으로, 상대 좌표계에 의해 지시된다. 이것은 예를 들어, 시작 포인트 A로부터 시작하는 거리에 의해 행해질 수 있다. 통행된 거리 에 기초한 공간 내의 포인트 C의 위치결정는 위치 C에서 측정 값을 생성할 시에 철도 선로의 진로를 아는 것을 상정한다. 도 6에서 추가된 포인트들 A 및 B는 발명을 논의하는 맥락에서의 알려진 위치들일 것이고; 위치들 사이의 거리는 무관하다.
본 명세서에서 논의된 발명은 통합된 제1 측정 값 세트를 생성하는 것을 통해 위치 C에서 결정된 제1 측정 값을 위치결정하는 이러한 문제를 해결한다. 통합된 제1 측정 값 세트는 제1 측정 속성에 추가적으로, 제1 측정 값을 생성하는 제1 생성 시간, 및 제1 측정 포인트 C의 상대 위치결정를 포함한다.
제1 측정 값은 적어도 제1 측정 속성을 포함한다. 제1 측정 속성은 예로서, 그리고 이에 따라, 제한이 아닌 것으로서, 트램핑 디바이스(tramping device)의 유압(hydraulic pressure)과 같은 머신 파라미터(machine parameter)일 수 있다.
제1 측정 값은 충분한 정확도로 제1 생성 시간을 설명하는 시간적 속성을 포함할 수 있다. 제1 생성 시간은 예를 들어, 도 6에서의 표현을 참조하면, 충분한 정확도로, 제1 측정 값이 제1 센서에 의하여 생성되는 시간의 설명을 의미하는 것으로 이해된다. 제1 센서의 특성은 필수적으로, 제1 시간적 속성이 제1 측정 속성에 추가적으로 생성된다는 것이다.
제1 측정 값은 제1 측정 위치 속성을 포함한다. 측정 위치 속성은 상대 좌표계를 이용하여 측정 위치 C를 설명한다. 상기 상대 좌표계는 예로서, 그리고 이에 따라 제한이 아닌 것으로서, 포인트 A로부터의 측정 위치 C 상의 거리의 지시를 포함한다. 거리는 또한, 예를 들어, 측정 열차가 A로부터 C로 이동할 때, 속력 및 시간 주기를 통해 간접적으로 지시될 수 있다.
게다가, 제2 측정 값들이 존재한다. 제2 측정 값들은 그 측정 속성들로, 시간 1(생성 시간)에서의 철도 선로(1)의 설명 및 시간 t'에서의 철도 선로(1')의 설명에 관련된다. 제2 측정 값들은 예를 들어, 절대 좌표계에 기초한다.
측정 값들을 현존하는 좌표계로부터 통합된 좌표계로 계산하고, 생성 시간들을 통합된 시간적 포맷으로 계산함으로써, 측정 값들은 비교가능하게 된다.
도 6에서의 표현을 참조하면, 위에서 설명된 측정 값들의 계산은 제1 측정 포인트 C의 상대 좌표들을 제2 측정 값들에 배정하는 것을 허용하고, 제2 측정 값들은 시간 1에서의 절대 좌표들에서 위치 C에서의 철도 선로(1)를 설명하고, 제2 시간은 제1 시간과 유사하다. 그 결과, 포인트 C는 상대 좌표들에 의하여, 절대 좌표들에 의해, 또는 통합된 좌표계에 의해 추가적으로 위치결정될 수 있다.
철도 선로는 시간 주기에 대하여, 예를 들어, 그 형태와 같은 그 성질들을 변화시킨다. 도 6에서, 시간 t에서의 철도 선로(1)는 예로서, 연속적인 선로에 의해 표현된다. 파선은 시간 t-1에서의 철도 선로(1')의 진로를 지정한다.
도 6에서 도시된 측정 값들의 본 명세서에서 설명된 배정에 추가적으로, 추가의 측정 값들이 배정될 수 있고, 서로에 대해 종속적으로 될 수 있다. 측정 값들은 특히, 측정 값들의 관찰 시간 및 생성 시간과는 독립적으로, 서로에 대해 시간적으로 종속적으로 될 수 있다. 데이터베이스들은 이에 의해, 철도 데이터에 기초하여 현재의 교시사항에 따라 생성될 수 있다.
도 7에 기초하여, 개별적인 기준 좌표계를 이용하여 위치결정되는 측정 값들(19, 20, 21)은 통합된 기준 좌표계로 변환된다.
마찬가지로, 위에서 설명된 방법들에 의한 것과 같이, 측정 값들은 종래 기술의 측정 방법들을 적용함으로써 결정된다.
예를 들어, 포인트들(16, 17) 사이의 측정 영역(18)에서의 철도 선로(1)의 트랙(15)의 게이지가 결정될 수 있다. 예를 들어, 게이지는 규칙적 또는 불규칙적 간격들로 측정될 수 있다. 게다가, 예를 들어, 측정 영역(18) 상에서의 트랙(15)의 사진 문서가 생성될 수 있다. 독자는 의심없이, 다음의 설명이 측정 값들로서의 게이지 및 사진 문서의 결정으로 제한되지 않는다는 것을 인식할 것이다. 게이지 및 사진 문서는 단지 예로서, 그리고 이에 따라, 제한이 아닌 것으로서 언급된다.
측정 값들(19, 20, 21)은 센서에 의하여 및/또는 입력에 의해 결정될 것이다. 측정 값들(19, 20, 21)은 측정 값 속성들을 포함하고, 측정 값 속성들에 의하여, 측정된 차원들이 표현된다. 게다가, 측정 값들은 측정 위치 속성을 포함하고, 측정 위치 속성은 개별적인 기준 좌표계에 의하여 측정 값의 위치결정를 설명한다.
측정 값들(19, 20, 21)은 게이지 또는 사진 문서에 기초하여, 예로서, 그리고 반드시 제한이 아닌 것으로서, 위에서 제시되는 철도 선로의 상태을 설명한다. 측정 값들은 또한, 철도 선로 상에서 통행하는 차량의 상태을 설명할 수 있다.
측정 값들은 이질적인 데이터 용량을 형성한다. 측정 값들의 적어도 위치결정는 이질적이다.
측정 값들의 위치결정를 위하여 이용된 기준 좌표계들은 상이할 수 있다.
측정 값들을 결정하기 위한 측정 방법들이 또한 상이할 수 있다. 매 단일 측정 방법은 측정 속성들의 데이터 세트를 공급할 수 있고, 데이터 세트는 예를 들어, 상이한 계를 따르는 측정 값들 또는 측정 속성들의 위치결정를 행한다.
측정 값들은 단일 기준 포인트를 참조하여 개별적인 기준 좌표계를 이용하여 위치결정된다. 그러나, 종래 기술에서 공지된 이러한 방법은 철도 네트워크에서 측정 값들의 만족스러운 위치결정를 허용하지 않았다.
개별적인 기준 좌표계로부터 통합된 기준 좌표계로의 좌표 변환이 제안된다. 개별적인 기준 좌표계는 예를 들어, 절대 또는 상대 기준 좌표계일 수 있고, 기준 좌표계에 의하여, 단일 기준 포인트에 대한 포지션이 지시된다. 상기 좌표 변환은 통상의 기술자가 기하구조 및 수학의 현재의 교시사항들을 적용함으로써 수행할 수 있는 제안된 초기 방법 단계이다.
게다가, 수학 및 기하구조의 현재의 교시사항들을 적용함으로써, 상기 좌표 변환에서 제1 기준 포인트(19) 및/또는 제2 기준 포인트(20)에 대한 측정 위치의 참조를 수행하는 것이 제안된다. 바람직하게는, 그리고 이에 따라, 제한적인 방식이 아닌 것으로서, 상기 기준 포인트들(19, 20)은 철도 네트워크의 포인트들(16, 17)이다. 철도 선로(1)는 철도 네트워크의 일부이다.
수학 또는 기하구조의 현재의 교시사항들을 적용함으로써 기준 포인트들(19, 20) 중의 적어도 하나의 기준 포인트를 참조하여, 위치결정가 통합된 기준 좌표계로 변환되는 측정 속성들은 통합된 구조로 데이터베이스 내에 저장된다. 상기 통합된 구조로 저장되는 통합된 측정 값 세트는 적어도 측정 값 속성, 및 2 개의 기준 포인트들(19, 20)을 참조한 통합된 기준 좌표계에 의한 위치결정를 포함한다.
영역(18)의 측정 값들(19, 20, 21)을 참조하는 것은, 기준 포인트(19)에서 제로(철도 선로(1)의 길이의 0%)와 동일한 거리를 갖고 기준 포인트(20)에서 1(포인트들(16, 17) 사이의 철도 선로(1)의 길이의 1005)과 동일한 거리를 갖는 상대 기준 좌표계가 이용되도록 될 수 있다. 유사하게, 제로와 동일한 거리 및 1과 동일한 거리를 갖는 상대 기준 좌표계가 영역(18)의 종료부들에서 도입될 수 있다.
측정 값들(19, 20, 21)은 예를 들어, 측정 위치와 기준 포인트(1, 17) 및 측정 위치들의 둘 모두와의 사이의 거리들(22, 23, 24, 25) 뿐만 아니라, 측정들의 측정된 전체 거리(24)가 알려져 있는 간격들로 측정된다. 상기 간격들로부터, 포인트들(16, 17) 사이의 철도 선로(1)의 길이가 알려져 있으므로, 각각의 측정 위치의 전체 거리(24)의 백분율 거리가 연산될 수 있다. 예로서, 그리고 이에 따라, 제한이 아닌 것으로서, 기준 포인트(16)는 제로와 동일한 거리를 갖는 포인트로 고려된다. 거리들은 측정 위치들 사이에서 상대적으로 분할된다.
포인트들(16, 17) 및 기준 포인트들은 엄격하게 기술된 것으로서, 그리고 이에 따라, 불변의 기존 포인트들로서 각각 간주되므로, 측정 값들(19, 20, 21)의 측정 위치들은 연산된 백분율 거리를 이용하여, 그리고 이에 따라, 기준 포인트들(16, 17)을 엄격한 기준 포인트들로서 고려하여 위치결정된다.
통상의 기술자는 측정 위치들의 위치결정가 거리들 또는 간격들에 의한 것일 필요가 없다는 것을 인식할 것이다. 예를 들어, 측정 위치들은 GPS 데이터에 의하여 위치결정될 수 있고, GPS 데이터로부터, 위에서 언급된 거리들(22 내지 25)이 연산될 수 있다.
게다가, 통합된 측정 값 세트는 다음의 철도-특정 속성들을 포함할 수 있다. 측정 값 세트는 통합된 기준 좌표계를 이용하는 위치결정에 추가적으로, 선로 체인거리(line chainage)의 지시를 포함할 수 있다. 통합된 기준 좌표계를 이용한 측정 값 또는 디바이스의 유리한 위치결정와는 독립적으로, 선로 체인거리를 통한 위치결정가 보편적이고, 이것이 여기에서 고려된다. 측정 값 세트는 또한, 라우팅의 지시들, 즉, 철도 선로가 철도 네트워크의 어느 포인트들을, 측정 값들이 결정되는 어느 철도 선로 또는 어느 철도 선로의 영역에 접속하는지를 포함할 수 있다. 도 7을 참조하면, 측정 값 세트는 영역(18)이 포인트들(16, 17)을 접속하는 철도 선로(1)의 일부인 것을 설명하는 속성들을 포함할 수 있다. 도 8은 발명의 방법의 추가의 기술적 효과를 예시한다. 도 8은 예로서, 철도 선로(1)를 포함한다. 측정 속성들은 예를 들어, 트랙 프로세싱 디바이스를 제어하기 위하여, 제1 측정 위치(17) 및 제2 측정 위치(18)에서 필요하다.
복수의 측정들(19, 20, 21)이 존재하고, 측정들(19, 20, 21)은 상이한 시간들에 수행된다. 측정(19)은 측정 값들이 상대적으로 짧은 불규칙적인 간격들로 결정되었다는 것에 의해 특징된다. 측정(20)은 서로에 대해 큰 거리들을 갖는 측정 값들을 포함한다. 측정(21)은 연속적인 측정이다. 대체로, 측정들(19, 20, 21)로부터의 측정 값들은 이질적인 데이터 용량을 나타낸다.
측정들(19, 20, 21)로부터의 측정 값들의 위치결정를 전송하는 것은 측정 값들을 비교하고 배정하는 것을 허용한다. 도 8에서 도시된 예에서는, 선택된 측정 값들, 즉, 동일한 측정 위치에서 실제적으로 결정된 그 측정 값들의 배정이 가능하다. 예를 들어, 측정(19)의 측정 값은 제1 측정 위치(17)에 대한 측정(21)의 측정 값에 배정될 수 있다.
어떤 측정 위치에서 또는 유사한 측정 위치에서 실제적으로 측정된 그 측정 값들은 이에 따라, 상기 측정 위치에 대하여 선택될 수 있다. 유사한 측정 위치의 선택은 상기 측정 위치, 특히, 상기 측정 위치까지의 거리로 유사도를 설명하는 것을 포함할 수 있다.
도 9는 특히, 도 7의 도면 설명을 참조한다. 측정 값들을 철도 네트워크 내로 포함함으로써 스위치(switch)를 측정하는 것이 설명된다.
도 9는 상부에서, 측정되어야 할 스위치의 트랙 지도를 포함한다. 포인트들 WA 및 WE는 기준 포인트들이고, 기준 포인트들을 통해, 측정되어야 할 스위치는 철도 네트워크에 접속된다. 이것은 스위치의 측정이 논의 중인 상황에 의해 설명되고, 이것은 예시적인 것으로서, 그리고 반드시 제한적인 것으로 평가되어야 한다. 통상의 기술자는 다른 레일 엘리먼트들의 경우에 상이한 기준 포인트들을 선택할 수 있을 것이다. 게다가, 포인트 WM이 포함되고, 포인트 WM은 스위치의 교차로(intersection)이다. 포인트 WM의 포지션은 스위치 상에서 측정가능한 포인트들 WA 및 WE까지의 거리에 의해 정의된다.
측정 값들은 포인트들 WA, WM, WE 사이의 스위치의 부분적인 영역들에 대하여 결정된다. 측정 값들의 수는 이하의 도 9에서 지시된 개략적인 표현 내에 입력된다. 부분적인 영역의 개별적인 측정 값들의 위치결정는 언급된 포인트들(측정 위치들, 기준 포인트들)과 부분적인 영역들의 길이들과의 사이의 비례적인 거리들을 불변의 차원들로서 고려하여, 그리고 포인트들 WA, WE(WE = 스위치의 시작부, WE = 스위치의 종료부) 중의 적어도 하나를 기준 포인트들로서 이용하여 수행된다.
측정 값들은 제1 기준 좌표계에 의해 위치결정될 수 있다. 기준 포인트들은 제2 기준 좌표계에 의해 위치결정될 수 있다. 제2 기준 좌표계는 통합된 기준 좌표계에 대응할 수 있다.
포인트들 WA, WM, WE는 데이터베이스를 생성할 때, 고정된 또는 분리가능한 포인트들로서 입력되고, 이것은 상기 포인트들 WA, WM, WE 사이의 거리들이 데이터베이스를 생성할 때에 불변 차원들로서 간주될 수 있는 이유이다.
예컨대, 200 개의 측정 포인트들을 결정할 때, 각각 측정 포인트들과 측정 위치들과의 사이 뿐만 아니라, 측정 위치와 각각 WA 및 WM 및 WE와의 사이의 거리들이 결정된다. 개개의 측정 값들 및 측정 위치들이 결정될 때에 결정된 거리들은 위에서 언급된 고정된 차원들에 비례적으로 관련된다.
예를 들어, 좌표 변환을 수행할 시에, WA 및 WM 사이의 중간에서 결정된 측정 위치는 WA 및 WM 사이의 중간에서의 측정 위치로서 데이터베이스 내로 입력된다. 일반적으로, 좌표 변환을 수행할 시에, 기준 포인트들 사이의 거리의 일부 상에서 결정된 측정 위치는 기준 포인트들 사이의 거리의 일부 상의 측정 위치로서 데이터베이스 내로 입력된다.
스위치 상에서 결정된 측정 값들은 데이터베이스에서 제1 레벨로서 간주될 수 있다. 데이터베이스의 제2 레벨은 철도 네트워크에 관련되고, 적어도 기준 포인트들 WA, WE를 포함한다. 2 개의 레벨들은 기준 포인트들을 이용하여, 그리고 통합된 기준 좌표계를 이용함으로써 기준 포인트들을 고정된 그리고 이에 따라, 불변의 포인트들로서 간주하여 결합될 수 있다.
2 개의 레벨들을 결합함으로써, 철도 네트워크 및 스위치를 예시적인 부분적인 영역으로서 포함하는 종합적인 모델이 생성된다.
발명의 방법의 실행은 포인트들 WA, WM, WE 사이의 개별적인 측정 거리들이 제2 레벨로 개별적으로 또는 총합하여 위치결정되는 개별적인 레벨들로서 간주될 수 있다는 것에 의해 특징될 수 있다.
Claims (17)
- 레일(rail), 자갈( ballast), 초목(vegetation), 지하수(groundwater), 레일 단면(rail cross-section), 현수선(catenary), 침목(crosstie)들, 레일을 침목에 부착하기 위한 체결기들, 현수선 마스트(catenary mast)와 같은 객체들을 포함하는 철도 선로를 기록하기 위하여 데이터베이스를 생성하기 위한 방법으로서,
제1 측정 값들은 제1 센서에 의하여 및/또는 제1 입력에 의하여 생성된 제1 측정 값 속성들 및 제1 측정 위치 속성을 포함하고, 상기 제1 측정 값들은 제1 절대 기준 좌표계 및/또는 제1 상대 기준 좌표계를 측정 위치 속성으로 이용하여 위치결정되고, 제2 측정 값들은 제2 센서에 의하여 및/또는 제2 입력에 의하여 생성된 제2 측정 값 속성들 및 제2 측정 위치 속성을 포함하고, 상기 제2 측정 값들은 제2 절대 기준 좌표계 및/또는 제2 상대 기준 좌표계를 이용하여 위치결정되고,
측정 값들은 철도 선로 또는 상기 철도 선로 상에서 통행하는 차량의 상태을 설명하고,
측정 값들 및 상기 제2 측정 값들은 이질적(heterogeneous)이고,
적어도 상기 제1 기준 좌표계 및 상기 제2 기준 좌표계는 상이하고,
임의적으로 상대 기준 좌표계 및 임의적으로 절대 기준 좌표계를 통합된 기준 좌표계로 좌표 변환을 수행함으로써,
통합된 기준 좌표계는 상기 제1 기준 좌표계 및/또는 상기 제2 기준 좌표계와는 상이하고,
상기 통합된 기준 좌표계는 적어도 하나의 기준 포인트를 포함하고,
상기 제1 측정 값들 및/또는 상기 제2 측정 값들을 포함하는 통합된 측정 값 세트를 생성함으로써,
상기 제1 측정 값들 및 상기 제2 측정 값들은 상기 데이터베이스 내에 저장되고,
측정 값 세트를 생성할 시에, 상기 측정 값들의 상기 측정 값 속성들은 상기 통합된 측정 값 세트 내의 정의된 구조로 데이터베이스 내에 저장되고,
통합된 측정 값 세트의 구조는 상기 통합된 기준 좌표계를 이용하여 상기 측정 값의 사전-위치결정(pre-localization)인 상기 측정 값 속성의 적어도 구조화된 저장을 포함하는, 방법. - 제1항에 있어서,
상기 제1 측정 방법 및 상기 제2 측정 방법은 상이한, 방법. - 제1항 내지 제2항 중 어느 한 항에 있어서,
상기 제1 생성 시간 및 상기 제2 생성 시간은 상이한, 방법. - 제1항 내지 제3항 중 어느 한 항에 있어서,
상기 제1 측정 값은 제1 생성 시간을 제1 시간적 포맷인 제1 시간적 속성으로서 포함하고,
상기 제2 측정 값은 제2 생성 시간을 제2 시간적 포맷인 제2 시간적 속성으로서 포함하고,
상기 생성 시간들의 상기 시간적 포맷은 통합된 시간적 포맷으로 계산되고, 상기 데이터베이스 내에 상기 통합된 측정 값 세트들을 저장하는 것은 상기 통합된 시간적 포맷인 상기 생성 시간을 지시하여(indicating) 행해지는, 방법. - 제1항 내지 제4항 중 어느 한 항에 있어서,
상기 통합된 기준 좌표계는 적어도 2 개의 기준 포인트들을 포함하는, 방법. - 제1항 내지 제5항 중 어느 한 항에 있어서,
상기 측정 값들은 기준 측정 값들과 비교되고,
상기 기준 측정 값들은 기준 객체에 배정되고,
상기 측정 값들 및 상기 기준 측정 값들의 정의된 유사도의 경우에, 상기 측정 값들은, 상기 기준 객체와 유사한 객체에 배정되는, 방법. - 제1항 내지 제6항 중 어느 한 항에 있어서,
상기 측정 값 세트는 기준 측정 값 세트와 비교되고,
상기 기준 측정 값 세트는 기준 객체에 배정되고,
상기 측정 값 세트 및 상기 기준 측정 값 세트의 정의된 유사도의 경우에, 상기 측정 값 세트는, 상기 기준 객체와 유사한 객체에 배정되는, 방법. - 제1항 내지 제7항 중 어느 한 항에 있어서,
상기 측정 값들의 생성 및/또는 측정 마크의 생성을 설명하는 시간적 속성은 상기 측정 값 세트에 추가되고, 상기 측정 마크는 상기 측정 값들에 의해 설명되거나 상기 측정 마크에서 상기 측정 값들이 생성되는, 방법. - 제1항 내지 제8항 중 어느 한 항에 있어서,
상기 측정 값 세트를 생성하는 시간을 설명하는 생성 시간 속성이 상기 측정 값 세트에 추가되는, 방법. - 제1항 내지 제9항 중 어느 한 항에 있어서,
상기 측정 값들을 설명하는 수학적 모델이 상기 측정 값 세트에 추가되는, 방법. - 제1항 내지 제10항 중 어느 한 항에 있어서,
상기 측정 값들은 추가의 데이터베이스로부터 및/또는 캐시(cache)로부터 판독되는, 방법. - 제1항 내지 제11항 중 어느 한 항에 있어서,
우선순위 인자(priority factor)가 상기 측정 값 세트, 또는 상기 측정 값 세트에 의해 포함된 상기 측정 값들의 각각에 지정되는, 방법. - 제1항 내지 제12항 중 어느 한 항에 있어서,
상기 제1 측정 값들 및 상기 제2 측정 값들은 서로에 대하여 비교되고, 및/또는 제1 측정 속성은 상기 복수의 제1 측정 값 속성들로부터의 추가의 제1 측정 속성에 대하여 비교되고, 및/또는
제2 측정 속성은 상기 복수의 제1 측정 값 속성들로부터의 추가의 제2 측정 속성에 대하여 비교되고, 및/또는
제1 측정 속성은 제2 측정 속성에 대하여 비교되고, 및/또는
상기 측정 값들은 기준 측정 값들에 대하여 비교되고, 및/또는
측정 값 세트는 기준 측정 값 세트에 대하여 비교되는, 방법. - 제1항 내지 제13항 중 어느 한 항에 있어서,
보충적인 제1 측정 값들은 상기 제1 측정 값들로부터 계산되거나, 보충적인 제1 측정 값 속성들은 상기 제1 측정 값 속성들로부터 계산되고, 및/또는
보충적인 제2 측정 값들은 상기 제2 측정 값들로부터 계산되거나, 보충적인 제2 측정 값 속성들은 상기 제2 측정 값 속성들로부터 계산되는, 방법. - 제1항 내지 제14항 중 어느 한 항에 있어서,
상기 개별적인 측정 값 세트들 및/또는 다수의 측정 값 세트들을 설명하는 수학적 모델이 생성되는, 방법. - 데이터베이스로서,
상기 데이터베이스는 제1항 내지 제15항 중 어느 한 항의 방법에 의해 생성되고,
상기 데이터베이스는 사용자-특정 쓰기 권한들 및 읽기 권한들을 가지는, 데이터베이스. - 제16항에 있어서,
상기 데이터베이스는 저장 매체 상에 또는 다수의 저장 매체들 상에 저장되는, 데이터베이스.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ATA50612/2020A AT524063A1 (de) | 2020-07-15 | 2020-07-15 | Verteilte und offene Datenbank zur dynamischen Erfassung des Eisenbahnstreckennetzes und dessen Gewerke |
ATA50612/2020 | 2020-07-15 | ||
PCT/AT2021/060249 WO2022011408A1 (de) | 2020-07-15 | 2021-07-14 | Verteilte und offene datenbank zur dynamischen erfassung des eisenbahnstreckennetzes und dessen gewerke |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20230038497A true KR20230038497A (ko) | 2023-03-20 |
Family
ID=77338431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020237003588A KR20230038497A (ko) | 2020-07-15 | 2021-07-14 | 철도 선로 네트워크의 동적 캡처를 위한 분산형 및 개방형 데이터베이스 및 이와 연관된 엘리먼트들 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20230286559A1 (ko) |
EP (1) | EP4182202A1 (ko) |
KR (1) | KR20230038497A (ko) |
AT (1) | AT524063A1 (ko) |
AU (1) | AU2021307470A1 (ko) |
CA (1) | CA3183675A1 (ko) |
MX (1) | MX2023000121A (ko) |
WO (1) | WO2022011408A1 (ko) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT526466A1 (de) * | 2022-08-23 | 2024-03-15 | Track Machines Connected Ges M B H | Zusammenführen von Datenbanken im Eisenbahnwesen |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005036199A2 (en) * | 2003-10-06 | 2005-04-21 | Marshall University | Railroad surveying and monitoring system |
GB2542115B (en) * | 2015-09-03 | 2017-11-15 | Rail Vision Europe Ltd | Rail track asset survey system |
AT518692B1 (de) * | 2016-06-13 | 2019-02-15 | Plasser & Theurer Exp Von Bahnbaumaschinen G M B H | Verfahren und System zur Instandhaltung eines Fahrwegs für Schienenfahrzeuge |
CN106330934A (zh) * | 2016-08-31 | 2017-01-11 | 天津南大通用数据技术股份有限公司 | 一种分布式数据库系统权限管理方法及装置 |
CN106780629A (zh) * | 2016-12-28 | 2017-05-31 | 杭州中软安人网络通信股份有限公司 | 一种三维全景数据采集、建模方法 |
CN108337915A (zh) * | 2017-12-29 | 2018-07-27 | 深圳前海达闼云端智能科技有限公司 | 三维建图方法、装置、系统、云端平台、电子设备和计算机程序产品 |
CN110871824B (zh) * | 2019-11-22 | 2021-01-15 | 武汉纵横天地空间信息技术有限公司 | 一种轨道周围环境监测方法及系统 |
-
2020
- 2020-07-15 AT ATA50612/2020A patent/AT524063A1/de unknown
-
2021
- 2021-07-14 US US18/015,973 patent/US20230286559A1/en active Pending
- 2021-07-14 EP EP21754892.4A patent/EP4182202A1/de active Pending
- 2021-07-14 CA CA3183675A patent/CA3183675A1/en active Pending
- 2021-07-14 MX MX2023000121A patent/MX2023000121A/es unknown
- 2021-07-14 KR KR1020237003588A patent/KR20230038497A/ko unknown
- 2021-07-14 AU AU2021307470A patent/AU2021307470A1/en active Pending
- 2021-07-14 WO PCT/AT2021/060249 patent/WO2022011408A1/de active Application Filing
Also Published As
Publication number | Publication date |
---|---|
EP4182202A1 (de) | 2023-05-24 |
AU2021307470A1 (en) | 2023-02-09 |
AT524063A1 (de) | 2022-02-15 |
US20230286559A1 (en) | 2023-09-14 |
WO2022011408A1 (de) | 2022-01-20 |
MX2023000121A (es) | 2023-02-09 |
CA3183675A1 (en) | 2022-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220355839A1 (en) | Monitoring, predicting and maintaining the condition of railroad elements with digital twins | |
Staniek | Road pavement condition diagnostics using smartphone-based data crowdsourcing in smart cities | |
Attoh-Okine | Big data and differential privacy: analysis strategies for railway track engineering | |
US20050183512A1 (en) | Compaction quality assurance based upon quantifying compactor interaction with base material | |
Mirtabar et al. | Development of a crowdsourcing-based system for computing the international roughness index | |
CN103530715A (zh) | 高速铁路行车固定设备网格化管理系统及管理方法 | |
US20190012627A1 (en) | Railroad engineering asset management systems and methods | |
Roghani et al. | Quantifying the impact of subgrade stiffness on track quality and the development of geometry defects | |
KR20230038497A (ko) | 철도 선로 네트워크의 동적 캡처를 위한 분산형 및 개방형 데이터베이스 및 이와 연관된 엘리먼트들 | |
KR20210056087A (ko) | 증강현실 기반 철도시설물 점검업무 관리 시스템 | |
Kite et al. | Detecting embankment instability using measurable track geometry data | |
Binder et al. | Predictive maintenance for railway domain: A systematic literature review | |
Rajab et al. | Application of image processing to measure road distresses | |
Hartung et al. | Linking building information modeling and structural health monitoring for reliable railway infrastructure | |
Coffey et al. | Haul road rolling resistance and pavement condition | |
Ebadi et al. | Defect detection of railway turnout using 3D scanning | |
Vanderwees et al. | Algorithm to Estimate the Lateral Position of Wheel-Rail Contact and Corresponding Rail Profile Radius | |
Guler et al. | The application of modern GIS technology in the development of railway asset management systems | |
Hyslip | Fractal analysis of geometry data for railway track condition assessment | |
Giorgadze | Conceptual modeling of lifecycle digital twin architecture for bridges: a data structure approach | |
Chang et al. | Successful practices for quality management of pavement surface condition data collection and analysis phase I: Task 2-document of successful practices | |
Mraz et al. | Development of a road deficiency GIS using data from automated multi-sensor systems | |
Bergquist et al. | Cleaning of railway track measurement data for better maintenance decisions | |
Laubscher et al. | Analysis and Modelling of the Track Quality Index of Railways | |
Morgado Bilheri T Carvalho | Development of relationships and trending methodologies for railroad track component and geometry data |