RU2804147C1

RU2804147C1 - Method and system for determining location of high-speed train in navigation blind zone based on meteorological parameters

Info

Publication number: RU2804147C1
Application number: RU2022129881A
Authority: RU
Inventors: Владимир Васильевич Чернявец
Original assignee: Владимир Васильевич Чернявец
Filing date: 2022-11-17
Publication date: 2023-09-26

Abstract

FIELD: railway transport.

SUBSTANCE: facilities for determining the location of trains in tunnels using meteorological parameters. The system contains sensors installed at the entrance to the tunnel to obtain meteorological parameters in the tunnel, a meteorological map generator, a control panel, a communication channel with the on-board security system of the locomotive. In this case, the sensors are made in the form of a radio meteorological complex, including a meteorological radar station, a microwave radiometer, a radial Doppler velocity detector at different antenna elevation angles, a radial wind velocity spectrum width detector, the sensors are connected to computer equipment via a pantograph - contact network communication line.

EFFECT: ability to determine the location of the train.

2 cl

Description

Настоящее изобретение относится к технологии определения местоположения для поездов в длинных и больших тоннелях и конкретно к способу и системе для определения местоположения высокоскоростного поезда в навигационной слепой зоне на основе метеорологических параметров.The present invention relates to positioning technology for trains in long and large tunnels, and specifically to a method and system for determining the location of a high-speed train in a navigation blind spot based on meteorological parameters.

В последние годы, все больше железнодорожных линий прокладывают в горной местности, например в западной области Китая. С изменениями в топографии, линии неминуемо пройдут через множество высокогорных областей, и сигналы навигационных спутников невозможно будет обнаружить в тоннелях, что будет вызывать временную потерю информации и создавать навигационные слепые зоны, ставя под угрозу безопасность движения. Точное определение местоположения поездов в тоннелях очень важно для обеспечения безопасности поездов.In recent years, more and more railway lines are being built in mountainous areas, such as in the western region of China. With changes in topography, lines will inevitably pass through many high mountainous areas, and navigation satellite signals will not be detectable in tunnels, causing temporary loss of information and creating navigation blind spots, compromising traffic safety. Accurate location of trains in tunnels is very important to ensure train safety.

В настоящее время, исследования в направлениях определения местоположения поезда в длинных и больших тоннелях (тоннелях с длиной одной шахты более 10 километров), которые являются типичными навигационными слепыми зонами, все еще находятся на предварительной стадии. Чтобы избежать слепых зон в определении местоположения и аварий при функционировании поездов, вызванных потерей сигнала, необходимо разработать устройства и способы определения местоположения, которые являются точными в определении местоположения, экономичными и простыми для реализации. Существующие способы определения местоположения поезда в тоннеле являются следующими.Currently, research towards determining the location of trains in long and large tunnels (tunnels with a single shaft length of more than 10 kilometers), which are typical navigation blind spots, is still at a preliminary stage. To avoid blind spots in positioning and train operating accidents caused by signal loss, it is necessary to develop positioning devices and methods that are accurate in positioning, economical and easy to implement. Existing methods for determining the location of a train in a tunnel are as follows.

Система симуляции навигационной информации в тоннеле получает информацию через симулятор спутникового сигнала, затем генерирует симулированную навигационную информацию и отправляет ее на целевой поезд посредством оптических кабелей, которые могут обеспечивать непрерывную навигационную и локационную симуляцию в тоннеле и достигают цели сокращения затрат и решения проблемы потери информации и временной прерывности в тоннеле. Однако требуется множество групп оптических кабелей, обязательными являются специальные условия для аппаратных средств, и требуется специальная конструкция для разных положений рельефа в реальных применениях, поэтому универсальность невысока.The tunnel navigation information simulation system receives information through the satellite signal simulator, then generates the simulated navigation information and sends it to the target train through optical cables, which can provide continuous navigation and location simulation in the tunnel, and achieve the goal of reducing costs and solving the problem of information loss and time discontinuities in the tunnel. However, many groups of optical cables are required, special hardware conditions are required, and special design is required for different terrain positions in real applications, so the versatility is low.

Путевое устройство определения местоположения поезда получает изображения путевого оборудования во время работы поезда и реализует определение местоположения поезда посредством путевого умного устройства идентификации в комбинации с электронной картой. Точность идентификации повышается с повышением частоты кадров камеры, но путевое оборудование должно быть расположено вдоль железнодорожных линий, поэтому затраты на обслуживание высоки.The trackside train location device receives images of the track equipment during train operation and realizes the location of the train through the trackside smart identification device in combination with an electronic map. Identification accuracy improves as the camera frame rate increases, but track equipment must be located along railway lines, so maintenance costs are high.

Кроме того, существуют технологии, такие как определение местоположения на основе вычисления измерения скорости и определение местоположения на основе ответа, которые также имеют проблемы низкой точности определения местоположения или высоких затрат на обслуживание. Из вышеизложенного следует, что существующие технологии для определения местоположения поездов в тоннелях являются сложными для распространения в большом регионе при обеспечении высокой точности определения местоположения (патенты CN №109738927 А, 10.05.2019 [1], CN №109828289 А, 31.05.2019 [2], JP №2018044843 А, 22.03.2018 [3], RU №2272731 C2, 27.03.2006 [4]).In addition, there are technologies such as speed measurement calculation-based positioning and response-based positioning, which also have problems of low positioning accuracy or high maintenance costs. From the above it follows that existing technologies for determining the location of trains in tunnels are difficult to spread over a large region while ensuring high location accuracy (patents CN No. 109738927 A, 05.10.2019 [1], CN No. 109828289 A, 05.31.2019 [2 ], JP No. 2018044843 A, 03.22.2018 [3], RU No. 2272731 C2, 03.27.2006 [4]).

В известном техническом решении (патент RU №2771515 С1, 05.05.2022 [5]), чтобы решить проблему, состоящую в сложности определения местоположения поезда в длинном и большом тоннеле, который является типичной навигационной слепой зоной, и уменьшить затраты на определение местоположения предложены соответствующий способ и устройство.In a well-known technical solution (RU patent No. 2771515 C1, 05.05.2022 [5]), in order to solve the problem of determining the location of a train in a long and large tunnel, which is a typical navigation blind spot, and to reduce the cost of determining the location, an appropriate method and device.

Способ для определения местоположения высокоскоростного поезда в навигационной слепой зоне на основе метеорологических параметров, включает в себя следующие этапы.A method for determining the location of a high-speed train in a navigation blind spot based on meteorological parameters includes the following steps.

Первый этап это получение метеорологических параметров тоннеля в тоннеле, когда поезд проходит, чтобы создать базу данных метеорологических параметров тоннеля.The first step is to obtain the meteorological parameters of the tunnel in the tunnel when the train passes to create a database of the meteorological parameters of the tunnel.

Второй этап это классифицирование, на основе базы данных метеорологических параметров тоннеля, групп тоннелей с аналогичными атрибутами, чтобы получить типичные выборки тоннелей каждой категории групп тоннелей.The second stage is the classification, based on the tunnel meteorological parameters database, of groups of tunnels with similar attributes in order to obtain typical samples of tunnels of each category of tunnel groups.

Третий этап это создание библиотеки шаблонов цветового пространства HSV типичной последовательности путем использования типичных выборок тоннелей.The third step is to create a library of HSV color space templates of a typical sequence by using typical tunnel samples.

Четвертый этап это обучение модели сопоставления шаблонов HSV при помощи библиотеки шаблонов цветового пространства HSV; обучение векторной машины релевантности при помощи данных той же самой категории групп тоннелей, чтобы установить модель предсказания пути в милях тоннеля.The fourth step is to train the HSV pattern matching model using the HSV color space pattern library; training a relevance vector machine using data from the same category of tunnel groups to establish a tunnel mile path prediction model.

Пятый этап это создание модели объединения модели сопоставления шаблонов HSV и модели предсказания пути в милях тоннеля, чтобы получить модель объединения предсказания пути в милях.The fifth step is to create a fusion model of the HSV pattern matching model and the tunnel mile path prediction model to obtain a fusion model of the tunnel mile path prediction.

Шестой этап это получение данных метеорологических параметров тоннеля во время функционирования поезда и вызов модели объединения предсказания пути в милях для предсказания положения поезда.The sixth step is to obtain the meteorological parameters of the tunnel during train operation and call the mileage prediction fusion model to predict the position of the train.

Данное изобретение устанавливает модель предсказания пути в милях посредством технологии анализа больших данных искусственного интеллекта. После завершения моделирования, требуются только бортовые датчики, чтобы получать входные данные без какого-либо путевого оборудования, поэтому затраты на создание и затраты на обслуживание системы уменьшаются.This invention establishes a mile path prediction model through artificial intelligence big data analysis technology. Once the simulation is completed, only on-board sensors are required to receive input data without any on-track equipment, so the system construction costs and system maintenance costs are reduced.

На первом этапе конкретный процесс создания базы данных метеорологических параметров тоннеля включает в себя: получение последовательности температуры и последовательности влажности, которые получают, когда поезд проходит через тоннель в одно время, долготы и широты области, где расположен тоннель, и предсказанных значений почасовой средней температуры, почасовой средней влажности и почасового среднего солнечного излучения, чтобы образовать группу выборок метеорологических параметров тоннеля; причем выборки метеорологических параметров тоннеля, полученные во время функционирования всех поездов в области в пределах одного года, образуют базу данных метеорологических параметров тоннеля. Процесс создания базы данных настоящего изобретения может обеспечивать достаточные данные выборок для улучшения точности предсказания модели объединения предсказания.In the first stage, the specific process of creating a database of meteorological parameters of the tunnel includes: obtaining the temperature sequence and humidity sequence that are obtained when a train passes through the tunnel at the same time, the longitude and latitude of the area where the tunnel is located, and the predicted hourly average temperature values, hourly average humidity and hourly average solar radiation to form a sample group of tunnel meteorological parameters; Moreover, samples of meteorological parameters of the tunnel, obtained during the operation of all trains in the region within one year, form a database of meteorological parameters of the tunnel. The database creation process of the present invention can provide sufficient sample data to improve the prediction accuracy of the prediction fusion model.

Второй этапа включает в себя преобразование координат широты и долготы области, где расположен тоннель, в координаты плоскости; нормализацию метеорологических параметров тоннеля, причем обработанные координаты широты и долготы и метеорологические параметры тоннеля формируют набор входных атрибутов грубой классификации на категории тоннелей; выполнение упорядочивания вывода выборок групп тоннелей с входными атрибутами грубой классификации на категории тоннелей в качестве объектов посредством алгоритма OPTICS и сравнение расстояний достижимости выборок в последовательности после упорядочивания с установленным параметром ε расстояния окрестности, причем последовательные выборки, расстояния достижимости которых меньше, чем установленный параметр ε расстояния окрестности в последовательности, образуют кластер выборок; получение центра кластера каждого кластера выборок и выборок ближайших к центру кластера, который соответствуют обработанной долготе и широте, и соответствуют обработанным метеорологическим параметрам тоннеля; определение центра кластера и выборок в качестве репрезентативных выборок текущей категории групп тоннелей, причем эти выборки в репрезентативных выборках являются типичными выборками тоннеля текущей категории групп тоннелей.The second stage involves converting the latitude and longitude coordinates of the area where the tunnel is located into plane coordinates; normalization of meteorological parameters of the tunnel, wherein the processed latitude and longitude coordinates and meteorological parameters of the tunnel form a set of input attributes for rough classification into tunnel categories; performing ordering of the output of samples of tunnel groups with input attributes of coarse classification into categories of tunnels as objects by means of the OPTICS algorithm and comparing the reachability distances of the samples in the sequence after ordering with a set neighborhood distance parameter ε, with successive samples whose reachability distances are less than the set distance parameter ε neighborhoods in the sequence form a cluster of samples; obtaining the cluster center of each cluster of samples and samples closest to the cluster center, which correspond to the processed longitude and latitude, and correspond to the processed meteorological parameters of the tunnel; defining the cluster center and samples as representative samples of the current category of tunnel groups, and these samples in the representative samples are typical tunnel samples of the current category of tunnel groups.

Посредством вышеописанного процесса реализуется грубая классификация групп тоннелей с аналогичными атрибутами.Through the above process, a rough classification of tunnel groups with similar attributes is realized.

Конкретный процесс реализации второго этапа включает в себя: выполнение зеркального расширения на временной последовательности температуры и последовательности влажности, когда поезд проходит через тоннель, в кластере выборок, чтобы преобразовать последовательность температуры и последовательность влажности в кластере выборок в последовательности, длины которых равны соответственным длинам самых длинных выборок; установку времени задержки и длины окна и выполнение реконструкции фазового пространства на последовательностях температуры и влажности с соответственными самыми длинными длинами выборок посредством способа координат задержки, чтобы получить двумерную матрицу реконструкции, представляющую характеристики развития температуры и влажности; ввод двумерной матрицы реконструкции в обучающий автокодер, чтобы получить набор атрибутов признака глубины для дополнительной классификации; получение центра кластера каждого кластера выборок вторичной кластеризации и выборок, ближайших к центру кластера, посредством набора атрибутов признака глубины в качестве входа в соответствии с процессом на этапе; определение центра кластера и выборок в качестве репрезентативных выборок вторичной кластеризации текущей категории групп тоннелей, причем выборки в репрезентативных выборках вторичной кластеризации являются типичными выборками тоннеля текущей категории групп тоннелей.The specific process for implementing the second stage involves: performing mirror expansion on the temperature time sequence and humidity sequence as the train passes through the tunnel in the sample cluster to transform the temperature sequence and humidity sequence in the sample cluster into sequences whose lengths are equal to the corresponding lengths of the longest samples; setting a delay time and a window length and performing a phase space reconstruction on the temperature and humidity sequences with the respective longest sample lengths via a delay coordinate method to obtain a two-dimensional reconstruction matrix representing the evolution characteristics of the temperature and humidity; inputting the two-dimensional reconstruction matrix into the training autoencoder to obtain a set of depth feature attributes for further classification; obtaining the cluster center of each cluster of secondary clustering samples and the samples closest to the cluster center by setting the depth feature attributes as an input according to the process in the step; defining the cluster center and samples as representative samples of the secondary clustering of the current category of tunnel groups, and the samples in the representative samples of the secondary clustering are typical samples of the tunnel of the current category of tunnel groups.

Процесс реализации вышеописанного второго этапа реализует точную классификацию групп тоннелей, которая может обеспечивать, что данные последующей библиотеки шаблонов цветового пространства HSV являются более точными, тем самым улучшая точность предсказания модели объединения предсказания.The implementation process of the above second step realizes accurate classification of tunnel groups, which can ensure that the subsequent HSV color space template library data is more accurate, thereby improving the prediction accuracy of the prediction fusion model.

На третьем этапе, конкретный процесс реализации создания библиотеки шаблонов цветового пространства HSV типичной последовательности путем использования типичных выборок тоннеля включает в себя: использование последовательностей параметров температуры и влажности, которые находятся в типичных выборках и варьируются в зависимости от пути в милях тоннеля, как шаблонов последовательности соответствующей категории групп тоннелей, установку времени задержки и длины окна, выполнение реконструкции фазового пространства на временных последовательностях температуры, влажности и разности температур посредством способа координат задержки, чтобы получить три двумерные матрицы реконструкции, представляющие характеристики развития температуры и влажности, и комбинирование трех двумерных матриц реконструкции в соответствии с цветовым пространством HSV, чтобы сформировать цветное изображение, то есть, получают изображение шаблона в библиотеке шаблонов цветового пространства HSV типичной последовательности. Эта реализация создает двумерные матрицы реконструкции посредством температуры, влажности и разности температур, поэтому процесс вычисления прост.In the third stage, the specific process of implementing the creation of a library of HSV color space templates of a typical sequence by using typical tunnel samples includes: using sequences of temperature and humidity parameters that are in typical samples and vary depending on the tunnel mile path as sequence templates of the corresponding categories of tunnel groups, setting the delay time and window length, performing phase space reconstruction on the time sequences of temperature, humidity and temperature difference through the delay coordinate method to obtain three two-dimensional reconstruction matrices representing the development characteristics of temperature and humidity, and combining the three two-dimensional reconstruction matrices into according to the HSV color space to form a color image, that is, a template image in the HSV color space template library of a typical sequence is obtained. This implementation creates two-dimensional reconstruction matrices via temperature, humidity, and temperature difference, so the computation process is simple.

На четвертом этапе, конкретный процесс реализации обучающей модели сопоставления шаблонов HSV включает в себя сбор точек текущей выборки во временных последовательностях температуры, влажности и разности температур и N точек выборок перед точками текущей выборки; установку времени задержки и длины окна, выполнение реконструкции фазового пространства посредством способа координат задержки, чтобы получить три двумерные матрицы реконструкции, представляющие характеристики развития температуры и влажности, и комбинирование трех матриц в соответствии с цветовым пространством HSV, чтобы сформировать изображение признака текущего положения; выполнение операции свертки на изображении признака текущего положения и изображении шаблона в библиотеке шаблонов цветового пространства HSV типичной последовательности, чтобы получить множество одномерных последовательностей; сортировку элементов во всех одномерных последовательностях в убывающем порядке, чтобы определить число наибольших элементов в качестве элементов-кандидатов, причем положения, соответствующие элементам-кандидатам до сортировки, являются положениями-кандидатами; получение значений пути в милях, соответствующих положениям-кандидатам; усреднение всех значений пути в милях, соответствующих всем положениям-кандидатам, чтобы получить текущую выходную последовательность модели сопоставления шаблонов HSV.In the fourth step, the specific process of implementing the HSV pattern matching training model includes collecting current sample points in the time sequences of temperature, humidity, and temperature difference and N sample points before the current sample points; setting the delay time and window length, performing phase space reconstruction by the delay coordinate method to obtain three two-dimensional reconstruction matrices representing the development characteristics of temperature and humidity, and combining the three matrices according to the HSV color space to generate a current position feature image; performing a convolution operation on the current position feature image and the template image in the HSV color space template library of the representative sequence to obtain a plurality of one-dimensional sequences; sorting the elements in all one-dimensional sequences in descending order to determine the number of largest elements as candidate elements, wherein the positions corresponding to the candidate elements before sorting are the candidate positions; obtaining path values in miles corresponding to candidate positions; averaging all path values in miles corresponding to all candidate positions to obtain the current output sequence of the HSV pattern matching model.

С помощью вышеописанного процесса можно определить положение наилучшего совпадения для текущего положения поезда в библиотеке шаблонов, и можно дополнительно улучшить точность предсказания.By using the above process, the best matching position for the current position of the train in the template library can be determined, and the prediction accuracy can be further improved.

На четвертом этапе, конкретный процесс реализации обучения векторной машины релевантности, чтобы установить модель предсказания пути в милях тоннеля, включает в себя определение входных выборок причем одна из выборок является временной последовательностью температуры точки текущей выборки, и предыдущих М точек выборок в тоннеле, вторая выборка является последовательностью влажности точки текущей выборки и предыдущих N точек выборок в тоннеле, и t₀, h₀ и r₀ являются соответственно предсказанными значениями почасовой средней температуры, почасовой средней влажности и почасового среднего солнечного излучения, полученных от метеорологической станции; определение выходной выборки как значения пути в милях, соответствующего текущему положению, причем комбинации входа и выхода составляют выборки моделирования; выбор М выборок моделирования для каждой группы тоннелей одной и той же категории; разделение случайным образом М выборок моделирования на обучающий набор, набор верификации и тестовый набор; выполнение двоичного кодирования на признаке каждой размерности во входных выборках; когда кодовое значение, соответствующее признаку определенной размерности, равно 1, выбор признака в качестве входной переменной модели RVM; когда кодовое значение признака определенной размерности равно 0, отбрасывание признака этой размерности; определение новых входных признаков на основе кодовых значений текущих признаков, обновление обучающего набора, набора верификации и тестового набора, обучение модели RVM при помощи данных обновленного обучающего набора, и ввод данных обновленного набора верификации в обученную модель RVM, чтобы получить выходную последовательность причем М₁=0,3 М; повторение третьего этапа и четвертого этапа, чтобы определить оптимальные входные признаки и модель RVM, которая минимизирует целевую функцию оптимизации, причем модель RVM является моделью предсказания пути в милях тоннеля; причем является действительным выходным значением в наборе верификации.In the fourth step, the specific process of implementing relevance vector machine training to establish a tunnel mile path prediction model involves defining input samples, wherein one of the samples is the time sequence of the temperature of the current sample point, and the previous M sample points in the tunnel, the second sample is the humidity sequence of the current sample point and the previous N sample points in the tunnel, and t ₀ , h ₀ and r ₀ are respectively the predicted values of the hourly average temperature, hourly average humidity and hourly average solar radiation received from the meteorological station; defining an output sample as a path value in miles corresponding to the current position, wherein combinations of input and output constitute the simulation samples; selecting M simulation samples for each group of tunnels of the same category; randomly dividing M modeling samples into a training set, a verification set and a test set; performing binary encoding on a feature of each dimension in the input samples; when the code value corresponding to a feature of a certain dimension is 1, selecting the feature as an input variable of the RVM model; when the code value of a feature of a certain dimension is 0, discarding the feature of this dimension; determining new input features based on the code values of the current features, updating the training set, verification set and test set, training the RVM model using the data from the updated training set, and inputting the updated verification set data into the trained RVM model to obtain an output sequence where M ₁ = 0.3 M; repeating the third step and the fourth step to determine optimal input features and an RVM model that minimizes the optimization objective function, the RVM model being a tunnel mile path prediction model; and is the actual output value in the verification set.

Векторная машина релевантности (RVM) используется, чтобы получать модель предсказания пути в милях тоннеля, которая может улучшить точность предсказания модели предсказания пути в милях тоннеля.Relevance vector machine (RVM) is used to obtain the tunnel mileage prediction model, which can improve the prediction accuracy of the tunnel mileage prediction model.

Модель объединения модели сопоставления шаблонов HSV и модели предсказания пути в милях тоннеля представляет является выходной последовательностью, полученной после того, как данные тестового набора введены в модель предсказания пути в милях тоннеля и является реальным выходным результатом в тестовом наборе и является выходной последовательностью, полученной после того, как тестовый набор введен в модель сопоставления шаблонов HSV.The model combining the HSV pattern matching model and the tunnel mile path prediction model represents is the output sequence obtained after the test set data is input into the tunnel mile path prediction model and is the real output result in the test set and is the output sequence obtained after , how the test set is entered into the HSV pattern matching model.

На шестом этапе, конкретный процесс реализации предсказания положения поезда включает в себя: вычисление входных векторов модели RVM точек текущей выборки и подстановку входных векторов модели RVM в целевую модель, чтобы получить выходное значение модели предсказания пути в милях тоннеля; получение входных значений модели сопоставления шаблонов HSV точек текущей выборки и подстановку ее в модель сопоставления шаблонов HSV, чтобы получить выходное значение модели сопоставления шаблонов HSV; подстановку выходного значения модели предсказания пути в милях тоннеля и выходного значения модели сопоставления шаблонов HSV в модель объединения предсказания пути в милях тоннеля, чтобы получить окончательный результат предсказания положения поезда; причем целевой шаблон относится к модели, обученной при целевом кластере выборок вторичной кластеризации; целевой кластер выборок вторичной кластеризации относится к кластеру выборок, соответствующему минимальному значению между точкой текущей выборки и репрезентативными выборками вторичной кластеризации, подчиненному всем кластерам выборок первичной кластеризации; целевые кластеры выборок первичной кластеризации относятся к кластерам выборок, соответствующим минимальному значению между точкой текущей выборки и всеми репрезентативными выборками кластеризации; репрезентативные выборки кластеризации относятся к выборкам в кластере выборок, и кластер выборок относится к кластеру выборок, состоящему из последовательных выборок в последовательности, полученной путем выполнения упорядочивания вывода выборок групп тоннелей с входными атрибутами грубой классификации на категории тоннелей как объектов и посредством алгоритма OPTICS, значение выборки в последовательных выборках, которая находится между расстоянием достижимости и установленным параметром расстояния окрестности, меньше, чем параметр е расстояния окрестности.In the sixth step, the specific process of implementing train position prediction includes: calculating the input vectors of the RVM model of the current sample points, and substituting the input vectors of the RVM model into the target model to obtain the output value of the track prediction model in tunnel miles; obtaining input values of the HSV pattern matching model of the points of the current sample and substituting it into the HSV pattern matching model to obtain an output value of the HSV pattern matching model; substituting the output value of the tunnel mile path prediction model and the output value of the HSV pattern matching model into the tunnel mile path prediction fusion model to obtain a final train position prediction result; wherein the target template refers to the model trained on the target cluster of secondary clustering samples; the target secondary clustering sample cluster refers to the sample cluster corresponding to the minimum value between the current sampling point and the representative secondary clustering samples subordinate to all primary clustering sample clusters; target primary clustering sample clusters refer to the sample clusters corresponding to the minimum value between the current sample point and all representative clustering samples; representative clustering samples refer to the samples in a cluster of samples, and a cluster of samples refers to a cluster of samples consisting of successive samples in a sequence obtained by performing output ordering of samples of tunnel groups with input attributes of coarse classification into categories of tunnels as objects and, through the OPTICS algorithm, the value of the sample in successive samples, which lies between the reachability distance and the established neighborhood distance parameter, is less than the neighborhood distance parameter e.

Изобретение [5] дополнительно обеспечивает систему для определения местоположения высокоскоростного поезда в навигационной слепой зоне на основе метеорологических параметров, включающую в себя датчики, установленные на поезде, для получения метеорологических параметров в тоннеле; причем датчики осуществляют связь с компьютерным оборудованием; и компьютерное оборудование запрограммировано или сконфигурировано, чтобы выполнять этапы способа.The invention [5] further provides a system for locating a high-speed train in a navigation blind spot based on meteorological parameters, including sensors mounted on the train to obtain meteorological parameters in a tunnel; wherein the sensors communicate with the computer equipment; and the computer equipment is programmed or configured to perform the method steps.

По сравнению с предшествующим уровнем техники [1-4] изобретение [5] имеет следующие полезные результаты.Compared with the prior art [1-4], the invention [5] has the following useful results.

Изобретение полностью использует технологию анализа больших данных искусственного интеллекта, в полной мере исследует потенциальные закономерности изменений параметров среды тоннеля в зависимости от глубины тоннеля и решает проблему сложности в определении местоположения поезда в длинном и большом тоннеле, который является типичной навигационной слепой зоной, с точки зрения моделирования на основе данных.The invention fully utilizes artificial intelligence big data analysis technology, fully explores the potential patterns of changes in tunnel environmental parameters depending on the tunnel depth, and solves the problem of difficulty in determining the location of a train in a long and large tunnel, which is a typical navigation blind spot from a modeling perspective based on data.

После завершения моделирования, изобретение требует только использования бортовых датчиков температуры и влажности, чтобы получать входные данные без какого-либо путевого оборудования, тем самым уменьшая затраты на создание системы и затраты на обслуживание.Once the simulation is completed, the invention only requires the use of on-board temperature and humidity sensors to receive input data without any track equipment, thereby reducing system construction costs and maintenance costs.

Однако, известное техническое решение [5], принятое в качестве прототипа обладает и рядом недостатков.However, the known technical solution [5], adopted as a prototype, also has a number of disadvantages.

Измерение метеорологических параметров (температуры и влажности) выполняют при прохождении тоннеля высокоскоростным поездом, посредством метеостанции, установленной в регионе расположения тоннеля, что позволяет использовать зарегистрированную информацию только при составлении метеорологических карт для использования их в будущем.Meteorological parameters (temperature and humidity) are measured when a high-speed train passes through a tunnel, using a weather station installed in the region where the tunnel is located, which allows the recorded information to be used only when compiling meteorological maps for future use.

Последовательность температуры и последовательность влажности, полученные, когда поезд проходит через тоннель в одно время, широта и долгота области и предсказанные значения почасовой средней температуры, почасовой средней влажности и почасового среднего солнечного излучения составляют группу выборок метеорологических параметров тоннеля. Выборки метеорологических параметров тоннеля, полученные во время функционирования всех поездов в области в течение одного года, составляют базу данных метеорологических параметров тоннеля.The temperature sequence and humidity sequence obtained when a train passes through the tunnel at one time, the latitude and longitude of the area, and the predicted values of hourly average temperature, hourly average humidity, and hourly average solar radiation constitute a sample group of tunnel meteorological parameters. Samples of meteorological parameters of the tunnel, obtained during the operation of all trains in the region for one year, constitute a database of meteorological parameters of the tunnel.

Ввиду того, что метеорологическая информация может существенно меняться даже в течение относительно короткого времени, то данное техническое решение не является оперативным средством определения метеорологической информации в целях обеспечения безопасности движения высокоскоростного поезда в протяженных тоннелях.Due to the fact that meteorological information can change significantly even over a relatively short time, this technical solution is not an operational means of determining meteorological information in order to ensure the safety of high-speed trains in long tunnels.

Задачей предлагаемого технического решения является повышение безопасности движения высокоскоростных поездов при прохождении ими тоннелей.The objective of the proposed technical solution is to improve the safety of high-speed trains when passing through tunnels.

Поставленная задача решается за счет того, что в способе для определения местоположения высокоскоростного поезда в навигационной слепой зоне на основе метеорологических параметров, содержащий этапы: получения метеорологических параметров тоннеля в тоннелях, когда поезд проходит, чтобы создать базу данных метеорологических параметров тоннеля; классификации, на основе базы данных метеорологических параметров тоннеля, групп тоннелей с аналогичными атрибутами, чтобы получить типичные образцы тоннеля каждой категории групп тоннелей; создание библиотеки шаблонов цветового пространства HSV типичной последовательности путем использования типичных выборок тоннеля; обучение векторной машины релевантности при помощи данных той же самой категории групп тоннелей, чтобы установить модель предсказания пути в милях тоннеля; обучение модели сопоставления шаблонов HSV при помощи библиотеки шаблонов цветового пространства HSV; создание модели объединения модели сопоставления шаблонов HSV и модели предсказания пути в милях тоннеля, чтобы получить модель объединения предсказания пути в милях тоннеля; и получение данных метеорологических параметров тоннеля во время функционирования поезда и вывод модели объединения предсказания пути в милях тоннеля, чтобы предсказать положение поезда в тоннелях, в отличие от прототипа, получение метеорологических параметров тоннеля выполняют заранее на подходе поезда к тоннелю, при этом дополнительно выявляют наличие гидрометеоров на всем протяжении тоннеля посредством радиотехнического метеорологического комплекса, установленного на входе в тоннель, а в системе для определения местоположения высокоскоростного поезда в навигационной слепой зоне на основе метеорологических параметров, содержащей датчики для получения метеорологических параметров в тоннеле; причем датчики осуществляют связь с компьютерным оборудованием; и компьютерное оборудование запрограммировано или сконфигурировано, чтобы исполнять этапы способа для определения местоположения высокоскоростного поезда в навигационной слепой зоне на основе метеорологических параметров, в отличие от прототипа, датчики для получения метеорологических параметров в тоннеле выполнены в виде радиотехнического метеорологического комплекса, включающего метеорологическую радиолокационную станцию, СВЧ-радиометр, определитель радиальных доплеровских скоростей при различных углах места антенны, определитель ширины спектра радиальных скоростей ветра, формирователь метеорологических карт, устройство позиционирования, пульт управления, канал связи с бортовой системой безопасности локомотива, датчики осуществляют связь с компьютерным оборудованием по линии связи, выполненной по системе пантограф - контактная сеть.The problem is solved due to the fact that in a method for determining the location of a high-speed train in a navigation blind spot based on meteorological parameters, comprising the steps of: obtaining meteorological parameters of a tunnel in tunnels when the train passes in order to create a database of meteorological parameters of the tunnel; classifying, based on a database of tunnel meteorological parameters, groups of tunnels with similar attributes in order to obtain typical tunnel patterns of each category of tunnel groups; creating a library of typical sequence HSV color space templates by using typical tunnel samples; training a relevance vector machine using data from the same category of tunnel groups to establish a tunnel mile path prediction model; train an HSV pattern matching model using the HSV color space pattern library; creating a fusion model of the HSV pattern matching model and the tunnel mile path prediction model to obtain a fusion model of the tunnel mile path prediction; and obtaining data on the meteorological parameters of the tunnel during the operation of the train and deducing a model for combining the prediction of the path in tunnel miles in order to predict the position of the train in the tunnels, unlike the prototype, obtaining the meteorological parameters of the tunnel is performed in advance on the approach of the train to the tunnel, while additionally identifying the presence of hydrometeors along the entire length of the tunnel through a radio-technical meteorological complex installed at the entrance to the tunnel, and in a system for determining the location of a high-speed train in the navigation blind zone based on meteorological parameters, containing sensors for obtaining meteorological parameters in the tunnel; wherein the sensors communicate with the computer equipment; and the computer equipment is programmed or configured to execute the steps of a method for determining the location of a high-speed train in a navigation blind spot based on meteorological parameters, unlike the prototype, the sensors for obtaining meteorological parameters in the tunnel are made in the form of a radio-technical meteorological complex, including a weather radar station, microwave -radiometer, determiner of radial Doppler velocities at different antenna elevation angles, determiner of the spectrum width of radial wind speeds, meteorological map generator, positioning device, control panel, communication channel with the on-board safety system of the locomotive, sensors communicate with computer equipment via a communication line made via pantograph system - contact network.

В качестве датчика измерения метеорологических параметров в тоннелях большой протяженности используется радиометеорологическая станция (РМС), которая устанавливается на входе в тоннель или непосредственно на высокоскоростном поезде. Установка РМС на входе в тоннель более предпочтительна, так как в этом варианте машинист высокоскоростного поезда будет предупрежден заранее о существовании неблагоприятных участков.As a sensor for measuring meteorological parameters in long-distance tunnels, a radio meteorological station (RMS) is used, which is installed at the entrance to the tunnel or directly on a high-speed train. Installing an RMS at the entrance to the tunnel is more preferable, since in this option the driver of a high-speed train will be warned in advance about the existence of unfavorable sections.

РМС представляет собой доплеровскую радиолокационную станцию с одновременной двойной поляризацией, в которой используется радиочастотный делитель мощности, заменяющий быстродействующие переключатели двух поляризаций, при этом критические компоненты приемника в основании радиолокатора перенесены выше вращающегося угломестного соединителя, используется также обходной переключатель для переключения режимов радиолокационной станции и специальная конструкция для приема сигналов с двумя поляризациями, позволяющая осуществлять экономичный сбор данных о коэффициентах деполяризации для выбранных атмосферных областей.The RMS is a simultaneous dual-polarization Doppler radar that uses an RF power divider to replace high-speed dual-polarization switches, relocates critical receiver components in the radar base above the rotating elevation connector, uses a bypass switch to switch radar modes, and is specially designed for receiving dual-polarization signals, allowing cost-effective collection of depolarization coefficient data for selected atmospheric regions.

При этом РМС также содержит СВЧ-радиометр, определитель радиальных доплеровских скоростей при различных углах места антенны, определитель ширины спектра радиальных скоростей ветра, формирователь метеорологических карт, канал связи с бортовой системой безопасности поезда, устройство позиционирования и пульт управления, размещенный в кабине машиниста.At the same time, the RMS also contains a microwave radiometer, a determiner of radial Doppler velocities at different antenna elevation angles, a determiner of the spectrum width of radial wind speeds, a meteorological map generator, a communication channel with the on-board train safety system, a positioning device and a control panel located in the driver's cabin.

Использование двойной поляризации позволяет улучшить разрешение отражательной способности жидких гидрометеоров.The use of dual polarization improves the resolution of liquid hydrometeor reflectivity.

Связь с бортовой системой безопасности поезда может осуществляться по линии индуктивной связи через систему интервального регулирования движения поездов или посредством системы пантограф - контактная сеть, расположенная над высокоскоростным поездом.Communication with the on-board train safety system can be carried out via an inductive communication line through a train interval control system or through a pantograph system - a contact network located above a high-speed train.

В конкретном исполнении предлагаемое устройство представляет собой малогабаритный доплеровско-поляриметрический метеорологический радиолокатор (МДПМР), который предназначен для обеспечения пользователей информацией о явлениях погоды в окружающем пространстве путем ею дистанционного зондирования методами активной и пассивной радиолокации, преимущественно в условиях повышенной влажности. Посредством МДПМР выполняют обнаружение и определение координат опасных явлений погоды (сильного ветра, зон повышенной турбулентности и влажности, потенциального обледенения, электроактивных зон); определение радиолокационной отражаемости метеообразований, в том числе и кристаллических, в горизонтальном слое внутреннего окружающего пространства тоннеля; измерение поляризационных характеристик метеорологических образований; определение радиальных доплеровских скоростей при различных углах места антенны; определение ширины спектра радиальных скоростей ветра; определение водозапаса; оценку водности облаков и осадков; прием, накопление, обработка радиолокационной информации; классификация обнаруженных метеоявлений по типам; документирование и архивирование результатов наблюдений; формирование и передача информации потребителям; обзор подстилающей поверхности. В МДПМР предусмотрены два режима работы: «Отражаемость» - для определения радиолокационной отражаемости целей и их поляризационные характеристики и «Скорость» - для определения средней радиальной скорости и ширины спектра скоростей гидрометеоров.In a specific design, the proposed device is a small-sized Doppler-polarimetric weather radar (DDPMR), which is designed to provide users with information about weather phenomena in the surrounding space through remote sensing using active and passive radar methods, mainly in conditions of high humidity. Using MDPMR, they detect and determine the coordinates of dangerous weather phenomena (strong wind, zones of increased turbulence and humidity, potential icing, electroactive zones); determination of the radar reflectivity of meteorological formations, including crystalline ones, in the horizontal layer of the internal surrounding space of the tunnel; measurement of polarization characteristics of meteorological formations; determination of radial Doppler velocities at different antenna elevation angles; determining the width of the spectrum of radial wind speeds; determination of water reserves; assessment of water content of clouds and precipitation; reception, accumulation, processing of radar information; classification of detected weather phenomena by type; documenting and archiving observation results; generation and transmission of information to consumers; overview of the underlying surface. The MDPMR provides two operating modes: “Reflectivity” - for determining the radar reflectivity of targets and their polarization characteristics and “Speed” - for determining the average radial speed and the width of the speed spectrum of hydrometeors.

Конструктивно МДПМР состоит из двух основных систем радиолокационного устройства (РЛУ) и пульта управления. Радиолокационное устройство состоит из антенны, передатчика, приемника с системой первичной обработки сигналов, СВЧ-радиометра, системы управления антенной и измерения ее угловых координат, устройства позиционирования РЛУ, радиопрозрачного укрытия (РПУ). Основные характеристики РЛУ: частота несущего колебания - 9345 (-20…+30) МГц, метеорологический потенциал РЛУ при работе в однополяризационном режиме не хуже 273 дБ/м. Антенна обеспечивает раздельные прием и излучение горизонтально и вертикально поляризованных волн. Тип диаграммы направленности антенны - игольчатый шириной не более 1,5°, в горизонтальной и вертикальной плоскостях на уровне 0,5 по мощности. Уровень развязки поляризационных составляющих не хуже 30 дБ. Уровень боковых лепестков антенны не хуже -30 дБ. Допускается иметь уровень первого бокового лепестка не хуже -27 дБ. Уровень кросс-поляризационной составляющей в излученном сигнале не более -32 дБ. Частота повторения зондирующих импульсов передатчика 10 обеспечивает максимальную однозначно определяемую дальность цели 150 км в режиме «Отражаемость» и 75 км в режиме «Скорость». Максимальное однозначно измеряемое значение радиальной скорости цели в режиме «Скорость» - 35 м/с. Разрешающая способность по дальности не хуже 600 м. Приемник имеет два канала для приема каждой из поляризационных составляющих. Динамический диапазон приемника 5 не менее 90 дБ. Предусмотрено введение в приемный тракт дополнительного затухания на 30 дБ для возможности измерять радиолокационную отражаемость, выходящую за возможности приемника по динамическому диапазону. Первичная обработка принимаемых сигналов заключается в подавлении отражений от конструктивных элементов тоннеля не менее чем на 45 дБ, подавлении несинхронной помехи не менее чем на 30 дБ, подавлении сигнала точечной цели не менее чем на 30 дБ, вычислении для каждого разрешаемого объема в каждом коническом разрезе мощности отражений и средней частоты спектра. При этом предусмотрена процедура распознавания двухмодального спектра и выбора для дальнейшего анализа одной из составляющих его частей с выдачей информации о наступлении данной ситуации. СВЧ-радиометр предназначен для оценивания в каждом элементе разрешения антенны по азимуту радиояркостной температуры атмосферы с точностью не более ±10% в диапазоне от 3 до 350 К. СВЧ-радиометр встраивается в приемный тракт ДМРМ таким образом, чтобы вносимые им искажения в работу последнего были минимальны. Коэффициент шума СВЧ-радиометра составляет не более 1.5 дБ. Частота настройки СВЧ-радиометра составляет 9,5±0,8 ГГц. Чувствительность (при постоянной усреднения 1 с) не хуже 0,05 К. Система управления антенной и измерения ее угловых координат обеспечивает автоматическое сканирование антенны в горизонтальной плоскости в пределах от 0° до 360° со скоростью, изменяемой в пределах от 0 до 36 град/с, программно управляемое позиционирование луча антенны в вертикальной плоскости в пределах от минус 5° до плюс 45°. При этом точность измерения угловых координат антенны в обеих плоскостях не хуже ±0,15°, точность задания скорости вращения антенны в горизонтальной плоскости не более ±5 град/с, максимально допустимое время установки антенны в заданное положение по углу места -не более 3 с. Устройство позиционирования РЛУ содержит средства автоматического определения координат расположения РЛУ посредством инерциального навигационного модуля. Устройство позиционирования обеспечивает горизонтирование и ориентирование РЛУ на новой позиции и периодическую проверку его положения. При этом интервал рабочих углов при горизонтировании изделия ±10°, точность установки углов не хуже ±0.1°. Размер радиопрозрачного укрытия (РПУ) согласован с размером отражателя антенны с тем, чтобы элементы крепления устройства не попадали в область раскрытия диаграммы направленности антенны. Суммарное ослабление, вносимое радиопрозрачным укрытием на прием и передачу, не превышает в сухом состоянии 0,5 дБ, при выпадении осадков с интенсивностью до 10 мм/ч - 3 дБ. РПУ состоит из одной цельной части и выдерживает ветровую нагрузку в 50 м/с. Пульт управления предназначен для управления работой РЛУ. контроля рабочих характеристик МДПМР, вторичной обработки поступающей от РЛУ информации, визуализации получаемых данных, архивации получаемой информации, организации процесса обмена информацией и включает пульт оператора на основе ПЭВМ, специальное программное обеспечение, канал связи с РЛУ. Пульт управления состоит из процессора (тактовая частота не менее 2.6 ГГц, объем оперативной памяти не менее 2 Гбайт, жесткий диск с объемом памяти не менее 320 Гбайт, 4-х USB портов, DVD-RW), монитора с размером экрана не менее 15,4'' клавиатуры, манипулятора липа «мышь», вторичного источника питания, технических средств связи для обеспечения процесса обмена информацией. Специальное программное обеспечение (СПО) выдает в РЛУ следующие команды: включение и выключение РЛУ; включение и выключение передатчика РЛУ; отключения излучения СВЧ энергии на заданных оператором углах антенны для предотвращения облучения находящихся в данном направлении объектов: задание скорости вращения антенны в горизонтальной плоскости; установка луча антенны на заданную величину по азимуту и углу места; старт и остановка сканирования антенны в горизонтальной плоскости; переключение режимов работы РЛУ («Отражаемость», «Скорость»); переключение режимов измерения поляриметрических характеристик; включение и отключение дополнительного затухания в приемном тракте; перевода РЛУ из походного положения в рабочее и обратно; включение и выключение дополнительных устройств системы обеспечения температурных режимов; выбор канат связи; включение и отключение системы пожаротушения; срабатывание системы пожаротушения; включение и отключение автономного источника питания; выбор варианта электропитания РЛУ. Для контроля рабочих характеристик МДПМР СПО обеспечивает получение информации от встроенных контрольно-измерительных приборов и контролировать нахождение выдаваемых ими данных в заданных пределах. Контролю подлежать следующие параметры: импульсная мощность в каждом поляризационном канале; длительность излучаемого импульса; уровень шумов приемника; коэффициент усиления приемника; коэффициент усиления радиометра; горизонтальность положения РЛУ; правильность ориентирования РЛУ по сторонам свела; температура внутри РПУ; задымленность внутри РПУ. В случае выхода хотя бы одного из параметров за допустимые пределы оператору должны выдаются соответствующие визуальный и звуковой сигналы. Для вторичной обработки информации СПО проводит расчет по поступающей от РЛУ информации о параметрах с учетом констант МДПМР, коррекцию данных на расстояние, ослабление в осадках, показатель преломления радиоволн и изменение потенциала радиолокатора, обнаружение по существующим методикам явлений погоды, формирование из данных, поступивших от приемника, объемных файлов информации, предназначенных для построения с их помощью карт и другой визуальной информации. Для визуализации получаемых данных СПО формирует и выводит на экран и/или на печать по запросу оператора следующие карты: распределения отражаемости в размерности дБZ в выбранных горизонтальных слоях окружающего пространства с шагом 1 км в интервале от 1 до 16 км с разрешением 5-10 дБ в диапазоне от -30 до 60 дБ; максимума отражаемости в размерности дБZ в слое выше 1 км с разрешением 5-10 дБ в диапазоне от -30 до 60 дБ с нанесением на нее знаков опасных явлений погоды; распределения отражаемости в размерности дБZ с разрешением 5-10 дБ в диапазоне от -30 до 60 дБ в вертикальной плоскости в участке метеоцели и направлении расположения вертикальной плоскости, выбираемых оператором; распределения в горизонтальной плоскости верхней границы облачности с разрешением 1 км в диапазоне от 1 до 16 км; интенсивности осадков в мм/час с представлением результатов измерений по неравномерной шкале с отсчетами 0,05; 0,2; 0,5; 1,00; 2,00; 3,00; 5,00; 7,00; 10,00; 20,00; 30,00; 50,00; 70,00; уровня осадков за установленный период времени от 1 до 24 ч в мм с разрешением и в диапазоне, равным разрешению и диапазону измерения интенсивности осадков, умноженных на количество выбранных часов; опасных явлений погоды из следующего состава: слабые, умеренные и ливневые осадки, гроза, град, смерч, шквал, зоны обледенения летательных аппаратов, зоны сдвига ветра, зоны повышенной турбулентности, электроопасные зоны; восстановленного горизонтального ветра в слоях от 1 до 16 км с шагом в 1 км в м/с с разрешением 5 м/с по величине и ±10° по направлению; поляризационных характеристик, перечень и требования к картам пространственного распределения которых определяются на этапе эскизного проекта; распределения радиальных скоростей по поверхности конического разреза, проведенного при постоянном значении угла места антенны, в м/с с разрешением 5 м/с в диапазоне от -35 до +35 м/с; ширины спектра радиальных скоростей по поверхности конического разреза, проведенного при постоянном значении угла места антенны, в м/с с разрешением 0,5 м/с в диапазоне от 0 до 6 м/с; вертикального профиля ветра в м/с с разрешением 5 м/с; распределения водности по коническому разрезу в интервале от 0 до 10 г/м³. Также выдается информация о скорости и направлении перемещения гидромстеоров. В перечисленных картах значения параметров обозначаются в цветовых градациях с возможностью выбора палитры. Размеры ячейки пространственного разрешения представления информации составляют 1 км × 1 км. Для точки расположения курсора на экране выводится следующая информация: географические координаты точки; полярные координаты точки относительно местоположения радиолокатора; полярные координаты точки относительно заранее выбранного объекта; карта распределения максимума отражаемости на участке размером 10×10 км; распределение отражаемости в вертикальной плоскости на участке ±10 км, расположенной в задаваемом оператором направлении; график изменения отражаемости по высоте; значения максимальной отражаемости, отражаемости на высотах нулевой изотермы и изотерм -10° и -22°. Также предусмотрен режим определения полярных координат точки относительно другой выбранной оператором точки. Вывод на экран пульта управления одной из перечисленных и выбранной оператором карты, полученной на основе только что принятого объемного файла происходит автоматически. По выбору оператора выводится на экран карты на основе любого хранящегося в архиве объемного файла. Также предусмотрен режим «мультипликации», заключающийся в последовательном выводе на экран карт, сформированных на основе данных, полученных в выбранный оператором отрезок времени. СПО обеспечивает архивацию следующей получаемой информации: объемных файлов информации, поступивших из приемника; карт, переданных потребителям информации; журнала наблюдений с фиксацией в нем времени начала и окончания обзора, количества сформированных файлов, сообщений аппаратуры контроля параметров, выбранных режимов работы аппаратуры. Вся подлежащая архивации информация хранится на жестком диске оператора в течение не менее 30 календарных суток. По истечении этого срока основная информация переносится на жесткий диск в раздел подготовки к долговременному хранению и накапливается за интервал времени не менее 92 суток. По истечении этого срока информация может быть перенесена персоналом на долговременный носитель для формирования архива данных.Structurally, the MDPMR consists of two main systems: a radar unit (RLU) and a control panel. The radar device consists of an antenna, a transmitter, a receiver with a primary signal processing system, a microwave radiometer, a system for controlling the antenna and measuring its angular coordinates, an RLU positioning device, and a radio-transparent shelter (RPU). The main characteristics of the RLU: carrier frequency - 9345 (-20...+30) MHz, the meteorological potential of the RLU when operating in a single-polarization mode is no worse than 273 dB/m. The antenna provides separate reception and emission of horizontally and vertically polarized waves. The type of antenna pattern is needle-shaped with a width of no more than 1.5°, in the horizontal and vertical planes at a power level of 0.5. The isolation level of polarization components is no worse than 30 dB. The antenna side lobe level is no worse than -30 dB. It is allowed to have a level of the first side lobe no worse than -27 dB. The level of the cross-polarization component in the emitted signal is no more than -32 dB. The repetition rate of transmitter probe pulses 10 provides a maximum uniquely determined target range of 150 km in the “Reflectivity” mode and 75 km in the “Speed” mode. The maximum uniquely measured value of the target's radial speed in the "Speed" mode is 35 m/s. The range resolution is no worse than 600 m. The receiver has two channels for receiving each of the polarization components. The dynamic range of receiver 5 is not less than 90 dB. It is possible to introduce 30 dB of additional attenuation into the receiving path to make it possible to measure radar reflectivity that exceeds the dynamic range capabilities of the receiver. Primary processing of received signals consists of suppressing reflections from structural elements of the tunnel by at least 45 dB, suppressing non-synchronous interference by at least 30 dB, suppressing a point target signal by at least 30 dB, calculating power for each resolved volume in each conical section reflections and the average frequency of the spectrum. In this case, a procedure is provided for recognizing a bimodal spectrum and selecting one of its constituent parts for further analysis, providing information about the occurrence of this situation. The microwave radiometer is designed to estimate the azimuth resolution of the radio brightness temperature of the atmosphere in each element of the antenna with an accuracy of no more than ±10% in the range from 3 to 350 K. The microwave radiometer is built into the receiving path of the DMRM in such a way that the distortions it introduces into the operation of the latter are minimal. The noise figure of the microwave radiometer is no more than 1.5 dB. The tuning frequency of the microwave radiometer is 9.5±0.8 GHz. Sensitivity (with an averaging constant of 1 s) is not worse than 0.05 K. The antenna control system and measurement of its angular coordinates ensures automatic scanning of the antenna in the horizontal plane in the range from 0° to 360° with a speed variable in the range from 0 to 36 deg/ c, software-controlled positioning of the antenna beam in the vertical plane ranging from minus 5° to plus 45°. At the same time, the accuracy of measuring the angular coordinates of the antenna in both planes is no worse than ±0.15°, the accuracy of setting the antenna rotation speed in the horizontal plane is no more than ±5 degrees/s, the maximum permissible time for installing the antenna in a given position in elevation is no more than 3 s . The RLU positioning device contains means for automatically determining the coordinates of the RLU location using an inertial navigation module. The positioning device ensures leveling and orientation of the radio unit at a new position and periodic checking of its position. At the same time, the interval of working angles when leveling the product is ±10°, the accuracy of setting angles is no worse than ±0.1°. The size of the radio-transparent shelter (RPC) is coordinated with the size of the antenna reflector so that the device’s mounting elements do not fall into the area of the antenna’s radiation pattern. The total attenuation introduced by the radio-transparent shelter for reception and transmission does not exceed 0.5 dB in a dry state, and 3 dB during precipitation with an intensity of up to 10 mm/h. The RPU consists of one solid part and can withstand a wind load of 50 m/s. The control panel is designed to control the operation of the RLU. control of the operating characteristics of the MDPMR, secondary processing of information received from the RLU, visualization of the received data, archiving of the received information, organization of the information exchange process and includes a PC-based operator console, special software, and a communication channel with the RLU. The control panel consists of a processor (clock frequency of at least 2.6 GHz, RAM capacity of at least 2 GB, hard drive with a memory capacity of at least 320 GB, 4 USB ports, DVD-RW), a monitor with a screen size of at least 15, 4'' keyboard, Linden mouse manipulator, secondary power supply, technical means of communication to ensure the information exchange process. Special software (SPO) issues the following commands to the RLU: turning the RLU on and off; turning on and off the RLU transmitter; turning off microwave energy radiation at antenna angles specified by the operator to prevent irradiation of objects located in a given direction: setting the speed of rotation of the antenna in the horizontal plane; setting the antenna beam to a given value in azimuth and elevation; start and stop scanning of the antenna in the horizontal plane; switching RLU operating modes (“Reflectivity”, “Speed”); switching modes for measuring polarimetric characteristics; enabling and disabling additional attenuation in the receiving path; transferring the radio control unit from the traveling position to the working position and vice versa; turning on and off additional devices of the temperature control system; choice of communication cable; turning on and off the fire extinguishing system; activation of the fire extinguishing system; turning on and off the autonomous power source; selection of RLU power supply option. To monitor the operating characteristics of the MDPMR, the open source software provides information from the built-in instrumentation and monitors whether the data they produce is within specified limits. The following parameters are subject to control: pulse power in each polarization channel; duration of the emitted pulse; receiver noise level; receiver gain; radiometer gain; horizontal position of the RLU; the correct orientation of the RLU on the sides was brought together; temperature inside the control unit; smoke inside the control unit. If at least one of the parameters exceeds acceptable limits, the operator must be given appropriate visual and audio signals. For secondary processing of information, the software carries out calculations based on information received from the RLU about parameters, taking into account the MDPMR constants, correction of data for distance, attenuation in precipitation, refractive index of radio waves and changes in radar potential, detection of weather phenomena using existing methods, formation from data received from the receiver , large information files intended for constructing maps and other visual information using them. To visualize the received data, the software generates and displays and/or prints the following maps at the operator’s request: reflectivity distributions in dBZ dimensions in selected horizontal layers of the surrounding space with a step of 1 km in the range from 1 to 16 km with a resolution of 5-10 dB in range from -30 to 60 dB; maximum reflectivity in dBZ dimension in a layer above 1 km with a resolution of 5-10 dB in the range from -30 to 60 dB with signs of dangerous weather phenomena applied to it; reflectivity distributions in dBZ dimensions with a resolution of 5-10 dB in the range from -30 to 60 dB in the vertical plane in the area of the weather target and the direction of the vertical plane, selected by the operator; distributions in the horizontal plane of the cloud top with a resolution of 1 km in the range from 1 to 16 km; precipitation intensity in mm/hour with presentation of measurement results on an uneven scale with readings of 0.05; 0.2; 0.5; 1.00; 2.00; 3.00; 5.00; 7.00; 10.00; 20.00; 30.00; 50.00; 70.00; precipitation level for a specified period of time from 1 to 24 hours in mm with a resolution and in a range equal to the resolution and range of measurement of precipitation intensity multiplied by the number of selected hours; dangerous weather phenomena from the following composition: light, moderate and heavy precipitation, thunderstorm, hail, tornado, squall, aircraft icing zones, wind shear zones, zones of increased turbulence, electrical hazardous zones; reconstructed horizontal wind in layers from 1 to 16 km with a step of 1 km in m/s with a resolution of 5 m/s in magnitude and ±10° in direction; polarization characteristics, the list and requirements for spatial distribution maps of which are determined at the preliminary design stage; distribution of radial velocities over the surface of a conical section made at a constant antenna elevation angle, in m/s with a resolution of 5 m/s in the range from -35 to +35 m/s; the width of the spectrum of radial velocities along the surface of a conical section made at a constant antenna elevation angle, in m/s with a resolution of 0.5 m/s in the range from 0 to 6 m/s; vertical wind profile in m/s with a resolution of 5 m/s; distribution of water content along a conical section in the range from 0 to 10 g/ ^m3 . Information about the speed and direction of movement of the hydraulic steors is also provided. In the listed maps, parameter values are indicated in color gradations with the ability to select a palette. The dimensions of the spatial resolution cell for information presentation are 1 km × 1 km. For the cursor location point, the following information is displayed on the screen: geographic coordinates of the point; polar coordinates of the point relative to the radar location; polar coordinates of the point relative to a pre-selected object; map of the distribution of maximum reflectivity over an area of 10×10 km; distribution of reflectivity in the vertical plane over an area of ±10 km, located in the direction specified by the operator; graph of reflectivity changes with height; values of maximum reflectivity, reflectivity at heights of the zero isotherm and isotherms -10° and -22°. There is also a mode for determining the polar coordinates of a point relative to another point selected by the operator. The display of one of the maps listed and selected by the operator, obtained on the basis of the just received large file, is displayed automatically on the control panel screen. At the operator's choice, a map is displayed on the screen based on any large file stored in the archive. An “animation” mode is also provided, which consists of sequential display of maps generated on the basis of data received in a period of time selected by the operator. The software provides archiving of the following information received: large files of information received from the receiver; cards transmitted to information consumers; observation log with recording in it the start and end time of the review, the number of generated files, messages from parameter control equipment, and selected operating modes of the equipment. All information subject to archiving is stored on the operator’s hard drive for at least 30 calendar days. After this period, the main information is transferred to the hard drive in the preparation section for long-term storage and accumulated over a period of at least 92 days. After this period, the information can be transferred by personnel to durable media to create a data archive.

Для организации процесса обмена информацией в СПО включены программные средства для организации следующих каналов обмена информацией: между пультом оператора и РЛУ для транслирования в одну сторону команд управления и технической и получаемой метеорологической информации в другую; между пультом оператора и центром сбора данных для передачи объемных файлов информации и карт распределения метеопараметров в кодах HDF5, FM-94 BUFR, FM-20 (RADOB); между пультом оператора и потребителями информации для передачи карт распределения метеопараметров в кодах HDF5, FM-94 BUFR, FM-20 (RADOB); для ввода географических карт местности и/или иной информации для формирования карт местности, на которой ведутся наблюдения из различных источников, включая интернет; для ввода аэрологической информации. Технические средства обслуживают как проводные, так и любые иные линии связи, включая спутниковые. На случай невозможности организации автоматического ввода географической и аэрологической информации имеются средства ее ручного ввода. Вспомогательное оборудование включает в себя контрольно-измерительную аппаратуру; систему обеспечения тепловых режимов; противопожарную систему; систему энергообеспечения; систему предотвращения несанкционированного доступа.To organize the information exchange process, the open source software includes software for organizing the following information exchange channels: between the operator console and the RLU for broadcasting control commands in one direction and technical and received meteorological information in the other; between the operator console and the data collection center for the transfer of large information files and distribution maps of meteorological parameters in HDF5, FM-94 BUFR, FM-20 (RADOB) codes; between the operator console and information consumers for transmitting maps of distribution of meteorological parameters in HDF5, FM-94 BUFR, FM-20 (RADOB) codes; to enter geographic maps of the area and/or other information to generate maps of the area where observations are made from various sources, including the Internet; to enter aerological information. Technical means serve both wired and any other communication lines, including satellite ones. In case it is impossible to organize automatic entry of geographic and aerological information, there are means of manual entry. Auxiliary equipment includes instrumentation and control equipment; system for ensuring thermal conditions; fire protection system; energy supply system; unauthorized access prevention system.

СПО также содержит буферную память опорных изображений и буфер текущего изображения. Система распознавания изображений построена на основе серийной системы типа BEORG SMART VISION.The software also contains a reference image buffer memory and a current image buffer. The image recognition system is based on a serial system such as BEORG SMART VISION.

Преимущества практических конструкций станций с одновременной двойной поляризацией существенны. Они дают намного больше информации о гидрометеорах, позволяя определять полную матрицу рассеяния и корректировать частичное затенение луча посредством дифференциально-фазовых методов, обеспечивают улучшенную оценку дождевых осадков и улучшенную классификацию гидрометеоров.The advantages of practical station designs with simultaneous dual polarization are significant. They provide much more information about hydrometeors, allowing the determination of the full scattering matrix and the correction of partial ray occlusion using differential phase methods, providing improved rainfall estimation and improved classification of hydrometeors.

При использовании лазерного лидара во внутреннее пространство тоннеля посылают линейно поляризованное лазерное излучение. Рассеянное в обратном направлении излучение от гидрометеоров с помощью поляризационного анализатора расщепляют на два пучка со взаимно ортогональной поляризацией, одна из которых параллельна плоскости линейной поляризации зондирующего лазерного излучения. Затем берут отношение этих двух лидарных сигналов и определяют степень деполяризации лидарного сигнала, по величине которой судя т о фазовой структуре гидрометеоров (жидкокапельное, кристаллическое, смешанное).When using a laser lidar, linearly polarized laser radiation is sent into the interior of the tunnel. The backscattered radiation from hydrometeors is split by a polarization analyzer into two beams with mutually orthogonal polarization, one of which is parallel to the linear polarization plane of the probing laser radiation. Then the ratio of these two lidar signals is taken and the degree of depolarization of the lidar signal is determined, the magnitude of which is used to judge the phase structure of hydrometeors (liquid-droplet, crystalline, mixed).

Лазерный лидар содержит источник поляризационного лазерного излучения, поворотную четвертьволновую фазовую кварцевую пластинку, а также расположенный в непосредственной близости от источника лазерного излучения приемный оптический телескоп. На оптической оси телескопа установлен поляризационный расщепитель - анализатор, разделяющий световой пучок на два с взаимно ортогональной поляризацией, плоскость одной из которых параллельна плоскости поляризации исходного лазерного излучения. На пути световых поляризованных пучков установлены два фотодетектора для регистрации лидарных сигналов, подключенные к системе управления, регистрации и обработки информации, которая также подключена для управления к лазерному источнику и поворотной четвертьволновой фазовой пластинке.The laser lidar contains a source of polarization laser radiation, a rotating quarter-wave phase quartz plate, and a receiving optical telescope located in close proximity to the source of laser radiation. A polarization splitter is installed on the optical axis of the telescope - an analyzer that divides the light beam into two with mutually orthogonal polarization, the plane of one of which is parallel to the plane of polarization of the original laser radiation. In the path of polarized light beams, two photodetectors are installed for recording lidar signals, connected to a control, recording and information processing system, which is also connected for control to a laser source and a rotating quarter-wave phase plate.

Лазерный лидар работает следующим образом. Система управления выдает управляющую команду на запуск лазера и поворотную фазовую пластину. В начальный момент времени быстрая ось фазовой пластинки устанавливается под нулевым утлом к плоскости референции. От лазерного источника линейно поляризованное излучение поступает на фазовую пластинку, которая не меняет исходную форму поляризации излучения, поскольку установлена под нулевым углом. Пройдя фазовую пластинку, излучение направляется во внутреннее пространство тоннеля. Рассеянное гидрометерами в обратном направлении излучение поступает на вход приемного телескопа, где собирается в узкий световой пучок и направляется на поляризационный расщепитель - анализатор. В этом качестве используется поляризационная призма Волластона, ориентированная таким образом, чтобы на выходе получались два взаимно-ортогональных поляризационных пучка, один из которых параллелен плоскости поляризации зондирующего излучения.Laser lidar works as follows. The control system issues a control command to start the laser and rotate the phase plate. At the initial moment of time, the fast axis of the phase plate is established at a zero angle to the reference plane. From the laser source, linearly polarized radiation enters the phase plate, which does not change the original shape of the polarization of the radiation, since it is installed at zero angle. After passing through the phase plate, the radiation is directed into the interior of the tunnel. The radiation scattered by hydrometers in the opposite direction arrives at the input of the receiving telescope, where it is collected into a narrow light beam and directed to a polarization splitter - analyzer. For this purpose, a Wollaston polarization prism is used, oriented in such a way that the output produces two mutually orthogonal polarization beams, one of which is parallel to the polarization plane of the probing radiation.

Ортогональные поляризационные компоненты светового пучка поступают на вход фотодетекторов, где оптические сигналы преобразуются в электрические, которые затем поступают одновременно на вход системы управления для оцифровки, которая в дальнейшем осуществляет операцию деления друг на друга амплитуд сигналов от облачного образования, тем самым определяя величину степени деполяризации лидарного сигнала при зондировании атмосферы лазерным излучением с линейной поляризацией. При этом заканчивается первый цикл зондирования гидрометеоров.The orthogonal polarization components of the light beam are supplied to the input of photodetectors, where optical signals are converted into electrical ones, which are then simultaneously supplied to the input of the control system for digitization, which further carries out the operation of dividing the amplitudes of the signals from the cloud formation into each other, thereby determining the degree of depolarization of the lidar signal when probing the atmosphere with laser radiation with linear polarization. This ends the first cycle of hydrometeor sounding.

Затем осуществляется второй цикл измерений. Система управления выдает команду на поворотную фазовую пластинку, которая устанавливается под углом 45 градусов к плоскости референции, а также на запуск источника лазерного излучения.Then the second cycle of measurements is carried out. The control system issues a command to the rotating phase plate, which is installed at an angle of 45 degrees to the reference plane, as well as to launch the laser radiation source.

От источника излучения линейно поляризованное излучение поступает на фазовую пластинку, где преобразуется в циркулярно-поляризованное и направляется во внутренние пространство тоннеля на гидрометеоры.From the radiation source, linearly polarized radiation enters the phase plate, where it is converted into circularly polarized radiation and directed into the interior of the tunnel towards hydrometeors.

Рассеянное о т гидрометеоров в обратном направлении излучение поступает на вход приемного телескопа и затем обработка лидарного сигнала осуществляется аналогично предыдущему первому циклу.The radiation scattered from hydrometeors in the opposite direction arrives at the input of the receiving telescope and then the processing of the lidar signal is carried out similarly to the previous first cycle.

По окончании второго цикла зондирования кристаллического облака в системе обработки вычисляется степень деполяризации лидарного сигнала при зондировании атмосферы лазерным излучением с круговой поляризацией. Далее в системе управления, регистрации и обработки информации осуществляется вычисление отношения значений степени деполяризации при зондировании с круговой и линейной поляризацией, по значению которого судят о наличии областей с гидрометеорами с преимущественной ориентацией кристаллических частиц.At the end of the second cycle of probing the crystalline cloud, the processing system calculates the degree of depolarization of the lidar signal when probing the atmosphere with laser radiation with circular polarization. Next, in the control, registration and information processing system, the ratio of the values of the degree of depolarization during sounding with circular and linear polarization is calculated, the value of which is used to judge the presence of areas with hydrometeors with a predominant orientation of crystalline particles.

При этом сигнал связи наземной базовой станции передается через кабель связи, сигнал связи поступает на конец передачи сигнала наземной базовой станции, модулируется и спаривается с линией, а затем накладывается на линию электропередачи высокоскоростной железнодорожной контактной сети и передается на конец приема сигнала наземной базовой станции, расположенный в верхней части высокоскоростного железнодорожного поезда, после спаривания и фильтрации модулированный сигнал отфильтровывается из линии электропередачи, а затем демодулируется и восстанавливается в сигнал данных, и после того, как сигнал высокоскоростного железнодорожного поезда передан на конец передачи сигнала высокоскоростного железнодорожного поезда, расположенный в верхней части высокоскоростного железнодорожного поезда, он модулируется и спаривается с линией и, наконец, накладывается на линию электропередачи в пантографе, передается на конец приема сигнала высокоскоростного железнодорожного поезда наземной станции по линии электропередачи, после спаривания и фильтрации модулированный сигнал отфильтровывается из линии электропередачи, а затем демодулируется и восстанавливается в сигнал данных, и восстановленный сигнал данных передается обратно на наземную базовую станцию по кабелю связи.In this case, the communication signal of the ground base station is transmitted through the communication cable, the communication signal is received at the signal transmission end of the ground base station, modulated and paired with the line, and then superimposed on the power line of the high-speed railway catenary, and transmitted to the signal reception end of the ground base station located at the top of the high-speed rail train, after pairing and filtering, the modulated signal is filtered from the power line, and then demodulated and reconstructed into a data signal, and after the high-speed rail train signal is transmitted to the transmission end of the high-speed rail train signal located at the top of the high-speed railway train, it is modulated and coupled with the line, and finally superimposed on the power line in the pantograph, transmitted to the receiving end of the high-speed railway train signal of the ground station through the power line, after pairing and filtering, the modulated signal is filtered from the power line, and then demodulated and reconstructed into a data signal, and the recovered data signal is transmitted back to the ground base station via a communications cable.

При вступлении поезда в границы линии индуктивной связи информация об измеренных метеорологических параметрах, а также о скорости движения высокоскоростного поезда в тоннеле передается в систему интервального регулирования движения поездов через бортовую систему безопасности локомотива.When a train enters the boundaries of the inductive communication line, information about the measured meteorological parameters, as well as the speed of the high-speed train in the tunnel, is transmitted to the interval train control system through the on-board safety system of the locomotive.

Описание варианта осуществления предлагаемого технического решения.Description of an embodiment of the proposed technical solution.

Вариант осуществления настоящего изобретения обеспечивает способ для определения местоположения высокоскоростного поезда в навигационной слепой зоне, который, в частности, включает в себя следующие этапы (при этом этапы 1-6 аналогичны этапам прототипа).An embodiment of the present invention provides a method for locating a high-speed train in a navigation blind spot, which specifically includes the following steps (steps 1-6 being the same as the prototype).

Этап 1. Получение метеорологических параметров тоннеля и создание базы данных метеорологических параметров тоннеля. Временные последовательности температуры, влажности и пути в милях в тоннеле, когда поезд проходит, получают в реальном времени посредством датчиков с интервалом дискретизации 0,1 с. Широту и долготу текущего положения и предсказанные значения почасовой средней температуры, почасовой средней влажности и почасового среднего солнечного излучения получают от метеорологической станции в области, где расположен тоннель. Последовательность температуры и последовательность влажности, полученные, когда поезд проходит через тоннель в одно время, широта и долгота области и предсказанные значения почасовой средней температуры, почасовой средней влажности и почасового среднего солнечного излучения составляют группу выборок метеорологических параметров тоннеля. Выборки метеорологических параметров тоннеля, полученные во время функционирования всех поездов в области в течение одного года, составляют базу данных метеорологических параметров тоннеля.Stage 1. Obtaining meteorological parameters of the tunnel and creating a database of meteorological parameters of the tunnel. Time sequences of temperature, humidity, and distance in miles in the tunnel as the train passes are obtained in real time through sensors with a sampling interval of 0.1 s. The latitude and longitude of the current position and the predicted values of hourly average temperature, hourly average humidity and hourly average solar radiation are obtained from the meteorological station in the area where the tunnel is located. The temperature sequence and humidity sequence obtained when a train passes through the tunnel at one time, the latitude and longitude of the area, and the predicted values of hourly average temperature, hourly average humidity, and hourly average solar radiation constitute a sample group of tunnel meteorological parameters. Samples of meteorological parameters of the tunnel, obtained during the operation of all trains in the region for one year, constitute a database of meteorological parameters of the tunnel.

Этап 2. Мульти-масштабная иерархическая классификация метеорологических параметров тоннеля. Па основе базы данных метеорологических параметров тоннеля, классификация на категории множества типов атрибутов, множества масштабов признаков и множества уровней выполняется с использованием последовательности температуры и последовательности влажности, полученных при прохождении через тоннель, широты и долготы области и предсказанных значений почасовой средней температуры, почасовой средней влажности и почасового среднего солнечного излучения (соответственно соответствующих почасовой средней температуре, почасовой средней влажности и почасовом) среднему солнечному излучению, то есть почасовых средних значений) в качестве входной информации, чтобы реализовать классификацию групп тоннелей со сходными атрибутами. При этом координаты широты и долготы преобразуются в координаты плоскости посредством отношения конверсии сферических координат. Преобразованные долгота и широта, почасовая средняя температура, почасовая средняя влажность и почасовое среднее солнечное излучение нормализуются, чтобы сформировать набор входных атрибутов грубой классификации на категории тоннелей.Stage 2. Multi-scale hierarchical classification of meteorological parameters of the tunnel. Based on the tunnel's meteorological parameter database, categorization of multiple attribute types, multiple feature scales, and multiple levels is performed using the temperature sequence and humidity sequence obtained while passing through the tunnel, the latitude and longitude of the area, and the predicted values of hourly average temperature, hourly average humidity and hourly average solar irradiance (respectively corresponding to hourly average temperature, hourly average humidity and hourly average solar irradiation, that is, hourly averages) as input information to realize the classification of groups of tunnels with similar attributes. In this case, latitude and longitude coordinates are converted into plane coordinates using the spherical coordinate conversion ratio. The transformed longitude and latitude, hourly average temperature, hourly average humidity, and hourly average solar irradiance are normalized to form a set of input attributes for coarse classification into tunnel categories.

Исходный параметр расстояния окрестности устанавливается в 0,1, исходный параметр MinPts количества соседних выборок устанавливается в 5, и упорядочивание вывода выборок групп тоннелей выполняется с входными атрибутами грубой классификации на категории тоннелей в качестве объектов посредством алгоритма OPTICS (упорядочивание точек, чтобы идентифицировать структуру кластеризации). Расстояния достижимости (расстояние достижимости, понятие, определяемое алгоритмом OPTIC, является минимальным значением из расстояния до ядра и евклидова расстояния, см. https://blog.csdn.net/han1202012/article/details/105936710) выборок в последовательности сравниваются с установленным параметром s расстояния окрестности, и последовательные выборки, расстояния достижимости которых меньше, чем установленное значение в последовательности, образуют кластер выборок. Получают центр кластера каждого кластера выборок и выборок, ближайших к центру кластера. Центр кластера и выборок определяются как репрезентативные выборки текущей категории.Initial parameter the neighborhood distance is set to 0.1, the initial parameter MinPts of the number of neighboring samples is set to 5, and the output ordering of the tunnel group samples is performed with the input coarse classification attributes into tunnel categories as objects through the OPTICS (Ordering Points to Identify Clustering Structure) algorithm. The reachability distances (reachability distance, a concept defined by the OPTIC algorithm, is the minimum value of the kernel distance and the Euclidean distance, see https://blog.csdn.net/han1202012/article/details/105936710) of the samples in the sequence are compared with the set parameter s neighborhood distances, and successive samples whose reachability distances are less than a set value in the sequence form a sample cluster. The cluster center of each cluster of samples and the samples closest to the cluster center are obtained. The cluster center and samples are defined as representative samples of the current category.

Каждый кластер выборок, полученный на основе набора входных атрибутов грубой классификации на категории тоннелей, дополнительно классифицируется. Конкретно, этап включает в себя следующие подэтапы: Зеркальное расширение выполняется на временной последовательности температуры и последовательности влажности, когда поезд проходит через тоннель, в кластере выборок, чтобы преобразовать последовательность температуры и последовательность влажности в кластере выборок в последовательности, длины которых равны соответственным самым длинным длинам выборок. Время задержки установлено в 1, длина окна установлена в 5, и реконструкция фазового пространства выполняется на последовательности температуры и последовательности влажности посредством способа координат задержки, чтобы получить двумерную матрицу реконструкции, представляющую характеристики развития температуры и влажности. Матрица реконструкции выборок вводится в обучающий автокодер, чтобы получить набор атрибутов признака глубины для дополнительной классификации. Центр кластера каждого кластера выборок вторичной кластеризации и 5 выборок, ближайших к центру кластера, получают при помощи набора атрибутов признака глубины в качестве входа в соответствии с процессом на предыдущем этапе. Центр кластера и 5 выборок определяются как репрезентативные выборки вторичной кластеризации текущей категории.Each cluster of samples obtained from a set of input attributes of coarse classification into tunnel categories is further classified. Specifically, the stage includes the following sub-stages: Mirror expansion is performed on the temperature time sequence and humidity sequence as the train passes through the tunnel in the sample cluster to transform the temperature sequence and humidity sequence in the sample cluster into sequences whose lengths are equal to the respective longest sample lengths. The delay time is set to 1, the window length is set to 5, and phase space reconstruction is performed on the temperature sequence and humidity sequence by the delay coordinate method to obtain a two-dimensional reconstruction matrix representing the development characteristics of temperature and humidity. The sample reconstruction matrix is fed into the training autoencoder to obtain a set of depth feature attributes for additional classification. The cluster center of each secondary clustering sample cluster and the 5 samples closest to the cluster center are obtained by using the depth feature attribute set as input according to the process in the previous step. The cluster center and 5 samples are defined as representative samples of the secondary clustering of the current category.

Этап 3. Создание библиотеки шаблонов цветового пространства HSV (цветовой тон, насыщенность, значение) типичной последовательности 5 выборок тоннеля, ближайших к центру кластера, соответствующих группе в каждой категории групп тоннелей, используются как типичные выборки тоннеля в этой категории. Последовательности параметров температуры и влажности, варьирующиеся в зависимости от пути в милях тоннеля в типичных выборках, используются как последовательности шаблона этой категории, время задержки установлено в 1, длина окна составляет 5, реконструкция фазового пространства выполняется на временных последовательностях температуры, влажности и разности температур посредством способа координат задержки, чтобы получить три двумерные матрицы реконструкции, представляющие характеристики развития температуры и влажности, и три матрицы комбинируются в соответствии с цветовым пространством HSV, чтобы сформировать цветное изображение, то есть, изображение шаблона ƒ_i, i=1, 2…5.Step 3: Create a library of HSV (Hue, Saturation, Value) color space templates of a typical sequence of 5 tunnel samples closest to the cluster center corresponding to a group in each tunnel group category are used as typical tunnel samples in that category. Sequences of temperature and humidity parameters varying along the tunnel miles in typical samples are used as template sequences of this category, the delay time is set to 1, the window length is 5, phase space reconstruction is performed on the time sequences of temperature, humidity and temperature difference by delay coordinate method to obtain three two-dimensional reconstruction matrices representing the development characteristics of temperature and humidity, and the three matrices are combined according to the HSV color space to form a color image, that is, a pattern image ƒ _i , i=1, 2...5.

Этап 4. Обучение модели сопоставления шаблонов HSV. Па основе точки выборки текущего положения и последовательностей предыдущих выборок, выполняются реконструкция фазового пространства и комбинация цветового пространства HSV, чтобы создать изображение признака текущего положения. Корреляции между модулем признака текущего положения и изображениями в библиотеке шаблонов вычисляются, чтобы определить положение наилучшего совпадения для текущего положения в библиотеке шаблонов. Этот процесс включает в себя следующие этапы: выполняется сбор точки текущей выборки и точек предыдущих 19 выборок во временных последовательностях температуры, влажности и разности температур; время задержки установлено в 1, длина окна установлена в 5, реконструкция фазового пространства выполняется посредством способа координат задержки, чтобы получить три двумерные матрицы реконструкции, представляющие характеристики развития температуры и влажности, и три матрицы комбинируются в соответствии с цветовым пространством HSV, чтобы сформировать изображение признака текущего положения h; операция свертки выполняется на изображении признака текущего положения и изображениях в библиотеке шаблонов, причем каждое g_i является одномерной последовательностью; элементы во всех последовательностях g_i сортируются в убывающем порядке, чтобы определить 5 наибольших элементов в качестве элементов-кандидатов, причем положения, соответствующие элементам-кандидатам до сортировки, являются положениями-кандидатами, и значениями пути в милях, соответствующими положениям-кандидатам, являются , j=1, 2…5; среднее значение значений пути в милях, соответствующих положениям-кандидатам, определяется как текущее выходное значение модели сопоставления шаблонов.Step 4: Train the HSV pattern matching model. Based on the current position sample point and the sequences of previous samples, phase space reconstruction and a combination of HSV color space are performed to create a feature image of the current position. Correlations between the current position feature module and the images in the template library are calculated to determine the best match position for the current position in the template library. This process includes the following steps: the current sample point and the previous 19 sample points are collected in time sequences of temperature, humidity and temperature difference; the delay time is set to 1, the window length is set to 5, the phase space reconstruction is performed by the delay coordinate method to obtain three two-dimensional reconstruction matrices representing the development characteristics of temperature and humidity, and the three matrices are combined according to the HSV color space to form a feature image current position h; the convolution operation is performed on the current position feature image and the images in the template library, each g _i being a one-dimensional sequence; the elements in all sequences g _i are sorted in descending order to determine the 5 largest elements as candidate elements, where the positions corresponding to the candidate elements before sorting are the candidate positions, and the path values in miles corresponding to the candidate positions are , j=1, 2…5; the average of the path mile values corresponding to the candidate positions is defined as the current output value of the template matching model.

Этап 5. Обучение модели распознавания RVM. Векторную машину релевантности (RVM) обучают при помощи данных одной и той же категории групп тоннелей, последовательности температуры, последовательности влажности, почасовой средней температуры, почасовой средней влажности и почасового среднего солнечного излучения в качестве входа и данных пути в милях в текущем тоннеле в качестве выхода, чтобы установить модель предсказания пути в милях тоннеля. В результате выполнения этапа 5 выводится оптимизированная модель предсказания. Повторные операции оптимизации выполняются посредством двоичного "алгоритма кита", чтобы определить оптимальные входные признаки, и модели RVM, причем модель RVM является моделью RVM предсказания пути в милях тоннеля.Stage 5. Training the RVM recognition model. A Relevance Vector Machine (RVM) is trained using data of the same category of tunnel groups, temperature sequence, humidity sequence, hourly average temperature, hourly average humidity and hourly average solar irradiance as input and mileage data in the current tunnel as output. to set the tunnel mile path prediction model. The result of step 5 is an optimized prediction model. Iterative optimization operations are performed by a binary "whale algorithm" to determine optimal input features and an RVM model, the RVM model being a tunnel mile path prediction RVM model.

Этап 6. Создание модели объединения сопоставления шаблона HSV и распознавания RVM. Данные тестового набора подставляют в модель RVM предсказания пути в милях тоннеля, чтобы получить выходную последовательность модели.Step 6: Create a model for combining HSV pattern matching and RVM recognition. The test set data is fed into the RVM model to predict the tunnel mileage to produce the model's output sequence.

Этап 7. Получение входных данных и вызов модели объединения предсказания пути в милях тоннеля. Во время функционирования поезда, данные текущей температуры, атмосферного давления и солнечного излучения вне тоннеля и непосредственно в тоннеле получают от метеорологической станции, установленной на входе в тоннель. Текущие последовательности температуры и влажности получают посредством датчиков температуры и влажности, установленных в голове и хвосте поезда.Step 7. Receive input data and call the fusion model to predict the path in tunnel miles. During the operation of the train, data on the current temperature, atmospheric pressure and solar radiation outside the tunnel and directly in the tunnel are obtained from a meteorological station installed at the entrance to the tunnel. Current temperature and humidity sequences are obtained through temperature and humidity sensors installed at the head and tail of the train.

При классифицировании метеорологических параметров на всей протяженности тоннеля на метеокартах (шаблонах) выделяют границы опасных участков тоннеля путем построения и нанесения сепаратрис (линий), соединяющие критические точки в определенном порядке по результатам метеорологических измерений. При этом дополнительно выполняют сегментирование картографического отображения рельефа тоннеля на монотонные участки с известными наибольшими и наименьшими измеренными параметрами и выполняют измерения расстояний по оси движения поезда до опасных изолиний. Затем выполняют оценку безопасности прохода поезда вблизи пространственных опасностей путем построения регрессионных моделей опасных участков с использованием преобразований Морса - Смейла (ячеек CMS). При этом границы ячеек CMS образуют: критические точки, а именно: точки локальных максимумов (наименьшие измеренные метеорологические параметры), точки минимумов (наибольшие измеренные метеорологические параметры),) и точки седел (седловинные точки); сепаратрисы - линии, соединяющие критические точки в определенном порядке.When classifying meteorological parameters along the entire length of a tunnel on weather maps (templates), the boundaries of dangerous sections of the tunnel are identified by constructing and drawing separatrices (lines) connecting critical points in a certain order based on the results of meteorological measurements. In this case, the cartographic display of the tunnel relief is additionally segmented into monotonous sections with known largest and smallest measured parameters and measurements of distances along the axis of train movement to dangerous contours are performed. Then, the safety of train passage near spatial hazards is assessed by constructing regression models of dangerous areas using Morse-Smale transformations (CMS cells). In this case, the boundaries of CMS cells form: critical points, namely: points of local maxima (the smallest measured meteorological parameters), minimum points (the largest measured meteorological parameters), and saddle points (saddle points); separatrices are lines connecting critical points in a certain order.

Признаком существования критической точки является равенство в ней градиента метеорологического параметра нулю. Сепаратрисы, соединяющие точки наименьших и наибольших метеорологических параметров с точками седел, представляют собой монотонные линии, в каждой точке которых направление линии совпадает с направлением градиента конкретного метеорологического параметра.A sign of the existence of a critical point is that the gradient of a meteorological parameter at it is equal to zero. Separatrices connecting the points of the smallest and largest meteorological parameters with the saddle points are monotonic lines, at each point of which the direction of the line coincides with the direction of the gradient of a particular meteorological parameter.

При отображении участков тоннеля ячейками CMS с неблагоприятными метеорологическими параметрами, путем сегментирования картографического отображения метеорологических параметров на монотонные участки с измеренными наибольшими и наименьшими параметрами, позволяет определить опасные границы неблагоприятных метеорологических участков по всей длине тоннелей при движении по ним высокоскоростных поездов без использования методов интерполяции, что предусмотрено в прототипе при обработке картографического материала (шаблонов).When displaying tunnel sections with CMS cells with unfavorable meteorological parameters, by segmenting the cartographic display of meteorological parameters into monotonous sections with the largest and smallest parameters measured, it makes it possible to determine the dangerous boundaries of unfavorable meteorological sections along the entire length of the tunnels when high-speed trains move through them without using interpolation methods, which provided in the prototype when processing cartographic material (templates).

При этом образованные сепаратрисами внешние границы этого участка отделяют его от опасных участков тоннеля.At the same time, the external boundaries of this section formed by separatrices separate it from dangerous sections of the tunnel.

Сегментирование картографического отображения метеорологических параметров рельефа дна на монотонные участки с использованием ячеек CMS выполняют посредством бортовой ЭВМ поезда.Segmentation of the cartographic display of the meteorological parameters of the bottom topography into monotonous sections using CMS cells is carried out using the on-board computer of the train.

Получение численных значений расстояний до опасных участков тоннеля выполняют путем их моделирования методами математической статистики посредством статистического пакета Statistica.Obtaining numerical values of distances to dangerous sections of the tunnel is carried out by modeling them using the methods of mathematical statistics using the statistical package Statistica.

Предлагаемое техническое решение позволяет не только использовать шаблоны метеокарт, но и позволяет измерять метеорологические параметры непосредственно в тоннеле перед подходом поезда к тоннелю и при его движении по тоннелю, что позволяет выполнить прогнозирование развития ситуаций в составе бортовой вычислительной системы высокоскоростного поезда и сформировать рекомендации для экипажа по действиям в складывающейся ситуации с учетом прогноза ее развития, при идентификации ситуации и формировании рекомендаций наряду с измеренной текущей информацией и экспертными знания, внесенными в базу знаний.The proposed technical solution allows not only the use of weather map templates, but also allows you to measure meteorological parameters directly in the tunnel before the train approaches the tunnel and as it moves through the tunnel, which allows you to predict the development of situations as part of the on-board computer system of a high-speed train and formulate recommendations for the crew on actions in an emerging situation, taking into account the forecast of its development, when identifying the situation and forming recommendations along with measured current information and expert knowledge entered into the knowledge base.

При использовании предлагаемого технического решения осуществляется оперативный ввод информации, воспринимаемой экипажем высокоскоростного поезда. Повышаются качество и безопасность, сокращается время реагирования на возникновение нештатной ситуации.When using the proposed technical solution, information is quickly entered that is perceived by the crew of a high-speed train. Quality and safety are increased, response time to an emergency situation is reduced.

Источники информации.Information sources.

1. Патенты CN №109738927 А, 10.05.2019.1. Patents CN No. 109738927 A, 05/10/2019.

2. Патент CN №109828289 А, 31.05.2019.2. Patent CN No. 109828289 A, 05/31/2019.

3. Заявка JP №2018044843 А, 22.03.2018.3. Application JP No. 2018044843 A, 03/22/2018.

4. Патент RU №227273 1 С2, 27.03.2006.4. Patent RU No. 227273 1 C2, 03/27/2006.

5. Патент RU №2771515 С1, 05.05.2022.5. Patent RU No. 2771515 C1, 05.05.2022.

Claims

1. A method for determining the location of a high-speed train in a navigation blind spot based on meteorological parameters, comprising the steps of: obtaining meteorological parameters of a tunnel in tunnels when the train passes to create a database of meteorological parameters of the tunnel; classification, based on a database of tunnel meteorological parameters, of tunnel groups with similar attributes in order to obtain typical tunnel patterns of each category of tunnel groups; creating a library of typical sequence HSV color space templates by using typical tunnel samples; training a relevance vector machine using data from the same category of tunnel groups to establish a tunnel mile path prediction model; train an HSV pattern matching model using the HSV color space pattern library; creating a fusion model of the HSV pattern matching model and the tunnel mile path prediction model to obtain a fusion model of the tunnel mile path prediction; and obtaining data on the meteorological parameters of the tunnel during the operation of the train and deriving a model for combining the prediction of the path in miles of the tunnel to predict the position of the train in the tunnels, characterized in that obtaining the meteorological parameters of the tunnel is performed in advance on the approach of the train to the tunnel, while additionally identifying the presence of hydrometeors on throughout the tunnel using a radio meteorological complex or a laser lidar installed at the entrance to the tunnel.

2. A system for determining the location of a high-speed train in a navigation blind spot based on meteorological parameters, containing sensors for obtaining meteorological parameters in the tunnel; wherein the sensors communicate with the computer equipment; and the computer equipment is programmed or configured to execute steps of a method for determining the location of a high-speed train in a navigation blind zone based on meteorological parameters, characterized in that the sensors for obtaining meteorological parameters in the tunnel are made in the form of a radio-technical meteorological complex, including a weather radar station, a microwave radiometer, determiner of radial Doppler velocities at different antenna elevation angles, determiner of the spectrum width of radial wind speeds or laser lidar, weather map generator, control panel, communication channel with the on-board safety system of the locomotive, sensors communicate with computer equipment via a communication line made through the system pantograph - contact network.