[發(fā)明專利]軌道線路多域限界異物侵限事件狀況識別方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202210795400.0
• 申請日: 2022-07-07
• 公開（公告）號: CN115187048B
• 公開（公告）日: 2023-05-23
• 發(fā)明（設計）人: 馬小平;王旭;賈利民;秦勇;趙汝豪;邢鴻飛;陳熙元
• 申請（專利權）人: 北京交通大學
• 主分類號: G06Q10/0635
• 分類號: G06Q10/0635;G06Q50/30;B61L23/04;G06V10/764;G06V10/82;G06N3/02;G06V20/54
• 代理公司: 北京市商泰律師事務所 11255
• 代理人: 鄒芳德

1.一種軌道線路多域限界異物侵限事件狀況識別方法，其特征在于，包括：

根據(jù)異物侵限事件發(fā)生全過程監(jiān)測要求，選擇軌面狀態(tài)采集傳感器設備對軌道線路狀態(tài)數(shù)據(jù)進行采集，其采集的數(shù)據(jù)類型和數(shù)據(jù)格式不同，針對其采集的原始數(shù)據(jù)特征，進行數(shù)據(jù)解析、數(shù)據(jù)預處理和數(shù)據(jù)增強操作；

根據(jù)不同軌面狀態(tài)采集傳感器數(shù)據(jù)類型，分析限界區(qū)域的不同數(shù)據(jù)特征，將軌面限界區(qū)域劃分為關注域、預警域和安全域，對入侵限界的異物進行識別、跟蹤和特征提取；

定義侵限事件狀態(tài)描述模型，將識別到的異物屬性和異物運動行為屬性，作為侵限事件狀態(tài)描述模型的動態(tài)特征，將軌道類型和環(huán)境風險類型作為侵限事件狀態(tài)描述模型的靜態(tài)特征；

構建基于侵限事件狀態(tài)的實時風險評估模型，包括：首先確定所述侵限事件狀態(tài)描述模型各項參數(shù)的權重，面向不同的軌道線路異物侵限檢測需求，通過專家經(jīng)驗確定該軌道線路的軌道類型權重W_RT、環(huán)境風險類型權重W_ET、異物屬性權重W_OA和異物運動行為屬性權重W_OMA；其次，分析所述靜態(tài)特征的軌道類型風險量化分數(shù)RS_RT和環(huán)境風險類型風險量化分數(shù)RS_ET；根據(jù)實時侵限異物多層級特征，由異物類型和異物尺寸數(shù)據(jù)，合成異物屬性風險量化分數(shù)RS_OA；由異物移動速度、侵限時長和所處限界位置數(shù)據(jù)合成異物運動行為屬性風險量化分數(shù)RS_OMA；

定義侵限事件實時風險值計算模型為：

R=W_RT×RS_RT+W_ET×RS_ET+W_OA×RS_OA+W_OMA×RS_OMA；通過輸入侵限事件狀態(tài)描述模型的靜態(tài)特征的各項指標權重和風險量化分數(shù)以及動態(tài)特征的各項指標權重和風險量化分數(shù)，獲得侵限事件實時風險值；

根據(jù)關注域、預警域和安全域內(nèi)發(fā)生的侵限事件，依據(jù)其風險程度提出關注等級、預警等級和安全等級，根據(jù)侵限事件實時風險值，確定軌道侵限的風險等級；

驗證軌面限界安全域、預警域和關注域的侵限異物事件檢出率，其中，檢出率表示針對一段時間內(nèi)發(fā)生異物侵限事件集中，不同的限界區(qū)域內(nèi)的異物侵限事件有多少被正確檢測并預警，計算公式定義如下：

關注等級的檢出率是關注域內(nèi)發(fā)生的侵限事件中，被檢測到的事件數(shù)量占所有發(fā)生的事件之比，計算方式為?

預警等級的檢出率是預警域內(nèi)發(fā)生的侵限事件中，被檢測到的事件數(shù)量占所有發(fā)生的事件之比，計算方式為

安全等級的檢出率是安全域內(nèi)發(fā)生的侵限事件中，被檢測到的事件數(shù)量占所有發(fā)生的事件之比，計算方式為?。

2.根據(jù)權利要求1所述的軌道線路多域限界異物侵限事件狀況識別方法，其特征在于，在設置軌面狀態(tài)采集傳感器設備時，獲取所監(jiān)測軌道線路安全狀態(tài)下的數(shù)據(jù)并相應地獲取其軌面限界區(qū)域，將軌面限界區(qū)域劃分為安全域、預警域和關注域，其中安全域為鐵軌輪廓尺寸線，預警域和關注域以此向外擴展；利用神經(jīng)網(wǎng)絡模型識別出現(xiàn)的異物及其類型，識別并判斷異物是否處于安全域、預警域或關注域，若是，則將該異物進行框選，進一步地判斷該異物是否已被跟蹤；否則繼續(xù)獲取待識別的軌道線路狀態(tài)數(shù)據(jù)；

若該異物已被跟蹤，則計算、更新和獲取侵限異物尺寸數(shù)據(jù)、移動速度數(shù)據(jù)、移動方向、侵限時長數(shù)據(jù)和所處限界位置數(shù)據(jù)，作為該侵限異物的多層級特征；否則，將該異物添加進入跟蹤器，并再次獲取待識別的軌道線路平面圖像進行識別；

對所述異物類型數(shù)據(jù)、侵限異物尺寸數(shù)據(jù)、移動速度數(shù)據(jù)、移動方向、侵限時長數(shù)據(jù)和所處限界位置數(shù)據(jù)進行數(shù)據(jù)有效性檢驗。