全自动运行轨道交通系统列车智能环境感知技术的应用

杨 硕 陈艳鑫

(1.苏州轨道交通市域一号线有限公司 江苏 苏州 215000；2.苏州轨道交通有限公司运营一分公司 江苏 苏州 215000)

0 概述

截止2019年底，我国已有40个城市开通城市轨道交通线路，运营里程长达6 730 km，现在每1～2年就增长1 000 km，有更多的城市在建新线，我国已步入了城轨交通大国的行列。随着自动化、智能化技术的发展，全自动运行系统成为了轨道交通行业的热点，对列车的技术发展给出了新的方向。

1 探测技术的选择

为使列车能够智能感知运行环境，探测设备是信息的来源。在一定范围内识别物体(障碍物)的技术有很多，例如：视频识别、红外成像识别、雷达识别、超声波识别、激光测距等等，针对不同使用环境，这些技术各有优势。

在轨道交通环境特点下，考虑到探测手段的相辅相成，系统采用可见光与红外探测的组合模式。

2 系统设计

2.1 功能需求

本系统主要通过探测技术发现影响列车安全运行的因素，通过智能软件算法智能感知行车环境，主要实现识别前方障碍物功能和识别车门与站台门二门异物的功能，系统可通过与列车TCMS系统的通信，根据运用场景向控制中心报警提示，同时将相关视频图像储存并推送至控制中心，供控制中心远程查阅现场图像[1-2]。

2.1.1前方障碍物探测功能

为了确保列车行驶安全，通过可见光摄像机与红外摄像机的配合使用，不断地对行驶线路区间进人、施工遗留物以及广告牌、树木、彩钢板等前方限界内的障碍进行探测，并在监控的基础上不断对限界外的行驶环境做评估，当某些指标超出预先确定的安全范围，则按定义好的威胁等级采取相应的措施并报警提示。

2.1.2车门与站台门间异物探测功能

本功能是通过半球高清摄像机，采用ROI区域识别技术，由计算机自动识别出二门之间的异物并报警提示，从而避免在夹到异物的情况下列车依然开车。

2.1.3其他功能

(1)视频增强功能：列车在运行中会通过各种复杂的环境，对列车的驾驶会造成一定的影响，通过软件算法消除影响驾驶的不利因素，如除雾霾、抗强光、低照度提亮等，辅助列车的全自动运行。

(2)视频记录功能：在整个列车行驶过程中，记录所有的视频信息，能够为事故/问题的追溯提供原始数据。

(3)远程通信功能：通过车地无线通道，将系统内所有摄像机视频信息传输到OCC工作站，当某个列车发现有障碍物后，OCC工作站自动切换到发现障碍物的这一路，全屏显示，并发出报警提示。

(4)电源中断保护功能：根据EN 50155标准要求，当电源中断10 ms时不影响正常运行的能力。计算机模块在识别电源故障1 ms后就通告CPU，以便采取可能的自保护措施。

(5)通电自检功能：系统具备通电自检的能力，并可将自检结果向列车TCMS系统汇报。

2.2 系统构架

根据以上的功能需求，按6B编组的列车提出系统的构架，如图1所示。两端的TC车各安装一个视频处理服务器，用于数据的分析、计算和处理，2个主机热备冗余，2个视频处理服务器通过RS485协议与TCMS通讯。本系统内部通过以太网交换机自组环网。视频处理服务器和车载车地通信设备互联，达到与OCC通信的功能。

图1 系统构架图

两端司机室各安装1台数字高清摄像机和1台红外高清摄像机，用以实现前方障碍物探测功能。

每节车厢两侧居中位置各安装2个高清半球摄像机，实现2个方向内最近2个车门与站台门之间区域的异物探测功能。

2.3 前方障碍物探测功能的实现规则

2.3.1异常情况的威胁等级分类

列车障碍物探测是安全行车的保障，系统的误报率和漏报率是关键的性能指标，同时以动态包络线为核心的限界判断与实际应用也有一定的差异[3]。为解决“非黑即白”的单一判断方式，本系统通过将障碍物的判断由限界内扩展到全区域(限界内及比邻区间)，比对人工驾驶车辆的处置方法，力图设定更多的障碍物报警级别，达到多级判断模式，增加流程的可操作性。根据对行车安全威胁的程度，将前方障碍物和两侧障碍物对行驶造成的威胁分为：确定威胁、或许威胁和环境威胁三种级别。

(1)确定威胁(A级)

本级别的威胁会造成列车较大的碰撞，使得列车的运行无法继续，严重时可能造成列车倾覆。此类威胁都在列车行驶的限界内，或者在限界内有很大的体积(面积)占比。

本级别能识别的下限为：直线距离250 m，在限界内的可视尺寸为150 mm×150 mm×150 mm。

根据识别程度的不同分为A1、A2、A3三种。

A1：指前方的车辆探测。前方探测距离：直线250 m，弯道以可视频直线最大距离为准。识别的确认度在95%以上。

A2：指站台间隙异物探测。探测范围：列车侧面所有列车门的区域。识别的确认度在95%以上。

A3：列车前方限界内所有影响列车行驶的障碍物。探测距离：直线250 m，弯道以可视频直线最大距离为准。当识别的确认度在80%以下，采取“减速到40 km/h再查看”的模式。

(2)或许威胁(B级)

对列车的行驶或许会造成一定的损失，但列车可以通过。此类威胁一般跨列车行驶的限界，或者在限界内体积(面积)比较小的物体。

本级别识别范围为限界内和跨限界、物体尺寸不足“A级”的情况。

根据识别程度的不同分为B1、B2、B3三种。

B1：合同中指定的情况，可设置。

B2：列车清障器清除范围内的物体属于本级别。

B3：不属于A1、A2、A3、B1、B2级别的障碍物都属于本级别。

(3)环境威胁(C级)

对列车的行驶不会造成直接损失，但可能会演变成B类以上的威胁。此类威胁一般在列车行驶的限界外。本级别识别范围为限界外。

根据异物位置的不同分为C1、C2、C3三种。

C1：车站环境威胁，例如屏蔽门下的踏空胶条丢失、轨道旁有乘客遗留物等。

C2：高架环境威胁，例如广告牌、树木向轨道方向歪倒，接触网上方有风筝、塑料袋等。

C3：隧道环境威胁，例如限界外有前一天检修遗留的工具等、限界外有大面积的变化(线缆变化、积水)。

2.3.2应对措施建议处理流程

根据发现障碍物等级的不同，相应的应对措施也有所区别，综合考虑如下：

A1：直接报警，等待故障排除；

A2：直接报警，等待故障排除；

A3：控制列车减速，持续探测并推送画面，近距离下人工(OCC或司机)确认后慢速通过；

B1～B3：控制列车减速通过，记录并上报；

C1～C3：记录并上报。

2.3.3人工判断时间的验算

当发现障碍物后，列车采取减速查看的措施(见图2)。

图2 减速查看措施

为了让OCC/司机有时间处理障碍物判断任务，并在需要时可将列车在障碍物前制动停车，需计算在不同速度下列车制动至40 km/h的时间和40 km/h制动至静止的时间，再结合本系统的有效探测距离，即可以得到40 km/h下用于人工判断的可持续时间(见表1)。

根据表2可以得出：在80 km/h的时速下，减速时间有9.26 s，在40 km/h时滑行判断时间为3.98 s，满足正常的判断需要。其他速度下判断时间均多于80 km/h的判断时间，所以可以满足所有速度下的判断时间需求。

表1 人工判断的可持续时间

2.3.4弯道可视距离与车速

在隧道中的弯道处，列车的视野会受到遮挡，根据不同的转弯半径，可视距离有所不同。可视距离的具体计算公式为：L2+(R-d)2=R2。其中L为可视距离的一半，R为隧道转弯半径，d为隧道直径。

选取拐弯半径的典型值300 m、800 m、1 200 m和2 000 m，再结合上述制动判断计算公式，得出以下结果(见表2)。

在转弯半径2 000 m直至直线，系统能够支持80 km/h的时速；在转弯半径1 200 m～2 000 m，系统能够支持70 km/h的时速；在转弯半径800 m～1 200 m，系统能够支持50 km/h的时速；在转弯半径300 m～800 m，系统能够支持40 km/h的时速。

表2 指定可视距离下刹车距离与时间的计算

2.4 车门与站台门间异物探测功能实现规则

(1)列车进站停车后，车侧摄像机开始工作，启动检测。

(2)列车TCMS发送开启左侧/右侧车门指令，系统拍摄相应侧的视频前图(开门截图)。

(3)列车TCMS发送关闭左侧/右侧车门指令，在车门实际关闭后，系统拍摄相应侧的视频后图(关门截图)。

(4)系统依据视频前图(开门截图)和后图(关门截图)，通过图像识别算法比较有无障碍物。

(5)若有障碍物存在，则向OCC报警，同时将报警区域视频信息推送给OCC查阅，避免发车。

3 技术探讨

3.1 物体识别的精度

视频识别是以可见光识别物体作为根本方式，其中能够识别物体大小与距离是重要问题[4]。目前能做到列车前方20～250 m的动态包络线范围内障碍物的识别，在250 m处，识别物体的下限尺寸为150 mm×150 mm×150 mm，本系统对目标物体的材质还不能做出判断。随着技术的发展及实际运用中遇到的案例数据的填充，系统将可识别更多种、更细节的异常情况。

3.2 抗振动解决方案

(1)通过寻找视频中的参照点，以此为基点来判断。考虑到除了上下振动，还可能出现左右扭动，所以参照点需要2个。

(2)列车行进过程中，所有的包络线都是以钢轨作为参照点的。所以以钢轨作为参照点，可以改善行进列车振动造成的影响。

(3)通过视频除抖算法，还原出平滑的视频。

3.3 可见光视频与红外视频的配合使用

(1)当光线与能见度很好时采用可见光摄像机为主、红外摄像机为辅的模式，红外摄像机进行视频增强处理。基本不影响原来的识别准确度。

(2)当有雾霾(高架场景)、亮度不足(隧道低照度场景)时，自动切换到红外摄像机为主、可见光为辅的模式，可见光进行视频增强处理。在极端情况下识别的准确度大幅提高。

3.4 系统的可靠性

作为主动检测类技术，系统的误报率、漏报率是客观存在的，如何提高系统的可信度，应该是继续努力的方向，当可信度足够高的时候，系统可自动对列车进行控制，保障安全行车，系统对列车自动运行的意义将大幅提升。

4 结束语

针对全自动驾驶列车的使用环境特点，分析对比了现有的几种探测技术，选择了可视光摄像机与红外摄像机配合作为识别手段，预想了列车运行中可能遇见的主要异物侵限环境，基于异常的位置、类型及威胁程度等因素，提出了一种列车智能环境感知系统，可以及时发现侵限异物并向OCC报警。通过在部分城市的装车试验验证，本系统运行状态良好，可为列车识别运行环境内的侵限异物等风险因素，达到了预想的效果。