基于多传感器融合的列车运行环境自主感知系统设计

朱鸿涛,李 明,张 骄

(北京市地铁运营有限公司,北京 100044)

随着现代城市轨道交通网络的日益复杂化,列车已成为连接城市和地区的主要纽带。城轨交通的快速发展对列车安全和效率的要求也日益提高。然而,面对列车的高速行驶、复杂的线路布局和各种突发情况,如恶劣的天气、道路上的突发障碍物(行人和倒伏的树木)等都给列车的运营带来了巨大风险。如何确保列车安全高效的运行已成为当前城市轨道交通行业亟待解决的难题[1]。在传统的列车管理体系中,驾驶员的经验和判断起到了关键作用,但人的因素和视觉局限性无法保证百分之百的安全和准确性[2]。隧道等关键基础设施的管理和维护,同样大部分依赖人工,这不仅增加了出错的风险,而且效率低下[3]。此外,一旦发生问题,还可能会影响到整个运营系统,给社会和经济带来巨大损失。因此,如何利用现代科技手段,提高列车运营的智能化程度,保障列车的安全和效率,已经成为行业和研究领域的一个重要课题[4]。

基于此,本文提出了一种基于激光选通成像技术等多传感器融合的列车运行环境自主感知系统方案。该系统能够有效识别和应对各种运行中的障碍物,大大提高列车在高架、地面、隧道等不同运行环境中的安全性。

1 需求现状与线路条件分析

1.1 需求现状

轨道交通作为城市交通系统的重要组成部分,其高效和安全运营对于城市的经济和社会稳定至关重要。随着城市规模的扩大和人口密度的增加,全自动运行系统已经逐渐成为轨道交通发展的必然趋势[5]。首先,高效的运输效率是城市轨道交通系统所追求的核心目标之一。传统的手动驾驶模式受到驾驶员疲劳、判断失误等主观因素的影响,很难始终保持最佳的运行效率。全自动运行系统可以通过精确的计算和控制来实现最佳的行车速度、停车精度和发车间隔,从而大大提高运输效率[6]。其次,运行安全性是任何交通系统都必须优先考虑的关键因素。由于轨道交通系统运营环境复杂,从地面到高架再到隧道,各种自然和人为因素都可能成为安全隐患[7]。而全自动运行系统通过实时的数据收集、分析和决策,可以在第一时间发现并处理各种异常情况,大大降低事故发生的风险。此外,为了适应城市交通需求的快速变化,轨道交通系统还需要具备足够的灵活性和适应性。全自动运行系统可以确保始终为乘客提供高效、便捷和舒适的服务[8]。

然而,尽管全自动运行系统带来了诸多好处,但其实施和运营也面临着许多挑战。如何确保系统的可靠性和稳定性,如何处理各种意外和异常情况,以及如何与现有的设施和技术进行有效的集成,都是需要深入研究和解决的问题。鉴于现有列车运行环境检测技术存在的不足(表1),本文提出了基于多传感器融合技术的列车运行环境自主感知系统,能够适应各种线路条件以及不同天气环境,在列车运行过程中既能检测线路环境病害,指导线路维护人员及时消除障碍物侵限风险,又能对已经侵限的障碍物进行安全可靠的检测与防护,有效保障列车运行安全。

表1 几种列车运行环境检测技术实现原理及存在不足

1.2 线路条件

为保证系统能够适应各种线路条件,现针对系统应用中可能存在的线路条件进行分析。

1.2.1 直道

如图1所示,在直道行驶的列车1,需要能够在相隔5 m的双轨道上独立自主地识别前方的障碍物,特别是前方轨道上的列车2,列车1对列车2识别距离≥500 m,并能识别如表2所示的障碍物类型。列车1的感知系统必须能确保即使在相邻轨道有列车3的情况下也不会受到干扰。

图1 直道场景

表2 障碍物识别范围

1.2.2 坡道

坡道分为上坡和下坡两种。根据GB 50157—2013《地铁设计规范》,坡度场景可设为2°。在坡道的起始点和结束点,列车需要有足够的感知能力来确定前方坡道路段是否有其他列车,并计算与其的距离。如图2所示的上坡场景,要求列车能够识别本轨道限界范围内如表2所示的前方障碍物类型,而且不受相邻轨道行车影响,识别距离≥280 m,其中上坡(3‰)激光盲区为15 m,下坡(3‰)激光盲区为23 m。

图2 上坡场景

1.2.3 弯道

在弯道行驶时,列车需要额外注意由于隧道壁或护栏导致的视距变短的问题,因此要求系统能够识别尽可能远的轨道限界和列车。当列车行驶在R300 m的弯道上时,系统应能确保识别距离达到56 m。实际轨道长度与识别距离误差为1 m左右。不同曲线半径的弯道最大识别距离如表3所示。

表3 弯道识别范围

考虑到不同线路条件对列车运行的影响,一个高效的自主感知系统是至关重要的,不仅可以确保列车的平稳运行,还可以有效提高乘客的安全性和舒适性。

2 列车运行环境自主感知系统设计

2.1 系统业务架构

列车运行环境自主感知系统通过一系列高精度传感器,实时获取列车前方的信息数据、速度数据以及定位数据。这些数据再经过计算分析,被转化为实时结果,随后传输至人机交互界面和中心系统,司机可以得到针对前方路况的及时提醒。系统的核心功能是在检测到异常情况时自动提醒司机,并在紧急情况下实现自主制动。此外,系统还可以为线路检修维护人员提供线路状况信息。图3为业务架构图。

图3 业务架构图

2.2 系统功能概述

列车运行环境自主感知系统是一个高度集成、智能化的系统,它结合了先进的传感器技术和人工智能算法,为列车运行提供了一个全方位的安全保障。其主要功能包括:

(1) 障碍物检测,使用激光雷达、长短焦相机、毫米波雷达等传感器进行扫描,实时感知前方的障碍物;

(2) 信号状态检测,识别前方的信号机状态;

(3) 隧道病害检测,检测隧道是否存在裂缝、表层剥落、渗水等异常情况;

(4) 数据上传与存储,系统将检测到的病害结果通过4G-VPN网络上传到云端,并在本地保存详细的测量数据;

(5) 分级预警,系统根据障碍物的距离进行分级预警,帮助司机及时作出决策;

(6) 紧急制动输出,在检测到前方存在障碍物或异常情况时,系统能够自动启动紧急制动;

(7) 高精度定位,构建全线高精度的电子地图,确保列车的准确定位。

此外,系统还具备启动时间控制、OTA、数据存储、测距误差控制、响应时间控制等功能,确保列车平稳、安全运行。

2.3 系统技术架构

列车运行环境自主感知系统融合了前沿的传感技术和先进的数据处理技术,构建了一个能够为列车提供实时、精准的行驶环境感知的系统。如图4所示,该系统包含激光雷达、毫米波雷达、工业相机、选通相机和高精度扫描仪等多种传感设备,从3D点云数据、实时图像和列车速度等维度捕获列车前方的详细信息。激光雷达提供了3D的空间信息,毫米波雷达在恶劣天气条件下仍能稳定工作,而相机和扫描仪提供了清晰的视觉数据。系统通过线路的高精度地图进行导航,确保列车在其行驶路径上获得准确的位置感知。系统主机在接收到来自传感器的数据后,将其与这些高精度地图进行匹配,准确地确定列车的位置。

图4 系统技术架构图

3 关键技术研究与实现

3.1 激光选通相机成像技术

激光选通相机成像技术为轨道交通安全带来了一种具有革命性的视觉解决方案。在雨雾等恶劣天气条件下,传统成像技术往往受到各种限制,难以获取清晰的影像,进而影响列车的运行和安全。激光选通相机成像技术的核心是利用高峰值功率脉冲激光光源的高穿透性,通过纳秒脉冲激光照明与纳秒门控快门同步,实现对特定距离范围内目标的高对比度成像。由于该技术只捕获特定空间范围内的目标信号,因此能有效地避免环境光和散射干扰,确保在恶劣环境下仍能获得清晰、高对比度的影像。

如图5所示,激光选通相机成像技术原理是基于激光距离门控成像,在特定的时序下,激光照射被测物体,当物体的反射光返回时,相机门控快门开启,仅接收这一时段的返回信号并进行处理,从而实现对特定范围内目标的精准成像。

图5 激光选通相机成像技术原理图

在恶劣天气,如大雨或浓雾中,悬浮在空气中的水滴或其他颗粒会引起光的散射,尤其是后向散射,对相机成像造成干扰。当环境的能见度降低时,这种散射对成像的影响变得尤为严重,使得目标信号在大量的散射信号中几乎难以辨认。激光选通相机成像技术正是为解决这一问题而设计的。通过控制激光发射和相机门控的同步,使得相机在大量后向散射发生时不采集图像,只在目标反射信号返回的短时间内开启,从而大幅减少散射带来的干扰。

该技术的应用,不仅仅是提高列车行驶的视觉质量,更关乎到列车行驶的安全性,尤其是在诸如隧道、桥梁和交叉口等关键区域。通过有效避免环境光和散射的干扰,确保即使在最恶劣的条件下,列车前方的障碍物、信号灯、列车、行人等目标都能被准确、迅速地检测到,为列车的安全运行提供了有力的技术保障。

3.2 基于多传感器融合的自主感知技术

为了应对列车运行环境的复杂性,如隧道内的暗光环境等,结合深度学习技术,开发了一种能够精准识别列车前方的轨道、信号机、其他列车、行人和其他障碍物的多目标识别算法。对于在轨道运行环境中尺寸较小、易于背景混淆的信号机,采用自适应边缘检测级联卷积神经网络的方法,以实现精准的信号机定位和分类。

除了视觉传感器,本文还利用激光雷达进行前方物体的距离测量。结合机器视觉和雷达的数据,可以更精确地检测和跟踪前方的危险障碍物,并实时判断其位置和状态。

为了克服单一相机在长距离全方位感知上的局限性,提出了一种基于长焦和短焦相机融合的列车车载环境感知方案。这种方案可以解决车载感知的“近视”或“远视”问题,确保列车可以全方位地感知前方的环境。

为了进一步增强系统的检测和分类能力,系统建立了一个大型的图像样本库,包括轨道线、列车、信号灯和线路隧道特征等多种样本。这些样本被标记和分类,并在深度学习平台上进行训练。系统采用了高效的轨道区域提取算法,可识别出列车前方的轨道区域,并为列车行驶定义了一个精准的限界范围,基于大量先验数据优化的深度神经网络的多目标识别技术能够检测并识别出前方的障碍物。数据处理涉及同步、感知和决策等多个模块。车载主机首先进行数据同步,确保接收到的所有数据都是同步的;然后,通过感知模块对数据进行深度分析,检测出列车的实时位置、前方障碍物、信号机状态以及任何潜在的线路病害;最后,通过决策模块决定是否需要向司机发出预警或进行其他必要的操作。

4 样机开发与验证

为验证列车运行环境自主感知系统在多场景下的环境适应性,结合屏蔽门高度、环线、高架、环境等线路特点对障碍物识别精度和有效性的影响,系统功能样机在某地铁线路选择1列车实际部署。通过地铁列车正线运行的实际使用情况,验证系统的应用价值,完成示范性应用,为后续全面推广打下坚实基础。

如图6所示,列车运行环境自主感知系统功能样机由激光扫描仪、主机、GNSS(选配)、IMU、激光雷达、毫米波雷达和相机组成。在某地铁线路上进行的多次测试结果显示,样机系统的测速误差不大于1 km/h,障碍物检测测距误差不大于1 m,系统响应时间不大于500 ms,并且在雨雪雾等极端天气条件下,在视距200 m以内可以实现3倍的能见度提升。图7为安装系统的列车对轨旁设备的成像效果。

图6 列车运行环境自主感知系统功能样机

图7 轨旁设备成像效果

不仅如此,系统还具备3D高精度地图成像能力,在车速20 km/h情况下,可被发现的最小裂缝长度达到了20 mm。表4所示为系统经测试验证得到的障碍物检测性能指标。

表4 障碍物检测性能指标

5 总结

本文构建了一种高精度的列车定位系统和隧道病害预警机制。结合高精度激光扫描仪、IMU数据融合和深度学习算法框架,列车运行环境自主感知系统可以精确捕捉列车的实时位置,并对周边环境进行实时感知和分析。通过与预先构建的高精度地图进行匹配,系统能够实时地检测并预警隧道中的各种病害。同时,该研究也成功地针对隧道环境的特殊性开发了列车高可靠定位算法,该算法包括了特征提取、编码及闭环检测等关键技术环节。本文研制的系统和提出的检测方法可为列车的安全行驶和隧道的持续维护提供有力的技术支撑。