摘要:隨著國(guó)內(nèi)城市軌道交通運(yùn)營(yíng)里程和客流量的不斷增加,列車安全運(yùn)行的重要性愈發(fā)突出。地鐵軌行區(qū)障礙物檢測(cè)系統(tǒng)基于視頻智能分析技術(shù),對(duì)軌旁攝像機(jī)采集的影像進(jìn)行智能分析,及時(shí)發(fā)現(xiàn)軌行區(qū)障礙物,并向行車指揮人員發(fā)出報(bào)警信息,縮短緊急事件處理時(shí)間,減輕運(yùn)營(yíng)人員的工作壓力和強(qiáng)度,進(jìn)而有效提升地鐵的安全運(yùn)營(yíng)水平,具有較大的社會(huì)經(jīng)濟(jì)價(jià)值。
關(guān)鍵詞:城市軌道交通障礙物視頻智能分析自動(dòng)巡檢
ResearchontheObstacleDetectionSystemSchemeinSubwayTrackArea
LINan1YUEXinyu2LIJize3
Abstract:Withthecontinuousincreasingofoperationmileageandpassengerflowofdomesticurbanrailtransit,theimportanceoftrainsafetyoperationguaranteeisbecomingmoreandmoreprominent.Theobstacledetectionsysteminthesubwaytrackareaisbasedonvideointelligentanalysistechnology,intelligentlyanalyzingtheimagescollectedbythetracksidecameras,timelydetectsobstaclesinthetrackareaandsendsthealarminformationtothecommandpersonnel,shorteningtheemergencyprocessingtime,reducingthepressureandintensityofoperatingpersonnel,andeffectivelyimprovingthesafetyofthesubwayoperationlevelIthasgreatsocialandeconomicvalue.
KeyWords:Urbantracktransit;Obstacles;Intelligentvideoanalysis;Automaticinspection
伴隨著我國(guó)經(jīng)濟(jì)的蓬勃發(fā)展和城市化進(jìn)程的不斷加快,城市軌道交通以運(yùn)量大、速度快等優(yōu)勢(shì)在我國(guó)公共交通事業(yè)中發(fā)揮著越來越大的作用,但同時(shí),各類安全事故在城市軌道交通運(yùn)營(yíng)過程中也時(shí)有發(fā)生,這給地鐵安全運(yùn)營(yíng)帶來了不小的壓力。城市軌道交通運(yùn)營(yíng)安全的主要影響因素包括氣象因素、軌道因素、車輛因素、供電因素、信號(hào)系統(tǒng)因素、人為因素等。在軌道因素中,位于軌道上立體行車空間內(nèi)的障礙物極易給列車帶來破壞性撞擊,甚至引發(fā)脫軌等嚴(yán)重事故,造成重大災(zāi)害和不可估量的損失。同時(shí),城市軌道交通全自動(dòng)駕駛模式的普及對(duì)行車安全也提出了更高的要求?;谏鲜鲈?,軌行區(qū)障礙物檢測(cè)的相關(guān)研究從未停止,并在近些年逐漸成為行業(yè)熱點(diǎn)。
1傳統(tǒng)軌行區(qū)障礙物檢測(cè)方案簡(jiǎn)介
異物侵入列車行車限界(簡(jiǎn)為“侵限”)事件會(huì)對(duì)運(yùn)營(yíng)安全造成極大的影響。對(duì)地面軌道而言,封閉措施難免存在漏洞,高空拋物、山體緩坡、落石等情況都會(huì)造成行車安全事故。而在隧道內(nèi),線路老化、維護(hù)不到位或人員工作疏忽等也會(huì)發(fā)生隧道內(nèi)構(gòu)筑物松動(dòng)脫落、設(shè)備位置變化,導(dǎo)致異物侵入行車限界,導(dǎo)致重大安全事故發(fā)生[1]。
目前,對(duì)于鐵路、地鐵等列車侵限物的發(fā)現(xiàn)與處理主要靠人工巡視,需要大量人員參與,人工巡視周期較長(zhǎng),且巡檢時(shí)間一般在晚上的車輛運(yùn)行窗口期,難以在第一時(shí)間發(fā)現(xiàn)問題。因異物侵入事件的突發(fā)性和高危害性,迫切需要一種具有高度智能化、全天候、響應(yīng)快、準(zhǔn)確度高的障礙物侵入自動(dòng)巡檢系統(tǒng)[2]。
根據(jù)檢測(cè)設(shè)備的安裝位置劃分,現(xiàn)有檢測(cè)方案大體可分為軌旁障礙物檢測(cè)(以下簡(jiǎn)稱軌旁)和車載障礙物檢測(cè)(以下簡(jiǎn)稱車載)兩種[3]。
1.2.1紅外柵欄(軌旁)
該方案在軌行區(qū)兩側(cè)安裝紅外線收發(fā)器,當(dāng)障礙物侵入軌行區(qū)時(shí),紅外線被遮擋,從而觸發(fā)報(bào)警。該方案靈敏度較高,但也存在易受天氣干擾、設(shè)備部署量大、維護(hù)工作量大等缺點(diǎn)。
1.2.2振動(dòng)檢測(cè)(軌旁)
該方案在軌道上安裝振動(dòng)傳感器,并通過算法來區(qū)分振動(dòng)原因是列車經(jīng)過還是障礙物碰撞。該方案單個(gè)檢測(cè)點(diǎn)可覆蓋400m長(zhǎng)度鋼軌,具有設(shè)備部署量少的優(yōu)點(diǎn)。但其僅能檢測(cè)到對(duì)鋼軌有沖擊的障礙物,而對(duì)于小動(dòng)物、風(fēng)箏、塑料袋等沖擊能量較小的物體無法檢測(cè),且該方案目前處于前期研究階段。
1.2.3車載視覺檢測(cè)(車載)
該方案通過在列車前端安裝攝像機(jī)進(jìn)行實(shí)時(shí)拍攝,并通過算法分析列車前方是否有障礙物。該方案具有設(shè)備部署量少的優(yōu)點(diǎn),但其視覺原理決定了探測(cè)距離較短,對(duì)于高速運(yùn)行的列車無法提供足夠的緊急制動(dòng)時(shí)間[4]。
1.2.4車載激光雷達(dá)(車載)
該方案通過在列車前端安裝激光雷達(dá)來探測(cè)前方障礙物,其優(yōu)、缺點(diǎn)同車載視覺檢測(cè)方案。
2一種新式軌行區(qū)障礙物檢測(cè)系統(tǒng)
軌行區(qū)障礙物檢測(cè)系統(tǒng)利用了視頻智能分析技術(shù)。不同于車載視覺檢測(cè)方案,該方案將攝像頭設(shè)置于軌旁。通過采集軌行區(qū)影像,系統(tǒng)自動(dòng)對(duì)運(yùn)行線路進(jìn)行安全巡視,及時(shí)發(fā)現(xiàn)軌行區(qū)影響行車安全的因素(簡(jiǎn)稱“障礙物”),并向行車指揮人員發(fā)出報(bào)警信息,以便其對(duì)運(yùn)行中的列車采取安全措施。
軌行區(qū)障礙物檢測(cè)系統(tǒng)(如圖1所示)由算法服務(wù)器、應(yīng)用服務(wù)器、行調(diào)終端及其網(wǎng)絡(luò)設(shè)備等構(gòu)成,并且與車站視頻監(jiān)控系統(tǒng)共享前端設(shè)備,如軌旁攝像機(jī)、車站視頻服務(wù)器、圖像存儲(chǔ)設(shè)備及其網(wǎng)絡(luò)設(shè)備等。
算法服務(wù)器通過與軌旁攝像機(jī)的接口,按照一定的規(guī)則,周期性地從指定的軌旁攝像機(jī)視頻流中截取軌行區(qū)影像。在獲取軌行區(qū)影像后,其首先判斷列車位置是否位于攝像機(jī)監(jiān)控區(qū)域,當(dāng)列車位于此攝像機(jī)監(jiān)控區(qū)域時(shí),系統(tǒng)將忽略此影像,以避免誤報(bào)[5]。
當(dāng)系統(tǒng)獲取無列車占用的軌行區(qū)影像時(shí),將與事先存儲(chǔ)于系統(tǒng)內(nèi)的標(biāo)準(zhǔn)斷面圖像(無障礙物)進(jìn)行比對(duì)。如圖像一致,則判別為無障礙物;否則,將向控制中心行車調(diào)度員(簡(jiǎn)稱“行調(diào)”)報(bào)警,推送報(bào)警畫面,提供障礙物位置及最近列車位置,供行車調(diào)度員及時(shí)開展后續(xù)操作,避免危及行車安全的事故發(fā)生。
該系統(tǒng)可實(shí)現(xiàn)的基本功能如下:異物侵限識(shí)別定位與告警上報(bào),列車位置跟蹤定位,現(xiàn)場(chǎng)圖像調(diào)看,告警誤報(bào)忽略,障礙物告警記錄的存儲(chǔ)、查詢、統(tǒng)計(jì)和分析,設(shè)備狀態(tài)管理。
2.2.1具備全天候清晰成像能力
該系統(tǒng)攝像機(jī)基于擴(kuò)展短波紅外波段進(jìn)行成像,對(duì)實(shí)現(xiàn)大氣紅外透射窗口的“無縫隙探測(cè)”效果良好,并適用于多霧、低照度等光照環(huán)境惡劣情況的全天候場(chǎng)景,不受雨天、大霧、微光或無光等外部光線條件惡劣的影響,并對(duì)運(yùn)營(yíng)列車的車燈具有很好的強(qiáng)光抑制作用。
2.2.2具有較強(qiáng)的環(huán)境適應(yīng)性和一定的自檢性能
因軌行區(qū)環(huán)境較為惡劣,因此該系統(tǒng)在設(shè)計(jì)時(shí)充分考慮日曬雨淋、列車振動(dòng)、設(shè)備偏移,以及因列車經(jīng)過或者其他原因?qū)е碌目赡軐?duì)檢測(cè)采集設(shè)備產(chǎn)生的振動(dòng)、偏移等影響,利用全天候成像穩(wěn)像識(shí)別系統(tǒng)判斷該設(shè)備是否處于正常運(yùn)行狀態(tài)。
2.2.3智能分析處理能力
該系統(tǒng)通過多點(diǎn)輪詢智能圖像分析算法,對(duì)采集到的圖像進(jìn)行大數(shù)據(jù)分析處理,應(yīng)可實(shí)時(shí)準(zhǔn)確識(shí)別目標(biāo)軌行區(qū)的安全狀態(tài)。
2.2.4具備較強(qiáng)的易部署性
該系統(tǒng)被部署在隧道內(nèi)部側(cè)壁上或者露天安全限界外,應(yīng)具備較高的可部署性,實(shí)現(xiàn)全域監(jiān)控;同時(shí)應(yīng)具有設(shè)備獨(dú)立性,不對(duì)部署區(qū)域內(nèi)的其他設(shè)施產(chǎn)生影響。
系統(tǒng)運(yùn)行模式包括線路巡檢模式、車站巡檢模式、區(qū)間跟蹤巡檢模式3種。
2.3.1全線巡檢模式
把全線所有軌旁攝像機(jī)按列車運(yùn)行方向分為兩個(gè)巡檢單元進(jìn)行巡檢,適合于每天運(yùn)營(yíng)開始前使用。
2.3.2車站巡檢模式
以車站為單位,將該車站管轄范圍的所有軌旁攝像機(jī)按運(yùn)行方向分為兩個(gè)巡檢單元,每個(gè)巡檢單元按照設(shè)定的巡檢周期依次進(jìn)行輪巡抓拍和比對(duì)的運(yùn)行模式。在此模式下,每個(gè)車站可同時(shí)進(jìn)行自動(dòng)周期巡檢,能縮短巡檢周期,提高巡檢效率,有利于迅速發(fā)現(xiàn)障礙物,適用于高峰運(yùn)營(yíng)場(chǎng)景。
2.3.3區(qū)間跟蹤巡檢模式
系統(tǒng)實(shí)時(shí)跟蹤列車行進(jìn)位置,并觸發(fā)列車前方所到車站的所有軌旁攝像機(jī)進(jìn)行自動(dòng)巡檢。檢測(cè)到異物入侵時(shí)的處理同全線巡檢模式。區(qū)間跟蹤巡檢模式如圖2所示:
此模式適用于車站設(shè)置密度較高、站間距短的各種運(yùn)營(yíng)場(chǎng)景,目的是減少設(shè)備運(yùn)行次數(shù),以延長(zhǎng)設(shè)備及系統(tǒng)壽命和提高可用性。
軌行區(qū)障礙物檢測(cè)系統(tǒng)工作流程如圖3所示。
3結(jié)語(yǔ)
根據(jù)交通運(yùn)輸部網(wǎng)站數(shù)據(jù),截至2023年底,全國(guó)(不含港澳臺(tái))已有55個(gè)城市開通運(yùn)營(yíng)城市軌道交通線路300條,運(yùn)營(yíng)里程達(dá)9915km,完成客運(yùn)量294億人次。面對(duì)如此龐大的客流量和安全運(yùn)營(yíng)壓力,可充分利用視頻采集、智能分析等人工智能相關(guān)技術(shù),提升地鐵安全運(yùn)營(yíng)水平。地鐵軌行區(qū)障礙物檢測(cè)系統(tǒng)以準(zhǔn)確可靠、獨(dú)立運(yùn)行為基本設(shè)計(jì)原則,并輔以完善的聯(lián)動(dòng)預(yù)案體系,通過減少手工操作,提高操作的速度和準(zhǔn)確率,縮短緊急事件的處理時(shí)間,減輕運(yùn)營(yíng)人員的工作壓力和強(qiáng)度,進(jìn)而有效提升地鐵的安全運(yùn)營(yíng)水平。
參考文獻(xiàn)
[1]師帥.軌道交通系統(tǒng)主動(dòng)障礙物檢測(cè)研究綜述[J].機(jī)電工程技術(shù),2021,50(6):212-216.
[2]趙佳朋.面向嵌入式應(yīng)用的列車軌道區(qū)域識(shí)別與障礙物檢測(cè)技術(shù)研究[D].北京:北京交通大學(xué),2024.
[3]陳仕濤.基于多傳感器信息融合的軌道異物檢測(cè)研究與實(shí)現(xiàn)[D].南京:南京郵電大學(xué),2024.
[4]王維,梁汝軍,黃濤.地鐵列車障礙物視頻識(shí)別系統(tǒng)設(shè)計(jì)[J].城市軌道交通研究,2019,22(6):166-169.
[5]肖添文,徐永能,余輝敏.城市軌道交通障礙物檢測(cè)及列車控制技術(shù)[J].兵器裝備工程學(xué)報(bào),2020,41(10):161-165.