城市軌道交通障礙物檢測及列車控制技術

肖添文,徐永能,余輝敏

(南京理工大學， 南京 210094)

據中國城市軌道交通協會數據統計分析，我國城市軌道交通(簡稱城軌)建設規模逐年擴大，運營里程和客運量不斷增長。截至2019年底，我國的城市軌道交通建設運營總里程為6 736.2公里，客運量高達237.1億人次/年，成為部分中、大城市乘客出行的首選交通方式[1]。但是由于城軌列車具有客運量較大，并且發車間隔較小的特點，因此容易引發事故，此問題得到了人們的高度關注。城市軌道交通列車一旦發生意外事故，例如撞擊障礙物致使的脫軌情況，不僅難以實施救援計劃，而且還可能會導致該班次列車的經濟損失和后續列車的延誤，甚至還可能會造成較為嚴重的人員傷亡，最終亦會影響乘客的出行[2]。因此，使用障礙物檢測裝置實時監測列車的運行環境，并且采取相應的措施及時對列車進行預警或者控制十分重要。

為保障列車運營安全，應加強對列車運行環境的實時監測和列車控制技術的研究，實現對軌道區域內障礙物的精確檢測與判斷，從而進行列車預警與控制。其中本文所研究的障礙物檢測技術主要是用于針對具有較強的突發性障礙物侵限事件，并且憑借非接觸式障礙物檢測技術快速響應和準確度較高的優點，及時對運行環境中可能存在的危險因素進行檢測[3]。列車預警及控制技術是通過應答器和基站傳遞的障礙物檢測與判斷結果信息，根據危險等級自動選擇控車模式的一種應用技術，該技術主要用于保證列車安全平穩通過障礙物所在的區域。兩種技術融合，共同保障城市軌道交通列車運行安全，提高乘客出行安全性和舒適性。

本文所研究的城市軌道交通的障礙物檢測技術及列車控制技術主要是以提高列車運行的安全技術水平和乘客的乘車體驗為目的，采用最新的科技信息技術，最終為城軌行業提供運行環境的快速和精確檢測服務[4]。本研究主要從安全角度出發，著重解決障礙物侵入軌道線路的檢測、列車的緊急運行控制等問題，從而提高城市軌道交通運行的安全水平和乘客的旅程滿意度[5]。

1 障礙物檢測及列車控制技術研究現狀

障礙物檢測技術和列車控制技術作為保證行車安全的重要技術，在許多國家鐵路行車系統中均有一定研究與應用。

在障礙物檢測技術研究方面，現已有許多較為完善的研究方法。Ryuta等[6]通過單目視覺圖像檢測鐵路沿線的障礙物，并使用模擬場景來驗證該方法的可靠性。Jaehyun Han等[7]提出了使用測距傳感器來檢測運行環境邊界和界限內障礙物的方法，同時采用特殊手段驗證了此方法的可用性。黃如林等[8]提出了以時空特征向量為基礎的障礙物檢測方法，主要用于檢測動態障礙物，具有較強的可行性。曲越[9]采用多技術融合檢測，對視頻圖像和激光雷達進行了研究，并且提出并驗證了該融合算法。但上述障礙物檢測方法未同時對靜態障礙物和動態障礙物進行檢測，也未闡明障礙物檢測結果信息傳輸方式，使得檢測精度和信息傳輸效率均有待進一步研究與提高。

在列車預警及控制技術研究方面，現階段也有諸多研究成果。Li Sihui等[10]考慮了駕駛員的反應時間和速度、無線通信的延遲時間、安全保護距離等各個因素，計算了可以避免列車與障礙物碰撞的時間，同時開發了列車的碰撞預警系統(TCEWS)。Albrecht等[11]通過找到最優的速度切換點，生成了對應的列車速度控制曲線，此曲線可以為駕駛員提供有關于列車節能駕駛的策略和控制建議。吳攀[12]從列車的運行安全的角度出發，重點研究了列車的接近預警系統，并且通過列車與列車之間的直接通信方式，實現了列車的接近預警功能。陳思捷[13]通過分析列車的制動系統結構和制動原理，構建該列車相應的制動模型，此模型可以為司機的控車提供較為精準的控制曲線。但上述列車預警及控制技術主要是為司機提供預警，未實現主動控車行為，當司機反應過慢應急不及時時，很可能會危及行車安全，因此應進一步加強應急情況下列車自動制動技術的研究。

通過對國內外研究成果的分析，可以看出，有關城市軌道交通障礙物檢測技術、列車預警及控制技術的方法很多，也較為完善，但卻均未將它們進行融合，未根據檢測結果有效控制列車采取主動安全行為。因此，本文著重研究了城市軌道交通的全套列車安全保障技術，該技術主要包括列車運行環境的障礙物檢測技術和列車的預警及控制技術。通過對各技術的融合，克服了單一技術的缺點，使得應急反應更靈敏，從而提高城市軌道交通運行的可靠性和安全性。

2 模型方法

城市軌道交通的障礙物檢測技術和列車控制技術主要原理是通過設置于軌道旁的障礙物檢測裝置對列車的運行環境進行實時地檢測，并且判斷所檢測到的山體滑坡、落石、行人等對列車運行的影響程度，通過應答器和軌道旁基站將檢測結果信息傳遞給臨近列車，車載預警及控制系統自動判斷制動位置和控制制動信號，從而保障行車安全。

2.1 軌道旁障礙物檢測裝置

軌道旁障礙物檢測裝置主要采用攝像機和激光雷達融合技術，其中攝像機主要用于對障礙物進行輪廓描繪和形狀定型，激光雷達主要用于對障礙物進行高度信息確定和定位，二者融合使用，更加能準確檢測出障礙物的形狀信息和位置信息，并根據障礙物危險等級采取系統自動響應模式或人工響應模式控制列車運行，從而保障列車運行安全。

在二者融合使用時，關鍵是坐標系的融合標定與轉換，可采用世界坐標系作為轉換橋梁，找到二者的相互關系。激光雷達掃描點在世界坐標系下的坐標點(X′,Y′,Z′)為：

(1)

其中：R表示激光雷達的掃描點到中心點的距離；α表示激光與雷達正向的水平夾角；ω表示發射的激光與水平面的垂直角度；Y′軸為激光雷達所指的方向，一般為列車前進方向，Z′軸為列車垂直向上方向；X′軸為滿足右手定則的另一方向。

而世界坐標系下的點(X′,Y′,Z′)在相機坐標系下可表示為：

(2)

其中：R為攝像機坐標系與世界坐標系二者之間的旋轉矩陣關系；T則表示旋轉后的倆坐標系之間的平移關系。

2.2 障礙物檢測技術

1) 檢測方法

通過對國內外障礙物檢測技術的優缺點和適用性能進行對比分析，最終發現視頻檢測技術的成本較低，檢測的效果較好，并且非常容易實現[14]，因此本研究亦采用此種技術進行障礙物檢測，且輔以激光雷達進行測距定位，從而提高檢測精度?；谝曨l檢測的算法較為成熟和完善，主要包括：時間差分法、背景消減法、幀差法、光流法、平均背景模型法等[15]，它們有相應的優點和缺點：時間差分法運算速度極快，但是存在“空洞”現象；背景消減法可以用于檢測運動的目標物體，并且檢測的準確度較高，實現方法簡單，但是對明暗變化等相對敏感；幀差法的檢測速度也較快，實現方法較為簡單，對明暗變化不敏感，但存在“空洞”和“雙影”現象；光流法可以攜帶所檢測物體的運動信息，且檢測效率較高，但是方法實現較為復雜，計算量較大，實時性差；平均背景模型法將每一幀圖像的累加平均值作為背景圖像，提高了背景圖像的精度，但僅可檢測位移較為明顯的物體。

通過對各圖像處理方法的對比，結合本文所研究的城市軌道交通的特點，選擇隧道作為研究對象，選用幀差法作為圖像檢測方法，對城市軌道交通障礙物侵入進行實時檢測與判斷，從而保障運營安全?；谝曨l檢測的方法如下：采用背景幀差法，根據安裝在軌道旁的障礙物檢測裝置采集到的信息，得到該幀圖像的差值圖像id(x′,y′,i)[16]：

id(x′,y′,i)=f(x′,y′,i)-b(x,y,i0)

(3)

其中：b(x,y,i0)為隧道內軌道旁障礙物檢測裝置初始視頻圖像，即背景圖像；f(x′,y′,i)為當前的視頻圖像；(x,y)為圖像位置坐標；i為圖像幀數；i0為初始圖像幀數，一般取值為0。

通過設置圖像閾值T，可以得到二值化的差值圖像[17]：

(4)

本研究將隧道內軌道旁各圖像采集模塊正常情況下的監控視角圖像作為初始背景圖像，將監控視頻中的圖像與該背景圖像實時進行幀差處理，并且對差異區域標紅和進行二值化處理。通過二值化后的圖像信息，與軌道旁信息處理模塊中儲存的信息比對，判斷出障礙物對列車運行的影響程度。

2) 障礙物檢測原理俯視圖

信息處理模塊主要完成障礙物的信息處理和安全距離的估算，其距離計算原理如下：

在直線區段，A為隧道內的障礙物檢測裝置，包括圖像采集模塊和信息處理模塊，B為障礙物俯視圖，C為應答器，E為列車車頭。直線區段的俯視圖如圖1。

根據圖中關系，障礙物B到列車車頭E的距離S計算如下：

d=|rcosθ|

(5)

D=|Rcosα|

(6)

S=m-n-D=m-n-|Rcosα|

(7)

其中：d為檢測裝置A與障礙物B的最近距離到列車前進方向水平線的投影；r為檢測裝置A到障礙物B的最近距離；θ為檢測裝置A到障礙物最近距離r與列車前進方向水平線的夾角的弧度值；D為檢測裝置A與障礙物B的最遠距離到列車前進方向水平線的投影；R為檢測裝置A到障礙物B的最遠距離；α為檢測裝置A到障礙物最遠距離R與列車前進方向水平線的夾角的弧度值；m為檢測裝置A到特定應答器C的水平距離；n為應答器C到列車車頭E的距離。

圖1 直線區段俯視圖

在曲線區段，F為障礙物檢測裝置A到軌道中心線的垂足。曲線區段的俯視圖如圖2。

圖2 曲線區段俯視圖

障礙物B到列車車頭E的距離S計算如下：

q=|rsin(θ-η)|

(8)

p=|Rsin(α-η)|

(9)

L=2R1sin(φ/2)

(10)

k=1/R1

(11)

m1=φR1

(12)

S=m1-n-p

(13)

由式(8)～式(13)可得：

(14)

其中：q為垂足F到r延長線與軌道中心線交點的距離；η為檢測裝置A到軌道垂線與列車前進方向水平線的夾角的弧度值；p為垂足F到R延長線與軌道中心線交點的距離；L為垂足F到應答器C的直線距離；R1為軌道曲率圓半徑；φ為垂足F與應答器C形成的曲率圓圓心角弧度值；k為軌道曲率；m1為垂足F到應答器C的弧線距離。

假設列車行駛速度為v，則已知列車運行速度v和到達障礙物B的距離S，可采用目標-距離模式曲線進行速度控制，使列車到達障礙物時能處于安全狀態，待清除障礙物后再繼續運行。

3) 信息傳遞

軌道旁障礙物檢測裝置實時檢測軌道區域內的障礙物情況，并判斷此障礙物對列車運行是否存在影響，同時將障礙物檢測結果信息傳遞給相應應答器。當列車經過該應答器時，讀取存儲的障礙物信息，并通過基站傳遞給相鄰列車，列車根據接收到的信息進行預警及控制。而基站間采用GSM-R/GPS網絡進行通信，共同保證障礙物的精確檢測與信息傳遞，為列車運行控制提供依據。障礙物信息傳遞的示意圖如圖3。

圖3 障礙物信息傳遞示意圖

2.3 列車預警及控制技術

當安裝在軌道旁的障礙物檢測裝置檢測到軌道的特定區域內存在障礙物，并且該障礙物可能會威脅行車安全時，系統會自動進行預警鳴響[18]。根據障礙物的大小、形狀和高度值，設置不同的預警等級，當危險等級較低時，可采取預警的方式提醒列車司機前方運行區段存在障礙物，并傳送給司機相應視頻圖像和障礙物信息；當危險等級較高時，表明該障礙物的存在直接影響列車運行，嚴重威脅行車安全，可采用制動系統直接制動的方式控制列車運行，從而保障行車安全。

列車預警及控制系統結構如圖4所示，其部件功能如下：

1) AC220V電源開關：為該列車預警及控制系統供電。

2) 系統正常運行表示燈：系統內各部件的工作正常，信息的傳輸和接收信號正常時，點亮綠色。

3) 制動警告表示燈及蜂鳴器：當接收到運行環境存在異常信息并危及行車安全時，點亮紅色，同時開啟蜂鳴。

4) 緊急制動表示燈及報警蜂鳴器：當檢測到自動制動信號控制輸出失?；蛑苿訄绦惺r，點亮紅色，并開啟蜂鳴器。

5) 系統位置設定開關：用于對系統的位置進行設定。

6) 障礙物檢測裝置：安裝于軌道旁的圖像采集模塊和圖像處理模塊，可實時檢測軌道區段內的障礙物情況，并判斷障礙物對列車運行是否存在影響。

7) 列車定位系統接口：與車載定位裝置相連接，獲取列車的定位信息。

8) 車載顯示器接口：用于和車載顯示器相連，顯示列車的制動信號和路況信息等。

9) 自動制動執行器：用于在緊急情況下的列車自動制動。

10) 手動制動操作臺：用于在自動制動失敗的情況下，開啟人工手動制動操作。

圖4 列車預警及控制系統結構框圖

3 實例仿真

將上述方法進行仿真，基于圖像檢測技術，利用某地鐵提供的人工拍攝視頻圖像，視頻內容為某工人拎著工具箱檢修，檢修結束后將工具箱遺忘在隧道內。利用MATLAB仿真對采集到的實時視頻進行障礙物檢測，將每一幀視頻作為目標視頻圖像，識別出的結果與二值化圖像代表障礙物的檢測結果。而在命令行窗口則會輸出該幀圖像的一些基本檢測信息，例如該幀時間、障礙物最遠距離所對應的角度、該角度余弦值、最遠距離、障礙物到列車車頭的距離、是否存在障礙物、是否影響列車運行、列車經過該障礙物時是否正常運行、是否應采取應急及控制措施、采用哪套應急方案等。MATLAB的仿真結果如圖5所示。

圖5 MATLAB仿真結果界面

通過MATLAB仿真結果，可以看出，該障礙物檢測算法能精確識別出遺留在隧道內的工具箱，且能輸出相應的障礙物信息，與實驗時實際障礙物所測得的情況相同，并可通過設置一定閾值，判斷對列車運行是否存在危險，并將檢測結果傳遞給相應應答器。當列車途徑該應答器時，實現信息的傳輸，讀取最新障礙物信息，并通過基站傳遞給后續列車，便于列車根據危險等級作出相應控制措施。

4 結果與討論

本研究中使用的障礙物檢測方法可用于保障在高密度行車條件下的行車安全，能精確檢測出障礙物，可實現預期功能。但目前的障礙物檢測技術由于檢測精度和算法的缺陷，僅能檢測落石、行人、工具箱等大型的障礙物，而對于小型的障礙物，檢測則較為困難。且障礙物檢測實驗次數少，檢測對象有限，對顏色不鮮明或者體積較小的物體未進行實驗，可能還存在一些檢測偏差。同時，檢測算法的精度還需要進一步提高，這可能對檢測結果存在一定的影響。后期將對障礙物檢測范圍擴大研究，并提高檢測算法精度，使得小型障礙物和色彩與背景相差不大的障礙物均能被檢測出。同時亦會增加仿真和實驗的次數，避免因特殊原因而導致的實驗偶然性，使得最終的實驗結果更具說服力，保證列車的高安全性能。

5 結論

在軌道旁安裝障礙物檢測裝置，實時監測運營環境，并判斷障礙物對列車運行是否存在影響，同時通過應答器和軌道旁基站傳遞檢測信息；在列車上安裝預警及控制系統，通過接收到的障礙物檢測信息，自動控制列車實現相應應急方案，對保障行車安全起到了重要作用。本技術所包含的障礙物檢測、危險警示和自動控車均能實現預期功能，減少了人員損傷以及社會資源的浪費，提高了城市軌道交通公司運營的安全水平。