CN108482428B - 一种基于曲率数组相关性的列车定位方法 - Google Patents
一种基于曲率数组相关性的列车定位方法 Download PDFInfo
- Publication number
- CN108482428B CN108482428B CN201810085918.9A CN201810085918A CN108482428B CN 108482428 B CN108482428 B CN 108482428B CN 201810085918 A CN201810085918 A CN 201810085918A CN 108482428 B CN108482428 B CN 108482428B
- Authority
- CN
- China
- Prior art keywords
- curvature
- curve
- train
- array
- line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005070 sampling Methods 0.000 claims abstract description 43
- 230000002040 relaxant effect Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000003491 array Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
- B61L25/025—Absolute localisation, e.g. providing geodetic coordinates
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种基于曲率数组相关性的列车定位方法,包括:采集各弯道的列车运行线路信息,根据各弯道的线路信息得到相应的弯道曲线,并将非弯道的线路段设置为直线,由此获得列车运行线路曲线;计算列车运行线路曲线上各采样点的曲率,按照采样点的位置顺序依次排列对应的曲率,得到一组曲率数据,该组曲率数据为曲率模板;实时拍摄列车的行驶轨迹,将行驶轨迹的实时曲率数组与所述曲率模板进行数组相关性匹配,获得列车的当前位置。本发明解决了目前已有的列车定位方法在地下城市轨道应用中效果不佳的问题,能够用毫秒级的处理时间在GPS信号弱、信号环境复杂的地铁运行环境实现米级的列车定位,在地面列车运行时的定位也能起到辅助作用。
Description
技术领域
本发明涉及列车定位的方法,属于列车运行控制技术领域。
背景技术
随着城市轨道交通的发展,列车定位技术已经成为列车运行控制***的关键技术之一。本发明解决的问题是如何在列车运行时确定列车所在位置,该问题对列车安全、可靠的运行起着至关重要的作用。
现阶段,多种列车定位方式被广泛应用于国内外轨道交通列车自动控制***中,主要有以下几种方式:1)通过轨道点位定位列车;2)通过电子计轴技术定位列车;3)通过信标技术定位列车;4)通过测速定位列车;5)通过无线扩频定位列车;6)通过交叉环线定位列车。但这些方式都存在易受环境因素影响、精确度不高的缺点。
近年来,法国U/T、德国LZB、欧盟ETCS、美国ITCS等列车运行控制***都在积极研究电子轨道地图在列车定位***中的应用。国内基于地图匹配的列车定位技术也开展了大量的研究工作,周颖等人于2004年提出的基于曲线拟合的地图匹配法;杨易等人于2006年提出的基于概率统计的地图匹配法;曹跃云在2006年提出的基于神经网络的地图匹配法。苏海滨等人于2012年提出的基于模糊逻辑的地图匹配法;张国良等人于2012年提出的基于卡尔曼滤波的地图匹配法;但这些研究的基本思想都是通过卫星导航***追踪列车运行的轨迹与电子地图上的路段进行匹配,寻找列车当前的行驶位置,而目前城市轨道交通的列车大多在地下运行,GPS信号弱,以上方法均达不到理想的效果。
发明内容
本发明的目的是提供一种基于曲率数组相关性的列车定位方法,以实现地下轨道交通列车的准确定位。
为实现上述目的,本发明所采取的技术方案是:本发明基于曲率数组相关性的列车定位方法包括:
采集各弯道的列车运行线路信息,根据各弯道的线路信息得到相应的弯道曲线,并将非弯道的线路段设置为直线,由此获得列车运行线路曲线;计算列车运行线路曲线上各采样点的曲率,按照采样点的位置顺序依次排列对应的曲率,得到一组曲率数据,该组曲率数据为曲率模板;实时拍摄列车的行驶轨迹,将行驶轨迹的实时曲率数组与所述曲率模板进行数组相关性匹配,获得列车的当前位置。
进一步地,本发明所述线路信息包括弯道的里程区间、弯道的圆曲线半径、前缓和曲线的长度和后缓和曲线的长度。
与现有技术相比,本发明的有益效果:为了解决目前已有的列车定位方法在地下城市轨道应用中效果不佳的问题,本发明提出基于数组相关性,通过分析车载摄像头实时拍摄的列车行驶轨迹的视频,得到列车行驶轨迹的实时曲率数组,与通过列车运行线路信息事先构建出的曲率模板进行数组相关性匹配,实现列车定位。与其他列车定位方法相比,本发明能够用毫秒级的处理时间在GPS信号弱、信号环境复杂的地铁运行环境实现米级的列车定位,在地面列车运行时的定位也能起到辅助作用。
附图说明
图1是列车运行的线路示意图(部分)。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本发明是一种基于曲率数组相关性的列车定位方法,包括以下步骤:
(1)曲率模板的构建
在本发明中,曲率模板是将列车运行线路在各采样点处的曲率按顺序排列而得到的一组曲率数据,该组曲率数据按照对应采样点离列车运行线路的起点从近到远的顺序排列。如图1所示,本发明所说的列车运行线路均是指双轨中的轨道1和轨道3之间的中心线2。如未特别说明,本发明所说的“位置”是指线路上的点(例如采样点、弯道曲线的起点、弯道曲线的终点等)距离列车运行线路起点的线路长度,用“里程”表示。其中,本发明所需的弯道的列车运行线路信息中的里程区间信息可从列车运行线路设计图中得到。以下实施例以采用间隔为1米的均匀采样方法确定各采样点的位置,但本发明所适用的采样方法并不局限于均匀采样方法,且采样间隔亦不限于1米,只要采样结果能够完整反映列车运行线路的曲率变化信息即可。
从列车运行线路设计图中可采集到各段弯道的列车运行线路信息,弯道的列车运行线路是弯道双轨之间的中心线,称为“弯道曲线”;而非弯道的线路段的中心线(称为“非弯道曲线”)直接设置为直线,由此得到呈直线的非弯道的线路段的列车运行线路;弯道与非弯道的列车运行线路共同构成整条完整的列车运行线路,即图1所示的中心线2(图1仅示出列车运行线路的部分)。各段弯道的列车运行线路信息通常包括弯道曲线的里程区间、圆曲线半径、前缓和曲线长度和后缓和曲线长度等,其中,里程区间信息包括弯道曲线的起点里程和终点里程;圆曲线半径有正负之分,可将左转弯道的圆曲线半径表示为正,右转弯道的圆曲线半径表示为负,反之也可。
在本发明中,前缓和曲线指从直线到圆曲线之间的曲率逐渐变化的曲线,后缓和曲线指从圆曲线到直线之间的曲率逐渐变化的曲线,两者统称为“缓和曲线”。图1中,A点为直线5和前缓和曲线AB的连接点,称为直缓点;B点为前缓和曲线AB和圆曲线BC的连接点,称为缓圆点;C点为圆曲线BC和后缓和曲线CD的连接点,称为圆缓点;D点为后缓和曲线CD和直线的连接点,称为缓直点。如图1所示,弯道曲线上的线路段AD按顺序依次由前缓和曲线AB、圆曲线BC和后缓和曲线CD连接而成。由圆曲线半径可得圆曲线方程。根据列车运行线路的缓和曲线的具体线型(目前通常采用螺旋线或三次抛物线),由圆曲线半径、前缓和曲线长度和后缓和曲线长度可经几何运算得到前缓和曲线和后缓和曲线的曲线方程。
如前所述,非弯道的线路段的列车运行线路使用直线表示。直线上采样点的曲率恒等于0 ,即若采样点的位置不包含在任一弯道曲线的里程区间内,则该采样点的曲率为0。
下面说明弯道曲线上的采样点的位置与曲率的关系的计算方法。
首先,由于圆曲线的曲率恒定,曲率值为圆曲线半径的倒数。圆曲线的里程区间可由弯道曲线的里程区间、前缓和曲线长度和后缓和曲线长度简单计算得到。若采样点的位置在圆曲线的里程区间内,则其曲率为圆曲线半径的倒数。而缓和曲线上的曲率不是恒定的,根据列车运行线路的缓和曲线的具体线型(目前通常采用螺旋线或三次抛物线),可以用数学几何的方法得到缓和曲线上不同采样点的曲率。
进一步,根据所获得的列车运行线路上各采样点的位置及其曲率,按照采样点的位置由小到大或由大到小的顺序对采样点的曲率进行排列,得到一组采样点曲率数据,所得到的该组采样点曲率数据为本发明的曲率模板。
(2)实时曲率数组匹配
根据车载摄像头实时拍摄的列车行驶轨迹,可参照Berg A等人在2015年提出的基于曲率映射图的轨道识别方法(Berg A, Öfjäll K, Ahlberg J, Felsberg M. Detectingrails and obstacles using a train-mounted thermal camera. Lecture Notes inComputer Science (including subseries Lecture Notes in ArtificialIntelligence and Lecture Notes in Bioinformatics). 2015;9127:492-503.),获得列车行驶轨迹的一组实时曲率数据,称为“实时曲率数组”。基于皮尔逊相关系数的数组相关性分析,可将实时曲率数组与曲率模板进行匹配,获得列车的当前位置。下面具体说明匹配方法。
基于曲率映射图的轨道识别方法,可以获得每一帧图像中列车当前所在位置的曲率,一帧对应一个曲率数据。实时视频包含连续的多帧,则对应一组按时间先后顺序排列的曲率数据,即列车运行轨迹的实时曲率数组。进一步将实时曲率数组与曲率模板中的数组相关性最大的一段数据进行匹配。
首先,需要确定实时曲率数组与曲率模板中的数组的采样频率的比例的区间。由我国目前地下列车最高时速为80km/h可知,当实时摄像头拍摄帧率为25帧时,相邻两帧图像拍摄位置的间距不超过1.8m,而曲率模板中的数组的采样间隔为1米,因此实时曲率数组与曲率模板的曲率数组的采样间隔的比例的区间为(0,1.8]。
然后,从上述所得的比例的区间中取多个比例,可每隔0.01取一个比例,分别对所取的每个比例m进行如下操作:首先根据采样间隔的比例m,截取曲率模板中一段数据:设实时曲率数组B为第1帧至第n帧(n表示实时曲率数组中的帧的总数)对应的一组曲率数据,也称为“待匹配数组”,则截取曲率模板中的第1个至第(n-1)·m+1个曲率数据构成“模板数组”。然后将待匹配数组的全部曲率数据复制到数组X,将模板数组的全部曲率数据复制到数组Y。接着,对数组X和数组Y中数据个数较多的曲率数组进行均匀采样而得到结果数组x,采样之后的结果数组x与数组X和数组Y中数据个数较少的数组中的数据个数相同,这样得到两个数据个数相同的数组x和y。以下举例说明。假设数组X中的曲率数据个数比数组Y中的曲率数据更多,则结果数组x中的数据个数与数组Y中的数据个数相同,数组Y即为数组y。
本发明可采用皮尔逊相关系数得到每个比例所对应的数组x和数组y的相关性计算结果,相关性计算结果越大,表示数组越相关。
由上述计算方法,根据实时曲率数组与曲率模板数组的采样间隔的不同的比例,分别获得不同的相关性计算结果,取其中最大的相关性计算结果,由最大的相关性计算结果得到与其对应的采样间隔的比例,根据该采样间隔的比例截取曲率模板中的一段数据,该段数据对应的采样点中的最后一个的位置即为列车当前所在的位置,由此实现了列车定位。由表1可知,使用本发明方法能够实现在地铁运行环境中用毫秒级的处理时间实现米级的列车定位。
表1
列车的实际位置/米 | 本发明获取的列车位置/米 | 误差/米 | 本发明的列车定位时间/毫秒 |
300 | 304 | +4 | 16 |
500 | 506 | +6 | 31 |
1000 | 999 | -1 | 47 |
Claims (2)
1.一种基于曲率数组相关性的列车定位方法,其特征在于,包括:
采集各弯道的列车运行线路信息,根据各弯道的线路信息得到相应的弯道曲线,并将非弯道的线路段设置为直线,由此获得列车运行线路曲线;计算列车运行线路曲线中的弯道曲线和直线上的各采样点的曲率,各采样点的采样结果能够完整反映列车运行线路的曲率变化信息,按照采样点的位置顺序依次排列对应的曲率,得到一组曲率数据,该组曲率数据为曲率模板;
实时拍摄列车的行驶轨迹,基于曲率映射图的轨道识别方法,获得每一帧图像中列车当前所在位置的曲率,一帧对应一个曲率数据,形成实时曲率数组;通过列车运行速度和摄像头的拍摄帧率确定相邻两帧图像拍摄位置的实时间距,计算实时间距与曲率模板中的数组采样间隔的比值,得到实时曲率数组与曲率模板数组的采样间隔比例,所述采样间隔比例在实时曲率数组与曲率模板数组的采样间隔比例区间内;根据采样间隔比例,得到实时曲率的待匹配数组和模板数组,将待匹配数组与曲率模板数组进行数组相关性匹配,获得列车的当前位置。
2.根据权利要求1所述的基于曲率数组相关性的列车定位方法,其特征在于:所述线路信息包括弯道的里程区间、弯道的圆曲线半径、前缓和曲线的长度和后缓和曲线的长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810085918.9A CN108482428B (zh) | 2018-01-29 | 2018-01-29 | 一种基于曲率数组相关性的列车定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810085918.9A CN108482428B (zh) | 2018-01-29 | 2018-01-29 | 一种基于曲率数组相关性的列车定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108482428A CN108482428A (zh) | 2018-09-04 |
CN108482428B true CN108482428B (zh) | 2021-06-15 |
Family
ID=63343847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810085918.9A Active CN108482428B (zh) | 2018-01-29 | 2018-01-29 | 一种基于曲率数组相关性的列车定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108482428B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111897901B (zh) * | 2020-06-29 | 2024-04-02 | 中铁第一勘察设计院集团有限公司 | 列控***轨道地理信息采集和处理方法 |
CN112415556B (zh) * | 2020-11-26 | 2023-12-01 | 中国铁道科学研究院集团有限公司 | 动态检测车定位***及工作方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103717999A (zh) * | 2011-08-24 | 2014-04-09 | 株式会社电装 | 行驶轨迹存储装置 |
CN107402006A (zh) * | 2017-07-24 | 2017-11-28 | 武汉大学 | 基于轨道几何特征信息匹配的列车精密定位方法和*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2003902168A0 (en) * | 2003-05-07 | 2003-05-22 | Central Queensland University | A control system for operating long vehicles |
-
2018
- 2018-01-29 CN CN201810085918.9A patent/CN108482428B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103717999A (zh) * | 2011-08-24 | 2014-04-09 | 株式会社电装 | 行驶轨迹存储装置 |
CN107402006A (zh) * | 2017-07-24 | 2017-11-28 | 武汉大学 | 基于轨道几何特征信息匹配的列车精密定位方法和*** |
Non-Patent Citations (2)
Title |
---|
"Detecting Rails and Obstacles Using a Train-Mounted Thermal Camera";Amanda Berg1,et al.;《Lecture Notes in Computer Science》;20151231;正文第2-3节,图1-5 * |
"地图辅助定位方法在列车定位中的应用";郭保青等;《铁道学报》;20071231;第29卷(第6期);正文第1-3节,图1-4 * |
Also Published As
Publication number | Publication date |
---|---|
CN108482428A (zh) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104197945B (zh) | 一种基于低采样率浮动车数据的全局投票地图匹配方法 | |
CN105371857B (zh) | 一种基于公交车gnss时空轨迹数据建构路网拓扑的装置及方法 | |
CN101270997B (zh) | 基于gps数据的浮动车动态实时交通信息处理方法 | |
CN104634298B (zh) | 基于lidar轨道点云数据的既有铁路测量方法 | |
CN111210612B (zh) | 基于公交gps数据与站点信息提取公交线路轨迹的方法 | |
CN110095127A (zh) | 一种基于分段的隐马尔可夫模型地图匹配方法 | |
CN106997666B (zh) | 一种利用手机信令数据位置切换获取交通流速度的方法 | |
CN104318781B (zh) | 基于rfid技术的行程速度获取方法 | |
CN106197458A (zh) | 一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法 | |
CN104778274A (zh) | 基于稀疏出租车gps数据的大范围城市路网旅行时间估计方法 | |
CN102183256A (zh) | 行进车队的地图匹配方法 | |
CN105120433A (zh) | 基于连续采样及模糊聚类处理的wlan室内定位方法 | |
CN108482428B (zh) | 一种基于曲率数组相关性的列车定位方法 | |
CN101832779A (zh) | 一种复杂环境下的导航方法 | |
CN113178068B (zh) | 一种基于浮动车的道路拥堵指数计算方法及*** | |
CN107330088A (zh) | 一种基于gps轨迹数据的出行段识别方法 | |
CN105096590A (zh) | 交通信息生成方法和交通信息生成设备 | |
CN107907134A (zh) | 一种里程信息辅助地磁匹配的车辆定位***与方法 | |
CN109934889A (zh) | 一种基于线性排序的道路中心线确定方法 | |
CN109121094A (zh) | 伪码信令数据预处理与出行链识别方法 | |
CN113581260A (zh) | 一种基于gnss的列车轨道占用判别方法 | |
CN104913782A (zh) | 一种基于采集与定位的室内外联合导航方法与*** | |
CN116989816B (zh) | 一种偏航识别方法、装置及电子设备 | |
CN105717517B (zh) | 一种车载北斗多模gnss高精度道路基础数据采集方法 | |
CN110081890B (zh) | 一种结合深度网络的动态k最近邻地图匹配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |