KR20170114430A - 열차 탈선 사고 예측 장치 및 방법 - Google Patents

열차 탈선 사고 예측 장치 및 방법 Download PDF

Info

Publication number
KR20170114430A
KR20170114430A KR1020160041195A KR20160041195A KR20170114430A KR 20170114430 A KR20170114430 A KR 20170114430A KR 1020160041195 A KR1020160041195 A KR 1020160041195A KR 20160041195 A KR20160041195 A KR 20160041195A KR 20170114430 A KR20170114430 A KR 20170114430A
Authority
KR
South Korea
Prior art keywords
train
line
defect
information
unit
Prior art date
Application number
KR1020160041195A
Other languages
English (en)
Inventor
김철홍
Original Assignee
한국전자통신연구원
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020160041195A priority Critical patent/KR20170114430A/ko
Publication of KR20170114430A publication Critical patent/KR20170114430A/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
    • B61L27/57—Trackside diagnosis or maintenance, e.g. software upgrades for vehicles or trains, e.g. trackside supervision of train conditions
    • B61L27/0094—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
    • B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
    • B61K9/04—Detectors for indicating the overheating of axle bearings and the like, e.g. associated with the brake system for applying the brakes in case of a fault
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
    • B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
    • B61K9/08—Measuring installations for surveying permanent way
    • B61K9/10—Measuring installations for surveying permanent way for detecting cracks in rails or welds thereof
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
    • B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
    • B61L23/042—Track changes detection
    • B61L27/0011—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/10—Operations, e.g. scheduling or time tables

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

선로 상태 정보를 수집하는 선로 결함 데이터 수집부; 수집된 선로 상태 정보를 수치화하는 선로 결함 데이터 수치화부; 수치화된 선로 상태 정보를 기반으로 선로의 구간별 결함 수준을 결정하는 선로 구간별 결함 수준 결정부; 차륜 베어링 온도 정보를 포함하는 열차 상태 정보를 수집하는 차륜 베어링 위험도 예측 데이터 수집부;
열차의 운행 정보를 수집하는 열차 운행 정보 수집부; 및 상기 선로의 구간별 결함 수준, 상기 열차 상태 정보 및 상기 열차의 운행 정보를 기반으로 열차의 탈선 사고 위험을 예측하는 열차 탈선 사고 위험 예측부를 포함하는 열차 탈선 사고 예측 장치가 개시된다

Description

열차 탈선 사고 예측 장치 및 방법{APPARATUS AND METHOD FOR PREDICTING TRAIN'S DERAILMENT}
본 발명은 열차 탈선 사고 예측 기술에 관한 것으로서, 구체적으로는 철도 시설 및 철도 차량의 유지 보수 데이터를 분석하여, 열차의 탈선 가능성을 예측하는 기술에 관한 것이다.
철도 시설 및 철도 차량은 유지보수 작업 현황이 철도공사의 업무관리 시스템인 코비스(KOVIS) 시스템에 기록되고 있다. 그러나, 철도 시설 및 차량의 유지보수 기록들은 각각 독립적으로 관리되고 있어 각 유지보수 정보들간의 통합을 통한 고장 및 사고 예측은 미흡 실정이다. 특히 선로 유지보수 작업의 경우, 특정 선로구간의 유지보수 계획과 실제 유지보수 작업 실적의 일치성을 파악할 수 있는 정보가 제공되지 않아 안전상의 문제를 야기하고 있다.
본 발명의 목적은 열차의 탈선 사고를 예측하는 기술을 제공하는 것이다.
본 발명의 일 측면에 따르면, 선로 상태 정보를 수집하는 선로 결함 데이터 수집부; 수집된 선로 상태 정보를 수치화하는 선로 결함 데이터 수치화부; 수치화된 선로 상태 정보를 기반으로 선로의 구간별 결함 수준을 결정하는 선로 구간별 결함 수준 결정부; 차륜 베어링 온도 정보를 포함하는 열차 상태 정보를 수집하는 차륜 베어링 위험도 예측 데이터 수집부; 열차의 운행 정보를 수집하는 열차 운행 정보 수집부; 및 상기 선로의 구간별 결함 수준, 상기 열차 상태 정보 및 상기 열차의 운행 정보를 기반으로 열차의 탈선 사고 위험을 예측하는 열차 탈선 사고 위험 예측부를 포함하는 열차 탈선 사고 예측 장치가 제공된다.
본 발명의 실시예에 따르면 열차의 탈선 사고를 예측 하는 것이 가능하게 된다.
도 1은 본 발명의 일 실시예에 따른 열차 탈선 사고 예측의 개념도.
도 2는 본 발명의 일 실시예에 따른 열차 탈선 사고 예측 장치의 블록도.
도 3은 본 발명의 일 실시예에 따른 선로 구간별 결함 등급을 결정하는 방법의 흐름도.
도 4는 본 발명의 일 실시예에 따른 열차 탈선 사고 예측 방법의 흐름도.
도 5은 본 발명의 일 실시예에 따른 선로 상태 데이터를 나타낸 도면.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 이를 상세한 설명을 통해 상세히 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 명세서 및 청구항에서 사용되는 단수 표현은, 달리 언급하지 않는 한 일반적으로 "하나 이상"을 의미하는 것으로 해석되어야 한다.
이하, 본 발명의 바람직한 실시예를 첨부도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 일 실시예에 따른 열차 탈선 사고 예측의 개념도이다.
도 1을 참조하면, 대전역을 출발하여 서울역을 향하는 열차가 도시되어 있다. 이때, 본 발명에서는 도 1에 도시된 열차가 대전역을 출발하여 서울역에 이르는 선로상에서 미리 설정된 구간별로 열차의 탈선 사고 가능성을 예측하고자 한다.
도 2는 본 발명의 일 실시예에 따른 열차 탈선 사고 예측 장치의 블록도이다.
도 2를 참조하면, 열차 탈선 사고 예측 장치(100)는 선로 결함 데이터 수집부(110), 선로 결함 데이터 수치화부(120), 선로 구간별 결함 수준 결정부(130), 차륜 베어링 위험도 예측 데이터 수집부(140), 열차 운행 정보 수집부(150) 및 열차 탈선 사고 위험 예측부(160)를 포함한다.
선로 결함 데이터 수집부(110)는 선로의 상태를 판단하는데 이용되는 선로 상태 데이터를 수집한다.
일 실시예에서, 선로 상태 데이터는 침목 결함 데이터, 레일 탐상 결함 데이터, 궤도 검측 데이터 등을 포함할 수 있다. 열차 선로는 정기적 또는 비정기적으로 유지 보수된다. 궤도 검측 데이터는 궤도 검측차를 운행하여 수집된다. 궤도 검측차는 궤도의 틀림 상태를 측정하는 기계 장비의 일종으로 컴퓨터 소프트웨어가 고속으로 운행하면서 거리, 고저, 방향, 궤간, 수평 비틀림 등을 검출해내며 궤도의 동적 틀림을 측정하여 선로 유지보수 작업에 대한 자료를 제공한다. 레일 탐상 결함 데이터는 레일 탐상차를 이용한 레일 탐상을 통해 수집된다. 레일 결함은 레일 탐상차, 인력 탐상, 선로 순회 등을 통해서 발견되고 있으며, 레일 침목 결함과 레일 결함으로 구분된다.
선로 결함 데이터 수치화부(120)는 수집된 선로 상태 데이터를 정량적으로 수치화한다. 구체적으로, 선로 결함 데이터 수치화부(120)는 선로 상태 정보를 기반으로 선로의 상태를 등급화할 수 있도록, 선로 상태 정보를 수치화한다.
선로 구간별 결함 수준 결정부(130)는 선로 상태 정보를 기반으로 현재 선로의 상태를 결정한다.
일 실시예에서, 선로 구간별 결함 수준 결정부(130)는 선로의 상태를 미리 설정된 간격으로 선로의 상태를 결정할 수 있다.
일 실시예에서, 선로 구간별 결함 수준 결정부(130)는 수치화된 선로 상태 정보를 기반으로 선로의 상태를 결정할 수 있다.
일 실시예에서, 선로 구간별 결함 수준 결정부(130)는 선로의 상태를 즉시 선로 유지 보수 시행 경고 대상인 1 등급, 30일 후 재검사 경고 대상인 2 등급 및 선로 상태 양호 대상인 3 등급으로 결정할 수 있다.
차륜 베어링 위험도 예측 데이터 수집부(140)는 열차의 상태를 판단하는데 이용되는 열차 상태 정보를 수집한다.
일 실시예에서, 열차 상태 정보는 열차의 차륜 베어링의 상태 정보일 수 있다. 예를 들어, 차륜 베어링의 상태 정보는 차륜 베어링의 온도 일 수 있다.
열차 운행 정보 수집부(150)는 열차 탈선 사고 예측 대상이 되는 열차의 운행 정보를 수집한다. 여기서, 열차의 운행 정보는 열차의 현재 위치, 속도, 탑승 인원, 운행 스케줄 등을 의미한다.
열차 탈선 사고 위험 예측부(160)는 열차 탈선 사고의 가능성을 예측한다. 구체적으로, 열차 탈선 사고 위험 예측부(160)는 선로 구간별 결함 수준, 열차 차륜 베어링의 상태 정보 및 열차 운행 정보를 기반으로 열차 탈선 사고의 가능성을 예측한다.
일 실시예에서, 열차 탈선 사고 위험 예측부(160)는 열차 차분 베어링의 상태 정보를 기반으로 열차 차륜 베어링의 결함 수준을 결정할 수 있다. 예를 들어, 열차 탈선 사고 위험 예측부(160)는 열차 차분 베어링의 상태를 차륜 베어링의 온도에 따라 결함 1, 결함 2 및 결합 3 중 어느 하나로 결정할 수 있다. 여기서, 결함 1은 차축 베어링의 과열로 인한 열화로 차축 베어링이 파괴되어 차륜의 선로 이탈로 인한 열차 탈선의 위험이 있는 수준을 의미한다. 결함 2는 차축 베어링의 과열로 인한 열차 서행을 해야 하는 수준을 의미한다. 결함 3은 정상적인 열차 운행이 가능한 수준을 의미한다.
일 실시예에서, 열차 탈선 사고 위험 예측부(160)는 열차 차륜 베어링의 결함 수준이 결함 1인 경우, 선로 결함 수준이 1등급, 2등급 또는 3등급이면 열차 탈선 위험 경고 상태로 판단할 수 있다.
일 실시예에서, 열차 탈선 사고 위험 예측부(160)는 열차 차륜 베어링의 결함 수준이 결함 2인 경우, 선로 상태 수준이 1등급이면 열차 탈선 위험 경고 상태로 판단, 2 등급 또는 3 등급이면 열차 서행 경고 상태로 판단할 수 있다.
일 실시예에서, 열차 탈선 사고 위험 예측부(160)는 열차 차륜 베어링의 결함 수준이 결함 3인 경우, 선로 상태 수준이 1등급이면 열차 서행 경고 상태로 판단, 2 등급 또는 3 등급이면 열차 정상 운행 경고 상태로 판단할 수 있다.
도 3은 본 발명의 일 실시예에 따른 선로 구간별 결함 등급을 결정하는 방법의 흐름도이다. 이하, 도 3의 방법은 도 2에 도시된 열차 탈선 사고 예측 장치(100)에 의해 수행되는 것을 예시로 설명한다.
도 3을 참조하면, 단계 S310에서 열차 탈선 사고 예측 장치(100)는 선로 상태 정보를 수집한다. 구체적으로, 열차 탈선 사고 예측 장치(100)는 수치화된 침목 결함 데이터, 레일 결함 데이터 및 궤도 결함 데이터를 수집한다.
단계 S320에서, 열차 탈선 사고 예측 장치(100)는 수집된 선로 상태 정보를 기반으로 선로 구간별 결함 등급을 결정한다.
단계 S330에서, 열차 탈선 사고 예측 장치(100)는 선로 구간별 결함 등급이 1등급이면, 즉시 선로 유지 보수 시행 경고 상태로 판단한다.
단계 S340에서, 열차 탈선 사고 예측 장치(100)는 선로 구간별 결함 등급이 2 등급이면, 30일 이후 재검사 경고 상태로 판단한다.
단계 S350에서, 열차 탈선 사고 예측 장치(100)는 선로 구간별 결함 등급이 3 등급이면, 선로 상태 양호 경고 상태로 판단한다.
도 4는 본 발명의 일 실시예에 따른 열차 탈선 사고 예측 방법의 흐름도이다. 이하, 도 4에 도시된 방법은 도 2에 도시된 열차 탈선 사고 예측 장치(100)에 의해 수행되는 것을 예시로 설명한다.
도 4를 참조하면, 단계 S410에서 열차 탈선 사고 예측 장치(100)는 열차의 속도, 위치 등의 운행 정보를 수집한다.
단계 S420에서, 열차 탈선 사고 예측 장치(100)는 열차의 운행 정보를 기반으로 열차의 선로상 위치 및 시점을 예측한다.
단계 S430에서, 열차 탈선 사고 예측 장치(100)는 차축 베어링 예측 데이터를 수집한다.
단계 S440에서, 열차 탈선 사고 예측 장치(100)는 열차가 도달하는 선로의 지점에서 차축 베어링의 결함 수준을 예측한다.
단계 S450에서, 열차 탈선 사고 예측 장치(100)는 차축 베어링의 결함 수준이 결함 1인 경우, 선로 결함 등급이 1등급, 2등급 또는 3등급에 해당하면 열차 탈선 위험 경고 상태로 판단한다.
단계 S460에서, 열차 탈선 사고 예측 장치(100)는 차축 베어링의 결함 수준이 결함 2인 경우, 선로 결함 등급이 1등급이면 열차 탈선 위험 경고 상태, 2 등급 또는 3 등급이면 열차 서행 경고 상태로 판단한다.
단계 S470에서, 열차 탈선 사고 예측 장치(100)는 차축 베어링의 결함 수준이 결함 3인 경우, 선로 결함 등급이 1등급이면 열차 서행 경고 상태, 2등급 또는 3등급이면 열차 정상 운행 경고 상태로 판단한다.
도 5은 본 발명의 일 실시예에 따른 선로 상태 데이터를 나타낸 도면이다.
도 5을 참조하면, 선로 상태 데이터인 침목 결함 데이터, 레일 결함 데이터 및 궤도 검측 데이터가 도시되어 있다. 구체적으로, 도 5의 (a)는 년 1회 시행되는 침목 검사를 통해 수집된 침목 결함 데이터이다. 침목 결함 데이터는 결함 등급, 노선, 상하 구분, 결함 위치, 결함면, 레일의 좌우측 정보를 포함한다. 도 5의 (b)는 년 4회 또는 수시로 레일 탐상차와 도보 순회 검사를 통해 수집된 레일 결함 데이터이다. 레일 결함 데이터는 결합 등급, 노선, 상하 구분, 결함 시작 위치, 결함 종료 위치, 결함 종료 위치, 결함 폭, 결함 길이, 결함 면적, 결합의 종류 및 레일의 좌우측 정보를 포함한다. 도 5의 (c)는 년 4회 궤도 검측차와 인력 검사에 의해 수집된 궤도 검측 데이터이다. 궤도 검측 데이터는 지적/중복, 중복 회수, 시점, 종점, 불량, 파라매터 등의 정보를 포함한다.
본 발명의 실시예에 따른 장치 및 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야 통상의 기술자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이제까지 본 발명에 대하여 그 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
110 : 선로 결함 데이터 수집부
120 : 선로 결함 데이터 수치화부
130 : 선로 구간별 결함 수준 결정부
140 : 차륜 베어링 위험도 예측 데이터 수집부
150 : 열차 운행 정보 수집부
160 : 열차 탈선 사고 위험 예측부

Claims (1)

  1. 선로 상태 정보를 수집하는 선로 결함 데이터 수집부;
    수집된 선로 상태 정보를 수치화하는 선로 결함 데이터 수치화부;
    수치화된 선로 상태 정보를 기반으로 선로의 구간별 결함 수준을 결정하는 선로 구간별 결함 수준 결정부;
    차륜 베어링 온도 정보를 포함하는 열차 상태 정보를 수집하는 차륜 베어링 위험도 예측 데이터 수집부;
    열차의 운행 정보를 수집하는 열차 운행 정보 수집부; 및
    상기 선로의 구간별 결함 수준, 상기 열차 상태 정보 및 상기 열차의 운행 정보를 기반으로 열차의 탈선 사고 위험을 예측하는 열차 탈선 사고 위험 예측부
    를 포함하는 열차 탈선 사고 예측 장치.
KR1020160041195A 2016-04-04 2016-04-04 열차 탈선 사고 예측 장치 및 방법 KR20170114430A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160041195A KR20170114430A (ko) 2016-04-04 2016-04-04 열차 탈선 사고 예측 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160041195A KR20170114430A (ko) 2016-04-04 2016-04-04 열차 탈선 사고 예측 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20170114430A true KR20170114430A (ko) 2017-10-16

Family

ID=60295916

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160041195A KR20170114430A (ko) 2016-04-04 2016-04-04 열차 탈선 사고 예측 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20170114430A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102042645B1 (ko) * 2018-12-21 2019-11-27 (주)위세아이텍 복합모형을 활용한 선로 위험도 예측 장치 및 방법
KR20200138863A (ko) 2019-06-03 2020-12-11 삼성팜 영농조합법인 표고버섯 함유 비스킷의 제조 방법 및 그에 의한 비스킷

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102042645B1 (ko) * 2018-12-21 2019-11-27 (주)위세아이텍 복합모형을 활용한 선로 위험도 예측 장치 및 방법
KR20200138863A (ko) 2019-06-03 2020-12-11 삼성팜 영농조합법인 표고버섯 함유 비스킷의 제조 방법 및 그에 의한 비스킷
KR20220018999A (ko) 2019-06-03 2022-02-15 삼성팜 영농조합법인 표고버섯 함유 비스킷의 제조 방법 및 그에 의한 비스킷

Similar Documents

Publication Publication Date Title
Weston et al. Perspectives on railway track geometry condition monitoring from in-service railway vehicles
JP6125559B2 (ja) 鉄道車両の損害推定方法
US11691655B2 (en) Planning of maintenance of railway
JP5382991B2 (ja) 軌道系交通システムの異常診断方法及び異常診断システム
CA2823311C (en) Data improvement system and method
US20210122402A1 (en) System and method for traffic control in railways
US20210269077A1 (en) Smart sensor data transmission in railway infrastructure
WO2019185873A1 (en) System and method for detecting and associating railway related data
US9481385B2 (en) Systems and methods for predictive maintenance of crossings
RU2722370C1 (ru) Мониторинг элементов инфраструктуры посредством гео-кластеризации
La Paglia et al. Condition monitoring of vertical track alignment by bogie acceleration measurements on commercial high-speed vehicles
KR20170114430A (ko) 열차 탈선 사고 예측 장치 및 방법
Vinkó et al. Experimental investigation on condition monitoring opportunities of tramway tracks
Diana et al. Full-scale derailment tests on freight wagons
RU2428341C1 (ru) Система комплексного диагностического контроля ходовых частей поездов
RU2596048C2 (ru) Способ контроля контакта рельса с колесом
Sawadisavi et al. Machine-vision inspection of railroad track
Roberts et al. Strategies and techniques for safety and performance monitoring on railways
Palo Condition-based maintenance for effective and efficient rolling stock capacity assurance: a study on heavy haul transport in Sweden
Stewart et al. An implementation guide for wayside detector systems
Pîrvan et al. Infrastructure independent rail quality diagnosis and monitoring system
Boronahin et al. Application of regression analysis for data processing of inertial track monitoring system
Ulianov et al. Overview of freight train derailments in the EU: causes, impacts, prevention and mitigation measures
Quiroga et al. Railway systems
JP2005114637A (ja) 車両の異常検出システム及び異常検出方法