1.本发明涉及列车监测技术领域，更具体地说，它涉及列车在站运行状态监测分析系统。


背景技术：

2.接发列车是铁路每个车站基本的行车作业，目前所有铁路现行的电子设备虽然能保证正常到发列车运行,但车站对列车的接发作业依然采用人工模式，列车进出站必须由接发车有关人员接送，监视列车运行状态，及时处理危及行车安全的问题。然而，现有的接发作业方式手段单一、信息化程度低、缺少智能化，检测出错率高、漏检率高、效率低，将逐渐不能完全满足我国铁路运输
‘
高速、密集、重载’的发展需求。因此，如何研究设计一种能够克服上述缺陷的列车在站运行状态监测分析系统是我们目前急需解决的问题。


技术实现要素：

3.为解决现有技术中的不足，本发明的目的是提供列车在站运行状态监测分析系统。
4.本发明的上述技术目的是通过以下技术方案得以实现的：列车在站运行状态监测分析系统，包括：
5.数据采集模块，用于根据采集到的来车信号、离去信号生成相应的启闭控制命令，并响应于启闭控制命令后通过动态采集相应列车的在站运行状态信息，以及将列车的车号信息与相应的在站运行状态信息关联后写入消息中间件；
6.智能分析模块，用于响应启闭控制命令后读取消息中间件中的采集数据，并依据采集数据的分类调取检测分析算法对列车运行过程中的运行状态、车体状态、装载状态和车厢连接处状态的异常情况进行识别和分类分级处理，以及将识别数据写入消息中间件和数据库；
7.预警展示模块，用于读取消息中间件中的采集数据和识别数据后以视频、多路图像的方式进行多方位多角度展示，并在检测到有异常情况时自动统计出异常问题的数量和级别，同时以弹窗文字、颜色、声音在展示页面进行预警提示。
8.进一步的，所述在站运行状态信息包括视频信息、图像信息、红外测温信息、车位信息、车速信息和设备状态信息。
9.进一步的，所述数据采集模块包括车位采集单元、车号采集单元和图像采集单元；
10.车位采集单元，用于通过采集磁钢信号、红外信号、多普勒雷达信号进行处理，并计算速度、轴距、判辆，同时给出来车信号、离去信号，通过udp网络通信与其它模块、单元交换数据；
11.车号采集单元，用于侦听车号控制机给出的车号数据，并在接收到车号数据后通过can总线向其它模块、单元实时发送所需的车号信息；
12.图像采集单元，用于对列车左右两侧车辆顶部、中部、底部车辆图像的采集，并对
车辆顶部或货物表面温度的自动检测，以及对通过车辆两侧进行同步摄像，同时匹配车号、速度信息后，将信息上传到消息中间件供系统进行智能分析和平台展示。
13.进一步的，所述车号采集单元侦听车号控制机给出的车号数据的具体过程为：
14.车位采集单元采集到来车信号后，向xcjp
‑
5型读出装置发出启动车号自动识别命令，xcjp
‑
5型读出装置的微波功放开关控制端接收到ttl低电平后，微波功放开启，发出微波查询信号；
15.当电子标签经过微波查询信号覆盖区域时，电子标签向读出装置天线反射回带有电子标签数据的微波信号；
16.当读出装置解读出一帧正确的电子标签数据信号后，控制口数据有效指示端输出ttl低电平并等待车位采集单元从本机串口取走收到的电子标签数据；
17.电子标签数据被取走后，控制口数据有效指示端输出ttl高电平，读出装置开始解读下一帧电子标签数据信号；
18.重复上述步骤，直到车位采集单元采集到离去信号，并向xcjp
‑
5型读出装置发出关闭车号自动识别命令，微波功放开关控制端接收到ttl高电平时，读出装置关断功放，进入待机状态，等待下一次车号读取。
19.进一步的，所述图像采集单元配置有安装在铁路正线两侧的高清线阵相机、面阵相机、红外相机以及辅助设备；
20.通过高清线阵相机对通过车辆左右两侧车辆顶部、中部、底部车辆图像进行采集，并利用图像处理技术进行图像拼接、处理形成高清图像资料；
21.通过红外相机对通过列车的车辆顶部图像进行采集，同时对车辆顶部或货物表面温度的自动检测；
22.通过面阵相机对通过车辆两侧进行同步摄像。
23.进一步的，所述辅助设备包括：
24.车辆分割单元，用于采用分别安装在铁路正向两侧塔架上的车轮传感器、红外光电传感器装置，对车辆车轮计轴和红外遮挡进行逻辑组合、判断分割；
25.测速雷达，用于测量列车通过的速度，并依据测量的速度控制线阵相机的扫描速率和曝光时间；
26.智能补光单元，用于对线阵相机采集图像进行补光；
27.室外控制柜，用于接收系统的相关命令后对设备工作状态进行控制，完成设备协同工作。
28.进一步的，所述线阵相机的采集过程具体为：先初始化完成基本配置和加载配置文件；开始连接相机；启动开始采集，当相机采集到数据时通过回调的方式将数据发出，程序只需在注册回调并在回调中解析出数据；关闭相机释放内存。
29.进一步的，所述且线阵相机采集时列车的车速为0～160km/h，图像采集精度分辨率≥2048ppi，采集图片宽度≥8000线，采集相机采用2k相机，图片高度固定为2048线，相机采集线率和采集图片宽度、车速及车辆长度有关；
30.线阵相机的扫描速率过车速度成正比，具体计算公式为：
31.32.其中，v
c
表示线阵相机扫描速率，单位为线/s；l
n
表示采集图片宽度，单位为线；l0表示车辆长度，单位为m；v0表示车辆运行速率，单位为km/h。
33.进一步的，所述智能分析模块包括：
34.激活单元，用于在算法上位机获取到消息中间件中新的过车、图像信息后激活算法分析模块；
35.图像预处理单元，用于通过算法分析模块以图像去噪、图像增强和图像变换方式对采集图像进行预处理；
36.目标定位单元，用于提取图像中待检目标的roi，将待检目标的属性、位置信息传输给其他算法用于部件识别和失效形式的判断；
37.故障检测单元，用于对待检部件进行图像预处理、部件定位后，从预设范围的图像中提取特征信息，最后进行部件深度学习分类，不同类型的部件采用对应的故障检测算法进行故障判断；
38.图像标注单元，用于发送标注部件坐标、部件名称、车号、图像信息到消息中间件中，供交互界面进行车体部件故障点标注。
39.进一步的，所述预警展示模块包括：
40.后端处理单元，用于读取消息中间件中的图片流数据和监测结果数据，图片流数据按照设备号、车辆顺位号信息进行分组排序，并通过长连接的方式按顺位号依次推送数据至前端；
41.前端处理单元，用于以浏览器接收到后端推送的数据后，采用fabricjs框架在canvas上按列车编组顺序拼接绘制车辆图片，并依据监测结果标记出异常位置，以及通过定时滑动canvas方式在页面设定图片动态播放按钮。
42.与现有技术相比，本发明具有以下有益效果：
43.1、本发明提出的列车在站运行状态监测分析系统，实现自动采集、数据存储、实时监视、智能识别、发现异常预警，由“人检”向“机检”转变，以减轻铁路工人劳动强度，改善工作环境，提高接车质量、减少或避免事故的发生，保障车辆、货物、乘客的生命财产安全，促进铁路运输系统安全高效运行；
44.2、本发明还使用消息中间件实现多平台数据实时交换，采用多线程提高数据处理效率，保障页面展示的多路车辆图片按列车编组顺序实时、同步播放。根据算法监测结果，准确在播放的图片上标志出故障位置，并以语音、弹框等方式提示工作人员，以便于车辆故障快速定位与处理；
45.3、本发明采用点云重构测量技术、车轮轮廓分析技术和图像识别技术、web技术相结合，对运行列车进行全空间、跨站段的、跨时域监控以及对于列车车身的状态进行全方位检测，实现运行列车运行状态监测，故障的提前预警，自动报警，过车实时状态展示等功能。
附图说明
46.此处所说明的附图用来提供对本发明实施例的进一步理解，构成本技术的一部分，并不构成对本发明实施例的限定。在附图中：
47.图1是本发明实施例中的系统框图。
具体实施方式
48.为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
49.实施例：列车在站运行状态监测分析系统，如图1所示，包括数据采集模块、智能分析模块和预警展示模块。
50.一、数据采集
51.数据采集模块，用于根据采集到的来车信号、离去信号生成相应的启闭控制命令，并响应于启闭控制命令后通过动态采集相应列车的在站运行状态信息，以及将列车的车号信息与相应的在站运行状态信息关联后写入消息中间件。
52.在本实施例中，在站运行状态信息包括但不限于视频信息、图像信息、红外测温信息、车位信息、车速信息和设备状态信息。例如声音信息可以从视频信息中提取。
53.数据采集模块包括车位采集单元、车号采集单元和图像采集单元。
54.车位采集单元，用于通过采集磁钢信号、红外信号、多普勒雷达信号进行处理，并计算速度、轴距、判辆，同时给出来车信号、离去信号，通过udp网络通信与其它模块、单元交换数据。本实施例中的车位采集单元具备以下基本功能：1、能够实时监测电源指标以及电源工作状态进行诊断功能；2、诊断功能：包括硬件和软件的诊断。硬件诊断通过硬件的逻辑判断确定硬件的故障位置，软件诊断分内诊断和外诊断。通过软件对车位控制机内部的性能和功能进行诊断是内诊断，通过软件对控制机的cpu与外部输入输出等部件信息交换功能进行诊断是外诊断；3、磁钢信号、红外信号、多普勒雷达信号进行处理功能；4、通过磁钢信号和多普勒雷达信号计算列车通过速度及判辆的功能；5、自动判别来车，同时给出来车信号、离去信号，通过udp网络与其它子系统模块交换数据；6、通信功能：支持tcp/ip、can总线和标准通信协议；6、运算功能：逻辑运算、计时和计数功能、数据移位、比较、数学运算、数据传送、模拟量采集和其他高级运算功能。
55.车号采集单元，用于侦听车号控制机给出的车号数据，并在接收到车号数据后通过can总线向其它模块、单元实时发送所需的车号信息。车位采集单元采集到来车信号后，向xcjp
‑
5型读出装置发出启动车号自动识别命令，xcjp
‑
5型读出装置的微波功放开关控制端接收到ttl低电平后，微波功放开启，发出微波查询信号。当电子标签经过微波查询信号覆盖区域时，电子标签向读出装置天线反射回带有电子标签数据的微波信号；当读出装置解读出一帧正确的电子标签数据信号后，控制口数据有效指示端输出ttl低电平并等待车位采集单元从本机串口取走收到的电子标签数据；电子标签数据被取走后，控制口数据有效指示端输出ttl高电平，读出装置开始解读下一帧电子标签数据信号；重复上述步骤，直到车位采集单元采集到离去信号，并向xcjp
‑
5型读出装置发出关闭车号自动识别命令，微波功放开关控制端接收到ttl高电平时，读出装置关断功放，进入待机状态，等待下一次车号读取。
56.图像采集单元，用于对列车左右两侧车辆顶部、中部、底部车辆图像的采集，并对车辆顶部或货物表面温度的自动检测，以及对通过车辆两侧进行同步摄像，同时匹配车号、速度信息后，将信息上传到消息中间件供系统进行智能分析和平台展示。具体的，图像采集单元配置有安装在铁路正线两侧的高清线阵相机、面阵相机、红外相机以及辅助设备；通过
高清线阵相机对通过车辆左右两侧车辆顶部、中部、底部车辆图像进行采集，并利用图像处理技术进行图像拼接、处理形成高清图像资料；通过红外相机对通过列车的车辆顶部图像进行采集，同时对车辆顶部或货物表面温度的自动检测；通过面阵相机对通过车辆两侧进行同步摄像。
57.辅助设备包括但不限于车辆分割单元、测速雷达、智能补光单元和室外控制柜。车辆分割单元，用于采用分别安装在铁路正向两侧塔架上的车轮传感器、红外光电传感器装置，对车辆车轮计轴和红外遮挡进行逻辑组合、判断分割。测速雷达，用于测量列车通过的速度，并依据测量的速度控制线阵相机的扫描速率和曝光时间。智能补光单元，用于对线阵相机采集图像进行补光。室外控制柜，用于接收系统的相关命令后对设备工作状态进行控制，完成设备协同工作。
58.线阵相机的采集过程具体为：先初始化完成基本配置和加载配置文件；开始连接相机；启动开始采集，当相机采集到数据时通过回调的方式将数据发出，程序只需在注册回调并在回调中解析出数据；关闭相机释放内存。
59.且线阵相机采集时列车的车速为0～160km/h，图像采集精度分辨率≥2048ppi，采集图片宽度≥8000线，采集相机采用2k相机，图片高度固定为2048线，相机采集线率和采集图片宽度、车速及车辆长度有关；
60.线阵相机的扫描速率过车速度成正比，具体计算公式为：
[0061][0062]
其中，v
c
表示线阵相机扫描速率，单位为线/s；l
n
表示采集图片宽度，单位为线；l0表示车辆长度，单位为m；v0表示车辆运行速率，单位为km/h。
[0063]
本发明通过分析自动设置相机采集线率，即扫描速率，可满足不同行车速度采集图片保证图片固定分辨率，再通过图像处理自动调节以满足图像识别故障检测。
[0064]
综上，图像采集模块主要包括图像采集设计、图像处理设计、数据输出设计等几部分，研发工具主要采用vs2010 c#和opencv进行开发，数据输入设计通过can总线协议指令控制系统的启动、停止以及车辆基本信息的读取，包括车号、车位、切断等信息，通过以太网络udp报文获取过车id等；图像采集采利用windows应用程序接口，通过以太网口实现应用程序与高清线阵相机进行数据通信，采用高配置视觉计算机，利用多线程技术，多个线程并发进行6路线阵图像的自动采集。图像处理基于opencv库，利用既有资源低成本、高效且实时地对采集的图像数据进行二次处理，图像处理包括图像对比度、饱和度、亮度的自动调节；图像缩放、图像旋转；图像增强和分析、格式转换以及图片压缩等；数据的输出设计是将综合处理后的图像信息的相关信息，通过消息投递的方式发往消息中间件，为图像的智能分析、展示做准备。
[0065]
二、算法智能分析
[0066]
智能分析模块，用于响应启闭控制命令后读取消息中间件中的采集数据，并依据采集数据的分类调取检测分析算法对列车运行过程中的运行状态、车体状态、装载状态和车厢连接处状态的异常情况进行识别和分类分级处理，以及将识别数据写入消息中间件和数据库。
[0067]
将采集的图像进行相关处理，对车身、走行部、车顶部件进行故障类数据模型分析
对比和故障判断，实现图像自动识别、故障告警，故障上报，提高列检效率。
[0068]
图像识别基于当前先进的计算机视觉和机器学习技术，准确识别出货车、客车等车辆的重要异常部件，并判断该部件是否发生异常以及异常的表现形式，是算法分析子系统的关键任务。图像识别主要从图像预处理、目标定位、异常检测以及异常形式的分类等技术来开展，以实现基于计算机视觉和机器学习的列车车辆重要部件的识别，同时验证算法在实际工程状况和自然环境等因素下的可行性和可靠性，为图像识别实现提供技术支撑。图像识别包括图像预处理、目标定位算法、故障检测。
[0069]
1、图像预处理
[0070]
针对不同条件下的图像预处理要求，有一系列的图像预处理算法。通过预处理，可以有效地减少图像中对于识别无意义的信息，从而提高目标识别率。图像增强、图像去噪和图像变换是图像预处理中使用最频繁的方法，表1对图像预处理从空域法和频域法进行了分类，并列出了典型的声音、图像变换和噪声抑制方法。
[0071]
表1
[0072][0073]
在进行数据预处理时，涉及到输入信息、输出信息以及图像预处理算法，由于图像预处理算法需要根据不同工况条件、不同目标而定，以下对数据预处理模块的输入信息和输出信息进行描述。
[0074]
输入信息：(1)要处理的图像，表现形式是数据矩阵，(2)该图像的属性，如车号、车厢号、需要检测目标的描述及其编码信息，(3)预处理函数的参数。
[0075]
输出信息：(1)处理后的图像，表现形式是数据矩阵，(2)该图像的属性，如车号、车厢号、需要检测目标的描述及其编码信息。
[0076]
在算法实现过程中，以编码信息进行交互，编码信息关联知识库中需要检测目标的描述和位置信息。在实际工程状况、自然环境和过车状态等影响因素下，存在噪声、光照不均、灰尘、异物、雨水、雾气情况，为了去除/降低影响因素的干扰，增强有关信息的可检测性、简化数据，从而改进后续目标定位、特征提取、图像匹配和目标识别的精度，需要对图像进行一系列的预处理操作，包括彩色图像灰度化、灰度图像二值化、图像增强、图像去噪、图像分割技术。
[0077]
2、目标定位算法
[0078]
目标定位作为车体图像检测系统里的重要模块，其主要功能是从采集分割后的车厢大图里提取出待检测部件的roi坐标信息，并给出部件的位置信息、部件描述等信息，以供故障检测模块调用去做相应的故障识别。此模块可以灵活配置，要适应不同地铁车型的定位或同一车型新增的检测需求。定位的流程如下图所示。可利用机车部件之间位置相对固定的这一特点去辅助定位。其运行流程如表2所示。
[0079]
表2
[0080][0081]
3、故障检测
[0082]
算法技术采用传统图像识别技术和深度学习技术相结合的方式。
[0083]
传统图像识别技术的核心技术在于特征提取，通过对图像进行人工分析、数学建模，将图像特征转化为数学上的表达来实现图像的识别。
[0084]
深度学习的概念源于人工神经网络的研究，即含多隐层的多层感知器。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。在图像识别领域，深度学习的网络类型通常为卷积神经网络。相对于对传统算法，深度学习的最大优势在于无需人工提取特征，对于复杂场景下的检测对象，卷积神经网络在大量正负样本的支持下，可通过训练来学习一种深层非线性网络结构,实现复杂函数逼近,表征输入数据分布式表示，提取鲁棒性更强的特征，提高检测的精度。
[0085]
结合铁路现场实际情况和深度学习技术的特点，研究出适合铁路运行安全的算法，随着试点的升级改造，使得收集的素材不断积累，算法也随着不断迭代样本库种类和数量不断更新。
[0086]
故障检测主要功能是在获得车厢级图片和目标位置信息后，提取待检测部件的图片，然后调用对应的部件故障检测算法，完成部件的故障识别，识别结果保存在数据库中，以便业务模块进行调用。其中各类部件的故障检测算法已经存储在算法库中，可供部件检测时进行调用。其运行流程如表3所示。
[0087]
表3
[0088][0089]
故障检测子模块在运行时，一旦发生算法输入异常或部件检测算法异常，该子模块应立即停止该部件的检测并返回，并保存异常信息，为系统维护提供依据。
[0090]
三、预警展示
[0091]
预警展示模块，用于读取消息中间件中的采集数据和识别数据后以视频、多路图像的方式进行多方位多角度展示，并在检测到有异常情况时自动统计出异常问题的数量和级别，同时以弹窗文字、颜色、声音在展示页面进行预警提示。
[0092]
后端处理单元，用于读取消息中间件中的图片流数据和监测结果数据，图片流数据按照设备号、车辆顺位号信息进行分组排序，并通过长连接的方式按顺位号依次推送数据至前端。
[0093]
前端处理单元，用于以浏览器接收到后端推送的数据后，采用fabricjs框架在canvas上按列车编组顺序拼接绘制车辆图片，并依据监测结果标记出异常位置，以及通过定时滑动canvas方式在页面设定图片动态播放按钮。
[0094]
工作原理：当列车通过时，采集子系统(即数据采集模块)通过udp协议向信息子系统发送来车信号，信息子系统根据来车信号生成过车id并分发给采集子系统，将过车id与采集数据信息绑定，并将采集信息写入消息中间件；智能分析子系统(即智能分析模块)从消息中间件中获取采集数据进行智能分析，并将识别数据写入消息中间件和数据库；应用平台(即预警展示模块)从消息中间件中获取采集与识别数据进行实时展示。
[0095]
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。