吳興華
(中國鐵道科學研究院集團有限公司 電子計算技術研究所,北京 100081)
隨著我國鐵路客運和鐵路信息化的快速發展,旅客服務系統已經成為客運車站必不可少的生產系統之一。近些年來,除高鐵車站以外,各鐵路局既有普速車站和普速高速混跑車站也在逐步建設旅客服務集成管理平臺(簡稱:旅服平臺),從而實現標準化客運作業。
普速車站旅服系統的到發作業流程采用和高鐵車站相同的方式,如圖1所示[1-3]。
目前,全路既有普速客運車站相比高鐵車站信息化、智能化建設落后很多。通過對太原站、武昌站、商丘站等多個普速車站旅服到發作業流程調研,發現普速車站旅服系統作業主要存在以下問題。
(1)TDMS階段計劃數據不準
相對于高鐵車站,普速車站由于運行線路情況復雜,因此,調度計劃員在做計劃時往往存在不準確、不及時的情況[4],從而導致旅服系統接口的運輸調度管理系統(TDMS)階段計劃數據不準,影響旅服系統作業準確度。

圖1 旅服到發作業流程
普速車站TDMS階段計劃不準確、不及時誤差可能會在幾分鐘至十幾分鐘不等[5],很難通過旅服系統本身進行相應的誤差調整。
(2)列車晚點情況頻繁,晚點時間長短不定
普速車站客運列車常常會因列車運行環境、列車調度等因素出現晚點情況,晚點時間長短也無法確定[4-5],短時間可能1~
2 min,長時間的甚至可能數小時。再加上TDMS階段計劃可能存在的誤差,使得客運綜控員需要頻繁關注列車運行位置并調整作業模板來解決,很大程度上加大了綜控員的工作量。
(3)停車時間長短不定,單一作業模板很難適應旅服系統作業管理
普速車站客運列車在站停車時間因為車型不同,而對于相同的車型,也會因為列車調度、列車晚點、趕點等情況而頻繁變化,從而使得單一作業模板很難適應旅服系統作業管理。
例如:以列車到達時間驅動的廣播和引導業務,當列車壓縮停點時間,應該修改為以發點、開檢等時間驅動更為合理;以列車發車時間驅動的廣播和引導業務,在列車停車時間較長時,應該修改為以到點時間驅動更為合理。
因此,本文根據以上問題,提出一種新的方式,即采用進站咽喉區域設置攝像頭進行進站車次識別與臨站TDMS實績到發信息相結合的方式進行列車實時跟蹤,并據此優化現有旅服系統到發作業流程,從而解決普速車站由于TDMS計劃不準、無法自動聯動到發作業的問題。
(1)攝像頭架設
依據系統全天候數據采集的需求,需在普速車站兩個進站方向的進站咽喉處軌邊分別設置2組帶云臺的紅外高清攝像頭,每組攝像頭分別監測進站方向遠端和進站站臺處,如圖2所示,以保證監測范圍能夠覆蓋列車即將進站至列車停穩全部時間的區間。

圖2 攝像頭架設方式
(2)本站視頻分析服務器架設及臨站TDMS數據擴展
在車站端,需在車站信息機房視頻網內部設置視頻接口服務器、網絡硬盤錄像機(NVR)、視頻交換機和網絡防火墻。其中,NVR主要用于視頻數據的存儲,視頻接口服務器主要用于視頻數據的分析與處理和對旅服平臺進行消息發布,視頻交換機主要用于視頻數據網絡傳輸,網絡防火墻主要用于隔離綜合視頻網和旅服數據網。
當攝像頭采集到列車進站視頻信號時,通過視頻接口服務器進行數據分析處理,并將有效數據發送至旅服平臺,旅服平臺應用服務器結合列車到發數據對車次進行判斷[6],同時修正客運組織計劃。
在鐵路局端,需增加對臨站TDMS數據的擴展接收,即除本站TDMS壓軌信號外,擴展接收各運行方向臨站TDMS實際發車壓軌信號數據。
當監測到臨站列車發車壓軌信號后,將業務處理需求發送至視頻分析服務器,并開啟本站旅服到發作業,對各類業務進行預處理。系統總體結構,如圖3所示。

圖3 系統總體結構
系統業務流程可劃分為:業務啟動、車次識別、業務處理3個階段。考慮到大型車站同時進站列車可能為多趟,在識別時可能會有混淆的情況,因此,本文采用智能視頻分析、特征過濾和人工判別相結合的方式進行車次到達判斷流程設計。具體流程,如圖4所示。
(1)業務啟動階段
當旅服平臺監測臨站列車發車壓軌信號后,開始激活本站旅服作業中到發、廣播、引導計劃執行狀態,并將即將到達列車發送至智能視頻分析系統,加入監測隊列。
(2)車次識別階段
智能視頻分析系統判斷隊列中監測列車數量如果僅有一趟,即可通過模式識別算法并結合歷史特征庫進行深度學習與識別計算,開始識別。

圖4 業務流程設計
如果監測隊列中列車數量有多趟,則需要反饋至旅服平臺,由旅服平臺根據動態到發計劃對編組、車型、股道、調令等數據進行實時過濾,并將特征差異反饋至智能視頻分析系統。如果此時特征差異明顯可識別,則開始識別,否則,由旅服平臺結合TDCS數據進行人工確認[7-9]。
(3)業務處理階段
車次識別完成,命令可直接發送至旅服平臺,對列車到發作業進行修正,對智能視頻分析監測隊列進行初始化,刪除識別完畢的車次。
目前,普速車站旅服到發作業執行主要通過綜控人員人工調整的到發時間為基準進行向后或向前推移確定。
令列車到達時間為ta,列車發車時間為td。
則每日列車本站到發時間序列為{(ta1,td1),(ta2,td2),…,(tan,tdn)}。令到發時間序列中的某次列車Gi的到發時間為(tai,tdi),則該列車到發業務執行狀態pi可表示為:

Tai和Tdi為計劃開始執行時間與到發時間的偏移量。
由于普速車站ta、td與實際列車到發時間誤差較大,因此,引入列車視頻監測列車即將進站時間為tc、視頻監測列車停穩時間為ts以及列車臨站發車時間為ta'。
則新業務流程條件下,列車實際到發時間序列可表示為{(ta1',ts1,tc1),(ta2',ts2,tc2),…,(tan',tsn,tcn)}。令實際到發時間序列中的某次列車Gi的到發時間為(tai',tsi,tci),則新業務流程條件下,列車到發業務執行狀態可表示為:

本文采用Windows 7環境下c#編程語言,結合業務啟動、車次識別、業務處理的業務流程進行算法實現,系統核心代碼可歸納為如下部分:


目前,本項研究正在太原站實驗,根據太原站實際情況,兩個方向進站咽喉區域各安裝1個攝像頭(采用是sony的CCD(1/2.8''靶面),分辨率是 1 920×1 080,晝間探測距離是500 m,夜間探測距離200 m)進行相應的視頻采集。安裝如圖5所示。

圖5 實際安裝位置
視頻信號通過光纖接入通信機房,在視頻分析服務器分析后結合鐵路局TDMS接口數據將列車運行信息發送至旅服平臺。應用效果,如圖6、圖7所示。

圖6 監測界面

圖7 列車到發作業自動修正界面
作業流程優化后,通過對太原站116趟列車7天到發情況的統計,系統對車次到發時間預測接近100%,區間運行誤差不超過2 min,基本實現了車站到發作業的精準化自動處理。具體統計情況,如表1所示。

表1 到發時間統計
本文研究設計了采用的基于智能視頻分析和臨站TDMS壓軌信號數據對列車到發數據綜合判別方法,通過對現場7天內旅服到發狀態與到發時間預測觀察,采用新算法優化后,到發誤差時間明顯減小,極大地提高了普速車站旅服到發作業的精準性和作業效率。
目前,研究僅局限在單站,只能對單站到發作業進行優化,未來,可將旅服智能到發作業系統搭建在客運段中心,提高整個區域內普速、高鐵以及高普混跑車站的全面到發作業優化,從而實現區域旅服到發管理的業務聯動,進一步提高生產效率。