軌道交通遠程瞭望系統

張 強，張宇旻，毛新德，包 峰

（1.北京交通大學，北京 100044；2.北京埃福瑞科技有限公司，北京 100070；3.交控科技股份有限公司，北京 100070）

1 引言

列車在軌道交通線路空間運行，極其微小的失誤都會導致重大的事故，因此保證線路空間的安全是提升列車運行安全性的重要手段。據統計，對于人類司機，每開車運行1億km發生的致命事故有1～3 起，而在當前軌道交通領域，典型中等規模的城市年運行里程達3 億km，因此，軌道交通線路空間的安全程度遠遠不夠。人工監視線路的狀況很難保證長時間專注，且在惡劣天氣和夜間等光線不佳的情況下，車載視覺系統也難以對前方物體及時做出反應；另外，由于軌道交通運行速度較高，依靠車載感知系統感知障礙物的距離有限，因此車路協同系統必不可少。

為保證線路空間安全，本文提出一種軌道交通遠程瞭望系統，即在列車運行時，對軌道前方的列車、行人以及軌面上方突發侵入的障礙物進行遠距離實時監測和預警；同時在列車運行的高危路段布置相應傳感器，監控周圍環境與障礙物信息，并通過車路協同網絡進行交互。當列車與障礙物的距離小于一定的安全距離時，列車將自主制動，同時將前向障礙物信息上報到列車運營控制中心。

2 遠程瞭望系統構成

遠程瞭望系統總體架構如圖1所示，主要由車載感知系統（鷹眼系統）和車路協同感知系統（軌道星鏈）2 部分組成。其中，車載感知系統通過列車搭載的傳感器實現列車視距內的自主監控與障礙物檢測；通過在隧道口、站臺、公跨鐵、道口等關鍵高風險區域布置車路協同系統，實現視距外的協同感知，同時使用自主、局域、全局3層網絡進行車路云通信，構建整個系統網絡結構。

2.1 車載感知系統

圖1 遠程瞭望系統總體架構

車載感知系統由障礙物識別系統、列車車速測量系統和三維地圖構建系統3部分組成。障礙物識別系統在接收到工業相機和激光雷達的數據后，通過人工智能算法對圖像中的軌道區域進行感知識別，并對前向軌道中的障礙物進行識別；列車速度測量系統基于毫米波雷達，采用自適應聚類算法測量列車相對速度，根據車速進行積分實現列車精確定位；三維地圖構建系統基于激光雷達，通過特征匹配獲取自身的定位并建立周邊的三維地圖。由于列車自主監測前方障礙物信息，因此無須與車路協同系統進行通信。

2.1.1 障礙物識別系統

列車在運行時，對前向障礙物（列車、軌道中的行人、信號燈等）有效的識別可以保障其運行的安全。障礙物識別系統包括軌道區域識別和障礙物檢測2部分。

（1）軌道區域識別部分。該部分首先通過視覺與激光雷達傳感器聯合標定方法實現異構數據的時空統一，從而獲取包含顏色、深度以及反射率的高維向量；然后通過高維輸入的卷積神經網絡語義分割和循環神經網絡結構提升場景語義關聯性，實現軌道線路的邊界分割；最后運用分割線路邊界后端優化方法實現對高速列車行駛區域的精準分割。

（2）障礙物檢測部分。該部分首先通過融合的激光雷達與攝像頭數據，根據軌道區域識別結果，在檢測的軌道區域內運用注意力集中網絡對三維空間內周圍環境的候選障礙物進行提??；然后采用成熟的輕量化圖像分類網絡，在二維空間內對提取的候選障礙物進行分類；最后，在三維空間中進行目標邊界框精準回歸。此外，該系統采用距離交并比損失函數對整個網絡模型參數進行優化訓練，從而可高精度地識別障礙物。

2.1.2 列車速度測量系統

由于列車行駛線路固定，因此精準的列車速度測量可進一步提升該系統對列車前向環境的感知精度和環境理解能力。

在列車速度測量系統中，首先通過毫米波雷達獲取環境信息，采用自適應聚類算法對毫米波雷達反射的障礙物點進行聚類；然后結合多普勒效應反推出列車實時速度，并進一步通過速度積分估計出列車在關鍵區間內的位置，從而實現列車精準定位。

2.1.3 三維地圖構建系統

精準的列車定位與三維地圖能夠提升對列車周圍環境的感知精度。列車可以根據定位信息，從云端三維地圖中獲取列車周圍障礙物信息，實時更新周圍的障礙物。三維地圖構建系統包括預處理、特征匹配和回環檢測3部分。

（1）預處理部分。預處理部分根據反射強度等信息對獲取的點云數據進行預處理，剔除點云中的異常點，再通過計算點云內部點的曲率提取線特征點與面特征點。

（2）特征匹配部分。特征匹配部分根據提取的線、面特征點，將點云與歷史點云數據進行特征配準，以獲取點云之間的對應關系，并對點云幀內的畸變進行矯正；再與全局地圖進行匹配，針對列車運動進行初步估計，可獲得粗里程計。

（3）回環檢測部分?；丨h檢測部分建立起列車線路中關鍵位置的點云特征庫，包括點云局部特征庫和全局特征庫。在列車運行過程中，回環檢測部分實時提取激光傳感器采集的點云特征，并與數據庫進行特征匹配，實現列車在運行過程中的關鍵位置重定位與回環檢測，從而優化列車的位置姿態與周圍地圖，可獲得線路的全場景高精度定位與精確的行駛環境三維模型。

2.2 車路協同感知系統

車路協同感知系統由網絡通信系統和路側感知系統組成。網絡通信系統通過車路通信網絡將車、路感知信息進行交互融合，從而實現車路協同；路側感知系統與車載感知系統相似，也具有障礙物識別和三維地圖構建的功能。

2.2.1 網絡通信系統

網絡通信系統是通過交通要素間快速、準確的信息交換實現的，因此，高可靠、低時延的網絡通信系統是車路協同的基礎。車路協同感知系統通過路側設備實現路網周圍環境與列車信息的采集，從而實時獲得高風險軌道區域的障礙物信息，在處理后運用網絡通信系統傳送給云平臺中心。同樣，道路信號燈信息、路側感知到的障礙物信息、路側設備周圍環境信息也通過車路通信網絡傳輸到云平臺，從而在云平臺實現全局感知，輔助車輛進行駕駛行為決策。網絡通信系統采用自主、局部、全局3層網絡進行通信，其中列車根據車載傳感器進行自主感知，路側設備分區段進行局部感知定位，再將路側與車載傳感器信息整合到云平臺實現運行線路的全局感知。

2.2.2 路側感知系統

路側感知系統同樣可以實現對列車、行人和信號燈的檢測，其技術和方法與車載感知系統相似。路側設備不像列車設備受空間和質量的限制，其具有更強大的算力，并能使用更先進的技術方法。路側感知系統在識別后可以及時地將檢測結果通過網絡通信系統發送給路網中的車輛，從而實現列車的遠距離超視距感知。

3 測試驗證

3.1 實際安裝情況

遠程瞭望系統已經在北京地鐵燕房線、上海地鐵6號線、成都地鐵3號線、港鐵荃灣線等線路進行了全面測試，測試數據超過2 TB，其中包含直道、彎道、隧道、高架等豐富場景和多種光照條件下的特性。目前已經將上述線路作為典型的產品應用線路，并對其開展了系統全面的功能測試及系統能力分析。遠程瞭望系統傳感器包括1個長焦模組和1個短焦模組。長焦模組用于遠距離障礙物識別，短焦模組用于近距離障礙物識別，每個模組都由1個激光雷達和1個攝像頭組成。

為便于現場施工和車輛實際安裝，遠程瞭望系統應采用高柔性化設計，針對每款車型的實際安裝空間采取定制化安裝方案。對于中間設有安全逃生門、兩側設有安全觀察室的列車，其遠程瞭望系統采用在觀察室及車頂2種不同的安裝方案，可從不同的安裝位置全面測試遠程瞭望系統，從而驗證其算法魯棒性以及產品安裝適配的廣適性。觀察室安裝方案設計圖如圖2所示，車頂安裝方案示意圖如圖3所示。

根據列車實際環境定制安裝方案。觀察室視覺與激光傳感器的實車安裝及效果如圖4所示，視覺與激光傳感器在列車車頂實際安裝效果如圖5所示。遠程瞭望系統主機選擇安裝在駕駛室頂端內部，外部不留任何線纜，與車輛系統不存在信號交互，不會影響車輛正常運行，如圖6所示。

3.2 實際測試情況

遠程瞭望系統采集的數據包含晴天、陰天、雨天、白天、夜晚等多種天氣情況，直道、彎道、隧道等多種路況，涵蓋了列車正常運行所面臨的所有場景和路況。本文針對港鐵荃灣線遠程瞭望系統運行情況做了具體性能分析，主要性能指標包括障礙物的檢測距離、漏識別率、誤識別率、測距誤差等，如表1所示。此外，本系統針對直道、彎道、隧道的測試性能進行了詳細統計，并通過自動化分析工具和人工監督方式進行了交叉驗證。驗證結果表明，遠程瞭望系統各項功能指標均通過驗證，安全等級（SIL）達到SIL2要求。部分測試效果如圖7所示。

圖2 觀察室安裝方案設計圖

圖3 車頂安裝方案示意圖

圖4 觀察室視覺與激光傳感器的實車安裝及效果

圖5 列車車頂視覺與激光傳感器安裝效果

圖6 遠程瞭望系統主機安裝位置及外觀

表1 遠程瞭望系統性能指標

4 展望

在SIL2安全等級下，遠程瞭望系統在未來軌道交通信號系統故障環境下，可獨立地進行車輛運行防護，為實現信號系統快速恢復爭取時間，提升車輛系統的運行安全性和效率，成為信號系統故障環境下降低運行影響的必備產品。本文介紹的遠程瞭望系統中的車載感知系統通過標定的高維特征實現精準的軌道識別，采用注意力集中網絡實現遠距離障礙物識別，創新性地采用多層次視覺雷達融合算法完成軌道環境建模；車路協同感知系統將感知算法布署在路側設備上，根據提出的3層網絡通信進行車路快速協同，實現列車超視距感知。未來隨著人工智能（AI）技術的進一步發展，遠程瞭望系統會得到進一步完善并產生更加深遠的影響。

圖7 部分識別測試效果