浅析列车自主障碍物检测系统及其应用
1.列车自主障碍物检测系统的产生背景
虽然大运量的城市轨道交通线路均为独立路权，但诸如大风吹浮异物落入线路、接触网塌网、防淹门因锁闭设备故障错误落下、屏蔽门零件脱落、人员翻越屏蔽门进入线路等侵限事件仍时有发生，严重威胁运营安全。
为实现侵限检测与防护，在全自动运行线路中，增加了接触式障碍物检测装置。但接触式障碍物检测装置无法实现远距离早期预警与安全防护。非全自动运行线路，则更多依赖司机瞭望，司机疏忽可能导致列车与侵限障碍物或人员发生碰撞。
此外，在ATC系统故障，列车以限制人工驾驶模式或非限制人工驾驶模式进行故障恢复的过程中，系统安全责任完全由司机承担。如果司机误认信号或因瞭望不足错过最佳制动时机，极易发生碰撞事故。
2.列车自主障碍物检测系统原理
列车自主障碍物检测系统借鉴了汽车ADAS（高级驾驶辅助系统）的感知原理，通过在列车上加装传感器，实现对车辆限界内障碍物的探测。
通常采用的传感器类型包括激光雷达（Lidar）、毫米波雷达（Millimeter Wave Radar）和工业摄像机等。
每种传感器因其工作原理的差异，适用范围略有不同。
激光雷达通过红外激光扫描成像，具有受环境光线影响小的特点，在强光、弱光和强逆光条件下仍能可靠探测。但其探测距离主要受到被探测物体反射率的影响，对低反射率的物体探测距离较近。同时，恶劣天气，如雨雪及雾霾等，亦影响激光雷达的探测距离。
毫米波雷达具备有限的穿透雨雪（毫米波传播主要受雨衰和氧衰影响）和雾霾的能力，同时对金属物体敏感，在恶劣天气条件下，具备一定的探测能力。
工业摄像机通常基于机器视觉算法，实现障碍物检测。受制于其工作原理，工业摄像机在强光、弱光、强逆光等场景下表现不佳，探测效果依赖于图像增强算法及摄像机本身的动态范围等因素。
因此，列车主动障碍物检测系统需要采用多传感器融合技术，以弥补单一传感器存在的缺陷。同时利用传感器间的相互校验，提高系统的安全性。
3.列车自主障碍物检测系统存在的问题
1.小半径曲线和坡道的影响
城市轨道交通线路通常铺设于隧道内，受选线限制因素的影响，多小半径曲线及大坡道，且坡度变化大，线型复杂，给列车自主障碍物检测系统的开发造成很多困难。例如，城市轨道交通线路正线的最小曲线半径通常为（250~300）m，受隧道壁遮挡的影响，列车视距仅为数十米（如下图区域ABC为盲区，有效探测距离为OD）。
弯道盲区示意图
此外，城市轨道交通线路的最大坡度可达30~35‰，在凸形坡道，受地平线效应的影响，过传感器位置做坡道竖曲线的切线，该切线以下的位置为盲区。同理，对于凹形坡道，受隧道上壁遮挡，探测距离无法超越坡底很远。
综上所述，仅靠车载传感器难以实现全速运行条件下制动距离内连续探测，只能根据列车视距，计算最高允许运行速度，使该速度下的列车制动距离不超过视距。
2.传感器性能限制
当前激光雷达传感器的分辨率还不够高，主流激光雷达最高点云速率在100~200万点/秒，在200m距离，20%反射率时，约可探测到0.3x0.3m的障碍物，更小的障碍物需要在更近的距离上才可以被探测到。
工业相机的分辨率相对较高，可达数百万像素以上，且可以使用长焦镜头，但前文已指出，受到其本身动态范围的限制，在强光、弱光、强逆光、恶劣天气等环境下表现限制了工业相机的应用。同时，高像素相机与图像处理单元间的通信带宽和图像处理单元算力，都有可能成为限制工业相机能力的瓶颈。
3.深度学习方法不被铁路安全规范所接受
地下线路场景复杂，采用传统的计算机视觉方法不容易达到较好的障碍物探测效果。但采用基于人工神经网络的深度学习方法时，由于其具有不可解释性，难以定量论证其安全性，无法满足SIL2/4级要求，不能作为控制列车的可靠输入。这一问题有赖于学术界对深度学习可解释性的研究，目前尚未取得突破性进展。
4.道岔状态识别困难
在道岔的区段，前方物体是否应被判定为障碍物，取决于道岔开通方向。但无论是激光雷达、毫米波雷达还是工业摄像机，由于自身性能和探测原理的限制，均难以在较远距离上识别道岔开通方向，从而给在道岔区段判别障碍物造成困难。
目前看来，识别道岔开通方向可以采用的方法包括，与转辙机直接通信，识别道岔防护信号机显示确定道岔开通方向和通过定位系统测量列车横向运动配合线路地图确定列车运行方向，这些方法都增加了系统的复杂度。
04.列车自主障碍物检测系统的应用分析
综合上述分析，基于车载传感器，非深度学习实现的以单车智能为基础的列车自主障碍物检测系统，即使可以通过SIL2/4级认证，受限于系统所能探测到的障碍物尺寸和隧道内视距，也只能在低速（25~40km/h）条件下运用，主要应用场景包括：
1.FAO或非FAO线路的RM（限制人工驾驶）和NRM（非限制人工驾驶）模式
在FAO线路或非FAO线路，当列车车载设备故障或车地无线通信系统故障，需要人工驾驶时，可实现对列车的自动安全防护或辅助司机瞭望。如需要实现对列车的自动安全防护，在检测到障碍物的情况下，触发列车紧急制动，系统安全完整性等级应达到SIL4级。辅助司机瞭望，在检测到障碍物的情况下，向司机发出告警，系统安全完整性等级应不低于SIL2级。
2.FAO线路的RSRM（低速恢复）模式
FAO线路在RSRM模式下，通过列车线操纵列车低速移动，用以退出运营或恢复列车定位以重新建立FAO模式。列车自主障碍物检测系统可以为该模式提供安全防护，防止碰撞发生。
3.TACS中的后备运行模式
TACS通常基于车-车通信实现，但TACS的原型系统（Alsthom的Urbalis Fluence系统）为CBTC系统在中低运量线路上的低成本实现，未考虑后备模式，不适应中国大运量线路的应用场景。在高峰时段，TACS车载设备故障或车地通信故障，如没有可用于快速恢复的后备手段，故障列车可能阻塞正线，造成全线严重晚点。
列车自主障碍物检测系统可为故障列车提供一种低速退出运营或通过RSRM模式重新建立FAO模式的方法。
同时，对于故障列车的后方列车，也可在施加紧急制动后，启用列车自主障碍物检测系统，以不超过自主障碍物检测系统计算的最高允许速度运行，从而提高了故障恢复效率。
05.列车自主障碍物检测系统前景的展望
目前列车自主障碍物检测系统尚不成熟，其应用场景在业内尚未有明确结论，作为列车自主运行的基础技术，还存在较多需要解决的问题。作者认为，当前首先需要厘清应用场景。同时，传感器技术的发展，性能的提升和障碍物检测算法的不断改进，均有助于解决目前所存在的问题。
此外，系统造价也是不得不考量的因素，作为后备系统，在主用系统被不断加固的背景下，其使用的概率较低，参考点式后备系统在信号系统投资中15%左右的占比，自主障碍物检测系统的投资不应过高。目前，激光雷达等传感器的价格正在不断下降，相信在不久的将来，价格将不在是阻碍自主障碍物检测系统应用的因素之一。
- 用户评论
