一种基于井下CBTC系统的无人驾驶机车系统及追踪方法与流程

本发明涉及井下无人驾驶机车技术领域，具体涉及一种基于井下cbtc系统的无人驾驶机车系统及追踪方法。

背景技术：

目前，现有技术在井下无人驾驶机车追踪前车时，大多是将前车作为静态的障碍物来计算移动授权的，这样固然是安全的，但是降低了线路的利用率，而事实上前车大多数情况下是处于运动中的。

根据现有技术得到的移动授权计算列车自动防护(automatictrainprotection，简称atp)曲线时，得到的最小追踪间隔比前后车实际运行时所能允许的追踪间隔要大。而为了保证列车的安全运行，前后车的最小追踪间隔不能超过后车的紧急制动距离，否者就会触发紧急制动，这就使得在列车运行的高峰时期，不能够根据实际运行情况来缩写列车之间的追踪间隔，使得线路的运营效率较低。

技术实现要素：

本发明提出的一种基于井下cbtc系统的无人驾驶机车系统及追踪方法，可在为每辆机车计算移动授权时，不再将前车作为静态障碍物来处理了，能够使得移动授权延伸，从而可以缩小追踪距离，提高线路的运营效率。

为实现上述目的，本发明采用了以下技术方案：

一种基于井下cbtc系统的无人驾驶机车系统，包括无人驾驶机车车载vehicle系统、联锁cbi系统、自动监控系统ats、区域控制系统zc；无人驾驶机车车载vehicle系统实时采集车载雷达扫描的障碍物信息并存入到车载vehicle软件、实时采集机车速度、比对事先录入的电子地图，实时计算机车当前位置，车载vehicle软件将这些信息发送给zc，其中还包括机车方向、加速度、制动参数等工况信息；

联锁cbi系统用于向zc汇报轨旁设备状态，包括信号机、道岔、区段占用等状态，信号机状态不限于红灯、绿灯、黄灯，道岔状态不限于定位、反位、无表示、占用、空闲，区段状态不限于占用、空闲；

自动监控系统ats用于向zc下发每辆无人驾驶机车的任务信息，任务信息不限于无人驾驶机车车号、运行方向、始发点、终点、始发时间、到达时间、所经过道岔状态、区段方向，实时显示机车位置、工况等信息；

区域监控系统zc用于在预设周期内，为每辆无人驾驶机车计算ma，并下发给每辆车载vehicle软件，周期性向ats汇报机车位置、工况等信息。

本发明另一方面还提出的一种无人驾驶列车的追踪方法，基于数据获取阶段、数据处理阶段、数据发送阶段；

其中，所述数据获取阶段包括获取车载vehicle软件上报的无人驾驶机车位置信息、工况信息，获取联锁cbi上报的轨旁设备状态信息，获取调度监控系统ats下发的无人驾驶机车任务信息。

所述数据处理阶段，即是在每个预设周期内，对已注册的每列无人驾驶机车v查找前方最近的另一辆无人驾驶机车v，进一步判断若v、v'之间存在障碍物情况，计算此时v的移动授权ma，若不存在障碍物，则根据接收到的两辆机车的当前位置信息、工况信息，确定v、v'之间的距离s、v的紧急制动距离sv、v'的紧急制动距离sv'，计算此时v的移动授权ma，依次类推，计算其它已注册的无人驾驶机车的移动授权；特别地，区域控制器zc收到车载vehicle上报的机车数据，则视为已注册；

所述数据发送单元在每个预设周期内，将计算完成的无人驾驶机车ma分发到每辆机车车载vehicle软件。

进一步地，所述获取vehicle软件上报的机车位置信息包括机车测距uwb基站编号、相对于uwb基站的偏移量；所述工况信息包括机车号、方向、速度、制动参数以及障碍物信息(由车载雷达确认并处理传送到vehicle软件)等，所述制动参数包括机车最大加速度、转动惯量、限制速度、制动命令延迟时间、系统响应延迟时间、制动系统响应延迟时间以及自身延迟时间、线路最大坡度、粘着系数。

进一步地，所述获取联锁cbi上报的轨旁设备状态信息，包括信号机、道岔、区段等，信号机状态不限于红灯、黄灯、绿灯，道岔状态不限于定位、反位、无表示、占用、空闲，区段状态不限于占用、空闲。

进一步地，所述调度监控系统ats下发的无人驾驶机车任务信息，包括机车号、运行方向、始发点、终点、途径设备状态信息，含道岔位置信息(定/反位)。

进一步地，所述障碍物可以是不满足机车任务中已预设的前方设备状态/位置，也可以是人、车皮、无人驾驶机车或非无人驾驶机车，通过车载雷达扫描判断后传给车载vehicle软件；

进一步地，所述计算机车紧急制动距离即一般机车安全制动模型从系统探侧并触发紧急制动，到列车停止整个过程建立的最不利场景下需要的防护距离，主要包括失控加速阶段、滑行阶段、保障紧急制动率制动阶段，而失控加速阶段可通过切除牵引的方法得以消除，故本发明的紧急制动距离采用的安全制动模型只包括滑行阶段、保障紧急制动率制动阶段；

滑行阶段，可简化为匀速运动，保障紧急制动率制动阶段可简化为匀减速运动，计算机车紧急制动距离的具体过程如下：

构造速度为vc，ae为紧急制动下的最大加速度，gm为线路最大坡度，滑行阶段时间为t1，保障紧急制动率制动阶段时间为(t2-t1)，s0为其它制动参数引起的制动距离常数，则se＝vc*t1+vc²/(2*(ae-gm))+s0；

进一步地，通过上述机车紧急制动模型，可计算出机车v的紧急制动距离sv、v'的紧急制动距离sv'，进而计算出机车v的移动授权，以及其他机车的移动授权，这些移动授权会被保存在公共缓存区链表mtrainmaarr中。

进一步地，所述将计算完成的无人驾驶机车ma分发到每辆机车车载vehicle软件，指的是发送线程，在每个预设周期内，从公共缓存区链表mtrainmaarr中获取机车号对应的此时ma值，然后通过机车号获取机车ip、端口号等信息后，将ma发送出去；

进一步地，所述机车号，同机车ip一样为机车的唯一标识，各机车的端口号可以相同。

与现有技术相比，本发明存在以下技术效果：

本发明能够将移动中的机车作为障碍物来计算移动授权，延伸了移动授权，缩小了机车之间的最小追踪间隔(机车的最小追踪间隔是指在运行过程中两机车经过同一点的时间间隔最大值，即在最不理想情况下两机车所能达到的追踪间隔时间就是机车运行的最小追踪间隔时间)，提高了线路的运营效率。

附图说明

图1是本发明的结构示意图；

图2是周期性计算机车移动授权流程示意图；

图3是周期性发送机车移动授权流程示意图；

图4是机车安全制动模型v-t示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。

如图1所示，本实施例公开了一种基于井下cbtc系统的无人驾驶机车系统，包括自动监控系统ats10、车载vehicle系统40、区域控制器zc系统30、联锁cbi系统20，以及井下无线wifi+5g互为冗余的双网络50，相关网路设备；

其中，自动监控系统ats10主要向区域控制器zc系统30、车载vehicle系统40发送机车任务信息，接收区域控制器zc系统30汇报的机车位置信息、车载vehicle系统40汇报的工况信息，接收联锁cbi系统20汇报的轨旁设备状态信息：

其中，车载vehicle系统40主要根据区域控制器zc系统30发送的移动授权，计算并绘制atp曲线，确保机车在atp防护曲线下运行，向区域控制器zc系统30报告机车位置信息、前方障碍物位置信息；

其中，区域控制器zc系统30主要根据自动监控系统ats10下发的任务信息、车载vehicle系统40上报的机车位置信息、障碍物位置信息，联锁cbi系统20汇报的轨旁设备状态信息，以及自身保存的线路基础数据信息，为每辆机车实时计算移动授权，并将移动授权发送到对应的机车；

其中，联锁cbi系统20主要向区域控制器zc系统30、自动监控系统ats10汇报轨旁设备状态信息；

其中，井下网络布置为相互独立的双网络(无线wifi+5g双网络50)，由uwb基站上安装的wifi天线、车载uwb标签、井下信号机、通信控制器、井/上下交换机等构成的无线wifi网络，以及由5g运营商安装的5g基站、接入点构成的5g专网。

如图2、图3所示，本发明实施例还公开一种基于井下cbtc系统的无人驾驶机车追踪方法:

包括：

s10、通过数据获取阶段获取车载vehicle软件上报的无人驾驶机车位置信息、工况信息，获取联锁cbi上报的轨旁设备状态信息，获取调度监控系统ats下发的无人驾驶机车任务信息；

s20、根据步骤s10采集的基础数据，通过数据处理阶段计算各机车的移动授权ma，即在每个预设周期内，对已注册的每列无人驾驶机车v查找前方最近的另一辆无人驾驶机车v'，进一步判断若v、v'之间存在障碍物情况，计算此时v的移动授权ma，若不存在障碍物，则根据接收到的两辆机车的当前位置信息、工况信息，确定v、v'之间的距离s、v的紧急制动距离sv、v'的紧急制动距离sv'，计算此时v的移动授权ma，依次类推，计算其它已注册的无人驾驶机车的移动授权ma；

s30、通过数据发送单元，在每个预设周期内，将计算完成的无人驾驶机车ma分发到每辆机车车载vehicle软件。

具体来说，上述步骤s10中的数据获取阶段包括获取车载vehicle软件上报的数据集合、联锁cbi系统上报的数据集合、以及自动监控系统ats上报的数据集合，包括如下细分步骤s11至s13：

s11：所述获取vehicle软件上报的机车位置信息包括机车测距uwb基站编号、相对于uwb基站的偏移量；所述工况信息包括机车号、方向、速度、制动参数以及障碍物位置信息、状态信息(由车载雷达确认并处理传送到vehicle软件)等，所述制动参数包括机车最大加速度、转动惯量、限制速度、制动命令延迟时间、系统响应延迟时间、制动系统响应延迟时间以及自身延迟时间、线路最大坡度、粘着系数。

s12：所述获取联锁cbi上报的轨旁设备状态信息，包括信号机、道岔、区段等，信号机状态不限于红灯、黄灯、绿灯，道岔状态不限于定位、反位、无表示、占用、空闲，区段状态不限于占用、空闲。

s13：所述调度监控系统ats下发的无人驾驶机车任务信息，包括机车号、运行方向、始发点、终点、途径设备状态信息，含道岔位置信息(定/反位)。

具体来说，所述车载vehicle软件上报的数据集合包括获取车载vehicle软件上报的无人驾驶机车位置信息、工况信息；所述获取联锁cbi上报的轨旁设备状态信息，获取调度监控系统ats下发的无人驾驶机车任务信息。

具体来说，上述步骤s20：根据步骤s1采集的基础数据，计算各机车的移动授权ma，包括如下细分步骤s21至s24：

s21、以所述vehicle软件上报的机车位置，查找机车前方存在最近机车(移动障碍物)，计算机车移动授权；

s22、以所述vehicle软件上报的机车位置以及cbi上报的轨旁设备状态信息，查找机车前方存在其它障碍物(非机车)，计算机车移动授权；

s23、以所述vehicle软件上报的机车位置以及cbi上报的轨旁设备状态信息，机车前方不存在障碍物，计算机车移动授权；

s24、将步骤s21至s23计算得到的机车移动授权存储到公共缓存区mtrainmaarr链表中。

具体来说，步骤s21具体实现步骤如下：

1)计算所述当前机车v与前方机车v'之间的距离svv'，计算机车v、v'的紧急制动距离sev、sev'。

其中，svv'可由机车v、v'的当前位置信息、并结合线路基础数据信息计算可得；机车v、v'的紧急制动距离sev、sev'可由如下方法获取。

具体来说，一般机车安全制动模型从系统探侧并触发紧急制动，到列车停止整个过程建立的最不利场景下需要的防护距离，主要包括失控加速阶段、滑行阶段、保障紧急制动率制动阶段，而失控加速阶段可通过切除牵引的方法得以消除，如图4所示，故本发明的紧急制动距离采用的安全制动模型只包括滑行阶段、保障紧急制动率制动阶段；

滑行阶段，可简化为匀速运动，保障紧急制动率制动阶段可简化为匀减速运动，计算机车紧急制动距离se的具体过程如下：

构造速度为vc，ae为紧急制动下的最大加速度，gm为线路最大坡度，滑行阶段时间为t1，保障紧急制动率制动阶段时间为(t2-t1)，s为其它制动参数引起的制动距离常数，则se＝vc*t1+vc²/(2*(ae-gm))+s；

由此，可计算得出机车v、v'的紧急制动距离sev、sev'。

2)若前车v'正处于紧急制动状态，计算机车v的移动授权sma(v)＝svv'-s0；否则执行如下细分步骤s211至s213：

s211：若svv'>|sev-sev'|，则sma(v)＝svv'+sev'-s0；

s212：若svv'＝|sev-sev'|，则sma(v)＝svv'-s0；

s213：若其它，则需告知机车v'加速行驶，与机车v保持合理距离(sev+sev'+s0)。

具体来说，步骤s22具体实现步骤如下：

根据cbi系统上报的联锁设备状态信息或车载vehicle软件上报的障碍物位置信息、机车位置信息，以及线路的基础信息，可以确定当前机车v到障碍物的距离s'，故机车v的移动授权sma(v)＝s'-s0。

其中，线路基础数据，包括了路段长度、信号机设备位置、道岔设备位置、uwb基站位置、uwbid号、车载标签id号等；

具体来说，步骤s23具体实现步骤如下：

根据cbi系统上报的设备状态信息以及ats系统下发的机车任务信息，可以确定计算当前机车所在位置到进路终点的距离s”，故机车v的移动授权sma(v)＝s”-s0。

具体来说，步骤s24，先判断公共缓存区mtrainmaarr是否可写，若可写，则将步骤s21至s23计算得到的移动授权记录到mtrainmaarr中，同时设置机车对应的ma发送标志bsendmaokf为false；若不可写，则继续计算下一辆已注册机车的移动授权，具体实现步骤如下：

如图2所示，启动ma计算线程，为已注册在线机车周期性(100ms)计算移动授权ma，包括：

a)循环遍历已注册机车链表mregtrainarr；

b)查找当前机车v前方距离最近机车v'(移动障碍物)，若找到，则执行步骤c)，若找到其它障碍物，则执行步骤d)，若没有找到障碍物，则执行步骤e)；

c)根据机车v、v'的当前位置信息，以及线路基础数据信息，计算可得机车v、v'之间的距离svv'；计算机车v、v'的紧急制动距离sev、sev'，若机车v'正处于紧急制动状态，则执行步骤f)，否则执行步骤g)；

d)计算机车v的移动授权sma(v)＝s'-s0，执行步骤h)；

其中s'为机车v到障碍物之间的距离，s0为预设的安全距离；

e)计算机车v的移动授权sma(v)＝s”-s0，执行步骤h)；

其中s”为机车v当前进路终点之间的距离，s0为预设的安全距离；

f)若svv'>|sev-sev'|，则sma(v)＝svv'+sev'-s0，；若svv'＝|sev-sev'|，则sma(v)＝svv'-s0；若其它，则需告知机车v'加速行驶，与机车v保持合理距离(sev+sev'+s0)，执行步骤h)；

g)机车v的移动授权sma(v)＝svv'-s0，执行步骤h)；

h)若公共缓存区mtrainmaarr可写，则将计算的机车v的移动授权sma(v)记录到公共缓存区mtrainmaarr链表中，同时设置机车对应的ma发送标志bsendmaokf为false，则执行步骤i)；若公共缓存区mtrainmaarr不可写，则执行步骤i)；

i)执行步骤a)、步骤b)。

具体来说，上述s30，根据s20获取的已注册机车的移动授权集合(公共缓存区mtrainmaarr)，采用线程发送机制，周期性(150ms)向每台机车发送此时的移动授权ma，具体实现步骤如下：

1)公共缓存区mtrainmaarr可读，则执行步骤2)，若不可读，则执行步骤3)；

2)循环遍历mtrainmaarr，执行步骤4)；

3)线程休眠150ms，执行步骤1)；

4)通过机车号获取本周期内未发送ma机车的ip、端口号等信息，发送ma，并设置机车本周期已发送ma标志bsendmaokf为true；

5)循环执行步骤4)，直至所有机车ma发送完毕，执行步骤3)；

优选地，本实施例中数据采集、各机车ma计算、ma发送，均采用线程处理机制，线程采用相互独立机制，互不干扰，线程间共享临界区资源采用加锁处理机制，防止死锁。

本实施例中基于井下cbtc系统的无人驾驶机车追踪算法，通过在预设周期内实时采集移动授权计算所需要的线路数据，在预设周期内(本发明为了说明，设置为100ms)实时为每辆注册机车计算移动授权，在预设周期内(本发明为了说明，设置为150ms)实时向每辆机车发送移动授权，同时在计算移动授权的过程中，考虑到了前方障碍物可能是移动中的机车，以及该机车可能正处在紧急制动的状态等情况，在确保行车安全的前提下，延伸了移动授权，缩小了行车间隔，提高了运营效率，降低了生产成本。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除