列车的车载系统以及确定列车安全速度和位置的方法与流程

本披露涉及列车的车载系统、确定列车的安全速度的方法以及确定列车的位置的方法。这些方法和车载系统可以与所有类型的列车一起使用，包括但不限于轻轨列车、重轨列车、高速列车、城际列车、工程列车、轨道交通列车和地铁。在一些示例中，这些方法和车载系统可以用于帮助列车的辅助驾驶、自动驾驶或手动驾驶。

背景技术：

传统的铁路信号系统将铁路划分为多个区段，称为区间。区间电路使电流流经该区间，从而使得能够根据该区间的电气性质检测列车的存在。该信息可以被传递到铁路信号系统的中央服务器，该中央服务器可以控制轨道旁视觉信号(例如灯)，以向驾驶员指示他们是可以继续行进还是必须停下列车。以这种方式对列车的运行进行控制，并且在通常情况下，在一个区间上一次只能允许一辆列车通行。

为了改善间隔时间并允许更紧密的列车间距，已经开发了基于通信的列车控制(cbtc)系统。cbtc系统包括用于沿着铁路定位列车的多个轨道旁设备。轨道旁设备可以例如发送可以由列车接收使得该列车可以知道其自身的位置的射频id(rfid)信号。然后，每辆列车可以将其位置信息发送到中央服务器以供监测，并且中央服务器可以直接或经由轨道旁设备向列车发送指令以维持列车之间的间隔。

传统信号系统和cbtc系统依赖于中央服务器。因此，如果中央服务器或者中央服务器与列车之间的通信发生故障，则可能会出现严重的服务中断。进一步地，尽管这些系统可以帮助防止列车之间的碰撞，但是它们却不能帮助防止列车与行人、汽车或其他障碍物之间的碰撞，或者列车与诸如传统信号系统或cbtc系统通常不覆盖的列车站点等区域中的列车缓冲器的碰撞。

技术实现要素：

本披露提出了一种列车的车载系统，该车载系统包括用于检测在列车前方的铁路轨道上的物体的传感器系统。通过检测铁路轨道上的物体，传感器系统可以帮助防止与诸如其他列车、车辆、行人和挡车器等障碍物的碰撞。进一步地，本披露提出基于感测系统的检测范围来确定列车的安全速度。这可以帮助防止列车行驶速度太快，以至于在检测到物体时无法及时停车。

因此，本披露的第一方面提供了一种确定列车的安全速度的方法，该方法包括：

确定该列车在铁路上的当前位置；

基于该列车的该当前位置和数据存储来确定该列车的传感器系统的检测范围，该数据存储包括从其可以确定在该铁路上多个位置处的检测范围的信息；以及

基于该检测范围来确定该列车的安全速度。

以这种方式，可以在不依赖与远程服务器的通信的情况下确保列车以安全速度行驶，从而防止与其他列车的碰撞。进一步地，这种方法不仅可以防止与列车的碰撞，而且还可以防止与诸如行人、车辆、挡车器等其他类型的障碍物的碰撞。在一些示例中，该车载系统可以独立地操作，而无需与铁路的现有信号系统或旧有信号系统接口连接。

本披露的第二方面提供了一种列车的车载系统，该车载系统包括：

传感器系统，该传感器系统用于检测在该列车前方的铁路轨道上的物体；

定位系统，该定位系统用于确定该列车的当前位置；

数据存储，该数据存储包括从其可以确定该传感器系统在该铁路上多个位置处的检测范围的信息；以及

速度确定模块，该速度确定模块被配置为：

从该定位系统接收该列车的当前位置；

基于该列车的该当前位置和该数据存储中的信息来确定该传感器系统的检测范围；以及

基于该传感器系统的所确定检测范围来确定该列车的安全速度。

本披露的第三方面提供了一种确定列车在铁路上的位置的方法，该方法包括：

从安装在该列车上的相机接收该列车的环境的视频流；

接收由安装在该列车上的激光雷达(lidar)系统生成的该列车的环境的lidar数据；

基于该视频流和该lidar数据来生成该列车的环境的数字模型；

在该数字模型中检测地标，该地标具有与在该铁路的数字地图中具有已知位置的地标的标识特征相对应的标识特征；

确定该列车的速度；以及

基于该地标的该已知位置、该列车的速度以及自检测到该地标以来经过的时间来确定该列车的当前位置。

本披露的第四方面提供了一种列车的车载系统，该车载系统包括：

相机，该相机用于生成该列车的环境的视频流，

lidar系统，该lidar系统用于生成该列车的环境的lidar数据；

数字地图，该数字地图包括该铁路的多个地标的标识特征和已知位置；

地标检测模块，该地标检测模块用于检测该视频流中的地标以及具有与该数字地图中的地标的标识特征相匹配的特征的lidar数据；

速度确定装置，该速度确定装置用于确定该列车的速度；

位置确定模块，该位置确定模块用于基于所检测到的地标的已知位置、该列车的速度以及自检测到该地标以来经过的时间来确定该列车的当前位置。

在所附权利要求中提供了本披露的其他方面。

附图说明

现在将参考附图来解释本披露的示例，在附图中：-

图1示出了根据本披露的确定列车的安全速度的示例方法；

图2示出了根据本披露的列车的车载系统的示例；

图3示出了根据本披露的列车的传感器系统的检测范围的示例；

图4示出了根据本披露的确定列车的安全速度的示例方法；

图5示出了根据本披露的基于列车的安全速度可以采取的措施的示例；

图6示出了根据本披露的列车的车载系统的示例；

图7示出了根据本披露的根据铁路的即将到达部分的特性来确定检测范围的示例方法；

图8a至图8e示出了根据本披露的铁路轨道的弯曲区段以及确定弯曲区段中的检测范围的示例；

图9a至图9c示出了根据本披露的铁路轨道的倾斜区段以及确定倾斜区段中的检测范围的示例；

图10示出了根据本披露的确定列车的位置的方法的示例；

图11示出了根据本披露的列车的车载系统的示例；以及

图12a至图12c示出了用于计算检测范围的实际斜坡和对应的标称斜坡的一些示例。

具体实施方式

下面讨论本披露的各种示例。虽然讨论了具体实施方式，但应该理解这仅仅是为了说明目的而进行的。相关领域的技术人员将认识到，可以在不脱离本披露的精神和范围的情况下使用其他部件和配置。

本披露提出了一种列车的车载系统。车载系统是要安装在列车上并随列车一起行进的系统。该车载系统包括用于检测在列车前方的铁路轨道上的物体的传感器系统。在一些示例中，传感器系统可以包括相机和激光雷达(lidar)装置，而在其他示例中，传感器系统可以包括其他类型的传感器。如果传感器系统在铁路轨道上检测到物体，则可以通知驾驶员或激活列车的控制系统以施加制动，或者以其他方式调整列车的速度。如果传感器系统在铁路轨道上未检测到物体，则可以将列车的速度设置为安全速度。

安全速度是指能够通过制动在与障碍物碰撞之前停下列车的速度。安全速度可以基于传感器系统的检测范围。例如，可以将安全速度设置为使得列车的制动距离在传感器系统的检测范围之内。传感器系统的检测范围是传感器系统可以对物体进行检测的范围。列车的制动距离是指在车载系统确定需要制动之后、列车在停下之前行驶的距离。制动距离例如可以基于列车的速度、列车的制动减速度和驾驶员的反应时间或自动制动系统的反应时间来计算。

取决于列车前方的铁路轨道的特性，在铁路上的不同位置处检测范围可能会有所不同。因此，在一些示例中，可以通过以下操作来确定检测范围：参考包括铁路的几何信息的铁路数字地图，在数字地图上确定列车的当前位置，以及基于列车前方的铁路轨道的几何结构来计算检测范围。

图1示出了确定列车的安全速度的示例方法100。

在框110处，确定列车在铁路上的当前位置。例如，可以根据全球定位系统(gps)信号、从轨道旁设备无线地接收到的位置信号，或者通过识别传感器系统所检测到的地标来确定当前位置。

在框120处，基于列车的当前位置和数据存储来确定列车的传感器系统的检测范围，该数据存储包括从其可以确定在铁路上多个位置处的检测范围的信息。在一个示例中，数据存储是铁路的数字地图，其包括铁路的几何信息，诸如轨道曲率和坡度。

在框130处，基于传感器系统的检测范围来确定列车的安全速度。例如，可以将安全速度设置为使得列车的制动距离在列车的检测范围之内，即，等于或小于列车的检测范围。

以这种方式，可以在考虑列车前方的铁路轨道的特性以及由此得到的在列车的当前位置处传感器系统的检测范围的情况下确定列车的适当安全速度。在一些示例中，安全速度的这种确定可以由车载系统自主地执行，而无需外部的列车外设备或系统的输入。在这样的示例中，该系统不依赖于中央信号服务器或外部通信网络来确定列车的安全速度。

图2示出了列车的车载系统200的示例。车载系统200可以实施用于确定列车的安全速度的方法，诸如以上参考图1所描述的方法100。

车载系统200包括：用于检测列车前方的铁路轨道上的物体的传感器系统210、用于确定列车的当前位置的定位系统220、数据存储230、以及速度确定模块240。

传感器系统210可以例如包括诸如相机和激光雷达(lidar)装置等传感器，但是不限于此。在一些示例中，相机可以被配置为生成包括列车的环境的2d图像的视频流，并且lidar装置可以被配置为生成列车的环境的3d点云。传感器系统可能能够检测障碍物，诸如列车前方的轨道上的其他列车、行人、车辆或障碍物。如果检测到障碍物，则可以向列车的驾驶员生成警报，或者可以例如通过激活列车的制动系统来自动调整列车的速度。

定位系统220被配置为确定列车在铁路上的当前位置。在一个示例中，定位系统220包括用于基于来自传感器系统210的数据来确定列车的当前位置的逻辑。在其他示例中，定位系统220可以包括全球定位系统(gps)，或者可以从轨道旁设备无线地接收位置信号。

数据存储230存储从其可以确定传感器系统在铁路上多个位置处的检测范围的信息。数据存储可以例如包括存储在非暂态机器可读介质上的数据，该非暂态机器可读介质诸如是硬盘、固态驱动器、只读存储器或随机存取存储器等。

在一个示例中，数据存储是数字地图，其包括与铁路轨道的几何结构有关的信息，该信息包括轨道坡度和轨道曲率。可以基于沿着列车路线在列车的当前位置前方的铁路的一个或多个即将到达区段中的铁路轨道的几何结构来实时计算检测范围。实时计算意味着根据需要进行计算。以这种方式，可以随着列车的运行和列车的当前位置的变化以频繁的间隔(例如每秒一次)计算检测范围。在另一个示例中，数据存储230包括具有针对铁路上多个位置的检测范围的数据库或查找表，使得不需要实时进行计算，但是这种方法可能需要车载系统具有大存储容量，以便存储针对铁路上大量位置的检测范围。

速度确定模块240被配置用于确定列车的安全速度。速度确定模块可以包括：用于从定位系统接收列车的当前位置的模块242、用于基于列车的当前位置和数据存储中的信息来确定传感器系统的检测范围的模块244、以及用于基于所确定的传感器系统的检测范围来确定列车的安全速度的模块246。

在一个示例中，速度确定模块240可以由处理器(诸如中央处理单元(cpu)或微处理器)以及存储可由处理器执行的机器可读指令的非暂态存储介质(诸如，存储器、硬盘或固态驱动器等)来实施。因此，将理解，模块242、244和246可以被实施为可由处理器执行的机器可读指令。

图3示出了在铁路300的一个区段上沿从图的左侧到右侧的方向行驶的列车310的示例。包括传感器系统325的车载系统320被安装在列车上。车载系统可以例如如图2或本披露中的其他示例所示。传感器系统325可以指向列车的前方，并且可以具有如图3所示的视野330。

传感器系统325具有检测范围340，其是车载系统可以在铁路轨道上检测到物体并进行分类的最大距离。检测和分类意思是检测物体并将物体分类为特定的物体类型，例如诸如另一列车、行人、汽车、站点缓冲器等障碍物，并将这些物体与诸如铁路轨道等其他视觉特征区分开。例如，在一些示例中，取决于传感器系统的设计，检测范围可以是列车前方200m到300m之间的值。在图3的示例中，检测范围是列车正面前方240m。障碍物370位于列车正面前方300m处，并且因此在感测系统325的检测范围340之外。列车的制动距离是在此刻决定施加制动的情况下列车将会行驶的距离。

如果制动距离大于检测范围340，例如在该示例中大于240m，则存在列车可能太晚检测到障碍物370的风险。在这种情况下，列车可能无法在与该障碍物发生碰撞之前制动至停止。例如，如果制动距离为260m，但检测范围为240m，则车载系统会检测到在240m远处的障碍物，但是直到260m后(即，超过了障碍物的位置20m)才能使列车停止。反之，如果制动距离在检测范围之内，例如在该示例中为240m或更小，则感测系统可以检测到障碍物并且可以在发生碰撞之前停下列车。图3示出了在检测范围之内的制动距离360。

列车的制动距离尤其取决于列车的速度。因此，可以将列车的安全速度设置为使得列车的制动距离在传感器系统的检测范围之内。即，制动范围小于或等于检测范围。以这种方式，列车将能够在轨道上检测到障碍物之后并且在与该障碍物发生碰撞之前制动至停止。

图4示出了基于检测范围来设置列车的安全速度的示例方法400，其方式为使得列车的制动距离在传感器系统的检测范围之内。该方法可以例如由图1的框130或图2的模块246采用。

在图4的框410处，确定传感器系统的检测范围。例如，这可以如以上在图1的框120中所描述的那样进行。

在框420处，确定列车的制动距离在检测范围之内的第一速度。例如，可以将制动距离设置为检测范围之内的值，并且可以计算列车具有该制动距离的最大速度。

在框430处，将第一速度设置为列车的安全速度。

列车的制动距离可以基于列车的速度、列车的制动减速度和反应时间来计算。反应时间可以是在驾驶员要激活制动器的情况下驾驶员的反应时间，或者是在车载系统要自动激活制动器的情况下车载系统的反应时间。在一个示例中，可以根据以下公式计算制动距离：

d＝vt+(v²/2a)(等式1)

其中：

d＝制动距离，

v＝列车的速度，

t＝反应时间，并且

a＝列车的制动减速度

在一个示例中，第一速度可以是制动距离在检测范围之内的列车的最大速度。在这种情况下，可以将制动距离设置为等于检测范围，并且可以通过求解等式1找到最大速度来找到该速度。

一旦确定了安全速度，就可以以各种方式使用安全速度。在一个示例中，可以将安全速度显示给列车的驾驶员。例如，可以将安全速度与列车的当前速度一起显示在车载系统的显示面板上。列车的驾驶员可以相应地采取措施。

在一些示例中，如图5的方法500中所示，车载系统可以在框510处确定列车的当前速度，并且在框520处将列车的当前速度与安全速度进行比较。在框530处，响应于确定当前速度大于安全速度，可以生成警报或者可以自动调整列车的速度。例如，可以通过列车的驾驶室中的显示面板或扬声器将视觉和/或听觉警报通知给驾驶员。在一些实施方式中，车载系统可以例如通过激活列车的制动系统或降低发动机转速等来自动地调整列车的当前速度。

图6示出了根据本披露的列车的车载系统600的进一步示例。车载系统600包括主计算机620、显示器680以及包括相机610、lidar装置612和速度传感器614在内的多个传感器。

相机610被配置为生成列车的环境的视频流，并且可以例如生成包括多个2d图像的视频流。lidar装置612被配置用于生成列车的环境的lidar数据，并且能够确定到物体的距离。lidar装置可以例如生成列车的环境的3d点云。相机610和lidar装置可以指向列车的前方，使得它们可以检测在列车前方的铁路轨道上的物体。在一些示例中，相机610和/或lidar装置可以是可旋转的，以便扫描列车的环境中的不同区域。相机610和lidar装置612可以一起形成用于检测列车前方的物体的传感器系统，并且可以执行与图2的传感器系统210的功能类似的功能。

速度传感器614被配置为确定列车的速度。速度传感器可以例如是里程表、陀螺仪设备、或用于检测列车的车轴的转速的设备、或雷达或lidar设备。在一个示例中，速度传感器是毫米波长雷达设备。雷达或lidar速度感测设备可以被配置为使用多普勒效应通过以下操作来确定列车的速度：发射雷达波或lidar波，检测反射回列车的雷达波或lidar波，以及确定所发射的波与所反射的波之间的频移。雷达或lidar速度感测设备可以独立于列车的其他系统，并且因此很容易在各种不同类型的列车上实施。

主计算机620可以包括单个计算机或多个计算机系统。主计算机可以包括至少一个处理器622(诸如中央处理单元(cpu)或微处理器等)以及非暂态机器可读存储介质624(诸如硬盘驱动器、磁盘阵列、固态驱动器、存储器等)。存储介质624可以包括具有机器可读指令的模块，这些指令可由处理器622执行以执行本披露中描述的任何方法。

存储在存储介质624上的具有机器可读指令的模块可以包括视觉分析模块630、集成模块632、障碍物检测模块634、位置检测模块640、速度确定模块650和措施模块670。存储介质624还可以存储铁路的数字地图660。虽然这些模块在图6中被示出为在单个计算机上实施并且驻留在同一存储介质上，但是应当理解，在其他示例中，这些模块可以分布在车载系统的多个计算机和/或存储介质之中。

视觉分析模块630被配置为检测来自相机610的视频流中的2d图像中的物体。视觉分析模块可以例如使用机器学习来检测和分类物体。例如，可以对视觉分析进行训练以识别图像的与铁路轨道相对应的部分并检测轨道上的任何障碍物。可以对视觉分析进行训练以按类型(诸如另一列车、站点缓冲器、行人、汽车或其他异物等)对障碍物进行分类。

集成模块632被配置为将来自视觉分析模块的数据与来自lidar装置的3d点云数据进行集成。例如，可以将通过视觉分析而被检测到并进行分类的物体映射到点云数据中的特征。以这种方式，由于点云包括3维信息并且能够基于所发射的和接收到的lidar脉冲的飞行时间来确定距离，因此可以确定到所检测物体的距离。点云还可以包括关于所检测物体的更精细特征的信息。通过将视觉分析与3d点云相结合，集成模块可以形成列车的环境的数字模型。障碍物检测模块634被配置为根据该数字模型来确定轨道上是否存在障碍物。障碍物检测模块634可以被配置为：确定列车前方的轨道区域的边界，并且然后检测轨道区域之内的障碍物同时忽略轨道区域之外的障碍物。障碍物检测模块可以被配置为基于障碍物的位置、到障碍物的距离以及障碍物的速度和行进方向(如果障碍物在移动)来确定障碍物是否可能与列车发生碰撞。如果存在碰撞的风险，则障碍物检测模块可以通知措施模块670，以使得可以采取适当的措施，诸如通知驾驶员、生成警报或自动调整列车的速度。

数字地图660包括从其可以确定传感器系统在铁路上多个位置处的检测范围的信息。例如，数字地图可以包括轨道的几何数据，包括轨道坡度、轨道曲率(例如弯道的半径)、隧道宽度以及轨道的各个区段是直的、弯曲的、水平的、向上倾斜的还是向下倾斜的。数字地图还可以包括图像数据、与轨道的形状、车站间距离、特定位置处的轨道旁基础设施有关的数据等。数字地图还可以包括与诸如车站或其他轨道旁基础设施等地标有关的信息，包括标识特征和车站的已知位置。

通过非限制性示例的方式，数字地图可以包括以下各项中的一项或多项：

a)地标的图像数据

b)地标的点云数据

c)与车站有关的信息

-车站地图

-各个区段的长度

d)与道岔有关的信息

-道岔的位置

-道岔的类型

e)轨道区段信息

-直轨道(直区段的长度)

-弯曲轨道(弯道半径、弯曲轨道区段的入口的位置和弯曲轨道区段的出口的位置)

-倾斜轨道(斜坡是凹形还是凸形、斜坡梯度、倾斜轨道区段的入口位置和出口位置、不同梯度的区段之间的交接点和/或近似实际斜坡的标称斜坡的特性)

-轨道的各个区段是露天的还是隧道

位置检测模块640被配置为确定列车的位置。在一些示例中，位置检测模块可以基于接收到gps信号或来自轨道旁设备的无线位置信号而确定位置。在其他示例中，位置检测模块可以被配置为将由集成模块632生成的列车的环境的数字模型与数字地图上的位置进行匹配。例如，位置检测模块可以基于在数字地图上识别出具有与相机和lidar装置所检测到的特征相匹配的特征的位置而确定列车的位置。例如，位置检测模块640可以通过将数字地图中的地标与相机和lidar装置所检测到的地标进行比较来确定列车的位置。在图10和图11中描述了使用地标来确定列车的位置的这种方法的进一步示例。

速度确定模块650被配置为确定列车的速度。速度确定模块650包括：用于从位置检测模块640接收列车的当前位置的模块652、用于确定传感器系统在列车的当前位置处的检测范围的模块654、以及用于基于检测范围来确定列车的安全速度的模块656。模块650、652、654和656可以执行与图2中的模块240、242、244和246相同的功能，并且可以执行图1的方法来确定列车的安全速度。

车载系统包括显示器680，该显示器可以显示关于列车和列车环境的信息以对驾驶员进行辅助。显示器可以是用户界面的一部分，驾驶员可以通过该用户界面来控制列车。显示器可以显示列车的当前速度和由速度确定模块确定的列车的安全速度。显示器可以进一步显示和/或突出由显示障碍物检测模块所检测到的障碍物。例如，当障碍物检测模块634检测到相应的障碍物时，显示器可以突出显示挡车器，火车或行人。

措施模块670被配置为基于速度确定模块650和/或物体检测模块634的输出来确定是否需要采取措施。措施模块670可以将由速度确定模块650确定的安全速度与由速度传感器614确定的列车的当前速度进行比较。如果当前速度大于安全速度，则措施模块670可以生成警报或自动调整列车的当前速度。在一些示例中，如果在列车前面检测到障碍物(例如其他列车、车辆、行人和挡车器等)，则措施模块670可以生成警报或自动调整列车的当前速度。

例如，警报可以显示在车载系统的显示器680或用户界面上。警报可能指示应该减小列车的速度。代替生成警报，或者如果警报未在特定时间段内起作用，则措施模块可以通过向列车的控制系统发送用于制动列车或调整列车的发动机转度的指令来自动调整列车的速度。

障碍物检测模块634可以向措施模块670通知碰撞风险，使得措施模块可以采取上述任何措施和/或使所检测到的障碍物显示在显示器680上。

车载系统可以进一步包括通信接口690，该通信接口用于与铁路的控制中心处的远程计算机进行无线通信，或者用于向铁路上的其他列车发送通信。通信接口可以例如在诸如3g、4g或5g网络等电信网络上发送信息(诸如列车的位置、列车的速度或状态)和/或警报。

如以上所讨论的，基于列车前方的轨道的特征来确定检测范围。例如，确定列车的检测范围可以包括：基于沿着列车路线在列车的当前位置前方的铁路的即将到达区段上的铁路轨道的几何结构来实时执行计算。可以通过参考数字地图找到铁路轨道的几何结构。铁路轨道可以划分为多个区段，各个区段是直的、弯曲的或倾斜的。在确定检测范围时，可能会考虑一个、两个或更多个即将到达区段。即将到达区段可以被定义为在列车的当前位置前方的铁路轨道的预定长度内的区段。预定长度可以是等于当前方轨道是直的且水平的时的最大检测范围的长度，例如240m。由于在存在交接点或岔道的情况下，列车前方的轨道可能取决于列车的路线，因此数字地图可以存储列车的路线，使得可以确定即将到达区段。

检测范围将取决于前方的轨道是直的还是弯曲的、水平的还是倾斜的。当即将到达区段仅包括直区段时，检测范围将比即将到达区段包括弯曲区段或倾斜区段的情况更长。因此，检测范围的计算可以包括：从数字地图确定铁路的即将到达区段是否包括直的、弯曲的、水平的、向上倾斜的或向下倾斜的区段。

图7示出了用于确定传感器系统的检测范围的示例方法700。

在框710处，确定即将到达区段是否包括弯曲区段或倾斜区段。

在框720处，响应于确定即将到达区段不包括弯曲区段或倾斜区段，将检测范围设置为第一预定距离x。x是传感器系统的最大检测范围。在一个示例中，x可以被设置为240m。

在框730处，响应于确定即将到达区段包括弯曲区段，至少部分地基于弯曲区段的半径来计算检测范围。如果弯曲区段处于隧道中而不是露天的，则检测范围可以取决于隧道的宽度以及弯道的半径。

在框740处，响应于确定即将到达区段包括倾斜区段，至少部分地基于倾斜区段的梯度来计算检测范围。如果倾斜区段处于隧道中而不是露天的，则检测范围可以取决于隧道的高度以及倾斜区段的梯度。

在一些情况下，可以考虑两个或更多个连续的轨道区段(例如，弯区段-直区段-弯区段)以允许对检测范围曲线进行平滑，使得当列车进入或离开铁路轨道的弯曲区段或倾斜区段时，检测范围不会突变。否则，如果检测范围突变，例如在进入弯曲区段时从240m变为150m或者在离开弯曲区段时从150m变为240m，则安全速度也会突变，该突变可能会导致列车的突然制动或突然加速，而这可能是不理想的结果。

因此，计算检测范围可以包括：对检测范围的变化进行平滑，使得检测范围从第一预定距离x逐渐减小到第二预定距离y，并且从第二预定距离y逐渐增大到第一预定距离x，其中，x是针对铁路轨道的平直区段的检测范围，而y是关于铁路轨道的弯曲区段或倾斜区段的最小检测范围。

现在将描述可以计算针对轨道的不同区段的检测范围的方式的示例。

直轨道区段

当前方的区段是直的时(例如，如图3所示)，检测范围将不受轨道的限制，而是受传感器系统的固有检测能力的限制。因此，检测范围为x，其是传感器系统可以可靠地检测铁路轨道上的障碍物的最大距离，并且可以通过测试该系统来确定。为了优先考虑安全性，可以为x选择保守值。由于值x取决于列车的特性，因此可以将该值设置为存储在车载系统中的第一预定距离。x的值可以通过测试列车上的车载系统以及铁路轨道来确定。可以设置值x并将其存储在车载系统中，作为车载系统设置和校准的一部分。在一个示例中，x是在200m到300m之间的值。在一个示例中，x等于240m。

弯曲轨道区段

图8a示出了铁路800的一部分上的列车t的示例。列车前方的铁路的即将到达区段包括直区段810和弯曲区段820。位置a在弯曲区段的入口815之前的某个点处，位置b在弯曲区段的内部，而位置c在弯曲区段的出口处。当列车处于轨道的直区段810上并且在弯曲区段820前方x或更大的距离时，则检测范围将等于x。当列车距弯曲区段小于x时，则检测范围将小于x，因为其将因弯曲区段而缩减。

图8b示出了列车t处于隧道的弯曲区段820中(例如处于诸如图8a中的位置b等位置处)的示例。可以看出，列车的传感器系统的视野830因隧道的曲率而缩减。因此，传感器系统的检测范围减小并且传感器系统无法检测到小于x米远的障碍物(诸如第二列车t2)，因为第二列车t2在传感器系统的视野之外。

图8c示出了铁路隧道的弯曲区段820，该弯曲区段的半径为r，并且隧道宽度为di。假设列车处于轨道的中间，并且曲率半径是从曲率中心处的原点o到弯曲区段的内边缘测得的，则列车与原点o的距离为r-di/2。因此，可以根据以下公式来计算在弯曲轨道区段内部的位置b处的检测范围：

其中：

-r是弯曲轨道区段的半径

-di是隧道的宽度

可以将值y视为弯曲区段中的检测范围的最小值。例如，它在弯曲区段的入口815处适用，并且可以在如图8c所示的弯曲区段的中间的位置b处适用。

图8d示出了列车处于直区段810上的位置a处但正在接近弯曲区段820的入口815的情况。在这种情况下，位置a处的检测范围y'取决于列车距弯曲区段的入口815的距离ds以及弯曲区段中的最小检测范围y。

因此，可以根据以下公式来计算在接近弯曲区段的入口的位置a处的检测范围y’：

其中：

-ds是列车与弯曲区段的入口之间的距离；

-r是弯曲区段的半径；

-di是隧道的宽度

当列车处于弯曲区段内部但正在接近弯曲区段的出口(例如超过了中间点)时，可以应用类似的计算。

利用上述计算方法，可以将检测范围曲线可视化为如图8e所示。可以看出，检测范围在接近弯曲区段的开始的位置处从x逐渐减小到y，并且在接近弯曲区段的结束的位置处从y逐渐增大到x；其中，y是针对弯曲区段的最小检测范围。

总而言之，当列车正在接近弯曲区段时，假定传感器系统的最大检测范围为x，则当列车与弯曲区段的入口之间的距离大于-y/2时，检测范围设置为x。当列车与弯曲区段的入口之间的距离小于x-y/2时，检测范围基于以上等式3而变化。该计算方法也可以适用于存在连续的弯曲轨道区段的情况。

以上计算假定轨道的弯曲区段处于宽度为di的隧道中。如果弯曲轨道处于露天区段中，则理论上检测范围将更长，因为没有隧道壁对传感器系统造成的视线阻碍。然而，采用保守的方法时，上述等式也可以用于轨道的露天区段。例如，可以为轨道的露天区段指配基于轨道的宽度的标称隧道宽度，或者可以指配与具有隧道的铁路区段的隧道宽度相同的标称隧道宽度。这种方法是安全的，因为其将为露天区段确定与针对露天区段的实际检测范围相同或者小于该实际检测范围的检测范围。

凸形斜坡轨道区段

在确定检测范围时，相关的考虑因素不是绝对坡度或梯度，而是轨道的当前区段的梯度是否与轨道的下一区段的梯度不同。当轨道的区段之间的梯度有变化时，这会缩减检测范围，因为轨道的地面(并且如果处于隧道中，则还有顶壁)可能会隔断传感器系统的视野。在这方面，存在两种类型的斜坡：凸形斜坡和凹形斜坡。因此，车载系统可以首先确定即将到达的倾斜区段是凸形斜坡还是凹形斜坡，并且然后确定该倾斜区段的检测范围。

图9a示出了包括轨道的水平区段910和后接的形成凸形斜坡的倾斜区段920的一定长度的轨道900。实线示出了隧道的顶壁和地面。可以看出，在该示例中，倾斜区段920包括具有不同梯度的第一区段920a和第二区段920b。然而，出于建模的目的，可以将这些转换成以虚线示出的标称斜坡曲线，该标称斜坡曲线包括水平部分921a和上倾或下倾部分921b。因此，标称斜坡曲线包括两个部分：平的第一部分921a和与斜坡的最后部分或最陡梯度相对应的第二部分921b。点925被定义为标称斜坡曲线的第一部分与第二部分之间的交接点，并且在下文中被称为倾斜区段的交接点。该图在四个可能的位置t1、t2、t3和t4示出了列车。感测系统可以具有覆盖一定角度范围(例如，水平面的每侧20度)的观察范围。点划线示出了感测系统在观察范围内的最长视线。

位置t1处的列车在交接点925之前第一距离z，而第二位置t2处的列车在交接点925之前第二距离w。位置t3处的列车在交接点925之后第三距离t。由于传感器系统的视线被斜坡阻断，因此在倾斜区段的交接点925之前z米至w米之间(即图9a所示的位置t1与t2之间)的位置处的检测范围最小。在下面的讨论中，将倾斜区段的交接点925的坐标取为0，因此，例如在交接点925之前距离z处的坐标为-z。

因此，可以在倾斜区段的交接点前方第一距离(-z)与第二距离(-w)之间的位置处将检测范围设置为最小值y。在-z之前且-w之后的位置处，检测范围可以逐渐增大到最大值x。

可以基于倾斜区段的特性来计算值z、w和t。在一个示例中，可以根据以下公式计算值z、w和t：

z≈4.5/相对坡度

其中：

-z、w和t取决于斜坡的陡度或梯度。陡度越大，z、w和t将越小，反之亦然。

-h是列车相对于铁路轨道的高度

-hc是传感器系统的传感器相对于铁路轨道的高度

-dh是隧道的高度

-相对坡度是变量，其取决于斜坡的特性，诸如斜坡的梯度或陡度。

相对坡度值对于每个倾斜轨道区段可能是唯一的，并且可以基于对斜坡处的检测范围的现场测试来确定。

在一个示例中，可以根据以下三种场景、根据列车相对于倾斜区段的交接点925的位置来计算检测范围：

场景1：

-如果列车距斜坡的交接点的距离在-x+t到-z之间，则检测范围将从x逐渐减小到z+t，并由以下公式给出：

检测范围＝-1*x+t(等式5)

其中：

-x是列车距倾斜区段的交接点的距离，并且-x+t≤x≤-z

场景2：

-如果列车到斜坡的交接点的距离在-z到-w之间，则检测范围由以下公式给出：

检测范围＝z+t(等式6)

这是针对上面提到的斜坡的检测范围的最小值，并且可以由变量y表示。因此，在该示例中，凸形斜坡的检测范围的最小值y等于z+t。

场景3：

-如果列车的距离超过位置-w(即在斜坡之前小于w或在斜坡上)，则检测范围不受斜坡轨道区段的限制，而是受下一轨道区段的限制。如果在下一轨道区段上没有任何因素限制视线，则理论检测范围将为x。然而，出于平滑的目的以及为了避免突变，可以使超出(-w)时的检测范围从z+t逐渐增大到x。出于平滑的目的，可以使增大速率受限于某个值，例如不超过22米每秒。在一些情况下，如果由于下一轨道区段的特性(诸如另外的斜坡或弯道)而存在对检测范围的限制，则检测范围可能会增大到小于x的值。

图9b中示出了在接近和处于凸形倾斜区段中的位置处的检测范围的曲线的视觉示例。可以看出，随着列车从倾斜区段的交接点前方距离x-t处行驶到倾斜区段的交接点前方距离z处，检测范围从x减小到z+t。检测范围然后保持在z+t，直到列车到达倾斜区段的交接点前方距离w处为止。在超过倾斜区段的交接点前方距离w之后，检测范围逐渐增大回到x或由当前倾斜区段前方的下一轨道区段的特性确定的值。

虽然图9a和图9b示出了向上倾斜的凸形斜坡，但是相同的方法和等式也可以用于向下倾斜的凸形斜坡。

凹形轨道区段

图9c示出了轨道的倾斜区段930和后接的轨道水平区段940形成凹形斜坡901的示例。实线示出了隧道的顶壁和地面。可以看出，在该示例中，倾斜区段930包括具有不同梯度的第一区段930a和第二区段930b。然而，出于建模的目的，可以将这些转换成以虚线示出的标称曲线，该标称曲线具有水平部分931b和上倾或下倾部分931a。交接点935被定义为这两个部分之间的连接点。在第一位置t1和随后的第二位置t2处示出了列车，其中点划线指示列车的传感器系统在各个位置的视线。将理解，在位置t1处的检测范围小于在位置t2处的检测范围。

在下面的讨论中，将在标称斜坡曲线的第一部分与第二部分之间的连接点或交接点935视为具有0坐标。车载系统可以在交接点的前方定义第一距离z和第二距离w。在-z与-w之间的位置处，检测范围将具有最小值y。在-z之前且-w之后的位置处，检测范围可能会逐渐增大到x(其为针对轨道的水平直区段的检测范围)。

第一距离z和第二距离w可以定义如下：

z≈4.5/相对坡度

其中：

-z、w取决于斜坡的梯度或陡度。陡度越大，z、w则越小，反之亦然。

-h是列车的高度

-hc是传感器系统的传感器相对于铁路轨道的高度

-dh是隧道的高度

-相对坡度是变量，其取决于斜坡的特性，诸如斜坡的梯度或陡度。

相对坡度值对于每个倾斜轨道区段可能是唯一的，并且可以基于对斜坡处的检测范围的现场测试来确定。

在一个示例中，可以根据以下三种场景、根据列车相对于交接点935的位置来计算检测范围。

场景1：

-如果列车在范围(-x，-z)内，则检测范围将从x逐渐减小到z，检测范围＝-1*x

其中：

x是列车距连接点的距离

--x≤x≤-z

场景2：

-如果列车的距离在范围(-z，-w)内，则

检测范围＝z

这是针对上面提到的斜坡的检测范围的最小值，并且可以由变量y表示。因此，在该示例中，针对凹形斜坡的检测范围的最小值y等于z。

场景3：

-如果列车的距离在超过(-w)的范围内，则检测范围不受该斜坡轨道区段的限制，而是受下一轨道区段的限制。如果在下一轨道区段上没有任何因素限制视线，则理论检测范围将为x。然而，出于平滑的目的以及为了避免突变，可以使超出(-w)时的检测范围从z逐渐增大到x。出于平滑的目的，可以使增大速率受限于某个值，例如不超过22米每秒。在一些情况下，如果由于下一轨道区段的特性(诸如另外的斜坡或弯道)而存在对检测范围的限制，则检测范围可能会增大到小于x的值。

虽然图9c示出了向上倾斜的凹形斜坡，但是相同的方法和等式也可以用于向下倾斜的凹形斜坡。

虽然图9a至图9c示出了凸形斜坡的一个示例和凹形斜坡的一个示例，但是相同的方法也可以适用于具有不同曲线的其他凸形斜坡或凹形斜坡。通常，可以将实际斜坡曲线转换成包括以下两个部分的标称斜坡曲线：第一部分，该第一部分具有与斜坡的第一部分的梯度相对应的梯度；以及第二部分，该第二部分具有与斜坡的最后部分的梯度相对应的梯度。例如，图12a、图12b和图12c以实线示出了实际斜坡1200的示例，并且以虚线示出了包括第一部分1210和第二部分1220的对应标称斜坡的示例。上述对检测范围的计算可以通过基于斜坡的第二部分1220的梯度以及标称斜坡的第一部分与第二部分之间的交接点1215的位置计算t、w和z来进行应用。

以上计算假定轨道的倾斜区段处于高度为dh的隧道中。如果倾斜轨道处于露天区段，则理论上检测范围将更长，因为隧道顶壁或地面不会造成视线阻碍。然而，采用保守的方法时，上述等式也可以用于轨道的露天区段。例如，可以例如使用与具有隧道的铁路区段相同的隧道高度来为轨道的露天区段指配标称隧道高度。这种方法是安全的，因为其将为露天区段确定与针对露天区段的实际检测范围相同或者小于该实际检测范围的检测范围。

基于所检测到的障碍物设置安全速度

当列车的车载系统的传感器系统在列车前方的轨道上检测到障碍物(例如，行人或另一列车)时，可以通过传感器系统(例如，通过使用lidar)获得物体与列车之间的距离。在这种情况下，措施模块670可以向列车的驾驶员生成警报，或者采取自动措施来调整列车的速度。在一些示例中，车载系统可以基于所检测到的障碍物来为列车确定新的安全速度。因此，当没有检测到障碍物时，可以基于从数字地图或数据存储中得出的检测范围来确定安全速度；而当在列车前方在铁路轨道上检测到障碍物时，可以基于所检测到的障碍物来确定安全速度。

用于根据所检测到的障碍物来为列车确定新的速度的一种方法是将检测范围重新定义为障碍物距列车的距离。在这种情况下，可以使用图4的方法和调整后的检测范围来确定新的速度。

基于传感器系统的列车位置检测

在一些示例中，定位系统可以包括用于接收gps位置信号的gps接收器。然而，在铁路的隧道和地下部分中无法接收到gps信号。在其他示例中，定位系统可以包括用于从轨道旁设备接收位置信号的无线设备(诸如rfid读取器)。然而，沿着铁路的整个长度安装轨道旁设备可能会很昂贵。进一步地，即使已经安装了轨道旁设备，仍将需要将车载系统适配成与此类轨道旁设备兼容，而此类轨道旁设备可能是因铁路而异的。

因此，本披露的一个方面提出了基于来自传感器系统的信息来确定列车的当前位置。例如，可以将相机和lidar装置所检测到的地标与具有已知位置的地标进行匹配，并且该当前位置基于该地标的已知位置、列车的速度以及自检测到该地标以来经过的时间段来确定当前位置。以这种方式，车载系统不依赖外部系统(诸如gps或轨道旁设备)来确定列车的位置。这种方法在地下和隧道中也可以起作用，并且无需进行昂贵的轨道旁设备安装。

图10示出了确定列车在铁路上的位置的方法1000。

在框1010处，由安装在列车上的相机生成列车的环境的视频流。

在框1020处，由安装在列车上的激光雷达(lidar)系统生成列车的环境的lidar数据。

在框1030处，基于视频流和lidar数据来生成列车的环境的数字模型。

在框1040处，在数字模型中检测地标，该地标具有与在铁路的数字地图中具有已知位置的地标的标识特征相对应的标识特征。

地标可以例如是特定车站或轨道旁基础设施的布置。每个地标都具有独特的标识特征，诸如各种轨道旁基础设施的布置和形状、车站站台的长度、站台附近的建筑物或其他基础设施的大小和形状等。图像、lidar数据和/或地标的标识特征以及地标的位置可以存储在数字地图中，使得可以由车载系统使用机器学习来识别地标。

在框1050处，确定列车的速度。

例如，可以通过使用里程表、陀螺仪设备或雷达或lidar速度传感器来确定列车的速度。如果使用了雷达或lidar速度传感器，则其可以独立于列车的现有控制系统，这可以简化车载系统的安装。这使得车载系统具有高度的适应性，并且更容易迁移到不同类型的列车上。

在框1060处，基于地标的已知位置、列车的速度以及自检测到地标以来经过的时间来确定列车的当前位置。

地标的已知位置可以存储在数字地图中。因此，在检测到地标的时间点，可以确定列车靠近该地标的已知位置。在一些示例中，可以基于指示列车距地标的距离的lidar数据来进一步精化列车的位置。如果在检测到地标之后列车继续移动，则可以基于如框1050中确定的列车的速度和自检测到该地标以来经过的时间来更新位置。

该方法可以进一步包括：在数字模型中检测第二地标，以及响应于检测第二地标而执行位置校准。以这种方式，可以基于在检测到第一地标之后的稍后时间检测第二地标来校正位置。

在一些示例中，位置校准可以包括：检测所确定的当前位置与第二地标的已知位置之间的差异，以及调整对当前位置的确定以校正该差异。

例如，位置校准可以包括将当前位置重新设置为第二地标的已知位置(其可能存储在数字地图中)。以这种方式，可以在每次经过地标时重新设置列车的位置，使得不会将累积误差引入位置计算中。

在框1030中生成列车的环境的数字模型可以包括：将来自检测视频流中的2d图像中的物体的视觉分析系统的信息与来自基于lidar数据生成的3d点云的关于物体的信息相结合。

图11示出了用于执行图10的方法的车载系统1100的示例。

车载系统包括用于生成列车的环境的视频流的相机1110、以及用于生成列车的环境的lidar数据的lidar装置1120。

视频流可以包括多个2d图像，并且lidar数据可以包括3d点云。车载系统可以包括视觉分析系统，该视觉分析系统使用机器学习来检测视频流中的2d图像中的物体，并且可以被配置为将视觉分析与来自由lidar数据生成的3d点云的关于物体的信息相结合来形成列车的环境的数字模型。

车载系统进一步包括数字地图1130，该数字地图包括铁路的多个地标1132的标识特征1132a以及该多个地标的已知位置1132b。地标可以例如是特定车站或轨道旁基础设施的特定布置。每个地标都具有独特的标识特征，诸如各种轨道旁基础设施的布置和形状、车站站台的长度、站台附近的建筑物或其他基础设施的大小和形状等。图像、lidar数据和/或地标的标识特征以及地标的位置可以存储在数字地图中，使得可以由车载系统使用机器学习来识别地标。该数字地图可以具有本披露中描述的数字地图和数据存储的任何特征。

车载系统进一步包括地标检测模块1140，该地标检测模块被配置为检测视频流中的地标以及具有与数字地图中的地标的标识特征相匹配的特征的lidar数据。地标检测模块可以使用机器学习来检测1142来自相机和lidar的数据中的地标，并将所检测到的与数字地图中的地标进行匹配1144。地标检测模块然后可以从数字地图确定1146地标的位置。

车载系统进一步包括速度确定装置1150，该速度确定装置用于确定列车的速度。例如，速度确定装置可以是里程表、陀螺仪设备或雷达或lidar速度传感器。

车载系统进一步包括位置确定模块1160，该位置确定模块用于基于所检测到的地标的已知位置、列车的速度以及自检测到地标以来经过的时间来确定列车的当前位置。速度确定模块可以例如执行以上关于图10的框1060所描述的过程。

车载系统可以包括一个或多个非暂态机器可读存储介质(诸如硬盘驱动器、固态驱动器、磁盘阵列、只读存储器或随机存取存储器等)以及一个或多个处理器(诸如中央处理单元(cpu)、微处理器等)。数字地图可以存储在非暂态机器可读存储介质上。模块1140和1160可以被实施为存储在非暂态机器可读存储介质上并且可由车载系统的一个或多个处理器执行的机器可读指令。

图11的车载系统可以具有以上关于图1至图9所描述的车载系统的任何特征，并且可以被配置为执行本文所描述的任何方法，包括参考图1至图10所描述的那些方法。

因此，本文所描述的车载系统和方法可以很容易被修改以便与各种不同的列车和铁路一起使用。在速度传感器是lidar或雷达传感器并且未绑定到现有列车系统的情况下尤其如此。在一些示例中，车载系统可以独立于列车或铁路的任何现有信号系统或监测系统。当将车载系统引入新的铁路系统时，可以将新的铁路的数字地图安装在车载系统上。当将车载系统引入到新的列车时，可以通过测试列车或者基于列车制造商或铁路运营商的规定值来设置某些参数，诸如制动减速度。

在一些示例中，车载系统可以为列车的驾驶员提供显示面板，以向驾驶员通知列车的所确定的安全速度、向驾驶员警报任何所检测到的障碍物和/或在需要调整列车的速度的情况下生成警报。在这种情况下，车载系统不需要与列车的控制系统接口连接。在其他示例中，车载系统可以与列车的控制系统接口连接，以促进列车的自动制动和/或自动驾驶。在另外的其他示例中，车载系统可以既向驾驶员提供显示器，又与列车的控制系统接口连接，因此列车可以根据情况或驾驶员的选择以手动模式、辅助和/或自动驾驶模式被驾驶。

在以上示例中，一些情况下，本技术已经被呈现为包括各个功能块，这些功能块包括以下功能块：这些功能块包括设备、设备部件、以软件或硬件和软件的组合实施的方法中的框或例程。

根据上述示例的方法可以使用计算机可执行指令来实施，这些计算机可执行指令存储在计算机可读介质中或者以其他方式可从计算机可读介质中获得。这种指令可以包括例如指令和数据，这些指令和数据使得或以其他方式配置通用计算机、专用计算机或专用处理设备来执行特定功能或功能组。使用的部分计算机资源可以通过网络访问。计算机可执行指令可以是例如二进制文件、中间格式指令，诸如汇编语言、固件或源代码。可以用于存储指令、使用的信息和/或在根据所描述的示例的方法过程中创建的信息的计算机可读介质的示例包括磁盘或光盘、闪存、设有非易失性存储器的通用串行总线(usb)设备、联网存储设备等。

实施根据这些披露的方法的设备可以包括硬件、固件和/或软件，并且可以采用多种形式中的任何一种。此类形式的典型示例包括膝上型计算机、智能电话、小形状因子个人计算机、个人数字助理等。本文描述的功能还可以在外围设备或附加卡中实施。作为另一示例，这种功能还可以在不同芯片的电路板上实施，或者可以在单个设备中执行的不同过程上实施。

指令、用于传送这种指令的介质、用于执行它们的计算资源、以及用于支持此类计算资源的其他结构是用于提供这些披露中描述的功能的手段。

尽管使用各种示例和其他信息来说明所附权利要求的范围内的方面，但是不应基于此类示例中的特定特征或布置来暗示对权利要求的限制，因为本领域的普通技术人员将能够使用这些示例得出各种各样的实施方式。进一步地，并且尽管可能已经以特定于结构特征和/或方法步骤的示例的语言描述了某个主题，但是将理解，所附权利要求中限定的主题不一定限于这些所描述的特征或动作。例如，这种功能可以不同地分布或在除本文所标识的部件之外的部件中执行。准确地说，上述实施例仅通过示例的方式被描述，并且在不脱离如所附权利要求中定义的本披露的范围的情况下，许多变型都是可能的。

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