本公開實施例涉及軌道交通，尤其涉及一種基于軌道交通智能感知的后備降級列控系統。
背景技術：
1、城市軌道交通是超大城市市民出行的首選方式，尤其是北京線網運營長度超過800公里，日均客流超千萬，骨干線路高峰最小列車運行間隔均已進入2分鐘以內，運營壓力大。尤其是線網中骨干線路，如北京一軌道線路，作為北京線網中的第二條環網線路，全線45座車站，其中20座位換乘車站，可與線網中16條其他線路進行換乘，是北京市軌道交通線網中最重要的一條骨干線路。骨干線路因故障造成運力下降或線路中斷運營，嚴重影響整個線網的運行以及城市正常秩序。而信號系統作為城市軌道交通列車運行的控制大腦，負責指揮線網內各條線路按照計劃運行圖運行及靈活調整，是保障城市軌道交通安全高效的基礎。一旦信號系統故障，則影響線路的運營秩序，造成列車晚點、清客甚至線路中斷運營，給乘客服務帶來很大的影響。
2、既有線信號系統受建設初期的技術水平、系統成熟度等因素限制，存在設備故障率高、系統故障后恢復速度慢、乘客服務水平驟降等問題，此外信號系統經多年運行已老化嚴重、且廠家支持力度不足已難以從根本保障運營維護，對日常運營構成安全隱患。目前信號系統降級運行及故障恢復主要存在如下問題：1）大部分線路信號系統已設置了故障降級運行模式，如點式系統，但目前主用系統故障后并不能直接且無縫切換到點式系統，需要以限制人工模式（限速25km/h）運行至前方信號機前升級為降級模式，降級轉換處置效率低；2）目前降級系統與主用系統最小運行間隔相差大，如典型線路主用系統最小運行間隔108s，降級系統間隔240s，一旦降級運行，需要調度調整大量列車下線后方可維持線路降級運營；3）信號系統故障后，司機進行故障處置后故障已恢復，如設備重啟或已越過故障區域，信號系統仍需運行至前方信號機或站臺方可恢復至主用模式，不能立即恢復，故障恢復慢。
3、1）降級恢復效率提升需要
4、國內信號系統降級系統采用點式或人工駕駛，既有降級系統追蹤間隔大于4min；主用系統不能直接降級到點式，區間降級后需司機人工駕駛到站臺進行升級至點式，限制速度≤25km/h。一旦主用系統故障，降級運行及恢復效率低，嚴重影響運營秩序乃至城市線網秩序。迫切需要研制一套面向既有線的后備降級列控系統，在主用系統故障后，切換至備用系統，實現列車以較高速度、較小運行間隔快速駛離故障區域并恢復至既有系統。
5、2）降級恢復安全性提升需要
6、目前既有系統降級后采用人工駕駛模式恢復，司機根據瞭望距離控制列車運行，對于前車安全距離防護、站臺對位停車等依賴于司機，缺乏系統安全防護手段，存在運行安全隱患。因此迫切需要研制一套面向既有線的后備降級列控系統，為司機提供前車安全防護、超速防護與推薦速度、站臺精確停車防護等安全防護，降低故障恢復時的安全風險。
7、3）運營服務質量提升需要
8、既有系統因主用系統與降級系統追蹤間隔能力差距大，一旦高峰期間主用系統發生大面積故障后，需要調度調整部分列車下線后，方可逐級恢復列車運行，此情況下造成部分列車清客，嚴重影響乘客服務質量。因此迫切需要研制一套面向既有線的后備降級列控系統，后備系統可實現信號系統故障的“不掉線、不清客、區間不停車”降級運行，以解決目前既有線路大面積故障后運營秩序混亂的痛點。
技術實現思路
1、本公開實施例的目的在于提供一種基于軌道交通智能感知的后備降級列控系統，從而解決現有技術中存在的前述問題。
2、為了實現上述目的，本公開實施例采用的技術方案如下：
3、本公開實施例提出了一種基于軌道交通智能感知的后備降級列控系統，所述系統包括：裝載于列車兩端的既有車載信號子系統、車輛接口及駕駛臺，既有車載信號子系統包括：atp，ato、btm；其特征在于，所述系統還包括：裝載于列車兩端的智能感知子系統，所述智能感知子系統包括：車載信號子系統，所述車載信號子系統包括：ato，atp，ite，測速設備，倒切設備，無線通信設備及mmi顯示器；?所述ite包括感知設備，所述感知設備用于獲取列車前方環境數據,?并與既有車載信號子系統連接；所述倒切設備連接既有車載信號子系統、智能感知子系統及車輛接口，用于在既有cbtc的列車因故障降級時，切換至智能感知子系統，以自主感知模式運行，既有車載信號子系統仍維持rm模式；在自主感知運行的列車運行至具備升級cbtc的區域時，倒切車載設備恢復列車cbtc運行；所述無線通信設備分別用于與所述車載信號子系統及軌旁設備無線連接；所述mmi顯示器，用于連接所述車載信號子系統，以顯示列車運行情況。
4、可選的，所述倒切設備采用雙機熱備架構，倒切設備包括：
5、主/備控cpu，采用并行運行控制邏輯，主cpu輸出有效，備cpu同步狀態，雙cpu間光纖同步；主/備控cpu分別與車輛接口連接，采用雙路隔離輸入輸出，防止單點故障；
6、輸出仲裁器，選擇主cpu信號，主故障時切換至備cpu；
7、安全導向器，監控雙cpu狀態，觸發系統復位。
8、可選的，cbtc正常切換智能感知模式流程，包括：軌旁區域控制器發送“無線通信故障”指令給主控cpu，主控cpu實時同步備控cpu，主控cpu輸出“預切換”信號給車輛執行機構，備控cpu發送準備接管控制權給車輛執行機構，主控cpu斷開與車輛執行機構的cbtc控制鏈路，車輛執行機構反饋鏈路斷開ack給主控cpu，主控cpu給備控cpu發送觸發切換命令，備控cpu給車輛執行機構發送激活智能感知控制，車輛執行機構反饋控制權移交完成給備控cpu，備控cpu上報切換完成狀態給軌旁控制器。
9、可選的，所述感知設備包括：攝像頭、激光雷達及毫米波雷達；所述測速設備包括：設置于車輪的轉速傳感器。
10、可選的，當出現故障導致既有cbtc列車降級時，倒切至智能感知子系統，以自主感知模式運行，包括：
11、若無線通信正常時，獲取前車傳輸的異常區域數據，通過運動學模型構建動態概率密度場或語義概率密度場,提取異常邊界強度指標；
12、若無線通信中斷時，提取歷史數據庫中最遠n輛列車的時空數據，通過卡爾曼濾波生成異常區域概率云圖，以確定異常區域概率；
13、當概率密度場中任意位置的異常邊界強度超過閾值y時，判定為異常高置信區域，激光雷達與毫米波雷達分別對異常高置信區域進行聚焦掃描及窄波束追蹤。
14、可選的，所述獲取前車傳輸的異常區域數據，通過運動學模型通過運動學模型構建動態概率密度場或語義概率密度場,提取異常邊界強度指標，包括：
15、前車降級智能感知子系統時，獲取前車傳輸的動態異常區域概率分布參數集，通過運動學模型構建動態概率密度場，提取異常邊界強度指標 f( x,t)，公式如下：
16、
17、其中， f( x, t)表示 t時刻位置 x處的異常區域邊界強度， ωi第 i個數據源的時效權重， pf( xi, t)表示前車報告的異常位置概率分布，δ ti第 i個數據源的傳輸延遲， n表示有效數據源數量， xi表示第 i個異常區域的中心坐標；
18、
19、其中，λ表示時效衰減因子；
20、前車依靠既有車載信號子系統時，接收前車通過cbtc信道傳輸的y異常區域語義化異常事件（json），其中，異常區域語義化異常事件（json）包括，異常區域類型，位置、尺寸及置信度，通過運動學模型構建語義概率密度場,提取異常邊界強度指標 f’( x,t)，公式如下：
21、
22、其中， μj表示第 j個語義對象的中心坐標，σj表示第 j個預設的協方差矩陣， ωj表示語義對象的權重系數， x表示評估的空間位置坐標。
23、可選的，確定異常高置信區域之后，所述系統還包括：
24、建立異常高置信區域威脅等級矩陣，以計算異常高置信區域風險值r，r=β1×d+β2×s+β3×v，其中，β1、β2及β3分別表示權重，d表示異常置信區域與本車的相對距離的歸一化值；s表示異常置信區域物理尺寸的歸一化值；v表示異常置信區域相對速度的歸一化值；
25、當異常高置信區域風險值r大于風險閾值時，分配預設算力采用激光雷達與毫米波雷達分別對異常高置信區域進行聚焦掃描及窄波束追蹤。
26、可選的，采用激光雷達與毫米波雷達分別對異常高置信區域進行聚焦掃描及窄波束追蹤包括：
27、當激光雷達與毫米波雷達的探測差異度δ，公式如下：
28、 δ=[‖ llidar- lmmwave‖/max( llidar， lmmwave)]×100%
29、其中， llidar表示激光雷達對異常高置信區域中心點檢測距離， lmmwave表示毫米波雷達對異常高置信區域中心點檢測距離；
30、當δ小于預設差值，采用激光雷達數據；當δ大于等于預設差值時啟動視覺判斷。
31、可選的，所述視覺判斷包括：
32、獲取目標區域圖像及紅外熱成像溫度圖，根據異常高置信區域的坐標，計算rgb圖像輪廓匹配置信度及紅外熱成像溫度驗證置信度，加權得到視覺異常區域置信度cv，其中，目標區域包括異常高置信區域；
33、利用d-s證據理論，根據激光雷達及毫米波雷達掃描數據，得到雷達輸出異常區域置信度 mfinal（ a）；具體計算過程如下：
34、通過d-s證據理論計算激光雷達與毫米波雷達的沖突因子k；
35、k=?m1({存在})·m2({不存在})+?m1({不存在})·m2({存在})
36、其中，θ為異常高置信區域檢測的全體可能性，如，θ={異常高置信區域存在,無異常高置信區域}，m1({存在})即 m1(異常高置信區域存在)， m1(異常高置信區域存在)表示激光雷達認為異常高置信區域存在為真的置信程度，m1({不存在})即 m1(無異常高置信區域)?， m1(無異常高置信區域)表示激光雷達認為異常高置信區域不存在為真的置信程度，m2({存在})即 m2(異常高置信區域存在)， m2(異常高置信區域存在)表示毫米波雷達認為異常高置信區域存在為真的置信程度，m2({不存在})即 m2(無異常高置信區域)?， m2(無異常高置信區域)表示毫米波雷達認為異常高置信區域不存在為真的置信程度；m1({存在})= mlidar（ a），m2({存在})= mmmwave（ a），m1({不存在})=?1- mlidar（ a），m2({不存在})=1- mmmwave（ a）；
37、若k大于預設調整閾值時，動態權重 α調整,公式如下：
38、 α=1/(1+ e-k(weather_score-0.5))
39、其中，weather_score表示綜合濕度/能見度/電磁干擾的歸一化指標，k為調節因子；
40、計算異常高置信區域存在的概率，最終置信度計算公式如下：
41、 mfinal（ a）=sat( α·mlidar（ a）+(1- α)· mmmwave（ a））
42、其中，sat()為飽和函數， mfinal（ a）表示綜合計算異常高置信區域存在的概率， mlidar（ a）表示激光雷達單獨計算異常高置信區域存在的概率， mmmwave（ a）表示毫米波雷達計算異常高置信存在的概率;
43、對視覺異常區域置信度cv與雷達輸出異常區域置信度 mfinal（ a）進行加權計算得到最終異常區域置信度cfinal，若異常高置信區域存在異常的置信度大于閾值y時，繼續聚焦掃描。
44、可選的，所述系統還包括，當概率密度場中任意位置的異常邊界強度未超過閾值y時，判定為異常低置信區域，激光雷達和毫米波雷達分別維持低功耗廣域掃描模式。
45、本公開實施例的有益效果是：
46、1、本公開實施例的基于軌道交通智能感知的后備降級列控系統將智能感知子系統與列車既有控制運行系統技術相互深度融合，在cbtc故障時，智能感知子系統可立即接管控制，無縫降級與快速恢復，解決既有線信號系統故障降級下面臨的最高限制速度低、追蹤間隔長等問題，降級到智能感知子系統控制列車運行，有效提升最高限制速度，降低追蹤間隔長等。
47、2、本公開實施例的基于軌道交通智能感知的后備降級列控系統，當自主感知模式運行時，根據無線通信正常和中斷，采用不同的數據獲取方式，動態數據獲取策略，適應不同通信狀態；通過對前方異常區域判斷，聚焦掃描異常區域，智能算力分配，提升系統效率，多傳感器融合，增強感知魯棒性。本系統通過通信狀態自適應的數據獲取、精準算力調度及多傳感器協同，在保障安全的同時優化資源利用率，顯著提升了降級模式下的列車運行效率與故障恢復能力。