機(jī)車自動(dòng)駕駛技術(shù)研究一、國內(nèi)機(jī)車自動(dòng)駕駛技術(shù)研究與應(yīng)用中車株洲所研制的機(jī)車自動(dòng)駕駛系統(tǒng)于2018年9月在西安局國產(chǎn)化HXD1機(jī)車上裝車，首次實(shí)現(xiàn)了正線“零起零?！钡呢涍\(yùn)列車自動(dòng)駕駛；2019年12月在包神鐵路開行了首列具備干線鐵路異物入侵檢測、覆蓋正線自動(dòng)駕駛與站段自動(dòng)調(diào)車的萬噸重載列車；2020年以來，先后在國內(nèi)2條運(yùn)量最大的重載專線——大秦線與朔黃線開展2萬t重載組合列車自動(dòng)駕駛線路試驗(yàn)，解決了重載組合列車平穩(wěn)控制、循環(huán)空氣制動(dòng)控制等技術(shù)難題。我國的貨車車輛使用的是自動(dòng)式空氣制動(dòng)系統(tǒng)(PneumaticControlledPneumatic，PCP)，而澳大利亞、美國的貨車車輛則使用電控空氣制動(dòng)系統(tǒng)(ElectronicallyControlledPneumatic，ECP)。ECP采用貫穿于長大列車的通信電纜而非空氣作為制動(dòng)系統(tǒng)指令的傳輸介質(zhì)，且僅通過壓縮的空氣產(chǎn)生制動(dòng)力。ECP制動(dòng)系統(tǒng)可以實(shí)現(xiàn)全列車同步制動(dòng)、緩解，形成貫穿全列車的制動(dòng)力均勻分配，有效縮短列車制動(dòng)的空走時(shí)間，減少列車縱向沖動(dòng)和制動(dòng)距離，同時(shí)可以階段緩解。因此采用ECP制動(dòng)系統(tǒng)的長大列車在操縱上比采用PCP制動(dòng)系統(tǒng)的長大列車要容易很多，同時(shí)考慮開行密度、線路條件、運(yùn)行速度等因素，我國開展機(jī)車自動(dòng)駕駛技術(shù)的研究與應(yīng)用相比澳大利亞、美國難度更大。2、與城軌自動(dòng)駕駛的區(qū)別城軌與動(dòng)車具有編組短、載重小、動(dòng)力分散、制動(dòng)系統(tǒng)同步性好等特點(diǎn)，而機(jī)車自動(dòng)駕駛則更需要聚焦長編組、大載重的大慣性系統(tǒng)，實(shí)現(xiàn)在復(fù)雜線路及非確定變量條件下的精準(zhǔn)控制，因此機(jī)車自動(dòng)駕駛的控制難度更大，且城軌、動(dòng)車的自動(dòng)駕駛控制方法不適用于機(jī)車。3、機(jī)車自動(dòng)駕駛技術(shù)難點(diǎn)①重載列車建模難度大。②約束條件耦合多。③循環(huán)空氣制動(dòng)精準(zhǔn)操縱難。①重載列車建模難度大。1列2萬t重載組合列車由“1輛主控機(jī)車+105輛貨車+1輛從控機(jī)車+105輛貨車+1輛帶可控列尾裝置的機(jī)車”構(gòu)成，列車全長2.6?km左右，整列車通常覆蓋3～4個(gè)線路縱斷面，導(dǎo)致整列車的線路附加阻力分布不均勻。主控與從控機(jī)車之間的控制指令依靠無線傳輸，貨車的制動(dòng)指令依靠空氣制動(dòng)波傳輸，因此在列車運(yùn)行過程中可能出現(xiàn)主控-從控機(jī)車控制響應(yīng)延時(shí)，空氣制動(dòng)過程中前部與尾部車輛存在制動(dòng)/緩解時(shí)間差，使得重載組合列車在運(yùn)行過程中的受力十分復(fù)雜，建模難度大。②約束條件耦合多。重載列車開行受到線路、環(huán)境制約，隨著列車載重增大、編組輛數(shù)增多，在牽引/制動(dòng)力的加/減載、特殊場景下電制動(dòng)力的限制、空氣制動(dòng)與電制動(dòng)的協(xié)同配合、空氣制動(dòng)的最低緩解速度、過分相前后的平穩(wěn)操縱等方面有很多約束條件，一旦操縱不當(dāng)容易出現(xiàn)沖動(dòng)，嚴(yán)重時(shí)可能誘發(fā)中部機(jī)車渡板變形、車鉤分離、脫軌、脫線等重大安全事故。③循環(huán)空氣制動(dòng)精準(zhǔn)操縱難我國貨運(yùn)拖車多使用自動(dòng)式空氣制動(dòng)系統(tǒng)，其空氣制動(dòng)只能階段施加、一次緩解。對(duì)重載列車而言，在長大下坡道區(qū)段內(nèi)機(jī)車電制動(dòng)的速度調(diào)節(jié)能力有限，必須與車輛空氣制動(dòng)協(xié)同控制才能保障安全通過?？諝庵苿?dòng)系統(tǒng)的制動(dòng)力特性與再充風(fēng)時(shí)間、列車速度和閘瓦摩擦作用均有關(guān)，車輛空氣制動(dòng)性能存在離散性大的問題，但循環(huán)空氣制動(dòng)緩解對(duì)列車緩解地點(diǎn)與速度均有嚴(yán)格要求，這對(duì)重載列車在長大下坡過程中的精準(zhǔn)操縱提出了很高的要求。二、

機(jī)車自動(dòng)駕駛系統(tǒng)架構(gòu)與關(guān)鍵技術(shù)2.1

場景分析結(jié)合車載系統(tǒng)、信號(hào)系統(tǒng)、地面系統(tǒng)及機(jī)車乘務(wù)員操縱的相關(guān)規(guī)定開展運(yùn)用場景分析，為實(shí)現(xiàn)機(jī)車自動(dòng)駕駛提供場景描述、邊界劃分、約束條件和經(jīng)驗(yàn)規(guī)則，從而實(shí)現(xiàn)控制策略與實(shí)際運(yùn)用的緊密結(jié)合。根據(jù)目前國內(nèi)干線機(jī)車運(yùn)用情況及相關(guān)操縱規(guī)定，機(jī)車自動(dòng)駕駛系統(tǒng)的運(yùn)用場景應(yīng)包含干線機(jī)車調(diào)車和正線作業(yè)。干線機(jī)車調(diào)車是指干線機(jī)車在段內(nèi)和站場運(yùn)行，其場景覆蓋機(jī)車喚醒、機(jī)車出段和正線發(fā)車，以及正線運(yùn)營完成后的站場解編和機(jī)車入段休眠。正線作業(yè)場景是指機(jī)車完成正線運(yùn)營所需要的場景，覆蓋區(qū)間運(yùn)行、車站的到達(dá)、停車及通過等。在列車運(yùn)行過程中，遇到的故障及非正常場景，自動(dòng)駕駛也需要做出對(duì)應(yīng)的安全導(dǎo)向。2

.2系統(tǒng)架構(gòu)機(jī)車自動(dòng)駕駛系統(tǒng)運(yùn)用場景包括站段自動(dòng)調(diào)車與正線自動(dòng)運(yùn)行，其系統(tǒng)整體架構(gòu)由車載與地面2個(gè)部分組成。車載部分由機(jī)車自動(dòng)駕駛裝置、智能顯示單元、自動(dòng)喚醒裝置、健康管理系統(tǒng)、障礙物檢測單元、車載云平臺(tái)及車地?zé)o線通信單元等組成。地面部分包括調(diào)車管理系統(tǒng)、無線信號(hào)控制系統(tǒng)、定位服務(wù)器、調(diào)度中心、數(shù)據(jù)中心、智能運(yùn)維系統(tǒng)、通信系統(tǒng)。機(jī)車自動(dòng)駕駛系統(tǒng)車載設(shè)備以機(jī)車自動(dòng)駕駛裝置（ATO）為核心，通過與車載既有關(guān)鍵控制設(shè)備（網(wǎng)絡(luò)控制系統(tǒng)、空氣制動(dòng)系統(tǒng)、列車運(yùn)行監(jiān)控設(shè)備、無線同步操控等）、健康管理系統(tǒng)、障礙物檢測單元，以及調(diào)度、監(jiān)測、通信等地面系統(tǒng)進(jìn)行信息交互與安全聯(lián)動(dòng)，并基于多目標(biāo)約束條件下的最優(yōu)曲線規(guī)劃和智能跟隨等技術(shù)實(shí)現(xiàn)列車自動(dòng)喚醒、自動(dòng)整備、自動(dòng)調(diào)車和正線自動(dòng)運(yùn)行等全場景的自動(dòng)控制。2.3

關(guān)鍵技術(shù)機(jī)車自動(dòng)駕駛技術(shù)的發(fā)展目標(biāo)為替代人工操縱，實(shí)現(xiàn)列車安全、平穩(wěn)、準(zhǔn)點(diǎn)、節(jié)能運(yùn)行。從空間維度劃分，自動(dòng)駕駛關(guān)鍵技術(shù)包括車載側(cè)技術(shù)和地面?zhèn)燃夹g(shù)。在車載側(cè)，機(jī)車自動(dòng)駕駛裝置作為決策控制的核心，通過信息感知、決策規(guī)劃、跟隨控制等關(guān)鍵技術(shù)完成自動(dòng)駕駛的決策行為，將車載控制指令序列發(fā)送給關(guān)聯(lián)系統(tǒng)執(zhí)行并實(shí)時(shí)觀測運(yùn)行狀態(tài)。在地面?zhèn)?，為保障自?dòng)駕駛列車根據(jù)運(yùn)行計(jì)劃和臨時(shí)調(diào)度命令信息進(jìn)行動(dòng)態(tài)調(diào)整，需通過地面調(diào)度系統(tǒng)進(jìn)行車地協(xié)同；與此同時(shí)，為保障自動(dòng)駕駛系統(tǒng)的高效安全運(yùn)行，需構(gòu)建1套基于列車縱向動(dòng)力學(xué)的仿真技術(shù)平臺(tái)，為自動(dòng)駕駛運(yùn)行品質(zhì)的不斷優(yōu)化提供完備、真實(shí)的仿真與測試保障2.3.1

運(yùn)行曲線規(guī)劃技術(shù)運(yùn)行曲線規(guī)劃是根據(jù)列車運(yùn)行線路數(shù)據(jù)、信號(hào)狀態(tài)、運(yùn)行時(shí)分和限速要求，結(jié)合機(jī)車牽引制動(dòng)特性曲線、車輛特性、列車編組等信息，計(jì)算未來一段時(shí)間的運(yùn)行曲線。運(yùn)行曲線規(guī)劃的本質(zhì)是一個(gè)帶約束的多目標(biāo)運(yùn)動(dòng)規(guī)劃，目標(biāo)包括安全、平穩(wěn)、節(jié)能和準(zhǔn)點(diǎn)考慮全局運(yùn)營目標(biāo)、復(fù)雜場景及動(dòng)態(tài)運(yùn)行因素的影響，將運(yùn)行曲線規(guī)劃技術(shù)劃分為全局目標(biāo)規(guī)劃、行為決策和動(dòng)態(tài)目標(biāo)規(guī)劃3個(gè)部分。2.3.1.1

全局目標(biāo)規(guī)劃技術(shù)全局目標(biāo)規(guī)劃是運(yùn)行曲線規(guī)劃的第一步，主要用于實(shí)現(xiàn)機(jī)車自動(dòng)駕駛運(yùn)行過程中“節(jié)能和準(zhǔn)點(diǎn)”的全局目標(biāo)，其實(shí)現(xiàn)范圍為站與站或多個(gè)站之間的運(yùn)行范圍，且信號(hào)機(jī)默認(rèn)為全開放狀態(tài)。全局目標(biāo)規(guī)劃的實(shí)現(xiàn)方式是基于線路的靜態(tài)信息，在動(dòng)力學(xué)約束、運(yùn)動(dòng)學(xué)約束和安全約束條件下，計(jì)算滿足節(jié)能、準(zhǔn)點(diǎn)的規(guī)劃序列。該實(shí)現(xiàn)過程與動(dòng)態(tài)變化的數(shù)據(jù)無關(guān)，無法實(shí)現(xiàn)類似于停車、臨時(shí)限速區(qū)域通過之類的動(dòng)態(tài)功能。全局目標(biāo)規(guī)劃的實(shí)現(xiàn)算法主要是搜索優(yōu)化，如動(dòng)態(tài)規(guī)劃和遺傳算法。此類算法一般不依賴于問題的性質(zhì)，只需進(jìn)行目標(biāo)函數(shù)尋優(yōu)，具有較好的全局搜索性能，可避免優(yōu)化過程陷入局部最優(yōu)解，能較好地實(shí)現(xiàn)機(jī)車運(yùn)行的全局目標(biāo)。2.3.1.2

行為決策技術(shù)

行為決策主要是依據(jù)全局目標(biāo)的規(guī)劃，基于當(dāng)前場景和環(huán)境感知等信息，輸出列車對(duì)應(yīng)的駕駛行為目標(biāo)，它的功能是縮小運(yùn)動(dòng)規(guī)劃的解集空間，提高規(guī)劃動(dòng)作的安全性。行為決策功能首先根據(jù)決策數(shù)據(jù)、專家知識(shí)庫確定機(jī)車駕駛狀態(tài)與操縱規(guī)范的約束，然后通過有限狀態(tài)機(jī)或決策樹等推理決策算法得出合理的駕駛行為，最后將該駕駛行為轉(zhuǎn)化為相應(yīng)的速度和工況約束以用于動(dòng)態(tài)目標(biāo)規(guī)劃。決策數(shù)據(jù)包含車輛狀態(tài)、線路數(shù)據(jù)和動(dòng)態(tài)數(shù)據(jù)等不同維度和尺度的輸入信息；專家知識(shí)庫包含《列車牽引計(jì)算規(guī)程》《鐵路機(jī)車操作規(guī)程》和優(yōu)秀乘務(wù)員經(jīng)驗(yàn)。行為決策的典型決策場景包括起停車、過分相、循環(huán)空氣制動(dòng)、動(dòng)能闖坡、臨時(shí)限速運(yùn)行、起伏坡道運(yùn)行等。典型決策場景所對(duì)應(yīng)的決策包含：起車模式、停車模式、電制動(dòng)與電空制動(dòng)的選擇，空氣制動(dòng)施加與緩解位置的選取，提前控速的距離，道岔區(qū)電制動(dòng)力限制值，空氣制動(dòng)的減壓量，理想的充排風(fēng)時(shí)間等狀態(tài)和控制約束。2.3.1.3

動(dòng)態(tài)目標(biāo)規(guī)劃技術(shù)動(dòng)態(tài)目標(biāo)規(guī)劃是根據(jù)行為決策的結(jié)果來實(shí)現(xiàn)機(jī)車運(yùn)行過程中的動(dòng)態(tài)目標(biāo)，即當(dāng)前信號(hào)機(jī)動(dòng)態(tài)變化，相應(yīng)后續(xù)的信號(hào)機(jī)默認(rèn)按照降碼模式且同時(shí)滿足限速曲線的要求進(jìn)行目前的動(dòng)態(tài)計(jì)算。動(dòng)態(tài)目標(biāo)規(guī)劃的實(shí)現(xiàn)方式為：①在行為決策結(jié)果中提煉出非線性狀態(tài)約束、控制約束和終端約束，將速度規(guī)劃問題轉(zhuǎn)化為帶約束的非線性最優(yōu)控制問題；②設(shè)計(jì)非線性梯度下降求解優(yōu)化算法，在非線性狀態(tài)和控制約束下對(duì)平穩(wěn)和節(jié)能目標(biāo)進(jìn)行梯度尋優(yōu)，得到控制量序列以及速度序列。同時(shí)考慮了平穩(wěn)、節(jié)能性能指標(biāo)的控制模型如下：2.3.2

跟隨控制技術(shù)自動(dòng)駕駛動(dòng)態(tài)運(yùn)行規(guī)劃完成后，機(jī)車必須按照規(guī)劃精準(zhǔn)執(zhí)行。跟隨控制是以規(guī)劃好的運(yùn)行曲線為目標(biāo)，以列車動(dòng)力學(xué)和運(yùn)動(dòng)學(xué)模型為基礎(chǔ)，克服模型失準(zhǔn)等影響，計(jì)算得出實(shí)際控制列車運(yùn)行的牽引/制動(dòng)和空氣制動(dòng)指令，實(shí)現(xiàn)自適應(yīng)魯棒速度跟蹤控制。列車在行駛過程中其內(nèi)部參數(shù)會(huì)隨著載荷、線路狀況的變化而改變，同時(shí)環(huán)境、天氣、軌道濕滑程度等也會(huì)影響牽引和制動(dòng)系統(tǒng)執(zhí)行部件的能力發(fā)揮。因此，跟隨控制技術(shù)應(yīng)能夠根據(jù)不同的場景、運(yùn)行等級(jí)，給定不同的牽引/制動(dòng)和空氣制動(dòng)指令，滿足多目標(biāo)運(yùn)行的需求.機(jī)車自動(dòng)駕駛跟蹤控制技術(shù)主要包含控制器設(shè)計(jì)和模型參數(shù)辨識(shí)2個(gè)層面控制器主要包括2類控制算法，第1類是無模型傳統(tǒng)控制算法，第2類是基于模型的先進(jìn)控制算法。無模型傳統(tǒng)控制算法是在運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)約束條件下設(shè)計(jì)專家PID控制器，解決典型場景的跟隨控制問題。但列車運(yùn)行環(huán)境復(fù)雜，面臨動(dòng)態(tài)過程非線性強(qiáng)、隨機(jī)擾動(dòng)多的問題，同時(shí)過程模型時(shí)刻改變所帶來的模型失配問題會(huì)降低控制算法的精度?；谀Ｐ偷南冗M(jìn)控制算法首先基于列車運(yùn)動(dòng)學(xué)狀態(tài)空間方程構(gòu)建出預(yù)測模型；其次考慮列車運(yùn)行舒適性要求和空氣制動(dòng)操縱約束，增加包括加速度、沖擊率、力的給定斜率等狀態(tài)量在內(nèi)的約束規(guī)則集，設(shè)計(jì)帶約束的多目標(biāo)代價(jià)函數(shù)；最后設(shè)計(jì)優(yōu)化計(jì)算策略，比如QP求解器，實(shí)現(xiàn)代價(jià)函數(shù)尋優(yōu)求解計(jì)算。模型參數(shù)辨識(shí)主要包含隨機(jī)性擾動(dòng)補(bǔ)償、空氣制動(dòng)模型校準(zhǔn)和基本阻力模型參數(shù)辨識(shí)。隨機(jī)性擾動(dòng)補(bǔ)償是采用基于學(xué)習(xí)規(guī)則而設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)算法，從實(shí)際數(shù)據(jù)中分析擾動(dòng)特性，補(bǔ)償模型中的隨機(jī)性誤差且消除模型失配帶來的預(yù)測偏差。空氣制動(dòng)模型校準(zhǔn)和基本阻力模型參數(shù)辨識(shí)是通過估計(jì)出列車模型誤差，并將其分離為隨機(jī)誤差項(xiàng)和常值誤差項(xiàng)，分別校準(zhǔn)運(yùn)行軌跡規(guī)劃及跟蹤控制的列車模型參數(shù)，并進(jìn)行迭代優(yōu)化以保證列車在全線路不同場景中的安全運(yùn)行。2.3.3

列車縱向動(dòng)力學(xué)通過列車縱向動(dòng)力學(xué)仿真分析影響列車縱向運(yùn)動(dòng)過程中動(dòng)力學(xué)性能的相關(guān)因素，包括車鉤緩沖器裝置、操縱策略、線路條件、編組模式、車輛空氣制動(dòng)系統(tǒng)和運(yùn)行工況等。通過該技術(shù)可實(shí)現(xiàn)列車運(yùn)行安全性能指標(biāo)的定量分析，多種操縱策略、裝備方案的比選和風(fēng)險(xiǎn)預(yù)測，促使列車操縱更科學(xué)化、規(guī)范化，從而提高列車運(yùn)行的平穩(wěn)性、安全性縱向動(dòng)力學(xué)模型中每個(gè)機(jī)車車輛都具備獨(dú)立的自由度，首先通過對(duì)空氣制動(dòng)系統(tǒng)、機(jī)車牽引系統(tǒng)、環(huán)境阻力和鉤緩系統(tǒng)分別建模得到各自由度的空氣制動(dòng)力、實(shí)際牽引電制動(dòng)力、環(huán)境阻力、車鉤力與車鉤位移關(guān)系，同時(shí)對(duì)機(jī)車指令信號(hào)傳遞的時(shí)間特性進(jìn)行模擬；然后將空氣制動(dòng)力、阻力、牽引電制動(dòng)力等集成到列車縱向動(dòng)力學(xué)方程組中，使用Newmark和Runge-Kutta等數(shù)值求解算法同時(shí)迭代求解各個(gè)自由度的速度、加速度和車鉤力等；最后根據(jù)制動(dòng)試驗(yàn)數(shù)據(jù)和實(shí)測車鉤力數(shù)據(jù)校準(zhǔn)關(guān)鍵模型，實(shí)現(xiàn)適用于多工況的多編組列車縱向動(dòng)力學(xué)仿真，為列車操縱優(yōu)化提供支撐?？諝庵苿?dòng)系統(tǒng)與車鉤緩沖器系統(tǒng)的仿真建模是列車縱向動(dòng)力學(xué)技術(shù)研究的重點(diǎn)與難點(diǎn)。空氣制動(dòng)系統(tǒng)模型包括物理模型和依賴試驗(yàn)數(shù)據(jù)的經(jīng)驗(yàn)?zāi)Ｐ汀Ｎ锢砟Ｐ途哂芯雀?、模型適應(yīng)范圍廣、可擴(kuò)展性強(qiáng)等特點(diǎn)，通過建立機(jī)車制動(dòng)、車輛制動(dòng)、列尾裝置工作時(shí)的氣體運(yùn)動(dòng)模型，可得到列車制動(dòng)系統(tǒng)各個(gè)位置任意時(shí)刻的氣體流場變量（密度、溫度、壓力等）；經(jīng)驗(yàn)?zāi)Ｐ蛣t可快速仿真列車空氣制動(dòng)力，通過利用重載列車空氣制動(dòng)試驗(yàn)臺(tái)采集的數(shù)據(jù)（不同類型車輛的制動(dòng)數(shù)據(jù)），對(duì)列車制動(dòng)和緩解過程中的制動(dòng)波速、制動(dòng)缸壓力變化曲線進(jìn)行非線性動(dòng)態(tài)擬合，模擬不同充排風(fēng)場景下機(jī)車車輛空氣制動(dòng)力的變化情況。在物理模型中，空氣制動(dòng)系統(tǒng)被分解為管路和邊界條件。管路包括列車制動(dòng)主管和支管，邊界條件包括分配閥、缸室和列尾裝置等。建模時(shí)首先針對(duì)管路建立基于質(zhì)量、動(dòng)量和能量守恒的偏微分方程組，再利用特征線法或有限差分法將方程組進(jìn)行離散變換，然后聯(lián)立邊界方程進(jìn)行聯(lián)合求解，在時(shí)間維度上迭代計(jì)算得到任意車輛位置在任意時(shí)刻的制動(dòng)缸壓力，最后對(duì)基礎(chǔ)制動(dòng)裝置和閘瓦建模得到空氣制動(dòng)力。緩沖器是耗散機(jī)車車輛沖擊力的關(guān)鍵部件，緩沖器類型包括摩擦斜楔型緩沖器和膠泥型緩沖器。構(gòu)建高精度物理模型，首先需對(duì)不同類型緩沖器的材料特性、機(jī)械結(jié)構(gòu)和部件間的相對(duì)運(yùn)動(dòng)進(jìn)行分析，并通過數(shù)學(xué)模型描述得到各個(gè)類型緩沖器的阻抗力-位移特性曲線，再根據(jù)機(jī)車車輛實(shí)際編組情況進(jìn)行緩沖器串聯(lián)仿真處理，最后得到機(jī)車車輛間的相互作用力。為提高列車縱向動(dòng)力學(xué)仿真計(jì)算速度，可預(yù)存鉤緩受力特性曲線，通過查表法快速計(jì)算車鉤力。2.3.4

多傳感器融合感知技術(shù)精確感知列車運(yùn)行環(huán)境中的行駛區(qū)域，行人、列車及障礙物的位置與速度，以及信號(hào)燈與標(biāo)識(shí)牌之類的線路信息，可為機(jī)車自動(dòng)駕駛的決策提供必要信息和參考依據(jù)。以在包神鐵路裝車的障礙物檢測系統(tǒng)為例，典型的列車融合感知應(yīng)用所需的傳感器配置及其系統(tǒng)功能架構(gòu)基于相機(jī)攝像并通過機(jī)器視覺算法可獲取視野內(nèi)物體的顏色、紋理和形狀等信息，近年來深度學(xué)習(xí)大大提升了機(jī)器視覺算法的準(zhǔn)確性。自動(dòng)駕駛中的視覺算法主要涉及圖像分類、目標(biāo)檢測、語義分割、實(shí)例分割、全景分割等。其中圖像分類是最常見的基礎(chǔ)任務(wù)，可利用模型判斷圖像的所屬類別屬性，如標(biāo)志牌信息、信號(hào)燈顏色、列車車型等。目標(biāo)檢測用于定位常見目標(biāo)在圖像中的位置，并根據(jù)物體的類別信息進(jìn)行分類，如對(duì)行人、標(biāo)志牌、信號(hào)燈、機(jī)車等的檢測。語義分割是對(duì)圖片中每個(gè)像素的分類，但不區(qū)分同一類別中的不同對(duì)象，例如可實(shí)現(xiàn)鐵軌和軌道內(nèi)區(qū)域的有效檢測，判斷列車當(dāng)前可行駛的軌道區(qū)域。實(shí)例分割是目標(biāo)檢測與語義分割的結(jié)合，不僅可精確分割到物體的邊緣，而且可標(biāo)注并識(shí)別出圖像中同一類別的不同個(gè)體，但模型推理速度比較慢。雖然通過相機(jī)感知可以提供豐富的目標(biāo)和狀態(tài)信息，但由于相機(jī)是一種被動(dòng)式傳感器，感知深度不足，因此測距精度低且易受環(huán)境影響，特別是在強(qiáng)光、低照度、雨雪霧等惡劣環(huán)境下僅靠相機(jī)完成感知任務(wù)其難度會(huì)大幅提升。雷達(dá)傳感器能檢測目標(biāo)的三維信息，目前毫米波雷達(dá)和激光雷達(dá)較為常用。毫米波雷達(dá)受天氣影響小且抗干擾能力強(qiáng)，對(duì)煙霧、灰塵有很好的穿透性，能實(shí)現(xiàn)全天時(shí)、全天候工作，是汽車和航空領(lǐng)域障礙物探測（測距、測速、測方位）的首選雷達(dá)。但在軌道交通領(lǐng)域，毫米波雷達(dá)的使用面臨雜波干擾大、探測距離不足，雷達(dá)峰值功率、發(fā)射和接收天線增益不足，方位分辨率差等問題，現(xiàn)有成熟產(chǎn)品難以推廣應(yīng)用。激光雷達(dá)具有距離分辨率高、抗有源干擾能力強(qiáng)、探測性能好、可全天時(shí)運(yùn)行的特點(diǎn)。相比毫米波雷達(dá)，激光雷達(dá)能夠從數(shù)據(jù)中提取距離、姿態(tài)等更為細(xì)致的目標(biāo)信息和更為豐富的路況信息，探測范圍更廣，探測精度更高，是軌道交通中近距離障礙物探測的首選雷達(dá)。但同時(shí)激光雷達(dá)在進(jìn)行運(yùn)行環(huán)境感知時(shí)需提供障礙物（包括當(dāng)前軌道機(jī)車）的準(zhǔn)確位置，且存在諸如點(diǎn)云數(shù)據(jù)量大、軌道場景地面不平、軌道反射點(diǎn)云稀疏等技術(shù)難點(diǎn)。激光雷達(dá)點(diǎn)云障礙物檢測算法必須通過合理的位置標(biāo)定、點(diǎn)云提取與降采樣、聚類、平面擬合和多幀融合等技術(shù)實(shí)現(xiàn)障礙物的檢測與跟蹤，并最終結(jié)合軌道曲線判斷并輸出障礙物位置、類型及是否侵入限界等關(guān)鍵信息。由于各類單一傳感器均具備明顯的劣勢，因而將多種傳感器信息融合是進(jìn)一步提高感知可靠性和準(zhǔn)確性的必要途徑。按照信息處理方式，多傳感器融合可以劃分為數(shù)據(jù)層融合、特征層融合和決策層融合，目前主流方式為數(shù)據(jù)層融合和特征層融合。數(shù)據(jù)層融合也稱像素級(jí)融合，即先將各傳感器的數(shù)據(jù)融合，再從融合的數(shù)據(jù)中提取特征向量并進(jìn)行判斷識(shí)別。數(shù)據(jù)層融合不存在數(shù)據(jù)丟失的問題，得到的結(jié)果也是最準(zhǔn)確的，但計(jì)算量大，且對(duì)系統(tǒng)通信帶寬的要求很高。特征層融合是中間層次融合，即先從每種傳感器提供的觀測數(shù)據(jù)中提取有代表性的特征，再將這些特征融合成單一的特征向量后運(yùn)用模式識(shí)別方法進(jìn)行處理。這種方法的計(jì)算量及對(duì)通信帶寬的要求相對(duì)降低，但因?qū)Σ糠謹(jǐn)?shù)據(jù)的舍棄而降低了其準(zhǔn)確性。決策層融合是指在每個(gè)傳感器對(duì)目標(biāo)做出識(shí)別后，再將各傳感器的識(shí)別結(jié)果進(jìn)行融合，屬于高層次的融合。由于對(duì)傳感器的信息進(jìn)行了壓縮，這種方法產(chǎn)生的結(jié)果準(zhǔn)確率偏低，但其計(jì)算量及對(duì)通信帶寬的要求最低，是目前自動(dòng)駕駛領(lǐng)域應(yīng)用最廣的方案。2.3.5

系統(tǒng)仿真技術(shù)重載列車現(xiàn)場試驗(yàn)存在成本高、效率低、周期長等問題，因此需建立一套真實(shí)/虛擬相結(jié)合的自動(dòng)駕駛地面仿真系統(tǒng)，方便線路試驗(yàn)前針對(duì)自動(dòng)駕駛控制策略、運(yùn)行效果、動(dòng)力學(xué)性能等的測試、驗(yàn)證及完善。同時(shí)，為支撐自動(dòng)駕駛系統(tǒng)批量應(yīng)用，需構(gòu)建融合列車動(dòng)力學(xué)和《鐵路機(jī)車操作規(guī)程》等的重載列車操縱評(píng)價(jià)系統(tǒng)，以實(shí)現(xiàn)對(duì)機(jī)車自動(dòng)駕駛系統(tǒng)運(yùn)行風(fēng)險(xiǎn)的識(shí)別和對(duì)常態(tài)化運(yùn)行情況、性能指標(biāo)的全面評(píng)價(jià)。系統(tǒng)仿真平臺(tái)需對(duì)列車在不同線路和信號(hào)條件下的運(yùn)行進(jìn)行仿真，因此需要包含機(jī)車、車輛、線路、信號(hào)系統(tǒng)、無線同步操控系統(tǒng)、列尾裝置等?？紤]到仿真的可用性與有效性，仿真平臺(tái)采用真實(shí)實(shí)物與虛擬軟件相結(jié)合的方式實(shí)現(xiàn)對(duì)長大列車的仿真。真實(shí)實(shí)物方面采用與實(shí)車一致的網(wǎng)絡(luò)控制、車載信號(hào)、無線同步操控、自動(dòng)駕駛、人機(jī)交互等系統(tǒng)，虛擬軟件方面采用機(jī)車、列車和動(dòng)力學(xué)仿真軟件來模擬列車運(yùn)行狀態(tài)。仿真軟件包含機(jī)車仿真和列車運(yùn)行仿真