mirtrМир транспортаWorld of Transport and Transportation1992-3252Russian University of Transport (RUT)10.30932/1992-3252-2019-17-4-98-110mirtr-1711Research ArticleНАУКА И ТЕХНИКАSCIENCE AND ENGINEERINGИнтеллектуализация контроля вагонов в железнодорожном сортировочном паркеImplementation of Intelligent Monitoring for the Marshalling YardКовалёвС. М.KovalyovS. M.

Ковалёв Сергей Михайлович – доктор технических наук, профессор, начальник Центра инновационных и интеллектуальных технологий на железнодорожном транспорте, профессор кафедры автоматики и телемеханики на железнодорожном транспорте

Ростов-на-Дону

Kovalyov Sergey M. – D.Sc. (Eng), Professor, Director of the Center for Railway Innovative and Intelligent Technology of the Rostov branch of Research & Design Institute for Information Technology, Signalling and Telecommunications in Railway Transportation (JSC NIIAS); Professor of the department of Railway automatics and telemechanics of Rostov State Transport University

Rostov-on-Don

ksm@rfniias.ruСухановА. В.SukhanovA. V.

Суханов Андрей Валерьевич – кандидат технических наук, старший научный сотрудник, доцент кафедры вычислительной техники и автоматизированных систем управления

Ростов-на-Дону

Sukhanov Andrey V. – Ph.D. (Eng), Senior Researcher of the Center for Railway Innovative and Intelligent Technology of the Rostov branch of Research & Design Institute for Information Technology, Signalling and Telecommunications in Railway Transportation (JSC NIIAS); associate professor at the department of Computer engineering and automatic control systems of Rostov State Transport University

Rostov-on-Don

a.suhanov@rfniias.ruРостовский филиал АО «Научно-исследовательский и проектноконструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте», Ростовский государственный университет путей сообщенияРоссияRostov branch of JSC NIIAS, Rostov State Transport UniversityRussian FederationРостовский филиал АО «Научно-исследовательский и проектноконструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте», Ростовский государственный университет путей сообщенияРоссияRostov branch of JSC NIIAS, Rostov State Transport University (RSTU)Russian Federation20192808201917498110Copyright © Ковалёв С.М., Суханов А.В., 20192019Ковалёв С.М., Суханов А.В.Kovalyov S.M., Sukhanov A.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://mirtr.elpub.ru/jour/article/view/1711

Железнодорожная сортировочная станция занимает центральное место в технологической цепочке грузовых перевозочных процессов, поскольку скорость переработки железнодорожных составов на ней определяет объём и стоимость перевозок. Поэтому развитие средств автоматизации и информатизации сортировочных процессов ведёт к повышению эффективности грузовых перевозок в целом. Целью работы является формализация задачи контроля вагонов в железнодорожном сортировочном парке иразработка метода её решения, основанного на использовании алгоритмов распознавания и позиционирования динамических объектов путём интеллектуального анализа данных потокового видео. В работе представлен новый подход к решению задачи контроля подвижных единиц в подгорочном (сортировочном) парке железнодорожных сортировочных станций. Приводятся основные критерии определения скорости движения и позиционирования групп вагонов при их движении после расформирования на сортировочной горке. Определено, что контроль подвижных единиц в сортировочном парке является менее автоматизированным процессом по сравнению с контролем на сортировочной горке. Для решения поставленной задачи автоматизации контроля подвижных единиц в сортировочном парке предложен алгоритм на базе методов интеллектуального анализа видеоданных – компьютерного зрения – и представлена его модель реализации на конкретном объекте. Методы работы основаны на теории компьютерного зрения и направлены на распознавание ключевых динамических объектов на потоковом видео с их последующим позиционированием. Результатом проведённой работы является обоснование актуальности использования компьютерного зрения в процессе расформирования-формирования железнодорожных составов. В дальнейшем планируется совершенствование представленных разработок для подготовки готового программного продукта, позволяющего объективизировать информацию о сортировочном парке для повышения эффективности прицельного торможения на сортировочной горке.

The railway marshalling station occupies a central place in the technological chain of freight transportation processes, since the speed of processing trains at marshalling yards determines the volume and cost of transportation. Therefore, development of automation and computerization of sorting processes results in growing efficiency of freight transportation in general. The objective of the study is to formalize the problem of cars’ monitoring within the railway marshalling yard and to develop a method for solving it with the use of algorithms of recognizing and positioning of dynamic objects through the intelligent data analysis of streaming video. The article presents a new approach to solution of the problem of monitoring moving units in the hump (sorting) yard of marshalling stations. The article suggests core criteria for identifying speed and positioning of the railway wagons when they are running after been separated at the hump. The article specifies that monitoring of moving units at hump yard is less automated in comparison with the monitoring at the hump itself, and that confirms the relevance of the research. To get the problem of the automation monitoring of moving units in the hump yard solved, the authors have suggested an algorithm that is based on the image data intelligent analysis, that is on computer vision, and have described the model of its implementation at a station. The methods used are based on the theory of computer vision and are aimed at recognizing key dynamic objects in streaming video and at their subsequent positioning. The study has resulted in substantiation of acceptability of the use of computer vision in the process of separation and formation of trains. It is planned to proceed with further improvement of the presented approach to develop a software product allowing to objectify information about hump yard in order to increase the efficiency of targeted braking at the hump.

транспортжелезная дорогаавтоматизация сортировочных процессовзаполнение путей сортировочного паркапозиционирование железнодорожных подвижных единицинтеллектуальный анализ видеоданныхцифровизацияtransportrailwayclassification process automationclassification yard track occupancypositioning of railway vehicle unitsintelligent analysis of video datadigitalizationРабота выполнена при поддержке грантов РФФИ (проекты № 17-20-01040 офи_м, 19-07-00263, 19-07-00195).The study has been conducted with the support of RFBR Grants (Projects No. 17-20-01040 оfi_m, 19-07-00263, 19-07-00195)ReferencesКовалёв С. М., КовалёвВ. С., СухановА. В. Интеллектуальный подход к прогнозированию нештатных ситуаций в процессе расформирования поездов на сортировочных горках // Труды V научно-технической конференции с международным участием «Интеллектуальные системы управления на железнодорожном транспорте. Компьютерное иматематическое моделирование» (ИСУЖТ-2016, 17–18 ноября 2016 г., Москва, Россия). – М.: ОАО «НИИАС», 2016. – С. 168–172.Kovalyov, S. M., Kovalyov, V. S., Sukhanov, A. V. Intelligent approach to forecasting abnormal situation within the train separation process at hump yards. Proceedings of the 5th International Science and Technology Conference on Intelligent Railway Control Systems. Computer and Mathematical Simulation. (ISUZhT-2016, Nov. 17–18, 2016, Moscow, Russia). Moscow, NIIAS JSC, 2016, pp. 168–172.Шабельников А. Н., Соколов В. Н. КСАУ СП-новое направление автоматизации сортировочных горок //Автоматика, связь, информатика. – 2017. – № 8. – С. 2–4.Shabelnikov, A. N., Sokolov, V. N. KSAU SP-a new direction of automation of hump yards [KSAU SP-novoe napravlenie avtomatizatsii sortirovochnykh gorok]. Avtomatika, svyaz, informatika, 2017, Iss. 8, pp. 2–4.Hansmann R. S., Zimmermann U. T. Optimal sorting of rolling stock at hump yards / R. S. Hansmann, U. T. Zimermann // Mathematics-key technology for the future. – 2007. – № 8. – pp. 189–203.Hansmann, R. S., Zimmermann, U. T. Optimal sorting of rolling stock at hump yards. Mathematics-key technology for the future, 2007, Iss. 8, pp. 189–203.Zhang C. [et al]. Analysis of hump automation in China // Traffic and Transportation Studies. – 2000. – pp. 285–290.Zhang, C. [et al]. Analysis of hump automation in China. Traffic and Transportation Studies, 2000, pp. 285–290.Кобзев В. А. Автоматизированное управление на сортировочных станциях // Мир транспорта. – 2010. – № 5. – С. 60–66.Kobzev, V. A. Computer-Aided Classification Yard Control. World of Transport and Transportation, 2010, Iss. 5, pp. 60–66.Шабельников А. Н. Совершенствование комплексной системы автоматизации управления сортировочным процессом и горочных технических средств в рамках реализации проекта «цифровая сортировочная станция» // Автоматика и телемеханика на железнодорожном транспорте: Сборник докладов IX Международной научно-практической конференции «ТрансЖАТ – 2018». – Ростов-на-Дону. – 243 с.Shabelnikov, A. N. Improving the integrated automation system for controlling the classification process and hump yard equipment in the framework of the project «Digital classification yard» [Sovershenstvovanie kompleksnoi sistemy avtomatizatsii upravleniya sortirovochnym prosessom i gorochnykh tekhnicheskikh sredstv v ramkakh realizatsii proekta «tsifrovaya sortirovochnaya stantsiya»]. Automation and telemechanics in railway transport: Collection of reports of 9th International Scientific and Practical Conference «TransZhAT-2018», Rostov-on-Don, 243 p.Артемьев И. С. Новый подход к идентификации подвижных единиц // Автоматика, связь, информатика. – 2016. – № 11. – С. 11–14.Artemev, I. S. New Approach to Railway Vehicle Units’ Identification. Automatics, telecommunications, infrormatics, 2016, Iss. 11, pp. 11–14.Васин Н. Н., Диязитдинов Р. Р. Система технического зрения для контроля состояния железнодорожного пути // Компьютерная оптика. – 2016. – № 3. – С. 410–415.Vasin, N. N., Diyazitdinov, R. R. Computer Vision System for Rail Track State Monitoring. Comp’uternaya optika, 2016, No. 3, pp. 410–415.Гречухин И. А., Каркищенко А. Н. Интеллектуальная обработка видеоинформации в задачах транспортной безопасности // Железнодорожный транспорт. – 2011. – № 4. – С. 45–47.Grechukhin, I. A., Karkishenko, A. N. Intelligent Video Processing for Transportation Security. Zheleznodorozhnyi transport, 2011, Iss. 4, pp. 45–47.Mahalingam T., Subramoniam M. A robust single and multiple moving object detection, tracking and classification // Applied Computing and Informatics. – 2018. – № 1. – pp. 1–10.Mahalingam, T., Subramoniam, M. A robust single and multiple moving object detection, tracking and classification. Applied Computing and Informatics, 2018, Iss. 1, pp. 1–10Tokmakov P., Schmid C., Alahari K. Learning to segment moving objects // International Journal of Computer Vision. – 2017. – № 3. – pp. 1–20.Tokmakov, P., Schmid, C., Alahari, K. Learning to segment moving objects. International Journal of Computer Vision, 2017, Iss. 3, pp. 1–20.Singla N. Motion detection based on frame difference method // International Journal of Information & Computation Technology. – 2014. – № 15. – pp. 1559–1565.Singla, N. Motion detection based on frame difference method. International Journal of Information & Computation Technology, 2014, Iss. 15, pp. 1559–1565.Aksaç A., Öztürk O., Özyer T. Real-time multiobjective hand posture/gesture recognition by using distance classifiers and finite state machine for virtual mouse operations // 7th International Conference on Electrical and Electronics Engineering (ELECO). – IEEE, 2011. – pp. 457–461.Aksaç, A., Öztürk, O., Özyer, T. Real-time multi-objective hand posture/gesture recognition by using distance classifiers and finite state machine for virtual mouse operations. 2011. 7th International Conference on Electrical and Electronics Engineering (ELECO). IEEE2011, pp. 457–461.Шапиро Л., Стокман Д. Компьютерное зрение. – БИНОМ. Лаб. знаний, 2006. – С. 93–103.Shapiro, L. G., Stockman, G. C. Computer Vision. BINOM publ., Lab of Knowledge, 2006, pp. 93–103.Шубникова И. С., Палагута К. А. Анализ способов и алгоритмов определения параметров объекта и расстояния до него по изображению // Труды Международного симпозиума «Надёжность и качество». – 2013. – Т. 1. – С. 352–355.Shubnikova, I. S., Palaguta, K. A. Analysis of methods and algorithms for identifying the parameters of the object and the distance to it using the image. Proceedings of International Quality and Reliability Symposium [International symposium Nadezhnost i kachestvo], 2013, Vol. 1, pp. 352–355.Babenko B., Yang M. H., Belongie S. Visual tracking with online multiple instance learning // Conference on Computer Vision and Pattern Recognition. – IEEE, 2009. – pp. 983–990.Babenko, B., Yang, M. H., Belongie, S. Visual tracking with online multiple instance learning. 2009. IEEE Conference on Computer Vision and Pattern Recognition. IEEE2009, pp. 983–990.Yeh Y. J., Hsu C. T. Online selection of tracking features using AdaBoost // 16th International Conference on Computer Communications and Networks. – IEEE, 2007. – pp. 1183–1188.Yeh, Y. J., Hsu, C. T. Online selection of tracking features using AdaBoost. 2007. 16th International Conference on Computer Communications and Networks. IEEE2007, pp. 1183–1188.Bolme D. S. [et al]. Visual object tracking using adaptive correlation filters // Computer Society Conference on Computer Vision and Pattern Recognition. – IEEE, 2010. – pp. 2544–2550.Bolme, D. S. [et al]. Visual object tracking using adaptive correlation filters. 2010. IEEE Computer Society Conference on Computer Vision and Pattern Recognition. IEEE2010, pp. 2544–2550.Lukezic A. [et al]. Discriminative correlation filter with channel and spatial reliability // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. – 2017. – pp. 6309–6318.Lukezic, A. [et al]. Discriminative correlation filter with channel and spatial reliability. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2017, pp. 6309–6318.

The authors declare that there are no conflicts of interest present.