Preview

Мир транспорта

Расширенный поиск

Интеллектуализация контроля вагонов в железнодорожном сортировочном парке

https://doi.org/10.30932/1992-3252-2019-17-4-98-110

Полный текст:

Аннотация

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.

Об авторах

С. М. Ковалёв
Ростовский филиал АО «Научно-исследовательский и проектноконструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте», Ростовский государственный университет путей сообщения
Россия

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



А. В. Суханов
Ростовский филиал АО «Научно-исследовательский и проектноконструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте», Ростовский государственный университет путей сообщения
Россия

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

Ростов-на-Дону



Список литературы

1. Ковалёв 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.

2. Шабельников А. Н., Соколов В. Н. КСАУ СП-новое направление автоматизации сортировочных горок //Автоматика, связь, информатика. – 2017. – № 8. – С. 2–4.

3. 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.

4. Zhang C. [et al]. Analysis of hump automation in China // Traffic and Transportation Studies. – 2000. – pp. 285–290.

5. Кобзев В. А. Автоматизированное управление на сортировочных станциях // Мир транспорта. – 2010. – № 5. – С. 60–66.

6. 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.

7. Артемьев И. С. Новый подход к идентификации подвижных единиц // Автоматика, связь, информатика. – 2016. – № 11. – С. 11–14.

8. Васин Н. Н., Диязитдинов Р. Р. Система технического зрения для контроля состояния железнодорожного пути // Компьютерная оптика. – 2016. – № 3. – С. 410–415.

9. Гречухин И. А., Каркищенко А. Н. Интеллектуальная обработка видеоинформации в задачах транспортной безопасности // Железнодорожный транспорт. – 2011. – № 4. – С. 45–47.

10. Mahalingam T., Subramoniam M. A robust single and multiple moving object detection, tracking and classification // Applied Computing and Informatics. – 2018. – № 1. – pp. 1–10.

11. Tokmakov P., Schmid C., Alahari K. Learning to segment moving objects // International Journal of Computer Vision. – 2017. – № 3. – pp. 1–20.

12. Singla N. Motion detection based on frame difference method // International Journal of Information & Computation Technology. – 2014. – № 15. – pp. 1559–1565.

13. 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.

14. Шапиро Л., Стокман Д. Компьютерное зрение. – БИНОМ. Лаб. знаний, 2006. – С. 93–103.

15. 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.

16. 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.

17. 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.

18. 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.

19. 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.


Для цитирования:


Ковалёв С.М., Суханов А.В. Интеллектуализация контроля вагонов в железнодорожном сортировочном парке. Мир транспорта. 2019;17(4):98-110. https://doi.org/10.30932/1992-3252-2019-17-4-98-110

For citation:


Kovalyov S.M., Sukhanov A.V. Implementation of Intelligent Monitoring for the Marshalling Yard. World of Transport and Transportation. 2019;17(4):98-110. (In Russ.) https://doi.org/10.30932/1992-3252-2019-17-4-98-110

Просмотров: 19


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1992-3252 (Print)