Preview

Мир транспорта

Расширенный поиск

Погрешности измерения расстояния до препятствия средствами технического зрения и прогноза пути торможения в беспилотных системах управления движением поездов

https://doi.org/10.30932/1992-3252-2021-19-6-1

Аннотация

Системы технического зрения являются источниками информации о препятствии, оказавшемся на пути, при беспилотном управлении движением поездов. По полученной информации системой управления движением принимается решение о включении режима торможения с целью предотвращения наезда на препятствие.

В соответствии с международным и отечественным опытом и нормами необходимо обеспечить вероятность опасного отказа, в данном случае – вероятность наезда на препятствие, не более 10-8 при доверительной вероятности 0,95 по SIL-4 (ГОСТ-Р61508). Учитывая наличие погрешности измерения расстояния до препятствия системой технического зрения и погрешности расчёта тормозного пути, требуется определить координату точки начала торможения при обнаружении предмета на пути таким образом, чтобы обеспечить остановку поезда до препятствия с вероятностью, определяемой в соответствии с SIL-4.

Особенностью решаемой задачи оценки погрешностей измерения расстояния до препятствия и расчёта тормозного пути является необходимость определения оценок их максимальных величин и разработки алгоритма использования этих оценок таким образом, чтобы вероятность наезда не превышала нормированного значения.

Приведена методика определения максимальной величины погрешности измерения расстояния до места препятствия, вероятность превышения которой довольно мала (от 10-2 до 10-6). Предложен алгоритм многократных измерений расстояния до препятствия с выбором минимального результата измерений для принятия решения о начале торможения, обеспечивающий выполнение нормативного показателя вероятности столкновения поезда с препятствием согласно SIL-4. Разработана методика оценки погрешности расчёта тормозного пути, обеспечивающая совместно с алгоритмом многократных измерений системой технического зрения расстояния до препятствия, нормативный показатель согласно SIL-4. Показана необходимость функционирования второго канала технического зрения из-за наличия кривых в пути следования. Обоснована необходимость использования алгоритмов многократных измерений до препятствия по второму каналу, расположенному вне поезда. Отмечено, что описанные в данной статье способы выбора максимальных значений случайных погрешностей измерений и расчётов, превышение величин которых имеет весьма малую вероятность, могут быть использованы в различных прикладных задачах управления движением на транспорте.

Об авторах

Л. А. Баранов
Российский университет транспорта
Россия

Баранов Леонид Аврамович – доктор технических наук, профессор, заведующий кафедрой управления и защиты информации

Москва



П. Ф. Бестемьянов
Российский университет транспорта
Россия

Бестемьянов Пётр Филимонович – доктор технических наук, профессор, директор Института транспортной техники и систем управления

Москва



Е. П. Балакина
Российский университет транспорта
Россия

Балакина Екатерина Петровна – кандидат технических наук, доцент

Москва



А. Л. Охотников
Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте (АО «НИИАС»)
Россия

Охотников Андрей Леонидович – заместитель начальника Департамента – начальник Отдела стратегического развития

Москва



Список литературы

1. . Matthies, Larry Obstacle Detection, 2014 In: Ikeuchi K (ed) Computer Vision Springer, Boston, MA DOI: 10 1007/978-0-387-31439-6_52

2. . Jain, R , Tamgade, P, Swaroopa, R , Bhure, P, Shahu, S ., Pote, R Simulation of Obstacle Detection of an Autonomous Car International Journal of Advanced Research in Science, Communication and Technology, 2021, pp 430−435 DOI: 10 48175/IJARSCT-1420

3. . Asuka, Masashi; Kataoka, Kenji; Komaya, Kiyotoshi; Nishida, Syogo Automatic Train Operation Using Autonomic Prediction of Train Runs IEEJ Transactions on Industry Applications, 2008, Vol 128, pp 1365-1372 DOI: 10 1541/ieejias 128 1365

4. . Chen Zhang; Xuewu Xu; Chen Fan; Guoping Wang Literature Review of Machine Vision in Application Field E3S Web of Conferences, 2021, Vol . 236, pp 04027 DOI: 202123604027

5. . Zhongfei Zhang, Weiss, R , Hanson, A R Obstacle detection based on qualitative and quantitative 3D reconstruction IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997, Vol 19, pp 15−26 DOI: 10 1109/34 566807

6. . Feiden, D , Tetzlaff, R Cellular neural networks for motion estimation and obstacle detection Adv Radio Sci ., 2003, Vol 1, pp 143–147 DOI: https://doi org/10 5194/ars-1-143-2003

7. . Lourenço, A , Marques, F , Santana, P, Barata, J A volumetric representation for obstacle detection in vegetated terrain, 2014 IEEE International Conference on Robotics and Biomimetics (ROBIO 2014), 2014, pp 283–290, DOI: 10 1109/ROBIO 2014 7090344

8. . Bernini, N ., Bertozzi, M ., Castangia, L ., Patander, M ., Sabbatelli, M Real-time obstacle detection using stereo vision for autonomous ground vehicles: A survey 17th International IEEE Conference on Intelligent Transportation Systems (ITSC), 2014, pp 873–878 DOI: 10 1109/ITSC 2014 6957799

9. . Takahashi, Katsuhiko Obstacle detection device and method and obstacle detection system, 2014 [Электронный ресурс]: https://www.researchgatenet/publication/302747500_Obstacle_detection_device_and_method_and_obstacle_detection_system Доступ 16 11 2021

10. Khan, Umair; Fasih, Alireza; Kyamakya, Kyandoghere; Chedjou, J Genetic Algorithm Based Template Optimization for a Vision System: Obstacle Detection, 2009 [Электронный ресурс]: https://www.researchgatenet/publication/228347428_Genetic_Algorithm_Based_Template_Optimization_for_a_Vision_System_Obstacle_Detection/ Доступ 16 11 2021

11. Охотников А Л , Чернин М А Разработка систем для автономного подвижного состава // Автоматика, связь, информатика – 2021 − № 11 − С 21−24 DOI: 10 34649/AT 2021 11 11 006

12. Вентцель Е С Теория вероятностей: Учебник − 12-е изд , стер − М : Юстиция, 2018 − 658 с ISBN 978-5-4365-1927-2

13. Баранов Л А Оценка интервала попутного следования поездов для систем безопасности движения на базе радиоканала // Мир транспорта − 2015 − № 2 . − С . 6−24 [Электронный ресурс]: https://mirtr elpub ru/jour/article/view/260 Доступ 16 11 2021

14. Баранов Л А , Головичер Я М , Ерофеев Е В ., Максимов В М Микропроцессорные системы автоведения электроподвижного состава / Под ред Л А Баранова − М : Транспорт, 1990 − 272 с ISBN 5-277-00964-7

15. Бестемьянов П . Ф . Методы повышения безопасности микропроцессорных систем интервального регулирования движения поездов // Автореф дис… докт техн наук – М .: Моск гос ун-т путей сообщ (МИИТ), 2001 – 48 с

16. Никифоров Б . Д ., Головин В . И ., Кутыев Ю . Г . Автоматизация управления движением поездов – М .: Транспорт, 1985 – 263 с

17. Pudovikov, O . E ., Kiselev, M . D . Optimization of Parameters of Automatic Speed Control System of a Freight Train with Distributed Traction Russian Electrical Engineering, 2020, Vol 91, No . 9, pp 568−576 [Электронный ресурс]: https://elibrary ru/item asp?id=45136886 Доступ 16 11 2021

18. Батенко А . П . Управление конечным состоянием движущихся объектов – М : Сов Радио, 1977 – 256 с.


Рецензия

Для цитирования:


Баранов Л.А., Бестемьянов П.Ф., Балакина Е.П., Охотников А.Л. Погрешности измерения расстояния до препятствия средствами технического зрения и прогноза пути торможения в беспилотных системах управления движением поездов. Мир транспорта. 2021;19(6):6-12. https://doi.org/10.30932/1992-3252-2021-19-6-1

For citation:


Baranov L.A., Bestemyanov P.F., Balakina E.P., Okhotnikov A.L. Errors in Measuring the Distance to an Obstacle by Technical Vision Means and in Forecasting Braking Distance in Driverless Train Control Systems. World of Transport and Transportation. World of Transport and Transportation. 2021;19(6):6-12. https://doi.org/10.30932/1992-3252-2021-19-6-1

Просмотров: 387


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


ISSN 1992-3252 (Print)