一种基于激光探测的列车接近识别方法及系统与流程

本发明涉及轨道交通装备，尤其涉及一种基于激光探测的列车接近识别方法及系统。

背景技术：

1、目前，铁路作业人员在铁路营业线上道实施天窗等作业时，需要对作业区域进行列车接近安全防护。为及时掌握列车接近情况，通常在作业区域沿线路方向的两侧分别布设激光探测设备，对驶入监测范围的列车进行探测，并通过5g无线转发设备发送报警信息，以实现列车接近自动预警，提醒作业人员及时进行安全避让，防止列车接近对作业人员造成伤害。在部分野外作业区域或无交流供电条件下，相关设备需采用锂离子聚合物电池供电。这类装置的常规实现路径是激光探测模块以固定频率连续发射脉冲并接收回波，同时5g通信模块始终与基站保持连接并实时回传数据，以期在电池容量支撑的数小时内维持全时探测与即时报警。为延长工作时间，部分方案会引入简单的定时休眠或电压阈值式降频，但并未将历史列车通过规律与实时电量进行融合调控，导致低功耗策略的实施往往以牺牲探测密度为代价，难以平衡续航与实时性。

2、例如，当系统要求野外连续作业8小时且仅由单组锂离子聚合物电池供电时，若执行固定高频连续测距及5g长连接策略，运行前期电量快速消耗，进入中后期电池端电压持续跌落，不仅引发激光发射功率下降、回波信噪比恶化，还可能导致主控电路异常复位；同时5g模块的驻网信令交互与射频功放维持状态进一步加速电量枯竭。当实际列车驶近探测范围时，设备可能正处于电压跌落触发的保护性间歇停机或5g模块掉线重连状态，造成报警响应延迟甚至漏报，故障集中发生在任务时段的最后阶段，严重削弱了野外无源环境下列车接近告警的时效性，形成了高续航与高实时性之间的突出矛盾。

3、因此，亟需一种能够根据实时电池荷电状态与历史无列车通过时段的统计特征，自适应调整激光探测周期以及5g模块休眠唤醒策略的方法，在电池电量逐步下降且长期无列车通过的条件下，依然能够提前密集预热、在列车进入探测范围时瞬间切换至高密度探测与突发报警模式，保证报警响应延迟不超限的同时使装置有效工作时长稳定达到8小时以上，从而提高营业线天窗作业期间列车接近预警的可靠性与持续性。

技术实现思路

1、针对上述存在的技术不足，本发明的目的是提出一种基于激光探测的列车接近识别方法，旨在解决现有技术中激光探测模块以固定高频连续测距、5g模块保持长连接，功耗过高，导致后期电量不足、报警延迟甚至漏报，尤其是在锂离子聚合物电池供电、野外连续工作8小时且保证5g转发高时效性的条件下，无法实现低功耗与实时性兼顾的技术问题。

2、为解决上述技术问题，本发明采用如下技术方案：本发明提供一种基于激光探测的列车接近识别方法。

3、所述一种基于激光探测的列车接近识别方法包括：

4、步骤s10：获取列车接近识别初始化数据，基于所述列车接近识别初始化数据采用参数分组装载机制执行初始化任务，输出初始化参数集；

5、步骤s20：获取当前电池状态，基于所述初始化参数集和所述当前电池状态采用荷电状态修正和非线性周期映射机制执行激光探测周期计算任务，输出自适应探测参数集；

6、步骤s30：基于所述自适应探测参数集采用指数加权统计预测机制执行预测唤醒窗口的统计预处理任务，输出预测唤醒窗口起始阈值；

7、步骤s40：基于所述预测唤醒窗口起始阈值和所述自适应探测参数集采用分级状态切换机制执行功耗调度任务，输出当前功耗状态；

8、步骤s50：根据所述当前功耗状态进行激光探测数据采集、列车接近事件判别和报警数据发送，输出报警触发信号；

9、优选地，步骤s10中，获取列车接近识别初始化数据，基于所述列车接近识别初始化数据采用参数分组装载机制构建所述初始化参数集的步骤，具体包括：

10、步骤s101：从所述列车接近识别初始化数据中提取动态功耗管理参数，所述动态功耗管理参数包括最小激光探测周期、最大激光探测周期、基准荷电状态、s形映射函数陡度因子、指数加权衰减因子、修正幅度因子、置信区间系数、基础预唤醒提前系数、预设标准差下限、深度休眠切换比例、预设连续减小数量、高密度采样频率、滑动队列长度、监测窗口长度、预设接近占比阈值和预设二阶差分阈值，所述深度休眠切换比例大于0且小于1；

11、步骤s102：从所述列车接近识别初始化数据中提取按照发生时间排列的历史无列车通过时段数据，所述历史无列车通过时段数据中的每一无列车间隔时长为一次列车完全离开激光探测范围至下一次列车进入所述激光探测范围之间的持续时长；

12、步骤s103：按照参数标识将所述动态功耗管理参数写入参数字段，按照发生时间将所述历史无列车通过时段数据写入历史时长字段，并对所述参数字段和所述历史时长字段进行关联封装，生成所述初始化参数集。

13、优选地，步骤s20中，获取当前电池状态，基于所述初始化参数集和所述当前电池状态采用荷电状态修正和非线性周期映射机制执行激光探测周期计算任务，输出所述自适应探测参数集的步骤，具体包括：

14、步骤s201：从所述当前电池状态中提取当前荷电状态，计算所述基准荷电状态减去所述当前荷电状态所得差值与所述基准荷电状态的比值，并将所述比值限制在0至1之间，得到归一化电量下降因子；

15、步骤s202：从所述初始化参数集中读取所述历史无列车通过时段数据，根据所述指数加权衰减因子计算加权无列车间隔均值和动态标准差，并记录从前一次列车完全离开所述激光探测范围开始至当前时刻的持续时长，得到当前无列车事件持续时长；

16、步骤s203：按照下式计算安全裕度修正系数：

17、

18、按照下式计算修正荷电状态：

19、

20、按照下式计算自适应激光探测周期：

21、

22、其中，为所述安全裕度修正系数，为所述修正幅度因子，为所述置信区间系数，为预设标准差下限，为所述修正荷电状态，为所述自适应激光探测周期，为所述最小激光探测周期，为所述最大激光探测周期，为所述s形映射函数陡度因子，为所述基准荷电状态，为双曲正切函数，为最大值函数，为最小值函数，为自然指数函数；

23、将所述自适应激光探测周期、所述加权无列车间隔均值、所述动态标准差、所述当前无列车事件持续时长、所述归一化电量下降因子、所述基础预唤醒提前系数、所述最小激光探测周期、所述深度休眠切换比例、预设连续减小数量、所述高密度采样频率、所述滑动队列长度、所述监测窗口长度、预设接近占比阈值和预设二阶差分阈值进行关联封装，生成所述自适应探测参数集。

24、优选地，步骤s202中，计算所述加权无列车间隔均值和所述动态标准差的步骤包括：

25、从所述历史无列车通过时段数据中获取最近一次完整无列车间隔时长，计算所述最近一次完整无列车间隔时长与前一次加权无列车间隔均值之间的差值，得到间隔偏差；

26、根据所述指数加权衰减因子，将所述最近一次完整无列车间隔时长与所述前一次加权无列车间隔均值进行指数加权组合，得到更新后的加权无列车间隔均值；

27、根据所述指数加权衰减因子和所述间隔偏差的平方，对前一次无列车间隔方差进行增量修正，得到更新后的无列车间隔方差；

28、将所述更新后的无列车间隔方差与预设最小方差进行比较，对所述更新后的无列车间隔方差与预设最小方差中的较大值进行开方处理，得到所述动态标准差，预设最小方差为预设标准差下限的平方。

29、优选地，步骤s30中，基于所述自适应探测参数集采用指数加权统计预测机制执行预测唤醒窗口的统计预处理任务，输出所述预测唤醒窗口起始阈值的步骤，具体包括：

30、步骤s301：从所述自适应探测参数集中提取所述加权无列车间隔均值、所述动态标准差、所述归一化电量下降因子、所述基础预唤醒提前系数和所述最小激光探测周期；

31、步骤s302：按照下式计算动态预唤醒提前系数：

32、

33、步骤s303：按照下式计算所述预测唤醒窗口起始阈值：

34、

35、其中，为所述动态预唤醒提前系数，为所述基础预唤醒提前系数，为所述预测唤醒窗口起始阈值。

36、优选地，步骤s40中，基于所述预测唤醒窗口起始阈值和所述自适应探测参数集采用分级状态切换机制执行功耗调度任务，输出所述当前功耗状态的步骤，具体包括：

37、步骤s401：从所述自适应探测参数集中提取所述当前无列车事件持续时长、所述自适应激光探测周期、所述深度休眠切换比例、预设连续减小数量和所述高密度采样频率，并根据所述深度休眠切换比例与所述预测唤醒窗口起始阈值的乘积确定预唤醒边界；

38、步骤s402：当所述当前无列车事件持续时长小于所述预唤醒边界时，将所述当前功耗状态设置为深度休眠态，关闭激光探测模块和无线转发模块，并保持低功耗时钟运行；当所述当前无列车事件持续时长不小于所述预唤醒边界且小于所述预测唤醒窗口起始阈值时，将所述当前功耗状态设置为预唤醒态，启动所述激光探测模块的供电准备过程和所述无线转发模块的基带初始化过程；

39、步骤s403：当所述当前无列车事件持续时长不小于所述预测唤醒窗口起始阈值时，将所述当前功耗状态设置为低频巡测态，并控制所述激光探测模块按照所述自适应激光探测周期采集激光探测数据；当连续获得预设连续减小数量个逐次减小的有效距离值时，将所述当前功耗状态切换为高密度预警态，控制所述激光探测模块按照所述高密度采样频率连续采集所述激光探测数据，并控制所述无线转发模块执行网络附着。

40、优选地，步骤s50中，根据所述当前功耗状态进行激光探测数据采集、列车接近事件判别和报警数据发送，输出所述报警触发信号的步骤，具体包括：

41、步骤s501：当所述当前功耗状态为所述高密度预警态时，从所述自适应探测参数集中提取所述滑动队列长度、所述监测窗口长度、预设接近占比阈值和预设二阶差分阈值，按照采样时间顺序将连续采集的所述激光探测数据写入具有所述滑动队列长度的滑动队列，对所述滑动队列中的距离值进行中值滤波，将每两个相邻采样时刻中后一采样时刻的距离值减去前一采样时刻的距离值，得到一阶距离差值，将每两个相邻一阶距离差值中后一一阶距离差值减去前一一阶距离差值，得到二阶距离差值，并记录与各所述一阶距离差值对应的采样时间间隔；

42、步骤s502：在具有所述监测窗口长度的监测窗口内，统计数值小于0的所述一阶距离差值对应的距离数据点占全部距离数据点的比例，得到接近数据点占比，将所述接近数据点占比与预设接近占比阈值进行比较，并将各所述二阶距离差值的绝对值与预设二阶差分阈值进行比较；当所述接近数据点占比不低于预设接近占比阈值，且各所述二阶距离差值的绝对值均小于预设二阶差分阈值时，生成列车接近事件确认结果；

43、步骤s503：响应于所述列车接近事件确认结果，分别计算各所述一阶距离差值的绝对值与对应的所述采样时间间隔的比值，并将各所述比值的中位数确定为列车估计速度，将当前距离值、所述列车估计速度和设备标识进行封装，生成所述报警触发信号，并控制所述无线转发模块将所述报警触发信号发送至报警接收终端；完成发送后，将所述当前无列车事件持续时长确定为本次无列车间隔时长，将所述本次无列车间隔时长写入所述历史无列车通过时段数据，并将所述当前功耗状态恢复为所述深度休眠态。

44、本发明还提供一种基于激光探测的列车接近识别系统，所述系统包括：

45、初始化模块，用于获取列车接近识别初始化数据，基于所述列车接近识别初始化数据采用参数分组装载机制执行初始化任务，输出初始化参数集；

46、周期计算模块，用于获取当前电池状态，基于所述初始化参数集和所述当前电池状态采用荷电状态修正和非线性周期映射机制执行激光探测周期计算任务，输出自适应探测参数集；

47、唤醒预测模块，用于基于所述自适应探测参数集采用指数加权统计预测机制执行预测唤醒窗口的统计预处理任务，输出预测唤醒窗口起始阈值；

48、功耗调度模块，用于基于所述预测唤醒窗口起始阈值和所述自适应探测参数集采用分级状态切换机制执行功耗调度任务，输出当前功耗状态；

49、报警处理模块，用于根据所述当前功耗状态进行激光探测数据采集、列车接近事件判别和报警数据发送，输出报警触发信号。

50、本发明还提供一种基于激光探测的列车接近识别设备，所述基于激光探测的列车接近识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于激光探测的列车接近识别程序，所述基于激光探测的列车接近识别程序被所述处理器执行时实现上述方法。

51、本发明还提供一种计算机程序产品，所述计算机程序产品包括基于激光探测的列车接近识别程序，所述基于激光探测的列车接近识别程序被处理器执行时实现上述方法。

52、本发明的有益效果在于：

53、本发明通过参数分组装载机制将动态功耗管理参数和历史无列车通过时段数据封装为初始化参数集，使后续测距周期、唤醒窗口和功耗状态切换具备统一参数来源和历史统计基础。

54、通过荷电状态修正和非线性周期映射机制，将当前电池状态、历史无列车间隔统计和周期边界共同封装为自适应探测参数集，使激光探测周期能够随电量和线路到车规律变化。

55、通过指数加权统计预测机制得到预测唤醒窗口起始阈值，使设备不必固定频率长期测距，而是在列车可能接近前逐步进入可探测状态。

56、通过分级状态切换机制输出当前功耗状态，使激光探测模块和无线转发模块按照深度休眠态、预唤醒态、低频巡测态和高密度预警态逐级投入工作。在当前功耗状态为高密度预警态时进行连续测距、中值滤波、距离差分和接近占比判别，并在确认列车接近后发送报警触发信号，使报警触发建立在连续距离变化趋势而非单点阈值之上。