基于HLA的列控系统多车仿真策略研究

基于列控系统需求进行的多车仿真研究,是构建完备的列控仿真与功能测试环境的基础环节。本文针对列控系统多节点、分布式的特点,设计基于HLA的列控系统多车仿真方案,提出两种多车仿真策略。根据不同的仿真策略构建基于HLA的多车仿真联邦的逻辑模型和高层仿真模型。对采用不同仿真策略实现的多车仿真联邦进行性能测试,实验结果表明多辆仿真车整体作为一个联邦成员加入仿真联邦的策略更适用于多车仿真,该仿真策略能够满足列控系统中多车仿真的需求。     

专用短程通信辅助的车辆卫星定位故障检测方法

为了确保卫星定位性能满足特定协作式智能交通应用需求,提高车辆定位系统的故障容错能力,针对车辆卫星定位的自主故障检测与性能优化问题,提出基于专用短程通信辅助的卫星定位故障检测方法,充分利用专用短程通信设备的测距率观测信息,实现故障检测对不同类型卫星可视条件的有效适应。基于专用短程通信多普勒观测特性,构建基于载波频偏的车间测距率观测模型;设计卫星定位与专用短程通信组合观测与解算框架;基于容积卡尔曼滤波提出适于非线性观测特征的故障检测、识别与排除算法,并叠加量测噪声方差矩阵动态调整策略,对故障检测性能进行优化;基于实测试验检验车间测距率的观测性能,并运用实车轨迹对多车协同运行及定位采集过程进行仿真,检验所提出方法的故障检测性能。研究结果表明：提出的方法有效解决了常规接收机自主完好性监测算法受卫星可视条件限制的问题,所引入的量测噪声方差矩阵调整策略提升了故障检测及故障排除性能的稳定性,在给定仿真场景中,常规卫星观测条件下阶跃故障、斜坡故障排除率相对常规方法最高可分别提升52%、18%,受限观测条件下不同水平2类故障的排除率最高分别可达100%、89%,边界观测条件下不同水平2类故障的检测率最高分别可达100%、96%。研究结果对于充分发挥车-车协同模式的核心优势、保障车辆定位性能具有重要价值。     

车路协同系统的视景仿真模型

在车路协同系统仿真的基础上,以局部交通网络的实时交通仿真为例,建立了车路协同系统视景仿真模型库,确立了视景仿真系统的框架体系结构。将视景仿真集成为整个仿真系统的一个联邦成员,建立了车车信息交互、车路信息交互的典型视景仿真功能模型。使用LOD模型简化技术对视景仿真功能模型进行分解,生成了5个不同精细程度的LOD模型。采用DOF、LOD、Switch功能化节点,从节点结构上优化了典型应用场景中的交叉口信号灯、车辆运动等相关模型,建立了一套类似模型几何形状的层级节点结构。构建了车路协同系统可视化视景仿真平台,包括HLA/RTI信息交互与控制模块、车路协同数据处理模块、信息交互模块、模型引导控制模块、视角动态切换模块与模型状态参数动态显示模块。采用建模优化相关技术,对典型交通场景进行了视景仿真。仿真结果表明:通过LOD模型简化技术,模型简化率最高可达95.5%,内存占用减少86.3%;通过视景仿真方法的使用,提高了渲染效率与系统仿真效率,车路协同典型交通场景验证了仿真方法的可行性。     

LSSVM增强的受限环境列车定位精度优化方法

GNSS/INS是目前较为理想的定位组合方式,但在GNSS信号较长时间缺失的情况下INS的定位误差会逐渐发散.为解决此问题提出一种针对卫星信号受限环境的LSSVM增强列车组合定位方法,并在青藏铁路线应用试验.试验结果表明:LSSVM增强列车组合定位方法能够有效提高组合导航系统在GNSS信号缺失情况下的定位精度,且相比于...     

基于深度数据的车辆目标检测与跟踪方法

现有基于几何特征的目标检测与跟踪方法误检率较高,目标跟踪过程中的漏检易导致错误的目标关联.针对这些问题,本文提出了一种基于激光雷达(LiDAR)深度数据的车辆目标检测与跟踪方法.根据激光雷达深度数据特性,采用一种基于栅格的参数自动化聚类(PAG) 算法对原始数据进行处理,并在每个聚类中提取目标线段,获取目标特征.在此基础上对车辆目标进行识别,并计算得到目标的位置信息.采用卡尔曼滤波算法,制定滤波器管理策略,完成目标关联及状态估计.最后利用装备有一个前向激光雷达的实验车辆对提出的方法进行验证. 实验结果表明,本文提出的方法可准确识别并跟踪多个车辆目标,避免错误的目标关联.     

�������ɷַ����ij�����ϵ���ϵͳ���ϼ��������㷨

故障检测与隔离是保证组合导航系统容错性能的重要措施。本文针对车辆导航系统的可靠及安全性需求,分析了组合导航系统的传感器故障特性,建立了包含三个数据通路的车辆组合导航系统容错设计结构,提出了一种基于主成分分析的故障检测与隔离算法。该算法利用数据的相关关系,采用正常条件下的导航历史数据建立统计PCA模型,通过一定的统计量控制限检验新的导航数据样本相对于模型的背离程度实现故障检测,并根据不同数据通路的故障检测结果动态调整导航子系统的有效性因数,从而隔离故障造成的影响。仿真结果表明,该算法实现简单,能够有效实现对组合导航系统故障的检测与隔离。     

���ڵ���������Ϣ���г���λ�����о�

在安全苛求的现代列车控制系统中,列车的实时定位是一个十分重要的环节. 传统的基于里程计的列车定位方法只能提供列车行驶的里程信息,在具有多条平行股道的铁路车站,传统的列车定位方法无法解决轨道占用识别的问题. 本文根据列车在铁路线路上运行的特点,提出了基于道岔曲线信息的列车定位方法,该方法利用GPS及惯性传感器辅助提取列车在道岔处的速度、加速度、角速度等运行特征,得到列车在道岔处的转弯半径、曲率变化及运行方向,并通过与车载地图数据库进行比较,实现准确的轨道占用识别及列车定位. 文中给出了采用传感器获取运行特征的方法以及实现道岔信息匹配的流程. 现场测试结果表明,在当前试验条件下,该方法已具备较强的轨道占用识别能力,能够在一定程度上提高列车定位的性能.     

���ڳ��п���·������������������

利用理论推导和系统仿真等方法分析了有关城市快速路交通控制的一些基本问题，包括入口匝道车流控制，出口匝道排队控制，快速路交通优先等．分析结果表明：(i)入口匝道控制虽然增加了入口排队延误，但是对整个快速路系统来说，可以提高系统的效率．(ii)入口匝道控制对普通道路既有正面影响，也有负面影响，合适的入口匝道控制策略甚至能同时对快速路和普通道路系统有益．(iii)在出口匝道相连的信号交叉口采用考虑出口排队的感应控制算法，可有效避免出口匝道排队阻塞快速路的现象，虽可能对普通道路有些负面影响，但是对整个交通网络有益．     

基于简化鲁棒UKF的GNSS/INS紧组合列车定位方法

针对GNSS/INS组合列车定位中的信息融合非线性与传感器量测故障问题，为满足复杂多变列车运行场景下列车定位精度与鲁棒性的需求，提出一种基于简化鲁棒UKF的GNSS/INS紧组合列车定位优化方法。综合标准KF的时间更新与标准UKF的量测更新来构建简化UKF,在保证GNSS/INS紧组合列车定位精度的同时改善定位解算实时性。在简化UKF滤波框架内，引入故障检测与自适应调整因子构建简化鲁棒UKF,可以快速检测传感器量测故障导致的系统故障，并对故障历元的量测噪声协方差进行自适应调整降低滤波增益，使得滤波算法具有较强的鲁棒性。采用京沈高铁实测数据与故障仿真数据进行算法定位性能验证与评估，结果表明：基于简化UKF的GNSS/INS紧组合定位算法水平定位精度为2.686 5 m,与传统EKF滤波模型下的紧组合与松组合方法相比定位精度分别提高5.6%和15.0%。此外，提出的简化鲁棒UKF方法可以快速有效检测到不同类型的传感器量测故障，且大幅抑制传感器量测故障，优化复杂运行场景下的列车定位精度与鲁棒性。     

基于列车运行状态组合预测的虚拟应答器捕获方法

为进一步提高虚拟应答器（VB）技术在基于卫星定位的列车运行控制中的运用效果，分析常规VB捕获原理，从完善其不足的角度提出1种基于列车运行状态组合预测的新型VB捕获方法。首先，明确新型方法的捕获原理；其次，考虑列车运行状态的复杂性和规律性，采用交互多模型（IMM）结合容积卡尔曼滤波（CKF）的自适应IMM-CKF方法，对列车位置进行滤波估计和短期前向预测；然后，将长短期记忆方法引入列车运行状态预测问题，基于实时数据更新预测模型；最后，得到基于列车运行状态组合预测的VB捕获方法，有效改善常规方法中的VB漏捕获和捕获精度低等问题。基于京沈高铁现场试验数据，对比并验证新型方法和其他列车运行状态预测方法、VB捕获方法的性能。结果表明：尽管周期捕获计算平均用时较长，但新型方法下的VB捕获识别位置与下一个VB位置较近，不仅能保证100%的VB捕获率，而且在VB捕获误差均值上最大可实现70.23%的优化效果。