曾小清, 熊啟鵬, 王奕曾, 賀俊翔, 梁 陽, 邊 冬
(1.同濟大學 道路與交通工程教育部重點實驗室,上海 201804;2.上海大學 悉尼工商學院,上海 201899)
現(xiàn)代有軌電車作為一種綠色環(huán)保、運量及成本均適中的軌道交通方式,近兩年廣受歡迎,在我國許多城市進行了規(guī)劃和建設.有軌電車由于運行線路并不是完全封閉,較其他形式的軌道交通方式存在更多的安全隱患,有軌電車系統(tǒng)由駕駛員進行操作,安全責任重大,基于發(fā)現(xiàn)障礙物與常用制動(或緊急制動)的安全駕駛模式,駕駛員視野距離限制了列車在某些區(qū)段的行駛速度上限.同時在夜晚或者雨、雪、霧等惡劣天氣條件下,駕駛員的視野范圍受到極大的限制和削弱,難以發(fā)現(xiàn)潛在的障礙物,一旦不能及時制動,將會導致碰撞甚至脫軌的嚴重后果.因此為現(xiàn)代有軌電車研究開發(fā)一套具有視覺增強效果的輔助安全防護系統(tǒng),具有很大的意義.
本文提出了一種基于異態(tài)檢測的現(xiàn)代有軌電車輔助安全防護技術,為有軌電車選取適用性較高的前向檢測器,實時獲取前方障礙物的信息,并通過列車定位技術求得障礙物與軌道限界之間的相對位置,對于入侵軌道限界的障礙物,確定其與列車的軌內(nèi)相對距離,并以此為行車許可終點實時計算列車防護曲線.如果當前檢測周期并無軌內(nèi)障礙物,輔助安全防護系統(tǒng)會選取線路上調(diào)度計劃制定的停車點(如車站等)作為行車許可終點進行防護曲線的計算.
異態(tài)檢測技術一般指利用傳感器獲取周圍環(huán)境中目標的信息.用于有軌電車的異態(tài)檢測技術是一種車載檢測技術.目前車載檢測技術多應用于智能車領域,主要分為主動檢測和被動檢測兩種技術[1],其中主動檢測需要向待測區(qū)域發(fā)射一定功率、頻段的電磁波,利用回波分析完成障礙物目標的檢測,代表技術為各類雷達技術[2];被動檢測主要指視覺檢測技術,利用CCD攝像機一類的設備,直接從環(huán)境中接收信息,并通過相關算法處理得出感興趣數(shù)據(jù).被動檢測是非侵犯式檢測,不增加環(huán)境噪聲,功耗低,獲取信息量大,但其信息來源完全依靠外界,在惡劣環(huán)境如夜晚或大風、雨、雪、霧的條件下基本失效[3].
有軌電車應用環(huán)境一般在城市內(nèi)部,在某些區(qū)段與城市道路交通共享路權,因此可能入侵有軌電車軌道限界的障礙物一般包括社會車輛、行人以及落入軌道并停留的其他目標.應選取前向檢測器,對列車前方障礙物情況進行檢測,根據(jù)EN13452-1標準,現(xiàn)代有軌電車運營速度一般取50 km·h-1,對于鋼軌鋼輪制式有軌電車,常規(guī)制動減速度取1.2 m·s-2,緊急制動減速度要求達到至少2.8 m·s-2(膠輪導軌制式減速度更高)[4,5-12].若列車以50 km·h-1速度運行,一般常規(guī)制動的制動距離在100 m以內(nèi),緊急制動距離在50 m左右,因此所選取檢測器需要探測前方至少200 m.同時檢測器需要一定的水平角及俯仰角,能夠探測車身高度內(nèi)的障礙物.
根據(jù)上述檢測器的需求,表1分析了目前比較成熟的幾種檢測器技術在各個方面的特性對比.
表1 各類異態(tài)檢測技術特性對比Tab.1 Feature comparison of different kinds of obstacles detection technologies
經(jīng)過研究,雷達技術中的毫米波雷達在全天候使用、檢測距離、檢測穩(wěn)定性、低成本等方面具有一定的優(yōu)勢,因此本文選取毫米波雷達作為有軌電車前向檢測器.
有軌電車輔助安全防護主要提供避撞預警的功能,不同于汽車能夠進行換道等避讓行為,有軌電車只能夠進行軌道內(nèi)的運動,因此需要判斷前述雷達所檢測到的前方障礙物與軌道限界的相對位置關系,從而評估其對于列車行駛的威脅,本文將通過列車定位信息進行上述匹配的相關運算.
為了保讓避撞預警功能的實現(xiàn),相關設備及算法需滿足如下條件:
(1) 所選取雷達檢測器需能較為準確地給出列車與當前目標的位置關系.
(2) 列車定位技術能夠提供定位誤差較小的列車定位及速度信息.
(3) 相關算法能夠確定線路入侵物距離列車的軌內(nèi)距離,并提供列車防護曲線.
輔助安全防護構架如圖1所示.
圖1 輔助安全防護構架Fig.1 The frame of auxiliary safety protection
避撞預警功能的實現(xiàn),依賴于列車防護曲線的實時計算.列車防護曲線是列車制動模型的直觀表達,表征列車在制動過程中速度下降與距離之間的關系.輔助駕駛系統(tǒng)需實時確定行車許可終點,并根據(jù)行車許可終點確定列車防護曲線,本文借鑒ETCS系統(tǒng)的列車防護方法[13],建立了一簇防護曲線.
EBD(emergency brake deceleration)曲線為緊急制動曲線,列車運行過程中每個行車許可終點都對應一條EBD曲線,EBD曲線是一簇防護曲線中的最外層,一般不會被觸發(fā),一旦超過EBD曲線,列車的停車位置將超過行車許可終點,也即會發(fā)生碰撞.
因此需要考慮列車制動建立、駕駛員反應時間、列車定位測速誤差等因素,計算緊急制動觸發(fā)曲線EBI(emergency brake intervention),當列車行駛狀態(tài)越過EBI曲線,需自動施加緊急制動.
利用相同的原理,列車還設有最大常用制動曲線SBD(bervice brake deceleration)以及最大常用制動觸發(fā)曲線SBI(service brake intervention),當列車運行狀態(tài)觸發(fā)該曲線之后,施加最大常用制動.
同時為了實現(xiàn)對于駕駛員的提示和警告,設立了提示點I與警告點W,通過SBI曲線反推得出,圖2表征了幾條曲線之間的關系.
圖2 EBD以及其他幾條曲線關系圖Fig.2 The relationship between EBD and other curves
當駕駛員駕駛列車接近確定的行車許可終點時,輔助駕駛系統(tǒng)會向駕駛員提示安全引導速度,本策略中設提示點I與警告點W,其中I點的作用為提示駕駛員即將超過允許限速,該點提供足夠的時間讓駕駛員進行相關操作,當列車超過I點后,會通過聲音、燈光等提示駕駛員進行減速操作;如果超過W點意味著即將觸及最大常用制動曲線,若越過W點仍舊沒有任何操作,列車將在越過SBI監(jiān)督點時自動觸發(fā)最大常用制動,如果列車速度仍舊未降低到安全值,超過了EBI監(jiān)督點,則會觸發(fā)緊急制動,確保行車安全.
制動過程中的人機交互設計為提示—詢問—制動三層:當行車觸發(fā)I點,進行聲光提示,若直到觸發(fā)W點駕駛員仍舊沒有進行制動,給出解釋界面,如果直到觸發(fā)SBI監(jiān)視曲線駕駛員沒有進行選擇,則自動進行列車最大常用制動,根據(jù)人體工程學結合駕駛員的反應思考時間,可以設I點、W點以及SBI曲線之間的觸發(fā)時間為5 s.
由于有軌電車線路部分區(qū)段封閉性較差,有可能會出現(xiàn)突然闖入的障礙物離列車較近,通過其作為行車許可終點的防護曲線會使得現(xiàn)有狀態(tài)直接超過I點的包絡線,鑒于這種情況多為行人闖入,而行人闖入的持續(xù)時間一般為2 s左右,因此這種情況下的制動策略需要駕駛員幫助完成,具體過程如圖3所示.
圖3 入侵物過近的制動策略Fig.3 The braking strategy when obstacles are too close
如果闖入障礙物確實有威脅且位于vc>vEBI,(vc指當前車速)等效于列車已經(jīng)位于EBI曲線之外,即是緊急制動也會觸碰行車許可終點,則列車將無法避免此次碰撞,這種情況一般較少.
如果是行人闖入的情況,駕駛員可以通過按鈕解除警報,繼續(xù)正常行駛,系統(tǒng)也將在行人離開軌道限界范圍之后自動撤銷該行車許可終點.
上述人機交互過程中需要駕駛員進行選擇,告知系統(tǒng)當前由算法得出的威脅情況是否屬實,由于給駕駛員的反應時間較短,界面的選擇設備建議使用更為穩(wěn)定的物理按鈕.
3.1.1雷達數(shù)據(jù)輸入
假定選取的雷達檢測器所檢測到的原始數(shù)據(jù)經(jīng)過波形解析、背景噪音過濾等算法處理手段,能夠至少為輔助安全防護系統(tǒng)提供合理采樣頻率的如下數(shù)據(jù)輸入,即
[α,θ,ρ]
(1)
其中:α表示目標障礙物俯仰角;θ表示目標障礙物水平方向航向角;ρ表示目標障礙物到雷達的距離.
根據(jù)極坐標轉(zhuǎn)換公式,剔除高度范圍在車輛高度之外的目標,可以得到二維平面的坐標:
(2)
式中:xOB為目標障礙物在二維平面中的x軸坐標;yOB為目標障礙物在二維平面中的y軸坐標.
3.1.2列車定位數(shù)據(jù)輸入
(1)線路坐標系的構建
使用車載雷達作為檢測器,雷達坐標系會以列車當前運行速度與地面有一個相對運動,為了便于研究障礙物基于地面以及軌道限界的絕對位置關系,應用地方坐標系的參數(shù)構建線路坐標系,精度能夠達到使用要求.
其中地方坐標系(local coordinate system)是因建設、城市規(guī)劃和科學研究需要而在局部地區(qū)建立的相對獨立的平面坐標系統(tǒng).
(2)列車運行線路建模
在地方坐標系的基礎上,根據(jù)以下模型假設進行線路建模:①將線路形式經(jīng)過抽象分析,分為直線線路、曲線線路和交叉口區(qū)域線路三類;②忽略緩和曲線的影響,假設直線線路與固定曲率半徑的曲線線路直接連接.可以將線路每個區(qū)段用表示如下:
[n,x1,y1,s1,x2,y2,s2,r,xo,yo,d,i,c,s,m]
(3)
其中:n為區(qū)段編號;(x1,y1)(x2,y2)為區(qū)段中心線起訖點坐標;s1、s2為區(qū)段起訖點所對應的里程數(shù);r為區(qū)段曲率半徑;(x0,y0)為曲線區(qū)段的圓心坐標;d為列車該曲線區(qū)段運行方向,若為順時針方向運行曲線線路,d取0,若為逆時針方向運行線路d取1;i為區(qū)段坡度值;s為該區(qū)段里程數(shù);m為該區(qū)段內(nèi)查詢應答器個數(shù).另外定義軌道限界范圍W=車輛最大寬度w+2δ,δ為安全余量.
(3)列車定位數(shù)據(jù)輸入方式
據(jù)此給出列車實時定位信息的輸入值
[n,n1,n2,x,y,sd,s,vcur]
(4)
其中:n為上一個查詢應答器編號;n1為上一個查詢應答器所處區(qū)段的編號;n2為當前列車所處區(qū)段編號;(x,y)為上一個查詢應答器的地面坐標;sd為以線路起點作為里程0點的上一個查詢應答器所對應的里程;s為上一個查詢應答器到列車當前位置的累積里程;vcur為列車當前運行速度.
3.2.1列車坐標確定
模型算法中,列車需要實時獲取自身位置,假定列車位于區(qū)段n2,則可讀取當前區(qū)段信息如下:
(5)
分別針對直線區(qū)段與曲線區(qū)段的情況,計算列車當前位置坐標(xtr,ytr)以及行駛方向β.
(1) 直線區(qū)段:通過式(6)式(7)求得當前位置情況.
(6)
(7)
(2) 曲線區(qū)段:根據(jù)式(8)式(9)求得當前位置情況.其中σ通過(xtr,ytr)與區(qū)段起點的相對位置進行計算.
(8)
(9)
3.2.2障礙物等效行車許可終點計算
將障礙物從雷達坐標系坐標轉(zhuǎn)化為線路坐標系公式如下:
(10)
Sob=
(11)
Sob=αr+s
(12)
(1)緊急制動曲線EBD
緊急制動曲線EBD描述列車在最不利情況下從當前速度到完全停止或進入某一個限速區(qū)間上限速度所需要的制動距離,制動曲線的目標點一般可以分為兩類,第一種為行車許可終點,即列車需要在行車許可終點之前達到完全制動狀態(tài)才能夠保證安全.第二種為最上限速度曲線的變化,列車到達某一點時速度應該控制在該點最限速度之下.取軌內(nèi)障礙物作為行車許可終點來計算實時防護曲線,根據(jù)運動學制動模型從行車許可點反算緊急制動曲線,并與線路最上限速度相交.
(13)
式中:vorg為列車制動初始速度;vebr為列車制動目標速度,對于以行車許可終點為障礙物目標的情況,取0;αebr為列車最大制動減速度(考慮回轉(zhuǎn)質(zhì)量系數(shù)以及坡度影響);Seb為緊急制動狀態(tài)距離.
(2)緊急制動觸發(fā)曲線EBI
緊急制動觸發(fā)曲線EBI通過緊急制動曲線推算,緊急制動觸發(fā)曲線與緊急制動曲線之間相差了列車切斷牽引與生成制動的過程,包括司機反應延遲、牽引切斷延遲與惰行直至建立制動三個階段.圖2描述了從EBD到其他幾條監(jiān)控曲線的變化,EBI計算如下:
Δv=αtrγttr(1+rV)
(14)
Δs=Δvttr+Slo
(15)
SEBI(v0)=SEBD(v0+Δv)+Δs
(16)
式中:αtrγ為列車最大牽引加速度(考慮回轉(zhuǎn)質(zhì)量系數(shù)以及坡度影響);ttr為制動建立延時與駕駛員反應時間之和;rV為測速誤差系數(shù);Δs為考慮最不利情況下的距離增量.
(3)最大常用制動曲線SBD及其觸發(fā)曲線SBI
與式(1)、式(2)同理,可得SBD曲線求解式(17)以及SBI曲線的求解式(18),從SBD到SBI的變換為直接平移.
(17)
(18)
(4)報警提示曲線
該模型設兩個提示功能點:提示點I與警告點W,其與SBI曲線之間具有一定的時間間隔,通過式(22)、式(23)求解,即
SW(v0)=SSBI(v0)+v0tW
(19)
SI(v0)=SSBI(v0)+v0tI
(1)為“兵”或“卒”時:新建solider類,將落點和棋子的原橫縱坐標及棋子執(zhí)方存入。判斷走棋規(guī)則是否合法。如果非法,輸出結果;
(20)
現(xiàn)代有軌電車項目應用前景廣泛,如松江現(xiàn)代有軌電車項目規(guī)劃建設6條線路,總長約90km,設站約118座.目前T1、T2線完成建設,如圖4所示.T4、T5線2017—2018年開始實施建設,T3、T6線計劃2018年起辦理前期立項、規(guī)劃等手續(xù),實施建設.為了配合有軌電車系統(tǒng)的建設,松江區(qū)配套建設了智能交通管理系統(tǒng),涵蓋松江城區(qū)共382個路口,建設信號控制、流量采集、交通誘導、停車誘導等設備.
圖4 有軌電車T1、T2線建設分布Fig.4 The map of tramcar Line T1 and Line T2
利用Python程序開發(fā)語言,對提出的策略算法進行了驗證,初步構建了現(xiàn)代有軌電車的運行場景,并著重針對策略算法中的障礙物影響分析、列車防護曲線生成進行了試驗設計,基本驗證了策略算法的有效性.
(1)線路建模
相比于傳統(tǒng)軌道交通驗證程序設計只考慮列車運行一維的情況,由于本文中有軌電車需要檢測線路沿線的障礙物情況,因此需要建立二維的線路,如圖5是根據(jù)某實際線路進行抽象提取的一條有軌電車線路.
圖5 仿真線路示意圖Fig.5 The sketch map of emulational path
(2)程序設計
程序主流程為控車程序,其他子函數(shù)包括坐標轉(zhuǎn)換模塊、障礙物生成模塊、坐標反轉(zhuǎn)換模塊、防護曲線生成模塊.
(1)列車防護曲線生成模塊的驗證
如圖6所示,為行車許可終點位于軌道里程2 200 m處的4條防護曲線,算法根據(jù)障礙物的位置與列車定位的輸入,能夠輸出防護曲線情況.
圖6 仿真防護曲線Fig.6 The emulational protection curves
(2)防護曲線生成實時性驗證
如圖7所示,仿真實驗假定列車檢測器停在軌道某處,隨機生成一個具有固定方向勻速運行的目標,當其進入軌道限界時可以被檢測到,因而影響當前測量周期的列車防護曲線,并持續(xù)一段時間.本次試驗的障礙物在軌道內(nèi)部逗留了14 s,影響軌道的里程范圍為3 143 m~3 156 m,在一段時間內(nèi)生成具有突變性的一簇列車防護曲線,可以在圖中看到有一段防護曲線明顯向列車靠近,表明這段時間障礙物進入軌道,使得行車許可終點有所變化,另外這一簇曲線所構成的曲面并不完全平行于t軸,說明障礙物是斜穿經(jīng)過軌道限界.
實驗結果可以證明輔助安全防護算法對于雷達檢測到的障礙物是實時監(jiān)測的(探測周期取100 ms),并且能夠?qū)崟r生成列車防護曲線.
圖7 防護曲線變化趨勢Fig.7 The variation trend of protection curves
(3)列車運行驗證
圖8為實驗行人穿越軌道限界的情景,所生成的速度記錄曲線,實驗中駕駛員根據(jù)輔助安全防護系統(tǒng)提供的障礙物及制動信息進行駕駛,選取線路某一區(qū)段,當列車出站加速引導到某一速度之后,前方發(fā)現(xiàn)障礙物,而后觸發(fā)最大常用制動,4 s后障礙物消失,列車重新牽引加速,直至停車進入車站.
圖8 速度記錄曲線Fig.8 The curve of velocity change
實驗結果表明,對于生成的障礙物,被檢測器較為準確地檢測到之后,輔助安全防護算法能夠?qū)崟r計算列車防護曲線,并提出減速制動的策略.
實驗過程中均認為駕駛員遵從相關控制策略.
基于較為準確的雷達檢測數(shù)據(jù)及列車定位數(shù)據(jù),當前的輔助駕駛策略算法設計能夠?qū)崟r確定障礙物目標與軌道限界的位置關系,并將有威脅的障礙物轉(zhuǎn)化為列車防護曲線的行車許可終點,從而根據(jù)防護曲線給出各個制動監(jiān)督點,進行防撞預警.
現(xiàn)代有軌電車系統(tǒng)由駕駛員進行操作,駕駛員視野距離限制了列車在某些區(qū)段的行駛速度上限.同時在夜晚或者雨、雪、霧等惡劣天氣條件下,駕駛員的視野范圍受到極大的限制和削弱,難以發(fā)現(xiàn)潛在的障礙物,一旦不能夠及時制動,會造成不可挽回的損失.
針對上述問題,為了保障現(xiàn)代有軌電車運行安全,提出了一種基于異態(tài)檢測的有軌電車輔助安全防護技術.主要成果如下:
(1)雷達技術中的毫米波雷達在全天候使用、檢測距離、檢測穩(wěn)定性、低成本等方面具有一定的優(yōu)勢,因此提出采用毫米波雷達作為有軌電車異態(tài)檢測器.
(2)考慮列車制動建立、駕駛員反應時間、列車定位測速誤差等因素,計算緊急制動觸發(fā)曲線EBI,當列車行駛狀態(tài)越過EBI曲線,需自動施加緊急制動.從功能需求分析、輔助安全防護架構設計、避撞預警功能設計三方面入手,設計輔助安全防護功能.
(3)在基于雷達數(shù)據(jù)輸入、列車定位數(shù)據(jù)輸入、列車坐標確定和障礙物等效行車許可終點技術基礎上,從緊急制動曲線EBD、緊急制動觸發(fā)曲線EBI、最大常用制動曲線SBD、觸發(fā)曲線SBI 四個方面構建輔助安全監(jiān)控曲線算法.
最后,利用Python程序開發(fā)語言,對提出的策略算法進行了仿真驗證,初步構建了現(xiàn)代有軌電車的運行場景,并著重針對策略算法中的障礙物影響分析、列車防護曲線生成進行了實驗設計,最后通過編程仿真實驗驗證了算法的實時性以及有效性.