多传感器数据融合技术在车站外部环境动态感知系统应用的制作方法

本发明涉及传感器数据，尤其是涉及多传感器数据融合技术在车站外部环境动态感知系统应用。

背景技术：

1、在城市与城市之间，高铁或火车是解决交通拥堵问题的最有效的公共交通方式之一，同时，乘客数量随着铁路的发展不断增加。目前大城市铁路在节假日时运营负荷量大，造成部分早期建设的火车站气体环境质量下降，污染物在站内沉淀，对旅客健康造成不良影响。因此，有必要对地铁车站环境参数进行监测。

2、现有的技术中，如公开号为cn112441075a的中国专利，其公开了一种轨道交通外部环境感知系统、方法和轨道交通设备，其中，系统包括：图像采集装置，用于采集环境的环境图像；环境数据采集装置，用于采集环境的3d点云数据；列车控制装置，用于根据环境图像和3d点云数据进行3d空间建模以生成列车的运行环境模型，并根据运行环境模型生成决策指令，并控制车辆控制单元执行决策指令。由此，根据环境图像和3d点云数据进行3d空间建模以生成列车的运行环境模型，以实现轨道交通外部环境的实时感知，提升轨道交通运行效率，以及，根据运行环境模型生成决策指令，确保轨道交通安全。

3、上述中的现有技术方案存在以下缺陷：虽然上述的轨道交通外部环境感知系统能够实现轨道交通外部环境的实时感知，但是由于是采集环境的环境图像；采集环境的3d点云数据；根据所述环境图像和3d点云数据进行3d空间建模以生成列车的运行环境模型，并根据所述运行环境模型生成决策指令，并执行所述决策指令。在这个过程中，作出相应的决策和估计依赖3d空间建模以生成列车的运行环境模型，使得获得的信息并不充分，从而使得采集的轨道交通外部环境的信息并不准确，轨道交通运行效率和轨道交通安全性还有待提升。

技术实现思路

1、针对现有技术存在的不足，本发明的目的是提供多传感器数据融合技术在车站外部环境动态感知系统应用，其采用多传感器数据融合技术，将其应用在车站外部环境动态感知系统上，能够在一定准则下进行分析、综合、支配和使用，获得对被测对象的一致性解释与描述，进而实现相应的决策和估计，使系统获得比它的各组成部分更充分的信息，从而使得采集的轨道交通外部环境的信息更加准确，大大提升了轨道交通运行效率和轨道交通安全性。

2、本发明的上述发明目的是通过以下技术方案得以实现的：

3、多传感器数据融合技术在车站外部环境动态感知系统应用，包括以下步骤：

4、步骤s1、在车站外部环境动态感知系统中安装n个不同类型的传感器，利用n个不同类型的传感器收集观测目标的数据；

5、步骤s2、对传感器的输出数据进行特征提取的变换，提取代表观测数据的特征矢量y i；

6、步骤s3、对特征矢量yi进行模式识别处理完成各传感器关于目标的说明；

7、步骤s4、将各传感器关于目标的说明数据按同一目标进行分组，即关联，再利用融合算法将每一目标各传感器数据进行合成，得到该目标的一致性解释与描述；

8、步骤s5、根据所述融合算法输出的结果值，确定下一时刻的车站外部环境参数值的正态分布，并根据所述下一时刻的车站外部环境参数值的正态分布，进行车站外部环境参数监测。

9、本发明在一较佳示例中可以进一步配置为：在步骤s1中，所述传感器包括有源传感器以及无源传感器。

10、本发明在一较佳示例中可以进一步配置为：在步骤s2中，所述输出数据为离散的或连续的时间函数数据、输出矢量、成像数据或一个直接的属性说明。

11、本发明在一较佳示例中可以进一步配置为：在步骤s3中，利用聚类算法、自适应神经网络或其他能将特征矢量y i变换成目标属性判决的统计模式识别法对特征矢量y i进行模式识别处理。

12、本发明在一较佳示例中可以进一步配置为：所述车站外部环境参数值包括：地铁客流量值，列车发车频率值，车站外部气体浓度值，车站外部大气温度值，车站外部大气相对湿度值的任意组合。

13、本发明在一较佳示例中可以进一步配置为：所述融合算法包括随机类方法和人工智能类方法，所述随机类方法为加权平均法、卡尔曼滤波法、多贝叶斯估计法、d-s证据推理法、产生式规则其中的一种，所述人工智能类方法为模糊逻辑推理法或人工神经网络法。

14、本发明在一较佳示例中可以进一步配置为：在步骤s5中，根据所述融合算法输出的结果值，确定下一时刻的车站外部环境参数值的正态分布，包括：

15、对所述融合算法的输出结果值进行线性变换，得到车站外部环境参数值的均值；

16、对所述融合算法的输出结果值进行线性变换后，进行非线性变换，得到得到车站外部环境参数值的标准差；

17、根据所述车站外部环境参数值的均值和标准差，确定下一时刻的车站外部环境参数值的正态分布。

18、本发明在一较佳示例中可以进一步配置为：所述车站外部环境参数值还包括天气状态，获取所述天气状态后，判断所述天气状态是否为异常天气，并在判断所述天气状态为所述异常天气时进行限速；

19、所述车站外部环境参数值还包括历史环境数据，获取当前环境数据和所述历史环境数据，根据所述当前环境数据和所述历史环境数据，对列车和列车行驶的轨道安全状态进行巡检。

20、综上所述，本发明包括以下至少一种有益技术效果：

21、本发明公开了一种多传感器数据融合技术在车站外部环境动态感知系统应用，其与单传感器系统相比，运用多传感器数据融合技术在解决探测、跟踪和目标识别等问题方面，能够增强系统生存能力，提高整个系统的可靠性和鲁棒性，增强数据的可信度，并提高精度，扩展整个系统的时间、空间覆盖率，增加系统的实时性和信息利用率等。

22、其采用多传感器数据融合技术，将其应用在车站外部环境动态感知系统上，充分利用不同时间与空间的多传感器数据资源，采用计算机技术对按时间序列获得的多传感器观测数据，能够在一定准则下进行分析、综合、支配和使用，获得对被测对象的一致性解释与描述，进而实现相应的决策和估计，使系统获得比它的各组成部分更充分的信息，从而使得采集的轨道交通外部环境的信息更加准确，大大提升了轨道交通运行效率和轨道交通安全性。

技术特征：

1.多传感器数据融合技术在车站外部环境动态感知系统应用，其特征在于，包括以下步骤：

2.根据权利要求1所述的多传感器数据融合技术在车站外部环境动态感知系统应用，其特征在于，在步骤s1中，所述传感器包括有源传感器以及无源传感器。

3.根据权利要求1所述的多传感器数据融合技术在车站外部环境动态感知系统应用，其特征在于，在步骤s2中，所述输出数据为离散的或连续的时间函数数据、输出矢量、成像数据或一个直接的属性说明。

4.根据权利要求1所述的多传感器数据融合技术在车站外部环境动态感知系统应用，其特征在于，在步骤s3中，利用聚类算法、自适应神经网络或其他能将特征矢量yi变换成目标属性判决的统计模式识别法对特征矢量yi进行模式识别处理。

5.根据权利要求1所述的多传感器数据融合技术在车站外部环境动态感知系统应用，其特征在于，所述车站外部环境参数值包括：地铁客流量值，列车发车频率值，车站外部气体浓度值，车站外部大气温度值，车站外部大气相对湿度值的任意组合。

6.根据权利要求1所述的多传感器数据融合技术在车站外部环境动态感知系统应用，其特征在于，所述融合算法包括随机类方法和人工智能类方法，所述随机类方法为加权平均法、卡尔曼滤波法、多贝叶斯估计法、d-s证据推理法、产生式规则其中的一种，所述人工智能类方法为模糊逻辑推理法或人工神经网络法。

7.根据权利要求1所述的多传感器数据融合技术在车站外部环境动态感知系统应用，其特征在于，在步骤s5中，根据所述融合算法输出的结果值，确定下一时刻的车站外部环境参数值的正态分布，包括：

8.根据权利要求1所述的多传感器数据融合技术在车站外部环境动态感知系统应用，其特征在于，所述车站外部环境参数值还包括天气状态，获取所述天气状态后，判断所述天气状态是否为异常天气，并在判断所述天气状态为所述异常天气时进行限速；

技术总结
本发明涉及多传感器数据融合技术在车站外部环境动态感知系统应用，包括以下步骤：步骤S1、在车站外部环境动态感知系统中安装N个不同的传感器，利用N个不同的传感器收集观测目标的数据；步骤S2、对传感器的输出数据进行特征提取的变换，提取代表观测数据的特征矢量Y i；步骤S3、对特征矢量Yi进行模式识别处理完成各传感器关于目标的说明；步骤S4、将各传感器关于目标的说明数据按同一目标进行分组，再利用融合算法将每一目标各传感器数据进行合成，得到该目标的一致性解释与描述；步骤S5、根据融合算法输出的结果值，确定下一时刻的车站外部环境参数值的正态分布，并根据下一时刻的车站外部环境参数值的正态分布，进行车站外部环境参数监测。

技术研发人员：卢勇
受保护的技术使用者：上海铁维物联网科技有限公司
技术研发日：
技术公布日：2024/1/15