Page 36 - 网络电信2021年6月刊上
P. 36
极限值的情况下（如在车轴区域），也能获取细节信息，从而 互的过程中对其进行更改，以获得高质量的信息。该算法以
大幅减少信号频带宽度超范围的线路区段数量。 一套逻辑规则为框架，并包含其他的相关规定。该算法的优
2. 光缆及其安装环境 点是执行相对简单。而其缺点在于：①在交互中进行参数优
除传感器质量之外，所使用光缆的特性及其安装环境中 化需要耗费大量时间和精力；②逻辑规则会产生复杂的依赖
的各种因素对于信号质量也具有决定性影响。由于轨道与光 关系，这些依赖关系将使单个规则的执行面临挑战。由于FOS
缆之间的传播介质不同，列车的声学信号会以不同的形式和 系统采集的数据量巨大且信号特性多样，因此该算法的应用
特征传入光纤。以往的试验表明，将光缆敷设在邻近轨道的 极为复杂。
地下，有利于进行列车跟踪和基础设施组件状况监测（图 2.基于计算机的算法
3）；其他光缆敷设方式，如敷设在凸槽内，则会限制所采集 基于计算机的算法（即机器学习算法）是参数化方法，其
数据的信息深度，导致不能识别各个车轴。此外，线路沿线 前提是为计算机收集和提供足量的数据，如检测到的列车位置
的其他噪声源对FOS系统检测到的信号质量也有影响，例如， 等。计算机会将这些信息与列车的实际位置进行比较，确定列
工厂或发电机产生的噪声同样会被FOS系统采集，这些噪声 车所在位置的信号特性，从而推导出识别列车的规则。通过这
甚至可能覆盖列车发出的声学信号，从而对数据分析产生影 种训练，计算机可学会如何计算最佳值集，并从中得出列车位
响。因此，必须对外部噪声源的声学特征进行识别，并将其 置。训练阶段中收集的不同线路、不同列车、不同行程的列车
从所需信号中过滤出去。 位置数据越多，列车定位越准确。在这过程中还可以对参数进
3. 为实现精确定位的地理校准 行优化。
线路和光缆的走向是决定列车定位精度的又一重要因素。 实践证明，与仅由人工控制的算法相比，基于计算机的算
最初为通信目的敷设的光缆一般与轨道平行敷设，但由于其包 法通常可以选择更好的规则集或模型，原因在于计算机可以对
含线圈，横跨轨道交叉口，并且通常以列车站建筑物为终点， 所有可能的规则组合进行更快的测试，并从中选取最佳模型。
因此光纤上不同点与轨道之间可能存在距离差（图4）。为精确 采用这种算法的系统在经过训练后，不需要手动干预调整，
确定光缆和轨道的相对位置，必须进行地理校准。 因为其可将新识别的特征保存并添加到对比库中，进行不断学
传统的地理校准方法是敲击试验，即在轨道附近的某个 习。这使系统能够检测不同的对象，开发高效的模型。目前，
点制造一个系统可识别的振动，并记录下该点的坐标及其与轨 基于计算机的算法已经优于基于规则的算法。随着采集的数据
道轴线的距离。该试验需要人工手动完成，由于试验人员必须 不断累积，该算法的潜力将会更大。
在线路上尽可能多的点进行试验，因此非常耗时，而且试验质
量难以保证一致。为解决以上问题，可采用自动化地理校准方 四、列车实时精确定位
法，其优点是快速且质量稳定。 1. FOS系统的安装和信息集成
实现列车实时精确定位的基础是安装可采集准确、多元数
三、测量数据的智能分析 据的FOS系统。最大程度地实现FOS系统安装和集成的自动化，
为对FOS系统采集到的数据进行分析，以实现列车检测的目 可在降低测量成本的同时，提高列车定位的精度。
的，必须对数据分析算法进行调整。目前，可采用2种算法，即 在安装时，只需将FOS系统组件与电源、网络和2条光纤连
基于规则的算法与基于计算机的算法。 接，按下按钮开启系统的自动配置，并进行独立的地理校准；
1.基于规则的算法 在进行数次列车行车试验后，便可投入运营。地理校准和分析
基于规则的算法需要利用一些选定的参数，并在参数交 算法的质量决定列车定位的精度。目前，在传感器空间分辨率
̾ḤḤ͓͜͠Ḥ༢קྟބקਈҩਈ֥ਙӚྐݼؓб ̿ḤḤ͓͜͠Ḥ༢ҩ֤֥ਙӚྐݼ
网络电信 二零二一年六月 67
