一种基于物联网的铁路智能控制方法及系统与流程

1.本技术涉及数据处理领域，尤其涉及一种基于物联网的铁路智能控制方法及系统。


背景技术：

2.随着经济的快速发展和社会生活水平的稳步提高，对于交通运输的安全性和便利性有着更高的要求，铁路运输作为不可或缺的一种运输方式，具有点多、线多、单位多、分工细和连续性强的特点，因此，研究铁路车组的调度情况，对于提高我国的运输业发展有着十分重要的意义。
3.目前，通过建立铁路列车运行图，将整个铁路网的运输生产活动联系成为一个统一的整体，严格按照一定的程序进行工作。即通过人为编制整个铁路网的运行图，进而根据整个铁路运行图，各个站点编制列车运行计划，调度列车运行。
4.然而，由于在列车运行的过程中，影响列车正常运行的因素众多，因素的变化很难找到规律，因此，根据列车运行图编制的计划往往无法适应突发情况，从而导致运输调度迟缓的后果。存在铁路运输调度智能化程度低，无法全面对铁路运输进行调度的技术问题。


技术实现要素：

5.本技术的目的是提供一种基于物联网的铁路智能控制方法及系统，用以解决现有技术中存在铁路运输调度智能化程度低，无法全面对铁路运输进行调度的技术问题。
6.鉴于上述问题，本技术提供了一种基于物联网的铁路智能控制方法及系统。
7.第一方面，本技术提供了一种基于物联网的铁路智能控制方法，其中，所述方法包括：通过传感器组采集获得铁路运行车组的运行数据信息，所述运行数据信息包括车组方位信息、目标距离信息、运行速度信息；将所述车组方位信息、目标距离信息、运行速度信息通过通信传输模块上传至铁路调度平台进行分析，获得车组运行特征信息；获取铁路车组信息调度表，将所述铁路车组信息调度表作为调度约束参数；通过图像采集装置监控获得所述铁路运行车组的运行环境特征信息，将所述运行环境信息作为环境约束参数；基于所述车组运行特征信息、所述调度约束参数和所述环境约束参数进行调度分析，获得铁路车组调度参数信息；基于所述铁路车组调度参数信息对所述铁路运行车组进行调度控制。
8.另一方面，本技术还提供了一种基于物联网的铁路智能控制系统，其中，所述系统包括：采集模块，所述采集模块用于通过传感器组采集获得铁路运行车组的运行数据信息，所述运行数据信息包括车组方位信息、目标距离信息、运行速度信息；特征信息获取模块，所述特征信息获取模块用于将所述车组方位信息、目标距离信息、运行速度信息通过通信传输模块上传至铁路调度平台进行分析，获得车组运行特征信息；调度参数设定模块，所述调度参数设定模块用于获取铁路车组信息调度表，将所述铁路车组信息调度表作为调度约束参数；环境参数设定模块，所述环境参数设定模块用于通过图像采集装置监控获得所述铁路运行车组的运行环境特征信息，将所述运行环境信息作为环境约束参数；调度分析模
块，所述调度分析模块用于基于所述车组运行特征信息、所述调度约束参数和所述环境约束参数进行调度分析，获得铁路车组调度参数信息；调度控制模块，所述调度控制模块用于基于所述铁路车组调度参数信息对所述铁路运行车组进行调度控制。
9.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：
10.本技术通过获得铁路运行车组的运行数据信息，得到车组方位信息、目标距离信息、运行速度信息，然后将车组方位信息、目标距离信息、运行速度信息通过通信传输模块上传至铁路调度平台进行分析，分析车组的运行特征，得到车组运行特征信息，进而将铁路车组信息调度表作为调度约束参数，然后通过图像采集装置监控获得铁路运行车组的运行环境特征信息，将运行环境信息作为环境约束参数，来限制对运行车组的调度，最后根据车组运行特征信息、调度约束参数和环境约束参数进行调度分析，获得铁路车组调度参数信息，对所述铁路运行车组进行调度控制。达到了提高对铁路车组进行调度的效率，智能化的对车组运行进行控制的技术效果。
附图说明
11.为了更清楚地说明本技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
12.图1为本技术实施例提供的一种基于物联网的铁路智能控制方法的流程示意图；
13.图2为本技术实施例提供的一种基于物联网的铁路智能控制方法中获得车组运行特征信息的流程示意图；
14.图3为本技术实施例提供的一种基于物联网的铁路智能控制方法中获得铁路运行车组的运行环境特征信息的流程示意图；
15.图4为本技术一种基于物联网的铁路智能控制系统的结构示意图；
16.附图标记说明：采集模块11，特征信息获取模块12，调度参数设定模块13，环境参数设定模块14，调度分析模块15，调度控制模块16。
具体实施方式
17.本技术通过提供一种基于物联网的铁路智能控制方法及系统，解决了现有技术中存在铁路运输调度智能化程度低，无法全面对铁路运输进行调度的技术问题。达到了根据车组运行的实时情况，智能化进行车组调配，提高控制效率的技术效果。
18.本技术技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
19.下面，将参考附图对本技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术的一部分实施例，而不是本技术的全部实施例，应理解，本技术不受这里描述的示例实施例的限制。基于本技术的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本技术相关的部分而非全部。
20.实施例一
21.如图1所示，本技术提供了一种基于物联网的铁路智能控制方法，其中，所述方法包括：
22.步骤s100：通过传感器组采集获得铁路运行车组的运行数据信息，所述运行数据信息包括车组方位信息、目标距离信息、运行速度信息；
23.具体而言，所述传感器组是用来采集铁路运行车组的方位、运行距离、运行速度的传感器组合，为了获得铁路运行车组在运行过程中产生的运行数据。可选的，所述传感器组包括：gps定位模块、速度传感器、温度传感器、风压传感器等。所述铁路运行车组是在铁路上运行的任一车组。所述运行数据信息是所述铁路运行车组在运行过程中的一系列参数，可以反映所述铁路运行车组的运行状况。其中，所述车组方位信息是反映列车在行进过程中的实时地理位置的信息。所述目标距离信息是反映列车距离行驶目的地的剩余距离的信息。所述运行速度信息是反映列车在行进过程中的实时速度的信息，包括：瞬时速度、平均速度、瞬时加速度等。由此，通过获得铁路运行车组的实时运行信息，为后续基于实时运行信息对列车的进行调度提供了基础数据。
24.步骤s200：将所述车组方位信息、目标距离信息、运行速度信息通过通信传输模块上传至铁路调度平台进行分析，获得车组运行特征信息；
25.进一步的，如图2所示，所述将所述车组方位信息、目标距离信息、运行速度信息通过通信传输模块上传至铁路调度平台进行分析，获得车组运行特征信息，本技术实施例步骤s200还包括：
26.步骤s210：获得铁路运行车组的车组类型信息；
27.步骤s220：构建车组运行分析模型库；
28.步骤s230：根据所述车组类型信息从所述车组运行分析模型库中调用个性化运行车组分析模型；
29.步骤s240：所述铁路调度平台将所述车组方位信息、目标距离信息、运行速度信息输入所述个性化运行车组分析模型，获得模型输出结果，所述模型输出结果包括所述车组运行特征信息。
30.具体而言，所述通信传输模块是用来将采集到的铁路运行车组的实时运行数据信息传输给铁路调度平台的模块。所述铁路调度平台是对铁路系统日常运输工作情况进行信息监控、统一调度的系统。所述车组运行特征信息是反映所述铁路运行车组的运行特点的信息，可选的，包括运输速度、运输位置、运输保密性等。所述车组类型信息是反映所述铁路运行车组的运行方式和运行速度要求的信息。可选的，所述运行方式包括：临时列车、快速列车、特快列车和直达特快列车等。所述运行速度要求信息包括：货车速度为80-120km/h；通勤车速度为80km/h；普通快车速度为100-120km/h；快速列车速度为110-120km/h；特快列车速度为140-160km/h；动车组的运行速度为200-250km/h；高铁的运行速度为300-350km/h以上。
31.具体的，所述车组运行分析模型库是包含多个对列车进行不同方面运行分析的模型库，用来对列车的运行情况进行分析。所述个性化运行车组分析模型是根据所述车组类型信息从所述车组运行分析模型库中调用的，是针对具体运行的车组进行分析的模型。通过将所述铁路运行车组的所述车组方位信息、目标距离信息、运行速度信息输入到所述个性化运行车组分析模型中，对车组进行精细化分析，得到运行特征信息。由此，实现了对运
行车组进行针对性分析的目标，达到了根据不同的车组类型设定进行不同的分析，从而提高调度控制的准确度的技术效果。
32.进一步的，所述构建车组运行分析模型库，本技术实施例步骤s220还包括：
33.步骤s221：获得历史车组运行情况信息；
34.步骤s222：将所述历史车组运行情况信息按照不同车组类型分别输入神经网络模型中进行训练，获得与不同类型车组运行情况信息相对应的车组运行分析模型集合；
35.步骤s223：根据所述车组运行分析模型集合，构建所述车组运行分析模型库。
36.进一步的，所述将所述历史车组运行情况信息按照不同车组类型分别输入神经网络模型中进行训练，本技术实施例步骤s222还包括：
37.步骤s2221：对所述历史车组运行情况信息进行数据敏感性评价，获得数据敏感度等级；
38.步骤s2222：根据所述数据敏感度等级，选择数据加密算法；
39.步骤s2223：基于所述数据加密算法对所述历史车组运行情况信息进行数据加密，获得历史加密车组运行情况信息；
40.步骤s2224：将所述历史加密车组运行情况信息按照不同车组类型分别输入神经网络模型中进行训练。
41.具体而言，所述历史车组运行情况信息是通过大数据获取过去一点时间的列车车组的运行情况，得到运行中产生的数据信息，包括：运输目的地、运输条件、运输环境、运输目的等信息。通过获得的所述历史车组运行情况信息按照不同的车组类型作为输入数据，输入到神经网络模型中进行训练，从而得到不同类型车组运行情况信息对应的模型集合。其中，所述车组运行分析模型集合是可以根据获得车组运行信息分析车组运行特征的模型的集合。
42.具体的，所述数据敏感性评价是对历史车组运行情况中涉及到需要保密的数据敏感程度进行评价。所述数据敏感度等级是根据数据涉密情况进行评价后获得的保密等级，可选的，所述数据敏感度等级包括秘密、机密、绝密。进而根据不同的数据敏感度等级，选择对数据进行加密的数据加密算法。可选的，所述数据加密算法包括：对称加密算法，非对称加密算法和hash算法。所述历史加密车组运行情况信息是对车组运行过程中涉及的涉密信息进行加密过后获得的车组运行情况信息。进而通过将所述历史加密车组运行情况信息作为输入数据输入到所述神经网络模型中进行训练，既可以保证训练数据的数量，也可以保护涉密信息不发生泄漏。
43.步骤s300：获取铁路车组信息调度表，将所述铁路车组信息调度表作为调度约束参数；
44.具体而言，所述铁路车组信息调度表是进行铁路车组日常工作、运输调度的依据。通过将所述铁路车组信息调度表作为调度约束参数，可以将单独的调度信息建立在整体运行的调度上，由此，可以保证调度的系统化，不偏离整体调度。
45.步骤s400：通过图像采集装置监控获得所述铁路运行车组的运行环境特征信息，将所述运行环境信息作为环境约束参数；
46.进一步的，如图3所示，所述通过图像采集装置监控获得所述铁路运行车组的运行环境特征信息，本技术实施例步骤s400还包括：
47.步骤s410：通过图像采集装置监控获得车组运行环境图像；
48.步骤s420：根据铁路运输安全标准，构建危险运行环境数据库；
49.步骤s430：将所述车组运行环境图像和所述危险运行环境数据库进行特征匹配分析，获得危险运行环境匹配度；
50.步骤s440：基于所述危险运行环境匹配度，确定所述运行环境特征信息。
51.进一步的，所述将所述车组运行环境图像和所述危险运行环境数据库进行特征匹配分析，获得危险运行环境匹配度，本技术实施例步骤s430还包括：
52.步骤s431：根据所述危险运行环境数据库，获得预定卷积特征集合，所述预定卷积特征集合包括危险运行环境特征集合；
53.步骤s432：将所述车组运行环境图像作为输入信息输入深度卷积图像网络中进行特征提取；
54.步骤s433：获得所述深度卷积图像网络的输出结果，所述输出结果包括符合所述预定卷积特征集合的危险运行环境特征信息；
55.步骤s434：基于所述危险运行环境特征信息，确定所述危险运行环境匹配度。
56.具体而言，所述图像采集装置是对运行车组周围运行环境进行采集的装置，可选的，所述图像采集装置包括：摄像机、红外摄像仪等。所述运行环境特征信息是所述运行车组的在运行过程中周围的危险情况。所述车组运行环境图像是车组在运行过程中经过的环境图像，可选的，包括：山体图像、电缆图像、障碍物图像等。所述铁路运输安全标准为了加强铁路安全管理，保障铁路运输安全和畅通，保护人身安全和财产安全设立的运输过程中安全标准。根据标准内容，获得处于危险运行状态的运行环境信息，由此组成了所述危险运行环境数据库。
57.具体的，通过所述危险运行环境数据库，得到标志处于危险运行环境中的特征，这些危险特征集中在一起构成了所述预定卷积特征集合。所述危险运行环境特征集合是表征车组处于危险状态下的特征的集合。进而，将所述车组运行环境图像输入到所述深度卷积图像网络中，提取车组运行过程中的表征车组运行环境的特征。其中，所述深度卷积图像网络是通过对输入图像进行检测，建立图像分割区域，基于预定规则对图像中表征环境信息的特征进行提取的网络。进而，输出与所述预定卷积特征集合中的特征重合的铁路车组的所述危险运行环境特征信息。进而，通过对所述危险运行环境特征信息进行分析，分析其中包含的危险环境特征程度，来确定所述铁路车组的运行环境与所述危险运行环境的匹配程度。其中，所述危险运行环境匹配度是表征所述铁路车组的运行危险程度的值。
58.具体的，根据所述危险运行环境匹配度可以确定运行危险程度，匹配度高表明列车运行环境比较危险，匹配度低表明列车运行环境安全度高。由此，实现了对列车运行环境智能化分析的目标，从而达到了提高分析效率，提高对列车运行控制的安全性的技术效果。
59.步骤s500：基于所述车组运行特征信息、所述调度约束参数和所述环境约束参数进行调度分析，获得铁路车组调度参数信息；
60.步骤s600：基于所述铁路车组调度参数信息对所述铁路运行车组进行调度控制。
61.进一步的，所述基于所述车组运行特征信息、所述调度约束参数和所述环境约束参数进行调度分析，获得铁路车组调度参数信息，本技术实施例步骤s500还包括：
62.步骤s510：构建铁路调度分析模型，所述铁路调度分析模型包括信息输入层、隐藏
层和信息输出层；
63.步骤s520：将所述车组运行特征信息、所述调度约束参数和所述环境约束参数作为信息输入层，输入至所述隐藏层中进行分析，获得铁路车组调度参数信息；
64.步骤s530：将所述铁路车组调度参数信息作为输出结果通过所述输出层进行输出。
65.具体而言，所述铁路车组调度参数信息是对车组进行运行调度时需要调控的参数类型和调控程度信息。其中，所述调控参数包括：列车行进方向、列车行进速度、列车运行时间等。所述铁路调度分析模型是对铁路的运行情况进行调度情况分析的功能模型，包含信息输入层，隐藏层和信息输出层。其中，所述信息输入层是用于输入需要分析的列车信息的网络层，所述隐藏层是用于对输入信息进行分析的网络层，所述输出层是将分析结果输出的网络层。由此，实现了综合考虑车组自身的运行状况，整体调度情况和运行环境的危险程度后，进行车组调度的目标，达到了提高调度的安全性和准确性的技术效果。
66.综上所述，本技术所提供的一种基于物联网的铁路智能控制方法具有如下技术效果：
67.1.本技术通过传感器组采集获得铁路运行车组的运行数据信息，将车组方位信息、目标距离信息、运行速度信息通过通信传输模块上传至铁路调度平台进行分析，获得车组运行特征信息，获取铁路车组信数，通过图像采集装置监控获得铁路运行车组的运行环境特征信息，作为环境约束参数，基于车组运行特征信息、调度约束参数和环境约束参数进行调度分析，获得铁路车组调度参数信息对铁路运行车组进行调度控制。达到了根据车组运行的实时情况，智能化进行车组调配，提高控制效率的技术效果。
68.2.本技术通过对所述历史车组运行情况信息进行数据敏感性评价，获得数据敏感度等级；根据所述数据敏感度等级，选择数据加密算法；基于所述数据加密算法对所述历史车组运行情况信息进行数据加密，获得历史加密车组运行情况信息；将所述历史加密车组运行情况信息按照不同车组类型分别输入神经网络模型中进行训练。达到了保证训练数据的数量的同时保护涉密信息不发生泄漏的技术效果。
69.实施例二
70.基于与前述实施例中一种基于物联网的铁路智能控制方法同样的发明构思，如图4所示，本技术还提供了一种基于物联网的铁路智能控制系统，其中，所述系统包括：
71.采集模块11，所述采集模块11用于通过传感器组采集获得铁路运行车组的运行数据信息，所述运行数据信息包括车组方位信息、目标距离信息、运行速度信息；
72.特征信息获取模块12，所述特征信息获取模块12用于将所述车组方位信息、目标距离信息、运行速度信息通过通信传输模块上传至铁路调度平台进行分析，获得车组运行特征信息；
73.调度参数设定模块13，所述调度参数设定模块13用于获取铁路车组信息调度表，将所述铁路车组信息调度表作为调度约束参数；
74.环境参数设定模块14，所述环境参数设定模块14用于通过图像采集装置监控获得所述铁路运行车组的运行环境特征信息，将所述运行环境信息作为环境约束参数；
75.调度分析模块15，所述调度分析模块15用于基于所述车组运行特征信息、所述调度约束参数和所述环境约束参数进行调度分析，获得铁路车组调度参数信息；
76.调度控制模块16，所述调度控制模块16用于基于所述铁路车组调度参数信息对所述铁路运行车组进行调度控制。
77.进一步的，所述系统还包括：
78.信息获得单元，所述信息获得单元用于获得铁路运行车组的车组类型信息；
79.模型库构建单元，所述模型库构建单元用于构建车组运行分析模型库；
80.模型调用单元，所述模型调用单元用于根据所述车组类型信息从所述车组运行分析模型库中调用个性化运行车组分析模型；
81.结果输出单元，所述结果输出单元用于所述铁路调度平台将所述车组方位信息、目标距离信息、运行速度信息输入所述个性化运行车组分析模型，获得模型输出结果，所述模型输出结果包括所述车组运行特征信息。
82.进一步的，所述系统还包括：
83.运行信息获得单元，所述运行信息获得单元用于获得历史车组运行情况信息；
84.训练单元，所述训练单元用于将所述历史车组运行情况信息按照不同车组类型分别输入神经网络模型中进行训练，获得与不同类型车组运行情况信息相对应的车组运行分析模型集合；
85.模型库构建单元，所述模型库构建单元用于根据所述车组运行分析模型集合，构建所述车组运行分析模型库。
86.进一步的，所述系统还包括：
87.评价单元，所述评价单元用于对所述历史车组运行情况信息进行数据敏感性评价，获得数据敏感度等级；
88.算法选择单元，所述算法选择单元用于根据所述数据敏感度等级，选择数据加密算法；
89.加密单元，所述加密单元用于基于所述数据加密算法对所述历史车组运行情况信息进行数据加密，获得历史加密车组运行情况信息；
90.加密训练单元，所述加密训练单元用于将所述历史加密车组运行情况信息按照不同车组类型分别输入神经网络模型中进行训练。
91.进一步的，所述系统还包括：
92.环境图像获得单元，所述环境图像获得单元用于通过图像采集装置监控获得车组运行环境图像；
93.数据库构建单元，所述数据库构建单元用于根据铁路运输安全标准，构建危险运行环境数据库；
94.匹配度获得单元，所述匹配度获得单元用于将所述车组运行环境图像和所述危险运行环境数据库进行特征匹配分析，获得危险运行环境匹配度；
95.特征信息确定单元，所述特征信息确定单元用于基于所述危险运行环境匹配度，确定所述运行环境特征信息。
96.进一步的，所述系统还包括：
97.特征集合获得单元，所述特征集合获得单元用于根据所述危险运行环境数据库，获得预定卷积特征集合，所述预定卷积特征集合包括危险运行环境特征集合；
98.特征提取单元，所述特征提取单元用于将所述车组运行环境图像作为输入信息输
入深度卷积图像网络中进行特征提取；
99.输出结果获得单元，所述输出结果获得单元用于获得所述深度卷积图像网络的输出结果，所述输出结果包括符合所述预定卷积特征集合的危险运行环境特征信息；
100.匹配度确定单元，所述匹配度确定单元用于基于所述危险运行环境特征信息，确定所述危险运行环境匹配度。
101.进一步的，所述系统还包括：
102.分析模型构建单元，所述分析模型构建单元用于构建铁路调度分析模型，所述铁路调度分析模型包括信息输入层、隐藏层和信息输出层；
103.参数获得单元，所述参数获得单元用于将所述车组运行特征信息、所述调度约束参数和所述环境约束参数作为信息输入层，输入至所述隐藏层中进行分析，获得铁路车组调度参数信息；
104.输出单元，所述输出单元用于将所述铁路车组调度参数信息作为输出结果通过所述输出层进行输出。
105.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种基于物联网的铁路智能控制方法和具体实例同样适用于本实施例的一种基于物联网的铁路智能控制系统，通过前述对一种基于物联网的铁路智能控制方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于物联网的铁路智能控制系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
106.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。