Railway gale disaster early warning system
-
摘要: 为应对大风天气对铁路运输的影响，设计并实现了铁路大风灾害预警系统。系统基于B/S架构，针对铁路沿线风速监测点的数据状况，利用数据预测模块的移动平均法、单指数平滑法和三次指数平滑法对未来时段的风速进行预测，并进行综合评价预警，辅助调度人员进行调控决策，使列车能够根据限速建议及时做出运行调整。Abstract: In order to deal with the impact of gale weather on railway transportation, this paper designed and implemented the railway gale disaster early warning system. The system based on the B/S architecture, aimed at the data status of wind speed monitoring points along the railway, used moving average method, single exponential smoothing method and cubic exponential smoothing method of the data prediction module to predict the wind speed in the future, and conducted early warning comprehensive evaluation to assist dispatchers in regulation and decision-making, so that the train can make operation adjustment in time according to the speed limit suggestions.
-
高速铁路的快速发展在一定程度上促进了国民经济的发展与和社会文明的进步，其安全性和可靠性对高速铁路发展具有重要意义。由于我国地形地貌复杂多变，很多铁路线常年受到自然灾害的威胁，大风是威胁铁路安全的自然灾害之一。
列车在高速运行时，会产生上浮力和俯仰力矩。随着运行速度的增加，上浮力和俯仰力矩也会不断增大，使轮轨附着力不足，列车处于“浮动”状态。在这种状态下，列车易受强风影响而发生行车事故[1]。由于高速列车的运行速度高，车体与轨道之间的摩擦力小，当遇到强侧风时，复杂的流场往往会使列车的动力响应恶化，甚至引起脱轨和侧翻事故，危及行车安全[2]。
为保障大风作用下列车的运行安全，自20世纪80年代开始，我国铁路科技工作者系统地研究铁路防风技术，主要分为被动防风技术和主动防风技术[3]。对铁路调度员而言，如果在大风影响铁路正常运营之前，能接收到预警，为其争取足够的时间做出决策，确定合理、适度的对策，可对防灾、保障行车安全和效率起到积极作用[4]。目前我国铁路大风监测与预警类系统普遍基于实测数据而缺乏预测功能，尽管很多学者研究了风速预测方法，但较少有学者研究如何将这些预测集成到系统平台中。为此，本文设计并实现了基于预测技术的铁路大风灾害预警系统，为铁路灾害预警提供参考。
1 总体架构
铁路大风灾害预警系统采用B/S体系架构，基于JavaEE编程环境。客户端向服务器发起HTTP请求，JavaEE Server中的Web服务层处理HTTP请求[5-6]。系统总体架构包括：感知层、数据层、基础设施层、网络层、服务层及应用层，如图1所示。
1.1 感知层
感知层的主要作用是获取铁路沿线各个监测点的动态监测数据，自动采集风速、风向、温度、湿度等实时数据，按一定方式把这些数据编排成字符串，添加时间标签后，进行本地化存储，并通过通信模块发送到中心服务器[7]。监测站的仪器设备有风速风向传感器、温度传感器、湿度传感器和电源设备等。风速风向传感器采用超声波式风速风向仪，结构简单、无运动部件、使用寿命长，由超声波收发换能器发送、接收脉冲信号，原理上没有零点漂移，性能稳定，被认为是理想的测量方法之一[8]。
1.2 数据层
数据层负责集中存储、维护和管理从铁路工程建设管理平台移交的静态数据资料和从传感设备上传的动态监测数据信息，包括风速、风向、温度、湿度等实时检测数据，并实时反馈给服务层。
1.3 基础设施层
基础设施层由服务器、网络设备、存储设备、安全设备及其他设备资源组成，实现与不同级别、不同专业的运维管理信息系统间的数据交换，保证系统的高性能、高可靠、稳定运行，具有灵活的扩展性，能够轻松应对业务发展。
1.4 网络层
网络层将采集到的数据和信息安全、快速地进行传输，主要包括互联网、物联网和 Wi-Fi，为数据信息提供高效、实时的传输通道。各级运维管理部门通过客户终端可随时随地获取数据、声音和视频信息。
1.5 服务层
服务层提供对存储数据信息的查询、管理及发布服务。后台监控人员可查看铁路沿线各个风速检测点的监测数据，并根据风速给出限速建议。监测人员可根据限速建议给行至该区间的列车发出具体的限速命令。
1.6 应用层
应用层主要由通信模块、数据可视化模块、报警联动模块组成，通讯模块通过TCP/IP协议与中心服务器建立连接，接收服务器传输的时间序列（包含采集数据与预测数据）。对一维时间序列数据进行可视化分析，如果预测的数据超过报警阈值，报警联动模块被触发，提醒监测人员，需告知相应列车可能应对紧急情况。
2 系统开发环境
2.1 前端框架
jQuery可提供更加简便的JavaScript设计模式，对HTML文档操作、动画设计和Ajax交互功能进行了优化。本文主要利用jQuery中的文档操作和Ajax的交互功能。
Layui是一款采用自身模块规范编写的前端 UI 框架，遵循 HTML、CSS、JS 的书写与组织形式。Layui 提供了丰富的内置模块，可通过模块化的方式按需加载。本文主要对其中的table、form、layer等模块进行应用。
2.2 MySQL数据库
本文在MySQL数据库中记录了我国某铁路沿线的各个风速监测点的风速监测状况，即各风速监测点在过去一段时间内监测到的风速、风向、温度、湿度、气压情况，以及给行至该路线的列车的限速建议情况。
3 系统功能
3.1 基础信息展示
系统主界面展示各类基础信息，包括：风速报警说明、风速监测图、监测点总数、管理员总数及管理车站总数等，如图2所示。
（1）风速报警说明参照历史事故数据，给出不同风力等级情况下的列车限速建议，如表1所示。
表 1 风速等级划分及列车限速建议等级 风速/ms−1 列车限速建议 零级 < 15 列车正常行驶 一级 [15,20) 列车限速300 km/h 二级 [20,25) 列车限速200 km/h 三级 [25,30] 列车限速100 km/h 四级 >30 列车禁止驶入大风区 （2）风速监测图是根据某段铁路线上某个风速监测点的部分数据形成的可视化监测曲线，也是历史记录中风速的数据来源，如图3所示。
3.2 大风报警记录
依据某段铁路线上某区间内的风速监测点的监测数据，监控人员可根据限速建议给行至该区间的列车发出限速命令，也可根据监测点编号查询该监测点的所有监测数据，如图4所示。
3.3 风速风向历史记录
系统可列举出用户查询的铁路区段上某监测点各个时刻的实时风速、风向、气压、温度、湿度等数据情况，如图5所示。
3.4 风速预测
系统可通过移动平均法、单指数平滑法和三次指数平滑法3种方法对未来时间段的风速进行预测，并将预测结果以直观方式呈现。
（1）移动平均算法
该算法根据时间序列逐项推移，依次计算包含一定项数的序时平均数，来进行预测的方法。即用最近的k个风速观测值预测出未来时间序列的平均值，可消除时间序列的数值由于受周期变动和随机波动而起伏较大的影响。
（2）单指数平滑法
该算法是在移动平均法基础上发展出的时间序列分析预测方法。通过对指数平滑值的计算，结合一定的时间序列预测模型，对未来的现象进行合理预测，其原理是任意周期的指数平滑值是实际观测值和上一周期指数平滑值的加权平均值[9]。
（3）三次指数平滑法
考虑到数据具有季节性（每过一个固定时间间隔就重复相同模式的数据），本文使用三次指数平滑法进行预测，3个平滑方程分别拟合level、trend、seasonal函数。其中，level函数是季节性调整后的观测值和上一期不含季节性的预测值的加权平均值；trend函数和霍尔特线性预测方法是一致的；seasonal函数是当前的季节性系数和上一个周期同期的季节性系数的滑动平均值。
算法模型的训练数据基于风速/风向历史记录中的风速数据。训练后的模型可对未来时间段的风速值做出预测，帮助列车根据预测的风速值提前进行变速操作。
4 结束语
本文设计实现了铁路大风灾害预警系统，基于铁路沿线风速监测点的监测状况和风速预测值，做出综合评价，给正在行驶的列车以调控决策信息，使列车能够根据限速建议及时做出调整，对保障列车行车安全具有实际意义。
-
表 1 风速等级划分及列车限速建议
等级 风速/ms−1 列车限速建议 零级 < 15 列车正常行驶 一级 [15,20) 列车限速300 km/h 二级 [20,25) 列车限速200 km/h 三级 [25,30] 列车限速100 km/h 四级 >30 列车禁止驶入大风区 
下载: 导出CSV
-
[1] 徐 超. 高速铁路综合防灾安全监控系统的研究[D]. 北京: 中国铁道科学研究院, 2010. [2] 姜 海. 高速铁路监测系统大风预警功能方案研究 [J]. 电气化铁道,2016(3):43-46. DOI: 10.3969/j.issn.1007-936X.2016.03.013 [3] 李向国. 高速铁路技术[M]. 北京: 中国铁道出版社, 2005. [4] 张 辉. 防灾安全监控系统中的大风监测与预警 [J]. 铁道通信信号,2009,45(3):50-52. DOI: 10.3969/j.issn.1000-7458.2009.03.024 [5] 单剑锋,马德锦. 常用Web服务技术研究 [J]. 计算机技术与发展,2013,23(6):253-257. [6] 何养育,韩慧莲. 数据库系统概述 [J]. 机械管理开发,2008,23(1):94-95. [7] 许 平. 青藏铁路大风监测预警与行车指挥系统研究[D]. 长沙: 中南大学, 2009. [8] 龚 炯,王鹏扁. 高速铁路大风监测预警系统的研究 [J]. 高速铁路技术,2012(1):9-12, 18. DOI: 10.3969/j.issn.1674-8247.2012.01.003 [9] 朱海萍,丁 西,刘 链. Web前端中基于MVVM框架的技术应用研究 [J]. 科技资讯,2020,18(30):18-20. -
期刊类型引用(2)
1. 张红萍，邵振峰，胡滨，黄俊，姜明波. 战场环境灾害天气信息保障技术及其发展趋势. 火力与指挥控制. 2024(01): 16-24 . 
百度学术
2. 过加锦，李磊，任俞霏，马祯. 融合信号分解与排列熵的高铁线路风速区间预测方法. 交通科技与经济. 2023(04): 74-80 . 百度学术
其他类型引用(3)
计量
- 文章访问数: 242
- HTML全文浏览量: 81
- PDF下载量: 67
- 被引次数: 5
