BDS-3 precise point positioning applied to railway survey
-
摘要: 为研究第三代北斗卫星导航系统(BDS -3,BeiDou Navigation Satellite System-3 )精密单点定位技术(PPP ,Precise Point Positioning)在铁路勘测应用中的可行性,文章推导了BDS-3任意双频非差非组合PPP通用函数模型,并采用该模型对BDS-3卫星B1I、B3I、B1C和B2a信号形成的5种双频组合进行PPP解算和性能分析,利用某铁路观测数据,对BDS-3进行PPP解算。结果表明, 所有观测时段内可见卫星数约为7~11颗,空间位置精度因子(PDOP,Position Dilution of Precision)值约为2.0,可见卫星数较多,且空间几何分布良好;在静态和仿动态解算模式下,在水平和高程方向均可实现厘米级的定位精度。该研究可为BDS-3精密单点定位技术在铁路勘察中的应用提供参考。Abstract: In order to study the feasibility of BeiDou Navigation Satellite System (BDS)-3 Precise Point Positioning (PPP) in railway survey application, this paper used BDS-3 satellite observation data to deduce BDS-3 arbitrary dual-frequency undifferenced and uncombined PPP universal function model. By using this model, the paper carried out the PPP solutions and performance analysis of five dual-frequency combinations formed by BDS-3 satellite signals B1I, B3I, B1C and B2a, and used a railway observation data to calculate BDS-3 PPP. The results show that the number of visible satellites is about 7~11, and the spatial Position Dilution of Precision (PDOP) is about 2.0 during the observation period. The number of visible satellites is large and the spatial geometry distribution is good. BDS-3 can achieve centimeter-level positioning accuracy in both horizontal and elevation directions in static and pseudo-dynamic solution modes. This study can provide reference for the application of BDS-3 precision point positioning technology in railway survey.
-
高速铁路(简称:高铁)是一个由人、机、料、管理和环境等组成的复杂交通运营系统,其运行的安全性、可靠性较高,但若发生事故,将严重威胁到社会运行及人民的安全。高铁事故种类众多、致因广泛、类型复杂的特点造成了事故致因分析的复杂性[1-2]。
目前,知识图谱和故障树已在轨道交通领域得到广泛应用。姜达[3]构建车载设备故障维修日志知识图谱,挖掘车载设备故障的内部联系;翁湦元等人[4]构建铁路客运延伸服务产品知识图谱,帮助用户获取延伸服务产品信息;王莉等人[5]构建地铁工程事故知识图谱,并提出地铁工程事故分析流程;杨凯等人[6]采用静态故障树对高铁钢轨断裂的类型和原因进行总结和归纳,以在一定程度上减少断轨事故的发生;周凤[7]使用故障树分析法,分析导致动车组空调失效的主要原因,优化空调失效的应急处置办法;贾潞[8]建立动车组受电弓故障树模型,提出针对受电弓故障的处理对策以及日常检修指导意见;王蔚[9]运用故障树对高铁牵引供电系统中变电所和接触网的典型安全问题进行定性分析,提出针对高铁牵引供电系统的相关管理措施。
本文基于以上研究内容,结合高铁事故领域研究分析成果较少的现状,通过构建高铁事故知识图谱实现事故数据汇总;使用图数据库构建高铁事故致因逻辑关系;并基于图数据库的查询结果,通过Python编程生成事故致因故障树,对高铁事故的致因进行分析。
1 技术路线
本文对高铁事故致因分析的技术路线如图1所示。
(1)在构建高铁事故知识图谱本体层时,基于“七步法”[10]明确本体中类、类的属性及类之间的关系。
(2)获取高铁事故数据,并将事故数据转化为CSV文本格式,完成对数据的预处理,实现知识图谱数据层的构建。
(3)使用Neo4j图数据库,将保存为CSV文件的数据基于Python编程生成高铁事故致因知识图谱;使用Cypher图数据库查询语言,实现知识图谱的查询工作。
(4)根据知识图谱中查询到的事故致因逻辑关系,通过程序生成高铁事故致因故障树,得出对高铁事故的致因分析。
2 高铁事故知识图谱
2.1 本体层构建
结合高铁事故领域的实际需求,采用“七步法”构建高铁事故本体层,具体步骤如下。
(1)确定本体的领域
本文的知识图谱本体依托于高铁事故,通过对事故相关知识的抽象表示,进而实现高铁事故知识图谱的构建。
(2)查看是否有可复用本体
查找是否有相关领域己经构建完成的本体,如果有,则可以直接导入本体以节省构建成本和时间,然而目前还未找到已构建好的高铁事故知识图谱相关本体。
(3)确定重要术语
如“异物侵限”“违规作业”等事故致因,“列车脱轨”“中途停车”等事故后果,“特别重大事故”“重大事故”等事故等级,均为重要术语。
(4)定义类及其层次结构
本文采用自顶向下的方式,即先定义事故领域类中最宽泛的概念,然后对本体的类逐步细化,本体的类层次如表1所示。
表 1 高铁事故领域本体的类层次及其属性类 属性 事故说明 事故发生时间、所在国家、事故车次 事故直接致因 简述事故发生的直接致因 事故致因分类 违规作业、观察错误、监管不力、质量控制不充分、
法规措施不完善、恶劣天气、周界入侵、
不利地理环境、设备故障、软件故障、设计缺陷事故致因归属 人为因素 作业人员、公务工程、管理部门 设备因素 机车车辆、通信信号系统、牵引供电系统 环境因素 外部环境 事故后果 列车情况、线路情况、经济损失、
人员受伤情况、人员死亡情况等事故等级 特别重大事故、重大事故、较大事故、一般A类事故、
一般B类事故、一般C类事故、一般D类事故(5)确定类的属性
综合分析国内外高铁事故,提炼常见事故致因,对高铁事故本体“事故致因分类”做进一步描述;为“事故致因归属”做进一步的分类,添加人为因素、设备因素、环境因素3项事故分类方式;根据铁路交通事故应急救援和调查处理条例[11],总结高铁列车事故等级。综上得到高铁事故相关类的属性如表1所示。
(6)定义属性约束
针对高铁事故领域本体的属性,对“事故发生时间”“事故车次”“列车情况”“经济损失情况”等属性进行格式及数值范围的约束限制。
(7)创建具体实例
通过质量评估后,创建类的具体实例。此外,在高铁事故本体中存在相关性,两个类之间可通过相应的关系联系起来,高铁事故本体中类间关系如图2所示。
2.2 数据层构建
在定义高铁事故知识图谱本体层后,通过获取高铁事故数据并对其进行处理,实现知识图谱数据层的构建。
本文统计了2007—2022年国内外共52例高铁事故,源自介绍高铁事故的文献与书籍、国家铁路智能云平台、相关新闻报道及国内外搜索引擎。
对高铁事故数据进行处理时需要将大量事故数据转化为CSV文本格式,如表2所示。CSV文件作为纯文本文件,有其具体的格式要求:文件的第1行为标题行,说明每一列数据的含义;文件由任意数目的记录构成,记录间以换行符分割;每条记录由字段构成,字段间以逗号作为分隔符,若字段中有逗号,则用双引号引用。
表 2 CSV格式的高铁事故数据示例时间,列车,国籍,事故直接致因,事故后果 “2011/7/12”,“G102次高铁”,“中国”,“受电弓损伤”,“中断供电2小时” “2013/11/22”,“D28次动车”,“中国”,“施工人员违规作业”,“四人死亡,1人受伤” “2018/6/14”,“山阳新干线希望176号”,“日本”,“人为穿越铁路”,“一人死亡” “2022/3/16”,“东北新干线山彦号223次”,“日本”,“福岛地震”,“列车脱轨,车厢倾侧” 表2列举了CSV格式表示的4例高铁事故的部分信息,根据高铁事故知识图谱本体中的类及其属性,首行的标题行分别代表了每一列数据的含义。基于此数据处理后的得到的CSV文件,可通过图数据库构建知识图谱。
2.3 知识图谱构建
本文通过Python编程生成知识图谱,步骤如下。
(1)导入CSV文件的插件“csv”,同时导入Neo4j的插件“py2neo”及其Graph(图)、Node(节点)、Relationship(关系)数据结构;
(2)链接Neo4j图数据库;
(3)打开CSV文件,基于文件中的数据及Graph、Node、Relationship的数据结构及其函数创建知识图谱的节点与关系。
通过Neo4j图数据库及上述方法生成高铁事故知识图谱,如图3所示。
本知识图谱共包含251个实体,328条关系。其中,时间实体48项,国籍实体6项,事故直接致因65项,事故致因分类实体14项,事故后果49项,事故等级7项,事故致因归属7项,列车52项,人环境设备归属3项。
2.4 知识图谱查询
Cypher是Neo4j提出的一种声明式的图数据库查询语言,可用于构建表达性强且高效的查询语句,允许用户声明从图数据库中选择、插入、更新或删除等操作,而不需要精确地描述操作具体实现方式。高铁事故致因关系知识图谱中的Cypher查询语句示例如表3所示。
表 3 高铁事故致因关系中的Cypher查询语句示例序号 Cypher查询语句示例 查询结果 1 Match data=(n:列车{name:'XX高铁'})-[rel*1..3]->(m) return n,rel,m “XX高铁”事故知识图谱模型 2 Match (n:事故致因分类)-[:事故直接致因]->(m:事故直接致因) RETURN n,m 事故直接致因与事故致因分类的知识图谱关系模型 3 Match data=(n)<-[rel*1..3]->(m:人车环境{name:'人'}) return n,rel,m “人为因素”事故致因关系模型 3 故障树生成与事故分析
3.1 故障树生成
为从宏观层面对高铁事故致因进行分析,本文基于知识图谱中查询到的事故致因,通过Python编程构建故障树,生成路线如图4所示。
根据图4构建的“人为因素”事故致因模型故障树,可以类似得到“环境因素”和“设备因素”事故致因故障树,如图5所示。基于知识图谱的构建结果,高铁事故致因故障树从人、环境、设备出发,基于事故致因归属和事故致因分类,从宏观角度展示高铁事故致因。
3.2 事故分析
通过生成的高铁事故致因故障树,得到事故总体致因分析结果,结合获取到的高铁事故数据,生成事故致因柱状统计图,如图6所示。图中横坐标表示各具体事故致因,纵坐标表示各致因导致的事故占总事故的比率。分别用3种颜色区分人为因素、环境因素、设备因素的事故致因。
通过图6可以看出,在人、环境、设备等3种致因中,人为因素导致了更多的高铁事故发生,占比达总体事故的42.3%;根据事故致因导致事故发生的数量,前3项致因分别是“管理部门的监管不力”“外部环境的恶劣天气”和“工作人员的违规作业”,总和达到高铁事故的51.92%。因而,建议铁路各部门规范人员操作、加强监管力度、预警与防范自然灾害及次生灾害,保障铁路安全可靠运行;建议铁路各设备研发设计部门,改进控制系统的设计架构,可加入全息传感检测网络及其他新式监测设备,做到事前预判,提高系统的判别能力。
4 结束语
本文针对高铁事故对象广泛、类型复杂、尚未形成统一的事故汇总体系、无法深入分析其致因的问题,使用知识图谱和故障树完成了对高铁事故的数据整理汇总及事故致因分析,对铁路相关各部门组织提出了切实可行的建议。
因中国高铁安全性、可靠性较高,高铁事故数据并不多,数据集较小;此外,对高铁事故致因的分析并没有使用更多的智能化方法,在下阶段可对以上部分进行改进。
-
表 1 5种双频组合12个测站静态解平均RMSE和收敛时间
组合频点 定位精度RMSE/cm 收敛时间/min E N U B1I/B3I 1.4 1.0 2.2 37 B1C/B2a 1.9 1.4 2.6 103 B3I/B1C 1.7 1.4 6.2 72 B3I/B2a 2.7 1.7 8.0 205 B1I/B2a 2.0 1.5 2.5 87 表 2 5种双频组合12个测站动态解平均RMSE和收敛时间
组合频点 定位精度RMSE/cm 收敛时间/min E N U B1I/B3I 3.0 2.7 5.7 49 B1C/B2a 5.7 4.8 12.8 182 B3I/B1C 3.7 3.0 10.9 126 B3I/B2a 18.9 15.6 32.6 332 B1I/B2a 5.8 5.6 12.1 194 -
[1] 李 杨, 高淑照, 惠晨亮, 等. BDS在铁路工程测量应用中的精度分析[J/OL]. 导航定位学报, 2022(04): 1-10[2022-02-24]. http://kns.cnki.net/kcms/detail/10.1096.P.20211207.1950.002.html. [2] 陶 灿, 曹成度, 滕焕乐, 等. 基于单一北斗二代系统的高速铁路CP0框架控制网基线解算和精度分析[J/OL]. 铁道标准设计: 1-7[2022-02-24]. https://doi.org/10.13238/j.issn.1004-2954.202009150007. [3] 靳成铭,蔡伯根,王 剑,等. 铁路导航精密单点定位方法改进及性能验证 [J]. 铁道学报,2020,42(12):82-89. DOI: 10.3969/j.issn.1001-8360.2020.12.011 [4] 张小红,胡家欢,任晓东. PPP/PPP-RTK新进展与北斗/GNSS PPP定位性能比较 [J]. 测绘学报,2020,49(9):1084-1100. DOI: 10.11947/j.AGCS.2020.20200328 [5] 梅建东. GPS双频/三频静态精密单点定位精度分析 [J]. 测绘标准化,2021,37(3):37-41. [6] 郭树人,蔡洪亮,孟轶男,等. 北斗三号导航定位技术体制与服务性能 [J]. 测绘学报,2019,48(7):810-821. [7] Zhang Rui, Tu Rui, Zhang Pengfei, et al. Orbit determination of BDS-3 satellite based on regional ground tracking station and inter-satellite link observations [J]. Advances in Space Research, 2021, 67(12): 4011-4024. DOI: 10.1016/j.asr.2021.02.027
[8] 刘生锋,杨文龙,谷 涛. BDS-3双频组合精密单点定位精度分析 [J]. 测绘通报,2021(3):7-11,17. [9] 陈哲正,欧阳明俊,朱祥维,等. 北斗三号精密单点定位精度分析研究 [J]. 全球定位系统,2021,46(2):37-43. DOI: 10.12265/j.gnss.2020112701 [10] 周 锋. 多系统GNSS非差非组合精密单点定位相关理论和方法研究[D]. 上海: 华东师范大学, 2018. [11] 赵 琳,李宏宇,侯毅男,等. 多系统混频非差非组合精密单点定位方法研究 [J]. 导航定位与授时,2021,8(5):96-102. -
期刊类型引用(2)
1. 陈家旭,张景昱,方兴,王铭铭. 基于MBSE的铁路系统RAMS分析技术研究综述. 铁道运输与经济. 2025(02): 68-78+88 . 百度学术
2. 罗睿. 高速公路交通事故领域知识图谱构建方法. 交通建设与管理. 2024(04): 93-97 . 百度学术
其他类型引用(2)