Centralized operation system for trouble of moving freight car detection system
-
摘要: 针对货车故障轨旁图像检测系统(TFDS,Trouble of moving Freight car Detection System)探测站存在的作业量不均衡、作业关系未有效利用、作业质量差异较大等问题,基于数据传输、数据挖掘、智能判别等技术,将多套TFDS采集的图像和列车信息进行统一存储和任务的智能分配,实现智能管理、作业联控、信息传递等功能。该系统在中国铁路郑州局集团有限公司上线以来,运行效果良好,故障发现效率提升20%以上,为车辆系统深化改革创造了条件,为专业化管理提供了技术支持。
-
关键词:
- 货车故障轨旁图像检测系统(TFDS) /
- 集中作业 /
- 检车效率
Abstract: Aiming at the problems of unbalanced workload, ineffective utilization of operation relationship and great difference of operation quality in the detection station oftrouble of moving freight car detection system (TFDS), based on data transmission, data mining, intelligent discrimination and other technologies, the images and train information collected by multiple TFDS were uniformly stored and tasks were intelligently allocated to implement the functions of intelligent management, joint operation control and information transmission.Since the system was put into operation in Zhengzhou Group Co.Ltd., the operation effect is good, the fault detection efficiency is increased by more than 20%, which creates conditions for the deepening reform of vehicle system and provides technical support for professional management. -
近年来,货车故障轨旁图像检测系统(TFDS,Trouble of moving Freight car Detection System)在全路不断得到推广应用,为铁路货车的运行安全发挥了积极的作用。《铁路货车运用维修规程》(铁总机辆〔2018〕184号)第五十三条规定“TFDS动态检查原则上每人每列不超过10辆”,第一百二十条规定“TFDS动态检查时间原则上按10 min(50辆/列)的标准掌握”[1]。车流量差异较大的探测站和各进路车流不均衡的车站存在TFDS动态检车员工作量不均衡、作业质量差异较大等问题[2]。中国铁路广州局集团有限公司和中国铁路成都局集团有限公司均实施了TFDS集中作业,但仅限在地级市范围内,以车间为单位的集中作业。
针对上述问题,本文开展了铁路局集团有限公司(简称:铁路局)范围内的TFDS集中作业技术研究,打破传统固定配属分配的点到点作业方式,将各车间的TFDS动态检车员集中到一个大的工作平台,进行作业任务二次优化分工,均衡分配每一名动态检车员的工作量,有效解决列车待检问题,提升劳动效率和作业质量,保障铁路货车的运输安全[3-5]。
1 TFDS集中作业系统架构
1.1 总体架构
TFDS集中作业系统由TFDS探测站、列检TFDS服务器、TFDS集中作业服务器、5T服务器及配套网络设备等组成,是一套集数据传输、图像加速、数据挖掘、智能识别于一体的智能作业系统。系统将实时采集的货车车辆运行信息远程传输至铁路局信息机房,实现TFDS探测站实时状态信息、车辆信息、图像信息、故障信息的采集、存储和运用处理,同时,系统具有自动报警功能[6]。系统总体架构如图1所示。
1.2 系统部署
TFDS集中作业系统主要由TFDS探测站、TFDS服务器、铁路局TFDS集中作业服务器、TFDS集中作业中心及作业终端等组成,系统的部署架构如图2所示。
1.2.1 TFDS探测站
TFDS探测站的设备分为室外设备和室内设备。室外设备主要由沉箱、侧箱、室外分线箱、车轮传感器和车号天线等构成;室内设备主要由车辆信息采集设备、图像信息采集设备、车号信息采集设备、控制设备、电源及信号防雷设备、网络传输设备等构成。室内和室外设备相互配合,对通过TFDS探测站的列车进行图片及编组信息采集,并将数据发送至TFDS服务器和铁路局TFDS集中作业服务器。
1.2.2 TFDS服务器及铁路局TFDS集中作业服务器
TFDS服务器配套设备包括图像存储服务器、数据存储服务器、应用服务器、网络传输设备等,主要完成货车车辆运行信息的数据存储、处理及传输等工作。TFDS服务器能够对实时采集的货车车辆运行数据进行解析、智能分析判断、智能存储,并传送至铁路局TFDS集中作业服务器。
1.2.3 TFDS集中作业中心及作业终端
作业终端由网络设备和浏览终端计算机构成,值班人员通过浏览终端计算机对货车车辆故障信息进行集中分配、集中作业、集中故障下发、故障反馈、数据查询统计、报表打印等操作。
1.3 软件架构
TFDS集中作业系统软件基于Java语言,在企业级B/S开发平台基础上进行开发。采用元数据驱动的开发和运行模式,实现企业级应用的快速构建。软件应用JavaEE分层架构,实现系统功能的高内聚、低耦合,以及组件级的高级复用[7-8]。软件架构分为展现层、控制层、服务层和持久层,如图3所示。
1.4 业务流程设计
系统按“一班一列一辆”作业标准制定业务流程,具体流程如下:
列车探测→工长分配作业组→作业组开始作业→检车员发现并提交故障→组长审核故障→组长下发故障→列检值班室反馈故障→作业组结束作业→工长上报故障。
在作业过程的各个阶段产生的交互通信、记录通信,均由系统记录并进行统计分析,形成适应生产的报表规则。
2 系统功能
TFDS集中作业系统包含智能管理功能、作业联控功能、看图作业功能、作业监控功能、信息传递功能、质量管理功能。
2.1 智能管理功能
该功能根据列车性质和人均量等参数,自动分配列车至处于待作业状态的作业组。列车为待作业状态时,人工可进行干预,并重新分配作业。根据当前列车密集程度和到达情况,合理安排作业组间休,解决人员工作量不均衡的突出问题。
2.2 作业联控功能
建立TFDS集中作业中心同异地列检作业场之间的故障联控机制,实现故障下发有提醒、反馈有记录、超时可预警的故障处置闭环。通过作业状态及结果消息提醒,实现管理工位同检车工位的联控。
2.3 看图作业功能
根据直通车、人机分工的看图模式,选择不同作业组作业,系统自动调整明暗及对比度,使得看图作业环境更加合理,符合《铁路货车运用维修规程》第一百六十四条“具备丢图、窜图、曝光等质量不良图片标识,数据分析等功能”的要求。
2.4 作业监控功能
该功能可预先设定各工位标准检车作业时间,将检车员实际作业时间与标准时间进行比对,对于不达标情况进行提醒并记录;动态记录各检车工位看图鼠标移动轨迹,依据作业标准进行评分;作业过程中,超过预设报警时间且鼠标未动作时,终端和管理机会进行声光报警,并记录;动态监控各检测工位状态,若发生违规操作可通过系统与检车员进行实时通话、对讲等。
2.5 信息传递功能
TFDS探测站接车后,系统自动提醒管理工位及时分配作业任务。分车后,自动提醒检车工位分配车次作业。作业开始或完毕后,管理工位可接收到系统发送的开始、完毕消息。检车员发现故障并推送下发后,系统自动提醒列检值班员反馈故障确认信息。反馈成功后,管理工位可接收到故障反馈内容。若探测站长时间不过车,且超过预设时间,系统自动对管理工位进行提示,以防列车漏探。TFDS探测到重点车信息后,系统弹出预警,提醒检车工位重点确认和检查。间休时间间隔达到设定时间时,系统自动提醒间休人员及时返回工位岗位。
2.6 质量管理功能
系统定期抽查作业轨迹、故障提报情况,并通过故障前后比对,实现故障的自动预警和跟踪;自动生成设备性能分析表,完成设备的故障分析;自动统计TFDS运用工作日、月、季、年报表,完成车辆故障的分类统计和汇总。
3 关键技术
3.1 图像信息采集与传输
车辆信息采集设备根据实时过车情况,发送触发信号,控制图像信息采集设备进行采集,并传输至TFDS服务器。TFDS服务器接收到图像信息后,将触发信息通过Web Service接口通知铁路局TFDS集中作业服务器,并存储图像及列车数据信息。
3.2 数据挖掘和分析
系统根据列车性质执行“单辆比对、重点识别、优先预警”规则,自动预警故障车辆,按“一班一列一辆”作业流程实现TFDS动态检车人员作业质量排名和探测站设备质量排名。
3.3 智能判别
根据列车运行计划,实现TFDS作业小组和待运行列车的预匹配,预设自动分车策略和班组间休管理计划,均衡人员工作量,缩短列车待检时间。
4 结束语
本文设计开发的TFDS集中作业系统已在中国铁路郑州局集团有限公司上线运行,涉及郑州北车辆段和焦作车辆段的22个TFDS探测站,运行效果良好。以郑州北车辆段为例,与原有分散作业方式相比,作业班次保持不变,人员减少50人,人均检车增加约100辆,故障发现率提高了20%以上。综上,TFDS集中作业系统实现了以铁路局为单位的数据集中存储和集中作业,有效提高TFDS动态检车员的作业效率和作业质量。下一步将在TFDS图像故障自动识别方面开展研究。
-
[1] 中国铁路总公司. 铁路货车运用维修规程[S]. 北京: 中国铁路总公司, 2018. [2] 齐 辉. 对TFDS货车运行故障动态图像检测系统运用情况的初步探索 [J]. 铁道机车车辆,2007,27(4):51-54. [3] 张重明. 大秦线货车TFDS动态检查远程集中作业探索 [J]. 轨道交通装备与技术,2011(1):5-8. [4] 安立愿,张瑞田,王剑飞. 关于货车运行故障动态图像检测系统(TFDS)运用管理的思考 [J]. 铁道建筑技术,2007(z2):152-156. [5] 黄宝君,陈尚泽,赵 峰. TFDS动态检查集中作业系统的应用 [J]. 哈尔滨铁道科技,2015(3):33-34. [6] 陈 波,冯德祥. 动态检车员作业质量抽查功能的设计 [J]. 铁路计算机应用,2014,23(8):53-55. [7] 赖冰凌,王新宇. Rclicf算法在关门车故障自动识别中的应用 [J]. 铁路计算机应用,2007,16(1):21-23. [8] WILLIAMS W J. Renyi information for extracting features from TFDS[C]//Advanced Signal Processing Algorithms, Architectures, and Implementations VI, Proceedings of SPIE, 2001: 68-76.
-
期刊类型引用(14)
1. 李博,朱建生,戴琳琳,景辉,黄植正. 铁路客运场景下基于图像搜索的遗失物品查找方法. 铁道运输与经济. 2024(05): 89-99 . 百度学术
2. 武凌,黄淑芹,陈劲松,周健. 基于深度学习语义匹配的通用智能问答系统的设计与实现. 安庆师范大学学报(自然科学版). 2024(02): 84-89 . 百度学术
3. 周巧扣. 基于BERT模型的自动问答系统的设计与实现. 现代信息科技. 2024(20): 83-86 . 百度学术
4. 景辉,戴琳琳,候亚伟,朱宇豪,随玉腾. 基于光照自适应调节和模糊分类的人脸图像质量提升算法研究. 铁路计算机应用. 2023(02): 1-6 . 本站查看
5. 吕占民,李士达,戴琳琳,宋春晓,董兴芝. 基于AR智能眼镜的免打扰列车验票应用研究. 铁路计算机应用. 2023(05): 64-67 . 本站查看
6. 董亚蕾,张师宁,武旭聪. 基于小人脸识别的高校课堂考勤系统研究. 现代信息科技. 2023(12): 62-65 . 百度学术
7. 傅荟瑾,史天运,王瑞,马祯,张万鹏. 基于改进ByteTrack的高铁周界入侵监测方法研究. 仪器仪表学报. 2023(04): 61-71 . 百度学术
8. 朱宇豪,李平,戴琳琳,景辉,董兴芝. 基于知识迁移的旅客人脸图像异常检测方法研究. 铁路计算机应用. 2023(06): 7-13 . 本站查看
9. 王彪,毋涛. 基于卷积神经网络的面料检索系统. 计算机技术与发展. 2023(09): 52-56 . 百度学术
10. 刘瑞昊,于振中,孙强. 基于深度学习的织物图像检索系统研究. 棉纺织技术. 2022(05): 42-47 . 百度学术
11. 李贝贝,朱建生,阎志远,戴琳琳,候亚伟. 铁路客票系统人像检索平台构建与关键技术研究. 铁道运输与经济. 2021(05): 58-63+91 . 百度学术
12. 王雪峰,董兴芝,原非凡. 京张高铁旅客全行程智慧信息服务技术研究与应用. 铁路计算机应用. 2021(07): 50-55 . 本站查看
13. 王仲林,王卫民,朱乐俊. Siamese-ELECTRA网络结合对抗训练的FAQ问答模型研究. 软件导刊. 2021(08): 58-64 . 百度学术
14. 单杏花,张志强,宁斐,李士达,戴琳琳. 中国铁路电子客票关键技术应用与系统实现. 中国铁道科学. 2021(05): 162-173 . 百度学术
其他类型引用(7)