郭子明,蔡伯根,2,3,姜維,2,3
(1.北京交通大學(xué)電子信息工程學(xué)院,北京,100044;2.北京交通大學(xué)軌道交通控制與安全國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京,100044;3.北京交通大學(xué)軌道交通電磁兼容與衛(wèi)星導(dǎo)航工程技術(shù)研究中心,北京,100044)
在列車運(yùn)行控制系統(tǒng)中,對(duì)列車當(dāng)前位置的準(zhǔn)確感知是保障列車運(yùn)行安全的重要手段[1]。因此,列車定位系統(tǒng)不僅需要準(zhǔn)確獲取列車在運(yùn)行線路中的絕對(duì)位置,而且需具備實(shí)現(xiàn)軌道選擇式定位的能力[2],從而防止碰撞事故的發(fā)生?,F(xiàn)有基于全球衛(wèi)星導(dǎo)航系統(tǒng)的列車車載定位技術(shù)在隧道、山谷等特殊環(huán)境條件下存在精度不高及可靠性不足的問(wèn)題[3-6],且在列車經(jīng)過(guò)道岔時(shí)無(wú)法及時(shí)判斷列車行駛方向及在平行股道區(qū)段的占用股道。而軌道檢測(cè)作為道岔及道岔處分支方向識(shí)別的重要前提,為改善上述問(wèn)題提供了可能。除此之外,軌道檢測(cè)能夠提供鐵路網(wǎng)絡(luò)的地理及幾何拓?fù)涮卣鳎鉀Q特定軌道地圖的生成與維護(hù)問(wèn)題,為鐵路軌道等基礎(chǔ)設(shè)施維護(hù)提供新的方法支撐[7-8]。幾種不同的傳感器可應(yīng)用于軌道檢測(cè)中,如攝像機(jī)[9-10]、慣性傳感器[11-12]、渦流傳感器[13]和激光雷達(dá)[14-15]。STEIN 等[14]對(duì)各傳感器測(cè)量原理及優(yōu)缺點(diǎn)進(jìn)行了對(duì)比分析,發(fā)現(xiàn)激光雷達(dá)具有準(zhǔn)確性和可靠性上的優(yōu)勢(shì),是用于軌道檢測(cè)的最佳傳感器。RAHMIG 等[16]將激光雷達(dá)作為一種軌道事件傳感器,利用距離與回波強(qiáng)度信息對(duì)軌道進(jìn)行檢測(cè),然而沒(méi)有評(píng)估檢測(cè)方法的性能。HACKEL 等[17]考慮軌道橫截面的幾何特征,在單次激光雷達(dá)掃描數(shù)據(jù)中完成軌道關(guān)鍵點(diǎn)檢測(cè),并采用模型匹配算法對(duì)檢測(cè)結(jié)果中的誤檢進(jìn)行有效剔除,最后基于軌道縱向的連續(xù)性,生成屬于不同軌道的平滑的軌道點(diǎn)集。OUDE ELBERINK 等[8,18]提出了基于數(shù)字地形模型的軌道檢測(cè)方法,提取了軌道中心線,對(duì)結(jié)果中的直線軌道區(qū)段的6維方向進(jìn)行估計(jì),其軌道中心線的估計(jì)精度約為2 cm。STEIN等[15]以城市輕軌軌道為檢測(cè)對(duì)象,根據(jù)軌槽的深度及寬度特征,構(gòu)建特定的軌道橫截面幾何模型,提出了基于特征和模型匹配的軌道檢測(cè)方法。在已有的研究中,基于距離與回波強(qiáng)度信息的軌道檢測(cè)準(zhǔn)確率更高,只考慮距離信息會(huì)造成大量誤檢。此外,現(xiàn)有研究中缺乏對(duì)大量實(shí)驗(yàn)數(shù)據(jù)的定量分析,對(duì)軌道檢測(cè)方法中各階段的檢測(cè)性能驗(yàn)證存在不足。為此,本文作者以激光雷達(dá)作為軌道檢測(cè)傳感器,在只考慮距離信息的前提下,加入軌高特征等限制條件,減少?gòu)?fù)雜鐵路環(huán)境中非軌道目標(biāo)造成的距離突變檢測(cè),并進(jìn)一步簡(jiǎn)化軌道模型,最后利用現(xiàn)場(chǎng)實(shí)驗(yàn)數(shù)據(jù),對(duì)不同階段軌道檢測(cè)方法的性能進(jìn)行分析。
本文采用1個(gè)單線激光雷達(dá)傳感器實(shí)現(xiàn)對(duì)地面環(huán)境掃描。激光雷達(dá)以垂直于軌道平面的方式安裝在列車前端頂部,距離地面高度為H,如圖1所示。激光雷達(dá)通過(guò)發(fā)射高速旋轉(zhuǎn)的激光脈沖并接收目標(biāo)反射的脈沖信號(hào),在xz平面中獲取環(huán)境的二維距離描述,將垂直于xz平面的列車前進(jìn)方向定義為y方向。激光雷達(dá)的每一次掃描都可以獲得1組點(diǎn)集{(pnx,pnz)|n=0,···,N},其中,pnx為數(shù)據(jù)點(diǎn)的橫坐標(biāo),pnz為數(shù)據(jù)點(diǎn)的縱坐標(biāo),N為1次掃描獲得的數(shù)據(jù)點(diǎn)個(gè)數(shù)。
圖1 激光雷達(dá)安裝及坐標(biāo)描述Fig.1 LiDAR sensor setup and coordinate description
常見(jiàn)的軌道由2 條互相平行的單軌組成,2 條單軌之間的距離稱為軌距(G),如圖1(b)所示。本文首先采用基于特征與模型的方法對(duì)單軌進(jìn)行檢測(cè)。基于軌高特征及軌道對(duì)激光脈沖的遮擋特性,一幀激光雷達(dá)數(shù)據(jù)中可能的軌頂關(guān)鍵點(diǎn)可以被提取出來(lái);然后,以模型匹配的方式對(duì)結(jié)果中的錯(cuò)誤檢測(cè)進(jìn)行剔除,與模型相匹配的軌頂關(guān)鍵點(diǎn)則被認(rèn)為是真實(shí)的軌道檢測(cè);最后,在沿軌道方向上對(duì)相鄰幀中的軌道檢測(cè)進(jìn)行關(guān)聯(lián),從而形成連續(xù)的單軌目標(biāo)。
2.1.1 遮擋邊緣
由于軌道是在地面上的目標(biāo),在z方向上對(duì)搜索區(qū)域進(jìn)行限制,能夠大大減少每次掃描中需要處理的數(shù)據(jù)點(diǎn)數(shù),節(jié)約計(jì)算資源。本文將z方向上的搜索區(qū)域限制為
式中:ΔH為z方向搜索區(qū)域限制參數(shù),其選擇應(yīng)考慮軌道高度,并保證搜索區(qū)域能夠覆蓋所有軌道所在高度。
若激光雷達(dá)對(duì)無(wú)明顯目標(biāo)的地表平面進(jìn)行掃描,則相鄰數(shù)據(jù)點(diǎn)的距離變化較小。而軌道是1種凸形目標(biāo),會(huì)阻礙激光脈沖到達(dá)被其遮擋的區(qū)域,從而造成相關(guān)激光點(diǎn)之間的距離明顯變化。單次掃描下第i個(gè)數(shù)據(jù)點(diǎn)與相鄰點(diǎn)之間的距離Δdi可以被近似定義為
若Δdi超過(guò)設(shè)定閾值εd,則該點(diǎn)被認(rèn)為是1 個(gè)遮擋邊緣,需對(duì)其進(jìn)行后續(xù)處理。遮擋邊緣檢測(cè)見(jiàn)圖2。
2.1.2 高度跳變
單次掃描中的遮擋邊緣包括所有的軌頂關(guān)鍵點(diǎn)及其他凸形目標(biāo)對(duì)應(yīng)的邊緣點(diǎn)。由于軌高限制,軌頂關(guān)鍵點(diǎn)與其附近落于軌底的激光數(shù)據(jù)點(diǎn)在高度上相差約為軌高h(yuǎn),如圖2所示。定義遮擋邊緣點(diǎn)pi對(duì)應(yīng)的搜索鄰域內(nèi)的激光數(shù)據(jù)點(diǎn)pj滿足
圖2 遮擋邊緣檢測(cè)Fig.2 Detection of occluding edge
式中:rh為搜索半徑。若在pi的鄰域中存在點(diǎn)pj滿足
則遮擋邊緣pi才可能是軌頂關(guān)鍵點(diǎn)。式(4)中:δ為測(cè)量不確定度。
2.1.3 模型匹配
對(duì)每1個(gè)可能的軌頂關(guān)鍵點(diǎn)的鄰域點(diǎn)進(jìn)行模型匹配,從而確定最終的軌道位置。應(yīng)用于模型匹配的鄰域搜索半徑為rm。本文采用迭代最近點(diǎn)(iterative closest point,ICP)算法實(shí)現(xiàn)模型匹配,并將文獻(xiàn)[17]中線性分段軌道橫截面模型進(jìn)一步簡(jiǎn)化為點(diǎn)模型,如圖3所示。對(duì)于鄰域內(nèi)的所有激光數(shù)據(jù)點(diǎn)和點(diǎn)模型,在xz平面內(nèi)找到平移向量T,使所有平移后的激光點(diǎn)與模型匹配程度最高,即匹配誤差最小。匹配誤差e為
式中:υ為經(jīng)平移后與模型相匹配的鄰域點(diǎn)個(gè)數(shù);pj,m為pj對(duì)應(yīng)于模型中的點(diǎn)。
圖3 軌道橫截面模型Fig.3 Rail profile model
由于軌道橫截面具有對(duì)稱性,圖3只給出了適用于x坐標(biāo)小于0 的軌頂關(guān)鍵點(diǎn)的軌道橫截面模型。若要對(duì)x坐標(biāo)大于0的軌頂關(guān)鍵點(diǎn)的鄰域進(jìn)行模型匹配,則只需將圖3的點(diǎn)模型沿yz平面翻轉(zhuǎn)即可。通過(guò)不斷迭代找到最小匹配誤差emin,并將其與設(shè)定的閾值εm進(jìn)行對(duì)比。若emin小于該閾值,則認(rèn)為所有與軌頂模型匹配的數(shù)據(jù)點(diǎn)中的橫坐標(biāo)中值點(diǎn)為軌頂關(guān)鍵點(diǎn)。
考慮到軌道在y方向上的連續(xù)性,需將每一幀激光雷達(dá)數(shù)據(jù)中識(shí)別出的軌頂關(guān)鍵點(diǎn)與歷史檢測(cè)點(diǎn)進(jìn)行聚類,形成若干連續(xù)的單軌。
將第1幀激光雷達(dá)數(shù)據(jù)中的軌頂關(guān)鍵點(diǎn)分派為不同聚類,通過(guò)判斷后續(xù)的每1個(gè)軌頂檢測(cè)點(diǎn)與現(xiàn)有各聚類的位置關(guān)系,實(shí)現(xiàn)沿軌道方向的聚類生長(zhǎng)。圖4所示為縱向單軌聚類的示例,該聚類包含10個(gè)歷史軌頂檢測(cè)點(diǎn),當(dāng)前時(shí)刻存在3個(gè)待分配的檢測(cè)點(diǎn)p1,p2和p3。在較短時(shí)間內(nèi)的軌道聚類可以被看作是線性的,本文采用最小二乘法來(lái)確定聚類的主方向。在此基礎(chǔ)上,可以計(jì)算出3個(gè)檢測(cè)點(diǎn)到聚類主方向的垂直距離,其中p2距離最近,且距離小于允許的最大偏差ξ,因此,p2與該聚類關(guān)聯(lián)。已有的軌道聚類在每1次掃描中只與最多1個(gè)軌頂關(guān)鍵點(diǎn)進(jìn)行關(guān)聯(lián),所以,需要分別為p1和p3創(chuàng)建新的聚類。
為了保證聚類的準(zhǔn)確性,每個(gè)聚類中最近m次掃描的軌頂檢測(cè)點(diǎn)被用于計(jì)算聚類的主方向。由于對(duì)軌道的檢測(cè)至少需要3個(gè)測(cè)量點(diǎn)[19],并考慮過(guò)小的單軌聚類是由誤檢造成的,故要求每個(gè)聚類最近m次掃描中必須包含n個(gè)檢測(cè)點(diǎn),不符合該條件的聚類不會(huì)再與后續(xù)檢測(cè)發(fā)生關(guān)聯(lián)。另外,為防止短時(shí)間的漏檢造成錯(cuò)誤關(guān)聯(lián),允許每個(gè)軌道聚類在連續(xù)l次掃描中沒(méi)有發(fā)生檢測(cè)點(diǎn)關(guān)聯(lián),無(wú)關(guān)聯(lián)時(shí)刻的聚類主方向與上一時(shí)刻相同。
圖4 縱向單軌聚類Fig.4 Longitudinal rail clustering
在通常情況下,軌道是由1 組平行的單軌組成,為了實(shí)現(xiàn)橫向的單軌間關(guān)聯(lián),本文采用基于軌距及平行性檢查的軌道橫向關(guān)聯(lián)方法。
對(duì)于標(biāo)準(zhǔn)軌距軌道(G=1.435m),其實(shí)際軌距允許變化范圍為[1.43,1.47]m。然而,本文的軌頂關(guān)鍵點(diǎn)與軌距測(cè)量所需的關(guān)鍵點(diǎn)的定義不同,因此,考慮軌道橫截面的尺寸,適用于本文的軌距變化范圍應(yīng)為[1.50,1.54]m。在每一幀軌頂關(guān)鍵點(diǎn)完成縱向軌道聚類后,對(duì)每1個(gè)關(guān)鍵點(diǎn)進(jìn)行橫向距離搜索,尋找與其橫向距離符合軌距變化范圍的其他關(guān)鍵點(diǎn),形成可能的軌對(duì),并與已有軌道區(qū)段關(guān)聯(lián)。然而,僅根據(jù)軌距進(jìn)行橫向關(guān)聯(lián),在特定情況下會(huì)存在關(guān)聯(lián)不確定性,如圖5所示。當(dāng)前時(shí)刻圖5中左側(cè)第2條單軌上的軌頂關(guān)鍵點(diǎn)與其左側(cè)和右側(cè)單軌上的關(guān)鍵點(diǎn)間的距離都符合軌距要求,因此,需加入其他限制條件解決該不確定性問(wèn)題。
圖5 軌道橫向關(guān)聯(lián)Fig.5 Lateral track association
本文第2.2節(jié)中各軌道聚類的主方向可用于橫向關(guān)聯(lián)的平行性檢測(cè)。當(dāng)已有聚類在當(dāng)前時(shí)刻獲得狀態(tài)更新后,將各聚類的最新主方向進(jìn)行對(duì)比,若2個(gè)聚類的主方向夾角不超過(guò)軌道平行性最大允許角度偏差θ,則2 個(gè)軌道聚類符合平行性要求。同時(shí),為提高算法解決不確定性問(wèn)題的能力,還需考慮每個(gè)軌道聚類歷史匹配中的左右軌分配情況。圖5中,通過(guò)軌距檢測(cè),當(dāng)前掃描中左側(cè)第2條單軌上的軌頂關(guān)鍵點(diǎn)既可與右側(cè)相鄰軌道關(guān)鍵點(diǎn)關(guān)聯(lián),也可與左側(cè)軌道關(guān)鍵點(diǎn)關(guān)聯(lián),然而,在之前時(shí)刻的單軌橫向關(guān)聯(lián)中,該軌道被識(shí)別為左側(cè)軌道的右側(cè)單軌,根據(jù)軌道的分布特點(diǎn),屬于該軌道聚類的軌道關(guān)鍵點(diǎn)只能繼續(xù)作為1條軌道的右側(cè)單軌,在此限制條件下,當(dāng)前時(shí)刻的屬于該軌道聚類的軌道關(guān)鍵點(diǎn)只能與其左側(cè)關(guān)鍵點(diǎn)發(fā)生關(guān)聯(lián)形成軌對(duì)。由于缺少方向信息,軌道區(qū)段的初始化只根據(jù)對(duì)第1幀激光雷達(dá)數(shù)據(jù)進(jìn)行軌距檢測(cè)而完成。若2個(gè)橫向關(guān)聯(lián)的軌頂關(guān)鍵點(diǎn)與已有軌道區(qū)段不匹配或軌頂關(guān)鍵點(diǎn)屬于新的單軌聚類,則為其新建1個(gè)軌道區(qū)段。
與單軌縱向聚類相同,在每次關(guān)聯(lián)中,每個(gè)已有的軌道區(qū)段只能添加1組軌頂關(guān)鍵點(diǎn),最近m次掃描中至少包含n對(duì)軌道關(guān)鍵點(diǎn),并允許其連續(xù)l次掃描中沒(méi)有發(fā)生檢測(cè)點(diǎn)關(guān)聯(lián)。
本文采用Pepperl+Fuchs OMD30M-R2000-B23-V1V1D-1L[14]激光雷達(dá)傳感器,在鐵路試驗(yàn)場(chǎng)采集軌道激光雷達(dá)測(cè)量數(shù)據(jù)。該激光雷達(dá)傳感器安裝于鐵路實(shí)驗(yàn)車輛前端頂部,距離地面高度H=4 m,具有360°的視場(chǎng)角,角度分辨率為0.071°,每秒可獲取50 次掃描數(shù)據(jù)。實(shí)驗(yàn)車輛主要以調(diào)車模型行駛,y方向上的行駛距離由速度傳感器測(cè)量得到。實(shí)驗(yàn)場(chǎng)地具備窄軌(G=1m)、標(biāo)準(zhǔn)軌距軌道(G=1.435m)和混合軌距軌道,共采集5組數(shù)據(jù)。
本文軌道檢測(cè)算法中的所有參數(shù)選擇較保守。σd為激光雷達(dá)測(cè)量標(biāo)準(zhǔn)差,經(jīng)過(guò)實(shí)驗(yàn)分析σd=1.5cm。用于遮擋邊緣檢測(cè)的εd被定義為3 倍σd。用于單軌聚類主方向確認(rèn)的滑動(dòng)窗m為1 s 內(nèi)激光雷達(dá)的掃描次數(shù),而滑動(dòng)窗內(nèi)至少包含的檢測(cè)點(diǎn)個(gè)數(shù)n與允許的最大無(wú)關(guān)聯(lián)次數(shù)l有關(guān),為m/l。所有參數(shù)的具體數(shù)值如表1所示。
為了獲得量化的實(shí)驗(yàn)結(jié)果,每組實(shí)驗(yàn)數(shù)據(jù)中的地面真值都被人為標(biāo)注出來(lái),即每1個(gè)激光雷達(dá)數(shù)據(jù)點(diǎn)是否屬于某一軌道。將每1個(gè)軌頂關(guān)鍵點(diǎn)的位置與地面真值進(jìn)行對(duì)比,可確定其屬于正確檢測(cè)(true positive,TP)或誤檢(false positive,FP)。真值中存在的而算法沒(méi)有檢測(cè)出的軌頂關(guān)鍵點(diǎn)則為漏檢(false negative,FN)。在此基礎(chǔ)上,召回率r和準(zhǔn)確率p用于評(píng)估算法性能:
表1 軌道檢測(cè)算法中的參數(shù)Table1 Parameters within track detection method
式中:NTP,NFP和NFN分別為正確檢測(cè)、誤檢與漏檢的次數(shù)。
對(duì)每1 組數(shù)據(jù)依次進(jìn)行單次掃描下的軌道檢測(cè)、縱向單軌聚類和軌道橫向關(guān)聯(lián),在每個(gè)階段的算法完成后都會(huì)計(jì)算出此時(shí)軌道檢測(cè)的召回率與準(zhǔn)確率。所有數(shù)據(jù)的軌道檢測(cè)結(jié)果見(jiàn)表2,其中,參數(shù)下標(biāo)s,lo 和la 分別代表單次掃描下的軌道檢測(cè)、縱向單軌聚類和軌道橫向關(guān)聯(lián)3 個(gè)算法階段。
表2 不同算法階段的軌道檢測(cè)結(jié)果Table2 Track detection results after different steps of method
圖6 第2組數(shù)據(jù)在不同算法階段的軌道檢測(cè)結(jié)果Fig.6 Track detection results at different steps of method for dataset 2
圖6所示為對(duì)第2組數(shù)據(jù)依次進(jìn)行單次掃描下的軌道檢測(cè)、縱向單軌聚類和軌道橫向關(guān)聯(lián)后的軌頂關(guān)鍵點(diǎn)檢測(cè)結(jié)果,在xy平面中表示。圖6中,箭頭所示數(shù)值為各軌道區(qū)段的檢測(cè)召回率。實(shí)驗(yàn)車輛從y=0 m處自左向右行駛,車輛行駛在由3條單軌構(gòu)成的混合軌距軌道上,在其右側(cè)依次有2條匯入當(dāng)前軌道的側(cè)軌,分別為標(biāo)準(zhǔn)軌距軌道和窄軌。從表2和圖6可以看出:?jiǎn)未螔呙璧能壍罊z測(cè)后,所有軌道中的96.9%被正確檢測(cè),且在不同階段的軌道檢測(cè)結(jié)果中,對(duì)實(shí)驗(yàn)車輛所在軌道的檢測(cè)召回率都要高于其他2條軌道的檢測(cè)召回率。由于軌道設(shè)計(jì)原因,在道岔處(y≈30 m或y≈70 m)的軌道具有不同的幾何形狀,會(huì)發(fā)生少量漏檢。圖6中,錯(cuò)誤檢測(cè)點(diǎn)主要出現(xiàn)在x>1m 和x<-2 m,y>70 m的區(qū)域。從圖6(a)可以看出:在經(jīng)過(guò)單次掃描的軌道檢測(cè)后,軌道外存在一些隨機(jī)分布的錯(cuò)誤檢測(cè)點(diǎn)(ps=85.9%),而在經(jīng)過(guò)縱向單軌聚類和軌道橫向關(guān)聯(lián)后,這些錯(cuò)誤檢測(cè)點(diǎn)明顯減少,最終的整體檢測(cè)準(zhǔn)確率pla為94.6%。然而,對(duì)于軌道橫向關(guān)聯(lián),任何1個(gè)軌頂關(guān)鍵點(diǎn)只有在存在與其滿足軌距和平行性要求的另一檢測(cè)的條件下才被保留,因此,在圖6(c)的下方邊界處(x<-4.5m,25<y<35m)的軌頂關(guān)鍵點(diǎn),由于不存在與之關(guān)聯(lián)的另1條軌道而被剔除,軌道橫向關(guān)聯(lián)后降低了這條軌道區(qū)段的檢測(cè)召回率(90.5%)。
由表2可以看出:第4組數(shù)據(jù)的最終軌道檢測(cè)召回率最低(rla=83.0%),這是因?yàn)椴糠周壍牢挥谄浇坏揽?,其幾何形狀與本文定義的模型不符,從而產(chǎn)生了大量漏檢,導(dǎo)致對(duì)應(yīng)軌道區(qū)段的檢測(cè)召回率較低。對(duì)比不同組數(shù)據(jù)在不同算法階段的召回率與準(zhǔn)確率,可以發(fā)現(xiàn)隨著不同階段算法的實(shí)現(xiàn),軌道檢測(cè)的召回率略有降低,而檢測(cè)準(zhǔn)確率顯著提高。就整體實(shí)驗(yàn)結(jié)果而言,本文的方法可以準(zhǔn)確檢測(cè)每1 條軌道,最低召回率為83.0%,最高召回率為97.5%,且發(fā)生的錯(cuò)誤檢測(cè)較少(準(zhǔn)確率在93.3%至97.9%之間)。此外,本文提出的方法適用于多種不同軌距的軌道,例如標(biāo)準(zhǔn)軌距軌道、窄距軌道及混合軌距軌道。
1)在縱向單軌聚類及軌道橫向關(guān)聯(lián)中,都規(guī)定了在包含m次掃描的滑動(dòng)窗內(nèi)至少包含的檢測(cè)點(diǎn)個(gè)數(shù)及允許的最大無(wú)關(guān)聯(lián)次數(shù),有效地減少了錯(cuò)誤的軌道檢測(cè)。在不考慮激光雷達(dá)回波強(qiáng)度信息的前提下,各組數(shù)據(jù)在縱向單軌聚類后的軌道檢測(cè)準(zhǔn)確率相比單次掃描下的軌道檢測(cè)提高了2.4%~4.3%,而在軌道橫向關(guān)聯(lián)后又至少提高了3.1%。
2)基于軌道橫縱向幾何特征的軌道檢測(cè)方法適用于現(xiàn)實(shí)鐵路環(huán)境中多種復(fù)雜軌道的檢測(cè),為道岔及列車在道岔處的分支方向的識(shí)別以及列車車載定位系統(tǒng)實(shí)現(xiàn)軌道選擇式定位提供了新的信息來(lái)源。