韓燕南
(1.中煤科工集團常州研究院有限公司,江蘇 常州 213015;2.天地(常州)自動化股份有限公司,江蘇 常州 213015)
輔助運輸是井工煤礦生產(chǎn)的必要環(huán)節(jié),其主要任務是實現(xiàn)設備、材料及人員在地面與井下工作面之間,以及井下各工作點之間的運輸[1-2]。無軌膠輪車作為輔助運輸重要的運輸手段之一[3],在《智能化示范煤礦驗收管理辦法(試行版)》文件中已明確無軌膠輪車管理系統(tǒng)須具備車輛運行狀態(tài)參數(shù)監(jiān)測、智能安全預警、車輛精確定位等要求[4-6]。車輛超員報警檢測已屬于驗收必備功能。
近年來,眾多學者對礦井無軌膠輪車管理系統(tǒng)進行了大量研究。文獻[7]基于交通信號、視頻圖像、位置信息等關聯(lián)數(shù)據(jù)采集分析處理實現(xiàn)車輛智能調(diào)度管理;文獻[8-9]結合車輛位置數(shù)據(jù)與紅綠燈控制技術,實現(xiàn)了礦井車輛的信息化管理;文獻[10-11]采用超高頻RFID 模塊識別乘車人員信息,超寬帶UWB 模塊調(diào)整輸出發(fā)射功率結合的方式,實時統(tǒng)計車輛內(nèi)載人數(shù)量,避免出現(xiàn)漏識別。
雖然礦井無軌膠輪車管理系統(tǒng)的研究取得了眾多成果,但在車輛超員報警檢測方面的研究較少。為此,設計了一種基于精確定位技術的車輛超員報警檢測方法。首先,將UWB 基站輸出的測距數(shù)據(jù)轉換為三維坐標,減少軌跡數(shù)據(jù)對基站的依賴,形成連續(xù)性軌跡;其次,根據(jù)車輛(含乘車人員)行進過程中的物理特征,采用相鄰時刻的定位數(shù)據(jù)確定行進方向向量,并執(zhí)行軌跡預處理;再次,采用動態(tài)時間規(guī)整(DTW)算法執(zhí)行車輛與乘車人員軌跡對齊,求解最佳路徑,獲取度量值;最后,人員軌跡與司機軌跡樣本做匹配,確定人員是否為乘車人員,以及車輛是否超員。此方法在某礦進行了實驗驗證,證明了所提方法的可行性和有效性。
系統(tǒng)架構由物理架構和軟件模塊組成。物理架構負責采集車輛實時位置,軟件模塊負責根據(jù)車輛實時位置,計算軌跡相似度,最終得出車輛是否超員的結果。
物理部署架構示意圖如圖1。
圖1 物理部署架構示意圖Fig.1 Physical deployment architecture diagram
物理架構可分為井上和井下2 部分。井上由無軌膠輪車管理系統(tǒng)主機和地面交換機組成,負責承載軟件運行平臺;井下部分由UWB 定位基站、井下環(huán)網(wǎng)交換機、井下車輛、車輛及人員識別卡組成,負責車輛、駕乘車人員的精確位置采集;井下和井下的交換機負責網(wǎng)絡通信傳輸。
軟件模塊主要由軌跡生成、軌跡預處理、軌跡相似度度量和軌跡匹配組成。軟件模塊處理流程如圖2。
圖2 軟件模塊處理流程Fig.2 Software module processing flow
1)軌跡生成?;据敵龅臏y距信息屬于相對定位模式,即其“作用域”僅在當前基站范圍內(nèi)有效,各基站間輸出的測距信息無邏輯關聯(lián)。利用三維空間轉換算法,將測距信息轉換為三維坐標,從而形成連續(xù)性軌跡。
2)軌跡預處理。受UWB 基站布置位置、多徑效應、非視距誤差等對定位精確的影響,其定位結果具有一定的波動性。利用車輛及司乘人員在行進過程中定位數(shù)據(jù)應呈現(xiàn)線性關系的物理特征,采用相鄰時刻的位置數(shù)據(jù)生成行進方向向量,并依此執(zhí)行軌跡預處理。以保留軌跡整體趨勢,避免因干擾因素造成的誤判,提高方法整體的魯棒性。
3)軌跡相似度度量。受車輛與司乘人員軌跡采樣頻率不同影響,2 種對象的軌跡數(shù)據(jù)為2 個時間序列,采用動態(tài)時間規(guī)整(DTW)算法對其進行“拉伸”或“壓縮”后,構建累計距離矩陣,求解最佳路徑,求得相似度度量值。
4)軌跡匹配。構建司機軌跡度量值樣本空間,衡量人員軌跡與樣本空間的匹配程度。當人員的度量值處于標準差范圍內(nèi),系統(tǒng)判定為乘車人員,再根據(jù)車輛基礎配置信息,判定車輛是否超員。
車輛及人員的定位數(shù)據(jù)是由當前基站的測距信息確定的,不同基站產(chǎn)生的測距信息之間無任何關聯(lián)性。利用以下空間轉換算法,將基站的測距信息轉換為三維坐標,生成面向整個礦井的、連續(xù)性的軌跡數(shù)據(jù)。定位基站測距典型場景如圖3。圖中:D 為定位基站;M 為移動目標;a為定位基站負方向中線點;b為定位基站正方向中線點;L為定位基站至正方向中線點距離;Lc為移動目標至定位基站距離。
圖3 定位基站測距典型場景Fig.3 Typical scene of positioning base station ranging
移動目標在L距離下的比值r可由式(1)計算:
式中:(xd,yd,zd) 為定位基站坐標;(xb,yb,zb)為正方向b點坐標;Lc為定位基站輸出的測距距離。
移動目標坐標由式(2)計算:
式中:(xm,ym,zm)為移動目標坐標。
將移動目標坐標存儲至FIFO 軌跡隊列中,隊列結構為如圖4,隊列元素的數(shù)據(jù)結構如圖5。
圖4 隊列結構Fig.4 Queue structure
圖5 隊列元素數(shù)據(jù)結構Fig.5 Queue element data structure
受井下巷道斷面空間限制,車輛及司乘人員軌跡應具有單向性,車輛及司乘人員行進示意圖如圖6,圖中:D 為定位基站;M1、M2、M3為移動目標經(jīng)過定位基站時的位置。車輛及司乘人員行進軌跡曲線示意圖如圖7。
圖6 車輛及司乘人員行進示意圖Fig.6 Vehicle and driver-passenger moving diagram
圖7 車輛及司乘人員行進軌跡曲線示意圖Fig.7 Vehicle and driver-occupant trajectory curve diagram
由圖6 觀察可得,軌跡曲線應呈現(xiàn)線性關系的物理特征。
由圖7 從軌跡曲線來看:車輛首次進入基站信號覆蓋范圍時,距離值最遠;當車輛及司乘人員接近基站時,距離值趨于0;當駛離基站時,距離值再次變大。受UWB 布置位置、多徑效應、非視距誤差等對定位精確的影響,UWB 定位結果具有一定波動性。車輛行進至紅色處時將產(chǎn)生軌跡調(diào)頭現(xiàn)象,但從實際現(xiàn)場情況來看,車輛是難以在短時間內(nèi)完成調(diào)頭動作,因此紅色點可以判定為噪聲點。另外,從曲線的整體趨勢來看,軌跡曲線呈現(xiàn)“V”字形,進一步證實了紅色為噪聲點的判斷。
因此,利用此物理特征,采用相鄰時刻的位置數(shù)據(jù)生成行進方向向量,并依此執(zhí)行軌跡數(shù)據(jù)預處理。
軌跡向量選擇如圖8,圖中:a、b為相鄰時刻軌跡點;c、d、e、···、j為下一時刻軌跡點(潛在點)。
圖8 軌跡向量選擇Fig.8 Trajectory vector selection
相鄰時刻軌跡點ab生成的空間向量為,下一時刻的軌跡點構建的潛在空間向量為。根據(jù)圖8 可 得:和向 量與原始向 量方向相反,即潛在軌跡點f點與g點為噪聲點。
式 中:(xba,yba,zba) 為向 量;(xcb,ycb,zcb) 為向量。
根據(jù)內(nèi)積值的正負性,確定兩向量方向。對應關系如下:
根據(jù)上述定義,當m<0時為噪聲點。
因車輛與司乘人員軌跡采樣頻率不同,2 類對象的軌跡數(shù)據(jù)是屬于不同時間序列。故采用動態(tài)時間規(guī)整(Dynamic Time Warping,DTW)算法對2 類對象的軌跡相似度進行度量。該算法是一種用于比較2 個時間序列相似度的算法,其主要思想是對數(shù)據(jù)進行“拉伸”或“壓縮”后“對齊”,求解其中的最佳匹配路徑,從而得到相似性度量值。
假設車輛軌跡時間序列為V={V1,V2,···,V6},司乘人員軌跡時間序列為P={P1,P2,···,P4},軌跡數(shù)據(jù)匹配示意圖如圖9,圖中:頭節(jié)點為V1→P1;尾節(jié)點為V6→P4;中間節(jié)點為V2→P2、V3→P2、V4→P2、V5→P3。
圖9 軌跡數(shù)據(jù)匹配示意圖Fig.9 Trajectory data matching diagram
度量過程分為:①構建累計矩陣;②路徑回溯;③距離度量。
1)構建累計矩陣。結合先前的假設,構建4×6的矩陣D,對矩陣元素賦值。賦值后,形成累計矩陣示意圖,累計矩陣示意圖如圖10。
圖10 累計矩陣示意圖Fig.10 Cumulative matrix diagram
式中:d為兩點間的空間距離值;(xV,yV,zV)為V點坐標;(xP,yP,zP)為P點坐標。
2)路徑回溯。路徑回溯即求解最佳匹配路徑過程。以右上角元素為起始點,與左、左下和下元素值進行比較,取最小值作為下1 次路徑比對值。依此類推,完成整個矩陣從右上角至左下角的最佳匹配路徑。比對方法如圖11,最佳匹配路徑示意圖如圖12。從示意圖來看,最佳匹配路徑為:[(V1 →P1),(V2 →P2),(V3 →P2),(V4 →P2),(V5 →P3),(V6 →P4)]。
圖11 比對方法Fig.11 Comparison strategy
圖12 最佳匹配路徑示意圖Fig.12 The best matching path diagram
3)距離度量。采用式(6)計算最佳匹配路徑值distavg:
式中:disti(V,P)為 第i個 匹配對的空間距離;n為最佳匹配路徑數(shù)量。
提取司機軌跡度量值作為樣本,形成樣本空間,以1 個標準差為相似度衡量范圍,衡量人員軌跡與樣本空間的相似程度,從而判定人員是否為乘車人員,再進一步根據(jù)車輛基礎配置,判定此刻車輛是否超員。
軌跡匹配的工作流程如圖13。
圖13 軌跡匹配工作流程Fig.13 Trajectory matching workflow
1)第1 步。讀取系統(tǒng)基礎配置,包括人員、車輛標識卡號,司機與車輛的關系,車輛限員等配置信息。再根據(jù)基站輸出的定位信息計算出人員與車輛的度量值。
2)第2 步。若軌跡為司機時,將度量值存入樣本空間中,并更新樣本空間的標準差。流程結束。若軌跡為其他人員時,進入下一判斷流程。
3)第3 步。提取樣本的標準差,判斷人員軌跡是否在1 個標準差內(nèi),若在則判定為乘車人員,進而根據(jù)系統(tǒng)基礎配置,判定車輛是否超員,若不在標準差內(nèi),則判定為人員為其他人員,流程結束。
以司機軌跡度量值為樣本空間,設樣本期望為 μ,其他人員軌跡度量值為隨機變量X,通過大量數(shù)據(jù)觀察發(fā)現(xiàn):當X<μ時,人員為乘車人員概率逐漸增大;當X>μ時,概率逐漸變小;當X=μ 時,概率最大。故推斷出隨機變量X服從參數(shù)為 μ 和 σ2的正態(tài)分布。其中:σ2為方差;σ為標準差。根據(jù)正態(tài)分布特征,隨機變量X取值落在區(qū)間(μ-σ,μ+σ)內(nèi)的概率約為63%,落在區(qū)間(μ-2σ,μ+2σ)內(nèi)的概率約為95.4%;落在區(qū)間(μ-3σ,μ+3σ)內(nèi)的概率約為99.7%。
綜合井下環(huán)境復雜,定位信息存在誤差等情況,選取1 個標準差范圍內(nèi)作為乘車人員的衡量標準。
利用式(7)、式(8)、式(9)計算樣本期望、樣本方差和樣本標準差:
式中:μ為樣本期望;X為樣本隨機變量,N為樣本例數(shù)。
在某礦進行系統(tǒng)試驗,該礦主巷道部署UWB定位基站61 個,已基本實現(xiàn)重點路段UWB 信號全覆蓋;在冊車輛數(shù)104 輛;在冊人數(shù)870 人。選取“27-緩坡斜井1 000 m”和“115-輔運大巷800 m”2 個定位基站作為測試基站(以下以D1和D2描述),2 基站為連續(xù)分布,選取運人車為測試車輛。測試方法為測試車輛從緩坡斜井處行進至輔運大巷中,試驗過程中記錄定位數(shù)據(jù)、算法生成的中間數(shù)據(jù)和最終結果,通過數(shù)據(jù)比對和人為觀察驗證功能的準確性和算法的運行性能。試驗環(huán)境如圖14。
圖14 試驗環(huán)境Fig.14 Experimental environment
1)單基站試驗。以D1定位基站為測試基站,記錄測試車輛經(jīng)過基站時獲取的測距信息,與算法轉換后的空間距離(即轉換后空間坐標與定位基站間的距離)做比對。試驗結果表明:樣本轉換過程中產(chǎn)生的數(shù)據(jù)損耗約為48 mm,轉換過程幾乎無損,可滿足應用要求。
2)跨基站試驗。以D1和D2為測試基站,記錄測試車輛經(jīng)過2 個基站時的軌跡??缁驹囼灲Y果如圖15。從圖15 觀察可得:算法生成的運動軌跡點 {V1→V2→···→V7}為連續(xù)性軌跡。盡管軌跡點V4為2 基站信號重疊區(qū)域,經(jīng)算法轉換后,仍使得整個運動軌跡具有連續(xù)性。
圖15 跨基站試驗結果Fig.15 Experimental result
以D1定位基站為測試基站,對比車輛經(jīng)過基站的原始軌跡曲線與預處理后的軌跡曲線差異,以驗證功能的準確性。原始軌跡與預處理后軌跡試驗數(shù)據(jù)如圖16。
圖16 原始軌跡與預處理后軌跡試驗數(shù)據(jù)Fig.16 Experimental data of original trajectory and preprocessed trajectory
由圖16 可知:預處理軌跡在保留原始軌跡趨勢的前提下,可對凸起的噪聲點進行有效屏蔽(即圖中預處理軌跡缺失的部分),結果符合設計預期。
以D1定位基站為測試基站,測試車輛反復經(jīng)過測試基站,獲取司機的軌跡度量值曲線。
司機軌跡度量值曲線符合正態(tài)分布特征,樣本期望為9.76,樣本方差為2.02。
分別記錄乘車人員和車外人員落在范圍的概率,乘車人員和車外人員落在范圍內(nèi)的概率情況見表1。表1 中范圍1、范圍2 和其他的區(qū)間定義如圖17。
表1 乘車人員和車外人員落在范圍內(nèi)的概率情況Table 1 The probability of passengers and people outside the vehicle falling within the range
圖17 區(qū)間定義Fig.17 Range definition
試驗數(shù)據(jù)表明:軌跡匹配方法的正確率在95.12%,受環(huán)境因素以及車輛行進時速度不穩(wěn)的影響,存在5%左右的漏判,無誤判。
以試驗現(xiàn)場為例,在算法函數(shù)前后增加性能監(jiān)聽函數(shù),經(jīng)過一段時間的運行,累計記錄2 000次性能記錄,其中運行最大耗時為42 ms,最小耗時為20 ms,平均耗時約為30 ms。
試驗結果表明:此方法的運行性能可滿足于現(xiàn)場應用要求。
1)為解決乘車人員漏識別,導致車輛超員無法有效管控,存在安全隱患的問題,設計了一種基于精確定位技術的車輛超員報警檢測方法。該方法通過軌跡生成、軌跡預處理、軌跡相似度度量和軌跡匹配4 個步驟實現(xiàn)。
2)在某礦的現(xiàn)場試驗結果表明:方法正確率在95.12%;方法平均邏輯響應時間約為30 ms,可滿足現(xiàn)場應用要求。
3)方法具有2 項優(yōu)勢:①實用性:方法性能穩(wěn)定、運行時效性高,可減少礦井安全隱患;②低成本:相比于硬件實現(xiàn)方案來說,軟件成本較低。