一种城市轨道交通行车调度故障处置方法与流程

本发明涉及轨道交通，尤其是指一种城市轨道交通行车调度故障处置方法。

背景技术：

1、在城市轨道交通信号系统正常工作时，调度系统会实时显示列车定位，正常行车指挥系统能够根据实时显示的列车定位正常进行列车调度。而一旦正常行车指挥系统发生故障，正常行车指挥系统将无法对故障范围内的列车进行正常调度，此时中央调度就需要掌握受故障影响的故障范围内所有列车的准确位置，从而将故障范围内的列车调度至空闲车站，避免影响列车的正常运行。但是在正常行车指挥系统发生故障后，大多还是通过人工方式接收列车司机上报的信息，确定故障范围内的所有列车信息，再由人工进行故障范围内的列车调度。且在进行列车调度时，需要人工逐一授权列车，列车在收到授权后，才会运行至空闲车站。这样的处置流程耗费时间较长，且由人工处理列车上报信息的方式，很容易因人为疏忽而遗漏故障范围内的列车，导致列车追尾等严重事故的发生。

技术实现思路

1、本发明的目的是克服现有技术中的缺点，提供一种城市轨道交通行车调度故障处置方法，通过自动识别故障区段内所有列车上报的故障信息，并能够将列车上报的故障信息直接转换为站场图上的列车位置和状态信息，从而根据站场图上列车的列车位置和状态信息确定所有列车的调度方案，能够解决现有的在正常行车指挥系统发生故障后，通过人工方式接收列车司机上报的信息并进行列车调度时存在的处置流程耗费时间长，且容易遗漏故障范围内的列车，导致列车追尾等事故发生的问题，能够提高故障区段内列车调度的效率，保障故障区段内列车的行车安全。

2、本发明的目的是通过下述技术方案予以实现：

3、一种城市轨道交通行车调度故障处置方法，包括，

4、确定故障区段，获取故障区段内所有运行中列车上报的故障信息，并基于动态时间归整算法记录每个运行中列车的故障信息的上报时间点；

5、对上报的故障信息进行识别，识别上报的故障信息的关键数据信息；

6、结合轨道数据库，将关键数据信息转换为站场图上的列车位置和状态信息；

7、在站场图上实时显示故障区段内所有运行中列车的列车位置和状态信息；

8、基于站场图获取故障区段所有列车的位置，并根据所有列车的位置确定故障区域内所有运行中列车的调度方案。

9、进一步的，所述运行中列车上报的故障信息为语音信息。

10、进一步的，所述基于动态时间归整算法记录每个运行中列车的故障信息的上报时间点，包括：

11、选取其中一个运行中列车，并对其上报的故障信息根据发音音调进行划分，构成故障语音序列；

12、调取相同长度的标准故障语音序列，计算故障语音序列中各元素和标准故障语音序列各元素之间的距离；

13、根据距离计算结果求取故障语音序列和标准故障语音序列的最小距离路径，根据最小距离路径确定故障语音序列每个元素和标准故障语音序列的对应关系；

14、确定选取的运行中列车上报的故障信息的初始时间，基于故障语音序列每个元素和标准故障语音序列的对应关系确定上报的故障信息内每个单字的持续发音时间；

15、根据上报的故障信息的初始时间确定故障信息中每个单字对应的上报时间点。

16、进一步的，所述最小距离路径的表达式为：

17、

18、其中，d为故障语音序列和标准故障语音序列的距离路径长度，其中，d为故障语音序列和标准故障语音序列的距离路径长度，xi为故障语音序列中第i个元素，yj为标准故障语音序列中第j个元素，d(xi,yj)为故障语音序列中第i个元素和标准故障语音序列中第j个元素之前的欧式距离。

19、进一步的，所述对上报的故障信息进行识别，包括，通过隐马尔可夫模型对上报的故障信息进行识别，识别上报的故障信息的关键数据信息。

20、进一步的，所述通过隐马尔可夫模型对上报的故障信息进行识别，识别上报的故障信息的关键数据信息，包括：

21、基于故障信息中每个单字对应的上报时间点对故障信息进行标注；

22、通过隐马尔可模型对标注后的故障信息进行语音识别；

23、将语音识别结果与城市轨道交通调度术语的语音库进行匹配，确定上报的故障信息的关键数据信息。

24、进一步的，所述将语音识别结果与城市轨道交通调度术语的语音库进行匹配，确定上报的故障信息的关键数据信息，包括：

25、按照语音顺序，选取语音识别结果中的第一个单字内容，将第一个单字内容与城市轨道交通调度术语的语音库匹配；

26、若无法匹配到对应单字，则跳过该单字内容，选择下一个单字内容进行匹配；

27、若匹配到对应单字，则筛选出包括语音库内对应单字的所有单词，选取下一个单字内容，将第一个单字内容和下一个单字内容构成的单词与筛选出的单词进行匹配；

28、若匹配到对应单词，则选取语音识别结果中未进行匹配的下一个单字内容加入构成的单词中，继续与筛选出的单词进行匹配，直至未匹配到对应单词；

29、若未匹配到对应单词，则将当前构成的单词作为其中一个关键数据信息；

30、重新选择语音识别结果中未进行匹配的第一个单字内容与语音库进行匹配，直至语音识别结果中的所有单字内容均完成匹配。

31、进一步的，所述关键数据信息包括列车车辆信息、列车位置和状态信息。

32、进一步的，所述结合轨道数据库，将关键数据信息转换为站场图上的列车位置和状态信息，包括：

33、获取轨道数据库内的站场图信息，并提取每个列车的关键数据信息中的列车位置确定每个列车当前所处运行区间以及在运行区间内的位置信息；

34、将每个列车当前所处运行区间与站场图信息进行匹配，确定每个列车在站场图内所处线段，根据运行区间内的位置信息计算每个列车在对应站场图内所处线段的偏移量；

35、提取获取每个列车的关键数据信息中的状态信息，确定每个列车的运行方向。

36、进一步的，所述基于站场图获取故障区段所有列车的位置，并根据所有列车的位置确定故障区域内所有运行中列车的调度方案，包括：

37、获取站场图的故障区段所有列车的位置以及状态信息，基于每个列车的状态信息确定对应的列车运行方向和列车行驶速度；

38、根据每个列车的位置以及状态信息匹配对应的最近距离的站点，根据对应的最近距离的站点规划每个列车的调度路线；

39、根据每个列车的运行方向和列车行驶速度对每个调度路线的重合情况进行判断；

40、对于不存在重合情况的调度路线，控制对应列车以当前列车行驶速度按照调度路线运行；

41、对存在重合情况的调度路线，确定每个调度路线的重合点，调节同一个重合点对应的每个调度路线上列车的列车行驶速度，每个调度路线上列车依次通过重合点，继续按照调度路线运行。

42、本发明的有益效果是：

43、能够自动识别故障区段内所有列车上报的故障信息，并将列车上报的故障信息直接转换为站场图上的列车位置和状态信息，从而根据站场图上列车的列车位置和状态信息确定所有列车的调度方案，提高了故障区段内列车调度的效率，保障故障区段内列车的行车安全。

44、且结合动态时间归整算法和隐马尔可夫模型识别列车上报的故障信息，提高故障信息识别的准确性。