CN110525456B - 一种列车安全驾驶监测系统及方法 - Google Patents
一种列车安全驾驶监测系统及方法 Download PDFInfo
- Publication number
- CN110525456B CN110525456B CN201910727421.7A CN201910727421A CN110525456B CN 110525456 B CN110525456 B CN 110525456B CN 201910727421 A CN201910727421 A CN 201910727421A CN 110525456 B CN110525456 B CN 110525456B
- Authority
- CN
- China
- Prior art keywords
- danger
- monitoring
- information
- module
- driving
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 236
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 73
- 230000006399 behavior Effects 0.000 claims description 61
- 238000009825 accumulation Methods 0.000 claims description 6
- 230000010485 coping Effects 0.000 claims description 6
- 230000007774 longterm Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 19
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 12
- 230000002159 abnormal effect Effects 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 239000008280 blood Substances 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 6
- 230000006378 damage Effects 0.000 description 6
- 230000001815 facial effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 206010000117 Abnormal behaviour Diseases 0.000 description 5
- 230000009471 action Effects 0.000 description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 5
- 239000001301 oxygen Substances 0.000 description 5
- 229910052760 oxygen Inorganic materials 0.000 description 5
- 230000036772 blood pressure Effects 0.000 description 4
- 230000035622 drinking Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 230000009545 invasion Effects 0.000 description 4
- 239000002341 toxic gas Substances 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000013475 authorization Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000003137 locomotive effect Effects 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000004590 drinking behavior Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000013186 photoplethysmography Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 208000019914 Mental Fatigue Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61C—LOCOMOTIVES; MOTOR RAILCARS
- B61C17/00—Arrangement or disposition of parts; Details or accessories not otherwise provided for; Use of control gear and control systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Transportation (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Alarm Systems (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明提供一种列车安全驾驶监测系统及方法,系统包括识别模块和监测处理模块,所述识别模块包括第一识别模块和第二识别模块;所述监测处理模块用于根据所述第一识别模块识别的第一危险信息和所述第二识别模块识别的与第一危险信息相应的第二危险信息判断驾驶危险情况。本发明的列车安全驾驶监测系统及方法能够对列车驾驶危险情况进行全面综合的监测,通过对具有相关性的多种危险信息进行综合分析,提高了危险判断的准确性和可靠度,避免了危险误报和漏报,适合长期稳定应用。
Description
技术领域
本发明属于轨道交通安全领域,特别涉及一种列车安全驾驶监测系统及方法。
背景技术
列车驾驶安全是列车正常运行的基础,对列车驾驶危险状况进行实时监测和处理保障列车安全驾驶的关键。列车运行过程中,发生驾驶危险状况的情况是多样复杂的,其可能来自于环境物理参数的变化、司机危险驾驶、外部人员危险行为等。
现有技术中存在一种“机车司机行为识别方法、装置及系统”(公开号CN106941602A),该技术方案采集机车驾驶室的实时监控图像,通过深度学习算法,可以对司机日常的几类操作进行自动识别,对于不符合驾驶要求的行为进行报警。该技术方案提供了一种机车司机行为识别方法,即图像识别。现有技术中也往往采用单一途径识别驾驶危险情况,不能对驾驶危险情况进行全面监测,并且根据单一途径识别的信息进行报警,误报率高。同时,缺少对异常状况的安全防护。
因此,如何实现列车安全驾驶的全面综合监测是轨道交通安全领域亟待解决的问题。
发明内容
针对上述问题,本发明一种列车安全驾驶监测系统及方法。
一种列车安全驾驶监测系统,
包括识别模块和监测处理模块,所述识别模块包括第一识别模块和第二识别模块;
所述监测处理模块用于根据所述第一识别模块识别的第一危险信息和所述第二识别模块识别的与第一危险信息相应的第二危险信息判断驾驶危险情况。
进一步地,所述监测处理模块用于根据所述识别模块识别的多个相关危险信息确定驾驶危险等级。
进一步地,所述监测处理模块包括:危险信息记录单元、危险跟踪监测单元、危险情况判断单元;
所述危险信息记录单元用于记录所述第一危险信息;
所述危险跟踪监测单元根据记录的所述第一危险信息,对所述第二识别模块的识别结果进行跟踪监测;
所述危险情况判断单元用于根据所述记录的第一危险信息和所述跟踪监测的结果判断驾驶危险情况。
进一步地,所述监测处理模块还包括危险处理单元,所述危险处理单元用于根据所述危险等级触发所述监测系统进行相应的危险应对操作,所述危险应对操作包括:警告、预警、报警、ATP自动防护。
进一步地,所述危险情况判断单元用于根据所述第一危险信息初步确定危险情况的危险等级;
所述危险跟踪监测单元用于在指定周期内监测与所述第一危险信息相应的第二危险信息;
危险情况判断单元用于根据指定周期内监测的第二危险信息对危险等级进行重新确定。
进一步地,所述系统还包括危险取消单元,用于对所述跟踪监测的指定周期进行取消。
进一步地,所述监测处理模块还用于根据所述第一识别模块识别的第一危险信息和所述第一识别模块识别的与第一危险信息相应的第三危险信息判断驾驶危险情况。
一种列车安全驾驶监测方法,
监测列车驾驶相关环境的第一数据,从所述第一数据中识别列车驾驶的第一危险信息;
监测列车驾驶相关环境的第二数据,从所述第二数据中识别与所述第一危险信息相应的第二危险信息;
根据所述第一危险信息与所述第二危险信息判断驾驶危险情况。
进一步地,方法包括:
根据识别的多个相关危险信息确定驾驶危险等级;
根据所述危险等级进行相应的危险应对操作,所述危险应对操作包括:警告、预警、报警、ATP自动防护中至少一种。
进一步地,所述根据所述第一危险信息与所述第二危险信息判断驾驶危险情况包括:
记录所述第一危险信息;
根据记录的所述第一危险信息,跟踪监测所述第二数据以识别所述第二危险信息;
根据所述记录的第一危险信息和所述跟踪监测的结果判断驾驶危险情况。
进一步地,还包括根据所述第一危险信息初步确定危险情况的危险等级;
所述跟踪监测包括;在指定周期内监测与所述第一危险信息相应的第二危险信息;
所述根据所述记录的第一危险信息和所述跟踪监测的结果判断驾驶危险情况包括:根据所述指定周期内监测的第二危险信息对所述危险等级进行重新确定。
进一步地,还包括:
对所述危险信号进行取消操作,所述取消操作同时对所述跟踪监测的指定周期进行取消。
本发明的列车安全驾驶监测系统及方法能够对列车驾驶危险情况进行全面综合的监测,通过对具有相关性的多种危险信息进行综合分析,提高了危险判断的准确性和可靠度,避免了危险误报和漏报,适合长期稳定应用;
通过识别司机授权驾驶,减少了外来人员操作驾驶装置的可能,提高了驾驶室的安全性;
系统对于危险情况给出提醒、报警、安全防护等多级、多种措施,提高了危险情况处理的效率和质量,能够及时有效地反馈危险信息,便于多方工作人员及时应对驾驶危险,同时避免引起临时性危险引起过激应对和恐慌。
通过设置跟踪监测,合理的将多个中危险信息进行关联,提高了危险确认的准确度和效率。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了根据本发明实施例的一种列车安全驾驶监测系统结构示意图;
图2示出了根据本发明实施例的一种列车安全驾驶监测方法流程图;
图3示出了根据本发明实施例的一种列车安全驾驶监测系统结构示意图;
图4示出了根据本发明实施例的一种列车安全驾驶监测方法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地说明,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种列车安全驾驶监测系统,如图1所示,包括识别模块和监测处理模块,识别模块包括第一识别模块和第二识别模块;监测处理模块用于根据所述第一识别模块识别的第一危险信息和第二识别模块识别的与第一危险信息相应的第二危险信息判断驾驶危险情况。本发明对所述的第一、第二不做限制,列车驾驶中,通过对列车驾驶环境的多种类型指标(或参数)进行综合监测,以提高列车驾驶的安全性。本发明所述的第一识别模块、第二识别模块用以表示监测类型的区分,如图像识别、语音识别、环境参数识别、司机生理参数识别等,并且不限制于包含两个识别模块,仅表示不同识别模块的组合,即可以是多个模块的组合。实例性地,第一识别模块可以为图像识别模块,第二识别模块为语音识别模块;或者第一识别模块为图像识别模块,第二识别模块为环境监测模块等。所述模块组合综合监测将在下面的实施例中进一步描述。本发明实施例中,“相应的”的表示识别和监测目标相同,例如,通过图像识别模块监测司机饮用行为,集合环境监测模块识别酒精浓度来共同识别司机饮酒驾驶行为。识别模块用于识别图像、声音等信息,监测处理模块根据识别信息做出驾驶危险情况判断。识别模块主要布置在列车上,与信息采集设备相连接,监测处理模块可以设置在列车上也可以设置在地面,只要与识别模块数据连接。本实施例中,优选地,将识别模块与监测处理模块均设置在列车上,即属于车载设备,以实现监测处理实时高效,保障安全性。
示例性地,监测系统主要通过车载设备实现对列车驾相关环境、人员的监控,本发明实施例所述的车载设备不限于一个或多个计算机设备,还包括图像语音采集设备、传感器设备、扬声设备、通讯设备、充电设备等。
车载设备包括识别模块和监测处理模块,识别模块至少包括图像识别模块、语音识别模块;
图像识别模块用于识别司机行为和外来人员行为;
所述语音识别模块用于识别危险声音;
监测处理模块用于根据一个或多个所述识别模块的识别信息判断驾驶危险情况。
本发明实施例的监测系统还包括与上述车载设备数据连接的地面中心、司机佩戴设备。下面结合附图对本发明实施例的监测系统构成及功能做详细说明。
如图3所示,监测系统包括车载设备、地面中心、司机佩戴设备,同时监测系统还与列车ATP设备相连接。车载设备主要包括识别模块和监测处理模块。下面对系统的各个部分及相互关系做详细说明。
地面中心:地面中心主要服务器构成以及防火墙组成,通过2G/3G/4G/5G网络接口、无线电台、专用无线通信设备、WiFi等或铁路专网实现与车载设备的通信,推送行车信息,下载监控数据。
地面中心向车载设备发送的信息包括运行计划信息、工作计划信息等,本实施例中,计划信息除了作为列车运行参考数据,还用于通知司机及时到岗和处理相关事务。示例性地,轮到司机A上岗工作时,车载系统可以根据计划信息,在预定的时刻,搜索监测列车上搜索对应的司机佩戴设备,通过佩戴设备向司机发出上岗提醒。另外,在司机驾驶过程中,也可以根据工作计划信息结合图像识别模块的监控信息或者司机佩戴设备的监测信息,提醒司机换岗或者休息。
地面中心还用于接收车载设备传输的监控信息、监控分析信息、报警信息、列车控制状态变化信息等。示例性地,当车载设备监测到司机驾驶室出现危机情况时,实时报警,报警信息传输到地面中心,地面中心及时通知地面人员采取措施,保障线路安全。根据传输信息的性质,可以对不同的数据采用实时传输、周期性传输,如对监测处理模块实时监测过程中分析的无危险监控分析信息记录可以周期性的发送到地面中心,对于列车驾驶室的视频信息可以根据通信环境实时地或者延迟地传输到地面中心,对于在岗司机的运动轨迹信息可以周期性地采集。
司机佩戴设备:用于采集司机的身体健康信息,司机佩戴装置内置光电式脉搏传感器,可以实现对司机疲劳度、血压、脉搏、心率、血氧的测量。设备基于脉搏传输时间的方法测量人体连续血压,人体连续血压值的测量可以利用脉搏波传输速度来进行计算,即模拟数学模型和光电容积脉搏信号(PPG)中对应特征点之间的时间差获得脉搏传输时间(PTT)或脉搏传输速度(PWV),进而计算出血压。通过对脉搏信息的分析处理可以获取反映人体健康状态的特征指标,实现对精神疲劳的诊断与程度分级。司机佩戴设备根据郎伯—比尔定律采用光电技术进行血氧饱和度的测量方法实现了红光转变绿光的测量方法。司机佩戴设备利用光透射或反射血管内流动的血液(脉搏)来检测脉率。
司机佩戴设备可佩戴于司机腕部,可通过NFC、WIFI、蓝牙等方式与车载设备数据连接。佩戴设备可以将采集的司机健康信息发送行为监测处理模块。佩戴设备可以接收车载设备推送的行车计划信息、提示信息(如到岗提示、休息提示、警醒提示)等。提示的方式可以选择震动、声音。示例性地,当通过监测系统监测到司机在驾驶过程中出现睡觉行为时,通过震动和声音提醒司机警醒。当监测到司机身体状况出现异常,不能胜任驾驶工作时,及时通过车载系统发送通知到地面设备,并切换列车进入ATP自动防护。
另外,还可以对佩戴设备进行天气预报推送,设置非接触打卡功能。可选择地,可以在佩戴设备中内置2G/3G/4G/5G SIM以及铁路专用SIM卡,必要时通过短信传输实现报警。
司机佩戴设备内置卫星定位、陀螺仪、加速度传感器传感器装置实现对司机手势、运动轨迹的跟踪。
车载设备主要包括识别模块和监测处理模块。
监测处理模块根据识别模块监测或识别到的数据进行危险情况判断与处理。本发明实施例中,监测处理模块根据识别模块识别的危险信息,确定危险等级,包括根据一个危险模块识别的一个或者多个危险信息确定危险等级,还包括根据多个识别模块的相关危险信息确定驾驶危险等级。监测处理模块包括:危险信息记录单元、危险跟踪监测单元、危险情况判断单元;
危险信息记录单元用于记录危险信息,如识别到外来人员侵入驾驶室的信息、枪击声等。记录危险信息包括记录上述第一危险信息、第二危险信息等,即对多个识别子模块的危险识别结果进行记录,示例性地,包括记录识别到的危险信息的类型、来源、时间等;所记录的危险信息可以按照指定周期发送到地面中心。另外,本实施例中采用综合多种类型监测的危险信息对驾驶危险情况进行判断,危险信息记录还可以作为触发和记录对特定危险情况跟踪监测的数据。
危险跟踪监测单元根据记录的危险信息对与之相应的识别模块的识别结果进行跟踪监测。包括根据第一危险信息(如图像识别模块识别到的司机在驾驶位置出现不清醒状态),对第二识别模块(如环境监测模块)的识别结果进行跟踪监测,跟踪监测环境参数中是否出现酒精浓度异常或者存在有毒气体等。由于一个识别模块识别到的危险信息可能是有误的或者暂时性的,本系统跟踪监测单元在指定周期内监测与所述第一危险信息相应的第二危险信息。示例性地,可以设置一个计时器,在计时器时间内出现与第一危险信息相应的第二危险信息,则表示所跟踪监测的目标危险情况得到验证,从而有危险情况判断做出危险等级上升的判断,并做出相应处理。
危险情况判断单元根据所述记录的第一危险信息和跟踪监测的结果判断驾驶危险情况。首先,危险情况判断单元根据所述第一危险信息初步确定危险情况的危险等级,如初次识别到司机瞌睡或者不清醒状态,危险等级较低。危险情况判断单元在上述指定周期内监测的第二危险信息后,对危险等级进行重新确定,如进一步从环境监测模块监测的酒精浓度较高,则可以认为司机饮酒驾驶,从而增加危险等级。
危险跟踪监测单元如果在指定周期内并没有获取到与监测目标危险情况一致的其他危险信息(包括第二危险信息和第一识别模块后续识别的其他危险信息等),即最初记录的危险信息没有在指定周期(如10分钟)之内得到验证,则不再对该记录进行用于危险等级累加的跟踪监测。
监测处理模块还包括危险处理单元,危险处理单元根据危险等级触发所述监测系统进行相应的危险应对操作,所述危险应对操作包括:警告、预警、报警、ATP自动防护。
监测系统还包括危险取消单元。本实施例中,系统对监测到的危险情况通过显示设备、扬声设备、司机佩戴设备等进行输出提示、报警,即危险信号输出。司机可以对正在输出的这些危险情况信号进行取消,从而在误报警或已经消除危险后停止危险信号,减少不必要的恐慌和影响。危险取消单元可以用于对上述跟踪监测的指定周期进行取消。在指定周期内,会对已经监测到的满足设定等级的危险进行输出提示,如检测到司机不清醒状态的图像信息后,可以立即通过司机佩戴设备进行振动提醒,并同时仍然进行后续监测。司机可以通过佩戴设备取消危险信号,同时终止本次跟踪监测。
危险取消模块还对取消危险行为进行监测,当监测到屡次取消危险信号时,根据验证取消危险信号的真实性,判断是否进行了非法取消操作。如,司机连续多次取消危险信号且危险信号包含相一致的危险情况时,可以判断非法取消操作。从而自动根据判定的危险情况进行危险信号输出,忽略取消操作。
本发明实施例中,监测处理模块并不限于根据不同识别模块的危险信息进行综合判断和累加危险等级,还可以针对同一识别模块的危险信息进行持续监测,从而对危险情况判断进一步确认。即监测处理模块还根据第一识别模块识别的第一危险信息和第一识别模块识别的与第一危险信息相应的第三危险信息判断驾驶危险情况。本发明实施例对第一、第二、第三对应的识别模块类型进行限定。
下面结合实际应用中对图像、语音、物理环境、司机状态的综合监测,对本发明所述的监测系统做详细说明。
识别模块包括多种监测类型的子模块:图像识别模块、语音识别模块、环境监测模块。另外,车载设备还包括车地通信模块、无线充电模块、近场无线通信模块NFC、定位模块等。本实施例中,识别模块利用采集设备的采集数据,对数据进行分析处理采集的信息完成识别,采集数据可通过视频采集设备、音频采集设备、传感器、佩戴设备等完成,采集的信息一般传输到计算终端进行分析处理。所述不同识别模块的计算处理操作可以在一个或者多个终端中进行,也可以在采集设备的处理单元中进行。本发明实施例对识别模块的信息处理设备不做限制。下面对车载设备各个模块进行说明。
图像识别模块:本实施例中,图像识别模块用于监测司机行为、监测外来人员行为、司机识别验证授权。图像识别模块接收视频采集设备的数据,对数据进行分析处理。对于上述三种图像监测目标,由于数据采集像素、位置要求不同,本实施例中,采用多组摄像头采集司机行为、外来人员行为、司机外形特征:
(1)一组摄像头用于对司机人员的状态进行监控,并根据司机面部行为、手势特征获取司机的状态,实现对司机睡眠、走神、吸烟、喝酒等行为进行识别,识别结果通过监测处理模块做出判断和处理。当监测处理单元根据图像识别结果认为司机处于危险驾驶状态时,进行报警,并自动切换ATP进行安全防护。该组摄像头像素较高,主要设置在司机驾驶位置周围。
(2)另一组摄像头主要用于对外来人员进行监控,对外来人员状态进行监控,根据外来人员行为状态、动作、面部特征判断其潜在的危害行为,并在其对司机人员发出威胁时,通过监测处理模块实现自动报警功能,并通过ATP进行列车运行安全防护。
(3)另外图像识别模块还用于对司机进行外形特征识别,根据判断结果决定是否授权给请求验证人员驾驶列车。本实施例中,通过司机人员监控摄像头中的一个或多个,对请求验证人员进行面部识别,将面部识别结果发送到监测处理模块来判断请求人员是否有权对当前驾驶室进行操作。
本发明实施例中,图像识别模块识别多种图像信息,相似的识别操作,如面部特征与表情识别,可以采用相同的识别算法。从而提高了识别模块的集成度和利用率。
语音识别模块:本实施例中,语音识别模块用于识别环境中的自然声音和人的语音内容。语音识别模块接收语音记录设备采集的列车驾驶环境中的自然声音和人的语音,对这两类声音分别进行识别:
(1)从声音信息中提取人类语音,识别语音的语言内容,并与预设的危险语言进行比较,如果包含预设的危险语言,如“报警”、“求救”等,则认为司机可能发出危险求救信号,进入危险预警,通过进一步分析危险语言或者结合图像识别模块的识别的图像信息判断是否进行报警。通过多个模块综合判断,提高了对危险情况判断的准确率,减小误报频率。本实施例中,综合判断是通过将多模块的识别信息发送到监测处理模块进行综合分析。当经过进一步判断认为出现驾驶危险情况时,系统可以自动拨打应急报警电话。进一步判断示例性地为:判断危险语音是否为有效危险语言,即判断危险语言的语音是否独立(不是一个句子中携带的词语)、大声、重复多次等,通过对特征进行评估确定危险语言关键字是否为真是报警语音。
(2)语音行为识别装置用于识别司机驾驶环境中的危险语言,以及危险声音,如:枪击声音、玻璃碎裂声、驾驶室破坏的声音等。本发明实施例中对异常声音的频度进行跟踪监测,对识别到的危险声音进行预警,司机可以通过佩戴涉笔取消危险预警,但在跟踪识别到一定频率的危险声音但被司机屡次取消时,会判断司机非正常执行,进而系统自动触发报警。本实施例中,可以在系统中多种类型的枪声样本,并分类分析其语谱特征,识别过程中,分析获取到的声音的语谱特征,确定是否是枪击声。玻璃声、驾驶室破坏声(如硬物击打声)也以样本及其特征为参考,提取声音语谱特征,对比判断。
语音识别模块还将上述识别结果发送到监测处理模块,监测处理模块根据外来人员行为识别结果和所述危险声音识别结果判断驾驶危险情况,通过深度学习,配合图像识别装置,准确判断司机所处的危险,或者正常驾驶所处的危险状态。
环境监测模块:通过环境监测设备采集的车内的温度、湿度、烟感、酒精、化学气体、CO等有毒气体,实现危险情况监测。环境监测设备包括温度湿度传感器、酒精气体传感器、有毒气体传感器、烟雾检测传感器,这些传感器可集中在环境监测单元内部,安装于司机室顶部,或分散设置与司机驾驶室、设备间、走廊等地,并通过总线/网线/无线等方式将数据发送环境监测模块。环境监测单元判断环境理化参数是否出现异常,如超过阈值,或者参数发生明显突变,从而对危险情况进行预警或报警。环境监测模块还将环境参数发送到监测处理模块,用于结合其他模块识别结果进行危险情况综合判断。
监测处理模块:本实施例中监测处理模块根据一个或者多个识别子模块的数据信息对列车驾驶危险情况进行分析判断,并做出危险情况处理。危险情况处理包括提示、警告、预警、报警、ATP自动防护等。提醒和报警包括通过车载显示设备、声音设备、司机佩戴设备、通信模块的通信设备(向地面中心和地面通讯系统)进行报警。监测处理模块中包括处理器、固态存储单元等设备,能够支持对多种识别信息的综合实时分析,根据需要也可以对子模块发送的待识别数据进行识别,并支持通过安全以太网/MVB/CAN/IO实现与ATP进行连接。下面对检测处理模块针对多个识别模块的数据信息进行综合判断的几种情况做进行进一步说明:
本发明实施例中,监测处理模块根据潜在危险状态进行预警,根据危害实施行为进行报警。由于实际应用中,列车驾驶环境复杂,通过监测、识别预设的状态(包括驾驶室环境、人员特征和行为等)进行报警容易造成错误报警,造成不必要的应急和恐慌。因此,本发明实施例中不仅通过多种方式进行检测,还根据识别结果的准确度进行差异化的、有等级的处理,包括:对于潜在危险情况进行危险预警,并针对该危险情况进行持续跟踪检测;危害实施行为进行报警。示例性地,对一个识别模块或者多个识别模块的危险识别进行等级评价,根据危险等级进行相应的危险处理措施,如预警、报警、ATP自动防护。危险等级可以根据持续跟踪危险信息频率而累加,也可以根据综合多个模块的危险信息而累加。本实施例中,跟踪监测是指在监测到某个危险信息时,设置一定时间内,对该模块及其其他相关指定模块的危险信息进行持续跟踪累加监测,在指定时间内,如果发生与该危险信号相一致的其他危险信号,则累加危险等级。指定时间结束而未进一步增加危险等级,则清除该跟踪累加监测过程,回到默认状态,监测各个模块是否出现新的危险信号。监测到危险信号后,通过提示反馈到显示设备或者司机佩戴设备,司机可以通过设备进行取消危险提醒或预警,则同时结束跟踪累加监测过程,但并不取消监测到危险信号的记录和后续监测,当司机屡次取消危险预警,对系统根据分析得出危险信号属实(连续发生或者有一致性)时,则判断司机非法操作,由自动对危险信息进行报等处理。预警处理在本实施例中并不引起电话报警和声音警报,而是通过车载显示设备显示,通过佩戴设备提醒司机,并保存预警情况信息。
示例性地,图像识别模块识别所述外来人员潜在危害行时,监测处理模块根据潜在危害行为进行预警,用于根据所述潜在危险行为进行预警。本实施例中,图像识别模块采用自学习算法,进行危险行为、异常行为的学习,在录入数据前,系统根据实际人员演练各种危险行为进行深度自学习形成异常行为数据库。监测过程中,通过图像识别模块采集到非授权人员进入驾驶室内逗留,则进入危险预警状态,并进行持续跟踪,如果持续监测到外来人员逗留则提高警告等级或持续发出预警。司机接到预警后可以及时查看驾驶环境,对于误预警情况进行取消预警。通过佩戴设备通知司机,可以在司机没有观察到驾驶环境(如暂时离开)时也能及时接到通知,从而及时处理危险预警情况。当图像识别模块识别所述危害实施行为时,监测处理模块根据危害实施行为进行报警。如,当监测到外来人员对驾驶设备进行有意识触碰(如用手触摸操作界面)时,通过车载扬声系统进行报警。进一步地,如果监测到外来人员暴力破坏驾驶设备或者挟持驾驶人员或对驾驶人员进行攻击,则进入紧急报警,在上述报警的基础上,还通过通信模块直接通知地面中心。同时,触发列车切换到ATP防护模式。采用分等级的危险处理和持续跟踪,既然减小了引发恐慌的误报警情况,又保证能及时发现危险预警,进而持续跟踪或排除误报警。
本发明实施例中,监测处理模块还根据图像识别模块的外来人员行为识别结果和语音识别模块的危险声音识别结果判断驾驶危险情况。示例性地,当监测处理模块接收到外来人员闯入驾驶室的识别结果,并在持续监测中识别到暴力击打破坏驾驶室的声音时,可以判断驾驶室发生袭击事件,进行立即报警,并触发ATP自动防护,制动是ATP防护的手段之一,在司机失去行为能力时,可以通过ATP实现列车主动停车,防止出现更大危险。本实施例中,在监测识别到司机失去行为能力时,或者在预警、警告、报警等功能无效时,会触发ATP自动防护。再如,当由语音识别模块识别到玻璃破碎的声音,并在后续跟踪监测中由图像识别模块识别到外来人员侵入驾驶室的行为时,判断驾驶室发生外来人员暴力入侵情况,进行报警和ATP防护。
本实施例中,监测处理模块还根据环境监测模块识别的驾驶环境参数和图像识别模块识别的司机行为来判断司机危险驾驶行为。实例性地,当环境监测模块监测到驾驶室烟雾浓度升高而图像识别模块监测到司机吸烟行为,监测处理模块根据识别信息判读司机处于危险驾驶状态,通过显示设备和佩戴设备进行警告提示。当环境监测模块监测到酒精浓度升高并且图像识别模块监测到司机饮用行为或者通过面部特征识别到司机处于不清醒状态,则监测处理模块可以判断出司机处于饮酒或者醉酒驾驶状态,进而通过扬声提示和佩戴设备震动提示司机,并将危险驾驶情况及时发送到地面中心。
本实施例中,监测处理模块还根据司机佩戴设备监测的生理参数和环境监测模块识别的驾驶环境参数判断司机危险驾驶行为。示例性地,通过环境监测模块能识别室内酒精浓度升高,同时结合司机佩戴设备监测到的异常的脉搏和血氧浓度,可以共同判断出司机的饮酒驾驶行为。
车地通信模块:实现车载设备与地面设备的通信,本实施例中,车地通信模块包括两部分:
(1)通过无线通信:公网通信,支持2G/3G/4G/5G网络接口、无线电台、专用无线通信设备、WiFi等,实现车载设备同地面中心的数据传送。车载通信模块将车载设备接收的采集数据和识别分析的数据发送到地面中心;将行车计划、工作计划等传送至车载设备。
(2)无线通信模块内置报警电话信息,紧急情况下用于自动拨通报警求救电话。
无线充电模块:车载设备通过充电接口实现对司机佩戴设备的充电功能,支持无线充电,并可同时为至少两个司机佩戴设备进行快速无线充电。
近场无线通信模块NFC:完成与司机佩戴设备进行信息交互功能。
定位模块;具备GPS/北斗/格洛纳斯/伽利略定位、陀螺仪定位或混合定位功能。
监测系统通过上述模块和设备能够针对司机驾驶异常行为的检测、司机健康状态监测以及反恐为目的驾驶安全监测、报警、防护。
车载设备还包括集成/独立显示模块及扬声设备,用于实时显示相关信息,并对司机进行相关提示。
根据相同的发明构思,本发明实施例还提供一种列车安全驾驶监测方法,如图2所示,包括:
(1)监测列车驾驶相关环境的第一数据,从第一数据中识别列车驾驶的第一危险信息;
(2)监测列车驾驶相关环境的第二数据,从第二数据中识别与第一危险信息相应的第二危险信息;
(3)根据第一危险信息与第二危险信息判断驾驶危险情况。
其中,列车驾驶相关环境在本实施例中包括:列车物流参数环境、司机和外来人员的行为、司机的状态等,监测数据(第一数据、第二数据)包括:驾驶室的图像信息、声音信息(包括语音信息)、驾驶室及周围物理环境参数信息、司机状态信息(包括司机位置信息、运动信息、生理状态信息)等。本发明实施例对第一、第二不做限制,这里用以表示监测数据的不同类型,示例性地,第一数据为图像识别信息,第二数据为语音识别信息。办发明实施例不限于两种类型的数据的综合分析判断,如可以根据图像识别数据识别的司机不清醒状态信息(第一危险信息)、环境参数数据中酒精浓度异常信息(第二危险信息)、司机生理状态数据的血氧浓度异常信息(第三危险信息)共同判断司机是否酒驾。关于不同类型数据的综合监测与分析将在后面的实施例中进一步描述。所述“相应的”的表示识别和监测目标相同,例如,通过图像识别模块监测司机饮用行为。
本发明实施例中,根据识别的多个相关危险信息确定驾驶危险等级,包括根据相同类型的数据中的危险信息进行等级确定,如从图像识别数据中持续识别到司机瞌睡状态数据,可以逐步提高危险等级;还包括根据不通过类型危险信息进行等级确定,如根据上述不同类型的第一危险信息和第二危险信息共同确认驾驶危险情况,确定危险等级。进一步地,根据危险等级进行相应的危险应对操作,所述危险应对操作包括:警告、预警、报警、ATP自动防护中至少一种。本发明实施例中,可以通过显示设备、扬声设备、司机佩戴设备等执行应对操作,将危险信号输出,从而达到及时反馈输出信息,根据危险等级选择一种或多种不同的输出方式,能够有效反馈危险信息又不至于因为较低等级的危险信息造成过激的应急反应。同时对于等级较高的紧急危险,如列车驾驶室遭遇暴力入侵,除了输出报警信号外,还切换列车到自动防护状态,使得列车能够自动停止,避免造成运行故障。
进一步地,根据所述第一危险信息与所述第二危险信息判断驾驶危险情况包括:
(1)记录第一危险信息;记录危险信息包括记录上述第一危险信息、第二危险信息等,示例性地,包括记录识别到的危险信息的类型、来源、时间等。本实施例中采用综合多种类型监测的危险信息对驾驶危险情况进行判断,危险信息记录还可以作为触发和记录对特定危险情况跟踪监测的数据。
(2)根据记录的第一危险信息,跟踪监测所述第二数据以识别所述第二危险信息;由于一个识别模块识别到的危险信息可能是有误的或者暂时性的,本系统跟踪监测单元在指定周期内监测与所述第一危险信息相应的第二危险信息。示例性地,可以设置一个计时器,在计时器时间内出现与第一危险信息相应的第二危险信息,则表示所跟踪监测的目标危险情况得到验证,从而有危险情况判断做出危险等级上升(累加)的判断,并做出相应处理。示例性地,在图像识别的第一数据中,识别到的司机在驾驶位置出现不清醒状态第一危险信息,对环境监测第二数据进行跟踪监测,跟踪监测环境参数中是否出现酒精浓度异常或者存在有毒气体等(即第二危险信息)以进一步确认危险情况等级。
(3)根据记录的第一危险信息和所述跟踪监测的结果判断驾驶危险情况。首先,根据所述第一危险信息初步确定危险情况的危险等级;如初次识别到司机瞌睡或者不清醒状态,危险等级较低。然后,在指定周期内监测与所述第一危险信息相应的第二危险信息;如上述环境监测数据中的酒精浓度。最后,根据所述指定周期内监测的第二危险信息对所述危险等级进行重新确定;如果进一步从环境监测模块监测的酒精浓度较高,则可以认为司机饮酒驾驶,从而增加危险等级。
通过在指定时间内跟踪监测,可以将多个危险信息有效关联,从而是的驾驶安全监测更加全面准确,避免单个、临时危险信息对驾驶危险情况造成的误报。同时监测多个不同类型数据又可以避免危险监测遗漏,多个数据中任何一个中识别的危险信息都可以用以引起跟踪监测,当一个数据不能有效被监测识别时,仍然可以在一定程度上对列车环境进行综合监测,提高了安全性。
所述方法还包括:对所述危险信号进行取消操作,所述取消操作同时对所述跟踪监测的指定周期进行取消。本实施例中,对监测到的危险情况通过显示设备、扬声设备、司机佩戴设备等进行输出提示、报警,即危险信号输出。司机可以对正在输出的这些危险情况信号进行取消,从而在误报警或已经消除危险后停止危险信号,减少不必要的恐慌和影响。取消操作同时可以用于对上述跟踪监测的指定周期进行取消。在指定周期内,会对已经监测到的满足设定等级的危险进行输出提示,如检测到司机不清醒状态的图像信息后,可以立即通过司机佩戴设备进行振动提醒,并同时仍然进行后续监测。司机可以通过佩戴设备取消危险信号,同时终止本次跟踪监测。
方法还包括危险取消操作检测:当监测到屡次取消危险信号时,根据验证取消危险信号的真实性,判断是否进行了非法取消操作。如,司机连续多次取消危险信号且危险信号包含相一致的危险情况时,可以判断非法取消操作。从而自动根据判定的危险情况进行危险信号输出,忽略取消操作。通过取消检测操作,避免了司机非法取消或者司机佩戴设备或驾驶设备被人恶意利用而造成的监测结果无法反馈,提高了列车监控的安全性。
如图4所示,在另一实施例中,列车安全驾驶监测方法,包括:
(1)通过图像识别获取危险行为信息,所述危险行为信息包括司机危险行为和/或外来人员危险行为信息;
(2)通过语音识别获取危险声音信息;
(3)根据危险行为信息和危险声音信息判断驾驶危险情况。
列车驾驶环境安全是列车运行安全的基础,通过监控列车驾驶室,特备是外来人员入侵,如恐怖袭击行为,能够提高列车驾驶的安全性。示例性地,可以采用视频采集设备实施获取列车驾驶室的图像信息,通过自学习算法,进行危险行为、异常行为的学习,在录入数据前,系统根据实际人员演练各种危险行为进行深度自学习形成异常行为数据库。在监测过程中,分析采集的图像视频信息,提取行为特征,与数据库记录的异常行为进行比较,确定危险行为信息。语音识别同样的可以采用特征提取,数据比较的方式进行。
上述步骤(1)、(2)并不区分先后。
实际应用中,列车驾驶室可能会出现普通非工作人员意外闯入,但并不会进行恶意破坏行为。本实施例中,获取危险行为信息包括,获取外来人员潜在危害行为和危害实施行为。根据潜在危险行为进行预警,如通过图像识别数据监测到非工作人员进入列车驾驶室并逗留超过3秒,进行危险预警,预警输出方式如通过司机佩戴设备提示司机,或者通过驾驶室扬声设备播放语音提示信息;根据危害实施行为进行报警如果监测到外来人员操作驾驶设备或者破坏驾驶设备或者侵害驾驶人员,则直接进行报警并触发ATP自动防护。通过有层次的危险行为监测和差异化处理,既能准确全面监测高危险情况,并做出有效响应,又能避免监测过程造成的危险误报和过激反应。
本实施例中,还对危险驾驶情况进行危险等级判断,根据所述危险等级进行危险处理,危险处理包括:警告、预警、报警、ATP自动防护中至少一种。上述危险行为监测即采用危险等级评价和差异化处理。
本发明实施例中,安全驾驶监测方法还包括对列车环境参数进行监测,具体地,根据上述实施例中,可以使用布置在列车驾驶室及其周围的多种传感器采集驾驶环境物理参数;还包括司机状态参数监测,根据上述实施例,可以采用司机佩戴设备采集司机行动状态、位置状态及生理参数,包括:心跳、血氧浓度等。可以根据环境参数和生理参数判断危险驾驶情况。还可以根据环境参数和图像识别数据的危险行为信息判断危险驾驶情况。
本发明实施例中,还通过图像识别获取授权目标人员外形特征,根据所述外形特征判断所述授权目标人员是否有权驾驶列车。通过列车授权控制能进一步提升列车驾驶的安全性,避免外来人员进入驾驶区域或执行驾驶操作。同时通过图像识别授权,在目标人员(司机)在岗期间,可以对司机行为由针对性的监测,如监测司机面部状态、行为状态、生理参数状态,还可以针对用以区分外部人员以及识别外部人员对司机的侵害行为。
本实施例所述的方法,可以通过上述实施例中的安全驾驶监测系统实现,但不限于上述系统。本发明所述提供的列车安全驾驶监测系统及方法,能够对列车驾驶中多种因素进行全面综合监测,并且通过多种因素监测的综合判断,提高了危险判断的准确性,避免误报。通过对不同的危险情况采取一种或多种不同的危险处理操作,提高了安全监测处理的合理性,既能及时反馈危险信息,又不至于因为临时性轻微危险情况带来过激的应急反应。
尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种列车安全驾驶监测系统,其特征在于,
包括识别模块和监测处理模块,所述识别模块包括第一识别模块和第二识别模块;
所述识别模块包括图像识别模块、语音识别模块、环境监测模块;
图像识别模块用于识别司机行为和外来人员行为;
语音识别模块用于识别危险声音;
环境监测模块用于通过环境监测设备采集的车内环境参数,进行危险情况判断;
所述第一识别模块、第二识别模块分别为图像识别模块、语音识别模块或环境监测模块中的一个,且所述第一识别模块、第二识别模块不同;
所述监测处理模块用于根据所述第一识别模块识别的第一危险信息和所述第二识别模块识别的与第一危险信息相应的第二危险信息判断驾驶危险情况;
所述监测处理模块用于根据所述识别模块识别的多个相关危险信息确定驾驶危险等级;
所述监测处理模块包括:危险信息记录单元、危险跟踪监测单元、危险情况判断单元;
所述危险信息记录单元用于记录所述第一危险信息;
所述危险跟踪监测单元根据记录的所述第一危险信息,对所述第二识别模块的识别结果进行跟踪监测;
所述危险情况判断单元用于根据所述记录的第一危险信息和所述跟踪监测的结果判断驾驶危险情况;
所述危险情况判断单元用于根据所述第一危险信息初步确定危险情况的危险等级;
所述危险跟踪监测单元用于在指定周期内监测与所述第一危险信息相应的第二危险信息;
危险情况判断单元用于根据指定周期内监测的第二危险信息对危险等级进行重新确定,如果发生与该危险信号相一致的其他危险信号,则累加危险等级;指定时间结束而未进一步增加危险等级,则清除该跟踪累加监测过程,回到默认状态,监测各个模块是否出现新的危险信号;
所述监测处理模块还包括危险处理单元,所述危险处理单元用于根据所述危险等级触发所述监测系统进行相应的危险应对操作,所述危险应对操作包括警告、预警、报警、ATP自动防护中至少一种。
2.根据权利要求1所述的监测系统,其特征在于,
所述系统还包括危险取消单元,用于对所述跟踪监测的指定周期进行取消。
3.根据权利要求1或2所述的监测系统,其特征在于,
所述监测处理模块还用于根据所述第一识别模块识别的第一危险信息和所述第一识别模块识别的与第一危险信息相应的第三危险信息判断驾驶危险情况。
4.一种列车安全驾驶监测方法,其特征在于,
监测列车驾驶相关环境的第一数据,从所述第一数据中识别列车驾驶的第一危险信息;
监测列车驾驶相关环境的第二数据,从所述第二数据中识别与所述第一危险信息相应的第二危险信息;
根据所述第一危险信息与所述第二危险信息判断驾驶危险情况;
获取相关环境的图像识别信息、语音识别信息、环境监测数据;
图像识别信息用于识别司机行为和外来人员行为;
语音识别信息用于识别危险声音;
环境监测数据为通过环境监测设备采集的车内环境参数,用于进行危险情况判断;
所述第一数据和第二数据分别为图像识别信息、语音识别信息、环境监测数据中的一种,且第一数据和第二数据不同;
根据识别的多个相关危险信息确定驾驶危险等级;
根据所述危险等级进行相应的危险应对操作,所述危险应对操作包括:警告、预警、报警、ATP自动防护中至少一种;
所述根据所述第一危险信息与所述第二危险信息判断驾驶危险情况包括:
记录所述第一危险信息;
根据记录的所述第一危险信息,跟踪监测所述第二数据以识别所述第二危险信息;
根据所述记录的第一危险信息和所述跟踪监测的结果判断驾驶危险情况;
还包括根据所述第一危险信息初步确定危险情况的危险等级;
所述跟踪监测包括:在指定周期内监测与所述第一危险信息相应的第二危险信息;
所述根据所述记录的第一危险信息和所述跟踪监测的结果判断驾驶危险情况包括:根据所述指定周期内监测的第二危险信息对所述危险等级进行重新确定,如果发生与该危险信号相一致的其他危险信号,则累加危险等级;指定时间结束而未进一步增加危险等级,则清除该跟踪累加监测过程,回到默认状态,监测各个模块是否出现新的危险信号。
5.根据权利要求4所述的监测方法,其特征在于,还包括:
对所述危险信号进行取消操作,所述取消操作同时对所述跟踪监测的指定周期进行取消。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910727421.7A CN110525456B (zh) | 2019-08-07 | 2019-08-07 | 一种列车安全驾驶监测系统及方法 |
PCT/CN2020/106960 WO2021023198A1 (zh) | 2019-08-07 | 2020-08-05 | 一种列车安全驾驶监测系统及方法 |
EA202092330A EA202092330A1 (ru) | 2019-08-07 | 2020-08-05 | Система и метод мониторинга безопасности движения поездов |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910727421.7A CN110525456B (zh) | 2019-08-07 | 2019-08-07 | 一种列车安全驾驶监测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110525456A CN110525456A (zh) | 2019-12-03 |
CN110525456B true CN110525456B (zh) | 2020-11-24 |
Family
ID=68661622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910727421.7A Active CN110525456B (zh) | 2019-08-07 | 2019-08-07 | 一种列车安全驾驶监测系统及方法 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN110525456B (zh) |
EA (1) | EA202092330A1 (zh) |
WO (1) | WO2021023198A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110525456B (zh) * | 2019-08-07 | 2020-11-24 | 北京全路通信信号研究设计院集团有限公司 | 一种列车安全驾驶监测系统及方法 |
CN113256924A (zh) * | 2020-02-12 | 2021-08-13 | 中车唐山机车车辆有限公司 | 一种轨道列车的监控系统,监控方法及监控装置 |
CN112911233A (zh) * | 2021-01-25 | 2021-06-04 | 北京市地铁运营有限公司地铁运营技术研发中心 | 一种智能列车系统 |
CN112960019A (zh) * | 2021-04-13 | 2021-06-15 | 河南蓝信科技有限责任公司 | 一种高铁行车导引系统及方法 |
CN113450590A (zh) * | 2021-06-29 | 2021-09-28 | 重庆市司法局 | 一种指挥中心系统及其工作方法 |
CN115973237A (zh) * | 2022-12-15 | 2023-04-18 | 华侨大学 | 轨道交通atp制动安全分析方法、系统及电子设备 |
CN115864660B (zh) * | 2023-02-28 | 2023-05-30 | 广东卓维网络有限公司 | 配电控制系统 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10355221A1 (de) * | 2003-11-26 | 2005-06-23 | Daimlerchrysler Ag | Verfahren und Computerprogramm zum Erkennen von Unaufmerksamkeiten des Fahrers eines Fahrzeugs |
CN102509418B (zh) * | 2011-10-11 | 2013-11-13 | 东华大学 | 一种多传感信息融合的疲劳驾驶评估预警方法及装置 |
DE102015226574A1 (de) * | 2015-12-22 | 2017-06-22 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Unterstützung eines Fahrers |
CN107776579A (zh) * | 2017-09-14 | 2018-03-09 | 中国第汽车股份有限公司 | 一种直感式驾驶员状态提醒装置 |
JP2019079085A (ja) * | 2017-10-19 | 2019-05-23 | アイシン精機株式会社 | 運転支援装置 |
US10864819B2 (en) * | 2017-10-31 | 2020-12-15 | Speedgauge, Inc. | Driver alertness warning system and method |
KR101998787B1 (ko) * | 2017-11-27 | 2019-07-11 | (주)에이텍티앤 | 차량의 안전운전방법 |
CN109035718A (zh) * | 2018-07-31 | 2018-12-18 | 苏州清研微视电子科技有限公司 | 多因素融合的危险驾驶行为分级预警方法 |
CN109383516A (zh) * | 2018-09-13 | 2019-02-26 | 行为科技(北京)有限公司 | 一种基于用户行为分析的异常分析行为检测系统 |
CN110544360B (zh) * | 2019-08-07 | 2022-04-08 | 北京全路通信信号研究设计院集团有限公司 | 一种列车安全驾驶监测系统及方法 |
CN110525456B (zh) * | 2019-08-07 | 2020-11-24 | 北京全路通信信号研究设计院集团有限公司 | 一种列车安全驾驶监测系统及方法 |
-
2019
- 2019-08-07 CN CN201910727421.7A patent/CN110525456B/zh active Active
-
2020
- 2020-08-05 WO PCT/CN2020/106960 patent/WO2021023198A1/zh active Application Filing
- 2020-08-05 EA EA202092330A patent/EA202092330A1/ru unknown
Also Published As
Publication number | Publication date |
---|---|
CN110525456A (zh) | 2019-12-03 |
WO2021023198A1 (zh) | 2021-02-11 |
EA202092330A1 (ru) | 2022-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110544360B (zh) | 一种列车安全驾驶监测系统及方法 | |
CN110525456B (zh) | 一种列车安全驾驶监测系统及方法 | |
JP2021182131A (ja) | 情報を出力するための方法、装置及びシステム、電子デバイス、コンピュータ可読記憶媒体及びコンピュータプログラム | |
CN110503802A (zh) | 基于行车记录仪的行车事故判断方法和系统 | |
US20150261769A1 (en) | Local Safety Network | |
CN111081026A (zh) | 车辆智能救援系统以及方法 | |
KR101609914B1 (ko) | 물리적충격 및 심리적충격에 대응한 긴급상황감지방법과 이를 이용한 긴급상황감지장치 | |
CN104183148B (zh) | 一种基于模式识别技术的智能停车系统及方法 | |
CN114446026B (zh) | 一种物品遗忘提醒方法、相应的电子设备及装置 | |
US20180144614A1 (en) | Location based support request messages responsive to alert recommendation | |
CN115731534A (zh) | 自主交通工具乘客的不适当行为的检测和缓解 | |
CN106448047A (zh) | 车辆安全预警方法及装置 | |
CN113793072A (zh) | 一种基于移动端疫情防控监测信息综合管理系统 | |
CN112530144B (zh) | 一种基于神经网络的火力发电厂违规行为警示方法和系统 | |
CN110222216A (zh) | 多功能智能防卫系统 | |
WO2020086015A1 (en) | A system that perceives, reports fatigue and distraction of the driver and processes big data and a method of its implementation | |
Chakraborty et al. | Intelligent vehicle accident detection and smart rescue system | |
CN109637089A (zh) | 用户安全的预警方法及装置 | |
CN111820880A (zh) | 一种校园霸凌的预警系统和方法 | |
CN109383516A (zh) | 一种基于用户行为分析的异常分析行为检测系统 | |
KR20160028542A (ko) | 차량의 응급구조 및 범죄예방 시스템 및 그 방법 | |
CN118280552B (zh) | 一种基于视频监控的医院管理方法 | |
WO2022025088A1 (ja) | 車両用安全支援システム | |
WO2016110710A1 (en) | Determining entry into or exit from a place while a tracking device is in the place | |
KR20150106986A (ko) | 서버기반 졸음감지 시스템 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |