谈轨道主动障碍物探测系统

在城市轨道交通全自动无人驾驶线路中，主动障碍物探测系统已成为智能列车的必备功能之一，在无人驾驶场景中，取代司机实现对轨行区域内障碍物的瞭望作用，在检测到有异物侵入时，实时向控制中心和司机进行报警，并检测识别的异物类型和距离，用于提高线路运营的可靠性并降低运维成本。

主动障碍物探测系统使用的技术与传统的列车控制系统有所不同，利用了汽车领域的环境感知技术，采用的传感器选用汽车自动驾驶使用的激光雷达、毫米波雷达、摄像头一致，在感知算法方面采用汽车自动驾驶使用的机器学习算法进行目标检测和分类，将汽车领域的多传感器融合技术进行跨界应用。

主动障碍物探测系统涉及到行车安全，其安全性和可靠性并不低于信号系统，这些新技术在轨道交通领域是否成熟，本文谈谈对这个新系统的一些想法，与读者分享。

1.主动障碍物探测系统功能

主动障碍物探测系统用于检测列车前方铁轨上和铁轨附近的物体、潜在障碍物。目标潜在障碍物是在铁轨上或附近发现的不属于铁路基础设施的物体。可能存在的物体、潜在障碍物，如列车、施工人员、遗落铁轨上的工具、进入轨道限界的异物等。

主动障碍物探测系统应能确定检测障碍物的类型分类和距离，根据检测目标的不同采取不同的反应措施，例如对司机进行报警提示、或向控制中心发送预警信息、或直接采用减速或制动控制动作。

需要考虑的是，由于列车的制动距离比较大，系统的检测距离应大于列车最高速度下的反应和制动距离，以列车最高速度80km/h来计算，检测距离应达到350-400m。

主动障碍物探测系统应能识别车辆前方的铁轨，用于确定检测范围，与列车的行进方向一致。

主动障碍物探测系统的人机界面上 应能显示可视化的传感器数据，包括视觉传感器的实时图像，并叠加检测到的物体，以及与检测到的物体的距离。

除了系统的功能要求，主动障碍物探测系统在安全性、可靠性、轨道应用的特有技术要求上也很关键。

2.安全性要求

安全性要求中，首先应确定障碍物探测功能的功能安全SIL等级，对于SIL等级的确定存在两种可能，如果将障碍物探测功能的输出作为列车控制的输入，系统检测障碍物的有效性作为做出行车安全决定的条件之一，那么安全完整性等级为SIL3或SIL4；如果障碍物探测功能作为司机或调度员做出判断的参考信息，安全的决策权由人来判断，那么安全完整性等级为SIL1或SIL2。对于低安全等级要求，系统应提供准确、实时的信息提示，以辅助人员作出正确的决策，避免信息的错误或不及时造成困惑和误导。

系统内任一部件的故障应可检测，并且不能导致障碍物未被识别的风险发生。系统可能存在的故障有电源故障、传感器故障、运算主机故障，以及组件之间的通信故障，运行环境引起的故障，如振动、温度变化、电磁干扰等。

3.RAM要求

系统需要能够稳定的运行，其功能应该是可靠的，并具有很高的可用性和可维护性，系统的增加是为了完全或部分取代人工瞭望的功能，因此性能要强于人工检查的能力，比如能探测更远的距离，雨雾，隧道等光线不充足的环境。

系统比人工瞭望还有的优势是反应时间，系统应能在规定的时间内处理接收的传感器数据，允许检测的物体数量在预先确定范围内，这时系统采集和反应时间应能确定为量化的指标。

由于系统要存储大量的传感器数据，还应分配足够的存储空间，用于一定时间内的数据保存。在发生事故的情况下，系统保存的数据对于事故调查有非常重要的作用，因此对传感器采集的数据，如雷达、视频数据，障碍物探测系统应有措施保证保存数据不损坏，也能实时向控制中心上传数据。

可靠性要考虑不同故障条件下的运行，如天气（雨、雾、雪、霜）、环境（振动、粉尘、光线变化、EMC）、电源中断或波动、软件失效、轨道环境的限制（弯道、坡度）、其它极端情况（水淹、火灾等）。

通常障碍物探测设备都在现有列车装备系统上加装，与现有系统信号、TCMS的兼容性也会影响系统的可靠性。

另外，还要考虑系统的成本，除了设备本身的采购成本，安装、维护、升级/更换成本，在轨道长期运营的条件下，应具有比较好的经济性。比如安装和更换部件需要的时间，对人员的培训学习成本。

以上方面谈的是从使用者角度对障碍物探测系统的功能、安全性、可靠性方面的要求，接下来来谈谈障碍物探测系统使用的技术应用到轨道交通领域的挑战。

4.传感器

障碍物探测系统常用的传感器有摄像头、毫米波雷达和激光雷达，在应用中各有其优劣势。

摄像头是基于图像的，能够区分形状和颜色，在障碍物类型识别中起关键作用，相对于其它传感器成本低廉，缺陷是在极端天气下的性能欠佳，雨、雾、光线不足的情况下，不能指望摄像头比人眼看的更清楚，另外，列车的振动对相机成像清晰度有影响（下图右侧为低频振动对图像效果的影响）。

振动扰动对相机成像的影响

毫米波雷达最大优势是抗干扰性能强，不受能见度、光线和噪声影响，尺寸小、重量轻便于安装，但在检测物体精确度方面相对薄弱，无法区分对象是什么。

毫米波雷达视图

激光雷达可以视为雷达的更高级版本，它有着非常高的精确度，对周围环境进行精确的3D描述。环境因素会使激光雷达的光束变慢或分散，从而影响激光雷达的性能，雾、雨、灰尘和烟雾等极端天气对激光雷达有性能的影响。另外，激光雷达要处理海量的点云数据，需要的处理性能远高于另外两种传感器，本身的软件、硬件的复杂度较高，其可靠性、环境适应性相比毫米波雷达和摄像头较弱，在汽车领域，目前大批量量产的激光雷达也屈指可数。

激光雷达点云

5.系统硬件

使用的传感器有着不同的优劣势，处理传感器数据的主机也需要具备很强的运算能力，传统轨道交通使用的安全计算主机很难具备这种程度的算力，因此通常采用通用COTS硬件作为障碍物探测系统的计算平台，这种硬件无法满足安全相关电子系统的SIL要求，不具备安全的系统架构和故障安全机制，COTS硬件面对轨道交通车载复杂的振动和电磁环境，也需要考虑可靠性要求，应符合轨道交通车辆相关技术标准，如车辆冲击和振动标准GB/T 21563，车辆电磁兼容标准GB/T24338.4。如果要实现高安全等级的探测功能，还需要在按照EN50129标准要求进行顶层设计。

6.系统软件

运算主机软件所实现的功能是实时接收不同传感器的数据，通过传感器数据融合算法识别轨道和轨道上出现的障碍物，并通过通信总线或硬线接口输出给车辆电气系统和信号系统。障碍物探测系统的软件与轨道交通常见的安全软件很大的不同在于，集成的商用COTS软件带来的不确定性。

以核心的障碍物探测算法来说，采用的图形特征提取技术，常用的一种是传统的基于视觉的方法，使用成熟的CV技术进行图像分割（如边缘检测、角落检测或阈值分割），以及提取 "手工制作 "特征进行物体识别。另一种是来自汽车自动驾驶应用广泛的基于机器学习方法，采用卷积神经网络（CNN）结构自适应提取图像特征。

机器学习算法的概率不确定特性和内部不可解释的黑盒性质与传统的安全关键系统采用的确定可知原理相冲突，功能安全软件的技术标准不能完全控制机器学习算法本身技术特性带来的风险，这些新的问题也给功能安全认证带来了挑战。

AI对抗样本对谷歌视觉算法的欺骗攻击

另外，对于一个新产品的引入，除了技术方面，还有很多需要考虑的问题，如：

1. 现有标准的适应性，是否应建立新的技术标准；
   

2. 行业是否具备此方面全生命周期人才体系，研发、设计、生产制造、工程化、运营；

3. 技术应用的量产成熟度，供应链的完善程度，漫长生命周期内更新迭代，后勤保障。

以上是编者对主动障碍物探测这个新系统的一些看法，理解不见得全面，欢迎指正。

原文始发于微信公众号（薄说安全）：谈轨道主动障碍物探测系统