2022年12月，中車株所自主研發(fā)的機車自動駕駛系統(tǒng)順利通過國際權威獨立第三方安全評估，獲得安全完整性等級SIL2級認證證書。這是國內(nèi)機車自動駕駛系統(tǒng)首張系統(tǒng)級證書，標志著公司機車自動駕駛系統(tǒng)正式取得市場功能安全準入資質(zhì)。

中車株所機車自動駕駛系統(tǒng)是在軌道交通專用高性能SIL4級安全計算機平臺的基礎上，嚴格遵循EN50126、EN50128和EN50129標準要求，進行獨立自主開發(fā)的安全型通用機車自動駕駛系統(tǒng)。

機車自動駕駛系統(tǒng)能夠適用于普通貨物列車、普速客運列車，實現(xiàn)5000噸、萬噸及兩萬噸機車自動駕駛，能適配多種機車型號、多種列車編組和各種運輸線路，具備通用化運用能力。相比傳統(tǒng)的司機駕駛，機車自動駕駛系統(tǒng)能安全、高效、平穩(wěn)、準點地完成列車運行規(guī)劃與自動控制，實現(xiàn)列車運輸自動化，能輔助/替代司機執(zhí)行標準化操縱，減少能源浪費，提高鐵路自動化水平。

此次機車自動駕駛系統(tǒng)順利通過SIL2認證，表明公司機車自動駕駛系統(tǒng)具備SIL2等級要求的高可靠性和安全性，極大提高了公司在機車自動駕駛領域的競爭力和影響力。機車自動駕駛系統(tǒng)功能安全證書驗證了公司針對機車自動駕駛產(chǎn)品的設計研發(fā)能力，對公司保持機車自動駕駛領域的創(chuàng)新引領地位和牽引自動駕駛產(chǎn)品功能安全設計方向都具有重要的意義。

什么是SIL？

SIL，是英文Safety Integrity Level（安全完整性等級）的縮寫，按照國際電工委員會頒布的功能安全標準IEC 61508、以及歐洲電工標準化委員會頒布的EN 50126、EN 50128和EN 50129的規(guī)定，SIL劃分為4級，即SIL1、SIL2、SIL3、SIL4。其中SIL4最高，SIL1最低。

附：機車自動駕駛技術研究與應用

注：論文完整版PDF已發(fā)群內(nèi)

尚敬，株洲中車時代電氣股份有限公司

劉勇，株洲中車時代電氣股份有限公司

江帆，株洲中車時代電氣股份有限公司

當前軌道交通正朝著綠色、智能的方向發(fā)展，自動駕駛可進一步降低列車運行能耗，提升列車運行效率、消除不同司機操縱差異、提升列車運行一致性，是未來路網(wǎng)條件下列車有序協(xié)同運行的控制基礎，也是軌道交通智能化方向技術發(fā)展的典型代表。文章分析了機車自動駕駛研究的國內(nèi)外現(xiàn)狀和技術難點，闡述了滿足我國干線機車運用需求的機車自動駕駛系統(tǒng)整體架構，設計了有人值守的機車自動駕駛方案，詳細介紹了列車運行規(guī)劃與速度控制、列車縱向動力學仿真、多傳感器融合感知、列車系統(tǒng)運行仿真等關鍵技術，并對機車自動駕駛技術未來的發(fā)展方向進行了思考和展望?；谏鲜黾夹g的機車自動駕駛系統(tǒng)已在多個鐵路局和鐵路公司裝車運用并取得顯著的應用效果。該系統(tǒng)可支持不同的編組和載重，可適配不同的車型、控制系統(tǒng)、信號系統(tǒng)，具有良好的通用性和可推廣性。

0 引言

近年來，智能化技術的發(fā)展與應用逐漸成為驅(qū)動軌道交通技術裝備革新的重要手段。2019年9月，《交通強國建設綱要》，指出要強化前沿關鍵科技研發(fā)。瞄準新一代信息技術、人工智能、智能制造等世界前沿科技，加強對可能引發(fā)交通產(chǎn)業(yè)變革的前瞻性、顛覆性技術研究。自動駕駛依靠計算機與智能化技術在沒有人工操縱的情況下，完成列車安全、平穩(wěn)、準點、節(jié)能運行，是軌道交通與人工智能、物聯(lián)網(wǎng)、高性能計算等智能化技術深度融合的產(chǎn)物，也是軌道交通智能化發(fā)展的主要技術方向。目前自動駕駛在城軌領域已大規(guī)模商業(yè)應用，技術狀態(tài)較為成熟。在動車領域，京張高鐵智能動車組實現(xiàn)了有人值守的自動駕駛。在機車領域，存在運營線路非封閉、環(huán)境多變、機車與車輛靈活編組等特點，使得機車自動駕駛系統(tǒng)面臨運用場景復雜、受控對象的長度和載重靈活多變、運行環(huán)境復雜等一系列挑戰(zhàn)。

1 機車自動駕駛技術特點

1.1 自動化等級

在軌道交通行業(yè)，城市軌道交通的自動駕駛研究起步最早。IEC?62267根據(jù)運營人員和系統(tǒng)所承擔的列車運行基本功能的責任劃分，確定列車運行自動化等級（Grades of Automation，GOA）為 5 級：GOA0為目視行車，GOA1為非自動化列車運行，GOA2為半自動化列車運行，GOA3為無人駕駛列車運行，GOA4為無人干預列車運行?；贕OA分級，GOA2一般也稱為有人值守的自動駕駛；GOA3/4稱為無人駕駛。

相較于城市軌道交通列車簡單封閉的運用場景和固定編組的運輸組織模式，干線鐵路運輸組織體系十分復雜，貨物裝卸、機車車輛編組解編作業(yè)頻繁，地面作業(yè)及安全保障人員多，機車車輛裝備、地面配套系統(tǒng)與基礎設施保障體系不夠完善。如果參照城市軌道交通實現(xiàn)無人駕駛的目標，資源投入巨大，因此以有人值守的GOA2等級自動駕駛作為目標，后續(xù)再逐步向無人駕駛方向發(fā)展的方式更加符合目前國內(nèi)干線機車的運用現(xiàn)狀。

1.2 國內(nèi)外發(fā)展現(xiàn)狀

澳大利亞力拓公司開發(fā)的世界上首個機車自動駕駛系統(tǒng)AutoHaul經(jīng)過10年研究后于2018年在西澳鐵路皮爾巴拉（Pilbara）地區(qū)的重載鐵路網(wǎng)上成功應用。該系統(tǒng)采用安薩多爾（Ansaldo STS）的ETCS-2信號系統(tǒng)，自動駕駛系統(tǒng)ATO采用克諾爾（KNORR）研發(fā)的LEADER系統(tǒng)（AutoPliot）。該自動駕駛列車由3臺內(nèi)燃機車集中牽引236輛貨車車輛，載重超過2.8萬t，可實現(xiàn)GOA4等級的無人駕駛。

美國GE公司開發(fā)的Trip Optimizer（TO）系統(tǒng)在美國批量運用，累計裝車7?000余套，但該系統(tǒng)在機車速度大于15?km/h時才被允許進入，當TO系統(tǒng)獲得控制權后，僅控制機車的牽引和電制動（不控制空氣制動系統(tǒng)）。該系統(tǒng)以內(nèi)燃機車節(jié)能、列車沖動降低作為主要技術特點。

歐洲英國、法國、德國等多個國家在干線鐵路上進行了基于ETCS的ATO技術研究與試驗，在歐盟主導的Shift2Rail創(chuàng)新計劃中，其長期目標是發(fā)展GOA3/4級列車自動駕駛的干線鐵路應用，現(xiàn)階段主要集中在GOA2等級的列車自動駕駛技術研究，致力于研究一種可互操作的方法，開發(fā)可擴展到不同應用場景和兼容不同廠商的ATO解決方案。

在國內(nèi)，中車株洲所研制的機車自動駕駛系統(tǒng)于2018年9月在西安局國產(chǎn)化HXD1機車上裝車，首次實現(xiàn)了正線“零起零?！钡呢涍\列車自動駕駛；2019年12月在包神鐵路開行了首列具備干線鐵路異物入侵檢測、覆蓋正線自動駕駛與站段自動調(diào)車的萬噸重載列車；2020年以來，先后在國內(nèi)2條運量最大的重載專線——大秦線與朔黃線開展2萬t重載組合列車自動駕駛線路試驗，解決了重載組合列車平穩(wěn)控制、循環(huán)空氣制動控制等技術難題。

盡管國內(nèi)外均在開展機車自動駕駛技術的研究與應用，我國的貨車車輛使用的是自動式空氣制動系統(tǒng)(Pneumatic Controlled Pneumatic，PCP)，而澳大利亞、美國的貨車車輛則使用電控空氣制動系統(tǒng)(Electronically Controlled Pneumatic，ECP)。ECP采用貫穿于長大列車的通信電纜而非空氣作為制動系統(tǒng)指令的傳輸介質(zhì)，且僅通過壓縮的空氣產(chǎn)生制動力。ECP制動系統(tǒng)可以實現(xiàn)全列車同步制動、緩解，形成貫穿全列車的制動力均勻分配，有效縮短列車制動的空走時間，減少列車縱向沖動和制動距離，同時可以階段緩解。因此采用ECP制動系統(tǒng)的長大列車在操縱上比采用PCP制動系統(tǒng)的長大列車要容易很多，同時考慮開行密度、線路條件、運行速度等因素，我國開展機車自動駕駛技術的研究與應用相比澳大利亞、美國難度更大。

1.3 與城軌/動車自動駕駛的區(qū)別

機車自動駕駛與城軌、動車自動駕駛的區(qū)別主要體現(xiàn)在受控對象方面，具體對比見表1。

由表1可知，城軌與動車具有編組短、載重小、動力分散、制動系統(tǒng)同步性好等特點，而機車自動駕駛則更需要聚焦長編組、大載重的大慣性系統(tǒng)，實現(xiàn)在復雜線路及非確定變量條件下的精準控制，因此機車自動駕駛的控制難度更大，且城軌、動車的自動駕駛控制方法不適用于機車。

1.4 機車自動駕駛技術難點

重載列車編組長、載重大、列車覆蓋的縱斷面多，因此受力復雜。實現(xiàn)自動駕駛的高效安全運行主要存在以下難點：

①重載列車建模難度大。1列2萬t重載組合列車由“1輛主控機車+105輛貨車+1輛從控機車+105輛貨車+1輛帶可控列尾裝置的機車”構成，列車全長2.6?km左右，整列車通常覆蓋3～4個線路縱斷面，導致整列車的線路附加阻力分布不均勻。主控與從控機車之間的控制指令依靠無線傳輸，貨車的制動指令依靠空氣制動波傳輸，因此在列車運行過程中可能出現(xiàn)主控-從控機車控制響應延時，空氣制動過程中前部與尾部車輛存在制動/緩解時間差，使得重載組合列車在運行過程中的受力十分復雜，建模難度大。

②約束條件耦合多。重載列車開行受到線路、環(huán)境制約，隨著列車載重增大、編組輛數(shù)增多，在牽引/制動力的加/減載、特殊場景下電制動力的限制、空氣制動與電制動的協(xié)同配合、空氣制動的最低緩解速度、過分相前后的平穩(wěn)操縱等方面有很多約束條件，一旦操縱不當容易出現(xiàn)沖動，嚴重時可能誘發(fā)中部機車渡板變形、車鉤分離、脫軌、脫線等重大安全事故。

③循環(huán)空氣制動精準操縱難。我國貨運拖車多使用自動式空氣制動系統(tǒng)，其空氣制動只能階段施加、一次緩解。對重載列車而言，在長大下坡道區(qū)段內(nèi)機車電制動的速度調(diào)節(jié)能力有限，必須與車輛空氣制動協(xié)同控制才能保障安全通過?？諝庵苿酉到y(tǒng)的制動力特性與再充風時間、列車速度和閘瓦摩擦作用均有關，車輛空氣制動性能存在離散性大的問題，但循環(huán)空氣制動緩解對列車緩解地點與速度均有嚴格要求，這對重載列車在長大下坡過程中的精準操縱提出了很高的要求。

綜上所述，如何針對操縱難點保證重載列車運行的平穩(wěn)性與安全性是機車自動駕駛技術研究的重點與難點。

2 機車自動駕駛系統(tǒng)架構與關鍵技術

2.1 場景分析

結合車載系統(tǒng)、信號系統(tǒng)、地面系統(tǒng)及機車乘務員操縱的相關規(guī)定開展運用場景分析，為實現(xiàn)機車自動駕駛提供場景描述、邊界劃分、約束條件和經(jīng)驗規(guī)則，從而實現(xiàn)控制策略與實際運用的緊密結合。根據(jù)目前國內(nèi)干線機車運用情況及相關操縱規(guī)定，機車自動駕駛系統(tǒng)的運用場景應包含干線機車調(diào)車和正線作業(yè)。干線機車調(diào)車是指干線機車在段內(nèi)和站場運行，其場景覆蓋機車喚醒、機車出段和正線發(fā)車，以及正線運營完成后的站場解編和機車入段休眠；正線作業(yè)場景是指機車完成正線運營所需要的場景，覆蓋區(qū)間運行、車站的到達、停車及通過等。在列車運行過程中，遇到的故障及非正常場景，自動駕駛也需要做出對應的安全導向。具體場景組成如圖1所示。

2.2 系統(tǒng)架構

機車自動駕駛系統(tǒng)運用場景包括站段自動調(diào)車與正線自動運行，其系統(tǒng)整體架構由車載與地面2個部分組成，車載部分由機車自動駕駛裝置、智能顯示單元、自動喚醒裝置、健康管理系統(tǒng)、障礙物檢測單元、車載云平臺及車地無線通信單元等組成，地面部分包括調(diào)車管理系統(tǒng)、無線信號控制系統(tǒng)、定位服務器、調(diào)度中心、數(shù)據(jù)中心、智能運維系統(tǒng)、通信系統(tǒng)等。針對具體運用需求，該系統(tǒng)組成與功能可進行裁剪與適應性更改。機車自動駕駛系統(tǒng)整體架構如圖2所示。

機車自動駕駛系統(tǒng)車載設備以機車自動駕駛裝置（ATO）為核心，通過與車載既有關鍵控制設備（網(wǎng)絡控制系統(tǒng)、空氣制動系統(tǒng)、列車運行監(jiān)控設備、無線同步操控等）、健康管理系統(tǒng)、障礙物檢測單元，以及調(diào)度、監(jiān)測、通信等地面系統(tǒng)進行信息交互與安全聯(lián)動，并基于多目標約束條件下的最優(yōu)曲線規(guī)劃和智能跟隨等技術實現(xiàn)列車自動喚醒、自動整備、自動調(diào)車和正線自動運行等全場景的自動控制。

自動喚醒裝置用于自動駕駛列車的喚醒與休眠；健康管理系統(tǒng)監(jiān)測車載關鍵設備狀態(tài)并將對應信息實時發(fā)送給ATO；障礙物檢測單元與車載雷達及攝像頭連接，進行近距離、低速度場景下的障礙物檢測；車載云平臺將車載數(shù)據(jù)以無線方式傳輸至地面。調(diào)車管理系統(tǒng)負責獲取機車服役狀態(tài)、出勤計劃與整備計劃，同時具備遠程操縱功能；無線信號控制系統(tǒng)獲取聯(lián)鎖進路信息并將其發(fā)送至車載設備，用于計算調(diào)車速度防護曲線；定位服務器采用北斗差分定位，用于提升列車的定位精度；地面監(jiān)測系統(tǒng)實時獲取地面的異物入侵、邊坡橋梁、氣象、視頻監(jiān)測等信息；智能運維系統(tǒng)負責分析機車在運行過程中產(chǎn)生的各類數(shù)據(jù)，輔助人工決策；通信系統(tǒng)負責將地面監(jiān)測數(shù)據(jù)與調(diào)度數(shù)據(jù)發(fā)送到車載自動駕駛系統(tǒng)。

2.3 關鍵技術

機車自動駕駛技術的發(fā)展目標為替代人工操縱，實現(xiàn)列車安全、平穩(wěn)、準點、節(jié)能運行。從空間維度劃分，自動駕駛關鍵技術包括車載側技術和地面?zhèn)燃夹g。在車載側，機車自動駕駛裝置作為決策控制的核心，通過信息感知、決策規(guī)劃、跟隨控制等關鍵技術完成自動駕駛的決策行為，將車載控制指令序列發(fā)送給關聯(lián)系統(tǒng)執(zhí)行并實時觀測運行狀態(tài)。在地面?zhèn)?，為保障自動駕駛列車根據(jù)運行計劃和臨時調(diào)度命令信息進行動態(tài)調(diào)整，需通過地面調(diào)度系統(tǒng)進行車地協(xié)同；與此同時，為保障自動駕駛系統(tǒng)的高效安全運行，需構建1套基于列車縱向動力學的仿真技術平臺，為自動駕駛運行品質(zhì)的不斷優(yōu)化提供完備、真實的仿真與測試保障。機車自動駕駛關鍵技術如圖3所示。

2.3.1 運行曲線規(guī)劃技術

運行曲線規(guī)劃是根據(jù)列車運行線路數(shù)據(jù)、信號狀態(tài)、運行時分和限速要求，結合機車牽引制動特性曲線、車輛特性、列車編組等信息，計算未來一段時間的運行曲線。運行曲線規(guī)劃的本質(zhì)是一個帶約束的多目標運動規(guī)劃，目標包括安全、平穩(wěn)、節(jié)能和準點?？紤]全局運營目標、復雜場景及動態(tài)運行因素的影響，將運行曲線規(guī)劃技術劃分為全局目標規(guī)劃、行為決策和動態(tài)目標規(guī)劃3個部分，技術框架如圖4所述。

2.3.1.1 全局目標規(guī)劃技術

全局目標規(guī)劃是運行曲線規(guī)劃的第一步，主要用于實現(xiàn)機車自動駕駛運行過程中“節(jié)能和準點”的全局目標，其實現(xiàn)范圍為站與站或多個站之間的運行范圍，且信號機默認為全開放狀態(tài)。

全局目標規(guī)劃的實現(xiàn)方式是基于線路的靜態(tài)信息，在動力學約束、運動學約束和安全約束條件下，計算滿足節(jié)能、準點的規(guī)劃序列。該實現(xiàn)過程與動態(tài)變化的數(shù)據(jù)無關，無法實現(xiàn)類似于停車、臨時限速區(qū)域通過之類的動態(tài)功能。

全局目標規(guī)劃的實現(xiàn)算法主要是搜索優(yōu)化，如動態(tài)規(guī)劃和遺傳算法。此類算法一般不依賴于問題的性質(zhì)，只需進行目標函數(shù)尋優(yōu)，具有較好的全局搜索性能，可避免優(yōu)化過程陷入局部最優(yōu)解，能較好地實現(xiàn)機車運行的全局目標。

2.3.1.2 行為決策技術

行為決策主要是依據(jù)全局目標的規(guī)劃，基于當前場景和環(huán)境感知等信息，輸出列車對應的駕駛行為目標，它的功能是縮小運動規(guī)劃的解集空間，提高規(guī)劃動作的安全性。

行為決策功能首先根據(jù)決策數(shù)據(jù)、專家知識庫確定機車駕駛狀態(tài)與操縱規(guī)范的約束，然后通過有限狀態(tài)機或決策樹等推理決策算法得出合理的駕駛行為，最后將該駕駛行為轉(zhuǎn)化為相應的速度和工況約束以用于動態(tài)目標規(guī)劃。決策數(shù)據(jù)包含車輛狀態(tài)、線路數(shù)據(jù)和動態(tài)數(shù)據(jù)等不同維度和尺度的輸入信息；專家知識庫包含《列車牽引計算規(guī)程》《鐵路機車操作規(guī)程》和優(yōu)秀乘務員經(jīng)驗。

行為決策的典型決策場景包括起停車、過分相、循環(huán)空氣制動、動能闖坡、臨時限速運行、起伏坡道運行等。典型決策場景所對應的決策包含：起車模式、停車模式、電制動與電空制動的選擇，空氣制動施加與緩解位置的選取，提前控速的距離，道岔區(qū)電制動力限制值，空氣制動的減壓量，理想的充排風時間等狀態(tài)和控制約束。

2.3.1.3 動態(tài)目標規(guī)劃技術

動態(tài)目標規(guī)劃是根據(jù)行為決策的結果來實現(xiàn)機車運行過程中的動態(tài)目標，即當前信號機動態(tài)變化，相應后續(xù)的信號機默認按照降碼模式且同時滿足限速曲線的要求進行目前的動態(tài)計算。

動態(tài)目標規(guī)劃的實現(xiàn)方式為：①在行為決策結果中提煉出非線性狀態(tài)約束、控制約束和終端約束，將速度規(guī)劃問題轉(zhuǎn)化為帶約束的非線性最優(yōu)控制問題；②設計非線性梯度下降求解優(yōu)化算法，在非線性狀態(tài)和控制約束下對平穩(wěn)和節(jié)能目標進行梯度尋優(yōu)，得到控制量序列以及速度序列。同時考慮了平穩(wěn)、節(jié)能性能指標的控制模型如下：

式中：φ0[x(N)]為準點狀態(tài)量終端約束條件；L(x(k),u(k),k)為平穩(wěn)和能耗性能指標；Ke 為平穩(wěn)性指標權重系數(shù)；Kf為節(jié)能指標權重系數(shù)；s(k)為相鄰k和k+1之間的位置差；v(0)= v0為起始狀態(tài)約束；t(N)= tf為運行時間；Δu(k)min ≤ Δu(k)≤ Δu(k)max為控制增量上、下界的約束；g(k)min ≤ u(k)≤ g(k)max 為控制量需滿足的牽引/制動特性約束；g(k)為牽引制動特性函數(shù)；v(k)min ≤ x(k)≤v(k)max為列車運行狀態(tài)下的速度約束。

2.3.2 跟隨控制技術

自動駕駛動態(tài)運行規(guī)劃完成后，機車必須按照規(guī)劃精準執(zhí)行。跟隨控制是以規(guī)劃好的運行曲線為目標，以列車動力學和運動學模型為基礎，克服模型失準等影響，計算得出實際控制列車運行的牽引/制動和空氣制動指令，實現(xiàn)自適應魯棒速度跟蹤控制。列車在行駛過程中其內(nèi)部參數(shù)會隨著載荷、線路狀況的變化而改變，同時環(huán)境、天氣、軌道濕滑程度等也會影響牽引和制動系統(tǒng)執(zhí)行部件的能力發(fā)揮。因此，跟隨控制技術應能夠根據(jù)不同的場景、運行等級，給定不同的牽引/制動和空氣制動指令，滿足多目標運行的需求。如圖5所示，機車自動駕駛跟蹤控制技術主要包含控制器設計和模型參數(shù)辨識2個層面。

控制器主要包括2類控制算法，第1類是無模型傳統(tǒng)控制算法，第2類是基于模型的先進控制算法。無模型傳統(tǒng)控制算法是在運動學和動力學約束條件下設計專家PID控制器，解決典型場景的跟隨控制問題。但列車運行環(huán)境復雜，面臨動態(tài)過程非線性強、隨機擾動多的問題，同時過程模型時刻改變所帶來的模型失配問題會降低控制算法的精度?；谀Ｐ偷南冗M控制算法首先基于列車運動學狀態(tài)空間方程構建出預測模型；其次考慮列車運行舒適性要求和空氣制動操縱約束，增加包括加速度、沖擊率、力的給定斜率等狀態(tài)量在內(nèi)的約束規(guī)則集，設計帶約束的多目標代價函數(shù)；最后設計優(yōu)化計算策略，比如QP求解器，實現(xiàn)代價函數(shù)尋優(yōu)求解計算?；谀Ｐ偷南冗M控制算法能夠?qū)崿F(xiàn)更高精度的速度跟蹤控制，但對計算能力的需求過大，且對模型比較敏感，魯棒性較低，不一定適用于所有控制場景。

模型參數(shù)辨識主要包含隨機性擾動補償、空氣制動模型校準和基本阻力模型參數(shù)辨識。隨機性擾動補償是采用基于學習規(guī)則而設計的神經(jīng)網(wǎng)絡算法，從實際數(shù)據(jù)中分析擾動特性，補償模型中的隨機性誤差且消除模型失配帶來的預測偏差?？諝庵苿幽Ｐ托屎突咀枇δＰ蛥?shù)辨識是通過估計出列車模型誤差，并將其分離為隨機誤差項和常值誤差項，分別校準運行軌跡規(guī)劃及跟蹤控制的列車模型參數(shù)，并進行迭代優(yōu)化以保證列車在全線路不同場景中的安全運行。

2.3.3 列車縱向動力學

通過列車縱向動力學仿真分析影響列車縱向運動過程中動力學性能的相關因素，包括車鉤緩沖器裝置、操縱策略、線路條件、編組模式、車輛空氣制動系統(tǒng)和運行工況等。通過該技術可實現(xiàn)列車運行安全性能指標的定量分析，多種操縱策略、裝備方案的比選和風險預測，促使列車操縱更科學化、規(guī)范化，從而提高列車運行的平穩(wěn)性、安全性[8]。

如圖6所示，縱向動力學模型中每個機車車輛都具備獨立的自由度，首先通過對空氣制動系統(tǒng)、機車牽引系統(tǒng)、環(huán)境阻力和鉤緩系統(tǒng)分別建模得到各自由度的空氣制動力、實際牽引電制動力、環(huán)境阻力、車鉤力與車鉤位移關系，同時對機車指令信號傳遞的時間特性進行模擬；然后將空氣制動力、阻力、牽引電制動力等集成到列車縱向動力學方程組中，使用Newmark和Runge-Kutta等數(shù)值求解算法同時迭代求解各個自由度的速度、加速度和車鉤力等；最后根據(jù)制動試驗數(shù)據(jù)和實測車鉤力數(shù)據(jù)校準關鍵模型，實現(xiàn)適用于多工況的多編組列車縱向動力學仿真，為列車操縱優(yōu)化提供支撐?？諝庵苿酉到y(tǒng)與車鉤緩沖器系統(tǒng)的仿真建模是列車縱向動力學技術研究的重點與難點。

空氣制動系統(tǒng)模型包括物理模型和依賴試驗數(shù)據(jù)的經(jīng)驗模型。物理模型具有精度高、模型適應范圍廣、可擴展性強等特點，通過建立機車制動、車輛制動、列尾裝置工作時的氣體運動模型，可得到列車制動系統(tǒng)各個位置任意時刻的氣體流場變量（密度、溫度、壓力等）；經(jīng)驗模型則可快速仿真列車空氣制動力，通過利用重載列車空氣制動試驗臺采集的數(shù)據(jù)（不同類型車輛的制動數(shù)據(jù)），對列車制動和緩解過程中的制動波速、制動缸壓力變化曲線進行非線性動態(tài)擬合，模擬不同充排風場景下機車車輛空氣制動力的變化情況。

在物理模型中，空氣制動系統(tǒng)被分解為管路和邊界條件。管路包括列車制動主管和支管，邊界條件包括分配閥、缸室和列尾裝置等。建模時首先針對管路建立基于質(zhì)量、動量和能量守恒的偏微分方程組，再利用特征線法或有限差分法將方程組進行離散變換，然后聯(lián)立邊界方程進行聯(lián)合求解，在時間維度上迭代計算得到任意車輛位置在任意時刻的制動缸壓力，最后對基礎制動裝置和閘瓦建模得到空氣制動力。

緩沖器是耗散機車車輛沖擊力的關鍵部件，緩沖器類型包括摩擦斜楔型緩沖器和膠泥型緩沖器。構建高精度物理模型，首先需對不同類型緩沖器的材料特性、機械結構和部件間的相對運動進行分析，并通過數(shù)學模型描述得到各個類型緩沖器的阻抗力-位移特性曲線，再根據(jù)機車車輛實際編組情況進行緩沖器串聯(lián)仿真處理，最后得到機車車輛間的相互作用力。為提高列車縱向動力學仿真計算速度，可預存鉤緩受力特性曲線，通過查表法快速計算車鉤力。

2.3.4 多傳感器融合感知技術

精確感知列車運行環(huán)境中的行駛區(qū)域，行人、列車及障礙物的位置與速度，以及信號燈與標識牌之類的線路信息，可為機車自動駕駛的決策提供必要信息和參考依據(jù)。以在包神鐵路裝車的障礙物檢測系統(tǒng)為例，典型的列車融合感知應用所需的傳感器配置及其系統(tǒng)功能架構如圖7所示。

基于相機攝像并通過機器視覺算法可獲取視野內(nèi)物體的顏色、紋理和形狀等信息，近年來深度學習大大提升了機器視覺算法的準確性。自動駕駛中的視覺算法主要涉及圖像分類、目標檢測、語義分割、實例分割、全景分割等。其中圖像分類是最常見的基礎任務，可利用模型判斷圖像的所屬類別屬性，如標志牌信息、信號燈顏色、列車車型等。目標檢測用于定位常見目標在圖像中的位置，并根據(jù)物體的類別信息進行分類，如對行人、標志牌、信號燈、機車等的檢測。語義分割是對圖片中每個像素的分類，但不區(qū)分同一類別中的不同對象，例如可實現(xiàn)鐵軌和軌道內(nèi)區(qū)域的有效檢測，判斷列車當前可行駛的軌道區(qū)域。實例分割是目標檢測與語義分割的結合，不僅可精確分割到物體的邊緣，而且可標注并識別出圖像中同一類別的不同個體，但模型推理速度比較慢。全景分割是語義分割與實例分割的結合，相比語義分割它能區(qū)分單獨的對象實例，相比實例分割其對象分割必須是不重疊的。機車自動駕駛視覺檢測的效果如所示。

雖然通過相機感知可以提供豐富的目標和狀態(tài)信息，但由于相機是一種被動式傳感器，感知深度不足，因此測距精度低且易受環(huán)境影響，特別是在強光、低照度、雨雪霧等惡劣環(huán)境下僅靠相機完成感知任務其難度會大幅提升。

雷達傳感器能檢測目標的三維信息，目前毫米波雷達和激光雷達較為常用。毫米波雷達受天氣影響小且抗干擾能力強，對煙霧、灰塵有很好的穿透性，能實現(xiàn)全天時、全天候工作，是汽車和航空領域障礙物探測（測距、測速、測方位）的首選雷達。但在軌道交通領域，毫米波雷達的使用面臨雜波干擾大、探測距離不足，雷達峰值功率、發(fā)射和接收天線增益不足，方位分辨率差等問題，現(xiàn)有成熟產(chǎn)品難以推廣應用。

激光雷達具有距離分辨率高、抗有源干擾能力強、探測性能好、可全天時運行的特點。相比毫米波雷達，激光雷達能夠從數(shù)據(jù)中提取距離、姿態(tài)等更為細致的目標信息和更為豐富的路況信息，探測范圍更廣，探測精度更高，是軌道交通中近距離障礙物探測的首選雷達。但同時激光雷達在進行運行環(huán)境感知時需提供障礙物（包括當前軌道機車）的準確位置，且存在諸如點云數(shù)據(jù)量大、軌道場景地面不平、軌道反射點云稀疏等技術難點。因此激光雷達點云障礙物檢測算法必須通過合理的位置標定、點云提取與降采樣、聚類、平面擬合和多幀融合等技術實現(xiàn)障礙物的檢測與跟蹤，并最終結合軌道曲線判斷并輸出障礙物位置、類型及是否侵入限界等關鍵信息。自動駕駛雷達檢測的效果如圖9所示。

由于各類單一傳感器均具備明顯的劣勢，因而將多種傳感器信息融合是進一步提高感知可靠性和準確性的必要途徑。按照信息處理方式，多傳感器融合可以劃分為數(shù)據(jù)層融合、特征層融合和決策層融合，目前主流方式為數(shù)據(jù)層融合和特征層融合。

數(shù)據(jù)層融合也稱像素級融合，即先將各傳感器的數(shù)據(jù)融合，再從融合的數(shù)據(jù)中提取特征向量并進行判斷識別。數(shù)據(jù)層融合不存在數(shù)據(jù)丟失的問題，得到的結果也是最準確的，但計算量大，且對系統(tǒng)通信帶寬的要求很高。

特征層融合是中間層次融合，即先從每種傳感器提供的觀測數(shù)據(jù)中提取有代表性的特征，再將這些特征融合成單一的特征向量后運用模式識別方法進行處理。這種方法的計算量及對通信帶寬的要求相對降低，但因?qū)Σ糠謹?shù)據(jù)的舍棄而降低了其準確性。

決策層融合是指在每個傳感器對目標做出識別后，再將各傳感器的識別結果進行融合，屬于高層次的融合。由于對傳感器的信息進行了壓縮，這種方法產(chǎn)生的結果準確率偏低，但其計算量及對通信帶寬的要求最低，是目前自動駕駛領域應用最廣的方案。

2.3.5 系統(tǒng)仿真技術

重載列車現(xiàn)場試驗存在成本高、效率低、周期長等問題，因此需建立一套真實/虛擬相結合的自動駕駛地面仿真系統(tǒng)，方便線路試驗前針對自動駕駛控制策略、運行效果、動力學性能等的測試、驗證及完善。同時，為支撐自動駕駛系統(tǒng)批量應用，需構建融合列車動力學和《鐵路機車操作規(guī)程》等的重載列車操縱評價系統(tǒng)，以實現(xiàn)對機車自動駕駛系統(tǒng)運行風險的識別和對常態(tài)化運行情況、性能指標的全面評價。

系統(tǒng)仿真平臺需對列車在不同線路和信號條件下的運行進行仿真，因此需要包含機車、車輛、線路、信號系統(tǒng)、無線同步操控系統(tǒng)、列尾裝置等。考慮到仿真的可用性與有效性，仿真平臺采用真實實物與虛擬軟件相結合的方式實現(xiàn)對長大列車的仿真。真實實物方面采用與實車一致的網(wǎng)絡控制、車載信號、無線同步操控、自動駕駛、人機交互等系統(tǒng)，虛擬軟件方面采用機車、列車和動力學仿真軟件來模擬列車運行狀態(tài)。系統(tǒng)仿真平臺如圖10所示。

仿真軟件包含機車仿真和列車運行仿真2個部分。在機車仿真方面，主要針對牽引系統(tǒng)、制動系統(tǒng)、輔助系統(tǒng)、高壓設備、低壓設備等機車關鍵系統(tǒng)進行建模，根據(jù)人工駕駛或自動駕駛的控制指令，實現(xiàn)對牽引力、制動力、主司控器手柄、制動系統(tǒng)大小閘手柄等機車關鍵設備仿真；在列車運行仿真方面，主要針對列車運行環(huán)境、阻力、車輛、鉤緩等建模，實現(xiàn)對列車速度、運行阻力、列車管壓力、車輛制動力、加速度、車鉤力等列車運行狀態(tài)關鍵參數(shù)的仿真計算，從而提供完備、準確的列車運行仿真環(huán)境，滿足列車自動駕駛的測試和驗證要求。

該仿真平臺可支持不同機車類型、不同編組類型、不同線路等條件下的列車自動駕駛仿真，可模擬列車在站段和正線所遇到的場景，也可模擬故障場景，驗證自動駕駛系統(tǒng)的安全導向功能，為自動駕駛系統(tǒng)軟件迭代升級及驗證提供可靠環(huán)境。

3 系統(tǒng)應用情況

3.1 典型應用

本文所述的機車自動駕駛技術及其相關產(chǎn)品已經(jīng)在國內(nèi)9種車型的機車上裝車，可適配不同廠家的網(wǎng)絡控制系統(tǒng)、空氣制動系統(tǒng)、無線同步操控系統(tǒng)、信號系統(tǒng)，具備良好的兼容性及可擴展性。目前，該系統(tǒng)配屬西安局、太原局、包神鐵路、朔黃鐵路等多個鐵路局/鐵路公司，典型應用情況見表2。

3.2 運用效果

機車自動駕駛系統(tǒng)已經(jīng)在西安局西康線與包神鐵路神朔線常態(tài)化運行，累計運用里程超過150萬km，表3為機車自動駕駛系統(tǒng)在某條線路的應用效果統(tǒng)計。

由表3可知，經(jīng)現(xiàn)場運用統(tǒng)計，除車機聯(lián)控場景外，機車自動駕駛系統(tǒng)在運行期間能夠完全替代司機對牽引、制動手柄、尾部風壓查詢的操縱，整體自動化操控率達到98%以上；通過對列車運行能耗及運行速度數(shù)據(jù)的統(tǒng)計，機車自動駕駛相比人工駕駛其上行重載節(jié)能1.2%，下行輕載節(jié)能4.6%，平均節(jié)能2.9%；上行重載提速2.0?km/h，下行輕載提速3.4?km/h，平均提速2.7?km/h。

自動駕駛系統(tǒng)的障礙物檢測效果如表4所示。

由表4可知，經(jīng)現(xiàn)場運用統(tǒng)計，在機車站段調(diào)車作業(yè)過程中，障礙物檢測系統(tǒng)可以輔助司機對行人、信號燈、障礙物、標志牌等進行識別和檢測，其中目標檢測平均準確率約為95.29%，平均召回率約為96.35%，系統(tǒng)無故障運行累計超過20萬km。

4 結語

本文通過分析機車自動駕駛的技術現(xiàn)狀與難點，根據(jù)國內(nèi)機車運用的典型場景提出了機車自動駕駛系統(tǒng)方案，并對系統(tǒng)的關鍵技術進行了詳細介紹。目前，機車自動駕駛系統(tǒng)已完成產(chǎn)品裝車、線路試驗、運用考核和批量運用；實現(xiàn)了從普載到重載，從單元到組合，從正線到站段的覆蓋。同時，該系統(tǒng)大大降低了司機勞動強度，提升了列車運行效率，為未來智能化運輸路網(wǎng)下的列車運行控制奠定了基礎。

后續(xù)機車自動駕駛技術將主要從以下幾個方向進一步研究：

①持續(xù)優(yōu)化自動駕駛列車的運行品質(zhì)，使列車運行得更加平穩(wěn)、更加節(jié)能；

②研究先進的感知技術，提升障礙物檢測距離和檢測精度，同時融合更多的地面監(jiān)測信息，提高列車在非正常場景的應急處置能力；

③開展基于虛擬編組的列車群組控制，以滿足特定場景的運輸組織要求；

④機車自動駕駛要從有人值守的自動駕駛（GOA2）發(fā)展到無人駕駛（GOA3/4），機車車輛技術裝備、地面配套均需優(yōu)化升級，同時列車與地面信號、調(diào)度等系統(tǒng)之間需要深度協(xié)同。

來源：中車株所、《機車電傳動》