KR20200086258A - 선로망 내의 탐색 시스템 및 방법 - Google Patents

선로망 내의 탐색 시스템 및 방법 Download PDF

Info

Publication number
KR20200086258A
KR20200086258A KR1020207009574A KR20207009574A KR20200086258A KR 20200086258 A KR20200086258 A KR 20200086258A KR 1020207009574 A KR1020207009574 A KR 1020207009574A KR 20207009574 A KR20207009574 A KR 20207009574A KR 20200086258 A KR20200086258 A KR 20200086258A
Authority
KR
South Korea
Prior art keywords
data
track
network
navigation system
sensor
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.)
Ceased
Application number
KR1020207009574A
Other languages
English (en)
Inventor
크리스토프 빌체크
Original Assignee
플라세 & 토이러, 엑스포트 본 바흔바우마쉬넨, 게젤샤프트 엠. 베. 하.
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 플라세 & 토이러, 엑스포트 본 바흔바우마쉬넨, 게젤샤프트 엠. 베. 하. filed Critical 플라세 & 토이러, 엑스포트 본 바흔바우마쉬넨, 게젤샤프트 엠. 베. 하.
Publication of KR20200086258A publication Critical patent/KR20200086258A/ko
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
    • 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
    • B61C17/12—Control gear; Arrangements for controlling locomotives from remote points in the train or when operating in multiple units
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61D—BODY DETAILS OR KINDS OF RAILWAY VEHICLES
    • B61D15/00—Other railway vehicles, e.g. scaffold cars; Adaptations of vehicles for use on railways
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
    • B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
    • B61K9/08—Measuring installations for surveying permanent way
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L15/00—Indicators provided on the vehicle or train for signalling purposes
    • B61L15/0018—Communication with or on the vehicle or train
    • B61L15/0027—Radio-based, e.g. using GSM-R
    • 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
    • B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
    • B61L23/042—Track changes detection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
    • B61L25/02—Indicating or recording positions or identities of vehicles or trains
    • B61L25/025—Absolute localisation, e.g. providing geodetic coordinates
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/40—Handling position reports or trackside vehicle data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/70—Details of trackside communication
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/72—Electric energy management in electromobility

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Machines For Laying And Maintaining Railways (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Navigation (AREA)
  • Agricultural Chemicals And Associated Chemicals (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 시스템 구성 요소로서 시스템 센터(20), 선로 유지보수 기계(1) 및 통신 수단(26)을 포함한 선로망(4) 내의 탐색 시스템(20)에 관한 것이다. 시스템 센터(20)는 선로망(4)의 모델(31)을 나타내는 네트워크 데이터를 관리하도록 설정된다. 선로 유지보수 기계(1)는 선로망(4)의 선로 섹션(3)의 처리에 적합하며, 선로 유지보수 기계(1)는 네트워크 데이터로부터 유도된 탐색 데이터를 처리하기 위한 탐색 장치(19)를 포함한다. 통신 수단(26)은 시스템 센터(20)와 탐색 장치(19) 사이의 데이터 교환을 위해 제공된다. 본 발명에 따르면, 시스템은 선로망(4)의 특성 정보를 나타내는 미가공 데이터를 수집하기 위한 센서(14)를 갖춘 적어도 하나의 이동 가능하거나 고정된 캐리어 플랫폼(1, 21, 22, 23, 24)을 포함하고, 미가공 데이터를 평가하고 이를 네트워크 데이터와 동기화하기 위해서 빅 데이터 프레임워크(27)가 시스템 센터(20)에 설정된다. 이러한 시스템을 사용하면, 네트워크 데이터의 자동 업데이트가 수행될 수 있다.

Description

선로망 내의 탐색 시스템 및 방법
본 발명은 시스템 구성 요소로서 시스템 센터, 선로 유지보수 기계 및 통신 수단을 포함한 선로망 내의 탐색 시스템에 관한 것이다. 시스템 센터는 선로망의 모델을 나타내는 네트워크 데이터를 관리하도록 설정된다. 선로 유지보수 기계는 선로망의 선로 섹션의 처리에 적합하며, 선로 유지보수 기계는 네트워크 데이터로부터 유도된 탐색 데이터를 처리하기 위한 탐색 장치를 포함한다. 통신 수단은 시스템 센터과 탐색 장치 사이의 데이터 교환을 위해 제공된다. 또한, 본 발명은 시스템의 작동 방법에 관한 것이다.
선로 유지보수 기계의 작동을 위해서 선로망 내의 탐색이 요구된다. 처음에, 운영 위치 및 작업 지시를 포함한 운영 계획이 시스템 센터에서 수동으로 또는 부분적으로 자동화된 방식으로 편집된다. 그런 다음, 정의된 작동 위치를 탐색 목표로 지정하기 위해서 선로 유지보수 기계로 작동 계획 목록의 전송이 일어난다. 이러한 동안에 원칙적으로, 기계 운영자는 현지 상황을 알고 있다고 가정한다.
EP 1 862 593 A2에 따르면, 위성 기반 추적 시스템에 의해서 선로망 내의 선로 유지보수 기계의 자동화된 로컬화(localization)를 가능하게 하는 시스템이 공지되어 있다. 여기서, 정밀한 위치 결정을 수행하기 위해서 선로 데이터베이스의 특성 데이터와의 동기화가 이루어진다.
건설 현장 계획 과정에서, 운영 위치가 명확하게 정의되지 않거나 잘못 표시되는 것이 발생할 수 있다. 예를 들어, 유효하지 않은 참조가 운영 계획에 표시될 수 있다. 그러한 실수는 업무 실행의 지연을 초래할 수 있다. 최악의 경우에, 잘못된 선로 섹션에서 작업이 일어난다.
종래 기술에 따르면, 운영 계획은 여러 상이한 데이터베이스에 저장되는 네트워크 데이터에 기초하여 편집된다. 여기서, 데이터베이스는 각각의 경우에 선로망 내의 상이한 설비(예를 들어, 신호 장비, 선로, 전차선 등)와 관련이 있다. 이들 데이터베이스는 철도 인프라 운영자의 다양한 계획 당국의 각각의 요건에 맞춰져 있으며, 원칙적으로 상이한 기준(예를 들어, 주행 거리, 마스트(mast)용 신호, 신호 장치 등)이 작동 위치를 나타내기 위해 저장된다.
예를 들어, 스위치가 제거될 때와 같이 선로망이 변경되면, 공지된 데이터베이스의 네트워크 데이터는 수동으로 업데이트되어야 한다. 실제로, 이용 가능한 네트워크 데이터의 일관성, 완전성, 유효성 및 정밀성에 빈번한 문제가 있을 수 있다. 추가로, 데이터 유지보수가 불충분하면 선로 유지보수 기계의 작동 계획에 오류를 초래한다.
본 발명의 목적은 처음에 언급된 유형의 시스템 및 방법의 종래 기술에 대한 개선을 제공하는 것이다.
본 발명에 따르면, 이들 목적은 독립항 1 및 독립항 7의 특징에 의해 달성된다. 본 발명의 유리한 추가 개선은 종속항으로부터 자명해 진다.
여기서, 시스템은 선로망의 특성 정보를 나타내는 미가공 데이터를 수집하기 위한 센서를 갖춘 적어도 하나의 이동 가능하거나 고정된 캐리어 플랫폼(carrier platform)을 포함하고, 빅 데이터 프레임워크는 미가공 데이터를 평가하고 이를 네트워크 데이터와 동기화하기 위해서 시스템 센터에 설정된다.
이러한 방식으로, 네트워크 데이터는 검출된 실제 상태로 지속적으로 조정된다. 여기서, 시스템 센터에 빅 데이터 프레임워크를 설정하면 사전 설정된 평가 기준 또는 알고리즘에 기초하여 수집된 미가공 데이터의 자동 평가가 가능하다. 이러한 동안에, 기존 데이터베이스 및 데이터 분석 도구가 사용될 뿐만 아니라 다양한 기계 학습 공정도 사용된다. 이러한 방식으로, 선로망의 모델은 수집된 미가공 데이터에 기초하여 구성되고 추가로 지속적으로 개발된다. 선로 유지보수 기계에 설치된 모델 및 센서 시스템에 기초하여, 자동화된 실시간 위치 결정이 일어난다. 또한, 작업 매개변수가 위치와 상관없이 미리 정의될 수 있다.
여기서, 선로 유지보수 기계가 캐리어 플랫폼으로서 설계되고 선로망에서 이동하는 동안 미가공 데이터를 수집하는 센서 시스템을 포함하는 것이 유리하다. 따라서 선로 유지보수 기계의 실제 가동을 늘림으로써만 네트워크 데이터가 훨씬 더 정밀해지므로, 정확한 운영 계획이 보장된다.
또한, 시스템이 측정 차량 또는 센서가 장착된 다른 선로-결합 차량을 캐리어 플랫폼으로서 포함하는 것이 유용하다. 일반적으로, 선로망은 실제 조건을 확립하기 위해서 측정 차량에 의해 정해진 시간 간격으로 이동된다. 본 시스템에 통합되는 경우, 측정 차량에 의해 수집된 미가공 데이터는 또한, 네트워크 데이터를 업데이트하는 역할을 한다. 기존 철도 차량에는 이러한 목적으로 센서 시스템이 또한 장착될 수 있다.
시스템이 플라잉 캐리어 플랫폼(flying carrier platform), 특히 센서가 장착된 드론을 포함하면 추가의 개선이 제공된다. 또한, 네트워크 데이터를 정보로 확장하기 위해서 고-해상도 위성 이미지가 미가공 데이터로 사용될 수 있다.
본 발명의 유리한 실시예에서, 네트워크 데이터는 선로 객체를 노드(node)로서 그리고 선로 객체 간의 관계를 에지로서 갖는 그래프로 저장된다. 이러한 방식으로, 네트워크 데이터는 간단한 방식으로 관리될 수 있다. 특히, 평가된 미가공 데이터와의 동기화는 적합한 알고리즘에 의해 촉진된다.
여기서, 특성 데이터 패턴이 선로 객체에 지정되면 유리하다. 이에 대한 근거는 특정 부류의 모든 객체(예를 들어, 침목, 레일 고정 수단, 광 신호 등)에 공통적인 중요한 특징이다. 결과적으로, 사용된 센서에 따라서, 효율적인 객체 할당을 보장하는 미가공 데이터에서 대응하는 데이터 패턴이 발견된다.
본 발명에 따르면, 전술한 시스템 중 하나를 작동시키기 위한 방법은 센서에 의해 미가공 데이터가 수집되고, 미가공 데이터가 시스템 센터로 전송되고, 객체 데이터가 식별 알고리즘을 통한 미가공 데이터로부터 발생되고, 네트워크 데이터를 업데이트하기 위해서 네트워크 데이터가 객체 데이터와 동기화되는 것이 제공된다.
여기서, 시스템 센터에 설정된 빅 데이터 프레임워크는 수집된 미가공 데이터의 자동 평가에 사용된다. 이러한 방법을 사용하면, 대응하는 미가공 데이터가 센서에 의해 수집되는대로 네트워크 데이터의 자동 적응이 일어난다. 따라서, 데이터 유지보수에 기초한 문제점이 배제된다.
본 방법의 바람직한 추가 개선에서, 네트워크 데이터의 업데이트가 일어난 후, 모든 업데이트된 데이터 또는 업데이트된 데이터의 일부가 선로 유지보수 기계의 탐색 장치로 전송된다. 시스템이 여러 선로 유지보수 기계를 포함하면, 대응하는 데이터 전송이 모든 기계에 대해 일어난다. 이러한 방식으로, 다음 작동 위치에 대한 탐색은 업데이트된 네트워크 데이터를 항상 기초로 한다.
본 방법의 유리한 실시예는 사용된 센서 및/또는 사용된 캐리어 플랫폼 및/또는 사용된 식별 알고리즘에 따라서 각각의 경우에 확률 값 또는 확률 함수가 객체 데이터에 할당되는 것을 제공한다. 이러한 방식으로, 데이터 스톡(data stock) 또는 선로망와 관련하여 식별 정밀도가 확인된다. 따라서, 결정된 객체의 분류는 선로망 또는 이미 존재하는 선로망 정보에 대한 그들의 정보 내용과 관련하여 일어난다.
빅 데이터 프레임워크의 범주에서 기계 학습은 새로운 미가공 데이터에 기초하여 인식 가능한 객체의 지속적인 확장 및 적응을 가능하게 한다. 예를 들어, 객체 레지스터에 저장된 정의 또는 알고리즘은 새로운 데이터로 업데이트된다.
여기서, 할당된 확률 값 또는 확률 함수에 따라서 새로운 객체 데이터에 의한 네트워크 데이터의 업데이트가 수행되는 것이 유리하다. 따라서, 평가된 정보 내용에 기초하여 새로운 객체 데이터가 추가된다는 점에서 네트워크 데이터는 최신 상태로 된다.
추가 개선은 객체 데이터가 캐리어 플랫폼의 검출된 모션 패턴에 기초하여 구성되어, 객체 체인으로서 함께 묶인 객체 데이터에 의해 나타낸 선로 객체가 그래프로서 저장된 네트워크 데이터와의 동기화를 위해 공급되는 것이 제공된다. 이는 검출된 모션 패턴으로 인해 여러 선로 객체의 논리적 시퀀싱(logical sequencing)이 일어나기 때문에 동기화를 단순화한다. 따라서, 복잡한 구조를 갖춘 객체 체인의 중요성은 개별 선로 객체의 중요성으로부터 유도된다.
바람직하게, 객체 체인은 세그먼트로 세분되며, 세그먼트는 특징적인 선로 객체에 기초하여 그래프와 동기화된다. 이러한 방법의 단계는 마찬가지로, 네트워크 데이터와 객체 데이터의 동기화를 최적화한다.
세그먼트를 부분 그래프와 동기화하는 간단한 수행방법은 합의 범위가 지정되고, 합의 범위가 사전 설정된 최소 범위를 초과하면 부분 그래프가 세그먼트로 대체되는 것을 제공한다.
세그먼트를 부분 그래프로 동기화할 때, 검증 불가능한 선로 객체가 실패 검증의 사전 설정된 수에 도달할 때까지 부분 그래프의 노드로서 남아 있으면, 방법의 오류 허용도가 높아진다. 이러한 방식으로, 센서 또는 전송 결함은 네트워크 데이터의 품질에 영향을 미치지 않는다.
탐색 절차에 대해서, 선로 유지보수 기계에 배열된 센서에 의해서 주변 선로 객체가 기록되면, 그리고 선로 유지보수 기계의 현재 위치가 기록된 선로 객체와 네트워크 데이터의 동기화에 의해 결정되면, 유리하다. 여기서, 선로망의 변경 사항이 선로 유지보수 기계의 탐색 동안 자동으로 고려된다.
본 발명은 첨부 도면을 참조하여 예로서 아래에서 설명될 것이다. 도면은 다음과 같은 방식으로 개략적으로 도시된다.
도 1은 선로 유지보수 기계이며,
도 2는 선로망이며,
도 3은 시스템 레이아웃(layout)이며,
도 4는 선로 섹션의 구조이며,
도 5는 방법 순서이다.
작업 할당장소로 찾아갈, 도 1에 도시된 선로 유지보수 기계(1)는 본 발명에 따른 시스템의 구성요소이다. 이러한 선로 유지보수 기계(1)는 선로망(4)의 선로 섹션(3)을 처리하기 위한 작업 유닛(2)을 포함한다. 선로망(4)는 도 2에 예로서 도시된 바와 같이, 예를 들어 선로(5), 스위치(6), 교차점(7), 마스트(mast)(8), 터널(9), 스테이션(10), 지하도(11), 수평 교차점(12) 또는 발리스(balise)(13)와 같은 다양한 객체를 포함한다.
선로 유지보수 기계(1)에는 이동된 선로(5)의 주변 및 현재 위치를 기록하기 위해서 다양한 센서 또는 센서 시스템(14)이 추가로 장착된다. 이들은 예를 들어, 카메라(15), 위치설정 시스템(16), 틈새 게이지 스캐너(17) 또는 레일 스캐너(18)이다. 이러한 방식으로, 선로 유지보수 기계(1)는 센서 또는 센서 시스템(14)을 위한 캐리어 플랫폼으로서 역할을 한다.
작업할 선로 섹션(3)에 도달하기 위해서, 선로 유지보수 기계(1)는 탐색 장치(19)를 가진다. 이는 컴퓨팅 및 제어 유닛으로서 구성되며 네트워크 데이터로 나타나는 선로망(4) 내에서 탐색의 역할을 한다. 탐색 장치(19)에 의해서, 네트워크 데이터로부터 유도된 탐색 데이터가 처리되고 센서 데이터와 동기화되어 선로 유지보수 기계(1)의 현재 위치를 결정한다.
본 발명의 하나의 목적은 네트워크 데이터를 자동화 방식으로 지속적으로 업데이트하는 것이다. 이를 위해, 선로망(4)의 특성 정보를 나타내는 미가공 데이터가 먼저, 센서 또는 센서 시스템(14)에 의해 수집된다. 추가의 순서에서, 미가공 데이터가 평가되어 시스템 센터(20)에서 관리되는 네트워크 데이터와 동기화된다. 이러한 데이터 동기화로부터, 선로망(4) 또는 개별 선로 섹션(3)의 상태에 관한 결론을 도출하는 것이 가능하다. 예를 들어, 수집된 위치 데이터의 빈번한 변경은 불안정한 선로 위치에 관한 결론을 허용한다.
선로 유지보수 기계(1) 이외에, 다른 캐리어 플랫폼, 예를 들어 측정 차량(21), 다른 철도 차량(22) 또는 플라잉 캐리어 플랫폼(23)이 미가공 데이터를 수집하는데 사용될 수 있다. 센서(14)가 장착된 인프라 시설은 고정 캐리어 플랫폼(24)으로서 사용될 수 있다. 이는 예를 들어, 선로 섹션(3)을 관찰하는 카메라(15)가 체결된 마스트(8)일 수 있다. 또한, 선로(5)에 인접하여 설치된 광섬유 케이블이 센서(14)로서 사용될 수 있다. 이를 위한 근거는 레이저 임펄스가 광섬유 케이블을 통해 전송되어 선로 섹션(3) 사운드 신호 및 그로부터 유도될 수 있는 활동을 따라 실시간으로 등록하는 소위, DAS(Distributed Acoustic Sensing; 분산 음향 감지)이다. 그러한 고정 캐리어 플랫폼(24)에 의해서, 관찰된 선로 섹션(3)의 미가공 데이터가 시간에 따라 수집된다. 객체 변화를 검출하는 것 이외에도, 이들 미가공 데이터는 또한, 이동 캐리어 플랫폼(1, 21, 22, 23)의 위치 검증을 위해 사용될 수 있다.
측정 차량(21)에는 예를 들어, GNSS 수신기(25), 틈새 게이지 스캐너(17) 및 레일 스캐너(18)가 장착된다. 다른 철도 차량(22)은 GNSS 수신기(25)를 포함하고, 플라잉 캐리어 플랫폼(23)은 카메라(15) 또는 공중 뷰를 기록하기 위한 다른 장치를 포함한다. 모든 이들 센서 또는 센서 시스템(14)에 의해서, 평가를 위해 다양한 미가공 데이터가 수집 및 공급된다. 여기서, 데이터 용량 및 이용 가능한 컴퓨팅 능력에 따라서, 미가공 데이터는 캐리어 플랫폼(1, 21, 22, 23, 24)에서 사전 처리되거나 시스템 센터(20)로 직접 전송된다.
도 3의 예시적인 시스템 레이아웃에서 알 수 있는 바와 같이, 통신 수단(26)은 추가 시스템 구성요소로서 제공된다. 이들 통신 수단(26)은 시스템 센터(20), 센서 시스템(14) 및 탐색 장치(19) 사이의 데이터 교환에 사용된다. 이들 수단은 예를 들어, 모바일 무선 네트워크를 통한 무선 통신을 위한 장치이다. 본 발명에 따른 시스템의 매우 간단한 실시예에서, 시스템 센터(20)는 탐색 및 네트워크 데이터 업데이트를 위한 자급자족 시스템(self-sufficient system)이 존재하도록 선로 유지보수 장치(1)에 수용된다. 여기서, 통신 수단(26)은 설치된 버스 시스템(bus system)의 요소일 수 있다.
시스템 센터(20)에는 빅 데이터 네트워크(27)가 설치된다. 이는 또한, 기존 데이터베이스(28) 및 데이터 분석 도구 이외에도 다양한 기계 학습 알고리즘을 지원한다. 이에 대한 예는 noSQL 또는 Hadoop이다. 이러한 방식으로, 시스템 센터(20)는 데이터를 수집, 저장 및 처리하는 역할을 한다.
데이터 포인트(
Figure pct00001
)로부터, 센서 시스템(14)은 시점(t)에서 임의의 치수(k)를 갖는 데이터 텐서(data tensor)(Sk(t))를 생성한다:
Figure pct00002
여기서, i = 1이고, k는
Figure pct00003
이고, 이는 행렬이므로,
Figure pct00004
이다.
이동 캐리어 플랫폼(1, 21, 22, 23)에 배열된 센서(14)는 공간 정보와 함께 특히 데이터 포인트(
Figure pct00005
)를 전달한다. 그러나, 고정 캐리어 플랫폼(24)에서, 센서(14)에 의해 기록된 데이터 포인트는 특히 시간 변화를 표시한다.
센서 시스템(14)의 데이터 포인트(
Figure pct00006
)의 특성 특징으로부터, 가상 색인화 객체(29)(
Figure pct00007
는 객체 데이터로서 편집된다. 이들은 선로 환경에서 확률 신뢰성(stochastic reliability)으로 인식될 수 있고 탐색에 대한 기준으로서 작용할 수 있는 선로 객체(4-13)를 나타낸다. 구체적으로, 객체(29)는 상당히 재현 가능한 패턴을 특징으로 한다. 객체 레지스터에서, 객체(29)의 정의(또는 알고리즘)는 새로운 데이터에 의해 업데이트된다.
이러한 동안에, 각각의 객체 특성에 대한 확률이 계산되거나 확률 함수(Px)가 할당된다:
Figure pct00008
객체 검증으로 인한 메타데이터(metadata) 이외에도, 데이터 포인트는 특히, 가상으로 색인화된 객체(29)의 현재 상태를 설명한다.
각각의 확률 함수(P)는 센서 또는 센서 시스템(14)의 유형, 캐리어 플랫폼(1, 21, 22, 23, 24)의 유형 및 객체 레지스터의 알고리즘에 의존한다. 예를 들어, 분산이 거의 없는 확률 함수가 새로운 센서 시스템(14)에 대해 규정되어 있다. 그러나, 정확도가 낮은 구형 센서(14)에 대해서는 더 큰 분산이 규정되어있다. 저장된 관찰 공정으로부터 유도된 인식 확률은 지금까지 인식된 객체(29)의 수를 고려한다. 이러한 방식으로, 시스템 센터(20)에 저장된 데이터 스톡과 관련하여 객체(29)의 명확도가 확립된다. 따라서, 평가된 정보 내용에 의한 객체(29)의 분류는 전체 선로망 및 그 내부의 정보와 관련하여 이루어진다.
또한, 인식 가능한 객체(29)가 기계 학습 또는 수동 학습에 의해 지속적으로 확장되고 적응된다는 점에서 평가 방법이 지속적으로 개선된다. 여기서, 빅 데이터 프레임워크 내에서 자율적인 기계 학습은 시스템 센터(20)에서 새로 수집된 이들 데이터를 기초로 한다.
도 4에 도시된 바와 같이, 가상 색인화 객체(29)는 캐리어 플랫폼(1, 21, 22)의 모션 패턴에 따라 서로에 대해 링크된다. 따라서, 선로-결합 캐리어 플랫폼(1, 21, 22)의 경우에, 가상 색인화 객체(29)가 생성되고, 결과적인 객체 체인(30)은 의미 체인(semantic chain)(
Figure pct00009
)으로 간주될 수 있다:
Figure pct00010
여기서 tn은 시작 시간이고 tn+m은 캐리어 플랫폼(1, 21, 22)의 실행 종료 시간이다.
이러한 체인 내에서, 특이한 객체(29)(예를 들어, 스위치(6)의 객체 데이터)는 세그먼트(31)로 세분화하기 위한 개별 포인트로 지정된다. 이들은 인식 확률 또는 네트워크의 관련성(모호함의 정도)으로부터 동적으로 결정될 수 있다. 예를 들어, 도 4에서, 서로 연결된 객체(29)는 왼쪽에서 오른쪽으로 스위치(6), 발리스(13), 선로(5), 마스트(8), 터널 포털, 터널(9), 터널 포털, 스위치(6), 마스트(8), 발리스(13), 2 개의 마스트(8) 및 스위치(6)를 나타낸다.
새로운 객체 체인(30)은 네트워크 데이터, 즉 선로망(4)의 모델(31)과 동기화된다. 여기서, 네트워크 데이터는 그래프(N(ta)로서 저장되며, 여기서 ta는 특정 객체(29)의 업데이트 시간이다:
Figure pct00011
Figure pct00012
객체 체인(30)의 세그먼트(32)는 특이한 객체(29)를 통해 선로망(4)의 모델(31)(매핑됨)과 동기화된다. 세그먼트(29)와 부분 그래프가 높은 확률로 일치하면, 세그먼트(29)에 포함된 가상 색인화 객체(29)는 그래프로 전송된다. 이러한 방식으로, 특정한 가상 색인화 객체(29)의 특성은 연관된 확률 함수(P)를 고려하면서 모델(31)의 특성을 업데이트(네트워크 데이터의 업데이트)하는데 사용된다. 여기서, 미가공 데이터의 수집이 증가함에 따라서 네트워크 데이터의 신뢰성과 정밀도가 증가한다:
Figure pct00013
고정 캐리어 플랫폼(24)에 의해 수집된 데이터 포인트는 또한, 네트워크 데이터와 대응하는 방식으로 동기화되며, 여기서 시간적 변화에 관한 정보는 가장 중요하다.
업데이트 공정 동안, 객체 검출 중의 센서 결함 또는 장애에 기초하여, 개별 객체(29)가 검증될 수 없음이 발생할 수 있다. 그런 다음, 새로운 수집 절차(33) 동안 위조가 발생하거나 검증이 여러 번 일어나지 않을 때까지 네트워크 데이터에 존재하는 것이 실용적이다.
도 5는 방법 순서의 개요를 도시한다. 여기서, 상기 방법은 다음과 같은 방법 단계로 대략적으로 나누어진다.
- 다양한 캐리어 플랫폼(1, 21, 22, 23, 24)의 입력(34) 및 센서 시스템(14)
- 통계적 값으로 객체 색인화를 위한 신호 분석(35)
- 객체 색인화의 검증 또는 위조를 위한 반복 수집 절차(33)(관찰)
- 다양한 수집 유형 또는 관찰 관점의 매핑(36)
- 선로망 모델(31)의 출력(37)(업데이트된 네트워크 데이터)
- 선로 유지보수 기계(1)의 탐색 절차(38)
초기 단계에서, 시스템은 미리 설정된 알고리즘에 기초하여 선로망(4)에 대한 초기 모델(31)을 형성한다. 이를 위해서, 예를 들어 조감도, 측정 차량(21)의 미가공 데이터, 선로 유지보수 기계(1)의 미가공 데이터 및 다른 차량(22)의 미가공 데이터가 평가된다. 도 5에서, 각각의 신호 분석(35)은 개별 선로 객체(5-13)와 연관될 수 있는 상이한 객체(29) 또는 객체 클래스(object class)를 초기에 초래한다. 조감도에서, 이들은 예를 들어, 선로(5), 스위치(6), 터널(9), 마스트(8), 스테이션(10) 등이다. 선로-결합 캐리어 플랫폼(1, 22, 23)의 미가공 데이터는 선로 객체 선로(5), 스위치(6), 터널(9) 등과 연관될 수 있다.
반복된 수집 절차(33) 동안, 개별 객체(29)는 서로에 대한 그들 관계와 관련하여 검증되거나 위조된다. 선로-결합 캐리어 플랫폼(1, 22, 23)의 경우에, 이동된 선로 섹션(3)을 도시한 객체 체인(30)이 형성된다. 매핑(36)에 의한 이들 평가 결과의 합병은 적어도, 기록된 선로망(4)의 모델(31)을 초래한다.
탐색 절차(38)를 신뢰성 있게 수행하기 위해서, 네트워크 데이터는 데이터 업데이트가 수행된 후 또는 규정된 시간 간격으로 시스템 센터(20)로부터 선로 유지보수 기계(1)의 탐색 장치(19)로 전송된다. 여기서, 원하는 신뢰도를 통해서, 네트워크 데이터에 포함된 어떤 객체(29)가 탐색을 위해 선로 유지보수 기계(1)로 전송되는지 변수화되는 것이 바람직하다.
탐색 절차(38) 자체 동안, 객체 또는 객체 데이터(29)는 센서 또는 센서 시스템(14)에 의해서 선로 유지보수 기계(1)의 주변에서 현재 검출되는 이들 선로 객체(5-13)와 동기화된다. 이러한 방식으로, 검출된 선로 객체(5-13)는 위치 결정을 위한 기준으로서의 역할을 한다. 또한, 선로 게이지 측정 결과는 선로(5)에 더욱 정밀하게 위치 설정하는데 사용될 수 있다. 여기서, 선로 게이지의 검출된 진행은 대응하는 선로(5)를 나타내는 이들 객체(29)의 추가 데이터 포인트를 형성한다. 또한, 침목(39) 또는 레일(40)의 검출 가능한 특성 특징(마킹, 재료 특성 등)을 사용하는 것이 가능하다.
또한, 탐색 공정(38) 동안 수집된 미가공 데이터는 네트워크 데이터를 업데이트하기 위한 새로운 데이터 입력으로서의 역할을 한다. 본 시스템에서, 재구성 또는 오기능으로 인한 선로망(4)의 변경은 후속 탐색 절차(38)에 자동으로 고려된다. 인식은 선로망(4)의 이동 속도에 따라서 원인 또는 시간 관련하여 자동으로 일어난다.
바람직하게, 선로 유지보수 기계(1)의 현재 환경에서 인식되고 예상된 객체(29)는 방위를 위해 기계 조작자(41)에게 표시된다. 작업 명령이 이러한 디스플레이에 추가로 포함될 수 있다. 또한, 작업 매개변수는 위치-의존 방식으로 기계 조작자(41)에게 지시되거나 작업 유닛(2)으로 직접 전송될 수 있다. 이러한 방식으로, 작업 매개변수의 자동화된 로컬 적응이 일어나 선로 유지보수 기계(1)의 최적화된 작동을 가능하게 한다. 탬핑 기계(tamping machine)에서, 이들은 예를 들어, 탬핑 사이클에 대한 시간 규정뿐만 아니라 리프팅 및 라이닝 값(lifting and lining value)이다. 다른 선로 유지보수 기계(1)에서, 밸러스트 수요, 구형 밸러스트의 스포일 수량(spoil quantities of old ballast)과 같은 작업 매개변수는 위치에 따라 조정될 수 있다.

Claims (15)

  1. 다음 시스템 구성요소:
    - 선로망(4)의 모델(31)을 나타내는 네트워크 데이터를 관리하기 위한 시스템 센터(20),
    - 선로망(4)의 선로 섹션(3)을 처리하기 위한 선로 유지보수 기계(1) ― 선로 유지보수 기계(1)는 네트워크 데이터로부터 유도된 탐색 데이터를 처리하기 위한 탐색 장치(19)를 포함함 ―, 및
    - 시스템 센터(20)와 탐색 장치(19) 사이의 데이터 교환을 위한 통신 수단(26)를 포함하는 선로망 내의 탐색 시스템(4)에 있어서,
    시스템은 선로망(4)의 특성 정보를 나타내는 미가공 데이터를 수집하기 위한 센서(14)를 갖춘 적어도 하나의 이동 가능하거나 고정된 캐리어 플랫폼(1, 21, 22, 23, 24)을 포함하고, 미가공 데이터를 평가하고 이를 네트워크 데이터와 동기화하기 위해서 빅 데이터 프레임워크(27)가 시스템 센터(20)에 설정되는 것을 특징으로 하는,
    선로망 내의 탐색 시스템.
  2. 제 1 항에 있어서,
    상기 선로 유지보수 기계(1)는 캐리어 플랫폼으로서 설계되며 선로망(4) 상으로 이동하는 동안 미가공 데이터를 수집하는 센서 시스템(14)을 포함하는 것을 특징으로 하는,
    선로망 내의 탐색 시스템.
  3. 제 1 항 또는 제 2 항에 있어서,
    상기 시스템은 캐리어 플랫폼으로서 측정 차량(21) 또는 센서(14)가 장착된 다른 선로-결합 차량(22)을 포함하는 것을 특징으로 하는,
    선로망 내의 탐색 시스템.
  4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    상기 시스템은 플라잉 캐리어 플랫폼(flying carrier platform)(23), 특히 센서(14)가 장착된 드론을 포함하는 것을 특징으로 하는,
    선로망 내의 탐색 시스템.
  5. 제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
    상기 네트워크 데이터는 선로 객체(5-13)를 노드(node)로 하고 선로 객체(5-13) 간의 관계를 에지로 하는 그래프로서 저장되는 것을 특징으로 하는,
    선로망 내의 탐색 시스템.
  6. 제 5 항에 있어서,
    특성 데이터 패턴이 선로 객체(5-13)에 지정되는 것을 특징으로 하는,
    선로망 내의 탐색 시스템.
  7. 제 1 항 내지 제 6 항 중 어느 한 항에 따른 선로망 내의 탐색 시스템의 작동 방법에 있어서,
    미가공 데이터는 센서(14)에 의해 수집되고, 미가공 데이터는 시스템 센터(20)로 전송되고, 객체 데이터(29)는 식별 알고리즘에 의해서 미가공 데이터로부터 생성되고, 네트워크 데이터는 네트워크 데이터를 업데이트하기 위해서 객체 데이터(29)와 동기화되는 것을 특징으로 하는,
    선로망 내의 탐색 시스템의 작동 방법.
  8. 제 7 항에 있어서,
    상기 네트워크 데이터의 업데이트가 발생한 후, 모든 업데이트된 데이터 또는 업데이트된 데이터의 일부는 선로 유지보수 기계(1)의 탐색 장치(19)로 전송되는 것을 특징으로 하는,
    선로망 내의 탐색 시스템의 작동 방법.
  9. 제 7 항 또는 제 8 항에 있어서,
    확률 값 또는 확률 함수는 사용된 센서(14) 및/또는 사용된 캐리어 플랫폼(1, 21, 22, 23, 24) 및/또는 사용된 식별 알고리즘에 따라서 각각의 경우에 객체 데이터(29)에 할당되는 것을 특징으로 하는,
    선로망 내의 탐색 시스템의 작동 방법.
  10. 제 9 항에 있어서,
    새로운 객체 데이터(29)에 의한 네트워크 데이터의 업데이트는 할당된 확률 값 또는 확률 함수에 따라서 수행되는 것을 특징으로 하는,
    선로망 내의 탐색 시스템의 작동 방법.
  11. 제 7 항 내지 제 10 항 중 어느 한 항에 있어서,
    상기 객체 데이터(29)는 캐리어 플랫폼(1, 21, 22, 23)의 검출된 모션 패턴에 기초하여 구성되어, 그래프로서 저장된 네트워크 데이터와의 동기화를 위해서 객체 데이터(29)에 의해 나타낸 선로 객체(5-13)가 공급되고 객체 체인(30)으로서 함께 묶이는 것을 특징으로 하는,
    선로망 내의 탐색 시스템의 작동 방법.
  12. 제 11 항에 있어서,
    상기 객체 체인(30)은 세그먼트(32)로 세분화되고, 세그먼트(32)는 특이한 선로 객체에 기초하여 그래프와 동기화되는 것을 특징으로 하는,
    선로망 내의 탐색 시스템의 작동 방법.
  13. 제 12 항에 있어서,
    세그먼트(32)를 부분 그래프와 동기화할 때, 합의 범위가 지정되고, 합의 범위가 사전 설정된 최소 범위를 초과하면 부분 그래프가 세그먼트(32)로 대체되는 것을 특징으로 하는,
    선로망 내의 탐색 시스템의 작동 방법.
  14. 제 12 항 또는 제 13 항에 있어서,
    상기 세그먼트(32)를 부분 그래프로 동기화할 때, 검증 불가능한 선로 객체(5-13)는 실패한 검증의 미리 설정된 수에 도달할 때까지 부분 그래프의 노드로서 유지되는 것을 특징으로 하는,
    선로망 내의 탐색 시스템의 작동 방법.
  15. 제 7 항 내지 제 14 항 중 어느 한 항에 있어서,
    상기 선로 유지보수 기계(1)에 배열된 센서(14)에 의해서 주변 선로 객체(5-13)가 기록되고, 선로 유지보수 기계(1)의 현재 위치는 네트워크 데이터와 기록된 선로 객체(5-13)의 동기화에 의해 결정되는 것을 특징으로 하는,
    선로망 내의 탐색 시스템의 작동 방법.
KR1020207009574A 2017-11-09 2018-10-09 선로망 내의 탐색 시스템 및 방법 Ceased KR20200086258A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
AT4372017 2017-11-09
ATA437/2017 2017-11-09
PCT/EP2018/077423 WO2019091681A1 (de) 2017-11-09 2018-10-09 System und verfahren zum navigieren innerhalb eines gleisnetzes

Publications (1)

Publication Number Publication Date
KR20200086258A true KR20200086258A (ko) 2020-07-16

Family

ID=63832424

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020207009574A Ceased KR20200086258A (ko) 2017-11-09 2018-10-09 선로망 내의 탐색 시스템 및 방법

Country Status (11)

Country Link
US (1) US11643121B2 (ko)
EP (1) EP3707468B1 (ko)
JP (1) JP7295106B2 (ko)
KR (1) KR20200086258A (ko)
CN (1) CN111316063B (ko)
AU (1) AU2018363532B2 (ko)
DK (1) DK3707468T3 (ko)
EA (1) EA202000101A1 (ko)
ES (1) ES2904835T3 (ko)
PL (1) PL3707468T3 (ko)
WO (1) WO2019091681A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AT18508U1 (de) * 2020-06-08 2025-07-15 Hp3 Real Gmbh Verfahren zur automatischen autonomen Steuerung einer Stopfmaschine
AT526466A1 (de) 2022-08-23 2024-03-15 Track Machines Connected Ges M B H Zusammenführen von Datenbanken im Eisenbahnwesen

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5791063A (en) 1996-02-20 1998-08-11 Ensco, Inc. Automated track location identification using measured track data
US10308265B2 (en) * 2006-03-20 2019-06-04 Ge Global Sourcing Llc Vehicle control system and method
ATE525529T1 (de) 2004-04-21 2011-10-15 Mueller J Ag Verfahren zur vermessung von fahrbahnen
DE102006026048A1 (de) 2006-06-01 2007-12-20 Gbm Wiebe Gleisbaumaschinen Gmbh GPS gestütztes, kontinuierliches Trassenerkundungssystem mit Multisensorik
ATE513185T1 (de) * 2007-03-15 2011-07-15 Fraunhofer Ges Forschung Verfahren, computergestützte vorrichtung und system zur wegstreckenbestimmung
US8406940B2 (en) 2008-01-09 2013-03-26 General Electric Company Methods and systems for mapping railroad tracks
JP4701262B2 (ja) * 2008-04-14 2011-06-15 株式会社京三製作所 線路配線データのデータ作成方法
US8412393B2 (en) 2008-07-01 2013-04-02 General Electric Company Apparatus and method for monitoring of infrastructure condition
RU2584957C2 (ru) * 2010-07-12 2016-05-20 Телеспацио С.П.А Система для определения местонахождения поездов с проверкой в режиме реального времени достоверности оценки положения
CN102069824B (zh) 2010-12-30 2013-03-13 北京交通大学 轨道交通车辆的定位装置和方法
US9002545B2 (en) * 2011-01-07 2015-04-07 Wabtec Holding Corp. Data improvement system and method
AT512159B1 (de) * 2012-04-11 2013-06-15 Plasser Bahnbaumasch Franz Maschine zur Instandhaltung eines Gleises
DE102012215533A1 (de) * 2012-08-31 2014-03-06 Siemens Aktiengesellschaft Positionsbestimmung eines Schienenfahrzeugs
DE102012219111A1 (de) 2012-10-19 2014-04-24 Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren zur Lokalisierung eines Schienenfahrzeugs innerhalb eines Schienennetzes
US9446776B2 (en) * 2012-12-02 2016-09-20 General Electric Company Inspection system and method
US9846025B2 (en) * 2012-12-21 2017-12-19 Wabtec Holding Corp. Track data determination system and method
US8914162B2 (en) * 2013-03-12 2014-12-16 Wabtec Holding Corp. System, method, and apparatus to detect and report track structure defects
GB2514143A (en) * 2013-05-15 2014-11-19 Selex Es Ltd Sensing device method and system
DE102013010787A1 (de) * 2013-06-28 2014-12-31 Servus Intralogistics Gmbh Steuerungssystem für einen schienengebundenen Fahrroboter und Verfahren zu dessen Betrieb
CN103465938B (zh) * 2013-08-28 2016-03-16 北京交通大学 轨道交通车辆的快速精确定位装置及定位方法
EP2894074B1 (de) * 2014-01-08 2019-10-16 Schweizerische Bundesbahnen SBB Verfahren und Vorrichtung zur Überwachung eines Eisenbahnnetzes
CN104865589A (zh) 2015-06-14 2015-08-26 成都可益轨道技术有限公司 铁路机车车辆安全导航系统
DE102015212958A1 (de) 2015-07-10 2017-01-12 Siemens Aktiengesellschaft Streckenseitige eisenbahntechnische Vorrichtung und Verfahren zur Erfassung einer Benutzung wenigstens einer streckenseitigen Komponente einer Eisenbahnanlage
AT518692B1 (de) * 2016-06-13 2019-02-15 Plasser & Theurer Exp Von Bahnbaumaschinen G M B H Verfahren und System zur Instandhaltung eines Fahrwegs für Schienenfahrzeuge

Also Published As

Publication number Publication date
DK3707468T3 (da) 2022-02-28
EA202000101A1 (ru) 2020-08-17
US11643121B2 (en) 2023-05-09
AU2018363532B2 (en) 2023-12-07
EP3707468A1 (de) 2020-09-16
JP7295106B2 (ja) 2023-06-20
WO2019091681A1 (de) 2019-05-16
CA3076210A1 (en) 2019-05-16
PL3707468T3 (pl) 2022-07-18
JP2021502301A (ja) 2021-01-28
ES2904835T3 (es) 2022-04-06
AU2018363532A8 (en) 2020-06-04
US20200283040A1 (en) 2020-09-10
CN111316063B (zh) 2023-10-24
AU2018363532A1 (en) 2020-05-28
CN111316063A (zh) 2020-06-19
EP3707468B1 (de) 2021-12-08

Similar Documents

Publication Publication Date Title
CN109311495B (zh) 用于维护铁轨车辆的行驶线路的方法和系统
US8538609B2 (en) System, method, and computer readable memory medium for verifying track database information
US8452467B2 (en) System and method for verifying track database information
EP2821314A2 (en) Train operation control system, train operation simulation device, and train operation simulation method
CN110758476B (zh) 一种列车定位方法及系统
CA3050531A1 (en) Real-time track asset recognition and position determination
CN111213032A (zh) 用于对路线区段绘制地图的方法
CN118829577A (zh) 枕木自动标记
JP2018090139A (ja) 車両運用業務支援システム
KR20200086258A (ko) 선로망 내의 탐색 시스템 및 방법
DE102013107960A1 (de) Verfahren zur Aktualisierung einer Datenbasis sowie Einrichtung und Computerprogramm
US20190256114A1 (en) Method and system for performing a planning process of a railway service
CN105373771A (zh) 网格化井盖巡查方法及装置及系统
CA3076210C (en) System and method for navigating within a track network
CN117520463A (zh) 轨道交通的电子地图构造方法、系统、设备和存储介质
EA042752B1 (ru) Система и способ навигации в пределах одной сети рельсового пути
Hlubuček Digital track map for the VEXA expert system
CN118096475B (zh) 一种最便捷网约微公交点对点出行方式的构建方法
CN121516079A (zh) 基于ctc的信号设备故障影响识别与变更进路推荐方法及系统
HK40109041A (zh) 用於检测应答器的方法和轨道车辆系统
CN117590324A (zh) 一种回风巷定位系统、方法
JP2026506668A (ja) 鉄道マップ生成装置および鉄道マップ生成方法
CN121860187A (zh) 面向铁路全生命周期的模数分级分类高效组织管理方法
CN119872655A (zh) 一种列车运行状态的监测方法及装置
WO2024133021A1 (de) Verfahren und lokalisierungsvorrichtung zur positionsbestimmung in einem schienenverkehrssystem, verfahren und messvorrichtung zum positionsbezogenen erfassen einer gleismessinformation in dem schienenverkehrssystem und system

Legal Events

Date Code Title Description
PA0105 International application

Patent event date: 20200402

Patent event code: PA01051R01D

Comment text: International Patent Application

PG1501 Laying open of application
A201 Request for examination
PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20210707

Comment text: Request for Examination of Application

N231 Notification of change of applicant
PN2301 Change of applicant

Patent event date: 20210806

Comment text: Notification of Change of Applicant

Patent event code: PN23011R01D

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20231228

Patent event code: PE09021S01D

E601 Decision to refuse application
PE0601 Decision on rejection of patent

Patent event date: 20240304

Comment text: Decision to Refuse Application

Patent event code: PE06012S01D

Patent event date: 20231228

Comment text: Notification of reason for refusal

Patent event code: PE06011S01I