轨检车检测数据处理分析软件关键业务研究

林勇;魏玉

【摘 要】从业务模型的构建和关键业务分析两个方面对检测数据里程转换和波形图对比两项关键业务进行研究,构建了检测数据里程转换模型,进行了波形图绘制和波形图联动方法的研究,并对检测数据里程转换和波形图对比这两项关键业务的业务需求及业务流程图进行了分析与绘制,最终列出了两项关键业务的功能实现情况.研究轨检车检测数据处理分析软件的关键业务,从而更高效地运用软件分析与处理轨检车数据,为保证地铁线路的安全运营奠定基础. 【期刊名称】《甘肃科学学报》 【年(卷),期】2015(027)003 【总页数】4页(P149-152)

【关键词】轨检车;里程转换;波形图联动;波形图对比 【作 者】林勇;魏玉

【作者单位】北京地铁运营有限公司线路分公司,北京 100082;北京交通大学交通运输学院,北京 100044 【正文语种】中 文 【中图分类】U212.24

轨道状态的好坏对车辆的安全运行、乘客的旅行舒适、设备的使用寿命和养护费用起着决定性的作用。为保证列车的安全运营,国内各个城市的地铁运营公司利用轨道检查车对地铁设备进行动态检查

[1]。上海地铁于2010年4月开始投入使用第一辆轨道检车,车上所有测量系统均由美国ENSCO公司提供,但是该轨检车自带的轨检车检测数据处理系统无法自动实现检测里程的校准以及两次检测的波形图对比功能。广州地铁目前使用的是2003年从中国铁道科学研究院购进的GJ-4轨道检测车,该轨检车自带的检测数据处理分析系统同样无法自动实现检测里程的校准以及两次检测的波形图对比的功能

[2,3]。因此,为了实现对轨检车检测数据进行准确、高效的处理和分析,准确掌握地铁线路轨道状态,指导线路的养护维修工作,着重对轨检车检测数据处理分析软件的数据里程转换和波形图对比两项关键业务进行研究,从而实现高效运用北京地铁轨检车检测数据处理分析软件,对地铁线路的安全管理提供有力保障。

系统根据自动定位ALD(Automatic Location Device,ALD)数据、超限数据和原始波形数据自动实现检测数据的里程转换 [4],如图1所示。

在进行具体的里程转换时,需要根据轨检车的检测方向来选择不同的里程转换模型,当顺向的时候,即系统升公里与实际里程标方向一致,通过对此检测数据的峰值米x fmi与自动定位 ALD数据的具体米数x

ami来进行计算,具体计算过程如下：

(1)顺向。检测数据峰值米小于自动定位 ALD数据米数,即x fmiami时,有

(2)顺向。检测数据峰值米大于自动定位 ALD数据米数,即x fmi>x ami时,有

(3)逆向。检测数据峰值米大于自动定位 ALD数据米数,即x fmi>x ami时,有

(4)逆向。检测数据峰值米小于自动定位 ALD数据米数,即x fmi(1)波形图绘制 将轨检车检测的原始波形数据的里程和峰值信息转化为地图上的投影坐标以后,通过Openlayers技术可以在浏览器上将波形图绘制出来 [5]。具体绘制过程用代码实现如下：

this.drawActiveGCCompare = function (map,layer,points) { var pointsGeo = new Array(points.length); for(var i=0;i< points.length;i++)

{

pointsGeo[i]=new OpenLayers.Geometry.Point(points[i].x,points[i].y); }

var feature = new OpenLayers.Feature.Vector(

new OpenLayers.Geometry.LineString(pointsGeo),null,style_green); layer.addFeatures([feature]); }//绘制波形图

(2)波形图联动 不同轨检车检测项目都有各自的一个波形图通道,不同检测项目波形图的联动是通过里程来完成的,具体过程如图2所示。 在波形图联动的过程中,首先将波形图横坐标 x转化为里程 X,其变化公式为

将转换的里程X再转换成其他通道的横坐标x′来完成波形图的联动 [6],其变换公式为

具体的联动过程用代码实现为 function mile2X(mile,alias){

var x1 = OpenLayerUtil.mapIndex[alias]['起点X']; var x2 = OpenLayerUtil.mapIndex[alias]['终点X']; var m1 = OpenLayerUtil.mapIndex[alias]['起点里程']; var m2 = OpenLayerUtil.mapIndex[alias]['终点里程']; var m = mile;

return x1 + (m-m1)/(m2-m1)*(x2-x1);

}//里程转坐标

function x2Mile(x,alias){

var x1 = OpenLayerUtil.mapIndex[alias]['起点X']; var x2 = OpenLayerUtil.mapIndex[alias]['终点X']; var m1 = OpenLayerUtil.mapIndex[alias]['起点里程']; var m2 = OpenLayerUtil.mapIndex[alias]['终点里程']; return m1 + (x-x1)/(x2-x1)*(m2-m1); }//坐标转里程

(1)检测数据里程转换业务需求 里程数据是其他数据的基础。轨检车检测完毕以后出来的轨检车检测数据的里程信息与实际里程存在一定的偏差,在进行数据处理前需要将里程信息转换为实际里程

[7]。在对地铁线路的轨道状态进行检测时,轨检车并不直接记录线路的里程信息,而是通过检测安装在轨道上的反光板来记录反光板的里程信息。反光板里程并不等同于线路里程,它们之间存在着一定的对应关系,因此需要通过建立模型对里程数据进行转换,从而修正原始波形数据与超限数据中的里程,以达到提高轨检车检测数据质量的目的。

(2)检测数据里程转换业务流程 检测数据里程转换业务的流程如图3所示,即： ①对轨检车的线路检测方向进行判断；

②根据检测数据里程转换模型将反光板里程数据与线路里程数据进行对应； ③将原始波形数据与超限数据中的反光板里程转换为线路里程,结束流程。 (1)波形图对比业务需求 原始检测数据波形图对比分析业务以轨检车检测数据、线路综合图为基础,能够以波形图的形式对同一线路、同一行别的相邻两次轨检车检测数据进行对比。以空间(线路、行别)、时间为维度,查询不同时间、不同线路的

轨检车检查信息,并以某条线路某次检测作为基础,以波形图的形式将此次检测的原始波形数据、超限数据与上次检测的相应信息分别进行对比分析,从而掌握该线路相邻两次检测时间段内线路状态的变化情况 [8]。

(2)波形图对比分析业务流程 对比分析业务的流程如图4所示,即： ①通过筛选线路、行别、时间等条件查询某次轨检车检测的记录信息；

②将原始波形数据、超限数据、线路综合图数据进行图形化处理,显示检测波形图； ③通过本次检测数据与上次检测数据的波形图的重叠信息,对比分析两次检测数据的变化情况,结束流程。

通过业务模型的构建和关键业务的分析,最终能够实现检测数据里程转换和波形图对比,具体实现的功能为：

(1)能够通过里程对波形图进行定位,实现查看特定范围内的检测信息对比分析； (2)能够实现波形图与线路综合图的联动；

(3)以不同颜色的波形图的形式将此次检测的原始波形数据、超限数据与上次检测的相应信息进行对比分析。 具体的页面设计如图5所示。

对北京地铁轨检车检测数据处理分析软件中的里程转换和波形图对比两项关键业务进行了研究,从业务模型的构建和关键业务分析两个方面对检测数据里程转换模型、波形图联动过程进行了研究,分析了检测数据里程转换和波形图对比两项关键业务的业务需求,并绘制了其业务流程图。研究对把握北京地铁轨检车检测数据处理分析软件的关键业务、高效地运用软件进行数据的分析处理提供了很好的理论依据。 [1] 罗林,张格明,吴旺青,等.轮轨系统轨道不平顺状态的控制[M].北京:中国铁道出版社.2006.

[2] 姚湘静.基于轨道检测数据的上海地铁1号线状态评价[J],山西建筑,2010,36(29):287-288.

[3] 许群峰.广州地铁GJ-4轨道检测车运用探讨[J].科技风,2011,24(24):71. [4] 姜海洋.铁路钢轨伤损管理信息系统的设计与实现[D].北京:北京交通大学,2008. [5] 麻清源,马金辉,年雁云,等.基于GIS的甘肃省道路网络评价[J].甘肃科学学报,2004,16(3):72-76.

[6] 陈宪麦,王澜,杨凤春,等.用于铁路轨道不平顺预测的综合因子法[J].中国铁道科学,2006,28(6):27-31.

[7] 徐鹏．铁路线路轨道动态不平顺变化特征研究[D].北京：北京交通大学,2009. [8] 许玉德,李浩然,李海峰.铁路轨道养护维修计算机辅助决策系统中几个技术问题的研究[J] .上海铁道大学学报,2000,21(10):26-31.

Key words Track inspection car;Mileage conversion;Waveform figure linkage;Waveform figure comparison