[发明专利]基于Spark Streaming的列车实时定位跟踪与速度计算方法

说明书

本发明公开了基于Spark Streaming的列车实时定位跟踪与速度计算方法，包括步骤：实时采集每个传感测区的振动数据并消除扰动影响；计算每个传感测区有车与无车时的特征参数，对比确定特征参数的有效性，并在线评估；根据每个传感测区无车时有效的特征参数过滤消除扰动后的数据流中的静态无车数据，提取行车数据；对提取的行车数据进行预处理生成特征向量，该特征向量对应不同的传感测区，利用聚类算法对特征向量进行分类，以区分多辆列车；利用滑动窗口方式分别跟踪分类后每辆列车的流式特征向量，在线生成每个滑动窗口的参数信息；根据每个滑动窗口的参数信息，得到跟踪列车的实时坐标，在线生成跟踪列车的实时速度。

技术领域

本发明涉及一种轨道列车定位方法，尤其涉及一种基于Spark Streaming的轨道列车实时定位跟踪与速度计算方法，适用于轨道交通领域。

背景技术

随着我国城市化建设进程的加快，轨道交通以其高效率、低污染、大运量的特点高速发展。为缓解城市交通压力，地铁的交通规划范围和密度、延伸的里程逐渐覆盖整个城市及乡镇，随之而来的是列车调度变化快、频次高、密度大、运行速度快等特点，在这种情况下，列车的安全性问题显得尤为重要。对列车进行实时定位与速度计算监测，将有助于列车的合理调度与危险的提前规避。

Spark Streaming是建立在Apache Spark上的流式计算框架，扩展了Spark处理大规模流式数据的能力，支持实时数据流的处理，并且具有可扩展，高吞吐量，容错的特点。数据可以从Kafka，Flume，Kinesis或TCP sockets等许多来源获取，并且可以调用如map，reduce，join和window等高级函数表示的复杂算法进行数据处理，最后将处理结果写进文件系统或数据库。

分布式光纤传感技术具有分布式测量方式、灵敏度好、测量距离长、电绝缘性好和抗电磁干扰等诸多优点，因此被广泛应用于如桥梁和风塔等建筑的安全监测、大型结构变形测量、道路场地和周界安防监控中，可为建筑结构变形安全和交通工具监测提供可靠数据。在道路轨道交通中，采用分布式传感光缆进行振动监测，通过拾取和识别车辆行驶引发的震动信号，为轨道交通的位置、速度和载重计算提供重要数据。

发明内容

本发明的目的在于提供一种基于Spark Streaming的列车实时定位跟踪与速度计算方法，准确实时定位轨道监测沿线多目标行驶状态，实时计算多目标运动速度。

本发明所采用的技术方案是：

提供一种基于Spark Streaming的列车实时定位跟踪与速度计算方法，包括以下步骤：

S1、实时采集每个传感测区的振动数据并转换为Spark Streaming中的数据流DStream，对数据流DStream进行预处理以消除扰动影响；

S2、利用预先采集的列车轨道上铺设的分布式光栅阵列的离线数据生成静态无车数据样本与来车数据样本，根据数据样本分别计算每个传感测区有车与无车时的特征参数，对比特征参数曲线，取若干有效特征，通过Spark Streaming在线验证与评估；

S3、根据每个传感测区无车时有效的特征参数过滤消除扰动后的数据流Dstream中的静态无车数据，提取行车数据；

S4、对提取的行车数据进行预处理生成特征向量，该特征向量对应不同的传感测区，利用K-Means聚类算法对特征向量进行分类，以区分多辆列车；

S5、利用滑动窗口方式分别跟踪分类后每辆列车的流式特征向量，在线生成每个滑动窗口的参数信息；

S6、根据每个滑动窗口的参数信息，得到跟踪列车的实时坐标，结合多重均一化计算方法，在线生成跟踪列车的实时速度。

接上述技术方案，所述分布式光栅阵列沿轨道沿线紧贴列车轨道铺设，并每隔固定距离对其进行固定，每隔一定距离通过振动检测仪以固定的采样频率采集振动数据。