基于视频图像分析的站台门与列车间隙异物检测系统的研究和应用

城市轨道交通站台门与列车之间存在固有间隙,这个间隙存在夹人、夹物的风险,给正常运营带来安全隐患。文章在分析了现有间隙探测技术利弊的基础上,提出了一种基于人工智能视频图像识别技术的异物检测系统,该系统在每个滑动门上方设置摄像头,实时采集站台门与列车间隙的视频信息,基于卷积神经网络的深度自学习算法和对拍摄图像的目标检测与前景检测相结合的分析处理技术,自动识别危害异物,并向站台门系统发出告警,避免伤害事故的发生。通过在南京地铁3号线正线的调试应用,确认整套系统能有效识别地铁风险区域内的异物入侵事件,符合预期设计要求。

基于压电薄膜的地铁间隙异物检测阻拦系统

针对地铁屏蔽门与列车间站台间隙易发生异物(含乘客)侵入而现行检测技术可靠性较差所带来的危险问题,文中首先分析站台间隙夹人因素与现有检测装置的特点,归纳夹人事件的成因与路径;其次,对单元控制器、门机控制器、就地控制盒等现有设备进行功能与逻辑更新,设计一种内嵌于屏蔽门近列车侧的检测阻拦系统,通过压电薄膜检测间隙异物,可自动判断各类异常,并可使用电机推出阻拦条阻拦车内乘客在列车门异常时侵入站台间隙;然后,论述了信号转移条件及控制策略;最后,评估其自动化检测能力并进行建模与结构仿真,对系统的适用性与可靠性做了验证。研究表明,该系统可以帮助减少事故发生、减轻站务人员负担、提高运营效率并推广高自动等级线路。