TIS

Popis

Tato aplikace slouží k automatickému rozpoznání typu lokomotivy ze signálů zrychlení s předem definovanou přesností [1] pomocí modelu hluboké konvoluční neuronové sítě (CNN) [2]. Využívá předtrénovaný model ve formátu onnx pro určení konkrétního typu hnacího vozidla. Součástí aplikace je lokalizace začátku a konce lokomotivy v signálu pomocí metody klouzavých průměrů RMS. Vstupem jsou naměřené signály (ve formátu .txt nebo .dat) a jim odpovídající doplňující data z databáze ve formátu .csv. Výstupem je soubor s určenými třídami lokomotiv. Tyto výsledky lze nechat rovněž zapsat přímo do databáze DISC-S tabulky 'vlaky' a sloupce 'TIS_CATEGORY'. Je využito rozhraní CLI, čímž lze systém TIS zapojit přímo do procesu automatizovaného zpracování naměřených dat.

Použití: tis [-h] [-v, --version | -l, --labels] -s S -d D -r R [-w] [-t T]

Parametry:

-h, --help: zobrazení nápovědy
-v, --version: zobrazení verze aplikace
-l, --labels: zobrazení určovaných typů lokomotiv dle aktuálního modelu
-s S, --signals S: složka se signály pro zpracování ve formátu .txt nebo .dat
-d D, --data D: soubor s dalšími daty pro každý signál ve formátu .csv, obsahující sloupce FILE, DATE, TIME, SAMP, OFFS, COEFF, UNIT
-r R, --result R: cesta pro zápis souboru s výsledky
-w, --write: potvrzení zápisu do databáze
-t T, --threshold T: desetinné číslo určující práh pravděpodobnosti pro klasifikaci lokomotivy (výchozí hodnota 0.9)

Příklad spuštění: tis -s data/signals -d data/data_export.csv -r data/result.csv -t 0.9

Model

Pro identifikaci lokomotiv byla navržena hluboká konvoluční neuronová síť [2]. Výhodou této architektury je schopnost přímého zpracování celých signálů bez nutnosti pre-processingu (takzvané end-to-end učení). Vstupní signál je zpracován konvolučními vrstvami, které se během trénování naučí automatickou extrakci vhodných abstraktních latentních veličin, jež jsou dále využity hlubšími, plně propojenými vrstvami pro klasifikaci konkrétní třídy lokomotivy. V modelu jsou navíc použity speciální vrstvy jako Dropout, MaxPooling nebo BatchNorm, zamezující přeučení a zlepšující generalizaci. Tento způsob učení je vhodný pro velké množství naměřených dat z je velice robustní i v případě vzorků s vyšším šumem.

Odkazy

Popis aplikace, teoretický a uživatelský manuál k dispozici zde: https://www.fce.vutbr.cz/AIU/krc.r/turnout4-0/tis/index.html
Aplikace TIS ke stažení zde: https://www.vut.cz/www_base/vutdisk.php?i=326328a0d4. Součástí aplikace je popisný soubor, předtrénovaný model neuronové sítě a ukázková data pro spuštění.

Reference

Krč, Rostislav, et al. "Neural Network-Based Train Identification in Railway Switches and Crossings Using Accelerometer Data." Journal of Advanced Transportation 2020 (2020).
Krč, Rostislav, et al. "Machine learning-based node characterization for smart grid demand response flexibility assessment." Sustainability 13.5 (2021): 2954.

Software pro identifikaci vlaků TIS (Train Identification System)