王 健,崔 瑾
(中國鐵路北京局集團有限公司 信息技術所,北京 100860)
近年來,隨著我國高速鐵路建設的飛速發展,鐵路營業里程的不斷增長[1-2],高速鐵路沿線安全隱患整治工作面臨體量大、涉及面廣、易反彈反復等難點。確保鐵路運輸安全的壓力持續增大,鐵路外部環境管控的任務復雜而艱巨。
目前,及時發現和消除外部環境安全隱患,已成為鐵路環境整治部門日常工作的重中之重,而傳統的巡查、登記、告知的工作模式已不能滿足現階段鐵路運營安全的需求。新的政策法規對環境整治管理工作也提出了新的要求,迫切需要建立行之有效的機制和手段[3],健全鐵路外部安全隱患管控體系[4],探索隱患問題可視化管理、常態化監測、動態化預警的方法,破解新增隱患不能及時發現、巡查難度大、路地信息溝通不暢等難題。
綜上,本文研發鐵路外部環境安全隱患開放式智能管控平臺,實現集中管理、數據共享、形象直觀、高效智能的鐵路外部環境管控功能,進一步確保高鐵運營安全。
平臺針對鐵路外部環境安全問題多、種類雜、管控難度大的特點,制定了分步推進、逐步完善的總體思路[5],建立鐵路沿線環治長效工作機制。
(1)在以“人防”為主的既有工作模式下,研究建立地圖式基礎數據庫,實現對隱患種類、分布、責任、處置意見和當前狀態等的可視化、標簽化管理;
(2)研究建立基于“技防”的隱患問題動態數據庫,對高速鐵路沿線的彩鋼房、防塵網等重大隱患進行監測,及時掌握沿線隱患變化情況,實現對隱患的動態管理。同時,研究基于移動端的隱患信息采集、公里標導航等功能,提高隱患問題管理的即時性、便捷性;
(3)研究建立基于“物防”的外部環境長效工作機制[6],利用遙感、物聯網等技術,引入氣象、地質等數據資源,量化高鐵沿線重點隱患區域,研究隱患問題的預測預警方法。
根據鐵路外部環境安全隱患管控范疇及實際業務需求,設計平臺架構,包括業務應用層、應用支撐層、數據資源層和基礎設施層,如圖1所示。
1.2.1 業務應用層
業務應用層主要由遙感與移動數據處理子系統、基于地理信息的綜合管理子系統、物聯網管理子系統組成,提供線路實景、隱患管理、信息采集、預報預警、輔助分析、趨勢圖表、統計報表、法規公告、系統維護、日志服務等模塊的應用,為PC端和移動終端提供訪問接口。

圖1 平臺架構
1.2.2 應用支撐層
應用支撐層是平臺的核心,包括衛星遙感、數據采集、數據檢索、圖像識別、移動信息采集、氣象分析、侵限預警等服務功能,為業務應用層提供服務支撐和接口。
1.2.3 數據資源層
數據資源層負責維護和整合平臺的數據資源,包括由基礎數據、業務數據、空間數據、專題數據組成的基礎數據庫,也包括由遙感影像、車載拍攝實景、物聯網數據、移動采集數據組成的動態數據庫,為應用支撐層提供數據服務。
1.2.4 基礎設施層
基礎設施層通過包含網絡、服務器、存儲、數據庫、安全、監控、物聯網傳感等技術建立平臺運行環境及硬件資源支撐。
平臺主要為鐵路局集團公司機關、區域環治管理部門、站段、車間用戶提供綜合性服務,平臺功能如圖2所示。
2.1.1 遙感數據處理
以原始遙感影像數據為基礎,利用對象構建、分割和分類方法,分析鐵路沿線一定范圍內的彩鋼房、防塵網等隱患的光譜特征,建立基于多時相遙感數據的信息提取模型。

圖2 平臺功能
(1)計算圖像中每個波段的光譜異質性與形狀異質性的綜合特征值,進行加權、迭代運算;
(2)利用高分辨率影像的空間信息,綜合考慮形狀、大小、紋理、相鄰關系等一系列因素,設置鐵路線緩沖半徑;
(3)提取線路兩側隱患的類別、位置、規模等信息成果,并結合目視解譯,進一步提高隱患識別率;
(4)在此基礎上,隨著衛星影像的不斷更新,可對鐵路外部環境同一區域進行歷史比對及隱患提取。
2.1.2 車載拍攝數據管理
該功能以車載實景拍攝設備為依托[7],基于Windows系統開發。設備內嵌高清圖像抓拍軟件,具備觸摸顯示屏和視頻回放功能。如圖3所示,將設備吸附在高鐵列車兩側的車窗上,列車行進時啟動拍攝任務,對鐵路沿線安全隱患及周邊環境狀況以15 fps進行全程圖像采集;通過位置轉換算法將衛星定位數據與鐵路公里樁號進行轉換,使實景照片成果附帶線路名稱、公里樁號、經緯度、拍攝時間等信息,從而精確定位隱患位置,確保沿線的隱患問題及其變化被及時發現。同時,利用人工智能圖像識別技術,對彩鋼房等重點隱患類別進行智能識別,并通過圖像測距算法提取隱患到線路的距離。
2.1.3 無人機拍攝數據管理
該功能模塊的硬件包含無人機、任務載荷、飛行控制等設備設施,將垂直起降固定翼無人機和軟性機體材質的小型固定翼無人機相結合,搭載雙光高清吊艙,進行低空航拍,形成鐵路外部環境正射影像及傾斜攝影拍攝成果,并可進行地圖漫游,及360°視角旋轉切換。

圖3 車載實景拍攝設備
2.2.1 外部環境隱患動態數據管理
利用“人防”+“技防”的方式,環治人員除進行定期現場隱患巡查外,可以通過觀看外部環境實景圖像來掌握新增隱患和整治變化情況。該子系統以車載實景圖像為主,遙感影像、無人機圖像為輔助,結合智能識別、周期比對等方法,自動提取疑似彩鋼房等重點隱患并進行標注,再推送給相關責任單位進行確認。若為系統中既有隱患,則將實景照片與已錄入信息進行關聯補充;若為新增隱患,環治人員通過移動端程序導航到現場,進行實地核實勘驗,采集上傳相關信息,啟動隱患整治銷號工作,并對其進行周期性動態監測、追蹤比對,及時掌握隱患治理進展情況,如圖4所示。

圖4 鐵路外部環境安全隱患巡查整治流程
2.2.2 應用服務和綜合信息管理
在以“人防”為主的既有工作模式下,研究建立地圖式基礎數據庫,結合地理信息系統(GIS,Geographic Information System)軟件開發及緩沖區分析功能,實現對隱患問題種類、分布、責任、處置意見和當前狀態等的可視化、標簽化管理,具體功能如圖5所示。
2.2.3 移動端數據采集

圖5 應用服務和綜合信息管理功能模塊具體功能示意
針對安全隱患的現場核實、應急處置,平臺研發移動端公里標導航、隱患信息采集程序,如圖6所示。公里標導航程序主要實現路徑規劃及語音導航功能,其中,路徑規劃可按多種位置檢索方式進行定位,包括鐵路公里標、鐵路通道門、關鍵字、地圖點選等,在路徑規劃上提供最快、最短和無高速幾種方式選擇;語音導航功能可對當前行駛速度、距離、時間以及位置描述等進行提示;隱患信息采集程序主要實現隱患信息的現場采集、錄入,可一鍵獲取隱患所在位置對應的公里樁號及所在行政區劃信息。

圖6 移動端公里標導航、隱患信息采集程序界面
2.3.1 光纖護欄預警
該功能的實現基于鐵路沿線需防護區段安裝的集振動光纖、傳輸光纖、接入模塊、報警主機于一體的光纖護欄設備。當傳感光纜受外界振動而產生應變效應時,系統會對光信號進行捕捉,通過遺傳算法與人工神經網絡相結合的方式,分析計算得出報警信息。
2.3.2 氣象大數據分析
(1)系統基于高速鐵路沿線氣象站點歷史監測數據,依據大風強度和頻次,識別不同季節高速鐵路沿線風災威脅嚴重的區域;
(2)應用中尺度氣象研究與預報模型對高速鐵路覆蓋區域進行風場模擬評估,得到典型大風過程下精細化的風速、風向分布,作為常規氣象站點監測的補充;
(3)進行重點地段的風場模擬,將模擬范圍內建筑高度矢量數據和地形數字高程模型相融合、疊加進行精細化風場模擬評估,在此基礎上評估大風災害對列車運行的影響,提升鐵路的氣象防災能力和事故應急處理能力。
如圖7所示,以某高速鐵路線路為例,其在春、冬季的主風向為西北風,與高速鐵路西南至東北走向的線路成直角,該段線路風速較高,大風災害風險極高。經氣象數據分析量化提取多處大風隱患重點點位,并利用精細化網格預報數據獲取未來7天的大風預報信息,如該區段達到大風預警級別,環治部門會采取相應防控措施。

圖7 高速鐵路沿線風場分析及重點防控點位示意
通過搭建本地GIS平臺,利用其專題制圖、服務發布、空間數據管理和分析功能,結合Java-Script API開發調用GIS服務,將地圖資源嵌入到Web應用中,實現了鐵路行業資源、業務數據的可視化、多維度的集中展現及數據服務共享,改變了鐵路外部環境隱患治理傳統的用戶界面和管理模式。
綜合分析不同隱患的光譜、顏色、紋理、形狀、空間等特征,利用基于多時相遙感數據的信息提取方法,結合Faster RCNN算法訓練得到重點隱患提取模型,提高隱患信息提取的自動化和智能化程度,實現對鐵路沿線安全隱患的動態監測。
通過構建完整的線性參考系和公里標數據模型編排公里標號,生成與線路一致的實景照片公里標,從而精確定位隱患位置。
采用分布式存儲和Nginx負載均衡集群技術,提高對海量實景數據的并發訪問,同時結合Oracle RAC及間隔分區存儲技術,顯著提高查詢檢索效率,增強多源、海量數據的可管理性。
平臺采用B/S模式,基于J2EE的MVC架構和面向對象開發方法,結合管理駕駛艙、數據墻等可視化展示理念進行程序研發。前端頁面使用Bootstrap、JQuery、ECharts、ArcGIS JS API框架開發,后臺使用SpringMVC+Spring+MyBatis(SSM)作為開發框架,采用Oracle11g RAC[8]數據庫軟件,配置ArcSDE的空間數據庫,中間件采用Nginx+Tomcat集群,集成開發環境選用MyEclipse。
目前,該平臺核心模塊已在中國鐵路北京局集團有限公司天津區域范圍試用,基本可以滿足環境整治部門對鐵路外部環境安全隱患可視化[9]、一體化、智能化的管理需求
本文針對鐵路外部環境安全問題的特點,結合安全隱患的管控模式及現狀,研究建立鐵路外部環境安全隱患開放式智能管控平臺,創建外部環境治理模式,規范隱患整治流程,解決了隱患巡查手段單一、工作量大及覆蓋面不全等問題,提高了環境整治工作的整體效率和智能化水平,確保鐵路運輸安全。