人工智能在高鐵運行安全中的應用研究

王婷 唐亞純

摘 要：在智能科學高速發展的現在社會當中，人工智能也隨之不斷發展與完善。得益于云計算、大數據的高速發展與技術成熟，人工智能也不斷朝著成熟的方向發展。人工智能逐漸應用于生活中，無人駕駛汽車、人臉識別、醫學影像處理等，它被運用于各個行業。而人工智能不僅僅能夠讓某些企業獲得經濟效益，而且人工智能還能夠改變我們的生活方式，使我們的生活趨向智能與便捷，使我們的生活質量有了飛躍性的提高，讓我們的生活更加的便捷。文章旨在討論研究人工智能技術在高鐵運行安全中的應用及發揮的重要作用。

關鍵詞：人工智能;高速鐵路;接觸網;機器學習

0 引言

從落實科學發展觀的戰略出發，為實現人們對美好幸福生活的向往，中國的鐵路加快了將鐵路更加現代化的進程。中國鐵路的快速發展，在質量與運行速度上都得到了提升。隨著人工智能技術在我國的發展，高鐵也在不斷地改進與完善，而安全問題一直是我們的研究重點。高速鐵路需要依靠人工智能、云計算、大數據等先進的科學技術手段逐漸實現現代化，智能化。日趨成熟的人工智能技術，在其自身不斷發展的同時，解決著高速鐵路的安全問題[1-2]。

1 我國高鐵現狀

高鐵里程的不斷增加，對于高鐵的運營安全也有了更高層次的要求。而移動裝備、運行環境、基礎設施狀態等高鐵運行安全的圖像視頻檢測系統，能夠將檢測結果直觀的表現出來，但有時候仍需要投入大量人力，人為因素的增加間接地加大了高鐵運行風險。高鐵網絡規模不斷擴大產生了大量的高鐵運行圖像數據，造成不確定性因素更多。憑借人工的判斷，無法做到評估的標準完全統一，也無法排除外界因素對人工的影響，使得高鐵運行安全面臨更多潛在的風險。我國正積極的解決著高速鐵路運行發展中所存在的安全問題。

高鐵接觸網故障。接觸網的兩個重要部件是吊弦和絕緣子，接觸網是供電線路，在高速鐵路運行的過程中，接觸網如果發生故障，就會可能會導致系統不能正常運行。接觸網有時會因為關鍵零件的缺失發生故障。隨著動車組的運行次數增加，檢測車車頂的成像裝置的相機從多個角度拍攝而成的接觸網懸掛圖也大量增加。但接觸網懸掛圖中的零件都很小，對于檢測或者識別其圖像的精確度要求很高。

高鐵軌道表面缺陷與異物侵限。高速鐵路的鋼軌表面擦傷或者扣件的缺失會影響到高速鐵路的正常運行，高鐵本身的零件數目的龐大，造成了檢測時的困難性。鋼軌在運輸和建設的過程當中，會表現出不同程度的損耗，而主要的集中表現為：軌頭磨損，局部壓陷，鋼軌外傷和腐蝕。鋼軌的外傷，如擦傷，壓陷，腐蝕等是可以通過人工檢測出來的。但這種做法效率并不高，還需要耗費大量的時間與人力資源。

高鐵運行安全圖像的識別問題。目前的高鐵運行安全圖像主要依靠于人工的投入，高鐵的運行次數增多，運行安全圖像的增多，工作量的加大，工作強度的提高，這系列推動著高速鐵路運行安全圖像檢測監測系統的運用。該系統不僅能維護高鐵運行過程中的安全穩定性，還能夠深入挖掘圖像數據背后的意義與價值。但由于高速鐵路運行安全檢測監測系統分布在不同的地區，寬帶的數量問題導致了圖像在運輸過程中的速度問題，圖像在運輸過程中出現失真等問題，阻礙了技術人員對高鐵運行安全的識別與判斷。高速鐵路運行安全圖像缺乏著帶有標記的數據，讓技術人員無法深入研究，使大量數據失去研究價值。

2 人工智能在高鐵上的運用

高鐵的運行與建立的過程中，得益于人工智能的發展與運用。人工智能與現代高鐵的結合，無疑是推動了高鐵的發展，帶動高鐵面向新的高度。人工智能在解決高鐵的缺陷時主要運用于以下幾個方面。

2.1 接觸網懸掛狀態檢測裝置

緊固件在高鐵接觸網起到一個固定的作用，而緊固件由于長期的工作，會受到一定的損壞，從而導致緊固件不牢固脫落。對于這種故障，主要途徑是通過緊固件檢測以及缺失件的識別這兩部分來達到。首先，是提出緊固件目標檢測網絡，該網絡主要是由特征提取網絡，分類器和檢測器等組成[3]。因為高速鐵路接觸網懸掛狀態監測圖像是直接進行輸入利用，會增加計算與處理的時間耗費，降低整個過程處理的效率，因此我們對于獲取的圖像進行小批量的處理，從而減少浪費提高效率。而接觸網懸掛裝置會將圖像進行自動化的處理，便于后續操作，但會保持圖像的完整性，最后裁剪好的圖像會被特征提取網絡提取出圖像特征，在這運用到的提取網絡是一種輕量級特征提取網絡，提取出的特征，用于分類器的識別，識別該圖像塊是否存在目標緊固件，存在則就要用到檢測器進行定位[4]。分類器將一些不含有緊固件的圖像過濾剔除，提高檢測的精確度，緊固件目標檢測網絡對于我們的高速鐵路接觸網裝置中的緊固件進行高效的充分的檢測。最后利用緊固件運行狀態分類網絡來對我們的緊固件進行確信的識別與判定。

2.2 機器視覺在鋼軌表面缺陷的運用

我們在自然環境下搜集到的鋼軌表面圖像，會受到各方面因素的影響，比如我們的裝置設備，周圍環境的嘈雜等原因。所以首先要對采集到的鋼軌的表面圖像進行處理，對采集的圖片進行圖像的去噪與增強的預處理，來提升圖片質量，便于更好的將軌道從周圍環境中分離出來。利用灰度水平投影法，將我們要選取的軌道區域定位出來，快速提取軌面[5]。軌面經過圖像處理等，將缺陷區域篩選出來。這一部分是利用分割技術來提取我們所需要的缺陷部分的圖像信息，然后對提取出來的缺陷進行特征描述。我們要對其灰度、形狀等方面進行分析與總結。利用機器學習對鋼軌表面缺陷進行分類。最后利用深度學習對缺陷進行識別工作。深度學習算法能夠實現圖像的分類，節省了中間的對于鋼軌區域缺陷的提取等某些相關步驟。但是，深度學習需要大量的數據去實現這一功能。

2.3 周圍環境檢測、圖像識別技術維護高鐵運行安全

環境檢測能夠檢測到高速鐵路運行環境周圍的路人狀況預處理，實時對路況進行檢測，進一步保證高速鐵路的運行環境安全。異物排查對于高鐵的運行安全也能發揮一定的作用，異物的種類多樣性，造成了排除過程的高難度。異物的屬性與尺度大小等因素阻礙，檢測嚴密性有了更高的要求。標檢測算法中基于回歸的方法可以快速的進行實時檢測，但精確度低，可能對小物件的檢測不能滿足其條件?；趨^域的目標檢測算法可以數據增強來增加樣本的多樣性以此來適應檢測物的尺度的變化，便于檢測出圖像處于不同狀態時的狀況，但是，無法做到足夠高的精確度，無法對于異物的定位做出明確的判斷。所以，引入了可變形卷積，它通過分析動車運行安全圖像的缺陷特征，建立目標檢測的圖像，能夠達到提高動車組安全圖像檢測的精確度與效率。而針對于圖像跨區域傳遞與寬帶問題，建設高鐵運行安全圖像智能識別平臺能夠實現提升高速鐵路運行安全圖像檢測系統的智能化，能夠在靠近高鐵運行安全圖像檢測的設備段附近進行智能識別，減少圖像數據在傳輸過程中造成的數據損失與失真問題，減少平臺識別安全運行圖像的時間。高鐵運行安全圖像的半自動標注方法能夠提升數據標注的準確性，而且為研究平臺提供了數據。

3 結語

接觸網的懸掛狀態裝置能對高速鐵路接觸網懸掛狀態緊固件缺陷進行識別與判定，將高鐵運行過程中存在的安全隱患排除。機器視覺能夠識別檢測出鋼軌受損，識別出表面有缺陷的鋼軌圖像。周圍環境檢測能夠排除異物，發現高鐵運行周圍環境的阻礙物。高鐵的安全平穩運行靠著的是科技力量。隨著5G技術的發展，在未來5G技術也將逐漸廣泛運用于高速鐵路中，人工智能，大數據，物聯網等一系列的高新科技技術與手段也將不斷的推動著高速鐵路向前發展。

[參考文獻]

[1]張子健.面向高鐵接觸網缺陷檢測的智能圖像處理關鍵技術研究[D].杭州：浙江大學，2019.

[2]趙冰，李平，代明睿，等.基于深度學習的鐵路圖像場景分類優化研究[J].計算機系統應用，2019（6）：228-234.

[3]狄亞柳.基于深度學習的高鐵接觸網懸掛目標檢測圖像處理研究[D].成都：西南交通大學，2018.

[4]周雯.面向高速鐵路運行安全的智能圖像識別方法研究[D].北京：中國鐵道科學研究院，2020.

[5]張博，劉秀波，張志榮，等.基于視覺的鋼軌表面缺陷識別方法綜述[J].鐵道建筑，2020（9）：136-140.

（編輯 傅金睿）