人工智能在我國鐵路的應(yīng)用與發(fā)展研究

張曉棟，馬小寧，李平，武威

（中國鐵道科學(xué)研究院集團有限公司 電子計算技術(shù)研究所，北京 100081）

0 引言

進入新時代，信息技術(shù)與智能技術(shù)飛速發(fā)展，全行業(yè)開啟利用高新技術(shù)改造傳統(tǒng)產(chǎn)業(yè)的進程。鐵路行業(yè)作為運輸骨干，同樣面臨著前所未有的挑戰(zhàn)[1]。我國鐵路建設(shè)運營場景豐富，存量數(shù)據(jù)龐大，為新理念、新技術(shù)提供了良好的實踐基礎(chǔ)。隨著智能鐵路概念的提出，人工智能技術(shù)在我國鐵路領(lǐng)域的應(yīng)用日益廣泛，以望在傳統(tǒng)領(lǐng)域有所突破，進而強化鐵路科技創(chuàng)新，鞏固和擴大我國鐵路領(lǐng)先優(yōu)勢。

隨著人工智能技術(shù)被世界主流國家提上發(fā)展日程，越來越多的國家開始將人工智能與傳統(tǒng)行業(yè)深度融合，大力發(fā)展人工智能交叉領(lǐng)域的應(yīng)用技術(shù)和人才培養(yǎng)。為搶占人工智能發(fā)展的重大戰(zhàn)略機遇，我國于2017 年7 月頒布了《新一代人工智能發(fā)展規(guī)劃》，將人工智能上升為國家戰(zhàn)略[2]。為貫徹黨的十九大關(guān)于科技強國、交通強國戰(zhàn)略部署，我國鐵路充分結(jié)合人工智能技術(shù)，積極開展智能京張、智能京雄、智能蒙華的綜合研究[3]，全面推進我國智能鐵路建設(shè)。

分析人工智能的定義和階段發(fā)展歷程，概括人工智能的技術(shù)內(nèi)涵，結(jié)合我國鐵路未來發(fā)展規(guī)劃方向，從不同技術(shù)應(yīng)用層面對現(xiàn)階段人工智能在我國鐵路的應(yīng)用與發(fā)展進行描述和總結(jié)，分析現(xiàn)階段人工智能在我國鐵路領(lǐng)域應(yīng)用中存在的問題，并對未來的研究與應(yīng)用提出發(fā)展建議，以期為我國智能鐵路發(fā)展提供參考。

1 人工智能概述

1.1 定義與發(fā)展歷程

人工智能是對人的意識和思維過程進行模擬并系統(tǒng)應(yīng)用的一門新興學(xué)科[4]，可分為強人工智能（Artificial General Intelligence，AGI）與弱人工智能（Artificial Narrow Intelligence，ANI），一般通過計算機程序的手段予以實現(xiàn)，并被應(yīng)用于全領(lǐng)域的一種技術(shù)手段。人工智能的相關(guān)概念于20 世紀(jì)中葉提出，至今經(jīng)歷了3 次較大的發(fā)展波動（見圖1）。20 世紀(jì)40 年代—70 年代，人工智能研究誕生，重點研究將邏輯推理能力計算機化，但受限于計算能力而偃旗息鼓，即“萌芽實驗期”；20 世紀(jì)70 年代—90 年代，人工智能被廣泛理解為計算機對人類知識的總結(jié)，但由于理論基礎(chǔ)差、交叉學(xué)科發(fā)展桎梏、實際應(yīng)用效果較差導(dǎo)致發(fā)展暫緩，即“緩慢發(fā)展期”；20 世紀(jì)90 年代至今，互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展為人工智能發(fā)展從數(shù)據(jù)和運算能力方面提供了支撐，計算機從數(shù)據(jù)中學(xué)習(xí)算法變得可行，并在某些領(lǐng)域大獲成功，即“集中爆發(fā)期”。

圖1 人工智能技術(shù)發(fā)展歷程

1.2 技術(shù)內(nèi)涵

近年來，隨著數(shù)據(jù)的增長和計算成本的降低，人工智能相關(guān)技術(shù)飛速發(fā)展，機器學(xué)習(xí)、深度學(xué)習(xí)、張量學(xué)習(xí)等新概念經(jīng)常與數(shù)據(jù)分析、數(shù)據(jù)挖掘等傳統(tǒng)理論混淆，因此有必要對人工智能的相關(guān)技術(shù)進行梳理，以期能更好地了解人工智能的技術(shù)內(nèi)涵。

強人工智能是較為理想的狀態(tài)，當(dāng)前的技術(shù)水平較為欠缺，在真實世界中難以實現(xiàn)，現(xiàn)階段人工智能仍主要停留在弱人工智能階段。數(shù)據(jù)存量與計算能力是制約人工智能發(fā)展的兩大要素，不斷增長的海量數(shù)據(jù)為弱人工智能提供了豐富的數(shù)據(jù)支撐，低廉高效的計算能力為弱人工智能提供了強勁的算力支撐。同時傳統(tǒng)數(shù)理統(tǒng)計、數(shù)據(jù)分析、數(shù)據(jù)挖掘也有效支撐了人工智能相關(guān)技術(shù)的發(fā)展（見圖2）。

圖2 人工智能的技術(shù)內(nèi)涵

當(dāng)前人工智能的發(fā)展方向主要集中在專家系統(tǒng)、智能Agent 規(guī)劃、推薦系統(tǒng)、情感計算、進化計算、機器學(xué)習(xí)、計算機視覺、自然語言處理、機器人與機器感知、知識表達與常識庫等方面。其中，機器學(xué)習(xí)是人工智能應(yīng)用較多的方向，使用算法解析、訓(xùn)練數(shù)據(jù)，從數(shù)據(jù)中獲取規(guī)律，并對事件行為做出判斷和預(yù)測。機器學(xué)習(xí)直接來源于早期的人工智能算法研究和傳統(tǒng)數(shù)理統(tǒng)計理論，包括決策樹、隨機森林、貝葉斯分析、支持向量機、神經(jīng)網(wǎng)絡(luò)等方法。按照學(xué)習(xí)方式，機器學(xué)習(xí)可分為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、集成學(xué)習(xí)、張量學(xué)習(xí)、深度學(xué)習(xí)等；按照應(yīng)用形式，機器學(xué)習(xí)又可分為回歸分析、數(shù)據(jù)預(yù)測、分類與聚類、異常檢測、因果推理等。

深度學(xué)習(xí)是機器學(xué)習(xí)的一個重要方向，是用于建立、模擬人腦進行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，是模仿人腦的機制解釋數(shù)據(jù)的一種特殊的機器學(xué)習(xí)技術(shù)，是在數(shù)據(jù)存量、計算能力極大提高的前提下對神經(jīng)網(wǎng)絡(luò)的充分發(fā)展與應(yīng)用，包括前饋神經(jīng)網(wǎng)絡(luò)、徑向基神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等。

隨著時間的推移、技術(shù)的進步，人工智能、機器學(xué)習(xí)、深度學(xué)習(xí)之間存在著密切的關(guān)聯(lián)關(guān)系（見圖3）。機器學(xué)習(xí)在20 世紀(jì)80 年代開始煥發(fā)生機，是人工智能的重要實現(xiàn)手段，也是目前主流的人工智能實現(xiàn)方法，主要體現(xiàn)在底層算法上。深度學(xué)習(xí)在21 世紀(jì)的最初10 年開始蓬勃發(fā)展，是機器學(xué)習(xí)的重要分支，是對神經(jīng)網(wǎng)絡(luò)的極大豐富和深度疊加，對數(shù)據(jù)存量和計算能力有較高的要求。

圖3 人工智能、機器學(xué)習(xí)、深度學(xué)習(xí)的關(guān)聯(lián)關(guān)系

2 人工智能在我國鐵路的應(yīng)用與發(fā)展

當(dāng)前人工智能雖然主要集中在弱人工智能方向，但對傳統(tǒng)行業(yè)的影響仍較深刻。大量專家學(xué)者將人工智能技術(shù)應(yīng)用于傳統(tǒng)的鐵路建設(shè)、裝備、運營等方面，為我國鐵路實現(xiàn)提質(zhì)、增效、節(jié)能、減排、安全等目標(biāo)注入了新的動力。當(dāng)前人工智能在我國鐵路的應(yīng)用與發(fā)展主要集中在推理與推薦系統(tǒng)、機器學(xué)習(xí)、計算機視覺、知識表達與常識庫等方面（見圖4）。

圖4 鐵路領(lǐng)域人工智能發(fā)展重點

2.1 推理與推薦系統(tǒng)

推薦系統(tǒng)是一種特殊形式的信息過濾系統(tǒng)，一般包括協(xié)同過濾推薦、基于內(nèi)容的推薦、基于規(guī)則的推薦等，能夠從數(shù)據(jù)中獲取某種潛在規(guī)則，向外提供智能推薦服務(wù)。案例推理則具有增量學(xué)習(xí)能力等特點，可以模仿人類思維分析解決問題，在許多知識經(jīng)驗豐富卻難以建立數(shù)學(xué)模型的領(lǐng)域得到廣泛應(yīng)用。推理與推薦系統(tǒng)是人工智能領(lǐng)域一種較新的問題求解和學(xué)習(xí)方法，在鐵路線網(wǎng)規(guī)劃和運輸組織優(yōu)化等復(fù)雜系統(tǒng)中發(fā)揮著積極作用。

傳統(tǒng)鐵路線網(wǎng)規(guī)劃面臨著地理、地質(zhì)環(huán)境復(fù)雜，設(shè)計強度大，周期長等問題，鐵路建設(shè)中沉淀了大量的設(shè)計參數(shù)和約束條件數(shù)據(jù)，結(jié)合地理信息、BIM 等技術(shù)，線網(wǎng)規(guī)劃案例推薦系統(tǒng)可為地址選線快速推薦合理設(shè)計方案，有效提高設(shè)計效率與施工質(zhì)量，降低工程投資[5-6]。

貨運組織與運輸調(diào)度是鐵路運營的重點問題，利用人工智能和大數(shù)據(jù)優(yōu)勢，智能分析歷史最優(yōu)方案的外部環(huán)境、線網(wǎng)狀態(tài)、車站情況等復(fù)雜因素，結(jié)合當(dāng)前車流、貨流情況采用推薦系統(tǒng)智能判定生產(chǎn)場景，并對該生產(chǎn)問題進行轉(zhuǎn)化，智能優(yōu)化車流徑路、集結(jié)組合方式、調(diào)整列車運行方案、調(diào)整調(diào)度計劃，輔助生產(chǎn)人員作出科學(xué)的預(yù)測與決策[7-10]。

2.2 機器學(xué)習(xí)

機器學(xué)習(xí)在鐵路的應(yīng)用較為豐富，相關(guān)專家學(xué)者采取了較多嘗試，主要集中在輔助決策、模式識別、分類聚類分析等3 個方面。

（1）輔助決策。輔助決策是以信息智能采集處理技術(shù)、自然語言處理技術(shù)、信息檢索技術(shù)為基礎(chǔ)，構(gòu)建以決策為導(dǎo)向的方法集，提供全方位、多層次的輔助決策支持。在鐵路突發(fā)事件應(yīng)急救援方面，利用人工智能技術(shù)對設(shè)備、環(huán)境、人員等影響因素進行多維分析，以縮短救援時間、降低救援成本為目標(biāo)，對鐵路突發(fā)事件進行智能輔助決策[11]。鐵路工電供故障檢測與應(yīng)急處理方面，結(jié)合工電供設(shè)備狀態(tài)數(shù)據(jù)，將輔助決策技術(shù)與故障信息相融合[12]，智能檢測設(shè)備風(fēng)險，為事故預(yù)防提供預(yù)警方案，避免檢測與維修的延時性與滯后性。

（2）模式識別。模式識別是指通過計算機利用數(shù)學(xué)方法對模式進行自動判斷和處理。鐵路領(lǐng)域的模式識別具有影響因素多、相互關(guān)系復(fù)雜等特點，研究難點主要體現(xiàn)在特征值形式多樣不易轉(zhuǎn)化為數(shù)學(xué)表達方式，難以采用某個單一方法處理這2 個方面，需要結(jié)合特征提取、模糊識別、神經(jīng)網(wǎng)絡(luò)、貝葉斯分析、支持向量機等方法進行特定模式的綜合識別。

當(dāng)前我國鐵路領(lǐng)域的模式識別還處于嘗試階段，例如：對車輛輪軸溫度、結(jié)構(gòu)、狀態(tài)的極限模式檢測，自動識別與判定車軸狀態(tài)，盡早排除安全隱患[13-14]；雷電災(zāi)害與行車安全關(guān)聯(lián)模式檢測，提高行車安全與運輸效率[15]；牽引供電跳閘保護報文模式智能識別與分析，保障接觸網(wǎng)運用安全[13]；隧道斷面形變模式智能識別與監(jiān)控[16]，為鐵路施工管理提供智能檢測方法。

（3）分類聚類分析。聚類是將研究對象的集合分為由類似對象組成的多個類的過程，分類是在已有分類標(biāo)準(zhǔn)下，對新對象進行劃分的過程。我國鐵路具有較強的計劃性特征，導(dǎo)致在一些業(yè)務(wù)領(lǐng)域出現(xiàn)了分類牽強、研究主觀性強、判別標(biāo)準(zhǔn)不一的現(xiàn)象，因此有必要結(jié)合人工智能中的分類聚類分析方法對鐵路各領(lǐng)域業(yè)務(wù)數(shù)據(jù)進行分析，對研究對象科學(xué)劃分。當(dāng)前我國鐵路分類聚類研究主要是采用主成分分析、降維分析、神經(jīng)網(wǎng)絡(luò)、隨機森林等方法，在路基病害特征聚類分析[17]、道岔故障特征智能診斷[18]等領(lǐng)域開展應(yīng)用研究。

2.3 計算機視覺

計算機視覺是指采用視頻采集設(shè)備和計算機代替人眼對目標(biāo)進行識別、跟蹤和測量，并做出圖形處理，從多維數(shù)據(jù)中獲取信息的人工智能系統(tǒng)。計算機視覺包括圖像處理、狀態(tài)識別、空間形狀描述、幾何建模以及認識過程等內(nèi)容。近年來隨著鐵路基礎(chǔ)設(shè)施的改善升級，站車軌旁視頻采集設(shè)備普及率明顯提高，為計算機視覺在鐵路領(lǐng)域的發(fā)展帶來了契機。計算機視覺在鐵路的應(yīng)用主要集中在車站運營、進站管理、應(yīng)急處理和入侵檢測等方面（見圖5）。

圖5 計算機視覺在我國鐵路的主要應(yīng)用場景

（1）車站運營。鐵路車站安檢采用圖像識別與深度學(xué)習(xí)方法，利用計算機視覺與機器學(xué)習(xí)技術(shù)對安檢物品數(shù)據(jù)進行實時迭代計算，動態(tài)分析旅客攜帶的潛在危險物品[19]，降低勞動強度與成本，減少人為誤差，改善車站運營安保能力。

（2）進站管理。傳統(tǒng)紙質(zhì)票據(jù)、電子票號、乘車人身份三者之間的一致性快速檢驗是乘客進站審核管理的關(guān)鍵問題。計算機視覺方法使人臉信息與紙制票、磁票、二代身份證、IC 卡等票證介質(zhì)統(tǒng)一起來，將圖像采集、信息處理、人臉識別、字符數(shù)據(jù)訓(xùn)練等人工智能技術(shù)應(yīng)用于鐵路制票與進站設(shè)備[20-22]。在售票階段實現(xiàn)紙質(zhì)票號與票號信息的智能識別與核對，在檢票進站階段縮短核驗時間，提高執(zhí)行效率。

（3）應(yīng)急處理。突發(fā)事件應(yīng)急處理是鐵路客運站面臨的重要問題，站內(nèi)旅客集散狀態(tài)、接發(fā)列車狀態(tài)、旅客乘降行為等視覺場景是客運站采集的重點，利用圖像與視頻采集技術(shù)從客運站特征、疏散設(shè)備狀態(tài)、應(yīng)急標(biāo)識分布、危險行為識別等方面實時采集數(shù)據(jù)，并分析客運站突發(fā)狀態(tài)與應(yīng)急方案的關(guān)聯(lián)關(guān)系，動態(tài)制定并優(yōu)化應(yīng)急疏散方案，提高車站安全系數(shù)，加快突發(fā)事件應(yīng)急速度，做到防患于未然[23-24]。

（4）入侵檢測。異物入侵對列車行車安全危害較大，車內(nèi)、軌旁設(shè)置視頻監(jiān)控設(shè)備，實時采集運行區(qū)間是否存在入侵異物。結(jié)合區(qū)域檢測、限界確定、邊緣更新、背景減除等方法，排除機車設(shè)備、鐵路路障、風(fēng)雨雪等檢測障礙情況，智能識別行人與異物入侵軌道，提前發(fā)現(xiàn)入侵威脅，保障行車安全與人民生命財產(chǎn)安全[25-28]。

2.4 知識表達與常識庫

知識表達與常識庫是基于知識的系統(tǒng)，以業(yè)務(wù)領(lǐng)域知識為驅(qū)動，根據(jù)生產(chǎn)現(xiàn)象進行合理推論進而指導(dǎo)生產(chǎn)決策，具有智能性特征。鐵路是多學(xué)科的復(fù)雜交叉領(lǐng)域，經(jīng)驗是處理鐵路常規(guī)業(yè)務(wù)問題的寶貴財富。隨著鐵路數(shù)字化的深入，將經(jīng)驗有效轉(zhuǎn)化為常識庫，實時根據(jù)情況的變化聯(lián)動匹配經(jīng)驗知識并有效表達，有利于提高鐵路常規(guī)業(yè)務(wù)的響應(yīng)度和穩(wěn)定性。當(dāng)前知識表達與常識庫在我國鐵路的應(yīng)用主要圍繞故障檢測、應(yīng)急維護、操作流程標(biāo)準(zhǔn)化、安全風(fēng)險控制等方面，在構(gòu)建列檢作業(yè)智能檢查庫[29]、列車故障庫與應(yīng)急維護策略庫[30-34]、鋼軌焊接布局與流程知識庫[30]、安全風(fēng)險邊線特征庫[35]等方面做出了有益嘗試。

3 存在問題與建議

3.1 現(xiàn)階段存在的問題

人工智能與傳統(tǒng)鐵路建設(shè)發(fā)展的結(jié)合日益緊密，但理論方法與實際運用的結(jié)合仍有一定困難，主要存在以下問題：

（1）人工智能在鐵路的應(yīng)用研究尚屬起步階段，行業(yè)整體智能化水平亟待提高。我國人工智能在互聯(lián)網(wǎng)領(lǐng)域應(yīng)用較多，在傳統(tǒng)鐵路領(lǐng)域起步較晚，多為實驗性質(zhì)應(yīng)用。雖在安全監(jiān)測、視頻采集應(yīng)用服務(wù)、輔助預(yù)測與決策等較易結(jié)合的方面應(yīng)用較多，但實現(xiàn)的智能化程度不高，尚處于弱人工智能的初級階段；雖一定程度上改善了既有作業(yè)方式，但并未帶來本質(zhì)提升，且缺乏推廣性、普適性，實際意義較小。

（2）人工智能在我國鐵路的發(fā)展缺乏科學(xué)的戰(zhàn)略性規(guī)劃，研究較為分散。當(dāng)前人工智能在我國鐵路的研究與應(yīng)用處于嘗試階段，多借鑒其他領(lǐng)域的研究經(jīng)驗，模仿痕跡明顯。研究相對較為獨立和分散，缺乏系統(tǒng)性規(guī)劃和針對性研發(fā)，難以產(chǎn)生行之有效的經(jīng)濟效益和社會效益。

3.2 建議

結(jié)合上述問題，對未來人工智能在鐵路的應(yīng)用與發(fā)展提出如下建議：

（1）快速建立人工智能在鐵路領(lǐng)域應(yīng)用的頂層結(jié)構(gòu)設(shè)計和技術(shù)標(biāo)準(zhǔn)體系，從上至下指導(dǎo)人工智能在鐵路的系統(tǒng)化研究，做到有的放矢，循序漸進。

（2）統(tǒng)籌我國鐵路人工智能戰(zhàn)略發(fā)展，協(xié)調(diào)并統(tǒng)一各專業(yè)的人工智能發(fā)展步伐，以指導(dǎo)實際生產(chǎn)為目標(biāo)，全面提升鐵路人工智能水平。

（3）以中國鐵路主數(shù)據(jù)中心、一體化信息集成平臺為依托，充分利用鐵路數(shù)據(jù)資產(chǎn)，挖掘潛在價值，在數(shù)據(jù)層面實現(xiàn)泛在互聯(lián)、動態(tài)感知，為鐵路人工智能提供數(shù)據(jù)化知識儲備。

（4）促進鐵路人工智能示范應(yīng)用建設(shè)，在鐵路領(lǐng)域擴大人工智能創(chuàng)新發(fā)展試點示范，以此為契機推動行業(yè)內(nèi)人工智能的研究與應(yīng)用，使之全面化、普遍化。

4 結(jié)束語

全面感知、泛在互聯(lián)、融合處理、科學(xué)決策的智能鐵路是鐵路行業(yè)的發(fā)展趨勢，特別是云計算、物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等新技術(shù)的快速發(fā)展，促進了新技術(shù)與傳統(tǒng)鐵路行業(yè)的有機融合。在我國鐵路智能化戰(zhàn)略[36]指導(dǎo)下，人工智能技術(shù)未來將進一步拓寬在鐵路行業(yè)的應(yīng)用深度與支撐范圍，為實現(xiàn)智能鐵路提供技術(shù)保障。