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(fā)展的現(xiàn)在社會當中，人工智能也隨之不斷發(fā)展與完善。得益于云計算、大數(shù)據(jù)的高速發(fā)展與技術(shù)成熟，人工智能也不斷朝著成熟的方向發(fā)展。人工智能逐漸應用于生活中，無人駕駛汽車、人臉識別、醫(yī)學影像處理等，它被運用于各個行業(yè)。而人工智能不僅僅能夠讓某些企業(yè)獲得經(jīng)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(zhì)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(shù)在高鐵運行安全中的應用及發(fā)揮的重要作用。

關(guān)鍵詞：人工智能;高速鐵路;接觸網(wǎng);機器學習

0 引言

從落實科學發(fā)展觀的戰(zhàn)略出發(fā)，為實現(xiàn)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(xiàn)代化的進程。中國鐵路的快速發(fā)展，在質(zhì)量與運行速度上都得到了提升。隨著人工智能技術(shù)在我國的發(fā)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(shù)據(jù)等先進的科學技術(shù)手段逐漸實現(xiàn)現(xiàn)代化，智能化。日趨成熟的人工智能技術(shù)，在其自身不斷發(fā)展的同時，解決著高速鐵路的安全問題[1-2]。

1 我國高鐵現(xiàn)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(huán)境、基礎(chǔ)設施狀態(tài)等高鐵運行安全的圖像視頻檢測系統(tǒng)，能夠?qū)z測結(jié)果直觀的表現(xiàn)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(wǎng)絡規(guī)模不斷擴大產(chǎn)生了大量的高鐵運行圖像數(shù)據(jù)，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(tǒng)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(fā)展中所存在的安全問題。

高鐵接觸網(wǎng)故障。接觸網(wǎng)的兩個重要部件是吊弦和絕緣子，接觸網(wǎng)是供電線路，在高速鐵路運行的過程中，接觸網(wǎng)如果發(fā)生故障，就會可能會導致系統(tǒng)不能正常運行。接觸網(wǎng)有時會因為關(guān)鍵零件的缺失發(fā)生故障。隨著動車組的運行次數(shù)增加，檢測車車頂?shù)某上裱b置的相機從多個角度拍攝而成的接觸網(wǎng)懸掛圖也大量增加。但接觸網(wǎng)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(shù)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(xiàn)出不同程度的損耗，而主要的集中表現(xiàn)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(shù)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(jiān)測系統(tǒng)的運用。該系統(tǒng)不僅能維護高鐵運行過程中的安全穩(wěn)定性，還能夠深入挖掘圖像數(shù)據(jù)背后的意義與價值。但由于高速鐵路運行安全檢測監(jiān)測系統(tǒng)分布在不同的地區(qū)，寬帶的數(shù)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(xiàn)失真等問題，阻礙了技術(shù)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(shù)據(jù)，讓技術(shù)人員無法深入研究，使大量數(shù)據(jù)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(fā)展與運用。人工智能與現(xiàn)代高鐵的結(jié)合，無疑是推動了高鐵的發(fā)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(wǎng)懸掛狀態(tài)檢測裝置

緊固件在高鐵接觸網(wǎng)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(wǎng)絡，該網(wǎng)絡主要是由特征提取網(wǎng)絡，分類器和檢測器等組成[3]。因為高速鐵路接觸網(wǎng)懸掛狀態(tài)監(jiān)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(wǎng)懸掛裝置會將圖像進行自動化的處理，便于后續(xù)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(wǎng)絡提取出圖像特征，在這運用到的提取網(wǎng)絡是一種輕量級特征提取網(wǎng)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(wǎng)絡對于我們的高速鐵路接觸網(wǎng)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(tài)分類網(wǎng)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(huán)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(huán)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(zhì)量，便于更好的將軌道從周圍環(huán)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(qū)域定位出來，快速提取軌面[5]。軌面經(jīng)過圖像處理等，將缺陷區(qū)域篩選出來。這一部分是利用分割技術(shù)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(jié)。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?qū)崿F(xiàn)圖像的分類，節(jié)省了中間的對于鋼軌區(qū)域缺陷的提取等某些相關(guān)步驟。但是，深度學習需要大量的數(shù)據(jù)去實現(xiàn)這一功能。

2.3 周圍環(huán)境檢測、圖像識別技術(shù)維護高鐵運行安全

環(huán)境檢測能夠檢測到高速鐵路運行環(huán)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(huán)境安全。異物排查對于高鐵的運行安全也能發(fā)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^(qū)域的目標檢測算法可以數(shù)據(jù)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(tài)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(qū)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?qū)崿F(xiàn)提升高速鐵路運行安全圖像檢測系統(tǒng)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(shù)據(jù)在傳輸過程中造成的數(shù)據(jù)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(shù)據(jù)標注的準確性，而且為研究平臺提供了數(shù)據(jù)。

3 結(jié)語

接觸網(wǎng)的懸掛狀態(tài)裝置能對高速鐵路接觸網(wǎng)懸掛狀態(tài)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(huán)境檢測能夠排除異物，發(fā)現(xiàn)高鐵運行周圍環(huán)境的阻礙物。高鐵的安全平穩(wěn)運行靠著的是科技力量。隨著5G技術(shù)的發(fā)展，在未來5G技術(shù)也將逐漸廣泛運用于高速鐵路中，人工智能，大數(shù)據(jù)，物聯(lián)網(wǎng)等一系列的高新科技技術(shù)與手段也將不斷的推動著高速鐵路向前發(fā)展。

[參考文獻]

[1]張子健.面向高鐵接觸網(wǎng)缺陷檢測的智能圖像處理關(guān)鍵技術(shù)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(yōu)化研究[J].計算機系統(tǒng)應用，2019（6）：228-234.

[3]狄亞柳.基于深度學習的高鐵接觸網(wǎng)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）