论文行车安全智能管理系统在地方铁路的应用

Posted 2023-01-18 宗而研之

论文信息

转自《中国铁路》2022.12

作者虞俊浦1， 刘瑞华1， 王生义2，  袁兵兵1， 耿勇1， 彭晨1， 樊志辉1

1.北京世纪东方智汇科技股份有限公司

2.西山煤电(集团)有限责任公司铁路公司

摘要

针对地方铁路线路的安全风险和防控特点，行车安全智能管理系统以铁路综合视频监控为基础，结合列车定位技术、基于深度学习的AI智能技术和Mesh无线通信技术，实现列车运行前方线路状态的感知、非正常侵入告警及固定防护点等重点区域的监测。阐述系统组成、功能和特点，并重点论述其关键技术。在西山煤电(集团)有限责任公司铁路公司前山铁路的应用表明，该系统能够提升应急反应速度和应急处理水平，可有效避免事故发生。

关键词

行车安全智能管理系统；Mesh；AI视频分析；列车定位

0引言

我国铁路覆盖范围广，所处地形复杂，沿线多隧道、山坡、弯道、树林[1-2]，存在异物侵线、人员侵界、视线遮挡等诸多可能发生危害行车安全的因素，特别是地方铁路，存在道口多、瞭望差、周边环境恶劣等情况，致使司机目视范围遮挡严重，一旦出现危及行车安全的险情，司机难以通过目视发现，风险隐患较大。

为加强高速铁路安全防护，及时发现危及行车安全的险情并采取紧急处置措施，避免或减轻灾害损失[3-6]，TB10671—2019《高速铁路安全防护设计规范》规定[7]：高速铁路安全防护监测包括视频监控、异物侵限监测、周界入侵监测和自然灾害监测。在此，根据行车实际需求，研发了行车安全智能管理系统，能够高效识别线路的危情信息，并及时发送给列车司机和调度指挥人员，辅助司机和调度人员提前发现险情并采取紧急处置措施，可有效避免事故的发生，提高了机车的行驶速度和运输效率，进一步保障铁路运行安全。

1行车安全智能管理系统概述

行车安全智能管理系统是对铁路线入侵监测的通信系统，以铁路综合视频监控为基础，结合列车定位技术、基于深度学习的AI智能技术[8]和Mesh无线通信技术[9]，实现列车运行前方线路状态的感知、非正常侵入告警及固定防护点(弯道/边坡/隧道)等重点区域的监测，将非正常告警信息、图像及语音告警信息实时发送到指挥中心、机车告警平台、工务等部门，实现前方状态的提前感知，减轻了司机操作、查看负担，为机车的安全运行提供保障。

系统组网采用有线与无线相结合的方式，地面监测点通过光纤环网接入监控中心，与机车通过Mesh无线通信网连接，有效打通监控中心、地面监测点、运行列车间的通信网络。Mesh无线通信网将宽带数据传输延伸至运行的列车，实现动态图像传输和数据通信。系统不仅组网简单、结构灵活、接口丰富，而且扩展性好、管理方便、易于维护。

2系统组成

行车安全智能管理系统由监控中心设备、监测点设备、车载设备和传输网络4个部分组成，是集通信、视频、控制、信息于一体的综合系统，结合计算机网络、Mesh网络、北斗定位、AI视频智能分析等技术，通过网络通信，将独立的各个功能有机地集成在一起，实现信息共享和统一控制。

系统硬件主要由智能检测服务器、视频服务器、车载终端、车载Mesh设备、地面Mesh设备、高清定焦摄像机以及视频网管终端等设备组成(见图1)。

图1行车安全智能管理系统组成

监控中心设备放置于地面监控机房，主要由智能检测服务器、视频服务器、管理服务器、磁盘阵列、视频终端等设备组成。智能检测服务器用于视频/图像资源分析，检测特定行为和事件，并进行智能判断。管理服务器用于位置信息比对和告警信息控制处理。视频服务器、磁盘阵列及视频终端负责视频流的存储和查看。

监测点设备主要由地面Mesh设备、高清定焦摄像机、前端控制箱及光电缆交换等设备组成。高清定焦摄像机用于监测点图像信息采集。地面Mesh设备用于监测点定位，同时与车载Mesh设备进行业务数据连接。地面Mesh设备分布在铁路弯道、隧道、边坡落石、树木倾倒路段，或有人畜横穿铁路的非封闭路段等重点防护区域，采用传统立杆方式，在铁路沿线进行架设。

车载设备配置在列车车头两端，主要由车载终端、车载Mesh设备及配套天线、支架组成。车载Mesh设备布设于设备间，用于实现对地面监测点设备上传的各种业务数据接入。一般安装在司机室操控台旁，用于显示列车前方视频、告警声音提示并显示1~4路图像。车载终端界面见图2。

图2车载终端界面

3系统功能

系统通过光缆线路，把分布在铁路沿线的监测点设备、监控中心设备和基于Mesh无线网的车载终端进行连接，实现线路侵线智能监测、报警信息自动上传功能，使监控中心、机车司机能够实时监控线路沿线视频，提前获取机车前方安全情况和报警信息。

（1）线路高清视频监控功能。监测点设备采用高清定焦枪机，分别通过光纤和Mesh无线网络，连接到监控中心和运行机车，对铁路沿线进行视频监控。白天监控距离100~150m，AI分析距离60~80m，可对30cm×30cm大小的物体、约30(5×6)个像素点进行识别分析；夜晚监控距离80~120m，AI分析距离40~50m，可对50cm×50cm大小的物体、约30(5×6)个像素点进行识别分析。随系统运行周期延长，AI视频智能分析软件通过深度学习方法进行自动优化，不仅能让可识别物体的距离增加，而且能够进行自动识别和自动分类。

（2）线路入侵识别功能。系统识别到物体侵线或人员侵线时，自动在监控中心显示报警信息，供监控人员查看，同时自动将报警图像推送至车载终端。线路入侵还能识别滑坡落石、倒地树木、单/双向越界、非法闯入/离开检测、逗留(滞留、徘徊)等。线路入侵的视频分析单元自带雨雪、风沙、云彩、振动及规律性活动过滤器，能有效消除/减轻由于风吹、暴雨冲刷、列车经过等震动引起的摄像机图像抖动，不仅保护了摄像机，而且对摄像机有意或无意的模糊、镜头遮掩、黑暗或倾斜，均产生报警信号，提高了视频分析的精度。

（3）前方视频自动上车功能。监测点通过Mesh设备自带的北斗定位模块、车载Mesh设备和车载CIR运行公里标，对监测点和列车的位置进行比对、推演，将机车行进后方的摄像头信息进行深度学习技术采样，实现双重定位和信息确定，使列车运行前方的视频能自动向司机端推送。

（4）指定对象过滤功能。对特殊铁路运营线路，AI视频分析检测到的列车行驶前方作业人员、闲杂人员、其他巡检器具等报警信息，不向司机推送告警信息和语音提示，只对监控中心推送告警信息，监控中心也可通过实际应用需求进行布防和撤防操作。

（5）机车运行线路自动识别功能。针对若干条运营线路情况，利用3层交换网络划分VLAN，对每条运营线路进行分组。同时通过车载CIR设备公里标与车次号进行线路区分，有效识别机车运行所在线路。

4关键技术

4.1AI视频分析

当铁路线路分布于高山、丘陵、山地和盆地时，光照条件复杂多变，大风、暴雨和火车运行都会引起摄像机波动情况，造成视频抖动严重、视频失真、曝光严重等。对此，安全智能管理系统中的AI智能视频分析是基于深度学习的AI智能技术，先将特定监控区域内实时监控场景的永久或临时的目标检测物体，从背景图像中提取出来，采用加入滑动窗口的注意力机制和残差模型的神经网络算法[10-11]，对目标对象进行分类、行为识别和检测处理。滑动窗口的注意力机制使识别的背景图像能够集中在主要区域，加入滑动窗口的注意力机制，使系统创新实现了目标选择快、可自动分析、抽取视频源中的关键有用信息，过滤掉视频画面无用的或干扰信息，最终实现场景的自动理解。残差模型能使背景模糊、曝光严重的背景图像被正确识别。上述2项构成了AI智能视频分析的核心，实现对检测线路的自动化和智能化。侵线目标告警自动弹出界面见图3，过滤目标后无告警弹出界面见图4。

 

图3侵线目标告警自动弹出界面

 

图4过滤目标后无告警弹出界面

4.2前方视频自动推送

计算机视觉[12-14]是人工智能的关键领域之一，前方视频自动推送采用基于深度学习的目标检测算法，能够实现对后续目标的追踪和动作的识别，有效解决了传统图像目标检测的滑窗算法问题，即随目标大小变化窗口也随之变化，导致图像全局搜索效率低下。前方视频自动推送，对滑窗采用选择性搜索的深度学习目标检测算法，并结合监测点和运行列车的实时位置信息，创新实现了将视频快速依次自动推送到车载终端并显示，保障列车司机行驶过程中始终可实时浏览线路前方的视频画面。前方视频自动推送司机界面见图5。

图5前方视频自动推送司机界面

4.3Mesh无线通信

当铁路线路分布在高山峻岭时，山谷、隧道长且多，存在卫星信号遮挡严重、视距短、外部干扰源多、网线布局困难等问题，系统中的Mesh设备采用“无线网格网”理念，设计Mesh无线自组网方案，使用带宽高达96Mbit/s的低频高性能无线设备，完成视频、图像、语音和数据的高速传输，有效解决了卫星信号和有线网络的困境。该技术的无中心组网、分级、分组和漫游组网，使设备自组规模多于50台、中继大于10跳，实现了与现有IP有线网的无缝对接，灵活扩展了IP有线网。为减少卫星信号和无线信号的近端干扰和跟踪，采用跳频和COFDM技术；对于远端干扰，引入数字滤波功能和TDD双天线，使Mesh设备灵活适用于铁路各种复杂运营场景。为使Mesh设备具有自动组网和自动修复功能，在Mesh设备中加入了支持向量机分类算法，对设备中出现的组网问题和设备故障进行采样和训练，得到自动识别模型，使设备出现故障时，能够具有自动组网和自动修复的功能。

5系统应用

2021年9月，西山煤电(集团)有限责任公司铁路公司(简称集团铁路公司)在前山铁路建设行车安全智能管理系统。在前山铁路桃杏站—官地站(约6km)区段，沿线关键点位安装立杆架设摄像机，按照1个立杆安装2台摄像机，分别拍摄上行、下行的方式进行布设。全线监测点共21处，安装42台摄像机。每个监测点通过新敷设光缆提供的以太网通道与集团铁路公司中心机房连接，同时通过Mesh设备与运行列车进行通信。

机车采用实时车载终端对沿线摄像机图像进行监控。司机可根据需要调看线路任意1~4路摄像机图像，查看图像信息。当安全智能管理系统识别到线路前方物体侵线或人员侵线时，系统自动将该摄像机视频推送至机车监控终端设备。车载终端设备自动弹出报警信息和视频图像，供司机查看和判断现场状态，决定是否采取制动措施。

行车安全智能管理系统在前山铁路应用效果良好，在机车到达异物侵界、人员侵界、视线遮挡等位置前，能够提前获取机车前方安全情况和报警信息，为安全运营提供了可视、智能化监测手段，不仅提升了应急反应速度和应急处理水平，并可有效避免事故发生。

6结束语

目前，针对铁路线路安全防护的入侵监测技术种类繁多，其中视频监测技术因其技术成熟、覆盖范围广、监测结果直观、建设维护成本低等优点，得到行业内广泛认可。但如何解决第一时间将报警信息传递给列车司机，是铁路通信领域关注的痛点和难点问题，行车安全智能管理系统充分利用现有铁路沿线视频监控资源和机车标配CIR输出的位置信息，加入基于深度学习的AI智能技术，不仅实现线路入侵信息自动采集，还能精准将报警信息自动推送到指定终端，提升了应急反应速度和应急处理水平，为铁路运输生产安全提供了强有力的保障。

我国铁路将朝着数字化、智能化、智慧化和绿色化的方向发展。行车安全智能管理系统在前山铁路的成功应用，实现了大数据、互联网、人工智能等技术与铁路的深度融合，加强了智能铁路关键核心技术的研发和应用，推进了大数据协同共享，提升了铁路智能化水平。

参考文献

[1]程国宁.我国高速铁路工务维护与管理探究[J].科协论坛(下半月)，2012(12):132-133.

[2]张平，张健，侯明哲.基于微观交通仿真的公路互通立交与隧道间距分析与评价[J].公路，2018，63(2):161-165.

[3]柳世辉.《铁路建设项目预可行性研究、可行性研究和设计文件编制办法》主要修订内容解读[J].中国铁路，2020(2):76-80.

[4]酒昀洋，杨树忠，段贺辉.GSM-R网络基站过覆盖问题研究及数据分析[J].中国铁路，2020(7):67-72.

[5]雷太安，张炜明，刁兴龙，等.货运铁路多点智联运 检安全预警系统[J].中国铁路，2022(7):134-138.

[6]唐涛，李开成，宿帅，等.瑞士铁路调度指挥系统特点 分析及对我国启示[J].中国铁路，2019(11):18-23.

[7]赵泽宇，吴歆彦，闫宏伟.《高速铁路安全防护设计规范》解读[J].铁路工程技术与经济，2021，36(1):5-7.

[8]佟明，张锐.基于AI深度学习的智能审核系统在广电中的应用[J].现代电视技术，2022(2):88-91.

[9]李新科.试论基于室外无线Mesh网络的应急通信技术应用[J].信息系统工程，2020(5):14-15.

[10]黄沛昱，李煜龙，高磊.改进残差神经网络的图像去雾算法[J].计算机系统应用，2022，31(8):223-229.

[11]关立刚，陈平华.基于注意力机制和残差连接的BiLSTM-CNN文本分类[J].现代计算机，2019(17):9-15.

[12]李群，李建军.基于计算机视觉技术的智能化电厂应用[J].数字技术与应用，2022，40(5):184-186.

[13]裘莉娅，陈玮琳，李范鸣，等.复杂背景下基于汉明距离约束的HashLBP运动目标快速检测算法[J].光子学报，2022，51(9):292-308.

[14]陈慧雅.基于深度学习的交通模糊图像复原算法研究[D].桂林：桂林电子科技大学，2021.