文 | AI全球视野 诗萌
编 | 畅畅
本文由AI国际站 原创出品，未经许可，任何渠道、平台请勿转载，违者必究。
铁路技术的进步在适应不断增长的人口。遵循预期与数字化的发展相吻合。通过Internet广泛使用在线服务可以集成所有内容，以提供更好的服务。通过处理累积数据，一切都是可计算和可预测的。这使每个人都在思考人工智能在印度铁路中即将发挥的作用。
印度铁路中的人工智能
印度铁路网是世界第四大铁路网，在2019年4月的轨道长度超过70000公里，拥有20000多列旅客列车。管理所有方面–操作，维护，调度，维修或监视一直是印度铁路的艰巨任务。由于各种系统（例如信号，电信，运营，机车车辆，电气，信息技术，交通，基础设施等）的集成问题以及人为因素的介入，因此该任务很困难。
满足需求的一种方法是增强铁路基础设施。基础设施一直是当前项目的关键特征，例如Konkan铁路的双线扩建以及孟买-艾哈迈达巴德高速走廊沿线的子弹头列车的引入。但是问题是，为什么忽略通过结合人工智能，机器学习和自我控制系统来满足不断增长的需求而增加的吞吐量。
这些系统在提高现有基础架构的可靠性，并弥补一次性的巨额投资。大量的投资可以消除对人为干扰的需求，并提供所需的安全性和升级速度。如果我们可以提高“软件”的效率，那么应该有可能在硬件上做更多的事情。拥有更高效的软件包括更大的信息共享，更低的延迟和智能算法。这就是为什么许多OEM和初创公司现在在全球范围内研究基于人工智能的服务可行性的原因。
人工智能在印度铁路中的可行性
我们是否应该分析这样的事实，即仿真和数学建模所需的数据量是否可用。让我们分别考虑印度铁路感兴趣的各个领域。
- 操作-任何系统的人工智能都需要大量可链接数据。在印度的铁路中，该网络已经在SCADA系统上运行，因此大量的运营数据可用于建模和培训。
- 基础设施–铁路基础设施的数字化版本也应该随时可用。可以为耙信息和机组人员名册提出相同的论点。
- 轨道和机车车辆–可能无法在印度获得轨道或火车的预测维护数据。但是这些问题的物理原理并不随地理而变。因此，可以使用其他国家/地区的数据来训练这些模型。
- 信号和电信–事件的历史记录可以从联锁系统的数据记录器中获取。这可以帮助安排火车的行驶时间，还可以管理机器驱动的操作。
尽管我们有很好的数据可用性，但是关键的挑战将是开发一个框架，使研究人员可以从几个单独的问题开始，然后有效地集成它们。分层或更通用的体系结构可以有效地处理此类意图。这些可以从算法的角度使用。需要使各种系统有效地相互通信。这是需要软件/硬件体系结构和系统集成方面的专业知识的地方。
人工智能在印度铁路中的应用
AI可以根据效率和需求水平提供广泛的服务范围。人工智能可以提供的一些基本要求的可行性在下面讨论：
（一） 火车时刻表
所有信令规则均假定车站的轨道一次最多被一列火车占用。这可以通过算法，仿真模型，图形，启发式方法和控制系统以及印度铁路所需的人工智能程度来确保。
可以从AI获得的信息包括：
1.从第一个事件到最后一个事件的持续时间
2.火车的总行驶时间或平均行驶时间
3.火车的优先加权运行时间
4.时间表对偏差的鲁棒性及其组合
这将确保
1.两个站之间的一个轨道段一次最多被一列火车占用（以绝对块信令）
2.两个信号之间的每条轨道一次最多被一列火车占用（在自动分组信令中）
当前，铁路网络不使用自动算法来实现此功能。相反，他们依靠管制员（调度员）的培训和经验来做出决定。他们无法处理大量的上下文信息，也无法满足决策所需的短周转时间。
但是上述方法将生成高级别的火车时刻表和时间表。他们将指定要占用的轨道，切换轨道所需的时间以及信令要求。即时冲突的参数可以实时评估。因此，可以做出即时调度决策，从而生成微观调度。
借助AI，人们可以开发迭代优化方法或基于图形的模型，以使用启发式算法实时决策支持来计算低级时间表，人工智能还提供了一种训练算法的方法，可以对干扰做出快速反应，并提供接近最佳的解决方案。
（二）控制火车的速度曲线
基于AI的冲突解决方案不仅应实现硬信令（信号方面），而且应实现更优化的方法，例如列车速度管理。火车的能耗和总延迟都取决于车站之间使用的速度曲线。使用强化学习（RL）或动态编程，可以在初始级别计算单列火车的节能速度曲线。但是，对于在该国更广泛的应用而言，未来的可能性是开发可以实现以下目的的AI技术：
（1）在不增加人员负担的情况下与火车驾驶员互动
（2）由人在循环中实施
（3）检测轨道上的障碍物。
（三）延迟预测和减少
人工智能在印度铁路中的主要作用之一是预测火车延误。对于铁路网络的高度限制，这是一个重要的考虑因素。当前，IR中没有机制可以针对列车正时的延迟采取纠正措施。这种延迟是由于火车优先级，与其他火车的下游冲突，货运负载以及不规律的停车时间造成的。人无法同时处理所有这些因素，也无法为整个网络提出最佳解决方案。
由于在印度铁路中加入了人工智能，因此准确的延误预测将有助于网络下游部分的调度员（控制员）。通过提供有关其旅程的早期更新，还将改善乘客的体验。预测延迟时间的系统将从过去的火车延迟数据中学习，预测每个延迟将持续多长时间，并使用基于云的服务来交付更新。
人工智能驱动的方法是一种“感知分析响应”系统，用于预测和纠正延迟。该程序的“感觉”部分收集有关网络中火车状态的数据。“分析”部分计算每个可能选项的含义。“响应”部分根据物理能力和安全标准将计算出的轨道资源分配给每列火车。
（四）资产管理
信号系统的万无一失的工作对火车的安全运行非常重要。铁路完全取决于其信令资产的健康状况以及实时信息。大多数延迟是由于信号故障而发生的。到目前为止，印度系统遵循手动维护系统和查找并修复方法。但是印度铁路采用人工智能可以通过提前对系统进行远程状态监控来帮助预测故障。
通过将智能传感器嵌入关键的轨道组件并采取必要的预防措施，可以做到这一点。输入信息应按固定的时间间隔收集并发送到中心位置（例如，操作控制中心或OCC）。结果，将实时检测信令系统中的任何问题。
配备有智能传感器和GPS的火车将按组件分类的健康状态和位置传输到AIC（资产情报中心）。维护所有铁路资产的数字数据库的AIC还会从嵌入在轨道侧摄像机中的安全距离警告（SDW）系统收集有关火车/货车缺陷和电子损坏通知的输入（还发送给驾驶员）。
一旦收集并整合了此类信息，就会生成RAM / LCC（可靠性，可用性，可维护性和生命周期成本）图形式的数据分析，该图可计算在给定的时间和条件下维护特定列车组件的成本开销，并生成数字规则手册（例如，规则手册4.0），该规则手册将以结构化数据模型的形式轻松访问维护策略，以供将来的相关操作员和车间工作人员使用。
然后根据数字规则手册根据动态算法和策略向AI推荐的决策被封装到Digital Fleet Control Module内部的合并维护计划中，并与车间能力进行比较，以产生对材料和人工的需求。最终，这种需求以数字订单的形式被带到车间数字接口。
到目前为止，英国已开始对信号进行远程监控。该系统涉及通过无线介质（3G，4G和高速移动设备）的数据传输。基于这些输入的数据将在AI的帮助下用于规定性大数据分析。这允许检测信号资产缺陷，自动自我纠正（通过机器学习）和明智的决策。
印度铁路公司已决定在艾哈迈达巴德-瓦多达拉和班加罗尔-米苏鲁的西部铁路和西南铁路的两个区域进行试验。
（五）智能信号系统
这些可以通过生成铁路路段的“数字孪生”来构建。数字孪生是真实物理系统及其操作的仿真模型。多个数据源不断更新虚拟副本并更改其状态以表示对物理副本的影响。
配备有激光扫描仪和照相机的直升飞机或无人驾驶飞机可以捕获整个截面的图像，并模拟完全映射的三维数字模型。然后可以开发所有资产的数字指南。这可以包括数千公里的轨道，信号，点，电信塔，车站，电缆管道，桥梁，隧道和平交道口。
这种模型的好处包括：
设计自动化
“数字孪生”可以帮助您实现半自动化的设计，并实现高精度，节省数月的工作量。它消除了去现场，手动测量和估计坡度，确定设备要求（例如电缆和连接器），定位侵权和穿越轨道的需求。
阿尔斯通（Alstom）已开发出“数字孪生”，用于英国沿Pendolino火车西海岸干线（WCML）繁忙的铁路网络。整个火车车队包括56套火车以及5个维修站。使用所需的预测程度来维护这种复杂的系统需要许多方面的考虑，而没有数字孪生系统是不可能发生的。
排程
可以估算出有关火车和运力的路线和时间表的每日运营需求。
保养
可以确定列车检查的频率和参数（例如时间或里程），以及仓库的预防性和纠正性维护的详细信息。
资产安全性和可靠性
数字模型将指示盗窃情况或任何信号装置的可能故障。这种“预测与预防”模型将节省资金，增加容量并消除任何计划外的延迟或服务取消。新增的网络安全选项可用于为火车提供安全的在线密钥管理系统，以使用加密密钥与路边信号系统进行安全通信。
来自轨道和火车的数据由智能传感器和相机收集，这些传感器用作数字孪生模型的输入。因此，在网络上创建了两个并行层–物理层和数字层，它们通过适当的接口相互通信。
数字模型计算出火车的运行时间和间隔，可将其应用于基于AI的风险评估算法。真实/物理层监视并适应政府的法规变化，然后将信息发送到数字层，数字层在收到新信息时会更新风险计算。
最后，根据收集到的信息，将生成的操作计划在数字模型上进行测试，并提交给物理层进行封装。
（六）确保公共安全
列车定位，加速，安全制动和联锁方面的咨询角色可以消除对驾驶员直接控制的需求。Seimens于2018年在德国波茨坦推出的第一辆自动驾驶电车可以避免人们在行驶中的车辆前行走的威胁。
借助传感器，激光和照相机，可以检测到路径上的任何障碍物。这有助于做出瞬间的决策，使AI辅助电车突然停止。它仍处于开发阶段，但无疑可以为加速发展的更广阔的自动驾驶汽车市场提供大量支持。
为了理解这种方法，让我们假设一个运营控制中心，其中包含用于监视和管理整个铁路段的中央服务器。安装在轨道上的无线电平衡器通过车载传感器和天线将位置和信号方面传输到火车。
该信息以及火车的健康状态通过基于AI的火车监视模块发送到通信模块。该模块还从轨道侧处理器收集基于轨道的信息（例如轨道故障或路径上的障碍物），并将其发送给OCC。
另一方面，OCC还从概率AI模块接收风险分析输出（如前所述），并将累积信息提供给确定性AI算法以生成最终决策。结果被传送到火车驾驶员的屏幕上，结果是加速度，制动，门的关闭或打开等形式的自动瞬时响应。
其他应用
1）预测性维护。
可以将智能检测器安装在计轴器，轨道电路，点机，信号和机车车辆上，以便可以检测到任何缺陷。他们可以测量铁路车厢通过铁轨时施加的峰值负荷。作为时间和位置的函数，历史数据以轨道几何形状和滑架下方的起伏形式提供。
数据被转换成缺陷测量值。因此，任何发展中的缺陷都可以被提前感知。轨道和车轮的剩余寿命几乎可以准确预测。如果建模足够好，则可以在故障变得很严重之前进行维护（在AR情况下会自动进行），但不会那么频繁地进行维护，以免导致成本过高。
因此，预测性维护使操作员能够快速应对现有问题和故障。它还可以在任何潜在故障发生之前就对其进行检测。因此，消除了冗长的根本原因识别的需要。这样可以降低维护成本，减少故障率（或减少零故障率），快速维修并提高客户满意度。
2）人员管理。
使用线性规划和启发式方法，由AI驱动的自适应方法可以确保给定铁路段中的操作人员可以遵守时间表或时间表，
1） 人员名册–在网络的各个节点长期分配人员
2）机组调度–短期计划问题。
适用于这两者的规则可以是能力，机组人员偏好，休息时间，过夜时间和其他因素的复杂组合。
3）数据管理。
像任何公共系统一样，铁路行业也使用许多程序。这样的应用程序会生成大量数据，这些数据只会在将来增长，因此很难处理。在这种情况下，基于云的AI技术可以使铁路以数字方式存储收集的数据，这将节省成本并提供一致的可访问性。
云技术的另一个优点是它可以轻松集成并连接到其他软件。因此，运营商可以立即拥有组织的信息，以便快速决策。
4）生物识别。
生物识别票务包括视网膜扫描，语音验证，静脉扫描，面部识别和指纹扫描。基于红外光的摄像机可捕捉到身体部位的长度，纹理和形状。该数据应用于票务和登记目的。这将大大改善火车站旅客的拥挤状况，并消除对售票柜台的需求。
目前，像英国的Customer Clever和Bristol Robotics Laboratory这样的公司已经在开发此系统。它不能被照片欺骗，可以区分同卵双胞胎，甚至可以识别戴眼镜的人。该系统还可以在人们走路时识别他们。这将允许车站完全取代检票口。
挑战性
人工智能似乎是上述铁路系统几乎所有领域的强大尖端解决方案。但是该技术在计划阶段将面临一系列挑战：
1）易于渗透。
开发的技术必须能够在所有问题实例中使用，而无需进行大量的重新培训。为铁路网络的一部分开发的调度算法必须在其他任何部分中可用。
2）可变性。
并非每个问题实例（例如，一段铁路）都包含相同数量的输入和决策。AI框架下的许多算法（例如，深度学习）仅处理固定的输入输出大小。仔细的设计可以满足原始方法和领域约束之间的差异。但这需要时间和精力。
3）需要细节。
黑盒方法对于概念研究和测试是可以接受的。但是它们对于铁路安全关键型应用并不可行。取而代之的是，必须以决策树或具有较小输入输出大小的神经网络的形式要求机器学习方法。
4）遵守操作规则，程序和约束。
现实世界的系统和国家法规需要提供用于构建任何方法的数据要求。它们必须允许基于AI的测量，并防止这些计算中的错误。需要是在允许的传输延迟范围内满足集成和连接性要求。
5）互操作性。
随着数据的大量共享，将需要更紧密的协作。这包括不同OEM之间的操作，通信和数据集成。因此，需要将不同的基于AI的解决方案集成到一个有凝聚力的框架中。
6）成本和复杂性。
将现有系统修改为基于IT的子系统将需要周密的计划和巨大的成本。
结论
数字铁路是全球发展中的现实。它致力于为火车和轨道提供先进的技术，为乘客和企业提供更快，更频繁的服务。人工智能在印度铁路中的参与可以极大地推动我们的经济发展。
但是，由于基于AI的火车系统目前处于测试或开发阶段，因此可能需要数十年的时间。同样，在成本，复杂性和高水平的技术能力方面的开销也不容忽视。
本文来自投稿，不代表本人立场，如若转载，请注明出处：http://www.souzhinan.com/kj/293667.html