高速鐵路智能基礎設施發展關鍵技術研究

張雍華 王富章 蔣麗麗 劉國梁 劉陽學

（1.中國鐵道科學研究院研究生部，北京 100081；2.中國鐵道科學研究院集團有限公司電子計算技術研究所，北京 100081）

基礎設施是一個國家經濟發展的基礎和重要支柱，也是經濟產出的必要投入。鐵路交通建設作為我國基礎設施建設中的重要一環，對我國經濟發展影響深遠。我國自2008年第一條高速鐵路投入運營以來，每年均投入大規模資金進行高速鐵路建設，其中基礎設施建設投資金額約占60%。伴隨著高速鐵路網規模的持續擴大，基礎設施養護維修成本也在不斷增加。部分學者依據高速鐵路運輸作業成本測算方法及相關數據，對高速鐵路運營成本構成進行測算，得出高速鐵路基礎設施運維作業約占線路運營作業總成本的60%［1］。高速鐵路未來發展過程中面臨一系列諸如建設規模持續增長、設備設施老齡化等問題，因此高速鐵路基礎設施養護維修成本將持續增長。在這一背景下，亟待通過智能化技術對高速鐵路基礎設施運維各環節在安全、效率、成本等多方面予以升級優化。

1 高速鐵路智能基礎設施概念及總體構架

高速鐵路智能基礎設施是通過先進智能化技術對工務、電務、供電基礎設施進行技術升級。它能自動進行故障診斷預警［2］，有益于主動運維和資產全生命周期管理［3］，從而進一步保證列車安全、可靠、高效運行。

智能基礎設施的核心內涵是將基礎設施運維技術由信息化升級為智能化，從而實現對運維管理水平的跨越式提升。具體的升級內容圍繞著以下五個方面：①通過先進的檢測監測技術實現對基礎設施狀態及業務流程狀態的全面感知；②通過先進數據傳輸技術實現高效、準確、安全的數據傳輸；③通過先進建模技術和智能算法對數據進行智能化的分析處理；④通過構建智能運維管理體系實現由感知到執行的全局最優運維決策；⑤通過開發智能修復執行終端，實現運維執行的無人化。

智能基礎設施的主要特征有全面感知、泛在互聯、融合處理、全局決策、自主執行等［4］。它以物聯網、傳感器、影像識別等技術作為數據采集手段，以工業互聯網、移動互聯網、無線傳輸網絡等技術作為網絡基礎，以數字孿生、物理引擎、大數據、建筑信息模型化（Building Information Modeling，BIM）、地理信息系統（Geographic Information System，GIS）等技術建立數字-物理銜接模型，以智能化、自主化作為核心設計思想，從而實現智能感知、智能決策、智能執行等業務功能。

高速鐵路基礎設施的智能化發展，是以實現設施的全壽命周期管理及提升運維管理效率為目標，對現有管理方法及技術驅動能力進行的全面整合升級，是由信息化逐步升級轉變為智能化的過程。在這個過程中，將圍繞兩個重心開展技術升級：①基礎設施全生命周期管理；②基礎設施運維全程自主化。最終實現對設施的全生命周期管理的高度智能化，從而達到更加安全可靠、經濟高效的基礎設施運維管理能力。

智能基礎設施研究內容包含四個方面：智能基礎設施架構研究、智能感知體系研究、智能分析處理研究和智能運維管理研究。智能基礎設施總體構架見圖1。

圖1 智能基礎設施總體構架

2 智能感知體系關鍵技術

智能感知體系是智能高速鐵路基礎設施的眼睛和耳朵，是獲取高速鐵路基礎設施運營相關信息的重要途徑。智能感知體系通過新一代感知技術，綜合利用新型監測檢測技術，動態實時智能化地識別、感知、定位、跟蹤、采集、監控、管理高速鐵路基礎設施狀態信息及業務流程處置狀態信息，為智能化的運維管理提供及時、準確的數據來源。通過智能傳感器、物聯網、衛星定位、無人機、遙感技術等先進感知技術確保設施狀態的高效采集；結合新一代通信技術、ZigBee、射頻識別（Radio Frequency Identification，RFID）、工業互聯網、量子通信、衛星寬帶等通信技術確保信息的高效傳遞，采用區塊鏈技術確保信息的準確性。其技術發展預測見圖2。

圖2 智能感知體系技術發展預測

1）自然環境感知

針對可能對鐵路系統運行產生影響的外界因素如強風、暴雨、大雪、雷電、地震、滑坡、隧道塌方、路面坍塌等，進行實時監測與預警。通過各類遙感技術進行感知，包括通過衛星、航天器、無人機等設備對宏觀的自然環境進行監測。針對設施風險關鍵因素進行相關風險信息量的精確測量，避免事故判斷信息不足、判斷結果不準確等問題，降低系統運行安全冗余，提升系統運行效率。

2）運行環境感知

通過先進的數據采集手段與智能算法實現對車輛及基礎設施周圍運行環境狀況的感知。采用先進的環境感知傳感器，如攝像頭、激光雷達、毫米波雷達等。為提高環境感知的準確度，通過多種傳感器的組合來提供安全高效的解決方案。同時通過無人機、遙感等空天感知技術進行環境變化檢測。

3）地面基礎設施感知

開展智能感知環境下軌道幾何狀態、鋼軌廓形、軌道關鍵部件與路基、橋涵、隧道狀態檢測與監測技術方案研究，科學制定檢測項目及技術指標。研究各類強風、雷爆、覆冰等惡劣自然環境下牽引變電系統的運行特性，實現對供電基礎設施進行全天候的狀態監測。針對軌道電路傳輸特性、道岔轉轍設備、機車信號、牽引回流以及信號設備與其他專業設備的結合部等重要行車設備，設計檢測監測方案。

4）車載基礎設施感知

主要對基礎設施狀態進行動態檢測，對基礎設施的軌道、弓網、輪軌動力學、通信及信號系統進行綜合檢測。繼續著力研發軌道、接觸網、輪軌動力學、通信、信號檢測設備和綜合系統設備，對車內、車下、車頂的環境及配置進行優化設計，強化高速鐵路基礎設施狀態檢測的功能，進一步提高感知系統的全面性與可靠性。車載基礎設施感知系統通過車載通信模塊將采集到的信息實時傳輸給地面基站。

5）空天基礎設施感知

基于衛星導航系統的鐵路基礎設施運維測量內容應包括各級控制網的復測、構筑物變形監測、區域沉降地段變形監測等。在鐵路工程連續運行參考站系統基礎上，基于差分衛星定位技術、激光測距技術、測量機器人技術構建鐵路工程的智能化軌道控制網，實現鐵路工程軌道控制網的無人值守自動化測量，并研究建立軌道控制網測量數據的智能化處理數學模型，實現軌道控制網三維坐標成果的實時更新和遠程發布，為鐵路工程結構監測和養護維修提供可靠的空間位置基準。通過遙感技術對設備位置、外物侵入限界等信息進行檢測。

6）業務流程執行狀態感知

基于業務流程管理信息和先進的信息采集技術，對業務流程執行狀態進行判定并驗證。根據業務流程銜接規則及配置對現有各業務流程的執行狀態進行估算，對重要的銜接環節甚至重要流程的全部環節布置適用的感知體系，以確保各業務流程執行中的各個環節的前置狀態正確，避免流程無法執行或流程銜接錯誤導致的隱患。

3 智能分析處理關鍵技術

智能分析處理平臺是智能高速鐵路基礎設施的神經中樞，集數據處理、數據分析、輔助決策為一體。它針對智能感知設備采集的多元異構海量數據，通過深入研究基礎設施各業務模塊的風險機理，應用深度學習等智能化技術對設施面臨的風險作經驗性推論，應用數字孿生等建模技術對設施風險因素、設施狀態、關聯影響等內容進行建模，得到準確的實時全局狀態信息，并實現全局狀態推演及預測功能。同時，通過構建邊緣計算-霧計算-云計算三級分析處理平臺，對應執行不同響應級別狀況的分析處理工作，以實現安全高效的分析處理決策。其技術發展預測見圖3。

圖3 智能分析處理技術發展預測

1）設施狀態模型的升級與關聯

從各個角度構建基礎設施狀態的物理信息模型，比如，從生命周期管理的角度建立完善基礎設施各部件劣化信息模型，從故障發生機理的角度建立完善基礎設施故障信息模型，從外部災害影響角度建立完善基礎設施受災情況信息模型。模型間進行關聯整合，形成綜合考量各類多源信息之間相互影響因素的設施狀態物理信息模型，達到對設施狀態的準確判斷及預測。

2）設施狀態經驗性預測關鍵技術

以設施風險歷史數據為研究樣本，利用深度學習、大數據、智能算法等技術對常見設施風險的因果關系鏈條進行解構，從而明確風險衍變機理，確定重點感知監測內容，實現設施狀態經驗性預測的能力。

3）全系統狀態一體化模型

應用數字孿生技術對全系統各構件的物理參數、所遵循的物理特性、運行規律、相互作用及在外部因素作用下的風險演化規律進行全面的數字化建模。結合各相關學科領域知識梳理總結各類型鐵路基礎設施缺陷的產生、擴展及惡化的機理，確定各類缺陷全生命周期的因果關系鏈條及相互影響關聯并融入到數字孿生模型中。通過數字孿生、智能算法、大數據、BIM 等技術實現對處于內外部干擾因素作用下的全系統運行狀況進行實時推演［5-6］，得到準確的全系統狀態，即可用于現有狀態的監測，又可作為即將面臨狀態的預測，并對狀態進行評估［7］。同時，可以推演出在各種應對策略下的系統狀態，為運維決策提供有效參考。

4）邊緣-霧-云多層級分析處理平臺

隨著感知信息數據的內容與數量逐步增長，對分析處理平臺數據分析處理能力的要求也逐漸增加［8］。感知信息數據處理對數據處理響應的速度需求不同，數據處理的計算能力需求也不同。在這種情況下，根據響應速度需求與計算能力需求，合理分配各類數據，由邊緣計算、霧計算或云計算進行數據處理，從而實現感知系統的迅速響應，并合理分配各分析處理層級的運算負載。

4 智能運維管理關鍵技術

智能運維管理需研究高速鐵路基礎設施運營階段應用智能化技術后新的工作模式、多專業協同業務流程、運檢修規則優化，為高效率、智能化的鐵路運營提供相匹配的管理手段。參考信息物理系統（Cyber-Physical Systems，CPS）構架構建基礎設施運維管理體系，實現業務流程、資源配置、設施狀態的聯動式管理，確保執行最優決策。研發設施參數在線調整系統，實時進行狀態迭代分析并進行相應參數調整，實現設備故障的主動預防。研發運維機器人，實現設施維修和應急處置的無人化。其技術發展預測見圖4。

1）業務流程管理系統

將業務需求、業務前置條件（物資供給狀態、環節相關物理狀態等）、業務各階段物理狀態等信息進行綜合管理，各業務之間進行關聯整合，形成綜合參考各業務間物理狀態相互影響關系的業務流程管理物理信息模型［9］。設施狀態匹配業務需求，將設施狀態物理信息模型與業務流程信息管理系統進行關聯整合，以設備狀態主導業務流程，并初步形成基礎設施運維管理信息物理系統。匹配各類自動化智能化運維裝備，初步實現優質高效低成本的狀態修。CPS 系統將逐步進行業務擴展及模塊優化，運維管理系統各業務分工細化，并在此基礎上進行深度優化，以期對業務全流程進行精細化管理，實現業務流程的最優決策，進一步提高效率，降低成本。

圖4 智能運維管理技術發展預測

2）設施參數在線調整

主要實現可調整參數的遠程控制，以實現各業務領域聯動的系統全局最優決策。根據各業務領域設施結構原理與數字孿生模型，梳理各項點的關鍵可調節型參數，再對其進行可調節性升級。

3）運維機器人/無人機

在列車正常運行過程中進行檢修作業的運維機器人/無人機，利用周邊環境有效規避通過列車。減少作業較大的天窗時間。可在列車通行間隙完成單次或模塊化的作業，改善以人為主導的運維方式存在的缺點，如到達維修地點耗時較長，作業效率受溫度、海拔、光線等外在因素影響大，人力成本高等問題。

4）基礎設施時空模型

采取北斗網格、BIM 與GIS 相融合的時空模型，將各基礎設施的位置信息數字化、精準化、可視化，從而為將來實現更多基于設備位置信息的應用服務提供可靠的數據基礎。機器人的精準路徑導航，精準時空位置推演等均依賴于此模型。

5）設施在線無損修復

在鐵路基礎設施中存在著大量的易損耗構件，典型的如供電系統中接觸網的接觸線、工務系統中的鋼軌等。現有解決方案對接觸線的維護方法是重接或更換，對鋼軌的維護則是進行打磨或更換。為避免消耗大量的人力和時間，減少對資源的損耗，重點研究此類大型易損構件的在線無損維修技術。

6）運維資源配置優化

充分考慮各線路不同區段故障發生頻率的差異性，研究沿途合理配置機器人/無人機收容站及運維物資儲存站的方法，實現維修資源配置優化。通過3D打印技術實現備件原料化配置［10］，降低單一配件的配置冗余需求，優化資源利用率。

5 智能基礎設施分階段發展及技術實施路線

根據周邊技術發展時間成熟度及智能基礎設施構架規劃，按照各時間段技術發展特色，將基礎設施智能化發展歸納為三個發展階段：①2020—2025年為整合關聯發展階段；②2025—2030年為人機耦合發展階段；③2030—2035年為自主運維發展階段。各發展階段的技術實施路線見圖5。

圖5 基礎設施智能化發展階段技術實施路線

1）整合關聯階段

智能感知體系部分：在現有基礎之上，根據業務需求完善感知內容，通過先進的感知技術優化感知精度，降低感知成本；采用已經成熟的5G、ZigBee、RFID、工業互聯網、區塊鏈等技術實現高效準確的數據傳輸。智能分析處理部分：優化風險模型，全面實現根據風險因素進行狀態預測；對現有不同風險項點的狀態進行關聯建模；理清設施狀態與業務流程之間的關聯關系。智能運維管理部分：通過BIM及3D掃描技術實現數據的1∶1 可視化，實現對狀態的實時監測與預測，并提供輔助決策。

2）人機耦合階段

智能感知體系部分，衛星寬帶和量子通信技術的成熟，將引入新的傳輸方式，進一步增強信息傳輸的效率與可靠性。智能分析處理部分，構建分別應用邊緣計算、霧計算、云計算的三級分析處理平臺，根據業務的響應要求及實際運算耗時合理分配各類業務的分析處理權限。智能運維管理部分，采用CPS、智能計算等技術實現運維系統的智能決策、資源配置在線調整及業務流程控制。研發運維機器人，實現人機耦合的運維管理。

3）自主運維階段

智能分析處理部分，應用數字孿生技術對全系統各構件的物理參數、所遵循的物理特性及在外部因素作用下的演化規律進行全面的風險-狀態迭代推演模型建模，進行全局狀態預測。智能運維管理部分，將全面的風險-狀態迭代推演模型與業務流程、資源配置進行融合，研發基礎設施參數在線調整系統、業務流程控制系統、資源配置自動化系統，實現系統最優決策、主動故障預防、無人化運維管理。

6 結語

本文在深入調研的基礎上闡明了智能基礎設施的概念、內涵及特征。給出了智能基礎設施總體構架及關鍵技術，對智能感知體系、智能分析處理平臺、智能運維系統三大核心模塊的關鍵技術及應用方法進行闡述；結合各技術在各時間節點的成熟度預期，提出2020—2035年的智能高速鐵路基礎設施分階段實施的技術路線，為各時間段進行智能基礎設施研究及建設提供參考。