智慧鐵路物流中心安全預(yù)警管理系統(tǒng)的分析

王彤彤、邳建輝、袁青平

（中鐵第六勘察設(shè)計(jì)院集團(tuán)有限公司，天津 300308）

0 引言

近年來(lái)，我國(guó)鐵路的基礎(chǔ)運(yùn)輸設(shè)施已基本完善，鐵路運(yùn)輸需求快速增長(zhǎng)，運(yùn)輸安全的需求也不斷提高，采用信息技術(shù)提升鐵路的運(yùn)營(yíng)效率，提高鐵路的運(yùn)輸安全水平成為了研究的熱點(diǎn)方向[1]。

鐵路物流中心是指依托鐵路，具有完善信息網(wǎng)絡(luò)，為社會(huì)提供物流活動(dòng)的場(chǎng)所[2]。災(zāi)害預(yù)警管理作為智慧鐵路物流中心的重要組成部分，是鐵路物流中心安全生產(chǎn)的重要保障[3-4]。

在鐵路物流中心的生產(chǎn)過(guò)程中，存在著一定的安全風(fēng)險(xiǎn)，如異物侵界、火災(zāi)、工作人員違反安全生產(chǎn)規(guī)定等。以上安全風(fēng)險(xiǎn)，使物流中心生產(chǎn)存在一定潛在隱患，一旦發(fā)生事故，將造成巨大的經(jīng)濟(jì)損失和人員傷亡。因此，在鐵路物流中心的生產(chǎn)運(yùn)營(yíng)過(guò)程中，提供快速、準(zhǔn)確的安全預(yù)警，進(jìn)行有效的安全生產(chǎn)管理，具有重要意義[5]。

以嚴(yán)重威脅鐵路物流中心生產(chǎn)安全的火災(zāi)為例，系統(tǒng)若能在火災(zāi)發(fā)生前，進(jìn)行快速、準(zhǔn)確的預(yù)警；在火災(zāi)發(fā)生時(shí)，及時(shí)做出響應(yīng)并持續(xù)監(jiān)控災(zāi)情，可以極大地提高安全生產(chǎn)管理水平。目前，傳統(tǒng)鐵路物流中心火災(zāi)的預(yù)警主要依賴(lài)于人工巡檢及煙霧報(bào)警器。然而，人工巡檢的工作量巨大、效率低且無(wú)法做到實(shí)時(shí)監(jiān)測(cè)，若采用煙霧報(bào)警器，又不能有效監(jiān)測(cè)火災(zāi)范圍。因此，鐵路物流中心急需一種自動(dòng)化的實(shí)時(shí)火災(zāi)監(jiān)測(cè)管理工具[6]。同理，實(shí)現(xiàn)快速、準(zhǔn)確地自動(dòng)化軌道侵界預(yù)警、安全著裝監(jiān)測(cè)、非授權(quán)訪問(wèn)等功能也是十分重要的。

在此背景下，本文提出了一種智慧鐵路物流中心安全預(yù)警管理系統(tǒng)。該系統(tǒng)能夠?qū)ξ锪髦行闹械幕馂?zāi)、軌道異物侵界、非授權(quán)進(jìn)入、安全著裝及工人違規(guī)行為等異常進(jìn)行監(jiān)測(cè)，且具有災(zāi)后溯源分析功能，可以有效幫助鐵路物流中心安全管理人員開(kāi)展快速、直觀的安全預(yù)警管理工作，提高管理效率。

1 系統(tǒng)原則及需求

1.1 系統(tǒng)原則

1.1.1 準(zhǔn)確性

系統(tǒng)能夠在鐵路物流中心出現(xiàn)火災(zāi)等安全事件時(shí)準(zhǔn)確地發(fā)現(xiàn)安全事件，準(zhǔn)確地識(shí)別安全事件發(fā)生的地點(diǎn)、時(shí)間，并進(jìn)行追蹤。這要求系統(tǒng)采用的災(zāi)害監(jiān)測(cè)算法具有較高的準(zhǔn)確性。

1.1.2 實(shí)時(shí)性

系統(tǒng)能夠在鐵路物流中心出現(xiàn)火災(zāi)等安全事件時(shí)及時(shí)地觸發(fā)預(yù)警。這要求系統(tǒng)采用的災(zāi)害監(jiān)測(cè)算法具有較快的檢測(cè)速度，即系統(tǒng)具有一定的實(shí)時(shí)性，能夠?qū)﹁F路物流中心進(jìn)行實(shí)時(shí)監(jiān)測(cè)。

1.1.3 經(jīng)濟(jì)性

系統(tǒng)改造中涉及的硬件設(shè)備沿用鐵路物流中心原有的監(jiān)控系統(tǒng)等基礎(chǔ)設(shè)施，進(jìn)行經(jīng)濟(jì)可靠的智慧化改造。這要求系統(tǒng)不涉及鐵路物流中心基礎(chǔ)設(shè)施的大量改造。

1.2 系統(tǒng)需求

系統(tǒng)需具有火災(zāi)預(yù)警、軌道異物侵界預(yù)警、非授權(quán)進(jìn)入預(yù)警、安全著裝預(yù)警、工人違規(guī)行為預(yù)警、災(zāi)后溯源分析等模塊，可實(shí)現(xiàn)數(shù)據(jù)采集、災(zāi)害檢測(cè)、災(zāi)害追蹤、災(zāi)害溯源記錄、災(zāi)害歷史檔案記錄、輔助分析等功能。在發(fā)現(xiàn)災(zāi)害觸發(fā)預(yù)警時(shí)，能夠?qū)δ繕?biāo)進(jìn)行追蹤，產(chǎn)生日志記錄，并形成報(bào)表，便于開(kāi)展災(zāi)后的溯源分析。

2 系統(tǒng)算法

2.1 檢測(cè)算法

目標(biāo)檢測(cè)是機(jī)器視覺(jué)領(lǐng)域中一個(gè)十分熱門(mén)的研究方向。近年來(lái)，隨著深度學(xué)習(xí)理論的出現(xiàn)與發(fā)展，目標(biāo)檢測(cè)技術(shù)得到了飛速的發(fā)展，并在智能駕駛、智慧交通及災(zāi)難預(yù)警等眾多領(lǐng)域中得到了廣泛應(yīng)用[7]。

YOLO[8]（You Only Look Once）算法根據(jù)回歸的思想，僅利用了一個(gè)卷積神經(jīng)網(wǎng)絡(luò)就實(shí)現(xiàn)了兩個(gè)邊界框的預(yù)測(cè)任務(wù)。YOLO 算法合并了對(duì)象識(shí)別及候選區(qū)這兩個(gè)獨(dú)立的階段，并使用了預(yù)定義的候選區(qū)域?qū)D像劃分成不同的網(wǎng)格，從而對(duì)每一個(gè)網(wǎng)格實(shí)現(xiàn)邊界框的預(yù)測(cè)。YOLO 系列算法憑借較高的檢測(cè)精度與較快的檢測(cè)速度，成為目標(biāo)檢測(cè)領(lǐng)域最熱門(mén)的算法之一。

將人工標(biāo)注構(gòu)建的鐵路物流中心災(zāi)害數(shù)據(jù)集作為樣本，對(duì)YOLO V5[9]模型進(jìn)行訓(xùn)練，并使用訓(xùn)練好的YOLO V5 模型開(kāi)展災(zāi)害檢測(cè)任務(wù)。本文涉及的YOLO V5 算法的網(wǎng)絡(luò)結(jié)構(gòu)由輸入端、Backbone、Neck、Prediction 四個(gè)部分組成，以下將對(duì)這四個(gè)部分進(jìn)行說(shuō)明。

模型的輸入端中采用了Mosaic 數(shù)據(jù)增強(qiáng)，并利用隨機(jī)縮放、隨機(jī)剪裁、隨機(jī)排布的方式對(duì)圖像進(jìn)行拼接，從而提高小目標(biāo)（工人安全著裝、工人違規(guī)行為等）的檢測(cè)效果。并針對(duì)不同檢測(cè)目標(biāo)進(jìn)行了初始錨框設(shè)置，將輸出預(yù)測(cè)框與真實(shí)框進(jìn)行比對(duì)，反向更新后迭代網(wǎng)絡(luò)參數(shù)。Backbone 部分采用了Focus 結(jié)構(gòu)及CSP1_X 結(jié)構(gòu)。Focus 結(jié)構(gòu)主要用于進(jìn)行切片操作，該結(jié)構(gòu)最后使用了32 個(gè)卷積核，CSP1_X 結(jié)構(gòu)可以增加層與層之間反向傳播的梯度值，從而提取到更細(xì)粒度的特征。Neck 中采用了FPN+PAN 的結(jié)構(gòu)，加強(qiáng)網(wǎng)絡(luò)特征融合的能力。輸出端采用了GIOU_loss 作為Bounding Box 損失函數(shù)，針對(duì)多目標(biāo)框的篩選采用了nms。

2.2 跟蹤算法

DeepSort[10]算法是一種針對(duì)多目標(biāo)跟蹤的算法，并通常結(jié)合目標(biāo)檢測(cè)一同使用。DeepSort 算法的核心流程依次為預(yù)測(cè)（track）、觀測(cè)（Detection、數(shù)據(jù)關(guān)聯(lián)）、更新。算法具體流程，如表1 所示。

表1 DeepSort 算法流程

采用深度學(xué)習(xí)檢測(cè)及跟蹤算法，可以實(shí)現(xiàn)自動(dòng)且高效的安全預(yù)警及異常溯源，提升管理效率，保障生命財(cái)產(chǎn)安全，有助于傳統(tǒng)鐵路物流中心向智慧鐵路物流中心轉(zhuǎn)型。

3 系統(tǒng)架構(gòu)

將智慧鐵路物流中心安全預(yù)警管理系統(tǒng)按層劃分，可以分為物理設(shè)備層、用戶(hù)層、應(yīng)用層、數(shù)據(jù)算法層及網(wǎng)絡(luò)層，各層包含的設(shè)備、算法、協(xié)議等如圖1所示。

圖1 智慧鐵路物流中心安全預(yù)警管理系統(tǒng)架構(gòu)圖

其中，物聯(lián)網(wǎng)監(jiān)控設(shè)備群及煙霧報(bào)警裝置部分、深度學(xué)習(xí)災(zāi)害檢測(cè)及追蹤算法分析模塊、智慧鐵路物流中心安全預(yù)警管理平臺(tái)三部分是該系統(tǒng)的重要組成部分，其模型如圖2 所示，各部分的詳細(xì)介紹如下。

圖2 智慧鐵路物流中心安全預(yù)警管理系統(tǒng)模型圖

3.1 物聯(lián)網(wǎng)監(jiān)控設(shè)備群及煙霧報(bào)警裝置部分

目前，我國(guó)已經(jīng)擁有龐大且密集的鐵路網(wǎng)絡(luò)及成熟完善的服務(wù)體系，鐵路物流中心安全預(yù)警管理系統(tǒng)最經(jīng)濟(jì)合理的建設(shè)方式是對(duì)鐵路物流中心已有的設(shè)施進(jìn)行智慧化改造。因此，物聯(lián)網(wǎng)監(jiān)控設(shè)備群及煙霧報(bào)警裝置沿用已有設(shè)備，并對(duì)其進(jìn)行升級(jí)。這些設(shè)備構(gòu)成了鐵路物流中心災(zāi)害檢測(cè)及追蹤的數(shù)據(jù)采集模塊，進(jìn)行生產(chǎn)全過(guò)程記錄。

3.2 深度學(xué)習(xí)災(zāi)害檢測(cè)及追蹤算法分析模塊

深度學(xué)習(xí)災(zāi)害檢測(cè)及追蹤算法分析模塊由數(shù)據(jù)采集模塊采集的數(shù)據(jù)、數(shù)據(jù)安全傳輸信道及深度學(xué)習(xí)分析核心算法三部分構(gòu)成。其中，深度學(xué)習(xí)分析核心算法部分，主要由YOLO V5 檢測(cè)算法及DeepSort 追蹤算法構(gòu)成，智慧鐵路物流中心安全預(yù)警管理系統(tǒng)算法流程如圖3 所示。算法分析模塊具體技術(shù)方案如下：

一是數(shù)據(jù)采集模塊采集鐵路物流中心監(jiān)控信息及煙霧濃度信息。

二是數(shù)據(jù)采集模塊采集的信息經(jīng)整數(shù)向量同態(tài)加密算法進(jìn)行加密后上傳至數(shù)據(jù)管理中心。

三是數(shù)據(jù)管理中心對(duì)加密數(shù)據(jù)進(jìn)行解密。

四是數(shù)據(jù)管理中心利用YOLO V5 算法對(duì)物流中心監(jiān)控?cái)?shù)據(jù)進(jìn)行實(shí)時(shí)的災(zāi)害監(jiān)測(cè)，具體監(jiān)測(cè)內(nèi)容包括火災(zāi)、異物侵界、非授權(quán)進(jìn)入、安全著裝監(jiān)測(cè)（安全帽佩戴情況）、工人違規(guī)行為（抽煙、打電話(huà)）。

五是若發(fā)生災(zāi)害事件，則觸發(fā)預(yù)警功能，數(shù)據(jù)中心及時(shí)進(jìn)行報(bào)警，并利用DeepSort 算法對(duì)災(zāi)害發(fā)生的畫(huà)面進(jìn)行跟蹤。

3.3 智慧鐵路物流中心安全預(yù)警管理平臺(tái)

智慧鐵路物流中心安全預(yù)警管理平臺(tái)既可以滿(mǎn)足鐵路物流中心的日常監(jiān)控需求，也可以完成可視化的火災(zāi)、異物侵界、非授權(quán)進(jìn)入、安全著裝（安全帽佩戴情況）、工人違規(guī)行為（抽煙、打電話(huà)）等監(jiān)測(cè)任務(wù)，為鐵路物流中心生產(chǎn)安全事故的防治提供有效途徑。一旦發(fā)生災(zāi)害，觸發(fā)預(yù)警，后臺(tái)可對(duì)災(zāi)害發(fā)生時(shí)的監(jiān)控影像、時(shí)間、人員、響應(yīng)情況進(jìn)行日志備份，建立災(zāi)害后溯源備份數(shù)據(jù)，從事前監(jiān)控、事件跟蹤、事后溯源三個(gè)維度完成安全預(yù)警管理任務(wù)。

4 系統(tǒng)預(yù)期效果

4.1 可視化管理

通過(guò)鐵路智慧物流中心中的監(jiān)控系統(tǒng)，實(shí)現(xiàn)鐵路物流中心生產(chǎn)環(huán)境的監(jiān)控，為鐵路物流中心內(nèi)的生產(chǎn)安全管理工作提供可視化的輔助工具，從而提高風(fēng)險(xiǎn)管理效率。

4.2 災(zāi)害預(yù)警

基于安全預(yù)警管理系統(tǒng)中的算法模塊，能夠?qū)崿F(xiàn)準(zhǔn)確、實(shí)時(shí)的災(zāi)害預(yù)警監(jiān)測(cè)，具體包括：火災(zāi)、軌道侵界預(yù)警、安全著裝監(jiān)測(cè)、非授權(quán)訪問(wèn)等。

4.3 動(dòng)態(tài)追蹤

基于安全預(yù)警管理系統(tǒng)中的算法模塊，能夠?qū)崿F(xiàn)準(zhǔn)確、實(shí)時(shí)的災(zāi)害動(dòng)態(tài)追蹤。

4.4 精準(zhǔn)溯源

基于安全預(yù)警管理系統(tǒng)中的溯源分析模塊，當(dāng)鐵路物流中心發(fā)生災(zāi)害預(yù)警事件后，系統(tǒng)能夠根據(jù)災(zāi)害發(fā)生時(shí)的系統(tǒng)記錄進(jìn)行現(xiàn)場(chǎng)還原及責(zé)任追蹤。

4.5 管理決策

基于安全預(yù)警管理系統(tǒng)中的災(zāi)害溯源信息形成相應(yīng)的報(bào)表，實(shí)現(xiàn)災(zāi)害風(fēng)險(xiǎn)管理及災(zāi)后責(zé)任評(píng)定。

5 結(jié)語(yǔ)

智慧鐵路物流中心安全預(yù)警管理系統(tǒng)可實(shí)現(xiàn)災(zāi)害（火災(zāi)、軌道異物侵界、非授權(quán)進(jìn)入、安全著裝及工人違規(guī)行為等）預(yù)警及災(zāi)后溯源分析工作，系統(tǒng)的核心算法采用了深度學(xué)習(xí)目標(biāo)檢測(cè)及追蹤技術(shù)，能夠?qū)崿F(xiàn)自動(dòng)、快速的災(zāi)害檢測(cè)及追蹤，減少人工成本，有效提高鐵路物流中心安全預(yù)警管理工作的智慧化水平。