基于動態多源數據采集的鐵路車輛裝載狀況檢測和智能分析系統

張志國，傅健，辛向黨，李建國，2

(1.中國鐵路蘭州局集團有限公司 貨運部，甘肅 蘭州 730000；2.蘭州交通大學 高原鐵路運輸智慧管控鐵路行業重點實驗室，甘肅 蘭州 730070)

0 引言

現代鐵路貨物運輸已融合物聯網、大數據和人工智能等高新技術[1]，以提高效率、安全性和可持續性。這些技術應用對現代供應鏈至關重要，滿足了不斷增長的物流需求。王宴平[2]對鐵路集裝箱裝載質量智能檢測需求進行分析，從設計原則、總體架構及組成、工作原理及流程和關鍵技術提出了鐵路集裝箱裝載質量智能檢測系統技術方案。伍忠國等[3]通過分析鐵路貨運場站安全風險評價現狀，從貨物受理、貨物交接、貨物裝卸、貨物倉儲以及貨物交付等方面，構建鐵路貨運場站安全風險評價體系。高飛等[4]提出了鐵路危險貨物運輸安全監管的優化策略，以滿足當前社會發展需求。武慧杰等[5]基于5G通信技術對于鐵路危險貨物運輸監測方案進行了優化研究，實現信息系統之間的數據共享與互聯互通，為鐵路貨運監測的多源數據融合提供了新的思路。何苗[6]分析了鐵路貨運隱患特點，對鐵路貨運隱患提出了精細化管理，設計了貨運安全綜合指數與計算方法。劉宗洋等[7]通過分析既有鐵路貨運安全監控系統現狀，提出了貨運設備統一接入架構和鐵路局集團公司前置服務器設計方案，構建了面向貨運全過程的安全監控應用功能框架，設計了安全監控應用的主要功能。

綜上所述，既有研究多對鐵路貨運安全性的評價、監管優化、通信技術應用等方面進行探討，為解決鐵路貨運安全性方面的問題提供有價值的參考，但對鐵路車輛裝載狀況的檢測與智能分析的研究討論較少。為更好地滿足未來的運輸需求，研究設計一套鐵路車輛裝載狀況檢測和智能分析系統，以提高鐵路貨運的可持續性、安全性和效率。

1 鐵路車輛裝載狀況檢測現狀

鐵路貨物運輸在國民經濟、民生工程和綜合交通系統中具有至關重要的地位，而其安全性直接影響著社會的經濟效益[8]。目前，鐵路貨運安全檢測主要依賴現場助理值班員和貨運員的觀察，負責列車作業和貨物狀態檢查，包括貨物狀況、車體狀態和車輪狀態等，以確保列車的正常運行。

傳統人工檢測方式要求作業人員具備高度的工作經驗和專業素養[9]，存在具體問題如下。①助理值班員可能因身體和環境因素，難以同時兼顧出發場接發列車的工作，他們需要處理許多任務，如撤防溜、摘掛列尾裝置、交付行車憑證、檢查關門車等，難以有效執行所有職責。②當列車到達前，線路不允許行人橫穿，助理值班員只能站在一側，視線受到列車遮擋和觀察角度限制，通常只能觀察到列車一側的運行狀況，難以實現全面監測。③作業人員的人身安全面臨風險，隨著鐵路貨運量的增加和列車密度的上升，列車交會頻繁，使得作業人員頻繁穿越鐵路，甚至涉及危險的橫越行為，對其人身安全構成潛在威脅。④存在部分作業人員工作態度不嚴謹，專業素養不高，使得現場作業難以進行實時監控，導致潛在問題無法及時發現。⑤作業人員缺乏經驗或精神狀態不佳，可能導致潛在的事故風險未被及時察覺，如事故發生，準確確定事故發生的時間和地點變得困難，監測數據無法追溯查詢，且人工觀察數據的保存和檢索也存在不便之處。

雖然部分鐵路現場配備了鐵路貨運安全檢測監控與管理系統，但現有的鐵路貨運安全檢測監控與管理系統存在設備固定，靈活性低、布設成本較高；檢測設備較少，難以獲取多種關鍵數據；傳輸方式及供電方式單一，難以應對突發狀況；智能化程度不高，無法進行分析和及時處理等問題。

鑒于上述情況，設計貨車裝載狀況智能監測系統具有重要意義，可有助于確保鐵路貨運的安全性，提升貨運檢測效率，推動貨運安全檢測朝著更主動、智能化的方向發展。通過采用多模態傳感器技術，研究集動態多源數據采集、分析、處理于一體的鐵路車輛裝載狀況檢測和智能分析系統，對貨車裝載狀況進行智能分析和處理，解決貨物運輸動態安全關鍵技術問題。

2 鐵路車輛裝載狀況檢測和智能分析系統技術方案

2.1 硬件技術方案

鐵路車輛裝載狀況檢測和智能分析系統涉及的硬件設備眾多，主要包括雷視融合一體機、溫濕度傳感器、熱成像儀等，這些硬件設備能夠對車輛裝載狀況相關數據進行實時采集，起到對車窗門開啟、車身異物、篷布飄起等狀況的感知作用。系統硬件連接體系采用混合連接方式，在同一數據傳輸主線上，將雷視融合一體機、溫濕度傳感器、熱成像儀、車號識別裝置并聯連接并與邊緣計算機串聯，多個傳感器并聯可以同時向邊緣計算機發送數據，而不需要等待前一個設備完成，避免因單個設備故障造成系統癱瘓。由邊緣計算機處理完數據之后向室內服務器及管理員發送處理結果信息。硬件連接體系結構如圖1所示。

圖1 硬件連接體系結構Fig.1 Hardware connection architecture

根據鐵路貨物運輸業務的獨特性質，鐵路車輛裝載狀況檢測和智能分析系統通過圖表形式呈現在途貨物運輸相關信息，以監測貨物裝載狀況，從而全面了解貨物運輸的狀態，為決策者提供關鍵的數據，以應對潛在的問題和突發情況，確保貨物運輸的順利和安全。鐵路車輛裝載狀況檢測和智能分析系統體系結構如圖2所示，體系結構主要分為4層。

圖2 系統體系結構Fig.2 System architecture

（1）物理層，即數據收集層，使用不同傳感器獲取車輛裝載狀況的相關數據。例如，溫濕度傳感器用于測量線路附近溫、濕度的變化；熱成像儀快速識別貨物裝載區域中的熱點，幫助檢測貨物中潛在的異常情況，如異常發熱、溫度不均勻等；雷視一體機用于獲取車輛裝載貨物的圖像及位置坐標，幫助工作人員監測裝載貨物的狀態信息，同時根據采集的雷達點云信息來檢測貨物裝載區域中的高度差異，確保在運輸過程中貨物的均勻分布，避免不穩定的裝載狀況。通過布置合適的傳感器，實時監測車輛的各項參數。該系統的物理層設備相比傳統的監測設備安裝位置更加多元，且造價較低。

（2）傳輸層，是物理層與處理層、處理層與應用層之間的橋梁。實現將物理層采集到的數據傳遞給邊緣計算機，并將邊緣計算器計算結果發送給室內服務器及應用層。傳輸層的傳輸方式主要分為2種。第一種為RS485接口有線傳輸，具有速度快、傳輸質量高等優點。物理層的數據采集設備位置相對固定，且具有一致的電氣特性。故采用RS485有線傳輸，數據通信運用標準的ModBus通信協議，用于物理層向邊緣計算機的信息傳遞，充分發揮其傳輸優勢。第二種為窄帶物聯網(NB-IOT)傳輸方式，具有傳輸距離遠、信號穩定等優勢，故使用NB-IOT進行由邊緣計算器向室內服務器及應用層的信息數據傳輸。

（3）處理層，由邊緣計算機及室內服務器組成，是整個系統的核心，包括算法、模型、數據分析、決策支持和軟件應用。邊緣計算器安裝在檢測門附近，室內服務器布設于鐵路局集團公司調度所。邊緣計算機用來對每一條監測線路上的貨物狀況、車體狀態和車輪狀態進行識別監測，在收到物理層傳輸來的數據后對數據進行預處理、融合、分析，并將結果反饋給室內服務器及應用層。室內服務器用于對每一條監測線路上的邊緣計算機處理的結果進行匯總、分析、儲存、留檔存儲于鐵路數據庫中，方便調用查詢。

（4）應用層，可根據識別和預測結果進行危險等級判定，通過可視化界面將預測和預警信息直觀地展示給鐵路企業與貨主，包括車輛裝載狀況的實時監測圖表、分析結果的可視化展示、異常情況的報警提示等，及時地為工作人員提供決策支持，并幫助對工作人員進行崗位培訓。同時可以根據用戶功能需求，對邊緣計算器響應的信息進行分類，輸出至監測數據可視化模塊、圖表生成模塊、決策支持模塊、用戶界面模塊、數據交互模塊以及安全與權限控制模塊，提供操作人員與系統交互界面，可視化呈現監測數據、分析結果和決策支持信息。鐵路企業或貨主可以通過應用層與系統互動，獲取有關裝載狀況的信息。

2.2 軟件技術方案

鐵路車輛裝載狀況檢測和智能分析系統軟件由4部分組成，這4部分與硬件體系結構相對應。軟件體系結構如圖3所示。

圖3 軟件體系結構Fig.3 Software architecture

（1）多模態數據獲取。系統支持多種傳感器類型，通過架設在安全門上的雷視一體機，可以提供多角度的列車及其運載貨物的視頻監控，同時也可以提供列車的雷達點云信息；通過車號自動識別裝置可以識別列車的車種及車號；通過溫濕度傳感器及熱成像儀可以采集周圍的區域溫度及貨物的溫濕度；通過雷達點云數據獲取2件貨物之間的高差。系統內部各個模塊支持ModBus數據采集協議，確保數據傳輸的連續性。在多模態數據獲取過程中，各種數據源的同步性非常重要，系統能夠精確記錄各個數據源的時間戳，以便后續的數據分析和比對。

（2）多源數據智能融合。在進行數據融合前，系統對每一個時間切片下來自不同傳感器和數據源的數據進行預處理，包括視頻圖像分割、雷達點云數據去噪、區域熱成像圖像灰度處理及相機-雷達-熱成像坐標域轉化等操作。將處理完的視頻圖像、雷達點云、紅外溫度數據整合到一個統一的數據模型中，其中涉及到數據格式轉換、單位標準化等操作。不同傳感器和數據源可能以不同的時間頻率和時間戳產生數據，系統通過數據對齊功能，將數據按照統一的時間基準進行同步。

（3）多源數據集智能處理。對融合后的多源數據集進行處理，應用數據挖掘技術進行分析，包括三維分析、關鍵點分析、溫濕度關聯分析、不同貨箱溫度分析和基礎設備狀態分析等，通過對各類信息數據的分析，提取出各類信息的數據特征，使用聚類算法對車輛裝載狀況進行分類，采用關聯規則挖掘發現不同因素之間的關系。

（4）智能分析。將融合數據集處理后提取到的視頻圖像特征、雷達點云特征、區域溫度特征輸入已訓練好的支持向量機模型中，分析識別車輛裝載狀態及是否出現窗門開啟、車身異物、篷布飄起等異常情況[10]。同時，在移動端布設APP，實現車輛裝載狀況數據報告的可視化分析，為相關管理人員提供決策支持。

2.3 設備整體控制邏輯

鐵路貨物運輸系統的控制邏輯是確保系統正常運行、安全運輸的關鍵因素。在實際應用中，需要根據系統的需求、運營要求和安全標準，選擇和實施不同的控制策略。這些控制方法主要分為手動、自動、遠程和自動故障恢復等方式。每種方式都有其特定的應用場景和優勢，通過合理的組合和運用，可以進一步提高系統的運行效率和安全性。

（1）手動控制。當需要進行特殊任務或系統的啟停時，操作員可通過物理界面、控制面板或命令行等方式手動觸發系統運行或關閉。手動控制方式在鐵路貨物運輸中主要用于特殊任務或系統的啟停操作。這種方式可以賦予操作員對系統運行的主動控制權，但在操作過程中也容易出現人為失誤。因此，需要加強操作員的培訓和規范操作流程，以減少人為因素對系統運行的影響。

（2）自動控制。自動控制方式讓系統按照預定的時間表、周期或條件自主運行。這種方式在鐵路貨物運輸中主要用于常規運營和數據采集，可以大大提高系統的運行效率和穩定性。通過自動化控制，可以減少人工干預和操作失誤的風險，降低運營成本。

（3）遠程控制。遠程控制方式使得操作員能夠通過安全的遠程通信渠道來管理系統的運行狀態。這種方式特別適用于地理位置分散的大型鐵路貨物運輸系統。通過遠程控制，操作員可以實時監控和管理系統的運行狀態，及時發現并解決問題，提高系統的可靠性和響應速度。

（4）自動故障恢復。面對不可預測的系統故障，自動故障恢復機制能夠自動識別并采取措施，確保系統的穩定性和可用性。這種機制可以大大減少潛在的業務中斷風險，提高系統的可靠性和穩定性。通過自動故障恢復機制，系統可以在發生故障時自動采取相應的措施，如重啟、切換備用設備等，快速恢復系統的正常運行。同時，自動故障恢復機制還可以通過實時監測和數據分析，提前預警潛在的故障風險，為預防性維護提供支持。

在鐵路貨物運輸系統中，選擇合適的控制邏輯需要根據實際需求和場景進行綜合考慮。對于特定的任務或情況，可能需要結合使用多種控制策略以達到最佳的效果。例如，在裝載狀況監測中，可以通過自動和遠程控制邏輯的結合使用，實現實時監控、數據采集和預警功能。同時，為了提高系統的安全性和穩定性，還需要不斷優化控制邏輯，更新和維護系統組件，確保其適應不斷變化的環境和需求。

3 鐵路車輛裝載狀況檢測和智能分析系統功能

鐵路車輛裝載狀況檢測和智能分析系統功能模塊主要分為：基礎信息管理模塊、檢測門系統模塊、警報系統模塊、應用維護模塊4個模塊，鐵路車輛裝載狀況檢測和智能分析功能模塊如圖4所示。

圖4 鐵路車輛裝載狀況檢測和智能分析功能模塊Fig.4 Railway vehicle load condition detection and intelligent analysis function module

（1）基礎信息模塊。該模塊用于管理鐵路車輛、裝載貨物和相關設備等基礎信息有關的數據。主要功能有車輛信息管理，包括車輛類型、車輛所有者、注冊信息等；貨物信息管理，包括貨物類型、數量、重量等；設備信息管理，記錄采集設備及處理設備的安裝日期、使用年限及使用程度，方便對設備進行及時的維護。這個模塊的任務是確保系統能夠準確識別和記錄所有與鐵路車輛裝載有關的基礎信息。

（2）檢測門系統模塊。該模塊是系統的核心，用于動態多源數據采集和裝載狀況檢測。主要功能包括車種車號識別、區域熱點識別、重量測量、線路附近溫度和濕度測量等。通過檢測門系統能夠實時監測鐵路車輛的裝載狀態，包括貨物分布、穩定性、裝載情況等。

（3）警報系統模塊。該模塊負責監測檢測門系統的輸出和其他傳感器數據，以檢測潛在的問題或異常情況。當系統檢測到裝載狀態異常、超載及周圍溫濕度超過閾值等情況時，該模塊會觸發警報。警報可以通過多種通信方式，如短信、電子郵件、報警聲音等，通知相關人員以及系統管理員。

（4）應用維護模塊。該模塊主要是對提供給用戶的可視化應用進行維護、更新；創建直觀、用戶友好的界面，以便操作員和其他用戶能夠快速理解并與系統互動；處理數據的存儲、檢索和管理，開發防火墻、漏洞檢測功能；定期進行系統維護與更新，確保系統的穩定性和性能。

4 系統技術優勢與應用效果

4.1 技術優勢

根據國內外鐵路貨物運輸實際情況，對比現有的鐵路貨運安全檢測監控技術具備以下4點優勢。

（1）鐵路車輛裝載狀況檢測和智能分析系統通過整合來自多個傳感器的數據，可以獲得更豐富、更全面的數據集，綜合利用不同數據源的優勢，發現數據之間的關聯和趨勢。

（2）各個傳感器向邊緣計算機的傳輸采用RS485有線傳輸，其支持大規模的設備連接，可以通過優化網絡資源和協議，實現更多的設備連接，從而構建大規模的物聯網生態系統。

（3）相比傳統的寬帶傳輸方式，窄帶傳輸可以更有效地傳輸小規模的數據，適用于物聯網設備和傳感器等資源受限，以及大規模部署和長期運行的應用場景，符合鐵路現場的要求。

（4）使用先進的機器學習、數據挖掘和人工智能算法對動態多源數據集進行智能分析和處理，這些算法可以發現數據中的模式、關聯和趨勢，從而提取有價值的信息。

4.2 應用效果分析

（1）高度準確地獲取鐵路車輛的裝載狀態，包括現場的視頻信息、列車及裝載貨物的雷達點云信息、周圍的溫度場信息，從中可以查詢到貨物分布、穩定性和周圍區域溫濕度情況，從而降低運輸過程中因裝載問題或列車故障導致的貨物損失。

（2）利用機器學習算法識別分析列車及裝載貨物狀態。從獲取到的視頻圖像、雷達點云、熱成像數據中提取出車輛裝載狀態的數據信息特征，將其輸入到訓練好的機器學習模型中，實時分析列車狀態及裝載貨物的狀態，當出現車窗門開啟、車身異物、篷布飄起、篷布破損、貨物超限和卷鋼移位等情況時，能夠迅速觸發警報并采取糾正措施，有力地提高運輸的安全性。

（3）設備可以提前了解設備故障、零部件壽命和設備更換時機，使運營維護人員能夠及時采取措施，減少非計劃維護時間，降低維護和修理成本，提高車輛和設備可用性。鐵路車輛裝載狀況檢測和智能分析系統可自動化檢測裝載過程，減少了人工勞動和時間成本。

（4）系統展現出良好的運行穩定性和可靠性，能夠在不同環境條件下持續運行，降低了維護成本和風險。同時具備強大的安全措施，防止未經授權的訪問和操縱，保護數據的安全性。

5 結束語

基于動態多源數據采集的鐵路車輛裝載狀況檢測和智能分析系統，是傳統鐵路貨檢智能監測設備的延伸，選用雷視一體機與多傳感器融合，利用智能識別技術對車窗門開啟、車身異物、篷布破損、貨物超限等異常情況進行識別，并針對采集和處理的多模態數據通過人工智能技術進行特征分析，可以為實現事故預案制定奠定數據基礎。目前該系統使用情況良好，可通過數據可視化為鐵路企業和貨主提供列車裝載監測、智能分析和預警支持，未來還需進一步在真實復雜環境中進行實際應用，不斷優化技術與系統功能。