利用人工智能提高铁路道口安全

我们有充分的理由对视频分析、人工智能和机器学习在提高安全方面的应用感到兴奋交通十字路口．2009年至2018年，美国联邦铁路管理局(FRA)报道铁路道口每年平均有900多人受伤，250人死亡。在2018年的欧盟，欧盟统计局报道平交道口发生了447起事故，这也是四分之一以上的铁路死亡事故的原因。

几年来，铁路运营商一直在使用闭路电视摄像头进行监控交通十字路口以及基础设施的其他部分，以减少事故，提高公众和员工的安全。然而，视频的挑战在于，它通常需要有人持续观看视频，以检测安全异常。然而，不意外的是，人类操作员可能会出现“视频盲症”，在相对较短的时间内监控多个视频源后，他们可能无法看到摄像机正在记录的事件。

一项由2018年交通研究记录研究了人工智能在铁路视频分析中的应用，发现它可以显著减少处理cctv视频数据所需的费力工作，并将减少“视频盲视”对运营商的影响，从而提高他们的幸福感和工作质量。最重要的是，它可以正确地检测出与铁路道口不安全入侵相关的侥幸事件，这反过来可能导致更安全的道口技术的发展。

视频分析应用前景如此广阔的原因之一是闭路电视已被业界广泛采用。实际上，视频分析有潜力将一种几乎普遍可用的资源(安装的闭路电视摄像机)转化为尖端的物联网传感器，对运营商来说成本相对较低。

视频分析发展的一大进步是应用机器学习在没有人工监督的情况下检测视频流中的这些异常，然后提醒铁路人员可能出现的问题。此外，一些系统还具有物体检测功能，以识别异常是一辆车还是一个人，这有助于加快安全预防措施。

这种新的、更成功的方法包括训练分析软件——算法——来理解什么是空洞的平交路口看起来像这样，然后让它只对已知的不变模式的变化做出反应。

这种方法的逻辑要简单得多。分析程序可以被指示忽略平交道口上的活动，直到大门关闭。此时，轨道应该是空的。

在屏障关闭后，任何“空轨迹”数字视频模式的变化都将被视为“事件”，这可能会触发警报，让操作员查看视频片段。当操作人员查看异常视频片段时，他们可以在需要时采取行动。

在这种方法中，人工智能引擎不需要像人类一样聪明，它只需要做无聊的工作，即在实际什么都没有发生的情况下监控99.9%的视频流。随着时间的推移和数千小时的视频分析，该算法可以被训练来识别不需要警报的模式，比如雨雪、树叶和其他正常的环境事件。工作人员可以标记这类镜头，以便软件得到持续的反馈，以提高其能力，减少误报的数量。

这种视频分析解决方案还简化了事件的法医分析，包括识别险些脱靶。只需指示该软件丢弃或存档与现场正常视图相对应的所有镜头，这不仅大大减少了所需的视频存储量，也减少了法医团队必须审查的镜头量。

由于这些数据是在数十万个平交道口收集的，不难想象，从中吸取的教训将为公众带来更大的安全，并为铁路运营商节省大量运营成本。日本铁路运营商小田电气铁路公司(Odakyu Electric railway)已经对这种增强的铁路交叉安全性进行了试验。

通过在东京町田市的玉川学前8号铁路交叉口进行测试，小田一直致力于通过将基于机器学习的AI应用于可用的相机图像来检测异常事件。

该软件通过分析传统铁路通道摄像机生成的可用图像，可以实时识别潜在的问题。在边缘计算资源上运行，它还可以大大减少远程站点所需的带宽，这些站点的连接可能有限。

这种视频分析方法的主要好处是，除了现有部署的安全系统之外，它还能够增加额外的安全级别，当检测到重要活动时，可以向外部系统发送实时警报。这使得铁路道口传感器能够与现有的操作流程集成，增强保安人员的知识和决策，而无需替换他们。这也有助于操作人员对系统的接受。

最后，因为这些系统可以与大多数现有的IP摄像机，甚至更老、分辨率更低的摄像机一起工作，所以它们不需要昂贵的升级到现代高清闭路电视系统。这意味着，利用机器学习使用闭路电视摄像机监控铁路道口，不仅仅是一种未来的、负担不起的解决方案，而是一种大多数铁路运营商都可以轻松改进的实用方式安全今天在铁路道口。