RSSB使用人工智能来帮助预测低附着力轨道条件

铁路安全和标准委员会正在与谢菲尔德大学合作开发一种使用人工智能的工具，以帮助预测低附着性轨道状况。新的研究项目正在调查如何使用更详细的当地条件信息来应对与“在线落叶”相关的季节性挑战。

对于铁路行业来说，低附着率的轨道条件是一个严重的安全和运营问题，每年耗资约3.5亿英镑。它不仅会导致延误，影响列车运行，还会导致车站超限，信号传递危险。 

研究项目

温度、湿度以及叶片层或其他污染物的存在都会对火车车轮和轨道之间的粘附程度产生影响。该项目将利用人工智能分析数据和高分辨率视频片段，对轮轨界面的摩擦进行更准确的预测。该项目的产出之一将是一个在线工具，用户可以在2023年秋季输入数据，生成网络上任何地方的摩擦预测。 

“虽然人们可能认为铁轨上的树叶是一个笑话，或者只是火车晚点时的借口，但现实是，这对铁路行业来说是一个非常严重的问题，”英国铁路公司的专业工程主管保罗·格雷说RSSB说。“低附着力会导致重大的安全风险 和操作问题，管理成本高达数百万英镑。 我们的新研究项目将使用人工智能和数据分析来预测和识别低附着力将在轨道网络中发生的地点和时间。这将允许在这些特定地点采取有针对性的行动，帮助管理安全风险，减少延误。” 

谢菲尔德大学机械工程教授罗杰·刘易斯说:“这对谢菲尔德和RSS团队来说非常令人兴奋。”“我们对低附着性原因的基本分析，以及我们从轨道上广泛收集的数据，现在结合在一起，使AI摩擦预测工具的开发成为可能，这将帮助铁路行业解决秋季前后的性能和安全问题。”