人工智能在索道安全中应用探讨

罗 昱 尹 猛 魏庆功 王可意 孙梦新 孙晓勇

（1．泰安市泰山索道运营中心 泰安 271000）

（2．山东农业大学 泰安 271000）

索道又被称作缆车、吊厢，是空中交通工具的一种，常应用于在陡峭的山上运载乘客和货物。索道可以轻易地跨越丘陵沟壑以及高大的树木等地面障碍，对景区内的景观影响较小，并且容易建设，施工量小，一般采用电力驱动，对生态友好。索道在为游客提供方便快捷的同时也为游客开辟了另一个观景的新渠道，开拓了游客视野。为迎合人们快节奏生活，体现景区自然风光，丰富景观视觉立体格局，提高景区反复观光价值，不断发展地区旅游事业，国内外景区客运索道使用与日俱增[1]。

每年各个假期旅游景点游览的人数便会大大增加，客运索道的载客量也随之增加。例如我国第一条大型客运索道——泰山客运索道。随着泰山旅游业的发展，越来越多的人选择乘坐索道来游览泰山。其中中天门索道于1983年8月5日建成通车，全长2089．16m，上下站水平距离1971．92m，高差597．01m，平均爬坡角30．28%，共有11 个支架[2]，至2000年，全线有46个8人车厢，单向小时运营量可达1630人。如此高的运营量，让人们在乘坐索道的同时也越来越关注索道安全问题，由于索道车厢处在高空中，加上其周围云雾缭绕、环境恶劣，一旦发生事故，会造成极大的伤亡，威胁到游客的生命财产安全。

人工智能技术究竟能在保证索道安全平稳运行方面发挥怎样的作用。具体来讲，人工智能在以下方面的应用，会极大的提高索道的运行的安全质量，为游客安全提供更可靠的保障。

2 实时监测

客运索道多用于人员密度大、数量多、设备负荷高的山地环境下，一旦发生事故，极容易造成严重的后果[3]。例如，2003年印度艾哈迈达德市一条索道的三个吊箱突然坠落，造成至少7人死亡、18人受伤。针对传统安全检测方法的不足，人工智能被应用在索道实时监测方面。国外的索道监测系统相对成熟，法国波马（POMA）索道公司使用多台计算机监测、控制索道的实施运行状况。目前我国索道实时监测技术相对不完善。首先，我国实时监测的指标多为动力电压、电流、运行速度等简单易测的参数，其次监测的多为钢丝绳、变速器温度、张紧标尺等机械部件，绝大部分属于事后检查与维修范畴，而运行参数只能依靠工作人员观察与定时记录，管理人员不容易找出事故的原因[4]。

因此，对索道进行实时监控尤为重要。利用风速传感器、加速度传感器等传感器，操作人员可以实时查看当前环境风速、吊厢车厢的倾斜角度以及持续时间。同时，计算机自动记录各传感器记录的数据，并将数据传递并保存至数据库。

3 隐患预警机制

专家系统（Expert System）是人工智能的一项分支，专家系统包含某个特定领域中大量专家的经验知识。专家系统能够利用计算机程序模拟现实中专家对问题的分析处理过程，并依据已录入的相关经验得出解决问题的方法。其核心在于通过录入、总结得到的包含某个领域大量知识的数据库。[5]

目前索道行业仍采用以故障处理为目标的安全管理机制，侧重于故障发生后的处理措施，未形成以总结故障特征并在故障未发生前做出预测为主要目标的隐患预警机制。随着索道越来越广泛地被应用在日常生活中，索道的平稳安全运行越来越受到重视，其安全事故的影响逐渐增大，现有的以故障处理为主要目标的安全管理机制已不适应社会对索道安全管理的要求[6]。并且索道行业内未将隐患管制、机械设备故障与安全事故三方面联系起来，未能深度挖掘安全事故背后隐藏的关联。

通过将专家系统和神经网络应用于索道安全监测，可以实现对索道运行速度的实时监控与调节。其功能可表示为图1所示的形式。

图1 索道安全监测神经网络专家系统的功能结构

借助接收传感器的数据，系统分析模块是对索道的运行状况进行综合分析、综合评价，辅助安全人员进行决策。它的功能主要是通过索道上安装的各类传感器搜集的数据，经过校准、分析、评价后，判断是否是安全、基本安全和存在“可疑部分”。若存在“可疑部分”，则首先检查是否是由于监测系统引起的，若是由监测系统引起，则发出报警，提示监测人员进行重测，从而排除“可疑部分”。若不是监测系统引起，则归为不安全运行，系统将对环境状况和索道运行状况进行综合评判，通过专家系统分析后得出建议。

为促进索道安全管理机制更快地向事前预警机制转变，可以利用神经网络的自学习、自适应、自组织等特征，对现有的安全事故记录及解决方案进行学习、归纳，采用一定的数学方法分析隐患、事故数据，挖掘出不同事故发生前的各种征兆，利用经过规范化后的数据建立相应的机器学习模型，从而实现对隐患的排查、对可能要发生的事故的预警，以便工作人员能及时知晓并做出相应的应急措施[7]。

4 安全评价

安全评价，是运用特定的方法对工程、系统中存在的危险、有害因素进行辨识、分析和预测，并做出适当的评价，从而对工程安全方面进行改进，消除安全隐患。我国制定了严格法律，对一些具有安全隐患的工程都需要进行安全评价。现如今，我国客运索道不断发展，安全问题也越来越让人重视，对索道进行安全评价是十分必要的。

唐中富提出对索道安全的综合评价方法，他采用了半定量安全评价方法，对索道系统设备方面进行评价，同时加入了层次分析法和模糊评价法，从张紧系统、电器设别、支架、运载工具等多方面进行考虑，综合评价并得出安全等级[8]，该方法已经进行了应用，并取得了良好的成果，唐中富还提出了运用人工智能来进行安全评价，这种方法所建立的评价模型具有像人神经网络一样的评价模式，可以接受更多的影响因素。

BP神经网络具有良好的自学习、自适应、泛化、容错能力，并且具有较强的非线性映射能力，可以更好地处理非线性关系。BP神经网络可应用在风险评价评估[9、10、11]、综合评价[12]、安全评价[13、14]等。

天气因素对索道影响也是十分重要，对于这一实时变动的因素，BP神经网络的自学习性可以更好地处理。通过在索道上安装传感器，实时收集天气数据，并通过Wi-Fi传输。利用BP神经网络对收集到的数据进行分析学习，建立安全评价模型，在设备因素的基础上加上天气因素，对各种实时因素的影响下的安全进行分类，得出安全等级。还可以利用大数据技术对乘坐索道的人数进行预测，加入模型中。增加模型中的特征值数量，使得分类更加准确，得出更细致的安全等级。

BP神经网络也有一些缺点，其擅长局部搜索，易陷于局部极小点。遗传算法擅长全局搜索，所以在评价中常常把遗传算法和BP神经网络结合起来用，这样弥补各自的缺点，使评价更准确[15]。

5 应用举例

下面以泰山索道为例，给出一个人工智能在索道安全方面应用的实例。

客运索道在运行过程中，受到风力的影响会左右倾斜或者来回摆动，一旦摆动幅度过大，吊厢就有脱轨的危险。笔者在实时监测环节中获取了相关环境风速、风向、吊厢倾斜角度以及持续时间。通过神经网络与可做出最佳决策保证吊厢安全运行。

图2为三层前馈神经网络模型图。该神经网络接受吊厢单次摆动时间、风速、风向、吊厢偏转角度、当前运行速度和测量误差作为输入，经过隐藏层处理后将输入的数据归为环境因素、观测因素和其他因素三类。

图2 神经网络模型图

运用神经网络、混沌控制等技术，使得现有监测仪器实现性能、灵敏度、反应时间等提升。通过设置各项数据的临界值，利用模糊数学理论、模糊推理技术、神经网络与专家系统进行决策。利用模糊技术的优势在于不需要大量测试数据和相应模型，只需要通过专家系统总结出一个合适的调控规则，按照现实需要做出准确分析和给出实时且精确的相关控制动作建议[16]。

6 结论

人工智能给索道带来了更安全的保障，给索道的运行提供了更科学的参考，给游客的生命财产安全带来了更多的安心。隐患预警机制，利用神经网络和规范化后的数据建立起机器学习模型，对索道安全隐患进行排查和预警，提醒工作人员及时处理，防患未然。实时监控，利用传感器实时测量威胁索道安全相关数据，运用模糊技术处理数据，通过训练过的专家系统做出精确分析并给出相关建议。安全评价，对影响索道运行的设备因素和天气因素，利用随机森林进行分析，建立安全评价模型，得出安全等级，为索道运行提供更科学的参考。传感器神经网络专家系统和众多算法的结合，形成的人工智能＋索道的新模式，给索道运行安全提供了新的体系参考，为广大游客的出行安全保驾护航。