基于微波阵列技术的高铁周界入侵探测系统应用研究

王军锋，盛大军，刘子畅，吕大勇

（1.中科蓝卓（北京）信息科技有限公司，北京 101399；2.京沪高速铁路股份有限公司，北京 100844）

1 技术现状分析

随着物联网、大数据等高新技术的出现，周界安防领域近年来得到了空前快速的发展。周界入侵探测技术可分为3个发展阶段：第一代为视频监控，第二代为信号驱动，第三代为目标驱动[1]。第一代视频监控仅具有事后追踪作用，没有入侵报警功能；第二代信号驱动则依靠检测信号量的大小变化进行报警判断，目前主流的振动光纤、红外对射、脉冲电子、泄漏电缆等系统均为第二代系统[2]，普遍存在误报率较高、安全性较差、环境适应性弱等缺点，易受到风雪等天气影响以及动植物干扰影响。随着现代计算机技术、通信技术的发展及物联网技术的问世，多元化、智能化的周界安防系统应运而生，第三代目标驱动是周界入侵探测领域的发展趋势，其核心是采用多技术协同探测、算法融合、气象数据智能分析、视频联动、广播报警灯等，在多传感器联动的基础上结合数据融合、模型分析、人工智能等技术，对周界环境进行自学习，对入侵目标行为进行识别与告警，进而实现在复杂环境下、基于多传感联合计算的准确告警。未来的周界安防将随着物联网技术的创新应用朝着网格化、数字化、智能化，以及多手段相结合的方向发展，将周界安防系统提高到一个新的水平[3-6]。

目前，高铁周界安防手段仍主要采用传统的人防和物防手段。人防主要表现为每间隔3km设有岗亭，由值班人员定期巡逻；物防主要体现在利用地势优势，采用栅栏墙、护栏、铁丝滚笼等方式。部分重点地区采用视频监控系统，但由于受到茂密植被的遮挡、极端天气等影响，存在严重的误报漏报现象。随着我国高速铁路的快速发展，高铁周界安防受到广泛的高度重视，开展了相关研究与技术攻关。尚宾宾[7]对红外对射、振动电缆、视频监控等9个主流的入侵报警手段进行综合对比分析，提出在复杂的高铁周界环境中需要多手段联合的探测方式进行综合布防监控。徐梦姝[8]提出一种新型高速铁路周界入侵报警系统，基于人工智能技术对视频监控系统的摄像图像进行智能识别，实现报警准确率的提升。文灵[9]对多传感器融合技术进行充分研究，提出以时间和空间2个维度将多传感器报警信息进行融合，并将技术成果在周界安防系统中的应用进行讨论与研究。

高铁线路在天窗期施工工程较多，且根据周界安防实际需求也有日常巡护等人员，现有周界安防系统对于施工维修及日常巡护人员在靠近、穿越周界开展合法工作时不能有效识别身份信息，造成无法避免的误报警事件。同时，现有高铁周界安防系统各自相对独立，针对非法入侵事件没有形成统一联动报警，需要进一步依托地理信息系统平台在空间和时间维度上进行查询检索和综合展示。现有技术手段虽然在一定程度上能够实现入侵报警与必要的周界安防管理，但由于技术手段众多，且受限于各类安防系统的技术接口与架构的差异性，很难通过统一平台实现管理，而是每采用一种手段即需建立一套后台管理系统，给安防管理人员带来了极大的工作量与工作难度。

2 高铁周界安防的需求分析

（1）支持不规则地形、围网部署。受到高铁线路地势起伏、路桥结合处、长距离周界等环境限制，为能实现周界安防系统的一体化部署，避免过多设备安装，需要周界安防系统能够有效应对地形的起伏，在不规则的周界范围内进行统一的一体化部署，在围网、围墙、栅栏等处统一安装部署。

（2）与视频安防系统深度融合、联动监控。由于视频监控将在高铁周界范围逐步安装部署，并考虑到视频系统对事件可视化管理的优势，需要周界安防报警系统与视频监控系统进行深度融合，实现基于报警事件的联动，进而从报警信息和视频全事件跟踪方面取证，为高铁周界安防管理提供可靠依据。

（3）克服周边植被环境干扰、降低误报率。茂密植被是高铁周界安防系统的重要挑战，针对于茂密植被的严重干扰，需要周界安防系统能够有效进行合理过滤，提升报警的有效性，降低误报率。同时由于系统安装部署在室外不同区域，需要充分考虑野外暴晒、雨雪等天气条件。

（4）识别日常巡逻和维护维修人员并记录轨迹。针对高铁周界日常巡逻和维护维修人员，系统需要对该类合法的工作人员进行有效识别，当其进入防范周界范围时不产生报警信息，仅对其运动轨迹及进入人员详细信息进行后台记录。

3 关键技术与系统组成

面向高铁沿线周界安全防护需求，提出基于微波阵列技术的高铁周界入侵探测系统，该系统具备入侵行为报警、入侵目标定位、敌我识别、视频联动等能力，为提升高铁周界安防探测手段、提高管理效率提供有效手段。

3.1 微波阵列技术

第二代周界安防技术是以信号驱动，当信号发生异常时则产生报警信息。第三代则是以入侵目标进行驱动，多传感协同方式对入侵行为进行感知。在此提出的智能入侵探测技术是基于第二代异常信号和第三代多传感协同感知的基础上，结合人工智能技术，面向高铁沿线特殊环境的入侵报警技术。

我国地域广阔，高铁周界环境复杂多样，对于周界安防来说干扰项众多。传统周界安防系统误报率较高的原因之一即为无法对干扰项进行有效过滤。高铁沿线较长，各地的干扰项互不相同，具有典型区域性特征。该系统利用密集的智能微波收发芯片形成阵列式入侵探测装置，以线缆形式均匀排布，每个微波收发芯片以毫秒级的极短周期发射传感探测信号，2条平行部署的探测线缆形成密度极高、相互交叠、立体空间的自适应微波阵列，通过微波信号收发在空间构成传感探测场（见图1）。

当有目标进入高铁周界探测场时，每个收发芯片将会形成异常探测波形，对无线信号场造成遮挡、吸收、反射等干扰，形成大量向量对不同特征的动态变化信息，采用数字信号处理（DSP）算法对微波收发芯片收到的信号从时域、频域和空间域上进行多维度的特征提取和分析过滤。同时采用AIS算法，利用AI神经网络与大数据智能分析系统进行端到端的干扰过滤优化，对入侵事件的多维度特征进一步分析与处理，有效滤除环境及其他干扰因素造成的系统误报警。同时后台软件基于深度学习模型知识库对探测的目标类型进行有效识别与分类，具备数据库样品持续积累更新的能力，可根据高铁不同现场环境，持续对系统数据库样品进行增补和定义，并基于模型库进行识别匹配，实现对具备威胁的入侵行为进行准确分类和报警，达到无漏警、低虚警的实时探测性能。目前该系统可对表1所列目标进行有效识别。

图1 微波阵列技术工作原理

表1 目标识别情况

同时，为满足安防管理人员对入侵事件的可视化管理需求，系统利用通信协议实现探测报警与视频监控系统的融合，在以目标作为驱动产生报警信息的同时对目标进行跟踪。另外，可提供手持终端和后台监控2种报警处置方式，满足不同区段安防人员的管理需求。

3.2 基于数据通信的合法识别技术

为满足对日常高铁周界安全巡检人员、夜间天窗点上线施工合法人员的识别需求，系统利用物联网技术中的信息通信与识别技术，为每个微波收发芯片进行唯一编码，同时提供智能识别卡。合法作业人员可通过佩戴的识别卡实现与探测线缆芯片之间的信息通信，进而实现信息交互与数据连接，从而识别入侵目标的合法性。针对合法进入行为，系统对其运动轨迹进行记录，以供巡逻任务核查与监督。基于数据通信的合法识别示意见图2。

图2 基于数据通信的合法识别示意图

3.3 系统组成

系统主要由微波探测与信息收集系统、事件管理软件、视频监控系统和自动识别终端组成。其中，微波探测与信息收集系统由探测线缆和数据收集分站组成，部署在周界范围用以进行周界入侵监测；事件管理软件可基于深度学习算法实现入侵目标的类型识别，通过可视化的周界环境进行入侵事件精确定位与管理；视频监控系统对入侵行为进行跟踪与核查，可利用现有视频安防监控设备；自动识别终端是提供给巡逻检查、施工作业人员佩戴的设备，可以识别进入探测场内人员的合法性及具体信息。

4 试验验证

4.1 概述

该系统于2018年在京沪高速铁路廊坊段安装部署并开展了试验验证工作。该路段包括典型的路基段和桥梁段，并含有栅栏门、路桥结合处、桥梁检修通道等管理薄弱点，且有铁路基站可供取网取电。由于路基段环境相对复杂，因此为保障探测准确度，探测线缆在路基段以双线形式在护栏内侧铺地部署；桥梁段环境相对简单，以单线形式部署于桥梁护栏处；数据收集分站部署于路基段护栏内侧；软件类系统为便于试验验证部署于值班警亭处。试点工程重点开展了入侵试验、干扰试验和系统功能试验。其中，入侵试验主要包括单点及多点非法入侵、异物入侵、入侵行为跟踪、合法人员智能识别等典型试验；系统干扰试验包括护栏外各类车辆行驶、模拟异物干扰等；系统功能试验包括联动声光、摄像系统、防区管理、入侵定位、特殊地形安装部署、自监控等功能。

4.2 正常运行测试结果

在系统正常运行的一段周期内，在非人工干预情况下共计报警1026次，通过视频核查及现场调查，具体报警信息分析如下：

（1）2018年9月系统产生报警信息18条，经过视频核查后，报警原因为在路桥结合处超大车辆驶过。系统采集了产生该报警信息的所有数据，并利用深度学习算法对该事件进行建模，此后已将超大车辆驶过事件作为干扰项有效过滤。

（2）2018年10月系统产生报警信息32条，经视频核查后，报警原因为在路基段受到茂密植被和小动物干扰（见图3）。系统经过升级深度学习算法，有效过滤植被和小动物干扰，此后无此类误报警信息产生。

图3 高铁护栏内侧小动物干扰报警

（3）2018年11月系统产生报警信息34条，经视频核查后，报警原因主要是受到大风、雨雪等极端天气影响。系统对冬季的极端天气进行采样与算法库更新，此后系统可对极端天气影响进行有效过滤。

（4）在系统正常运行周期内，由于未给合法的施工作业人员配备智能识别卡，因此在夜晚天窗点作业施工时，共计产生942次报警事件。

4.3 模拟人员入侵测试结果

（1）模拟非法人员入侵。在桥梁段、路桥结合处、路基段，于夏季、冬季各测试30次，共计60次试验，系统准确报警60次，无漏报事件。非法人员入侵报警效果见图4。

图4 非法人员入侵报警效果

（2）模拟攀爬。在桥梁段、路桥结合处、路基段，于夏季、冬季各测试30次，共计60次试验，系统准确报警60次，无漏报事件。路基段模拟攀爬护栏见图5。

图5 路基段模拟攀爬护栏

（3）试验者配置智能识别卡。分别在不同时间内，由多名试验人员佩戴智能识别卡沿护栏内侧共计行走4km，直至全部覆盖试验区段。结果显示，系统能够对试验人员行走路线全程识别和全程记录，并能了解试验人员的具体信息，进而实现对入侵人员的身份识别。合法识别效果见图6。

（4）异物入侵。选取路基段、路桥结合处开展模拟异物入侵试验，试验准备的异物包括纸箱、铁锹、木板、石头、棉被、衣物、工具箱、梯子、木棍，每个物体测试10次，共计90次。当系统检测认为物体会对铁路行车带来威胁时产生报警信息。模拟异物入侵见图7。

图6 合法识别效果

图7 模拟异物入侵

5 结论

（1）经过多类型、大量的人工干预模拟试验，测试结果表明，基于微波阵列技术的高铁周界入侵探测系统能够对非法人员、异物入侵具有高度的敏感性，能够有效探测非法入侵行为。基于人工智能技术构建的算法库，能够对高铁周界干扰项进行有效的动态识别与过滤，保证系统探测的有效性，提升报警准确率。

（2）因其以线缆形式呈现，因此系统能在不规则且不规范的周界范围进行全空间安装，尤其针对高铁周界路桥结合处，能够有效克服地形起伏，以及周界拐点多、同时建有围墙/围网/栅栏等限制。

（3）系统基于多传感融合技术，将微波探测设备与视频监控系统进行深度融合，以报警信息驱动视频系统进行事件跟踪与取证，打破了传统周界安防仅利用空间和时间的松耦合、浅融合的局面。

（4）系统基于物联网的信息通信技术，能对合法的施工和巡逻人员进行有效识别，并记录识别人员的行为轨迹，从而降低系统的误报情况，有效管理施工人员行为路线。

系统在京沪高速铁路廊坊段进行了部署测试，运行期间能够对非法入侵事件进行报警，同时针对引起频繁报警的小动物干扰事件通过灵活调整深度学习算法而有效过滤。系统运行期间无漏报和误报现象发生，有效提升了高铁周界安防的整体能力，并有助于规范化管理合法施工人员作业，进一步保障了高铁运营安全。