铁路智能货检作业模式优化设计研究

孙文桥，刘启钢，江 鸣，李 想，叶 飞

(1. 中国铁道科学研究院集团有限公司 运输及经济研究所，北京 100081；2.中国铁路南宁局集团有限公司货运部，广西 南宁 530029；3.中国铁路南宁局集团有限公司 柳州南车站，广西 柳州 545007)

1 铁路货检作业现状及影响因素分析

1.1 铁路货检作业现状

随着铁路货检安全监控与管理系统的部署和应用，监控设备、信息系统、基础规章等作业环境不断优化，铁路货检作业由“人检为主、机检为辅”模式，向到达作业“机检为主、人检为辅”和出发作业“人检为主、人机结合”模式转型升级[1]。在该模式下，利用视频监控、超偏载检测等设备对到达列车进行预检，补充标注重点车和问题车，生成并发布作业计划，向车站调度员(值班员)通知需要甩车整理车辆。货检员根据所接收的作业计划及重点车信息，使用手持机拍摄首车照片，记录检查开始和完成时间，并对问题车、押运人证件等信息进行拍照或记录并反馈[2]。

目前预检作业以机检为主，现场检查作业以人检为主，两者间主要以语音对话传递信息，难以保证信息传递的及时性和准确性，不能实时掌握货检员作业状态，存在安全防护不足、作业质量不高等隐患风险，主要表现在以下方面。

（1）作业效果难以保证。货检作业主要依靠货检值班员通过视频回放判图，受员工经验和责任心等人为因素影响较大。同时，线阵、面阵相机等设备运用状态良莠不齐，图像采集效果难以保障，导致漏报风险高。货检员现场检查作业质量也取决于经验和责任心，无法与货检值班员形成有效的互控互校，导致作业质量同样难以有效保障。

（2）作业效率有待提升。内勤货检员货检作业量极大。以西南某编组站为例，平均每人每天需要判别超过1 500辆车、4 500张图，工作强度大，人员成本居高不下；机检与人检融合不足，外勤人检与视频机检之间缺乏有效信息交互，外勤逐车检查效率不高。

（3）管理成本居高不下。线阵相机、面阵相机、人员作业记录仪等设备所产生的图像数据均为非结构化数据，难以进行高效的检索分析，因而难以为货检作业的精细化管理提供数据支撑；车站需要大量的工作人员通过查看实时监控，对现场作业人员的行为及作业安全进行监督和保障，人力成本较高[3]。

1.2 铁路货检作业影响因素分析

铁路货检作业中存在的作业质量、作业效率难以有效提升，管理成本难以有效降低的问题，其主要影响因素是信息不对称，主要表现为管理层与作业层间信息不对称、各作业环节间信息不对称、各作业系统间信息不对称[4]。

（1）作业层与管理层间信息不对称。目前货检站应用货检安全监控与管理系统和货检手持机，货检值班员可以掌握货检员检查进度，货检员可以实时将在列整理情况通过货检手持机进行反馈，或是作业完毕回到岗点通过系统录入检查问题。但管理层对作业人员的作业过程不能实时掌握，尤其是外勤货检员的实时作业位置、作业效果等信息，仅能通过调阅作业视频记录仪或固定摄像头抽查的方式进行抽查和事后检查。

（2）各作业环节间信息不对称。货检作业需要统筹协调车站调度员(值班员)、货检值班员、货检员等相关作业环节，而现有通过电话、对讲机进行作业汇报沟通的方式，容易造成错听、错记等问题，且无法提供准确的作业时间、作业地点、问题描述、问题图片等信息，信息传递效率较低。

（3）各作业系统间信息不对称。带自动识别功能的视频监控设备发现的问题没有整合到货检安全监控与管理系统，信息整合程度不够，共享范围有限，系统的信息壁垒存在，妨碍作业效率的提升。

2 铁路智能货检作业模式优化设计

铁路智能货检集成运用先进智能技术，解决传统货检作业过程信息不对称的问题，实现货检作业信息自主感知、生产自动组织、管理数据决策[5]。铁路智能货检模式首次引入作业人员空间定位、第一视角摄像耳机等智能技术，具备了信息对称基础条件，需要针对信息流程、作业岗位、作业流程进行优化设计。

2.1 信息流程优化设计

铁路智能货检作业信息流程集成应用卫星导航、电子地图、深度学习等技术，实现安全隐患智能识别、货检问题自动互校、作业行为可视化、作业效果数字化、作业管理精细化，全面覆盖货检作业人员管理、安全防护、过程管理、效果统计分析等管理领域，提升货检作业效果和效率。铁路智能货检作业信息流程如图1所示[6]。

图1 铁路智能货检作业信息流程Fig.1 Information fl ow of intelligent railway cargo inspection

2.2 作业岗位优化设计

铁路智能货检作业模式打通相关作业信息系统及现场作业人员作业数据链路，简化作业过程、压缩作业人员、提升作业效率。在铁路货检作业信息对称的基础上，机检由人工智能锁替代，取消货检员中的内勤货检员岗位。铁路智能货检作业层级岗位职责如表1所示。

按照铁路智能货检作业层级工作职责要求，以车站调度员(值班员)下达的列车到达、解体、出发等计划的时间为基础，规划货检员的作业计划，合理安排作业时间，货检值班员仅需要核验并对特殊情况进行干预和调整，货检员负责进行具体的货检作业，并上报作业结果，保障作业质量。

表1 铁路智能货检作业层级岗位职责Tab.1 Job responsibilities of the intelligent railway cargo inspection operation process at all levels

2.3 作业流程优化设计

在铁路智能货检作业模式下，智能货检系统进行问题车辆及问题情况的智能判别，自动生成作业计划并派发给相应货检员。货检员根据系统下发的作业计划进行作业时，系统根据其所在位置，对重点作业内容进行提示，通过手持机或其他智能穿戴设备，将现场发现问题拍照回传，通过对比影像资料与现场图片，校核车辆问题，下发甩车整理、拍发电报等任务。铁路智能货检作业流程如图2所示。

智能穿戴设备以外勤作业人员的第一作业视角全程录制作业视频。结合高精度北斗卫星定位系统和现存车信息，管理人员即可在智能货检系统中依据作业时间、位置、车号、人员等信息进行作业视频的检索、调取和查阅。

3 铁路智能货检关键技术支撑

3.1 系统接口

在铁路智能货检作业模式下，货检作业将不再人为割裂成机检、人检2个作业部分，而是通过智能图像识别筛选出问题车，生成外勤作业计划推送给现场作业人员。智能货检系统通过赋予待检车辆和外勤货检员相应的时间、位置、事件等属性，关联已有作业和管理系统，实现货检作业全流程和全要素的信息对称。

车号识别系统为智能货检系统提供车种信息，以提升智能判图作业效率；机检视频系统提供智能判图所需原始拍摄图像[7]；运输调度管理系统提供车站接发车作业计划信息，并接收甩车等作业计划，以优化货检外勤作业计划；货检安全监控与管理系统接收存储货检作业结果并上报相关部门。

图2 铁路智能货检作业流程Fig.2 Intelligent railway cargo inspection operation process

3.2 图像智能识别技术

现有机检技术无法自动通过机器高效、准确地智能判别问题车辆，是制约铁路货检作业智能化的关键。因此，采用先进人工智能图像识别技术，可以有效解决车辆切割，提高处理速度和辨识准确率等问题。

（1）车辆切割方面，采用深度学习、特征识别技术，确定车辆起始、终止的准确位置，改变传统磁钢计数、红外对射造成的车辆切割不准的问题，为故障识别提供准确的数据。

（2）处理速度方面，常见的AI技术在不同应用场景下算法复杂，模式匹配复杂，时间和资源消耗严重。如果采用智能优选处理方式，结合云集群架构，可以达到过车图像秒级处理，即时获得检测结果的效果。

（3）辨识准确率方面，使用复杂神经网络算法，增强问题抽象能力，增加对装载位置、拍照角度变化引起的差异场景适应能力，通过目标分析、去除噪声、几何解算、修正等处理，提升正确率。

（4）自动进化方面，通过增加人工神经网络的训练样本，反复自我学习，以提升辨识的正确率。

3.3 作业行为防控技术

在铁路智能货检作业模式下，系统自主进行作业人员安全防护、作业项点提示、作业效果判断、作业数据多维度查询分析等。

（1）作业人员安全防护方面，通过北斗高精度定位技术和电子地图技术，实时掌握作业人员的时空位置，结合车站其他相关作业内容，对人员侵限、邻线来车等事件进行安全作业提醒[8]。

（2）作业项目提示方面，通过北斗高精度定位技术，引导作业人员接近重点检查车辆，并呈现式提示系统下发的作业计划及相关重点作业内容。

（3）作业效果判断方面，系统自动将外勤作业人员所拍摄的问题车图片与智能图像识别所判断的问题进行比对校核，生成后续处理意见。

（4）作业数据多维度查询分析方面，依托北斗卫星导航技术，现场作业图像及作业数据实现结构化，可以根据管理需要进行各类作业内容检索、比较、分析，并自动生成相应的作业效果、作业效率分析图表。

4 结束语

铁路智能货检作业模式是提升货检作业效率、保障货检作业安全、降低货检作业成本的必然方向。目前，全路重点货检站还处于智能货检作业的初期探索阶段，以机检+人检为主要作业模式。利用北斗卫星高精度定位和人工智能技术，从技术上提供了机检人检相融合的条件，是智能货检作业模式的技术发展方向。