高速铁路智能基础设施发展关键技术研究

张雍华 王富章 蒋丽丽 刘国梁 刘阳学

（1.中国铁道科学研究院研究生部，北京 100081；2.中国铁道科学研究院集团有限公司电子计算技术研究所，北京 100081）

基础设施是一个国家经济发展的基础和重要支柱，也是经济产出的必要投入。铁路交通建设作为我国基础设施建设中的重要一环，对我国经济发展影响深远。我国自2008年第一条高速铁路投入运营以来，每年均投入大规模资金进行高速铁路建设，其中基础设施建设投资金额约占60%。伴随着高速铁路网规模的持续扩大，基础设施养护维修成本也在不断增加。部分学者依据高速铁路运输作业成本测算方法及相关数据，对高速铁路运营成本构成进行测算，得出高速铁路基础设施运维作业约占线路运营作业总成本的60%［1］。高速铁路未来发展过程中面临一系列诸如建设规模持续增长、设备设施老龄化等问题，因此高速铁路基础设施养护维修成本将持续增长。在这一背景下，亟待通过智能化技术对高速铁路基础设施运维各环节在安全、效率、成本等多方面予以升级优化。

1 高速铁路智能基础设施概念及总体构架

高速铁路智能基础设施是通过先进智能化技术对工务、电务、供电基础设施进行技术升级。它能自动进行故障诊断预警［2］，有益于主动运维和资产全生命周期管理［3］，从而进一步保证列车安全、可靠、高效运行。

智能基础设施的核心内涵是将基础设施运维技术由信息化升级为智能化，从而实现对运维管理水平的跨越式提升。具体的升级内容围绕着以下五个方面：①通过先进的检测监测技术实现对基础设施状态及业务流程状态的全面感知；②通过先进数据传输技术实现高效、准确、安全的数据传输；③通过先进建模技术和智能算法对数据进行智能化的分析处理；④通过构建智能运维管理体系实现由感知到执行的全局最优运维决策；⑤通过开发智能修复执行终端，实现运维执行的无人化。

智能基础设施的主要特征有全面感知、泛在互联、融合处理、全局决策、自主执行等［4］。它以物联网、传感器、影像识别等技术作为数据采集手段，以工业互联网、移动互联网、无线传输网络等技术作为网络基础，以数字孪生、物理引擎、大数据、建筑信息模型化（Building Information Modeling，BIM）、地理信息系统（Geographic Information System，GIS）等技术建立数字-物理衔接模型，以智能化、自主化作为核心设计思想，从而实现智能感知、智能决策、智能执行等业务功能。

高速铁路基础设施的智能化发展，是以实现设施的全寿命周期管理及提升运维管理效率为目标，对现有管理方法及技术驱动能力进行的全面整合升级，是由信息化逐步升级转变为智能化的过程。在这个过程中，将围绕两个重心开展技术升级：①基础设施全生命周期管理；②基础设施运维全程自主化。最终实现对设施的全生命周期管理的高度智能化，从而达到更加安全可靠、经济高效的基础设施运维管理能力。

智能基础设施研究内容包含四个方面：智能基础设施架构研究、智能感知体系研究、智能分析处理研究和智能运维管理研究。智能基础设施总体构架见图1。

图1 智能基础设施总体构架

2 智能感知体系关键技术

智能感知体系是智能高速铁路基础设施的眼睛和耳朵，是获取高速铁路基础设施运营相关信息的重要途径。智能感知体系通过新一代感知技术，综合利用新型监测检测技术，动态实时智能化地识别、感知、定位、跟踪、采集、监控、管理高速铁路基础设施状态信息及业务流程处置状态信息，为智能化的运维管理提供及时、准确的数据来源。通过智能传感器、物联网、卫星定位、无人机、遥感技术等先进感知技术确保设施状态的高效采集；结合新一代通信技术、ZigBee、射频识别（Radio Frequency Identification，RFID）、工业互联网、量子通信、卫星宽带等通信技术确保信息的高效传递，采用区块链技术确保信息的准确性。其技术发展预测见图2。

图2 智能感知体系技术发展预测

1）自然环境感知

针对可能对铁路系统运行产生影响的外界因素如强风、暴雨、大雪、雷电、地震、滑坡、隧道塌方、路面坍塌等，进行实时监测与预警。通过各类遥感技术进行感知，包括通过卫星、航天器、无人机等设备对宏观的自然环境进行监测。针对设施风险关键因素进行相关风险信息量的精确测量，避免事故判断信息不足、判断结果不准确等问题，降低系统运行安全冗余，提升系统运行效率。

2）运行环境感知

通过先进的数据采集手段与智能算法实现对车辆及基础设施周围运行环境状况的感知。采用先进的环境感知传感器，如摄像头、激光雷达、毫米波雷达等。为提高环境感知的准确度，通过多种传感器的组合来提供安全高效的解决方案。同时通过无人机、遥感等空天感知技术进行环境变化检测。

3）地面基础设施感知

开展智能感知环境下轨道几何状态、钢轨廓形、轨道关键部件与路基、桥涵、隧道状态检测与监测技术方案研究，科学制定检测项目及技术指标。研究各类强风、雷爆、覆冰等恶劣自然环境下牵引变电系统的运行特性，实现对供电基础设施进行全天候的状态监测。针对轨道电路传输特性、道岔转辙设备、机车信号、牵引回流以及信号设备与其他专业设备的结合部等重要行车设备，设计检测监测方案。

4）车载基础设施感知

主要对基础设施状态进行动态检测，对基础设施的轨道、弓网、轮轨动力学、通信及信号系统进行综合检测。继续着力研发轨道、接触网、轮轨动力学、通信、信号检测设备和综合系统设备，对车内、车下、车顶的环境及配置进行优化设计，强化高速铁路基础设施状态检测的功能，进一步提高感知系统的全面性与可靠性。车载基础设施感知系统通过车载通信模块将采集到的信息实时传输给地面基站。

5）空天基础设施感知

基于卫星导航系统的铁路基础设施运维测量内容应包括各级控制网的复测、构筑物变形监测、区域沉降地段变形监测等。在铁路工程连续运行参考站系统基础上，基于差分卫星定位技术、激光测距技术、测量机器人技术构建铁路工程的智能化轨道控制网，实现铁路工程轨道控制网的无人值守自动化测量，并研究建立轨道控制网测量数据的智能化处理数学模型，实现轨道控制网三维坐标成果的实时更新和远程发布，为铁路工程结构监测和养护维修提供可靠的空间位置基准。通过遥感技术对设备位置、外物侵入限界等信息进行检测。

6）业务流程执行状态感知

基于业务流程管理信息和先进的信息采集技术，对业务流程执行状态进行判定并验证。根据业务流程衔接规则及配置对现有各业务流程的执行状态进行估算，对重要的衔接环节甚至重要流程的全部环节布置适用的感知体系，以确保各业务流程执行中的各个环节的前置状态正确，避免流程无法执行或流程衔接错误导致的隐患。

3 智能分析处理关键技术

智能分析处理平台是智能高速铁路基础设施的神经中枢，集数据处理、数据分析、辅助决策为一体。它针对智能感知设备采集的多元异构海量数据，通过深入研究基础设施各业务模块的风险机理，应用深度学习等智能化技术对设施面临的风险作经验性推论，应用数字孪生等建模技术对设施风险因素、设施状态、关联影响等内容进行建模，得到准确的实时全局状态信息，并实现全局状态推演及预测功能。同时，通过构建边缘计算-雾计算-云计算三级分析处理平台，对应执行不同响应级别状况的分析处理工作，以实现安全高效的分析处理决策。其技术发展预测见图3。

图3 智能分析处理技术发展预测

1）设施状态模型的升级与关联

从各个角度构建基础设施状态的物理信息模型，比如，从生命周期管理的角度建立完善基础设施各部件劣化信息模型，从故障发生机理的角度建立完善基础设施故障信息模型，从外部灾害影响角度建立完善基础设施受灾情况信息模型。模型间进行关联整合，形成综合考量各类多源信息之间相互影响因素的设施状态物理信息模型，达到对设施状态的准确判断及预测。

2）设施状态经验性预测关键技术

以设施风险历史数据为研究样本，利用深度学习、大数据、智能算法等技术对常见设施风险的因果关系链条进行解构，从而明确风险衍变机理，确定重点感知监测内容，实现设施状态经验性预测的能力。

3）全系统状态一体化模型

应用数字孪生技术对全系统各构件的物理参数、所遵循的物理特性、运行规律、相互作用及在外部因素作用下的风险演化规律进行全面的数字化建模。结合各相关学科领域知识梳理总结各类型铁路基础设施缺陷的产生、扩展及恶化的机理，确定各类缺陷全生命周期的因果关系链条及相互影响关联并融入到数字孪生模型中。通过数字孪生、智能算法、大数据、BIM 等技术实现对处于内外部干扰因素作用下的全系统运行状况进行实时推演［5-6］，得到准确的全系统状态，即可用于现有状态的监测，又可作为即将面临状态的预测，并对状态进行评估［7］。同时，可以推演出在各种应对策略下的系统状态，为运维决策提供有效参考。

4）边缘-雾-云多层级分析处理平台

随着感知信息数据的内容与数量逐步增长，对分析处理平台数据分析处理能力的要求也逐渐增加［8］。感知信息数据处理对数据处理响应的速度需求不同，数据处理的计算能力需求也不同。在这种情况下，根据响应速度需求与计算能力需求，合理分配各类数据，由边缘计算、雾计算或云计算进行数据处理，从而实现感知系统的迅速响应，并合理分配各分析处理层级的运算负载。

4 智能运维管理关键技术

智能运维管理需研究高速铁路基础设施运营阶段应用智能化技术后新的工作模式、多专业协同业务流程、运检修规则优化，为高效率、智能化的铁路运营提供相匹配的管理手段。参考信息物理系统（Cyber-Physical Systems，CPS）构架构建基础设施运维管理体系，实现业务流程、资源配置、设施状态的联动式管理，确保执行最优决策。研发设施参数在线调整系统，实时进行状态迭代分析并进行相应参数调整，实现设备故障的主动预防。研发运维机器人，实现设施维修和应急处置的无人化。其技术发展预测见图4。

1）业务流程管理系统

将业务需求、业务前置条件（物资供给状态、环节相关物理状态等）、业务各阶段物理状态等信息进行综合管理，各业务之间进行关联整合，形成综合参考各业务间物理状态相互影响关系的业务流程管理物理信息模型［9］。设施状态匹配业务需求，将设施状态物理信息模型与业务流程信息管理系统进行关联整合，以设备状态主导业务流程，并初步形成基础设施运维管理信息物理系统。匹配各类自动化智能化运维装备，初步实现优质高效低成本的状态修。CPS 系统将逐步进行业务扩展及模块优化，运维管理系统各业务分工细化，并在此基础上进行深度优化，以期对业务全流程进行精细化管理，实现业务流程的最优决策，进一步提高效率，降低成本。

图4 智能运维管理技术发展预测

2）设施参数在线调整

主要实现可调整参数的远程控制，以实现各业务领域联动的系统全局最优决策。根据各业务领域设施结构原理与数字孪生模型，梳理各项点的关键可调节型参数，再对其进行可调节性升级。

3）运维机器人/无人机

在列车正常运行过程中进行检修作业的运维机器人/无人机，利用周边环境有效规避通过列车。减少作业较大的天窗时间。可在列车通行间隙完成单次或模块化的作业，改善以人为主导的运维方式存在的缺点，如到达维修地点耗时较长，作业效率受温度、海拔、光线等外在因素影响大，人力成本高等问题。

4）基础设施时空模型

采取北斗网格、BIM 与GIS 相融合的时空模型，将各基础设施的位置信息数字化、精准化、可视化，从而为将来实现更多基于设备位置信息的应用服务提供可靠的数据基础。机器人的精准路径导航，精准时空位置推演等均依赖于此模型。

5）设施在线无损修复

在铁路基础设施中存在着大量的易损耗构件，典型的如供电系统中接触网的接触线、工务系统中的钢轨等。现有解决方案对接触线的维护方法是重接或更换，对钢轨的维护则是进行打磨或更换。为避免消耗大量的人力和时间，减少对资源的损耗，重点研究此类大型易损构件的在线无损维修技术。

6）运维资源配置优化

充分考虑各线路不同区段故障发生频率的差异性，研究沿途合理配置机器人/无人机收容站及运维物资储存站的方法，实现维修资源配置优化。通过3D打印技术实现备件原料化配置［10］，降低单一配件的配置冗余需求，优化资源利用率。

5 智能基础设施分阶段发展及技术实施路线

根据周边技术发展时间成熟度及智能基础设施构架规划，按照各时间段技术发展特色，将基础设施智能化发展归纳为三个发展阶段：①2020—2025年为整合关联发展阶段；②2025—2030年为人机耦合发展阶段；③2030—2035年为自主运维发展阶段。各发展阶段的技术实施路线见图5。

图5 基础设施智能化发展阶段技术实施路线

1）整合关联阶段

智能感知体系部分：在现有基础之上，根据业务需求完善感知内容，通过先进的感知技术优化感知精度，降低感知成本；采用已经成熟的5G、ZigBee、RFID、工业互联网、区块链等技术实现高效准确的数据传输。智能分析处理部分：优化风险模型，全面实现根据风险因素进行状态预测；对现有不同风险项点的状态进行关联建模；理清设施状态与业务流程之间的关联关系。智能运维管理部分：通过BIM及3D扫描技术实现数据的1∶1 可视化，实现对状态的实时监测与预测，并提供辅助决策。

2）人机耦合阶段

智能感知体系部分，卫星宽带和量子通信技术的成熟，将引入新的传输方式，进一步增强信息传输的效率与可靠性。智能分析处理部分，构建分别应用边缘计算、雾计算、云计算的三级分析处理平台，根据业务的响应要求及实际运算耗时合理分配各类业务的分析处理权限。智能运维管理部分，采用CPS、智能计算等技术实现运维系统的智能决策、资源配置在线调整及业务流程控制。研发运维机器人，实现人机耦合的运维管理。

3）自主运维阶段

智能分析处理部分，应用数字孪生技术对全系统各构件的物理参数、所遵循的物理特性及在外部因素作用下的演化规律进行全面的风险-状态迭代推演模型建模，进行全局状态预测。智能运维管理部分，将全面的风险-状态迭代推演模型与业务流程、资源配置进行融合，研发基础设施参数在线调整系统、业务流程控制系统、资源配置自动化系统，实现系统最优决策、主动故障预防、无人化运维管理。

6 结语

本文在深入调研的基础上阐明了智能基础设施的概念、内涵及特征。给出了智能基础设施总体构架及关键技术，对智能感知体系、智能分析处理平台、智能运维系统三大核心模块的关键技术及应用方法进行阐述；结合各技术在各时间节点的成熟度预期，提出2020—2035年的智能高速铁路基础设施分阶段实施的技术路线，为各时间段进行智能基础设施研究及建设提供参考。