数据化管理打造 安全可靠的铁路系统

随着高铁和地铁在许多城市和地区速度越来越快，系统愈加复杂，迫切需要采取有效措施来保障铁路系统的安全、可靠和高效运行。目前，由城大领导的一项多学科研究计划开发了一个工具平台，旨在改善铁路系统健康监测、人群安全和干扰管理方面的安全和可靠性。

城大数据科学学院特约教授、工业工程讲座教授徐国良教授表示：“与其他大型技术一样，世界各地也发生了与高速铁路和地铁系统有关的重大事故。这些系统的各个方面都需要不断改进，如状况检测、安全性、可靠性、操作及维修，以及决策系统，以防止意外发生。”徐教授曾担任为期五年的香港研究资助局主题研究计划项目的协调员，团队成员来自城大及其他本地及海外院校。该项目旨在创新和改进铁路系统技术，确保铁路安全运营，避免和管理中断现象，并确保运营效率。

城大先进设计及系统工程学系及数据科学学院讲座教授谢旻教授是主题研究计划项目的现任协调员，他说：“我们正致力于填补高铁及地铁系统研究中至少两个特别的领域，其中一项是利用先进的传感器数据管理技术和先进的建模专业知识，开发在铁路系统的自动故障检测、预测和健康管理方面的新知识；另一项研究是利用实时交通网络数据，在突发事件、事故或中断时，采用动态调配列车。”

基于传感器的悬挂系统监测

该项目的关键研究之一是设计一种全新的领域知识引导的数据驱动框架，通过测量安装在多个位置的传感器的实时列车振动信号来监测和预测高铁悬挂系统的健康状态。负责主持这项研究的数据科学学院助理教授李立帅博士表示：“悬挂系统在高铁中发挥着至关重要的作用。弹簧和减震器的失效可能加速车轮和钢轨磨损，而悬架损坏甚至可能增加脱轨风险。”

现有的方法主要依赖于复杂的动力学模型或仿真，需要精确的悬架和惯性参数值，因此很难在不同的轨道系统中使用，如果参数值不准确，结果可能会不准确。

面对这些限制因素，研究小组提出了一种可以经快速训练，并易于适应不同的铁路系统的模型。它包括一种基于简单动力学模型的特征提取方法，以选择多位置振动数据中的相关信息。此外，还包括一种通过简单的动态模型和影响分析生成训练数据集的新方法。

通过利用对中国内地铁路系统十个月的跟踪数据，以及不同实验室的模拟数据，研究小组对所提出的方法进行了评估和测试，证实了该方法的有效性。虽然还需要更多的实地测试来证明其有效性和可靠性，但李博士相信在不久的将来，所提出的方法将配合现有工具得到广泛应用。

分析上下车行为 

城大建筑学及土木工程学系卢兆明教授及其研究小组采用代理人基的计算机模拟模型，研究地铁车站内乘客上下车的动作及乘客不遵守规则行为所带来的影响。研究小组建议根据不同的客流量，采用不同的上下车规定, 以提高乘客上下车效率。

徐教授表示，在主题研究计划项目成果的基础上，他们正在与香港、台湾及中国内地的业界及大学合作伙伴开展多项研究，包括建立自动扶梯健康状况分析模型、根据车轮轮廓数据及多位置的振动数据监测高速列车车轮的磨损情况、应急管理的客流预测、交通调度和维护计划。

研究团队预计，所开发的前沿技术不仅有助于城市间和城市内铁路系统的安全和收益管理，还可作为一个原始模型，应用于其他复杂网络系统中，如航运、空中交通、电力传输、医疗保健系统、供应链管理、互联网连接和金融。

 

此文章收录于CityU RESEARCH。