轨道交通神经网络的研究

王文华

（中国铁道科学研究院集团有限公司国家铁道试验中心，北京 100015）

轨道交通由车、机、工、电、辆、人员等要素组成，在业务方面包括运输组织、客货服务、经营管理、建设管理和安全保障等作业内容。随着信息技术在轨道交通领域的广泛应用，信息网络覆盖并延伸到轨道交通的各个要素和业务领域。轨道交通的生产与管理向着智能化和管控一体化方向的进一步发展，对于轨道交通这一复杂巨型系统，构建数字化、智能化轨道交通尤为重要。因此，轨道交通神经网络研究和应用势在必行。

1 轨道交通网络构成

随着轨道交通技术的快速发展，需要网络承载的传输业务越来越多，网络吞吐量、可靠性等要求越来越高。大量的轨道交通信息如列车控制信息、诊断信息、视频监视信息、旅客信息[1]及多种多媒体信息传输等利用日益复杂化的网络结构进行传输。目前，轨道交通网络平台包括既有的列车骨干网、GSM-R、地面SDH 传输网络和IP数据网络。随着物联网技术的发展，大量的智能传感系统部署到轨道交通的设备、设施上，实时获取轨道交通的线路状态、列车行车状态、环境状况等的状态信息。轨道交通网络平台与智能传感器相互融合：智能传感系统获取的传感信息并通过轨道交通网络进行大容量传输；利用信息处理技术，对实时监测的信息进行融合联动、汇总分析、综合运用；并通过轨道交通网络，向轨道交通管理人员提供可视化表达。从而能够判定设备安全隐患、灾害，提供及时准确的灾害报警和预警功能，即时采取相应的紧急预防或处置措施。轨道交通网络平台如图1所示。

图1 轨道交通网络平台

轨道交通网络传感器网络覆盖工务、机务、车辆、电务、供电等各专业子系统，部署在各专业子系统中的传感器对固定设施、移动设备定期的、不定时地进行巡检，对轨道交通沿线、周边环境和人员活动进行实时的监测。这些传感器构成的系统连接起来形成涵盖“人·机·环境”的网络监测平台，涉及轨道交通安全有关的设施、设备、环境、人员。

（1）列车运行监测系统中包含应答器信息接收单元（BTM）、轨道电路信息读取单元（机车信号）、速度传感器、压力传感器等传感设备，可提供轨道电路信息、人机交互指令和列车状态等信息[2]。列车运行监测系统结合GPS及地理信息系统，可获取指定列车的详细运行信息。

（2）自然灾害及异物侵限监测系统主要是对轨道交通沿线的风、雨、雪、地震、异物侵入等环境因素进行监测。

（3）电力监测主要依靠传感器对全线的电力系统状况进行状态监控，监测铁路沿线各个变电所的设备和关键点状况，包括电压、电流、开关、电源等的状态信息。

（4）信号监测实现铁路沿线的车站进路和信号机状态监测。

（5）车辆运行安全监控体系主要由5T（THDS、TPDS、TFDS、TADS、TCDS）构成，并结合车号自动识别系统，对车辆的轴承温度、运行状态（轴重、超偏载、踏面擦伤等）、运行故障、轴承工作状态、客车运行关键部件等进行监测。

（6）线桥隧监测主要在桥梁隧道周边部署相关传感装备，对影响状态的周边环境、水位、性能状态等信息监测需要进行实时监控。

（7）综合视频监测可实现对轨道交通沿线重点区域、重点设施、车站、乘客、作业人员等进行实时监控，对车站、供电设备、通信设备、周边环境、列车运行状态等传感成像。

2 神经网络基本原理

神经网络（人工神经网络，artificial neural network，缩写ANN），是模拟生物神经网络结构和功能的数学或计算模型。生物神经网络由大量的神经元相互连接构成。生物神经网络的建立，是相互连接的神经元不断接收并传导外界刺激的过程。神经元不断调整彼此间的连接强度直到达到稳定状态，并最终对刺激做出反应，生物神经网络形成。与生物神经网络类似，人工神经网络包括感知、模式加工、动作输出等部分，大量具有感知、计算、传递和存储能力的人工神经元按照特定的拓扑结构连接起来，形成了具有大规模并行处理和存储能力的网络处理系统。

人工神经元是人工神经网络的基本处理单元，又被称为神经元或节点。人工神经元可被抽象为数学模型，包括突触、加法器、激活函数三部分：①突触或连接键，每一个都由其权值或强度作为特征。②加法器，用于求取各输入信号和神经元的相应突触加权的和。③激活函数，也称传输函数，起到非线性映射的作用，同时也规定了神经元输出的阈值。目前，神经网络与进化论、专家系统、模糊识别以及众多学科融合发展，不再是单一的数学模型。不同的神经网络模型，神经元的分类有所不同，但都包含输入神经元、输出神经元、隐含神经元三种类型。输入神经元将感知信息传输到神经网络中，输出神经元向外部输出运算后的结果信息。隐含神经元负责学习和处理信息，不与外部发生直接联系。

神经网络中神经元之间的连接方式决定了神经网络的处理能力。按照连接模式，神经网络可分为前馈式神经网络、反馈式神经网络、复杂神经网络等多种模型。

在前馈式神经网络中，神经元只能接受前面神经元的输出信息，网络中不存在回路。反馈式神经网络中存在闭合回路，神经元可以接受后面神经元的输出信息，可通过闭合回路调整神经网络以提高网络的学习能力和性能。

复杂神经网络由数量巨大的具有自己特性的节点组成，节点之间相互连接构成了高度复杂的网络结构，具有自组织、自相似等特性。

不同的神经网络模型，学习、处理能力和应用领域也不相同。反复向人工神经网络输入一组数据，不断调整节点间的连接权重，直到输入特定的输入产生期望的输出。不断输入数据，训练神经网络，增加其可靠性。此时，神经网络具有识别、分析、预测能力。

3 轨道交通神经网络模型建立与设计

将与人类大脑处理问题相类似的神经网络应用于轨道交通智能评判决策的方案将开拓一个崭新的应用领域。其目标是：基于现有的轨道交通网络系统和传感系统，借助复杂神经网络和其学习、预测能力，根据轨道交通的相关标准、规则、基础参数，以及相关的地理、天气等专业知识对轨道交通总体运行状态进行感知、分析和推理，为轨道交通的运营决策提供专家级的参考方案，从而使轨道交通运营管理更加的合理，科学有效。

轨道交通神经网络是复杂的、多种子神经网络构成的综合型网络模型。在横向上，轨道交通神经网络模型由列车、机务、车辆、工务、电务和调度指挥6类子网络模型构成，列车、机务、车辆、工务、电务和调度指挥等都是信息网络上的节点，都是独立的子神经网络。各子神经网络相互连接在一起，构成了复杂神经网络，各子神经网络间相互作用，进而对整个轨道交通运营体系产生影响。为提升轨道交通神经网络模型的准确性，各子神经网络内部采用反馈式网络模型进行训练，由各子神经网络构成的复杂网络模型采用自组织映射模型进行聚类。在纵向上，轨道交通神经网络模型由总公司、路局、站段等各级神经网络构成，权值由管理组织结构、调度指挥、工作规程习惯等规则综合构成。根据管理体系授权，感知信息和决策控制信息按层次传递分发。

现在大部分车辆线路上发生故障只能在动车组回库后，通过检查线路、试验和测试的方法进行故障处理。运用轨道交通神经网络建模，基于神经网络模型的轨道交通网络，列车、调度、工务等都是神经网络的基本单元，也就是独立的子神经网络，具有适度独立决策处理能力，各子神经网络（即基本单元）可以根据需要建立多个突触，并通过突触获取感知信息，各子神经网络根据规则赋予突触不同的权重和采集频率。例如，列车对变化的运行环境、设备状态的信息实时感知，经过传递函数（规则、历史数据、设备参数）处理（数据分析和自学习）形成针对其他节点所需要的信息，并把信息通过突触传递给其他子神经网络（调度、工务等子神经网络）。轨道交通神经网络具有并行计算、分布式信息存储和自适应学习能力。提供给神经网络的信息越多、越全面，网络的性能越高，准确性越好。在轨道交通神经网络中，接入全部的传感系统，可以更好地完成监测、预测等任务。轨道交通神经网络构成图如图2所示。

图2 轨道交通神经网络

轨道交通神经网络不是简单的多个反馈式神经网络的组合，而是复杂的多种子神经网络组合构成复杂神经网络，多种子神经网络保序映射，通过自组织聚类形成根据重要度的类别排序。它将多个系统的判断结果综合起来形成最终判断，并将最终判断反馈给各子系统，用于更新它们的判断，进而改进整个系统的性能[3]。轨道交通神经网络基本模型如图3所示，轨道交通神经网络感知、判断具体步骤流程如图4所示。

轨道交通神经网络应用到轨道交通安全监测、预测系统。轨道交通神经网络的节点包含调度节点、工务节点和行进列车节点3大类，主要包括机务系统（机务节点）、工务系统（工务节点）、运行列车、调度系统等节点，这些节点具有适度独立决策处理能力，各神经元节点之间通过连接传递信息。轨道交通神经元节点一直保持并及时更新发布到突触上的信息，相关神经元节点根据授权和需要通过相联系的突触采集信息。通过相应的突触相互连接，轨道交通各个组件自行决策并互相传递决策信息，进而自发形成某些规则下的有序状态，实现列车的自适应运行[4]。

图3 轨道交通神经网络基本模型

图4 轨道交通神经网络感知、判断步骤

4 结语

通过对轨道交通的关键设施设备及系统的相关属性、参数和状态的全方位感知，利用轨道交通网络对感知信息融合处理，搭建轨道交通神经网络模型，利用神经网络对轨道交通所有资源及其运行环境时空变化进行建模，实现状态感知、大容量传输、融合处理和可视化表达，协调优化轨道交通各业务流程和各类资源，达到轨道交通自检测、自诊断、自决策的目标，以较低成本达到保障安全、提高运输效率、改善经营管理等目的。