基于动态多源数据采集的铁路车辆装载状况检测和智能分析系统

张志国，傅健，辛向党，李建国，2

(1.中国铁路兰州局集团有限公司 货运部，甘肃 兰州 730000；2.兰州交通大学 高原铁路运输智慧管控铁路行业重点实验室，甘肃 兰州 730070)

0 引言

现代铁路货物运输已融合物联网、大数据和人工智能等高新技术[1]，以提高效率、安全性和可持续性。这些技术应用对现代供应链至关重要，满足了不断增长的物流需求。王宴平[2]对铁路集装箱装载质量智能检测需求进行分析，从设计原则、总体架构及组成、工作原理及流程和关键技术提出了铁路集装箱装载质量智能检测系统技术方案。伍忠国等[3]通过分析铁路货运场站安全风险评价现状，从货物受理、货物交接、货物装卸、货物仓储以及货物交付等方面，构建铁路货运场站安全风险评价体系。高飞等[4]提出了铁路危险货物运输安全监管的优化策略，以满足当前社会发展需求。武慧杰等[5]基于5G通信技术对于铁路危险货物运输监测方案进行了优化研究，实现信息系统之间的数据共享与互联互通，为铁路货运监测的多源数据融合提供了新的思路。何苗[6]分析了铁路货运隐患特点，对铁路货运隐患提出了精细化管理，设计了货运安全综合指数与计算方法。刘宗洋等[7]通过分析既有铁路货运安全监控系统现状，提出了货运设备统一接入架构和铁路局集团公司前置服务器设计方案，构建了面向货运全过程的安全监控应用功能框架，设计了安全监控应用的主要功能。

综上所述，既有研究多对铁路货运安全性的评价、监管优化、通信技术应用等方面进行探讨，为解决铁路货运安全性方面的问题提供有价值的参考，但对铁路车辆装载状况的检测与智能分析的研究讨论较少。为更好地满足未来的运输需求，研究设计一套铁路车辆装载状况检测和智能分析系统，以提高铁路货运的可持续性、安全性和效率。

1 铁路车辆装载状况检测现状

铁路货物运输在国民经济、民生工程和综合交通系统中具有至关重要的地位，而其安全性直接影响着社会的经济效益[8]。目前，铁路货运安全检测主要依赖现场助理值班员和货运员的观察，负责列车作业和货物状态检查，包括货物状况、车体状态和车轮状态等，以确保列车的正常运行。

传统人工检测方式要求作业人员具备高度的工作经验和专业素养[9]，存在具体问题如下。①助理值班员可能因身体和环境因素，难以同时兼顾出发场接发列车的工作，他们需要处理许多任务，如撤防溜、摘挂列尾装置、交付行车凭证、检查关门车等，难以有效执行所有职责。②当列车到达前，线路不允许行人横穿，助理值班员只能站在一侧，视线受到列车遮挡和观察角度限制，通常只能观察到列车一侧的运行状况，难以实现全面监测。③作业人员的人身安全面临风险，随着铁路货运量的增加和列车密度的上升，列车交会频繁，使得作业人员频繁穿越铁路，甚至涉及危险的横越行为，对其人身安全构成潜在威胁。④存在部分作业人员工作态度不严谨，专业素养不高，使得现场作业难以进行实时监控，导致潜在问题无法及时发现。⑤作业人员缺乏经验或精神状态不佳，可能导致潜在的事故风险未被及时察觉，如事故发生，准确确定事故发生的时间和地点变得困难，监测数据无法追溯查询，且人工观察数据的保存和检索也存在不便之处。

虽然部分铁路现场配备了铁路货运安全检测监控与管理系统，但现有的铁路货运安全检测监控与管理系统存在设备固定，灵活性低、布设成本较高；检测设备较少，难以获取多种关键数据；传输方式及供电方式单一，难以应对突发状况；智能化程度不高，无法进行分析和及时处理等问题。

鉴于上述情况，设计货车装载状况智能监测系统具有重要意义，可有助于确保铁路货运的安全性，提升货运检测效率，推动货运安全检测朝着更主动、智能化的方向发展。通过采用多模态传感器技术，研究集动态多源数据采集、分析、处理于一体的铁路车辆装载状况检测和智能分析系统，对货车装载状况进行智能分析和处理，解决货物运输动态安全关键技术问题。

2 铁路车辆装载状况检测和智能分析系统技术方案

2.1 硬件技术方案

铁路车辆装载状况检测和智能分析系统涉及的硬件设备众多，主要包括雷视融合一体机、温湿度传感器、热成像仪等，这些硬件设备能够对车辆装载状况相关数据进行实时采集，起到对车窗门开启、车身异物、篷布飘起等状况的感知作用。系统硬件连接体系采用混合连接方式，在同一数据传输主线上，将雷视融合一体机、温湿度传感器、热成像仪、车号识别装置并联连接并与边缘计算机串联，多个传感器并联可以同时向边缘计算机发送数据，而不需要等待前一个设备完成，避免因单个设备故障造成系统瘫痪。由边缘计算机处理完数据之后向室内服务器及管理员发送处理结果信息。硬件连接体系结构如图1所示。

图1 硬件连接体系结构Fig.1 Hardware connection architecture

根据铁路货物运输业务的独特性质，铁路车辆装载状况检测和智能分析系统通过图表形式呈现在途货物运输相关信息，以监测货物装载状况，从而全面了解货物运输的状态，为决策者提供关键的数据，以应对潜在的问题和突发情况，确保货物运输的顺利和安全。铁路车辆装载状况检测和智能分析系统体系结构如图2所示，体系结构主要分为4层。

图2 系统体系结构Fig.2 System architecture

（1）物理层，即数据收集层，使用不同传感器获取车辆装载状况的相关数据。例如，温湿度传感器用于测量线路附近温、湿度的变化；热成像仪快速识别货物装载区域中的热点，帮助检测货物中潜在的异常情况，如异常发热、温度不均匀等；雷视一体机用于获取车辆装载货物的图像及位置坐标，帮助工作人员监测装载货物的状态信息，同时根据采集的雷达点云信息来检测货物装载区域中的高度差异，确保在运输过程中货物的均匀分布，避免不稳定的装载状况。通过布置合适的传感器，实时监测车辆的各项参数。该系统的物理层设备相比传统的监测设备安装位置更加多元，且造价较低。

（2）传输层，是物理层与处理层、处理层与应用层之间的桥梁。实现将物理层采集到的数据传递给边缘计算机，并将边缘计算器计算结果发送给室内服务器及应用层。传输层的传输方式主要分为2种。第一种为RS485接口有线传输，具有速度快、传输质量高等优点。物理层的数据采集设备位置相对固定，且具有一致的电气特性。故采用RS485有线传输，数据通信运用标准的ModBus通信协议，用于物理层向边缘计算机的信息传递，充分发挥其传输优势。第二种为窄带物联网(NB-IOT)传输方式，具有传输距离远、信号稳定等优势，故使用NB-IOT进行由边缘计算器向室内服务器及应用层的信息数据传输。

（3）处理层，由边缘计算机及室内服务器组成，是整个系统的核心，包括算法、模型、数据分析、决策支持和软件应用。边缘计算器安装在检测门附近，室内服务器布设于铁路局集团公司调度所。边缘计算机用来对每一条监测线路上的货物状况、车体状态和车轮状态进行识别监测，在收到物理层传输来的数据后对数据进行预处理、融合、分析，并将结果反馈给室内服务器及应用层。室内服务器用于对每一条监测线路上的边缘计算机处理的结果进行汇总、分析、储存、留档存储于铁路数据库中，方便调用查询。

（4）应用层，可根据识别和预测结果进行危险等级判定，通过可视化界面将预测和预警信息直观地展示给铁路企业与货主，包括车辆装载状况的实时监测图表、分析结果的可视化展示、异常情况的报警提示等，及时地为工作人员提供决策支持，并帮助对工作人员进行岗位培训。同时可以根据用户功能需求，对边缘计算器响应的信息进行分类，输出至监测数据可视化模块、图表生成模块、决策支持模块、用户界面模块、数据交互模块以及安全与权限控制模块，提供操作人员与系统交互界面，可视化呈现监测数据、分析结果和决策支持信息。铁路企业或货主可以通过应用层与系统互动，获取有关装载状况的信息。

2.2 软件技术方案

铁路车辆装载状况检测和智能分析系统软件由4部分组成，这4部分与硬件体系结构相对应。软件体系结构如图3所示。

图3 软件体系结构Fig.3 Software architecture

（1）多模态数据获取。系统支持多种传感器类型，通过架设在安全门上的雷视一体机，可以提供多角度的列车及其运载货物的视频监控，同时也可以提供列车的雷达点云信息；通过车号自动识别装置可以识别列车的车种及车号；通过温湿度传感器及热成像仪可以采集周围的区域温度及货物的温湿度；通过雷达点云数据获取2件货物之间的高差。系统内部各个模块支持ModBus数据采集协议，确保数据传输的连续性。在多模态数据获取过程中，各种数据源的同步性非常重要，系统能够精确记录各个数据源的时间戳，以便后续的数据分析和比对。

（2）多源数据智能融合。在进行数据融合前，系统对每一个时间切片下来自不同传感器和数据源的数据进行预处理，包括视频图像分割、雷达点云数据去噪、区域热成像图像灰度处理及相机-雷达-热成像坐标域转化等操作。将处理完的视频图像、雷达点云、红外温度数据整合到一个统一的数据模型中，其中涉及到数据格式转换、单位标准化等操作。不同传感器和数据源可能以不同的时间频率和时间戳产生数据，系统通过数据对齐功能，将数据按照统一的时间基准进行同步。

（3）多源数据集智能处理。对融合后的多源数据集进行处理，应用数据挖掘技术进行分析，包括三维分析、关键点分析、温湿度关联分析、不同货箱温度分析和基础设备状态分析等，通过对各类信息数据的分析，提取出各类信息的数据特征，使用聚类算法对车辆装载状况进行分类，采用关联规则挖掘发现不同因素之间的关系。

（4）智能分析。将融合数据集处理后提取到的视频图像特征、雷达点云特征、区域温度特征输入已训练好的支持向量机模型中，分析识别车辆装载状态及是否出现窗门开启、车身异物、篷布飘起等异常情况[10]。同时，在移动端布设APP，实现车辆装载状况数据报告的可视化分析，为相关管理人员提供决策支持。

2.3 设备整体控制逻辑

铁路货物运输系统的控制逻辑是确保系统正常运行、安全运输的关键因素。在实际应用中，需要根据系统的需求、运营要求和安全标准，选择和实施不同的控制策略。这些控制方法主要分为手动、自动、远程和自动故障恢复等方式。每种方式都有其特定的应用场景和优势，通过合理的组合和运用，可以进一步提高系统的运行效率和安全性。

（1）手动控制。当需要进行特殊任务或系统的启停时，操作员可通过物理界面、控制面板或命令行等方式手动触发系统运行或关闭。手动控制方式在铁路货物运输中主要用于特殊任务或系统的启停操作。这种方式可以赋予操作员对系统运行的主动控制权，但在操作过程中也容易出现人为失误。因此，需要加强操作员的培训和规范操作流程，以减少人为因素对系统运行的影响。

（2）自动控制。自动控制方式让系统按照预定的时间表、周期或条件自主运行。这种方式在铁路货物运输中主要用于常规运营和数据采集，可以大大提高系统的运行效率和稳定性。通过自动化控制，可以减少人工干预和操作失误的风险，降低运营成本。

（3）远程控制。远程控制方式使得操作员能够通过安全的远程通信渠道来管理系统的运行状态。这种方式特别适用于地理位置分散的大型铁路货物运输系统。通过远程控制，操作员可以实时监控和管理系统的运行状态，及时发现并解决问题，提高系统的可靠性和响应速度。

（4）自动故障恢复。面对不可预测的系统故障，自动故障恢复机制能够自动识别并采取措施，确保系统的稳定性和可用性。这种机制可以大大减少潜在的业务中断风险，提高系统的可靠性和稳定性。通过自动故障恢复机制，系统可以在发生故障时自动采取相应的措施，如重启、切换备用设备等，快速恢复系统的正常运行。同时，自动故障恢复机制还可以通过实时监测和数据分析，提前预警潜在的故障风险，为预防性维护提供支持。

在铁路货物运输系统中，选择合适的控制逻辑需要根据实际需求和场景进行综合考虑。对于特定的任务或情况，可能需要结合使用多种控制策略以达到最佳的效果。例如，在装载状况监测中，可以通过自动和远程控制逻辑的结合使用，实现实时监控、数据采集和预警功能。同时，为了提高系统的安全性和稳定性，还需要不断优化控制逻辑，更新和维护系统组件，确保其适应不断变化的环境和需求。

3 铁路车辆装载状况检测和智能分析系统功能

铁路车辆装载状况检测和智能分析系统功能模块主要分为：基础信息管理模块、检测门系统模块、警报系统模块、应用维护模块4个模块，铁路车辆装载状况检测和智能分析功能模块如图4所示。

图4 铁路车辆装载状况检测和智能分析功能模块Fig.4 Railway vehicle load condition detection and intelligent analysis function module

（1）基础信息模块。该模块用于管理铁路车辆、装载货物和相关设备等基础信息有关的数据。主要功能有车辆信息管理，包括车辆类型、车辆所有者、注册信息等；货物信息管理，包括货物类型、数量、重量等；设备信息管理，记录采集设备及处理设备的安装日期、使用年限及使用程度，方便对设备进行及时的维护。这个模块的任务是确保系统能够准确识别和记录所有与铁路车辆装载有关的基础信息。

（2）检测门系统模块。该模块是系统的核心，用于动态多源数据采集和装载状况检测。主要功能包括车种车号识别、区域热点识别、重量测量、线路附近温度和湿度测量等。通过检测门系统能够实时监测铁路车辆的装载状态，包括货物分布、稳定性、装载情况等。

（3）警报系统模块。该模块负责监测检测门系统的输出和其他传感器数据，以检测潜在的问题或异常情况。当系统检测到装载状态异常、超载及周围温湿度超过阈值等情况时，该模块会触发警报。警报可以通过多种通信方式，如短信、电子邮件、报警声音等，通知相关人员以及系统管理员。

（4）应用维护模块。该模块主要是对提供给用户的可视化应用进行维护、更新；创建直观、用户友好的界面，以便操作员和其他用户能够快速理解并与系统互动；处理数据的存储、检索和管理，开发防火墙、漏洞检测功能；定期进行系统维护与更新，确保系统的稳定性和性能。

4 系统技术优势与应用效果

4.1 技术优势

根据国内外铁路货物运输实际情况，对比现有的铁路货运安全检测监控技术具备以下4点优势。

（1）铁路车辆装载状况检测和智能分析系统通过整合来自多个传感器的数据，可以获得更丰富、更全面的数据集，综合利用不同数据源的优势，发现数据之间的关联和趋势。

（2）各个传感器向边缘计算机的传输采用RS485有线传输，其支持大规模的设备连接，可以通过优化网络资源和协议，实现更多的设备连接，从而构建大规模的物联网生态系统。

（3）相比传统的宽带传输方式，窄带传输可以更有效地传输小规模的数据，适用于物联网设备和传感器等资源受限，以及大规模部署和长期运行的应用场景，符合铁路现场的要求。

（4）使用先进的机器学习、数据挖掘和人工智能算法对动态多源数据集进行智能分析和处理，这些算法可以发现数据中的模式、关联和趋势，从而提取有价值的信息。

4.2 应用效果分析

（1）高度准确地获取铁路车辆的装载状态，包括现场的视频信息、列车及装载货物的雷达点云信息、周围的温度场信息，从中可以查询到货物分布、稳定性和周围区域温湿度情况，从而降低运输过程中因装载问题或列车故障导致的货物损失。

（2）利用机器学习算法识别分析列车及装载货物状态。从获取到的视频图像、雷达点云、热成像数据中提取出车辆装载状态的数据信息特征，将其输入到训练好的机器学习模型中，实时分析列车状态及装载货物的状态，当出现车窗门开启、车身异物、篷布飘起、篷布破损、货物超限和卷钢移位等情况时，能够迅速触发警报并采取纠正措施，有力地提高运输的安全性。

（3）设备可以提前了解设备故障、零部件寿命和设备更换时机，使运营维护人员能够及时采取措施，减少非计划维护时间，降低维护和修理成本，提高车辆和设备可用性。铁路车辆装载状况检测和智能分析系统可自动化检测装载过程，减少了人工劳动和时间成本。

（4）系统展现出良好的运行稳定性和可靠性，能够在不同环境条件下持续运行，降低了维护成本和风险。同时具备强大的安全措施，防止未经授权的访问和操纵，保护数据的安全性。

5 结束语

基于动态多源数据采集的铁路车辆装载状况检测和智能分析系统，是传统铁路货检智能监测设备的延伸，选用雷视一体机与多传感器融合，利用智能识别技术对车窗门开启、车身异物、篷布破损、货物超限等异常情况进行识别，并针对采集和处理的多模态数据通过人工智能技术进行特征分析，可以为实现事故预案制定奠定数据基础。目前该系统使用情况良好，可通过数据可视化为铁路企业和货主提供列车装载监测、智能分析和预警支持，未来还需进一步在真实复杂环境中进行实际应用，不断优化技术与系统功能。