Development and key system analysis of intelligent rail transit

doi:10.11772/j.issn.1001-9081.2024020246

Abstract

Abstract:

The rail transit with significant features of many lines， large traffic， complex environment， and high system integration is regarded as the main mode of transportation for residents. Currently， Artificial Intelligence （AI） based information processing， system optimization， and control technology have brought new challenges and opportunities for rail transit technology development. Firstly， starting from the recent advancements in intelligent development of rail transit both domestically and internationally， an analysis was conducted on strategic planning and development progress of various countries worldwide in the domain of intelligent rail transit. Then， from the perspectives of intelligent signal system， intelligent operation and maintenance system， intelligent passenger service system， and intelligent monitoring system， the intelligent system for rail transit was summed up. At the same time， development needs and key technological advancements of intelligentialization of this system were outlined. Finally， the future intelligent development of rail transit was summarized and prospected.

Key words: rail transit, Artificial Intelligence (AI), intelligent signaling system, intelligent operation and maintenance system, intelligent passenger service system, intelligent monitoring system

摘要：

轨道交通作为居民出行的主体交通方式，具有线路多、流量大、环境复杂和系统集成度高的显著特点。当前，基于人工智能（AI）的信息处理、系统优化和控制技术为轨道交通技术的发展带来了全新的机遇和挑战。首先，从近年来国内外轨道交通领域的智能化发展情况入手，分析了世界各国在轨道交通智能化方面的战略规划和发展进程；然后，围绕智能信号系统、智能运维系统、智慧乘客服务体系和智能监控系统这4个方面对轨道交通智能系统进行了归纳和总结，并梳理了该系统智能化的发展需求和关键技术进展；最后，对我国的轨道交通未来的智能化发展进行总结和展望。

关键词: 轨道交通, 人工智能, 智能信号系统, 智能运维系统, 智慧乘客服务体系, 智能监控系统

CLC Number:

TP29

Jingyu LI, Juxia DING. Development and key system analysis of intelligent rail transit[J]. Journal of Computer Applications, 0, (): 316-322.

李静瑜, 丁菊霞. 轨道交通智能化发展现状及关键系统分析[J]. 《计算机应用》唯一官方网站, 0, (): 316-322.

References 80

1	方守恩，王俊骅，傅挺. 道路交通系统本质安全提升技术展望［J］. 前瞻科技， 2023， 2（3）： 67-76.
2	李彬. 城市轨道交通：现状、发展与对策研究［D］. 成都：西南财经大学， 2012：1.
3	牟瑞芳. 交通环境承载力计算方法［J］. 交通运输工程与信息学报， 2006， 4（3）：30-34.
4	朱力，龚泰源，梁豪，等. 边缘智能在轨道交通中的应用：前景与展望［J］. 电子与信息学报， 2023， 45（4）： 1514-1528.
5	朱世东，周红. 国内外智能轨道交通发展态势及前沿技术动向研究［J］. 机械制造， 2017， 55（10）： 1-4.
6	郑纬民. 人工智能算力基础设施的设计、评测与优化［J］. 中国工业和信息化， 2023（6）： 32-38.
7	范向民，范俊君，田丰，等. 人机交互与人工智能：从交替浮沉到协同共进［J］. 中国科学：信息科学， 2019， 49（3）： 361-368.
8	冯瑾毅. 基于多源数据融合的人工智能发展脉络感知研究［D］. 北京：军事科学院， 2021： 12-14.
9	Stanford University. Human-Centered Artificial Intelligence. Artificial intelligence index report 2023［EB/OL］. ［2024-01-20］..
10	赵志君，庄馨予. 中国人工智能高质量发展：现状、问题与方略［J］. 改革， 2023（9）： 11-20.
11	新华社. 中共中央国务院印发《交通强国建设纲要》［EB/OL］. ［2024-01-20］..
12	伍晓晖，田启川. 交通标志识别方法综述［J］. 计算机工程与应用， 2020， 56（10）： 20-26.
13	张楠. 基于认知语义学的城市轨道交通标志设计研究［D］. 北京：北京交通大学， 2020：26-47.
14	吴成辉. 城市轨道交通门控系统监测研究［J］. 数字通信世界， 2018（12）：38-39.
15	李昂，孙士杰，张朝阳，等. 改进YOLOv5s的轨道障碍物检测模型轻量化研究［J］. 计算机工程与应用， 2023， 59（4）： 197-207.
16	戴鸿辉，耿晨歌，刘丹丹，等. 基于激光雷达的城轨交通障碍物检测算法研究［J］. 铁道科学与工程学报， 2023， 20（6）： 2350-2360.
17	王维，梁汝军，黄涛. 地铁列车障碍物视频识别系统设计［J］. 城市轨道交通研究， 2019， 22（6）： 166-169.
18	张铭，王富章，程超. 城市轨道交通设备故障聚类与贝叶斯网络预警［J］. 计算机工程与应用， 2016， 52（11）： 259-264.
19	张仪鹏. 基于支持向量机的城市轨道交通故障隐患预警方法研究［D］. 北京：北京交通大学， 2021： 64-66.
20	杨俊，薛明晨，祁成. 一种基于卡尔曼滤波和序贯概率比检验的空气弹簧泄漏故障预警方法［J］. 城市轨道交通研究， 2022， 25（7）： 60-64.
21	庞磊，任利剑，张哲浩，等. 基于乘降客流特征的轨道交通站点分类及客流量影响因素分析［J］. 交通运输系统工程与信息， 2023， 23（4）： 184-193.
22	李晓璐. 城市轨道交通客流特征分析与控制方法研究［D］. 北京：北京交通大学， 2021：42-87.
23	岳小雪，郑云水，林俊亭. 基于改进WNN的城市轨道交通客流量预测［J］. 计算机工程与应用， 2016， 52（11）： 227-232.
24	宁鑫. 轨道交通信号智能运维系统研究［J］. 铁道通信信号， 2023， 59（10）： 8-14.
25	王瑞锋. 基于智能检测监测与大数据技术的城市轨道交通智能运维管理［J］. 现代城市轨道交通， 2021（11）： 85-89.
26	尹文泽，李明航，徐栋，等. 基于“一车+一平台”综合运用模式的城市轨道交通基础设施智能运维系统［J］. 城市轨道交通研究， 2023， 26（10）： 162-167.
27	丁亚琦，黄贵发. 城市轨道交通车辆走行部轴承智能运维系统［J］. 城市轨道交通研究， 2023， 26（S1）： 8-14.
28	马建军，李平，邵赛，等. 智能高速铁路关键技术研究及发展路线图探讨［J］. 中国铁路， 2020（7）： 1-8.
29	甘超莹，甘建文，顾野. 基于图像识别技术的城市轨道交通车站智能视频监控系统的设计与应用［J］. 城市轨道交通研究， 2023， 26（2）： 76-80.
30	于山山，何怡刚，刘茂旭，等. 面向轨道交通智能监控的物联网技术研究［J］. 城市轨道交通研究， 2016， 19（10）： 10-12.
31	艾文伟，胡湲，陈悦勤，等. 智能语音技术在城市轨道交通客运服务中的应用［J］. 城市轨道交通研究， 2021， 24（3）： 152-157.
32	张森，于敏. 基于“互联网+”的城市轨道交通乘客智能服务模式探讨［J］. 都市快轨交通， 2021， 34（3）： 146-152.
33	周成尧，刘畅，邓瑾，等. 城市轨道交通智能列车乘客服务系统研究［J］. 现代城市轨道交通， 2020（8）： 20-26.
34	赵有明，方鸣，刘潍清. 欧洲轨道交通技术类研究项目综述［J］. 现代城市轨道交通， 2014（1）： 1-6.
35	贾利民，秦勇，王莉. 轨道交通科技发展的方向与任务［J］. 北京交通大学学报， 2016， 40（4）： 25-31.
36	The European Rail Research Advisory Council. Rail route 2050： the sustainable backbone of the single European transport area［EB/OL］. ［2024-01-20］..
37	王同军. 中国智能高速铁路2.0的内涵特征、体系架构与实施路径［J］. 铁路计算机应用， 2022， 31（7）： 1-9.
38	李平，邵赛，薛蕊，等. 国外铁路数字化与智能化发展趋势研究［J］. 中国铁路， 2019（2）： 25-31.
39	刘哲，徐新智，郭艳芬，等. 2℃温控目标下亚洲能源互联网构建［J］. 中国市场， 2021（10）： 47-49.
40	EDO Y. New JR East test train set to push the boundaries of high-speed rolling stock［EB/OL］. ［2024-01-20］..
41	AMOS P， BULLOCK D， SONDHI J. High-speed rail： the fast track to economic development？［EB/OL］. ［2024-01-20］..
42	WONG Y Z， HENSHER D A， MULLEY C. Mobility as a Service （MaaS）： charting a future context［J］. Transportation Research Part A： Policy and Practice， 2019， 131：5-19.
43	LOPEZ-CARREIRO I， MONZON A， LOPEZ E. MaaS implications in the smart city： a multi-stakeholder approach［J］. Sustainability， 2023， 15（14）： No.10832.
44	王开强. 北美轨道交通市场PTC系统［J］. 都市快轨交通， 2018， 31（6）： 150-153.
45	新华网. 日本东京中心区电车进行无人驾驶试验［EB/OL］. ［2024-01-20］..
46	刘泉，张莞莅，黄丁芳. 智慧TOD模式的空间规划布局—以日本柏叶智慧城市为例［J］. 现代城市研究， 2023（6）： 82-87.
47	铁路视点. 【技术创新】韩国自动导向城轨列车采用可调节透明度的智能车窗［EB/OL］. ［2024-01-20］..
48	云闲. 中国轨道交通行业发展现状及趋势分析［EB/OL］. ［2024-01-20］..
49	施仲衡. 自主创新，实现城市轨道交通高质量发展［J］. 都市快轨交通， 2020， 33（1）： 1-3， 21.
50	李义岭，喻彦喆，姚克民. 城市轨道交通智能化及可持续发展现状分析与展望［J］. 现代城市轨道交通， 2021（11）： 90-94.
51	卢春房，张航，陈明玉. 新时代背景下的交通运输高质量发展［J］. 中国公路学报， 2021， 34（6）： 1-9.
52	李文俊. 城市轨道线网运营调度大数据服务平台及其应用［J］. 铁路计算机应用， 2023， 32（5）： 74-79.
53	马建军，朱建生，沈海燕，等. 铁路信息化、数字化、智能化关系演化模型及评估方法［J］. 铁道科学与工程学报， 2023， 20（3）： 824-835.
54	施仲衡，丁树奎. 城市轨道交通绿色低碳发展策略［J］. 都市快轨交通， 2022， 35（1）：1-4.
55	中国城市轨道交通协会. 2022年度城市轨道交通科技进步奖获奖项目展示（上）［EB/OL］. ［2024-01-20］..
56	中国城市轨道交通协会. 2023年度城市轨道交通科技进步奖获奖项目公告［EB/OL］. ［2024-04-20］..
57	中华人民共和国国家发展和改革委员会. 国家《中长期铁路网规划》内容简介［EB/OL］. ［2024-01-20］..
58	中共中央国务院. 国务院关于印发“十三五”国家战略性新兴产业发展规划的通知［EB/OL］. ［2024-01-20］..
59	中国国家铁路集团有限公司. 新时代交通强国铁路先行规划纲要［EB/OL］. ［2024-01-20］..
60	中国交通新闻网. 《加快建设交通强国五年行动计划（2023— 2027年）》印发实施［EB/OL］. ［2024-01-20］..
61	付保明，王健，张宁，等. 基于云模型的城市轨道交通短时客流预测［J］. 城市轨道交通研究， 2018， 21（4）： 61-65.
62	张良. 基于数字孪生的轨道交通智能化运营研究［C］// 第七届全国智慧城市与轨道交通学术会议论文集：智慧城市与轨道交通2023. 北京：中国城市出版社， 2023： 156-159.
63	邹海平. 城市轨道交通全自动运行系统站台门与信号系统集成方案研究［J］. 城市轨道交通研究， 2023， 26（6）： 261-266.
64	刘智平，刘建，罗志刚. 都市圈轨道交通信号系统技术升级方案［J］. 城市轨道交通研究， 2023， 26（S2）： 107-111.
65	何文青. 轨道交通全自动无人驾驶运营信号系统应用研究［D］. 武汉：华中科技大学， 2022： 19-24.
66	FENG J， XU J， LIAO W， et al. Review on the traction system sensor technology of a rail transit train［J］. Sensors， 2017， 17（6）： No.1356.
67	王鹏，岳林，穆进超，等. CTCS-3级ATP无线通信技术自主化研究［J］. 中国铁路， 2018（9）： 11-14.
68	冯峥. 基于通信的列车自动防护系统（ATP）关键技术研究［D］. 长沙：中南大学， 2013：44-46.
69	康仁伟. 基于机器学习的高铁ATP系统智能运维研究［D］. 北京：北京交通大学， 2022：5-9.
70	冯晨江. 基于自抗扰控制的高速列车自动驾驶的控制策略研究［D］. 兰州：兰州交通大学， 2023： 6-7.
71	王怀松，陈荣武，易立富，等. 视景仿真技术在郑州地铁1号线列车自动监控系统中的应用［J］. 城市轨道交通研究， 2017， 20（12）： 130-133.
72	刘明霞. 无人驾驶线路列车自动监控系统与综合监控系统集成方案研究［J］. 城市轨道交通研究， 2020， 23（S2）： 70-74.
73	NGUYEN H， KIEU L M， WEN T， et al. Deep learning methods in transportation domain： a review［J］. IET Intelligent Transport Systems， 2018， 12（9）： 998-1004.
74	TURNER C J， EMMANOUILIDIS C， TOMIYAMA T， et al. Intelligent decision support for maintenance： an overview and future trends［J］. International Journal of Computer Integrated Manufacturing， 2019， 32（10）： 936-959.
75	谭文举. 轨道交通全自动运行条件下运营场景设计及智能运维研究［D］. 北京：北京交通大学， 2020： 61-72.
76	ACHOUCH M， DIMITROVA M， ZIANE K， et al. On predictive maintenance in industry 4.0： overview， models， and challenges［J］. Applied Sciences， 2022， 12（16）： No.8081.
77	ANTOSZ K， PASKO L， GOLA A. The use of artificial intelligence methods to assess the effectiveness of lean maintenance concept implementation in manufacturing enterprises［J］. Applied Sciences， 2020， 10（21）： No.7922.
78	徐丽芬. 轨道交通供电系统智能运维平台研究与应用［J］. 运输经理世界， 2023（22）： 67-69.
79	李迪识. 基于大数据的铁路通信网智能运维技术研究［D］. 北京：中国铁道科学研究院， 2023： 1-15.
80	姜仕军，徐晓晨，徐燕芬，等. IoTDB物联网数据库在城市轨道交通车辆智能运维系统中的应用［J］. 城市轨道交通研究， 2021， 24（9）： 207-211.

[1]	Yuemei XU, Ling HU, Jiayi ZHAO, Wanze DU, Wenqing WANG. Technology application prospects and risk challenges of large language models [J]. Journal of Computer Applications, 2024, 44(6): 1655-1662.
[2]	Wenze CHAI, Jing FAN, Shukui SUN, Yiming LIANG, Jingfeng LIU. Overview of deep metric learning [J]. Journal of Computer Applications, 2024, 44(10): 2995-3010.
[3]	Tong CHEN, Jiwei WEI, Shiyuan HE, Jingkuan SONG, Yang YANG. Adversarial training method with adaptive attack strength [J]. Journal of Computer Applications, 2024, 44(1): 94-100.
[4]	Jian CUI, Kailang MA, Yu SUN, Dou WANG, Junliang ZHOU. Deep explainable method for encrypted traffic classification [J]. Journal of Computer Applications, 2023, 43(4): 1151-1159.
[5]	Pengxin TIAN, Guannan SI, Zhaoliang AN, Jianxin LI, Fengyu ZHOU. Survey of data-driven intelligent cloud-edge collaboration [J]. Journal of Computer Applications, 2023, 43(10): 3162-3169.
[6]	Jiaxuan WEI, Shikang DU, Zhixuan YU, Ruisheng ZHANG. Review of white-box adversarial attack technologies in image classification [J]. Journal of Computer Applications, 2022, 42(9): 2732-2741.
[7]	LIU Zichen, LI Xiaojuan, WEI Wei. Automatic patent price evaluation based on recurrent neural network [J]. Journal of Computer Applications, 2021, 41(9): 2532-2538.
[8]	Tian LI, Shumei ZHANG, Junli ZHAO. Design and implementation of intelligent flow field pathfinding algorithm for real-time strategy game [J]. Journal of Computer Applications, 2020, 40(2): 602-607.
[9]	ZHANG Junjie, SUN Guangmin, ZHENG Kun. Review of gaze tracking and its application in intelligent education [J]. Journal of Computer Applications, 2020, 40(11): 3346-3356.
[10]	WEI Xiaona, LI Yinghao, WANG Zhenyu, LI Haozun, WANG Hongzhi. Methods of training data augmentation for medical image artificial intelligence aided diagnosis [J]. Journal of Computer Applications, 2019, 39(9): 2558-2567.
[11]	ZHANG Qiang, YANG Jian, FU Lizhen. Two-input stream deep deconvolution neural network for interpolation and recognition [J]. Journal of Computer Applications, 2019, 39(8): 2271-2275.
[12]	LIU Jie, HE Shengxue, ZHANG Haodong. Optimization analysis for serial bottleneck system of urban rail transit station [J]. Journal of Computer Applications, 2016, 36(1): 271-274.
[13]	LI Shaowei CHEN Yongsheng. Design and implement of simulation platform for urban rail transit system [J]. Journal of Computer Applications, 2014, 34(3): 879-883.
[14]	YE Tingdong HUANG Guojian HONG Xiaobin. Data Exchanging Technology Research of Intelligent Measuring and Control system Based on IEEE1451 [J]. Journal of Computer Applications, 2013, 33(04): 1183-1186.
[15]	ZENG Hua-shen ZHU Huai-fang. Smart rail transportation and its system architecture [J]. Journal of Computer Applications, 2012, 32(05): 1191-1195.