• 分析
  • AI.
  • 数据分析
  • 关键基础设施

AI如何影响铁路行业

汉娜戴维斯
2021年6月18日

hth下载指导洞察力

有超过14万英里的铁路轨道,遍布美国,运输人员,商品和关键材料。我们都骑在火车上或计算了等待一个人去的几分钟 - 但你有没有考虑过的铁路和训练是如何保持的?hth下载指导洞察力相信AI和先进的分析将彻底改变铁路的检查和监测,在成本节省,工人安全和效率收益方面提供了重要的机会。

全球铁路网络的大小以及安装基础设施的年龄,需要恒定和彻底的检查和维护。维持铁轨和设备的成本是陡峭的,占美国铁路运营收入的20%-33%,在CAPEX和维护中再投资。与其他运输方式相比,这是维护网络所需的最高收入百分比之一,达到每年近250亿美元

AI改善检查方法

传统的铁路和雷尔卡检验需要轨道上的占用,而是由工人操作的专业设备必须在跟踪来执行任务。这些检测方法昂贵,从设备和劳动力的角度来看,为工人提供安全问题。在轨道检查中也经常导致物流问题,延误和未经安排的下降时间。

使用传统方法,每天可以检查估计的20英里的轨道。了解这一限制,在2020年,联邦铁路管理局(FRA)修订铁路完整性和跟踪安全标准降低成本,激励创新,提高铁路行业和公众的安全。作为本修订的一部分,FRA批准了几种新的改进的检查方法,例如连续轨道测试。这些方法可以允许80-160英里的轨道每天进行评估。

随着法规的发展,使用包括AI,机器学习和机器愿景的创新技术,增加了和自动化铁路检查。机器视觉启用传感器和安装在轨道或轨道车上的摄像机 - 用于自主地检查汽车的各种组件。传统上,轨道车将从服务中删除,技术人员将通过攀登屋顶手动检查他们的诚信。使用先进的图像分析,可以持续检查轨道车,从而减少了火车停机和技术人员的风险。

机器学习和神经网络也已被用于检测轨道,车轮和汽车图像中的故障和缺陷。使用广泛的图像库,训练有素的机器学习算法可以在收集的数据上标记缺陷,以便通过技术人员进行审查,或者自动化维护请求进行立即备忘录。机器学习测试以前的假设,分析结果和优化模型的测试能力更高,并将是越来越重要的基于铁路检查的工具。

艾和铁路检查的未来

在网络上发生更频繁的数据收集,导轨检查越来越多地自动化。Fra的修订规则专注于准确及时的收集,传播和分析数据以及维持其完整性。使用高级分析解决方案可以从收集高分辨率数据来分析它的整个过程来改进整个过程。

修订规则中概述了开发创新检验方法和数据质量的重点表明铁路行业正在沿着数字转型的边缘。所证明的AI和高级分析的使用证明,这项技术对于实现业界对数字化的路径至关重要,同时为铁路行业和公众提供金融和安全益处。