实时铁路危险检测使用分布式声学传感和混合合奏学习
Yusuf Yürekli1, Cevat Özarpa2, İsa Avcı3
1TCDD Railway Maintenance Directorate, Karabük University, Karabük 78100, Türkiye.
Sensors (Basel, Switzerland)
|July 12, 2025
概括
这项研究引入了一个实时危险检测系统,使用光纤电缆和混合集体学习来监控铁路线路. 该系统以98%的准确性有效地识别了岩石落和山体滑坡等地缘危险,提高了运营安全.
科学领域:
- 地质科学 地质科学
- 铁路工程 铁路工程是指铁路工程.
- 人工智能的人工智能
背景情况:
- 岩石落和山体滑坡对铁路运营安全构成重大地缘危险,特别是在Karabük-Yenice等线路上,这些线路穿过山地,经历大雨.
- 未被检测到的环境事件可能会导致铁路运营的严重中断和安全风险.
- 积极的风险减轻策略对于确保铁路的持续和安全运营至关重要.
研究的目的:
- 开发和验证用于早期检测影响铁路线路的环境现象的实时系统.
- 将分布式声学传感 (DAS) 与用于振动分析的混合组合学习模型集成.
- 通过对地缘危险提供及时警报,增强铁路运营安全.
主要方法:
- 在土耳其Karabük的一条6公里长的铁路走廊被监控,使用光纤电缆和Luna OBR-4600问询器来捕获环境振动.
- 使用支持矢量机 (SVM),随机森林 (RF),XGBoost和梯度增强分类器 (GBC) 算法开发了一个混合组合学习模型,特别是投票分类器.
- 评估了各种机器学习算法,包括CatBoosting,SVM,LightGBM,决策树,XGBoost,RF和GBC,用于信号检测.
主要成果:
- 混合投票分类模型在检测和分类环境干扰方面表现出高效率.
- 该系统实现了98%的准确性,精度,回忆率和F1分数,用于识别诸如岩石落,山体滑坡和倒下的树木等事件.
- 该研究证实光纤电缆能够检测重大自然灾害引起的高强度振动.
结论:
- 集成的DAS和混合集体学习系统提供了一种可靠的实时地缘危险检测方法,用于铁路线上的地缘危险.
- 开发的系统通过提前警告环境威胁,显著提高了铁路运营安全.
- 这种方法提供了一种积极的解决方案,以减轻与铁路走廊中的自然灾害相关的风险.
