宋华杰

（西安铁路职业技术学院，陕西 西安 710026）

0 引言

随着铁路运输业和城市轨道交通运输业的快速发展，现阶段轨道交通已经成为大多数人的日常出行方式，因此社会对轨道交通的运行要求逐渐提高，轨道异物入侵检测也越来越引起国家和社会的关注[1]。不论是铁路还是城轨，都时有因异物入侵轨道而引发的安全事故，对轨道异物入侵的检测时刻不能松懈。目前检测轨道异物的方法以人工为主，但是伴随计算机视觉的蓬勃发展，利用图像处理的方法进行异物检测也是研究的热点，计算机视觉检测轨道异物具有实时性高、精准率高、查全率高等特点，是现在轨道异物检测的趋势。

1 铁路异物轨道入侵

改革开放以来，中国铁路事业蓬勃发展，加上人们日益增长的出差、旅游的需求，利用铁路交通出行的人日益增多，铁路方便了现代人的出行，也适应新世纪人们的生活节奏。但是铁路仍然有其固有的弊端，存在一定的安全隐患。

铁路运输业由于有距离长的特点，因此大部分铁路轨道是露天铺设的，仅在部分铁路路段由护栏进行防护，不可避免的造成了轨道被异物侵占的概率增大。同时火车，特别是高铁，在正线运行时速度较高，如上海的磁悬浮列车运营的最高时速可达431km/h，这就要求调度必须及时发现轨道异物入侵的情况，在列车到达事故点之前迫使列车紧急制动，否则将给乘客的生命财产安全带来严重损失。

列车脱轨是一种铁路运输意外，指的是列车行进中时脱离轨道，造成铁路损坏或人员伤亡。脱轨的主要原因有很多，包括损坏或歪斜的铁轨、列车超速、列车或钢轮异状或是轨道上的阻碍物。脱轨也可能发生在两个以上或多数列车相撞时发生。脱轨的列车很难复原，通常需要使用大型的铁路起重机将之摆回至轨道。

如2020年3月30日12时许，济南至广州的T179次列车在湖南郴州永兴县高岗司镇境内发生侧翻，多节车厢脱轨，造成1人死亡、4人重伤、123人轻伤。本次事故原因就是连日降雨造成塌方，塌方山体侵占了轨道而未被铁路部门及时发现，火车司机发现塌方后采取紧急制动措施，但由于制动距离不足，列车撞上塌方山体，导致机后第一节发电车起火，第二至六节车厢脱线倾覆。图1为事故救援现场照片。

图1 郴州事故救援现场

此次事故并非个案，2020年以来，全球已发生多起列车事故，造成多人受伤。当地时间2020年7月31日下午15:30，葡萄牙科英布拉地区的一列载有282名乘客的高速列车（Alfa Pendular）与铁路维修车相撞并脱轨，造成2人死亡，至少50人受伤，9人受伤严重。2020年6月7日8时30分许，贵广客专怀集站至贺州站区间因落石行车受阻。南宁铁路局人士对媒体称，列车脱轨地点为南宁铁路局管段，受阻列车为D1862次（广州南——重庆西），列车已脱轨，但未倾覆。2020年6月2日，西班牙萨莫拉一辆汽车从天桥掉落到铁轨上，与一列正在行驶的旅客列车相撞，导致列车脱轨。事故造成列车上的一名驾驶员死亡，一名乘客受伤，汽车驾驶员死亡，列车上有155名乘客。2020年3月9日上午6时左右，日本广岛县发生一起列车脱轨事故，JR艺备线内发生山体滑坡，大量泥土堆积在了铁道上，一辆高速列车驶上土堆后侧翻脱轨。该列车只有一节车厢，除了驾驶员外没有搭载乘客，驾驶员未受伤。该列车驾驶员称，事发前发现了轨道上堆满了泥沙和树木，采取了紧急刹车措施，但还是晚了。

因此，可以看出，世界上由于异物入侵轨道而造成的事故时有发生，因此，在铁路兼有露天和高速两大特点的情况之下，铁路异物入侵轨道的检测必须加强。

2 城市轨道异物入侵

与铁路相比，城市轨道距离较短，运行速度较低，且大部分为隧道内铺设，因此城市轨道异物入侵的情况较铁路发生较少。但是，由于站台处人员密集，人员素质参差不齐，在某些无屏蔽门的站台处对轨道内有无异物的检测尤为重要。另外，部分城市轨道铺设在地面以上，露天运行。而城市轨道的受电方式分为两种，由受电弓在高压架空线上获取DC1500V电压，或者由集电靴在第三轨获取DC1500V电压。异物入侵可能造成高压线短路或者第三轨失电。例如，2018年4月25日下午，厦门地铁1号线地面供电段网上缠绕了一白色塑料袋，考虑到塑料袋缠绕在地面供电段网上，列车通过可能会造成车顶的受电弓和供电网线缠绕，引发断线停电的事故，地铁调度立即启动应急处置方案，造成地铁列车晚点15分钟。此外，北京地铁也发生过由于乘客跌落轨道而引发的紧急停电。事故没有造成严重后果的原因就是及时发现了轨道运行区域的异物入侵并且采取的紧急处理措施。

城市轨道车辆因为行驶速度不高，故因异物入侵造成的后果不像铁路一样严重，但是城市轨道大部分修建在隧道内，一旦车辆被迫临时停车，隧道内的环境会给乘客和司机带来较大的心理压力，影响城市轨道的乘坐体验感。

3 异物入侵检测的措施

3.1 人工巡查法

目前，铁路部门和城市轨道交通运营公司对于轨道入侵检测的方法以人工为主。例如，铁路沿线有专人定时巡查，地铁站台处有工作人员维持秩序，关注轨道异常情况。人工巡查法在很大程度上可以减少轨道异物入侵的可能，提高了轨道交通的安全性，给人们的出行又提供了一层保障。但由于人工巡查存在不及时、耗费人力物力较大等缺点，科研界也一直在探索新的轨道异物检测的方法。

3.2 计算机视觉检测方法

近年来，计算机视觉的发展如火如荼，利用计算机视觉来检测轨道入侵的异物也异常火热。计算机视觉是人工智能的一个分支，在目标检测领域也有很多优秀的算法。

传统的目标检测算法有帧差法[2]、光流法[3]等，其基本原理即通过架设在线路上方的摄像机拍摄轨道沿线的视频（一般为40帧/秒），再由算法检测帧之间的像素差，或者检测图像的光流。这一类算法简单，占用内存小，对设备硬件和软件要求低，但检测效率和准确率不高。

随着深度学习的发展[4]，人工神经网络在轨道异物检测中的应用也越来越多[5]。其中YOLO[6]算法在深度学习目标检测领域表现较为优秀，这是继RCNN，fast-RCNN和faster-RCN之后，Ross Girshick针对DL目标检测速度问题提出的另外一种框架。YOLO的核心思想就是利用整张图作为网络的输入，直接在输出层回归bounding box（边界框）的位置及其所属的类别，即采用了回归的思想。YOLOv2、YOLOv3算法也相继被提出，与前面的版本相比，YOLOv3算法在速度和精度上都取得了新的成就，达到相似的性能时，相比SSD，速度提高3倍；相比RetinaNet，速度提高3.8倍。图2为YOLOv3算法在道路目标检测的输出实例。

图2 YOLOv3算法检测实例

图2的实例中，采用了UA-DETRAC数据集对YOLOv3算法模型进行训练，训练300个epoch后检测结果可见，模型能够检测出道路上存在的轿车（sedan）和Suv。而且图2所示的图片光线较为昏暗，但模型仍能保持较好的检测效果。因此YOLOv3算法在速度和精度上均可达到轨道异物入侵检测的要求，能够在一定程度上保障乘客的生命财产安全。

3 结语

轨道运输业以安全为重，铁路和城轨的轨道异物入侵检测应引起重视。本文以实例出发，讲述了地铁和铁路行业多个因为轨道异物入侵引起的事故，论述了轨道异物入侵检测的必要性，并分析了目前常用的检测方法以及日后的发展趋势。将优秀的算法，如YOLO算法应用到轨道检测必然还需要不断改进以适应轨道环境，这仍然是目前研究的热点。