关于提升 TEDS故障预警准确率的研究

何强

摘要：动车组列车在高速运行过程中一旦出现故障就可能造成难以承受的特大型安全事故以及巨大的经济损失。在工程实践中需要通过TEDS图像检测技术来实现列车在运行过程中的实时监测。然而这一系统在实际应用过程中却呈现出误报率比较高的问题。本文主要从TEDS系统的原理出发对其故障率高的原因进行分析，并提出改进措施。

关键词：TEDS故障预警；准确率；提升策略

引言：

TEDS系统通过对高速摄像机以及图像自动识别等技术对列车的运行状态进行实时的监控和分析，从而及时发现故障隐患并对系统维修提供依据。然而该系统在使用时受到软硬件以及环境因素的影响而出现预警准确率比较低的问题,因而研究其故障率高的原因并对其进行优化具有非常重要的工程意义。

1. 系统简介

时速超过200km的动车组列车一旦出现设备故障就有可能造成非常严重的交通安全事故，例如，2011年发生在温州市境内的一次动车追尾事故直接造成172人受伤以及40人死亡的特大安全事故，仅此一项就可知动车系统一旦在运势过程中发生故障就有可能造成非常严重的后果。因此，对动车组在运行过程中的状态进行监控是及时发现设备故障并进行紧急处理的有效措施，在工程实践中通过动车组运行故障图像检测系统（TEDS）来实现动车组运行状态的实施监控。造成动车组发生故障以及安装事故的主要风险集中在车体上的一些连接部位以及容易受到轨道环境影响的部位。例如，从车组列车为了实现灵活的转弯效果一般在两节车厢的连接部位采取“软”连接，但是这些连接部位也会因此而成为列车系统的薄弱环节。因而在TEDS系统的设计中主要是通过对列车连接部位、转向装置、车体的底部以及两侧的裙板等部位进行监控来实现列车运行状态的安全管理。在列车轨道外侧安装高速摄像机后可以对以上部位的运行状态进行拍照，再图像实时处理与传输、图像自动识别、精确定位等一系列技术手段来判断出有可能存在故障的图像，当然这一步只是通过信息化技术对可能存在故障的图像进行初步的筛查，然后还需要在此基础上通过人工研判的方式对初次筛查出的图片进行二次分析，直至确定出隐藏的故障信息。这一技术可以实现动车系统潜在故障的实时分析并为列车的故障排查提供重要的判断依据。地面检修人员在拿到这些潜在的故障信息之后可以趁着动车未进车库之前对其进行检修，极大地减小了作业压力^[1]。

2. 准确率低下的原因分析

TEDS系统虽然可以自动对动车系统的运行状态进行实时监控并将相关信息传输到监测中心用于分析和研判，但是其在实际运用呈现出误报率比较高的问题。也就是说经过该系统初次筛查出来的故障信息在人工阶段的二次判断中大多是正常的，只有很少一部分是真实存在故障隐患的。根据铁路部门统计的数据来看TEDS系统的故障预报准确率通常低于0.001%,也就是说在上万次故障预报中可能只有一次是确实发生了故障，由此带来的问题时人工研判阶段依然需要花费大量的人力才能对TEDS系统筛查出来的信息实现百分之百的处理，整体的工作效率比较低下^[2]。

TEDS系统对列车运行状态误报率高的原因主要集中在以下几个方面：其一，系统受环境因素影响大。高速摄像机在下雨天、大雾天气或者大风天气情况下很容易受到干扰并导致拍摄的画面不清洗，后期的图像自动识别技术有可能将这一类图面判断为故障信息。其二，列车通行速的变化会导致高速摄像机拍摄到的画面存在较大的差异并对后续的图像对比环节产生一定的干扰作用。其三，该系统在运行过程中需要通过图像识别技术来实现故障信息的主动判断与筛选，但是这些软件系统在设计时为了不产生漏判，将筛选条件的精确度设置的相对比较低^[3]。

3. 改善措施

高速摄像机技术的发展需要一定的时间以及必要的技术积累才能在上升一个台阶，所以虽然这一关键的硬件设备对系统的改进以及报警准确率的提升具有非常重要的作用，但是其在短期内还不能有大幅度的提升，应该将优化的重点放在软件系统上。

1. 优化图像识别

通过高速摄像机拍摄到的照片需要经过图像自动识别技术来初步判断是否存在故障隐患，而这种技术是通过对照片中某些关键信息的提取来判断列车是否存在潜在的运行故障，在技术实现上是通过建立模型、编写代码等一系列环节来完成的。因而如果要优化图像识别技术就必须从相关模型的建立以及代码编写层面来完成。现阶段发展势头良好的人工智能技术可以通过机器学习的方式不断提高系统准确把握信息的能力。通过收集大量的图片信息并不断对系统进行训练可以非常有效提高其识别的准确率，此类技术在人脸识别等领域已经得到了充分的验证，因而在未来的TEDS系统改进工作中可以运用此类技术来降低其误报率^[4]。

2. 综合识别

传统分图像对比技术、人工识别以及后来发展起来的机器学习技术在图像识别方面是各有优缺点，机器学习可以通过对已知数据的大量训练来快速提升其准确率，但是对于一些缺乏训练数据的极个别故障问题或者一些有可能发生但还没有发生过的故障问题难以实现有效的训练和识别。另外两种识别方式主要是效率低，而且图像对比技术的误报率比较高。那么如果单纯依靠机器学习识别技术有可能会存在识别盲点并导致有些潜在问题不能被发现。因而在实际工作中需要将各种识别方式综合运用起来，避免因为单一识别方式存在不足而导致列车隐患排除不到位的问题。

4. 结束语

动车组列车的安全运行直接关系到人民群众的生命安全和财产安全，在工程实践中一般通过TEDS系统对列车在运行过程中的状态进行实时监控，然而该系统受到图形识别技术和高速摄像机等软硬件方面的影响难以实现高准确率的故障预警，在系统改进方面可以利用综合识别以及机器学习等方法来提升预警的准确率。

参考文献

[1]高世冲.动车组运行故障动态图像检测系统(TEDS)运用浅析[J].文摘版:工程技术, 2016, 000(002):P.193-193.

[2]张卓.TEDS的大数据特点以及对动车安全检测的改变[J].电脑编程技巧与维护,2017,000(019):56-58.

[3]沈金山.动车组车辆故障动态图像检测系统(TEDS)[J].2016.