工程师创建了铁路侵入检测工具，采用人工智能技术

鲁特格斯大学的一组工程师开发了一种人工智能启用的工具，可以检测铁路道口的侵入，帮助减少过去十年中不断增加的死亡人数。

这项新研究发表在《事故分析与预防》杂志上。

使用人工智能自动检测侵入

该团队由鲁特格斯大学项目工程师阿西姆·扎曼和交通工程副教授香农·刘组成。他们开发了一个人工智能辅助框架，可以自动检测铁路侵入事件。它还可以区分侵入者的类型并生成事件的视频片段。人工智能系统依赖于对象检测算法来处理视频数据并将其转换为单个数据集。

“通过这些信息，我们可以回答许多问题，例如什么时候人们最常侵入，人们是否会在门关闭或打开时绕过门？”扎曼说。

过去几年，美国铁路侵入事故一直在增加，每年都有数百人死亡。尽管人们做出了很多努力来减少这些死亡事故，但到目前为止，仍然没有有效的解决方案。

联邦铁路管理局（FRA）于2008年估计，每年约有500人在铁路侵入事故中死亡。到2018年，这个数字增加到855人。

扎曼和刘在研究中定义了侵入者为未经授权进入铁路或交通物业的区域，或在信号激活后进入信号化的铁路道口的人员。

以前的研究主要依赖于伤亡信息，但没有考虑到险些发生的事故，这些事故可以提供对侵入行为的宝贵见解。这可以帮助设计更有效的控制措施。

研究人员使用新泽西州城市地区的一个铁路道口的视频录像来测试他们的理论。铁路道口视频系统的一个问题是，由于审查过程耗时且昂贵，视频录像经常没有被审查。

训练人工智能

扎曼和刘训练了人工智能和深度学习工具来分析研究现场的1632小时的存档视频录像。在68天的监测期间，他们发现了3004次侵入事件，平均每天44次。他们还发现，近70%的侵入者是男性，大约三分之一的侵入发生在火车通过之前。绝大多数违规行为发生在星期六下午5点左右。

根据扎曼的说法，这种类型的详细数据可以被当地政府用来在高峰违规时间段附近的铁路道口部署警力，或者可以为铁路业主和决策者提供更有效的铁路道口解决方案。这些解决方案可能包括铁路道口消除系统或先进的门和信号系统。

“每个人都喜欢数据，这就是我们提供的，”扎曼说。

“我们希望为铁路行业和决策者提供工具，以便他们能够利用视频监控基础设施的潜力，通过对特定位置的数据源进行风险分析，”刘补充说。

研究人员还在弗吉尼亚州和北卡罗来纳州进行研究。他们最近获得了美国交通部58.3万美元的补助金，以扩大到包括康涅狄格州、路易斯安那州和马萨诸塞州在内的其他州。他们将通过对这些州的数据源进行风险分析，“刘说。