1 行业政策引导与无人机应用现状

1.1 行业政策规划

《数字铁路规划》提出“深化铁路运输安全生产与服务数字化”的整体要求，在“强化数字铁路关键能力”章节中，要求“突破数字铁路关键核心技术。深化数字前沿技术应用研究。深化大数据、云计算、人工智能、区块链、物联网、无人机、数字孪生、可信计算等前沿技术的铁路创新应用。”“安全管控数字化”章节中，提出“提升固定设施状态精细化管理、实时监控监测和智能化分析能力，提升站车、货运及场站安全风险感知能力，深化移动装备、工电供设备、大型养护机械设备及其关键部件状态精细感知能力，加强对气象、地震及地质灾害实时监测能力，构建空天地一体化环境安全监测网络。” 

《“十四五”铁路科技创新发展规划》明确提出“探索具备全面感知与泛在互联能力的智能装备关键技术。探索基于无人机、检测机器人等的智能巡检技术。打造具备语音、文本、视频、图像智能识别等功能的智能铁路AI平台。优化数据服务平台功能，提升平台对跨专业、跨行业大数据应用的支撑能力。”

两份重磅铁路行业《规划》的发布，为铁路行业与低空经济的深度融合提供了明确的指引，为无人机技术和人工智能技术在铁路行业落地应用，提供了坚实的制度保障。

1.2 无人机在铁路行业的应用现状

目前，无人机在铁路行业的应用主要包括几个方面：安全监测、巡检维护和应急救援。

安全监测。无人机可以搭载各种前端传感器和载荷设备，对涉及铁路运输生产安全的重点盯控项点和重点区域进行监测，确保铁路运输的安全性。

巡检维护。无人机在铁路巡检中发挥了重要作用。传统的铁路检测方式主要是由人工巡查组成，耗时长、效率低和劳动强度大。巡检的内容包括：施工作业规范性、线路基础设施、轨旁设备、重点防洪地段、线路安全环境，以及接触网外观和零部件状态、变配电所运行状态、铁路桥声屏障外观状态等。

应急救援。在铁路事故中，无人机可以进行灾后侦察、应急救援、物资投送和应急通信保障，提高事故救援和应急处置的效率和速度。

尽管无人机在铁路行业的应用前景广阔，但仍面临一系列的挑战，如路空航权限制、空域管控难度大、行业内专业飞手短缺、地面配套基础设施建设不足、设备设施智能化水平较低等。未来，随着智能化技术与铁路行业传统业务的不断融合，以及行业法规标准的逐步完善，无人机在铁路行业的应用将更加广泛和高效。

2 铁路防洪防灾需求分析

截至2024年10月，中国铁路总里程突破16万km，伴随着路网规模不断扩大，铁路运营难度日趋增大。同时各路局面临着运营环境复杂，安全风险多样，尤其是防洪防灾面临的挑战和问题日益凸显。当前，铁路沿线防洪防灾等风险隐患的排查以人力巡查为主，以目视检查和部分检测工具作为主要的巡检手段。存在巡检作业效率低、待检目标可达性差、巡检视角受限、巡检人员作业安全风险大、风险识别告警率低和辅助研判精度不高等诸多问题，无法满足现阶段铁路大规模、精细化、智能化巡检的要求，无法对汛前、汛中和汛后等各阶段潜在的风险隐患形成高效、精准、系统、全面的分析研判。

结合各路局运营铁路线路跨度大、汛期不同阶段的气候特点、当地地形地貌地质条件以及汛期防洪防灾管理任务的要求，需要有针对性、有侧重点地提出并制定防洪防灾风险隐患排查以及各类专项排查的智能化巡检方案。

国铁集团在年度防洪防灾工作会议上，提出“全员防洪、总体防洪、立体防洪、全年防洪、科学防洪”的理念，迫切需要开展铁路防洪防灾智能巡检技术体系研究。通过对铁路防洪防灾需求的分析，提出多感知融合的铁路防洪防灾智能巡检技术方案。多感知融合的铁路防洪防灾智能巡检技术方案架构如图1所示。

多感知融合的铁路防洪防灾智能巡检技术方案包括4个层面：前端感知、边缘计算、核心能力平台和面向应用的防洪防灾智能巡检系统。

前端感知层面。为弥补单一传感器，单一感知信息的维度不足、检测精度不足的问题，在前端重点监测点位布设固定摄像头，在无人机加载高清摄像头和多种补光设备，满足白昼夜间巡检要求，以及高风险区域增加部分雨量、风速等气象传感器，在部分边坡土壤中埋设监测含水量的湿度传感器，多维度感知数据信息，方便视频物联平台做多维度的数据融合处理，辅助铁路防洪防灾巡检决策。

边缘计算层面。采用国产化信创计算平台，包括物联网关、智能分析盒子和智能分析服务器，完成多维数据的实时采集传输、边缘侧高速处理和“云边”业务的协同，其中“云边”业务协同又包括算法模型的更新、算力资源的动态调度和边缘设备的监测管理等。

核心能力平台层面。包括数据管理与多维数据融合，AI算法训练闭环管理、巡检预警管理、专业知识库管理、AI模型仓库、监测中心及系统级的设备管理功能。

业务应用层面。建设面向铁路工务专业防洪防灾巡检业务场景的智能化管理系统。同时具备与国铁集团统建的“铁路防洪管理系统”对接和协同的能力。

3 基于“无人机+AI”的铁路防洪防灾智能巡检系统

3.1 系统构成

针对某铁路局汛期洪水灾害和引发的次生地质灾害的特点，将多感知融合的铁路防洪防灾智能巡检技术方案进行细化拆分，聚焦“无人机+AI”智能巡检部分，结合汛期防洪防灾管理任务的要求和应用场景需求，开展系统的研发工作。

“无人机+AI”铁路防洪防灾智能巡检系统由无人机、无人机库、无人机网格化管理监控平台、AI智能巡检系统应用软件等部分构成。在铁路局某工务段指挥中心部署系统平台及巡检数据后台处理设备。

采用垂直行业版主流品牌小型无人机，前端载荷集成RTK增强雷达信号系统；集成增强型TD-LTE 网络信号系统；数据采集终端摄像头集广角、长焦、红外夜视和2k及以上图像传输于一体。可通过地面站进行手动操控，也可以通过设置航线径路自动飞行。

提供操控信号、自动充电及起飞前的飞行气象数据采集等基础保障。集成无人值守、自动起降、自动充电、自主巡飞、数据智能识别等功能。机库与中心服务器通信组成无人机机库网络管理系统，实现多无人机的智能调度和智能运维。

无人机网格化管理监控平台。可实现无人机侦测信息实时推送，指挥中心统一监控处置，实现管辖区域内“黑飞”无人机的实时感知、快速处置，构建一张信息化程度高的无人机管控网，实现重要区域的无人机常态化管控。

实现实时隐患问题场景捕捉并自动报警，定时生成巡检作业报告等功能。

3.2 系统功能

本次建设的防洪防灾智能巡检系统，其主要功能包括两大模块，即智能巡检规划与自动飞行航线规划；防洪防灾安全隐患智能识别告警。

3.2.1 智能巡检规划与自动飞行航线规划

1）防洪防灾无人机智能巡检流程设计

按照路局在汛期不同阶段对防洪防灾管理任务的要求，并结合当地的气候特点以及地形地貌地质条件，有针对性制定防洪防灾风险隐患排查以及各类专项排查的智能化巡检方案，同步设计无人机智能巡检流程。铁路防洪防灾无人机智能巡检流程如图2所示。

2）无人机自动飞行航线规划

对某线路K520～K531进行飞行航线人工手动探空飞行，查找铁路沿线区段内和重点区域的关键控制点海拔高程（沿线山体主峰高程、上跨铁路高压线高程、桥梁高程、临近铁路房屋和杆塔等高程，以及无人机库与沿线的海拔高差，精准控制飞行过程中无人机与地面的相对高度），逐公里调查后期自动飞行高度、云台摄像头拍摄角度及飞行方位角度。根据巡检需求，圈定规划自动无人机飞行航线及飞行检查重点场景。无人机飞行航线规划示意如图3所示。

3.2.2 基于深度学习的安全隐患智能识别告警

现阶段无人机智能巡检系统可以覆盖场景：开垦种植、坡面便道冲刷溜坍、沟谷泥石；倒树、落石、坍体上道；邻近营业线大型机械施工；人员/大型动物入侵、夜间人员上道等场景。结合无人机巡检多业务场景的需求，基于深度学习和算法模型自训练技术，通过智能算法模型与摄像机预置位绑定，利用机载摄像机、地面固定摄像机、地面移动布控球实时采集风险隐患和安全问题后，系统自动识别分析告警。基于无人机航拍视频图像的智能识别告警示意如图4所示。

3.3 关键核心技术

3.3.1 基于改进型人工势场算法的无人机巡检路径规划

传统巡检路径规划算法中，人工势场算法（APF）因其计算效率高、实时性好而受到广泛应用，但该算法容易陷入局部最优解的问题，导致无人机可能无法顺利避开障碍物。因此，本次系统功能中的“智能巡检规划与自动飞行航线规划”功能模块，提出采用A势场算法（A-APF），将A势场算法与人工势场算法相结合，利用两者的优点实现更为智能的路径规划。

3.3.2 基于特征金字塔网络的防洪巡检目标多框检测算法

利用卷积神经网络特征层次的金字塔结构，通过自上而下的路径和横向连接，将低分辨率、语义强的特征与高分辨率、语义弱的特征相结合，在不同特征图上进行独立计算，提高计算效率，提升目标检出精度。基于特征金字塔网络的巡检算法推理流程如图5所示。

3.4 现场数据采集与巡检结果分析

3.4.1 现场数据采集

2024年5月27日20:19，某市某县突发汛期防洪新闻预警。联动某路局防洪管理系统，按照某路局对防洪防灾管理任务的要求，对某线路K517～K547区段进行无人机自动飞行应急巡检。并在夜间开启红外夜视功能，检查挡护设备轮廓是否清晰；倒树、落石、硬飘物、坍体、泥石流或异物等是否侵入限界。某线路K520+400左侧堑顶边坡夜视巡检采集图像如图6所示。

2024年5月28日8:30，对某线路K517～K547区段进行无人机自动飞行汛后二次巡检。某线路K520+400左侧堑顶边坡溜坍，巡检采集及识别分析告警图像如图7所示。

3.4.2 巡检结果分析

系统建成后，累计执行飞行巡检任务总天数149天，执行飞行巡检任务399架次，执行飞行巡检里程6107km，执行飞行巡检总时长225h，生成4TB航拍视频数据，42070张高清航拍照片，安全风险隐患和汛期后灾情检出率超过90%。各场景巡检结果统计如表1所示。

通过表1可以看出，从无人机巡检所涵盖的巡检场景，到无人机巡检任务完成情况，均满足铁路行业客户对于汛期现场巡检工作的要求，能够为铁路汛期巡检管控和应急处置提供有力的技术保障。

本次无人机执飞巡检任务，涵盖白天黑夜条件，覆盖雨水天气和大风天气两种恶劣气象条件。不同环境、不同气象条件下巡检结果统计对比分析，如表2所示。

通过表2可以看出，从无人机执飞所覆盖的气象天气条件，到无人机巡检视频图像采集数量，最后到安全风险隐患和汛期后灾情检出率，充分验证了系统的可靠性、安全性和系统的鲁棒性，为后期的推广应用，奠定了坚实的基础。

利用运营商公网4G/5G 高速通信技术，实现无人机与地面控制站之间的实时数据传输，确保无人机巡检数据实时性和准确性。基于深度学习算法，对回传的视频图像数据进行智能分析处理，包括但不限于：泥石流、山体滑坡、洪水、大型机械作业，人员入侵等地质灾害及安全风险，快速识别出影响行车安全和施工作业安全的潜在异常和风险隐患，有效提升安全管控能力和应急处置能力。

4 总结与展望

通过技术的不断创新和应用实践，多模态数据的采集和融合处理，是铁路行业灾害监测防护应用场景的重要趋势和发展方向，其中无人机智能巡检正成为铁路行业养护运维工作的重要技术手段。结合AI、5G、北斗和云边端协同等技术，无人机智能巡检有望在提高铁路运营的安全性和效率方面发挥更加重要的作用。同时为了确保无人机巡检的高安全性和高效性，未来面向铁路行业无人机巡检系统，将更加注重多专业协同、标准化操作，迫切需要建立铁路行业统一的无人机巡检标准和规范流程，为铁路行业养护运维工作的智能化提升注入坚实的制度保障。同时为了在铁路运维阶段提供更加全面和精确的监测预警信息，也迫切需要多维传感器信息的实时感知融合以及AI智能分析来辅助调度指挥决策，为铁路安全运营提供有力的技术支撑。