铁路事故识别：借助 AI和NVIDIA Jetson 确保安全并降低成本

1985 年特拉维夫郊外的灾难，其中一列火车与一辆校车相撞，造成 19 名学生和几名成年人死亡，促使 Shahar Hania 和他的一些同事利用技术预防火车事故，帮助挽救生命。

他们共同创立了 Rail Vision，这是一家以色列初创公司，为全球铁路行业创建障碍物检测和分类系统。

该系统使用先进的光电传感器，在火车接近潜在障碍物（如人类、车辆、动物或其他物体）时，在所有天气和照明条件下实时向火车司机和铁路控制中心发出警报。

Rail Vision 是NVIDIA Inception（旨在培育尖端初创公司的计划）的成员，也是NVIDIA Metropolis合作伙伴。该公司使用NVIDIA Jetson AGX Xavier边缘 AI 平台，该平台在紧凑且节能的模块中提供 GPU 加速计算，以及用于高性能深度学习推理的NVIDIA TensorRT软件开发套件。

实时刹车

火车的刹车距离——或者说火车从刹车到完全停止之间的距离——通常很长，以至于当司机发现铁路障碍物时，再采取任何行动都为时已晚它。

例如，根据 Hania 的说法，每小时行驶 100 英里的火车的制动距离是 800 米，或大约半英里。Rail Vision 系统可以检测最远两公里或 1.25 英里以外的轨道上和轨道上的物体。

通过实时发送潜在障碍物的视觉和听觉警报，Rail Vision 系统为驾驶员提供超过 20 秒的响应时间并做出制动决定。

该系统还可以与火车的基础设施集成，以在检测到障碍物时自动制动，即使没有驾驶员的提示。

“使用 NVIDIA GPU 技术可以实现大量的深度学习推理可能性，”Hania 说。“使用 NVIDIA Jetson 平台的主要优势在于内部有很多好东西——压缩器、光流模块——它们都可以加快嵌入过程并让我们的系统更加准确。”

除了安全之外，还促进维护

根据 Hania 的说法，除了防止事故之外，Rail Vision 系统还有助于节省铁路维护的运营时间和成本——每年可能高达 500 亿美元。

哈尼亚说，如果发生铁路事故，通常需要四到八个小时来处理这种情况——这会阻止其他列车使用这条轨道。

Rail Vision 系统使用 AI 来监控轨道并防止此类工作流程减慢，或在确实发生时迅速提醒操作员——让他们有时间寻找替代路线或行动计划。

这些系统可针对不同的用例进行扩展和部署——其中一些仅关注铁路运营的这些维护方面。