铁路行业如何利用物联网边缘计算

2022-03-09 11:34:41来源：千家网

就数字化而言，铁路行业是最复杂的行业之一。从技术的角度来看，它有许多障碍，使其很难将现有系统集成到现代数字架构中。这可以解释其数字化水平较低的原因。物联网边缘计算可以解决铁路面临的许多挑战。

《哈佛商业评论》(Harvard Business Review)的一项研究表明，运输行业处于数字化成熟的末尾，尤其是铁路部门，对这种低水平的数字化有着重大贡献。这不仅是因为它受到非常严格的监管，还因为从技术上讲，它面临许多挑战，难以将传统系统基础设施集成到现代数字架构中。

铁路物联网大数据的5个v

在2020年IEEE(电气电子工程师协会)一组专家撰写的一篇文章中，他们确定了在铁路领域整合大数据的主要技术挑战。他们这样做的方法是将它们归类到他们所说的“5V”中：

多样性(Variety)：铁路部门是一个高度分散的供应商和技术环境。一列火车上有数百个不同的系统，其中许多系统由于使用寿命长、技术周转率低而被淘汰。数据量(Volume)：每天有高达TB的数据量，这是传统硬件和软件无法处理的。速度(Velocity)：不仅有大量的数据需要处理，而且它还需要很快，才能被认为是实时或接近实时的处理。准确性(Veracity)：由于铁路运营的关键性质，确保任何高级数据处理的准确性和可靠性都是至关重要的。价值(Value)：大多数系统都被认为具有很高的价值，而且地理位置分散。什么是边缘计算?

物联网边缘计算是物联网和边缘计算技术的结合，常用于工业环境。如果我们分析工业物联网(IIoT)和边缘计算作为数字化技术的优势，我们就会意识到，它正是上述大多数挑战的答案。

工业物联网允许从多个来源捕获数据，而边缘计算允许以网络安全和可扩展的方式实时分析大量分布式数据，允许集成来自众多供应商、技术和协议的现场设备。

铁路与超越：物联网边缘计算的好处

让我们来看看五个用例，它们描述了物联网边缘计算在铁路和其他关键行业的潜在好处。

1、数字孪生和预测性维护

数字孪生，或数字孪生实例，允许物理系统中每个工作部件的数字表示。它们是工业4.0的先驱创新之一，但从商业角度来看也是最有利可图的之一。我们需要这些数字实例来优化从制造到维护和售后服务的产品价值链。它们可以用于远程诊断和监测，从而大大节省了人员和旅行成本。

它们还可以自动预测事件发生的可能性，结合历史数据、人类经验、机器学习和模拟，所有这些都提高了预测结果。麦肯锡估计，51%使用人工智能的公司的运营成本降低了20%以上。根据在哪里建立供应基地、如何和何时计划大修以及使用什么材料的决定对运营成本有直接影响。同样，实时数字孪生操作也需要在保证低延迟的同时处理大量数据。

例如，用于电机故障检测的振动物联网传感器需要一种算法，以最低1kHz(每秒1000个数据)的速度处理数据。这一点，再加上任何传输的常见覆盖问题，使得边缘计算成为这些用例最适合的技术。

2、障碍物检测

铁路运输的安全历来是运营商面临的另一个重大挑战。在由于恶劣天气或人为错误导致的能见度较低的情况下，计算机视觉将成为最有趣的解决方案之一，以实现更智能、更自动化的交通。自动障碍物检测系统有助于提高应急处理能力，提高行人或行人的安全。

Shift2Rail组织的使命是定义和提供数字化能力，使欧洲铁路运输成为更以客户为中心、更可持续的运输模式。该组织正专门成立一个工作组和整个项目来研究这一主题。障碍物检测是一项需要高计算处理能力的关键任务，只有边缘计算体系结构才能完成。

3、软件和固件升级

车载系统越来越智能，越来越面向软件。这些系统的需求会随着时间的推移而变化，对于许多迭代来说，能够优化这些系统的使用是很常见的。此外，由于安全漏洞，IT系统可能会过时。这就是为什么在软件配置和固件中运行更新变得越来越重要的原因。

一个统一的系统，以及一个统一的远程过程的设备更新可以节省成本。事实上，像阿尔斯通这样的制造商已经在Edge上部署了容器化的应用架构，这有助于他们通过自动化Edge设备的生命周期和按需部署新版本来减少手工流程。

4、提高列车运行的安全性

为了保证列车运行的安全性和稳定性，对列车的速度和负载等参数进行实时监测至关重要。从这个意义上说，物联网传感器与高计算能力的结合是一个最佳的解决方案。

使用小型传感器，可以收集车轮引起的高频轨道振动信息。通过边缘计算，可以计算出当前滚动风险相关参数的速度和状态。香港大学的科学家已经证明，24小时连续监测是可行的边缘计算架构。它的效果令人印象深刻，速度误差小于0.2公里/小时，而且在轨道和火车上占用的空间非常小，与传统系统相比，成本更可控。

5、改善健康和合规性

毫无疑问，2019冠状病毒疾病突然迫使许多行业改变其优先事项，更有效地解决与健康和社会距离相关的问题。