人工智能助力火车互联网
自从火车成为长途运送人员和货物的主要力量以来，已有近 200 年的历史了。尽管在火车和轨道的工程设计上已取得了巨大进步，但一些基本挑战未曾改变。
- 火车是否在 A 点与 B 点之间准点运行？为什么？
- 沿途是否有可能影响通行的问题？
- 防止人为错误的最佳方法是什么？
技术在帮助回答这些问题方面发挥了巨大作用。对基础设施、设备和网络架构的投资使货运铁路系统变得比以往更加高效。
数量众多的设备（测量速度、振动、遥测、制动器等）使操作员如虎添翼。实时查看火车系统意味着可以更快地做出决定并防患于未然。
但是，即使铁路系统产生大量数据，仍然存在巨大挑战。最智能的机车拥有数百个传感器，每秒能够处理超过十亿条指令，而所有这些数据轻易就会超过传统商业智能和分析工具的能力。
另一个问题：传统上，收集火车数据涉及通常只有火车进入维修场站才会发生的间歇性连接、一系列遗留系统、数据孤岛和批处理。当数据不可用或无法实时执行时，很难将其转化为有价值的见解。
边缘优先的答案
EdgeLINC 是用于运输的工业物联网平台，可解决设备和数据连接方面的挑战。该平台由 Wabtec 子公司 GE Transportation 开发，支持许多应用程序，例如火车遥测，可提供定位、运行状况监控、车载规则和边缘分析。因而，能够降低运营成本，改善火车的处理，并提高资产利用率。
采用英特尔® 技术的 EdgeLINC 网关已部署在火车上，从而在数据产生的源头实现了强大的实时分析和边缘计算能力。Wabtec 物联网平台和应用程序负责人 Adebayo Onigbanjo 表示：“我们希望为客户提供可行信息，帮助客户更好地实时管理物理世界并提高工业表现。但是，在边缘运行复杂的操作需要巨大的能力和洞察力。”
EdgeLINC 支持的连接设备包括可测量温度、液位、燃油管理、制动器等的传感器。铁路沿线资产收集并报告交换机操作，跟踪振动以及沿线系统故障的实时警报。在火车上，人员可以通过车载智能显示终端和乘员使用的移动设备访问数据（图 1）。
实时数据分析
EdgeLINC 使公司可以选择立即在边缘分析的数据，以及稍后发送到云端的数据，从而降低了蜂窝网络和其他网络的成本。选择边缘级计算的更大推动力是能够对数据立即采取行动。对最有可能使火车停车的因素（机车遥测、制动器、燃油监测和火车处理警报）进行分析比实时可见性具有更高的优先级，因为停车会导致数百万美元的资产闲置（图 2）。
因为大量传感器数据生成的图像越来越多，所以底层的 EdgeLINC 网关都是英特尔® Movidius™ 视觉处理器 (VPU) 和英特尔® OpenVINO™ 工具包。超低功耗 VPU 在设备和网关级别支持性能要求高的任务，特别是对于诸如预测性维护之类的图像处理应用。
过程的改进降低了成本
EdgeLINC 可以针对客户量身定制解决方案。Onigbanjo 说：“一家亚洲铁路公司需要一种解决方案，能够在通信不可靠的地段跟踪火车。有时，火车会在途中停下来，而中央运营商并不知道停车的地点或原因。运营商需要能够与客户沟通配送延误时间，并提供预计到达时间。”
EdgeLINC 解决方案帮助铁路运营商追踪火车位置，确定停留时间并创建运行图，从而使公司能够改进流程，提高客户满意度并降低成本。
Onigbanjo 说：“由于铁路公司不拥有铁轨，因此将来发现基础设施出现问题时，可以与铁轨所有者合作。他们可以指出在某个位置出现了越来越多的停工，并致力于解决这些问题。”
未来的火车
借助 EdgeLINC 之类的解决方案，技术在帮助铁路运营商为未来做好准备方面发挥了重要作用。例如：
- 基于边缘推断模型的视频分析可以帮助操作员确定火车路线中的物体是否大到足以构成威胁。
- 自动化的铁路检查会在火车沿特定路线行驶时使用捕获的视频，然后比较随时间变化。
- 广泛部署的 Positive Train Control 等新技术可以解决人为错误，为货运和客运铁路运营商提高安全性和效率铺平了道路。
我们的未来是否会有智能火车？可能已经有了。