人工智能在我国铁路的应用与发展研究 .pdfVIP

人工智能在我国铁路的应用与发展研究

张晓栋;马小宁;李平;武威

【期刊名称】《《中国铁路》》

【年(卷),期】2019(000)011

【总页数】7页(P32-38)

【关键词】智能铁路;人工智能;大数据;云计算;机器学习

【作者】张晓栋;马小宁;李平;武威

【作者单位】中国铁道科学研究院集团有限公司电子计算技术研究所北京

100081

【正文语种】中文

【中图分类】U29-39

0引言

进入新时代，信息技术与智能技术飞速发展，全行业开启利用高新技术改造传统产

业的进程。铁路行业作为运输骨干，同样面临着前所未有的挑战[1]。我国铁路建

设运营场景丰富，存量数据庞大，为新理念、新技术提供了良好的实践基础。随着

智能铁路概念的提出，人工智能技术在我国铁路领域的应用日益广泛，以望在传统

领域有所突破，进而强化铁路科技创新，巩固和扩大我国铁路领先优势。

随着人工智能技术被世界主流国家提上发展日程，越来越多的国家开始将人工智能

与传统行业深度融合，大力发展人工智能交叉领域的应用技术和人才培养。为抢占

人工智能发展的重大战略机遇，我国于2017年7月颁布了《新一代人工智能发

展规划》，将人工智能上升为国家战略[2]。为贯彻党的十九大关于科技强国、交

通强国战略部署，我国铁路充分结合人工智能技术，积极开展智能京张、智能京雄、

智能蒙华的综合研究[3]，全面推进我国智能铁路建设。

分析人工智能的定义和阶段发展历程，概括人工智能的技术内涵，结合我国铁路未

来发展规划方向，从不同技术应用层面对现阶段人工智能在我国铁路的应用与发展

进行描述和总结，分析现阶段人工智能在我国铁路领域应用中存在的问题，并对未

来的研究与应用提出发展建议，以期为我国智能铁路发展提供参考。

1人工智能概述

1.1定义与发展历程

人工智能是对人的意识和思维过程进行模拟并系统应用的一门新兴学科[4]，可分

为强人工智能（ArtificialGeneralIntelligence，AGI）与弱人工智能（Artificial

NarrowIntelligence，ANI），一般通过计算机程序的手段予以实现，并被应用

于全领域的一种技术手段。人工智能的相关概念于20世纪中叶提出，至今经历了

3次较大的发展波动（见图1）。20世纪40年代—70年代，人工智能研究诞生，

重点研究将逻辑推理能力计算机化，但受限于计算能力而偃旗息鼓，即“萌芽实验

期”；20世纪70年代—90年代，人工智能被广泛理解为计算机对人类知识的总

结，但由于理论基础差、交叉学科发展桎梏、实际应用效果较差导致发展暂缓，即

“缓慢发展期”；20世纪90年代至今，互联网技术的飞速发展为人工智能发展

从数据和运算能力方面提供了支撑，计算机从数据中学习算法变得可行，并在某些

领域大获成功，即“集中爆发期”。

图1人工智能技术发展历程

1.2技术内涵

近年来，随着数据的增长和计算成本的降低，人工智能相关技术飞速发展，机器学

习、深度学习、张量学习等新概念经常与数据分析、数据挖掘等传统理论混淆，因

此有必要对人工智能的相关技术进行梳理，以期能更好地了解人工智能的技术内涵。

强人工智能是较为理想的状态，当前的技术水平较为欠缺，在真实世界中难以实现，

现阶段人工智能仍主要停留在弱人工智能阶段。数据存量与计算能力是制约人工智

能发展的两大要素，不断增长的海量数据为弱人工智能提供了丰富的数据支撑，低

廉高效的计算能力为弱人工智能提供了强劲的算力支撑。同时传统数理统计、数据

分析、数据挖掘也有效支撑了人工智能相关技术的发展（见图2）。

图2人工智能的技术内涵

当前人工智能的发展方向主要集中在专家系统、智能Agent规划、推荐系统、情

感计算、进化计算、机器学习、计算机视觉、自然语言处理、机器人与机器感知、

知识表达与常识库等方面。其中，机器学习是人工智能应用较多的方向，使用算法

解析、训练数据，从数据中获取规律，并对事件行为做出判断和预测。机器学习直

接来源于早期的人工智能算法研究和传统数理统计理论，包括决策树、随机森林、

贝叶斯分析、支持向量机、神经网络等方法。按照学习方式，机器学习可分为监督

学习、无监督学习、集成学习、张量学习、深度学习等；按照应用形式，机器学习

又可分为回归分析、数据预测、分类与聚类、异常检测、因果推理等。

深度学习是机器学习的一个重要方向，是用于建立、模拟人脑进行分析学习的神经

网络，是模仿人脑的机制解释数据的一种特殊的机器学习技术，是在数据存量、计

算能力极大提高的前提