随着我国铁路的迅速发展，地理环境对铁路行车安全的影响大幅提升，亟需加强对铁路环境安全隐患的预测和治理，提升铁路安全趋势分析能力，建立行之有效的“人防—物防—技防”监测机制^[1-3]。卫星遥感技术的迅猛发展为铁路环境风险监测提供了新思路^[4]。肖铭哲^[5]论证了卫星遥感技术在定期动态监测铁路外部风险源中的可行性；于胜利等人^[6-7]通过研究发现，卫星遥感技术在高速铁路（简称：高速）隧道外部环境和铁路沿线环境的安全监管中具有显著优势；杨移超^[8]论述了满足京沪（北京—上海）高铁廊坊段工程应用的卫星监测技术流程；袁慕策^[9]论证了在京津（北京—天津）城际铁路采用的基于遥感技术的铁路环境安全隐患监测方法有效性；刘桂卫等人^[10]研究了高分辨三维遥感无人机、北斗卫星定位等技术在山区铁路防灾减灾工作中的应用研究。

当前，中国铁路南宁局集团有限公司（简称：南宁局）的铁路环境风险监测工作仍存在以下问题：安全隐患排查过于依赖人工、风险管理依赖台账、地理环境数据无法实现周期性更新、现有的相关系统之间相互独立、地理环境数据和铁路业务数据难以汇聚融合等。

为此，本文基于卫星遥感技术，设计铁路地理环境监测信息系统。利用卫星遥感影像数据，结合地理信息系统（GIS，Geographic Information System）技术，对广西境内的铁路沿线风险数据进行处理和分析，获得风险位置、属性及危害等级，实现了铁路环境风险的提前识别和定位，提升了巡检效率并降低了监管难度，为传统的铁路环境监测工作智能化提供解决方案。

1   系统架构

1.1   总体架构

铁路地理环境监测信息系统的服务器均部署在南宁局一体化的铁路现代信息基础设施中，并通过铁路数据服务平台实现与外部系统的数据交换。该系统相关的应用数据均在一体化现代信息基础设施—云平台中存储，其总体架构如图1所示。

图  1  铁路地理环境监测信息系统总体架构

下载: 全尺寸图片 幻灯片

铁路地理环境监测信息系统包含6类服务器：应用服务器、GIS引擎服务器、数据库服务器、地图服务器、内部服务网数据交换服务器和外部服务网数据交换服务器。其中，应用服务器部署了该系统的5个内部服务网应用，以及服务运行所需要的组件和容器；GIS引擎服务器用于部署图层发布所需要的SuperMap iServer引擎；数据库服务器用于存储多源异构的时空数据；地图服务器存储了历年的广西壮族自治区（简称：广西）卫星遥感影像天地图的同时，也部署了天地图的发布引擎。内部服务网应用通过内、外部服务网的数据交换服务器和铁路计算机网络安全平台，获取设备采集的数据。

用户主要通过内部服务网的PC终端访问铁路地理环境监测信息系统，设备采集接口主要为防洪巡检及地灾监测功能应用提供必要的数据支撑。此外，该系统需要从铁路地理信息平台获取铁路数字高程模型（DEM，Digital Elevation Model）地型数据，并通过铁路统一身份认证平台实现单点登录功能。

1.2   技术架构

铁路地理环境监测信息系统后端基于J2EE平台，采用微服务架构及分层设计思想。该系统适配麒麟等国产操作系统、数据库、X86架构的CPU指令集，技术架构如图2所示。

图  2  铁路地理环境监测信息系统技术架构

下载: 全尺寸图片 幻灯片

1.2.1   感知层

通过多种采集手段来获取地理环境数据，帮助用户全面掌握铁路周边的环境情况。遥感卫星可定期获取广西境内的天地图影像数据，并能够根据需求从中分析获取相应的风险数据信息。用户通过无人机在铁路周边的定期巡飞，可获得铁路环境的最新视频资料及三维全景影像图片。此外，地灾、防洪检测设备会采集铁路周边的专业数据，并通过数据接口的形式将数据传输到铁路地理环境监测信息系统中进行展示和预警。用户可通过手机终端在风险复核及处理阶段拍摄现场照片，在铁路地理环境监测信息系统中上传留存和维护，实现风险要素的闭环管理。

1.2.2   数据层

主要进行数据存储并为铁路地理环境监测信息系统应用提供必要的数据及服务支撑。其中，结构化数据使用国产数据库存储，非结构化数据则使用文件服务器进行存储。同时，还采用了Redis和RabbitMQ分别提供缓存和消息服务。

1.2.3   服务层

主要使用Spring Cloud、Spring Boot、MyBatis Plus、Netty、Docker等技术来进行Java后端服务开发，以及微服务的管理和监控。此外，利用SuperMap iServer、SuperMap iObject等超图生态技术实现地图、数据服务的发布及相关组件的调用。

1.2.4   业务层

包含铁路地理环境监测信息系统的核心功能：地理一张图、地理环境风险监测、安全环境及资产数据管理、无人机视频及三维全景影像管理、防洪巡检及地灾监测。

1.2.5   代理层

使用Nginx技术为系统服务器集群提供负载均衡和反向代理服务。

1.2.6   展示层

主要使用HTML5、JavaScript、Vue、Leaflet、Element UI等前端开发技术进行系统网页端的构建、地图和图层服务的调用，用户可通过浏览器的方式访问系统。

2   系统功能

2.1   地理一张图

根据自然资源部门提供的广西天地图和广西境内5131 km的铁路DEM地型数据，形成铁路二三维一体化基础底图。在此底图的基础上，利用多源异构铁路时空数据汇聚融合技术，将铁路线、站点等基础数据、7类风险点（水系风险、植被破坏、冲沟风险、公铁交叉、硬飘物、轻飘浮物、其他风险）数据、相关资产数据都进行汇集、入库，为上层引擎提供统一格式的数据。随后，利用SuperMap的GIS技术进行时空数据的图层构建与发布，在天地图中实现所有数据的可视化。

使用精度较高的底图影像，为用户展示地理环境情况。用户可快速切换图层，在地图上直观地浏览和定位各类数据信息；可根据不同铁路线路及公里标定位地图具体位置的数据，切换不同年份影像底图进行数据查询；可切换至结合二维图层和无人机三维倾斜数据绘制而成的三维模型对具体位置进行监测。

2.2   地理环境风险监测

利用基于卫星遥感影像的风险隐患分析技术、风险隐患的临近里程点分析和风险等级评定算法，获取和分析7类风险数据，并将其划分为一级风险、二级风险、三级风险、四级风险和无风险这5个级别。在此基础上，可进一步从风险数据的变化、入库情况等多个维度进行统计，帮助用户更好地处理风险、制定决策。

用户可通过切换不同铁路线路和不同年份影像底图来比对分析风险，并进行入库操作。同时，用户还可对已入库的风险隐患进行管理和复核，按风险编号、公里标、数据版本等条件查询和导出各类风险数据。

2.3   安全环境及资产管理

在维护安全环境及资产数据台账的基础上，实现了根据数据的里程点生成相应的空间信息，并在利用SuperMap的GIS技术制作相应图层后，实现台账数据在天地图中的渲染，即数据上图。在地图中，用户可选择展示多个图层数据，并通过点选具体的图斑查看详细信息。

2.4   无人机视频及三维全景影像管理

用户可上传无人机拍摄的视频，根据不同的铁路线路公里标进行切换预览；铁路地理环境监测信息系统可根据飞行参数智能定位视频画面所处的公里标及经纬度。

此外，用户还可将专业软件处理后得到的三维全景影像压缩文件上传至铁路地理环境监测信息系统，可对其公里标、影像版本等信息进行定期维护，并可利用标记工具在影像中的关键位置进行标注和说明。

2.5   防洪巡检及地质灾害监测

采用数据接口的形式，对防洪和地质灾害设备的数据进行实时采集，并以天地图为底图实现数据的上图，同时，以地图和表格的形式实现数据的多元可视化，打破各专业系统之间的信息壁垒，达到数据共享和汇聚的目标，帮助用户直观并及时掌握关键信息。

3   关键技术

3.1   多源异构铁路时空数据汇聚融合技术

铁路地理环境监测信息系统针对地理时空大数据的多元异构、隐性关联、融合困难等特征，提出了多源异构铁路时空数据汇聚融合技术，构建了铁路多源异构数据汇集和融合框架。利用FME（Feature Manipulate Engine）空间数据转换技术将南宁局内/外部数据进行汇集和预处理，结合南宁局铁路特点将数据融合分为数据级融合、特征级融合和决策级融合，并选择合适的层次完成数据融合，数据融合的结果可以进行分享。将融合后的数据存储到空间数据表中，形成包含铁路线、站点、里程等业务图层数据和外部环境图层数据的时空数据库，从而解决多源异构数据汇集和融合问题。

3.2   基于卫星遥感影像的风险隐患分析技术

为了实现地理环境风险监测模块中7类风险数据的自动识别，解决人员巡线排查盲点多、难度大等问题，本文提出基于卫星遥感影像的风险隐患分析技术。该技术通过分析周期性的卫星遥感影像，监测南宁局铁路周边环境变化，并从中分析获取相应的风险数据信息。

对周期性卫星遥感影像数据识别的风险数据进行筛选、清洗、完整性校验和规范化处理等操作，获得有效的风险隐患数据。利用SuperMap的空间数据处理平台对风险隐患数据进行所属铁路线分析、隐患点与铁路线距离分析及隐患点重复面分析。根据临近里程算法和风险等级评定算法对风险隐患进行分析，并将分析结果追加至风险隐患属性。用户可查看7类风险的位置、面积、高程、形成年限等相关信息，并将这些信息作为风险整治的依据。

3.3   风险隐患的临近里程点分析和风险等级评定算法

风险隐患临近里程点分析算法可用于计算出7类风险点的临近铁路线和最近里程点，实现风险数据的里程化，方便业务人员掌握风险隐患的里程位置，从而在现场能够精确地进行隐患排查和处置。在风险数据经过加工处理后，通过临近里程点分析算法，根据风险隐患点的经纬度信息自动计算出该点的临近铁路线和最近里程点，实现风险数据的里程化管理。

临近里程点分析算法的基本思路为：（1）以风险隐患点的经纬度信息作为中心坐标点；（2）利用空间分析方法创建一个以中心坐标为圆心，半径为N（初始值为5 km）的圆形缓冲区；（3）采用逐级缓冲策略，根据创建的缓冲区对铁路线的公里标斑点进行空间查询，找出与缓冲区相交的所有公里标斑点并获取斑点要素信息，若相交斑点数量为0，则执行N =N+1，直至存在相交斑点；（4）计算相交斑点与中心斑点之间的距离，并记录下最近斑点的里程点。

由于卫星遥感影像分析出的风险数据量较大，业务部门需要对识别的风险进行等级划分，根据不同的风险等级确定不同的风险整治手段。风险等级评定算法根据隐患点与铁路线距离、面积、高程等指标阈值实现。

3.4   基于GIS的图层构建、发布和应用技术

铁路地理环境监测信息系统采用SuperMap的GIS技术及工具进行图层的构建和发布，利用Leaflet实现图层的应用。它是一个系统化的过程，包括数据准备、数据导入、数据集创建、图层构建、服务发布、服务配置以及客户端集成等关键步骤。具体过程为：（1）将铁路线数据、铁路站点数据、风险隐患数据、安全环境及资产等数据利用SuperMap iDesktop清洗、整合并入库，创建数据集并构建具有特定样式和属性的图层；（2）使用SuperMap iServer引擎将图层发布为地图或数据服务，配置如访问权限和切片策略等参数；（3）利用Leaflet实现图层的初始化、查询、编辑和分析，并进行服务测试，确保服务的正确性和响应效率。

4   结束语

本文设计的铁路地理环境监测信息系统已在南宁局防洪办、工务部、各工务段、基础设施段、集团公司应急指挥中心、供电部和安监室等单位投入使用，实现了铁路线地理环境、风险隐患的地图化和图形化，达到了精准预防风险、监测风险和管控风险等目的。该系统涵盖了2017—2024年卫星遥感影像天地图、21万条7类风险数据、987条无人机视频、2428个三维全景影像等多个多源异构的数据，满足了铁路安防工作数字化转型需求，解决了泛在交通地理环境中潜在风险隐患识别排查过于依赖人工、风险管控难、数字化程度低等问题。在该系统的支持下，南宁局建立健全了7类风险隐患库，近一年经受住了45轮强降雨和强对流的考验，累计帮助业务部门排查风险隐患9万余条。随着功能的不断新增和优化升级，该系统将进一步提高风险隐患的排查效率，降低环境灾害发生率，提高交通运输安全性，在交通行业具有推广意义。下一步，将进一步利用人工智能技术和深度学习算法，对无人机视频等图像视频资料进行分析，识别出危岩落石、边坡溜坍等铁路周边风险隐患，并结合卫星遥感影像的风险隐患分析结果，为用户生成即时告警事件，帮助用户及时应对并防范隐患。