地下交通基础设施监测的多变量时间序列建模

新加坡地铁每天承运数百万乘客，幕后维护决定可靠性。轨道状态会随时间恶化，但传统检查靠人工现场巡查，劳动密集且被动；网络规模庞大、每晚维护窗口有限。

NTU 与 LTA、SBS Transit 合作，用 AI 把维护改为预测性。系统在轨道周围装定制智能传感器，持续采集振动模式和声学信号，AI 识别紧固件松动、轮缘磨损和轨道缺陷的早期信号，并预测潜在故障。数据通过 4G/5G 即时回传分析，让维护团队可在故障导致服务中断之前介入。团队计划把这套系统覆盖更多 MRT 区段。

字幕语言：zh-CN · 抓取日期：2026-05-02 · 翻译日期：2026-05-02

[音乐] 新加坡地铁系统每天为数百万乘客提供服务，确保运输顺畅且安全。但在幕后的维护工作是如何保证其可靠性的呢？铁轨状况随着时间推移会恶化，带来安全和效率的风险。传统的检查方法劳动强度大且具有被动性质。主要挑战包括管理庞大的网络、每晚有限的维护时间窗口以及对现场检查协议的高度依赖。南洋理工大学与陆路交通管理局和SPS Transit合作，正在利用人工智能技术革新轨道监测。人工智能通过将维护从定期计划转变为预测性方法，提升了真实基础设施的监测能力。

人工智能每天提供轨道状况的洞察，能够及早发现异常，如紧固件松动、轮缘磨损和轨道缺陷。该人工智能模型通过持续分析安装在轨道基础设施周围的定制智能传感系统采集的数据来工作。它处理实时输入，如振动模式和声学信号，以检测轮轨缺陷的早期迹象。利用机器学习算法，模型识别模式并预测潜在故障，促进主动维护。该人工智能解决方案有望在新加坡地铁系统广泛部署，实现轨道缺陷的实时检测。借助4G和5G连接，数据即时传输进行分析，允许及时干预。

这项技术通过提升运营效率和安全性，增强了新加坡的计算机体验。早期异常检测有助于在问题导致服务中断之前识别潜在风险和问题，确保乘客旅程更加顺畅可靠。我们期待对系统进行扫描，并扩大其部署范围，覆盖新加坡地铁网络的更多区域，进一步提升整个交通系统的效率和安全性。借助人工智能驱动的轨道监测，我们正在塑造更智能、更安全、更高效的交通未来。南洋理工大学的创新确保了每天数百万人的无缝出行。