地下交通基礎設施監測的多變數時間序列建模

新加坡地鐵每天承運數百萬乘客，幕後維護決定可靠性。軌道狀態會隨時間惡化，但傳統檢查靠人工現場巡查，勞動密集且被動；網路規模龐大、每晚維護視窗有限。

NTU 與 LTA、SBS Transit 合作，用 AI 把維護改為預測性。系統在軌道周圍裝定製智慧感測器，持續採集振動模式和聲學訊號，AI 識別緊韌體鬆動、輪緣磨損和軌道缺陷的早期訊號，並預測潛在故障。資料通過 4G/5G 即時回傳分析，讓維護團隊可在故障導致服務中斷之前介入。團隊計劃把這套系統覆蓋更多 MRT 區段。

字幕語言： zh-Hant · 抓取日期： 2026-05-02

[音樂] 新加坡地鐵系統每天為數百萬乘客提供服務，確保運輸順暢且安全。但在幕後的維護工作是如何保證其可靠性的呢？鐵軌狀況隨著時間推移會惡化，帶來安全和效率的風險。傳統的檢查方法勞動強度大且具有被動性質。主要挑戰包括管理龐大的網路、每晚有限的維護時間視窗以及對現場檢查協議的高度依賴。南洋理工大學與陸路交通管理局和SPS Transit合作，正在利用人工智慧技術革新軌道監測。人工智慧通過將維護從定期計劃轉變為預測性方法，提升了真實基礎設施的監測能力。

人工智慧每天提供軌道狀況的洞察，能夠及早發現異常，如緊韌體鬆動、輪緣磨損和軌道缺陷。該人工智慧模型通過持續分析安裝在軌道基礎設施周圍的定製智慧感測系統採集的資料來工作。它處理即時輸入，如振動模式和聲學訊號，以檢測輪軌缺陷的早期跡象。利用機器學習演算法，模型識別模式並預測潛在故障，促進主動維護。該人工智慧解決方案有望在新加坡地鐵系統廣泛部署，實現軌道缺陷的即時檢測。藉助4G和5G連線，資料即時傳輸進行分析，允許及時干預。

這項技術通過提升運營效率和安全性，增強了新加坡的計算機體驗。早期異常檢測有助於在問題導致服務中斷之前識別潛在風險和問題，確保乘客旅程更加順暢可靠。我們期待對系統進行掃描，並擴大其部署範圍，覆蓋新加坡地鐵網路的更多區域，進一步提升整個交通系統的效率和安全性。藉助人工智慧驅動的軌道監測，我們正在塑造更智慧、更安全、更高效的交通未來。南洋理工大學的創新確保了每天數百萬人的無縫出行。