berita

Yang pertama dari jenisnya di Tiongkok! "Teknologi kuantum UAV" melindungi pengoperasian kereta bawah tanah Hefei yang aman

2024-07-23

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Drone memantau kondisi tanah di atas kereta bawah tanah pada ketinggian rendah secara real time. Kondisi di bawah kereta bawah tanah dipantau dengan pengukuran presisi kuantum dan memberikan peringatan kapan saja... Pada 22 Juli, Hefei Rail Group mengumumkan hal itu untuk memastikan keselamatan. dari pengoperasian jaringan angkutan kereta api, angkutan kereta api Jalur 4 telah secara resmi meluncurkan sistem inspeksi penginderaan cerdas seluruh ruang. Dilaporkan bahwa sistem ini menggabungkan dua teknologi inti yaitu inspeksi cerdas di ketinggian rendah dan pengukuran presisi kuantum, dan merupakan yang pertama di Tiongkok.


Drone yang dikerahkan di Hefei Orbital Line 4 berhasil lepas landas

Untuk memastikan keselamatan operasional jaringan angkutan kereta api semaksimal mungkin dan mencegah konstruksi ilegal mempengaruhi keselamatan struktural, Hefei Rail telah terlibat secara mendalam dalam teknologi ketinggian rendah dan kuantum dalam beberapa tahun terakhir, dan telah memelopori model penuh baru. -Sistem inspeksi penginderaan cerdas ruang angkasa. "Sederhananya, ia menggunakan drone untuk memantau kondisi tanah secara real time di ketinggian rendah, dan menggunakan teknologi pengukuran presisi kuantum untuk memantau kondisi bawah tanah." Menurut penanggung jawab Hefei Rail Group, sistem inspeksi cerdas di ketinggian rendah bisa menggunakan drone dan AI yang cerdas. Teknologi ini memungkinkan analisis dan peringatan dini, secara otomatis mengidentifikasi titik risiko seperti mesin konstruksi besar, kendaraan, dan operasi ilegal, serta meningkatkan efisiensi manajemen keselamatan di area perlindungan lintasan. “Dibandingkan dengan metode inspeksi manual tradisional, drone memiliki keunggulan inheren yaitu 'berlari cepat, berdiri tinggi, dan melihat jauh'. Ditambah dengan penerapan algoritme kecerdasan buatan, drone tidak hanya dapat meningkatkan inspeksi sebanyak 2 hingga 4 kali lipat. Ini juga sangat efisien dan memiliki karakteristik mobilitas yang kuat, otomatisasi tingkat tinggi, dan biaya investasi rendah, yang secara signifikan dapat mengurangi kebutuhan tenaga kerja dan meningkatkan kualitas inspeksi.”


Platform Inspeksi Penginderaan Cerdas Cadangan Keamanan Rel Hefei

Untuk mengatasi masalah biaya inspeksi yang besar dan kesulitan dalam pemantauan zona perlindungan keselamatan lintasan secara real-time, Hefei Track secara inovatif menerapkan sistem peringatan dini cerdas serat optik keselamatan lintasan. "Sistem ini dapat menerapkan teknologi pengukuran presisi kuantum pada bidang penginderaan serat optik terdistribusi, mengubah serat optik biasa di dalam terowongan menjadi serat optik dengan kemampuan mendengar dan membedakan posisi, mencapai pemantauan waktu nyata dan cakupan regional penuh." Penanggung jawab mengatakan kepada wartawan bahwa sistem ini tidak hanya mengatasi biaya besar inspeksi tradisional, tetapi juga memberi serat optik kemampuan untuk mengidentifikasi sinyal intrusi secara cerdas. “Integrasi mendalam kedua sistem ini dapat memberikan respons yang lebih baik terhadap keadaan darurat keselamatan kereta api dan memberikan 'asuransi ganda' untuk keselamatan penumpang.”

Integrasi mendalam dari kedua sistem memberikan keuntungan penuh dari pemantauan 24 jam tanpa gangguan dari sistem peringatan dini serat optik dan kesiapan keberangkatan serta pengamatan yang jelas dari sistem inspeksi ketinggian rendah. Keduanya belajar dari kekuatan satu sama lain dan mengandalkan satu sama lain untuk merespons keadaan darurat keselamatan kereta api dengan lebih baik. Hal ini menghindari situasi di mana sistem tidak dapat membentuk sinergi karena isolasi data dan upaya independen. Eksplorasi di bidang teknologi inspeksi telah mencapai kemajuan besar, menjadikan model inspeksi sistem angkutan kereta api benar-benar bergerak menuju "penglihatan".

(Wartawan Zhu Xiaotong dan Tan Meiling)