​动车d2809脱轨事故原因（也许D2809动车脱轨本可以避免）

动车d2809脱轨事故原因（也许D2809动车脱轨本可以避免）

6月4日，D2809动车撞上泥石流，发生严重脱轨，导致当班司机不幸殉职，多名乘客及列车员受伤。我们感慨司机的英勇果断，挽救了绝大部分旅客和乘员，同时，也深深地惋惜，毕竟英雄走了！

自然灾害是突发的，但是，科技可以帮助我们及早预测、感知到灾害，并及时采取措施，最大程度地避免灾害对人类的破坏和损伤。

本文借助一些智能汽车解决方案，探讨相关技术在高铁/动车中的应用，尽早感知、预防灾害发生，仅供参考。

1、激光雷达

杨勇司机在5秒钟内采取了紧急制动措施，5秒对于人来说，从肉眼看到障碍物，到作出判断，再发出指令或手动操控，已近极限。

然而，如果通过激光雷达等科技手段感知，再通过车载计算中心AI分析判断，发现异常情况，采取紧急措施的响应时间是毫秒级，这就为紧急避险赢得更多宝贵时间。

从新闻中的图片可以看出，车头及其后节车厢在急速强力制动下脱轨，并撞向防护墙/柱。假如列车头安装有激光雷达，在数百米甚至数公里外就能探测到铁轨上的障碍物，并在几毫秒内自动启动紧急制动，因为响应快，就可以留下足够的缓冲时间，减少冲击力，避免重大损伤。

激光雷达的三维目标成像、识别技术，在时速100-200公里的汽车自动驾驶中应用，已经得到了充分验证，在时速250公里的动车上应该也没有问题。何况，汽车的路况远比铁轨上运行的列车复杂。

激光雷达的有效探测距离可达到数百米至数公里，激光雷达的最大优势是分辨率高。激光雷达具备极高的角度、距离和速度分辨率。可同时跟踪多个目标；距离分辨率可达0.lm；速度分辨率能达到10m/s以内。距离和速度分辨率高,意味着可以利用距离——多谱勒成像技术来获得目标的清晰图像。

多个激光雷达，效果更佳。还可像智能汽车驾驶那样，配合使用多个毫米波雷达、超声波雷达、高清摄像头。超感知 超级运算，实现自动驾驶，紧急情况下的响应时间达到毫秒级，最大限度避免灾害。

2、车路协同

在隧道、涵洞、立交桥、路网密集、社区集中，等等，情况复杂，易发意外事故的路段，通过高清摄像头、超声波传感器等科技手段加大感知力度，再通过4G、5G或光纤传送信息至运行中的列车及路局调度中心，实现车路协同，这是汽车自动驾驶的方向，也是列车智能驾驶的方向。

在感知、运算、分析、响应等多方面，现在科技及电脑在这些方面的能力是超过人的。加之，这些年我国以5G为龙头的新基建建设已取得突飞猛进的成就，具备了实施车路协同自动驾驶的物质与技术条件。

上图是汽车智能驾驶的车路协同，供参考。（图片来源于网络）

3、车载计算中心

上述技术的落实，需要有比较强大的运算中心支撑，现有列车上的计算系统需要升级，没有强大的算力，前面讲的都是白搭。

车载计算中心不仅要处理各种列车运行数据，还有列车上搭载的各种传感器、探测器的实时感知数据，以及铁路沿线各种实时探测数据，再辅以本路网所有列车的过往数据，及经过路段的历史与当下的自然灾害数据，对这些大数据建立模型，AI分析、模拟、自学习，在此基础上，实现自动驾驶。

比如，此次D2809动车事故发生地，黔东南苗族侗族自治州榕江县，地质构造复杂，地质环境脆弱，离事发地仅15公里，曾被地质部门认定为滑坡地质灾害风险地区。榕江县自然资源局早在4月29日发布公告，4月以来，该地区降雨明显增加，正式进入汛期，汛期是泥石流发生的主要季节。

笔者看到媒体报道，国家预警信息发布中心下属的榕江预警发布，曾在5月22日到6月4日期间，连续发布8次暴雨预警信息，并且于6月4日凌晨1时33分，将暴雨黄色预警升级为暴雨橙色预警信号，凌晨2时41分，将暴雨橙色预警升级为暴雨红色预警信号，并且提示注意防范强降雨引发的次生灾害。

以上这些相关的预警信息，如果我们的列车及相关铁路运行调度部门能够及时将相关的大数据，与列车运行数据关联，智能驾驶系统经过AI运算，自动将列车行驶速度在高风险区域降下来，并通知到路网调度中心协调。再辅以实时感知数据，探测到路障后快速响应，如此，悲剧即可避免！

11年前，温州动车事故发生时，我们还不具备这样的能力，11年后的今天，我国完全具备了这方面的技术和能力，也算是在技术牵引下拉动内需，推动行业数字化、智慧化发展。

所以说，未来象D2809动车脱轨这样的事故完全可以避免。

,