技术难题的应用领域：

铁路易受极端气象灾害、地质条件等因素的影响，一旦出现洪涝灾害就会导致铁路设备设施陷入瘫痪，甚至导致铁路运输网络系统级联崩溃，引发重大安全事故。传统的人工铁路水害检测往往存在观测范围有限、效率低、滞后等不足。基于此，本项目基于无人机航拍高分影像观测数据，融合气象数据，利用人工智能算法构建铁路水害预测与预警方法，进一步挖掘关键水道分布，为截断关键水源、提升救援效率提供解决方案。

目前所处水平等级：

目前铁路无人机巡线应用刚刚开始，已在小范围内开始采用，主要通过人眼观测视频进行判断。

技术需突破难点：

铁路的安全性要求极高，和已经发生的灾害相比，预警更重要。但目前国内外都没有成熟的技术和产品满足铁路在极端降水下运行安全监测的需要。我国铁路网络覆盖范围广，地质条件复杂，尤其近年来洪涝灾害频发，铁路水害发生概率增大，铁路沿线水害提前感知与预测预警是目前亟需突破的难点问题。

需请专家支持或解决的问题：

利用无人机高分影像数据，结合细粒度网格气象数据以及地形地质参数，通过计算机视觉及人工智能技术，研究并实现一种铁路水害风险预测与预警模型，识别雨水汇集水道网络，为保障铁路运行安全提供重要技术支撑。

需要解决关键技术难题：

1、无人机观测高分影像数据预处理方法，如何对无人机采集的影像数据进行预处理，包括图像对齐、干扰物去除，是后续研究的基础，也是本项目要解决的首要问题。 2、基于多模式数据融合的铁路水害风险预测方法，如何构建融合细粒度气象网格数据、历史铁路水害图像数据和地质数据等多源异构数据构建铁路水害风险预测模型，是本项目的主要技术难点。3、对于铁路水害形成的关键水道识别方法，如何在强降水过程中的水流汇集过程进行仿真建模，识别出引发铁路水害发生的关键水道，对于截断关键水源、提升救援效率具有重要指导意义，也是本项目拟解决的另一重要问题。

技术参数：

1、精准气象数据粒度：采用历史气象数据和未来10天的5*5公里网格气象数据；2、预测分等级分类：低、高、高危；3、预测方式：未来10天，非实时；4、预测准确率>85%。

相关指标描述：

1、研究目前最新的关于高分影像数据的分析处理方法，结合铁路及铁轨两侧护坡图形图像的特点，采用合适的算法判断是否产生滑坡，并改进相关算法最大限度提高系统预测准确率；2、掌握我国最新的气象预报数据和特点、掌握5*5公里的网格气象数据、短期和超短期（小于2小时）的气象预报数据并将之应用到预测系统中；3、结合无人机高分影像数据、气象数据、历史滑坡数据及地形地貌信息等确定预测模型，给出预警等级并直观显示。