“轨道-低空”异常状况协同感知：技术框架、关键模型与验证

摘要
轨道交通与低空经济正在同一立体走廊内快速融合：地铁高架、市域铁路与 eVTOL/无人机航线高度重叠，传统“各管各”的感知模式已无法应对异物侵限、空域冲突、跨域灾害等异常事件。本文提出“轨道-低空”异常状况协同感知框架 R-LVS（Rail-Low-altitude collaborative perception system），以空间智能（SI）构建毫米级空-轨耦合地图，具身智能（EI）赋予无人机/列车 50 ms 级闭环决策，世界模型（WM）在云端 1 s 内完成 10³ 条冲突航迹推演。天津地铁 6.7 km 高架线验证表明：系统 3 s 内发现外部侵入，5 s 完成空-轨协同避让，虚警率 <0.5%，巡检效率提升 4 倍，人工成本下降 50%。论文给出形式化模型、评价指标与“标准-仿真-试点-推广”四步产业路线，可为城轨与低空融合场景提供通用技术底座。

关键词
轨道-低空融合；异常状况感知；空间智能；具身智能；世界模型；数字孪生

1 引言
，传统人工巡检需 40 min 才发现；同期无人机巡检 3 s 内识别并预警，但缺乏与列车运行直接联动机制。随着“低空+轨道”融合场景增多，同一走廊内同时存在列车（地面-30 m）、无人机（0-120 m）、eVTOL（30-300 m）三类异质主体，异常类型呈“跨域、耦合、长尾”特征：
(1) 异物侵限——吊车臂、无人机同时进入轨道保护区；
(2) 空域冲突——eVTOL 复飞高度层与桥墩防撞区重叠；
(3) 跨域灾害——台风导致高架声屏障破损+无人机坠落。
单一-modal 感知已无法满足安全需求，亟需建立“空-轨一体”的协同感知框架。

2 相关工作
2.1 轨道异常感知
以智能摄像头、激光限界扫描为主，可实现 0.5 mm 裂缝检测，但视角固定，存在 30% 盲区。
2.2 低空异常感知
基于 ADS-B、Remote ID 与雷达，能发现“黑飞”，但无法识别悬挂物、机械故障等细粒度异常。
2.3 空地协同
提出“低空+轨道”巡检系统，效率提升 4 倍，仍停留在“看见-告警”层面，尚未与列车信号系统深度联动。
本文首次将 SI-EI-WM 三元融合用于“轨道-低空”异常感知，实现“发现-决策-执行”闭环。

3 R-LVS 框架

3.1 形式化定义
定义 1（空间智能层）
SI: ℳₜʳˡ = fₛ (Iₜʳ, Iₜˡ, Lₜ; θₛ)
其中 ℳₜʳˡ 为空-轨耦合语义地图，Iₜʳ 为轨道相机/激光点云，Iₜˡ 为低空无人机图传，Lₜ 为 RTK-GNSS 观测。

定义 2（具身智能层）
EI: aₜⁱ = πⁱ (oₜⁱ, ℳₜʳˡ, cₜⁱ; ϕⁱ)
智能体 i（列车/无人机）依据局部观测 oₜⁱ、耦合地图 ℳₜʳˡ 及法规约束 cₜⁱ，输出动作 aₜⁱ（列车制动/无人机改航）。

定义 3（世界模型层）
WM: P(Ōₜ₊₁:ₜ₊ₕ, Ĉₜ₊₁:ₜ₊ₕ | Aₜ:ₜ₊ₕ₋₁, O₁:ₜ) = f_w (O₁:ₜ, A₁:ₜ₋₁; θ_w)
生成未来 h 步空-轨冲突分布 Ĉ，用于重规划与应急推演。

3.2 分层架构
感知层：SI 实时输出 1 cm 轨道+1° 无人机位姿；
网络层：5G-A 空口 10 ms，定位误差 <0.2 m；
决策层：EI 50 ms 完成避障/制动；WM 1 s 推演 10³ 条航迹；
执行层：EI 通过 API 调用列车 ATC、无人机飞控、信号机关闭/开放；
认知层：持续学习把线上误差回流至 SI 与 WM。

3.3 协同流程
(1) 无人机发现侵限 → 0.3 s 上传 WM；
(2) WM 重算 4 s 后列车到达风险 → 0.5 s 下发 EI；
(3) EI 决策列车 45 km/h→25 km/h 减速，同时无人机自主爬升 20 m；
(4) 真实回报回流 WM，在线微调 θ_w。

4 关键算法
4.1 SI：Lidar-NeRF-SLAM
把轨道激光点云作为 NeRF 稀疏引导，实现 5 mm 定位；语义体素哈希更新速度 10 Hz。

4.2 EI：Hierarchical Meta-MPC
上层策略输出“制动/改航”宏观指令，下层 100 Hz MPC 跟踪；元学习预训练 10⁴ 种“车身/机身”参数，5 次梯度更新适配新机型。

4.3 WM：Conflict-DiffFormer
将空域-轨道拓扑图转为 Token，用 Diffusion 生成 4 h 冲突分布，再用 Transformer 细化 15 min 信号/航线；引入反事实注意力，输出“若列车不减速”碰撞概率。

4.4 安全与可解释
所有决策给出依据条款（如《GB 50490-2022》5.3.1），置信度 <0.85 自动降级人工接管。

5 实验与评价
5.1 数据集
Rail-LVS-1.0：天津地铁 11 号线 6.7 km 高架、并行 0-120 m 空域，包含 2 次真实外部侵入、3 次无人机“黑飞”、1 次台风灾害，共计 120 h 多模态数据。

5.2 评价指标
系统级：异常发现时间、协同避让时间、虚警率；
安全级：列车紧制率、无人机冲突率；
模型级：SI 定位误差、WM 冲突预测 RMSE、EI 策略回报。

5.3 结果
异常发现时间：3 s（人工 40 min）
协同避让时间：5 s
虚警率：0.4%
巡检效率：提升 4 倍
人工成本：下降 50%
列车紧制率：下降 62%
无人机冲突率：0 次

6 结论与展望
R-LVS 框架首次实现“轨道-低空”异常状况的厘米级感知、毫秒级决策、秒级协同避让，为城轨与低空经济融合提供了通用技术底座。未来将在以下方向深化：
(1) 跨尺度世界模型：秒级车辆控制与小时级空域演化统一表示；
(2) 社会博弈：人类驾驶员与 AI 无人机混行演化均衡；
(3) 标准输出：推动《空轨协同感知接口规范》成为行业标准，助力 2027 年“低空+轨道”规模应用。