LNER與Network Rail的AI驅鹿系統將預期軌道撞擊次數從八次降至一次

鹿闖入鐵路線是個老問題，卻只有兩種不理想的解法：安裝在列車上的哨音裝置，並不可靠；以及高聳的圍籬，成本高昂。列車營運商LNER與Network Rail在彼得伯勒與格蘭瑟姆之間一英里長的軌道上測試了不同的做法：一套以感測器和AI為基礎的自動化驅鹿系統Adds。

該系統利用聲音與視覺感測器辨識鹿何時接近軌道。一旦偵測到鹿，便啟動各種聽覺與視覺警報，目的是將動物驅離路線；接著由AI攝影機監看牠的移動，直到牠被引導至安全距離為止——因此每一次驅離都經過驗證，而非僅憑假設。

數據說明了成效：LNER表示，自2023年5月開始測試以來，Adds平均每週驅離50隻鹿；而在該期間，測試區域原本預期會發生約八起鹿遭列車撞擊的事件，卻只通報了一起。該系統將推廣至東海岸主線倫敦國王十字與愛丁堡之間其他鹿隻闖入率高的路段。

以閉環機制取代一概而論的驅離手段：感測鹿、以多樣化警報驅離牠，並讓AI攝影機持續監看牠，直到牠處於安全距離之外。

兩種既有做法各以相反的方式失效——哨音裝置無法可靠運作，圍籬雖有效但沿著長路線設置成本過高——這便為感測式做法留下了空間。

多樣化警報很重要：單一固定的聲音會被動物習慣而忽略，而混合聽覺與視覺提示則能給動物一個遠離的依據。

AI攝影機完成了閉環：系統不假設警報已奏效，而是持續監看鹿，直到牠確實處於安全距離之外。

效益同時反映在兩本帳上：LNER的Danny Gonzalez表示，這套系統「能節省時間、減輕壓力，最重要的是，能拯救鹿」；路線工程師Jo Priestly則將其與減少誤點連結起來。

當某種一概而論的解法不是不可靠就是過於昂貴時，就建立閉環：偵測特定的動物、個別驅離牠，並以攝影機驗證結果，而不是把賭注押在被動的硬體上。

LNER稱這次試驗成功，並表示該系統將推廣至東海岸主線其他鹿隻闖入率高的路段；該路線橫跨倫敦國王十字與愛丁堡之間。