纽约地铁用六部谷歌Pixel手机监听断轨

去年9月至今年1月间，六部谷歌Pixel智能手机随纽约市地铁A线的四节车厢运行——它们被螺栓固定在车底的塑料外壳内以及车厢内部，在上曼哈顿至皇后区南部之间32英里的线路上持续采集加速度计、磁力计、陀螺仪数据，外部单元还采集麦克风数据。这项由MTA与谷歌合作开展的实验名为TrackInspect，旨在验证廉价、大多为现成货架产品的技术能否辅助轨道检查，谷歌公共部门未向该机构收取费用。

替代方案所涉及的规模不容忽视：人工检查员要步行巡查全部665英里地铁轨道，而搭载传感器的列车几何检测车每年仅运行三次。据MTA称，在四个月里，TrackInspect识别出了人工检查员随后精确定位的92%的缺陷位置。有一人承担了大量标注工作：纽约市公交局助理首席轨道官罗伯特·萨诺（Robert Sarno），这位有14年资历、绰号“轨道低语者”的老手，从音频片段中标注了松动的接头、松动的螺栓、钢轨和轨枕缺陷，与真实缺陷的相关度超过80%。

该项目总计将3.35亿条传感器读数和1200小时音频与纽约市公交局的缺陷数据库相结合，训练出约200个独立的预测模型。由于模型能说明它们听到的是哪类问题，检查员可以带着合适的工具到场——其既定目标是让他们“把时间花在修复上，而不是识别上”。美国监管机构仍要求人工检查，WSP顾问布莱恩·波斯顿（Brian Poston）预计这一要求将持续下去；纽约的独特之处在于使用谐波——音频加振动——而非轨旁摄像头或固定传感器。

固定在地铁车厢底部的普通Pixel手机能听到轨道故障：传感器数据流加上一位老手的耳朵标注，训练出约200个模型，为检查员指明缺陷位置。

它把整个车队变成了传感器网络：每一趟计划运行都成为一次检查，边际成本只是一个支架和一部手机。

稀缺资源——专家的耳朵——被用在不可替代之处（标注），机器学习则将其传播到数百万条读数之中。

模型输出是可付诸行动的，而不只是警报：预测出的缺陷类型告诉班组该带哪些工具，从而压缩了“先识别、再修复”的循环。

一次免费的初步实验降低了这一想法的风险，之后MTA才承诺开展生产试点。

你需要的传感器可能已经在某人的口袋里：将廉价的现成硬件与稀缺的专家判断相结合——专家负责标注，模型把专家的耳朵扩展到整个系统。

这一合作正扩展为完整试点，谷歌将构建生产版本，并交到轨道检查员自己手中。MTA主席德米特里厄斯·克里奇洛（Demetrius Crichlow）将最终状态描述为一个现代化的系统，能自动识别并组织轨道修复工作；谷歌公共部门首席技术官表示，希望该项目成为推动全行业采用更廉价、预防性铁路安全工具的催化剂。