Railway Infrastructure Monitoring Framework (RIMF) for Hudson Bay Railway

Simple item page

Simple item page

Full item details

creativework.keywords - en
Rail
Transportation
InSAR-Interferometric Synthetic Aperture Radar
LiDAR-Laser imaging Detection and Ranging
permafrost
thaw
climate change
Cold weather
AI-Artificial intelligence
GPR-Ground Penetrating Radar
Condition monitoring
Framework
Climate models
Predictive maintenance
creativework.keywords - fr
Ferroviaire
Transport
InSAR-Radar à ouverture synthétique interférométrique
LiDAR-Détection et télédétection par laser
Pergélisol
Dégel
Changement climatique
Temps froid
IA-Intelligence artificielle
GPR-radar à pénétration du sol
Surveillance de l’état
Cadre
Modèles climatiques
Entretien prédictif
dc.contributor.author
Oliver Wang
dc.date.accessioned
2025-06-09T17:44:26Z
dc.date.available
2025-06-09T17:44:26Z
dc.date.issued
2024-02-11
dc.description.abstract - en
Railway networks are essential for transportation and supply chains in northern communities, yet they face growing challenges from extreme weather conditions, permafrost thaw, and aging infrastructure. This project addresses these challenges through the development and deployment of the Railway Infrastructure Monitoring Framework (RIMF), an innovative solution by a Canadian technology developer and Hudson Bay railway. The RIMF integrates advanced AI/ML algorithms, Interferometric Synthetic Aperture Radar (InSAR) satellite imagery, underground mapping, LiDAR, climate models, and hardware rail track monitoring units (ATMU) to monitor track conditions, detect deformations, and predict risks. Key milestones include the deployment of ATMU prototypes, extensive data collection, InSAR-based deformation analysis, customized climate modeling, and the development of a user-friendly dashboard and reporting system. Initial results demonstrate RIMF's potential to reduce reliance on manual inspections, enhance predictive maintenance, and mitigate the impact of weather events on regional railways.
dc.description.abstract-fosrctranslation - fr
Les réseaux ferroviaires sont essentiels au transport et aux chaînes d’approvisionnement dans les collectivités du Nord, mais ils font face à des défis croissants en raison des conditions météorologiques extrêmes, du dégel du pergélisol et du vieillissement des infrastructures. Ce projet s’attaque à ces défis grâce à l’élaboration et au déploiement du Cadre de surveillance de l’infrastructure ferroviaire, une solution novatrice réalisée par un développeur de technologie canadien et les chemins de fer Baie-d’Hudson. Le Cadre intègre des algorithmes avancés d’IA/ML, l’imagerie satellitaire InSAR (interférométrie par radar à synthèse d’ouverture), la cartographie souterraine, le LiDAR, les modèles climatiques, et les unités matérielles de surveillance des voies ferrées (ATMU) pour surveiller l’état des voies, détecter les déformations et prévoir les risques. Les principales étapes comprennent le déploiement de prototypes ATMU, la collecte de données étendues, l’analyse des déformations fondée sur l’InSAR, la modélisation climatique personnalisée et le développement d’un tableau de bord et d’un système de rapport conviviaux. Les premiers résultats démontrent le potentiel du Cadre de surveillance de l’infrastructure à réduire le recours aux inspections manuelles, à améliorer l’entretien prédictif et à atténuer les répercussions des événements météorologiques sur les chemins de fer régionaux.
dc.description.fosrcfull - en
This report outlines the development, testing, and application of the Railway Infrastructure Monitoring Framework (RIMF), an Artificial Intelligence (AI) driven system designed to enhance railway infrastructure monitoring. It highlights how RIMF integrates climate modeling, satellite imagery (including Interferometric Synthetic Aperture Radar (InSAR)), and real-time environmental and track data to provide a technological solution for analyzing infrastructure deformation, underground mapping, and track geometry to improve the safety, efficiency, and sustainability of rail-based transit systems.
dc.description.fosrcfull-fosrctranslation - fr
Le présent rapport décrit l’élaboration, la mise à l’essai et l’application du Cadre de surveillance de l’infrastructure ferroviaire, un système par intelligence artificielle (IA) conçu pour améliorer la surveillance de l’infrastructure ferroviaire. Il décrit comment le Cadre intègre la modélisation climatique, l’imagerie par satellite (y compris l’interférométrie par radar à synthèse d’ouverture (InSAR)), et les données environnementales et ferroviaires en temps réel pour fournir une solution technologique pour l’analyse de la déformation des infrastructures, la cartographie souterraine et la géométrie des voies afin d’améliorer la sécurité, l’efficacité et la durabilité des réseaux de transport en commun ferroviaires.
dc.identifier.citation
Wang, O. (2024). Railway Infrastructure Monitoring Framework (RIMF) for Hudson Bay Railway. ApoSys Technologies Inc.
dc.identifier.fosrcprojectid
164712
dc.identifier.govdoc
1TJC06XY54SB-1102879366-1954
dc.identifier.organization
RCCAP-2024-033101
dc.identifier.uri
https://open-science.canada.ca/handle/123456789/3671
dc.language.iso
en
dc.publisher - en
Hudson Bay Railway
dc.rights - en
Open Government Licence - Canada
dc.rights - fr
Licence du gouvernement ouvert - Canada
dc.rights.uri - en
https://open.canada.ca/en/open-government-licence-canada
dc.rights.uri - fr
https://ouvert.canada.ca/fr/licence-du-gouvernement-ouvert-canada
dc.subject - en
Rail transport
Railway safety
Climate change
dc.subject - fr
Transport ferroviaire
Sécurité ferroviaire
Changement climatique
dc.subject.en - en
Rail transport
Railway safety
Climate change
dc.subject.fr - fr
Transport ferroviaire
Sécurité ferroviaire
Changement climatique
dc.title - en
Railway Infrastructure Monitoring Framework (RIMF) for Hudson Bay Railway
dc.title.alternative - en
Cadre de surveillance de l’infrastructure ferroviaire pour les chemins de fer de la Baie-d’Hudson
dc.type - en
Consultant report
dc.type - fr
Rapport de consultant
local.pagination
1-21
local.peerreview - en
Yes
local.peerreview - fr
Oui
local.requestdoi
Yes
Download(s)

Original bundle

Now showing 1 - 1 of 1

Thumbnail image

Name: Railway Infrastructure Monitoring Framework (RIMF) Hudson Bay Railway v1.pdf

Size: 3.13 MB

Format: PDF

Download file

Collection(s)

Page details

Date modified: