El desenvolupament de tecnologies no tripulades al ferrocarril va començar fa força temps, ja l'any 1957, quan es va crear el primer sistema de guia automatitzat experimental per a trens de rodalies. Per entendre la diferència entre els nivells d'automatització del transport ferroviari, s'ha introduït una gradació, definida a la norma IEC-62290-1. A diferència del transport per carretera, el transport ferroviari té 4 graus d'automatització, mostrats a la figura 1.
Figura 1. Graus d'automatització segons IEC-62290
Gairebé tots els trens que operen a la xarxa de ferrocarrils russos estan equipats amb un dispositiu de seguretat corresponent al nivell d'automatització 1. Els trens amb el nivell d'automatització 2 funcionen amb èxit a la xarxa ferroviària russa des de fa més de 20 anys, hi ha diversos milers de locomotores equipades. Aquest nivell s'implementa mitjançant algorismes de control de tracció i frenada per a la conducció energèticament òptima del tren al llarg d'un recorregut determinat, tenint en compte l'horari i les lectures dels sistemes de senyalització automàtica de locomotores rebudes a través d'un canal inductiu dels circuits de via. L'ús del nivell 2 redueix la fatiga del conductor i proporciona beneficis en el consum d'energia i la precisió de l'execució del programa.
El nivell 3 suposa la possible absència d'un conductor a la cabina, que requereix la implantació d'un sistema de visió tècnica.
El nivell 4 suposa l'absència total d'un conductor a bord, la qual cosa requereix un canvi significatiu en el disseny de la locomotora (tren elèctric). Per exemple, hi ha disjuntors a bord que no es reiniciaran si s'encenen sense una persona a bord.
Actualment, s'estan implementant projectes per assolir els nivells 3 i 4 per part d'empreses líders del món, com ara Siemens, Alstom, Thales, SNCF, SBB i altres.
Siemens va presentar el seu projecte en el camp dels tramvies sense conductor el setembre de 2018 a l'exposició Innotrans. Aquest tramvia està en funcionament a Potsdam amb el nivell d'automatització GoA3 des del 2018.
Figura 2 Tramvia de Siemens
El 2019, Siemens va augmentar la longitud de la ruta no tripulada en més de 2 vegades.
L'empresa Russian Railways va ser una de les primeres del món a començar a desenvolupar vehicles ferroviaris no tripulats. Així, l'any 2015 a l'estació de Luzhskaya es va posar en marxa un projecte per automatitzar el moviment de 3 locomotores de maniobra, on NIIAS JSC va actuar com a integrador del projecte i desenvolupador de tecnologies bàsiques.
Crear una locomotora no tripulada és un procés complex i complex que és impossible sense la cooperació amb altres empreses. Per tant, a l'estació de Luzhskaya, juntament amb JSC NIIAS, participen les següents empreses:
- JSC "VNIKTI" pel que fa al desenvolupament d'un sistema de control a bord;
- Siemens - pel que fa a l'automatització del funcionament de la gepa (sistema MSR-32) i l'automatització de l'operació d'empènyer els cotxes;
- JSC Radioavionics pel que fa als sistemes de centralització de microprocessadors que controlen interruptors i semàfors;
- PKB CT – creació d'un simulador;
- JSC Russian Railways com a coordinador del projecte.
En una primera fase, la tasca consistia a assolir el nivell 2 d'automatització del trànsit, quan el conductor, en condicions normals per organitzar els treballs de maniobra, no utilitza els comandaments de la locomotores.
Quan s'utilitzen locomotores de maniobra convencionals, el control del trànsit es realitza mitjançant la transmissió d'ordres de veu del despatxador al conductor amb l'establiment de les rutes adequades (desplaçament dels interruptors, encendre els semàfors).
Quan es va passar a l'automatització de nivell 2, tota la comunicació de veu es va substituir per un sistema d'ordres transmeses a través d'un canal de ràdio digital segur. Tècnicament, el control de les locomotores de maniobra a l'estació de Luzhskaya es va construir sobre la base de:
- model digital unificat de l'estació;
- protocol de control del moviment de locomotores de maniobra (per a l'enviament d'ordres i el seguiment de l'execució);
- interacció amb el sistema de centralització elèctrica per obtenir informació sobre les rutes donades, la posició de les fletxes i els senyals;
- sistemes de posicionament per a locomotores de maniobra;
- comunicacions de ràdio digital fiables.
El 2017, 3 locomotores de maniobra TEM-7A treballaven el 95% del temps a l'estació de Luzhskaya en mode totalment automàtic, realitzant les operacions següents:
- Moviment automàtic al llarg d'una ruta determinada;
- Accés automàtic als cotxes;
- Acoblament automàtic amb vagons;
- Empènyer els cotxes a la gepa.
L'any 2017 es va posar en marxa un projecte per crear un sistema de visió tècnica per a la maniobra de locomotores i introduir el control a distància en cas de situacions d'emergència.
El novembre de 2017, especialistes de JSC NIIAS van instal·lar el primer prototip d'un sistema de visió tècnica en locomotores de maniobra, format per radars, lidar i càmeres (Figura 3).
Figura 3 Primeres versions dels sistemes tècnics de visió
Durant les proves a l'estació de Luga del sistema de visió tècnica durant el curs 2017 - 2018, es van extreure les següents conclusions:
- L'ús de radars per detectar obstacles és poc pràctic, ja que el ferrocarril té un nombre important d'objectes metàl·lics amb bona reflectivitat. El rang de detecció de persones en el seu fons no supera els 60-70 metres, a més, els radars tenen una resolució angular insuficient i és d'aproximadament 1°. Les nostres troballes es van confirmar posteriorment pels resultats de les proves de col·legues de SNCF (l'operador ferroviari francès).
- Els lidars proporcionen molt bons resultats amb un soroll mínim. En cas de nevada, pluja o boira, s'observa una disminució no crítica del rang de detecció d'objectes. No obstant això, el 2017, els lidars eren força cars, fet que va afectar significativament el rendiment econòmic del projecte.
- Les càmeres són un element essencial d'un sistema de visió tècnica i són necessàries per a tasques de detecció, classificació d'objectes i control remot. Per treballar de nit i en condicions meteorològiques difícils, és necessari disposar de càmeres d'infrarojos o càmeres amb un rang de longitud d'ona estès que puguin funcionar en el rang de l'infraroig proper.
La tasca principal de la visió tècnica és detectar obstacles i altres objectes al llarg del camí, i com que el moviment es realitza al llarg d'una pista, és necessari detectar-lo.
Figura 4. Exemple de segmentació multiclasse (via, cotxes) i determinació de l'eix de la via mitjançant una màscara binària
La figura 4 mostra un exemple de detecció de rocades. Per tal de determinar sense ambigüitats la ruta de moviment al llarg de les fletxes, s'utilitza informació a priori sobre la posició de la fletxa i les lectures del semàfor, transmesa a través d'un canal de ràdio digital des del sistema de centralització elèctrica. Actualment, hi ha una tendència als ferrocarrils del món a abandonar els semàfors i passar a sistemes de control mitjançant un canal de ràdio digital. Això és especialment cert per al trànsit d'alta velocitat, ja que a velocitats superiors a 200 km/h es fa difícil notar i reconèixer els semàfors. A Rússia, hi ha dues seccions operades sense l'ús de semàfors: el Cercle Central de Moscou i la línia Alpika-Service - Adler.
A l'hivern, poden sorgir situacions en què la pista està completament sota coberta de neu i el reconeixement de la pista es fa gairebé impossible, tal com es mostra a la figura 5.
Figura 5 Exemple de pista coberta de neu
En aquest cas, no queda clar si els objectes detectats interfereixen amb el moviment de la locomotora, és a dir, estan a la via o no. En aquest cas, a l'estació Luzhskaya s'utilitza un model digital d'alta precisió de l'estació i un sistema de navegació a bord d'alta precisió.
A més, el model digital de l'estació es va crear a partir de mesures geodèsiques de punts base. Després, a partir del processament de molts passatges de locomotores amb un sistema de posicionament d'alta precisió, es va completar un mapa al llarg de totes les vies.
Figura 6 Model digital de desenvolupament de la via de l'estació Luzhskoy
Un dels paràmetres més importants per al sistema de posicionament a bord és l'error en el càlcul de l'orientació (azimut) de la locomotora. L'orientació de la locomotora és necessària per a la correcta orientació dels sensors i objectes detectats per aquests. Amb un error d'angle d'orientació d'1°, l'error en les coordenades de l'objecte en relació amb l'eix del camí a una distància de 100 metres serà d'1,7 metres.
Figura 7 Efecte de l'error d'orientació sobre l'error de coordenades laterals
Per tant, l'error màxim admissible en mesurar l'orientació angular de la locomotora no ha de superar els 0,1°. El propi sistema de posicionament a bord consta de dos receptors de navegació de doble freqüència en mode RTK, les antenes dels quals estan espaciades al llarg de tota la longitud de la locomotora per crear una base llarga, un sistema de navegació inercial amb corretges i connexió amb sensors de rodes (odòmetres). La desviació estàndard per determinar les coordenades de la locomotora de maniobra no és superior a 5 cm.
A més, a l'estació de Luzhskaya, es va dur a terme una investigació sobre l'ús de tecnologies SLAM (lidar i visual) per obtenir dades d'ubicació addicionals.
Com a resultat, la determinació de la via del ferrocarril per a les locomotores de maniobra a l'estació de Luzhskaya es porta a terme combinant els resultats del reconeixement de la via i les dades del model de via digital basat en el posicionament.
La detecció d'obstacles també es realitza de diverses maneres basades en:
- dades lidar;
- dades de visió estèreo;
- funcionament de les xarxes neuronals.
Una de les principals fonts de dades són els lidars, que produeixen un núvol de punts a partir de l'escaneig làser. Els algorismes en ús utilitzen principalment algorismes clàssics de agrupació de dades. Com a part de la investigació, es prova l'efectivitat de l'ús de xarxes neuronals per a la tasca d'agrupar punts lidar, així com per al processament conjunt de dades lidar i dades de càmeres de vídeo. La figura 8 mostra un exemple de dades lidar (un núvol de punts amb diferent reflexivitat) que mostra un maniquí d'una persona sobre el fons d'un vagó a l'estació de Luzhskaya.
Figura 8. Exemple de dades lidar a l'estació Luzhskoy
La figura 9 mostra un exemple d'identificació d'un clúster d'un cotxe de forma complexa utilitzant dades de dos lidars diferents.
Figura 9. Exemple d'interpretació de dades lidar en forma de clúster d'un vagó tremuja
Per separat, val la pena assenyalar que recentment el cost dels lidars ha baixat gairebé un ordre de magnitud i les seves característiques tècniques han augmentat. No hi ha dubte que aquesta tendència continuarà. El rang de detecció d'objectes pels lidars utilitzats a l'estació Luzhskaya és d'uns 150 metres.
També s'utilitza una càmera estèreo que utilitza un principi físic diferent per detectar obstacles.
Figura 10. Mapa de disparitat d'un parell estèreo i clústers detectats
La figura 10 mostra un exemple de dades de càmera estèreo amb detecció de pals, caixes de pistes i un carro.
Per obtenir una precisió suficient del núvol de punts a una distància suficient per frenar, cal utilitzar càmeres d'alta resolució. Augmentar la mida de la imatge augmenta el cost computacional d'obtenir el mapa de disparitat. A causa de les condicions necessàries per als recursos ocupats i el temps de resposta del sistema, és necessari desenvolupar i provar constantment algorismes i enfocaments per extreure dades útils de les càmeres de vídeo.
Part de la prova i verificació d'algorismes es realitza mitjançant un simulador de ferrocarril, que està desenvolupant PKB TsT juntament amb JSC NIIAS. Per exemple, la figura 11 mostra l'ús d'un simulador per provar el rendiment dels algorismes de càmera estèreo.
Figura 11. A, B - fotogrames esquerre i dret del simulador; B - vista superior de la reconstrucció de dades d'una càmera estèreo; D - reconstrucció d'imatges de càmera estèreo del simulador.
La tasca principal de les xarxes neuronals és detectar persones, cotxes i la seva classificació.
Per treballar en condicions meteorològiques adverses, els especialistes de JSC NIIAS també van realitzar proves amb càmeres d'infrarojos.
Figura 12. Dades de la càmera IR
Les dades de tots els sensors s'integren a partir d'algorismes d'associació, on s'avalua la probabilitat de l'existència d'obstacles (objectes).
A més, no tots els objectes de la via són obstacles; quan es realitzen operacions de maniobra, la locomotora s'ha d'acoblar automàticament amb els cotxes.
Figura 13. Un exemple de visualització de l'aproximació a un cotxe amb detecció d'obstacles per diferents sensors
Quan utilitzeu locomotores de maniobra no tripulades, és extremadament important entendre ràpidament què passa amb l'equip i en quina condició es troba. També són possibles situacions quan un animal, com un gos, apareix davant de la locomotora. Els algorismes a bord aturaran automàticament la locomotora, però què fer a continuació si el gos no es desplaça?
Per fer un seguiment de la situació a bord i prendre decisions en cas d'emergència, s'ha desenvolupat un panell de control remot i vigilància estacionari, dissenyat per funcionar amb totes les locomotores no tripulades de l'estació. A l'estació de Luzhskaya es troba al lloc de la CE.
Figura 14 Control remot i supervisió
A l'estació de Luzhskoy, el tauler de control que es mostra a la figura 14 controla el funcionament de tres locomotores de maniobra. Si cal, amb aquest comandament a distància podeu controlar una de les locomotores connectades transmetent informació en temps real (retard no superior a 300 ms, tenint en compte la transmissió de dades per canal de ràdio).
Problemes de seguretat funcional
La qüestió més important a l'hora d'introduir locomotores no tripulades és la qüestió de la seguretat funcional, definida per les normes IEC 61508 "Seguretat funcional dels sistemes elèctrics, electrònics i programables electrònics relacionats amb la seguretat" (EN50126, EN50128, EN50129), GOST 33435-2015 "Dispositius". per al control, seguiment i seguretat del material rodant ferroviari".
D'acord amb els requisits dels dispositius de seguretat a bord, s'ha d'assolir el nivell d'integritat de seguretat 4 (SIL4).
Per complir amb el nivell SIL-4, tots els dispositius de seguretat de locomotores existents es construeixen utilitzant la lògica majoritària, on els càlculs es realitzen en paral·lel en dos canals (o més) i es comparen els resultats per prendre una decisió.
La unitat de càlcul per processar dades dels sensors de locomotores de maniobra no tripulades també es construeix mitjançant un esquema de dos canals amb una comparació del resultat final.
L'ús de sensors de visió, el funcionament en diferents condicions meteorològiques i en diferents entorns requereix un nou enfocament a la qüestió de demostrar la seguretat dels vehicles no tripulats.
El 2019, la norma ISO/PAS 21448 "Vehicles de carretera. Seguretat de les funcions definides (SOTIF). Un dels principis principals d'aquesta norma és l'enfocament d'escenari, que examina el comportament del sistema en diverses circumstàncies. El nombre total d'escenaris representa l'infinit. El principal repte de disseny és minimitzar les regions 2 i 3, que representen escenaris insegurs coneguts i escenaris insegurs desconeguts.
Figura 15 Transformació dels escenaris com a resultat del desenvolupament
Com a part de l'aplicació d'aquest enfocament, els especialistes de JSC NIIAS van analitzar totes les situacions emergents (escenaris) des de l'inici de l'operació el 2017. Algunes situacions que són difícils de trobar en funcionament real es resolen mitjançant el simulador PKB CT.
Qüestions normatives
Per tal de canviar realment a un control totalment automàtic sense la presència d'un conductor a la cabina de la locomotora, també cal resoldre els problemes reglamentaris.
En aquests moments, JSC Russian Railways ha aprovat un calendari per a l'execució de treballs de suport normatiu per a l'aplicació de mesures per a la implementació de sistemes de control del material mòbil ferroviari en mode automàtic. Una de les qüestions més importants és l'actualització del Reglament del procediment d'investigació i registre oficial d'incidències de transport que hagin provocat danys a la vida o la salut dels ciutadans no relacionats amb la producció en el transport ferroviari. D'acord amb aquest pla, l'any 2021 s'hauria d'elaborar i aprovar un paquet de documents que regulen el funcionament dels vehicles ferroviaris no tripulats.
Paraula posterior
De moment, no hi ha anàlegs al món de les locomotores de maniobra no tripulades que funcionen a l'estació de Luzhskaya. Especialistes de França (empresa SNCF), Alemanya, Holanda (empresa Prorail), Bèlgica (empresa Lineas) es van familiaritzar amb el sistema de control desenvolupat el 2018-2019 i estan interessats a implementar sistemes similars. Una de les principals tasques de JSC NIIAS és ampliar la funcionalitat i replicar el sistema de gestió creat tant als ferrocarrils russos com a les empreses estrangeres.
Actualment, JSC Russian Railways també lidera un projecte per desenvolupar trens elèctrics no tripulats "Lastochka". La figura 16 mostra una demostració del sistema de control automàtic prototip per al tren elèctric ES2G Lastochka l'agost de 2019 dins del marc. Espai International Railway Salon 1520 "PRO//Movement.Expo".
Figura 16. Demostració del funcionament d'un tren elèctric no tripulat al MCC
Crear un tren elèctric no tripulat és una tasca molt més difícil a causa de les altes velocitats, les distàncies de frenada importants i la garantia de l'embarcament/desembarcament segur dels passatgers als punts de parada. Actualment, s'estan realitzant proves activament a l'MCC. Es preveu publicar una història sobre aquest projecte en un futur proper.
Font: www.habr.com