Vývoj bezpilotních technologií na železnici začal již poměrně dávno, již v roce 1957, kdy vznikl první experimentální automatizovaný naváděcí systém pro příměstské vlaky. Pro pochopení rozdílu mezi úrovněmi automatizace pro železniční dopravu byla zavedena gradace definovaná v normě IEC-62290-1. Na rozdíl od silniční dopravy má železniční doprava 4 stupně automatizace, jak ukazuje obrázek 1.
Obrázek 1. Stupně automatizace podle IEC-62290
Téměř všechny vlaky provozované na síti ruských železnic jsou vybaveny zabezpečovacím zařízením odpovídajícím automatizačnímu stupni 1. Vlaky s automatizačním stupněm 2 jsou na ruské železniční síti úspěšně provozovány již více než 20 let, vybaveno je několik tisíc lokomotiv. Tato úroveň je realizována prostřednictvím algoritmů řízení trakce a brzdění pro energeticky optimální jízdu vlaku po dané trase s přihlédnutím k jízdnímu řádu a odečtu automatických lokomotivních zabezpečovacích systémů přijímaných přes indukční kanál z kolejových obvodů. Použití úrovně 2 snižuje únavu řidiče a poskytuje výhody ve spotřebě energie a přesnosti provádění plánu.
Úroveň 3 předpokládá možnou nepřítomnost řidiče v kabině, což vyžaduje implementaci systému technického vidění.
Úroveň 4 předpokládá úplnou nepřítomnost strojvedoucího na palubě, což vyžaduje výraznou změnu v konstrukci lokomotivy (električky). Na palubě jsou například jističe, které nebudou resetovány, pokud dojde k jejich vypnutí bez osoby na palubě.
V současné době realizují projekty k dosažení úrovně 3 a 4 přední společnosti na světě, jako jsou Siemens, Alstom, Thales, SNCF, SBB a další.
Siemens svůj projekt v oblasti tramvají bez řidiče představil v září 2018 na výstavě Innotrans. Tato tramvaj je v provozu v Postupimi s úrovní automatizace GoA3 od roku 2018.
Obrázek 2 Tramvaj Siemens
V roce 2019 Siemens navýšil délku bezpilotní trasy více než 2krát.
Společnost Russian Railways byla jednou z prvních na světě, která začala vyvíjet bezpilotní železniční vozidla. Ve stanici Lužskaja tak byl v roce 2015 zahájen projekt automatizace pohybu 3 posunovacích lokomotiv, kde NIIAS JSC působil jako projektový integrátor a vývojář základních technologií.
Vytvoření bezpilotní lokomotivy je složitý, komplexní proces, který je nemožný bez spolupráce s jinými společnostmi. Na stanici Lužskaja se proto spolu s JSC NIIAS účastní tyto společnosti:
- JSC "VNIKTI" z hlediska vývoje palubního řídicího systému;
- Siemens – z hlediska automatizace provozu svážnice (systém MSR-32) a automatizace provozu tlačných vozů;
- JSC Radioavonics ve smyslu mikroprocesorových centralizačních systémů, které řídí spínače a semafory;
- PKB CT – vytvoření simulátoru;
- JSC Russian Railways jako koordinátor projektu.
V první etapě bylo úkolem dosáhnout úrovně 2 automatizace provozu, kdy strojvedoucí za běžných podmínek pro organizování posunovacích prací nepoužívá řízení lokomotivy.
Při provozu konvenčních posunovacích lokomotiv se řízení provozu provádí předáváním hlasových povelů od dispečera strojvedoucímu s nastavením příslušných tras (pohybové výhybky, rozsvícení semaforů).
Při přechodu na úroveň 2 automatizace byla veškerá hlasová komunikace nahrazena systémem příkazů přenášených přes digitální bezpečný rádiový kanál. Technicky bylo řízení posunovacích lokomotiv ve stanici Lužskaja postaveno na základě:
- jednotný digitální model stanice;
- protokol pro řízení pohybu posunovacích lokomotiv (pro odesílání příkazů a sledování provádění);
- interakce s elektrickým centralizačním systémem pro získání informací o daných trasách, poloze šipek a signálů;
- polohovací systémy pro posunovací lokomotivy;
- spolehlivou digitální rádiovou komunikaci.
Do roku 2017 pracovaly 3 posunovací lokomotivy TEM-7A 95 % času ve stanici Lužskaja v plně automatickém režimu a prováděly následující operace:
- Automatický pohyb po dané trase;
- Automatický přístup k autům;
- Automatické spřažení s vagóny;
- Tlačení aut na hrb.
V roce 2017 byl zahájen projekt vytvoření systému technického vidění pro posun lokomotiv a zavedení dálkového ovládání v případě mimořádných situací.
V listopadu 2017 specialisté z JSC NIIAS nainstalovali na posunovací lokomotivy první prototyp systému technického vidění, který se skládal z radarů, lidaru a kamer (obrázek 3).
Obrázek 3 První verze systémů technického vidění
Během testů na stanici Luga systému technického vidění v letech 2017 - 2018 byly učiněny následující závěry:
- Použití radarů pro detekci překážek je nepraktické, protože železnice má značné množství kovových předmětů s dobrou odrazivostí. Dosah detekce osob na jejich pozadí nepřesahuje 60-70 metrů, navíc radary mají nedostatečné úhlové rozlišení a je asi 1°. Naše zjištění následně potvrdily výsledky testů kolegů ze společnosti SNCF (francouzský provozovatel železnic).
- Lidary poskytují velmi dobré výsledky s minimálním šumem. V případě sněžení, deště nebo mlhy je pozorováno nekritické snížení dosahu detekce objektů. V roce 2017 však byly lidary poměrně drahé, což výrazně ovlivnilo ekonomickou výkonnost projektu.
- Kamery jsou základním prvkem systému technického vidění a jsou nezbytné pro úlohy detekce, klasifikace objektů a dálkového ovládání. Pro práci v noci a za ztížených povětrnostních podmínek je nutné mít infračervené kamery nebo kamery s rozšířeným rozsahem vlnových délek, které mohou pracovat v blízkém infračerveném rozsahu.
Hlavním úkolem technického vidění je detekovat překážky a další předměty na cestě, a protože pohyb probíhá po dráze, je nutné jej detekovat.
Obrázek 4. Příklad vícetřídní segmentace (trať, vozy) a určení osy koleje pomocí binární masky
Obrázek 4 ukazuje příklad detekce říje. Pro jednoznačné určení trasy pohybu podél šipek se využívá a priori informace o poloze šipky a údajích na semaforech, přenášených digitálním rádiovým kanálem z elektrického centralizačního systému. V současné době je na světových železnicích trend opouštět semafory a přecházet na řídicí systémy prostřednictvím digitálního rádiového kanálu. To platí zejména pro vysokorychlostní provoz, protože při rychlostech nad 200 km/h je obtížné si všimnout a rozpoznat semafory. V Rusku jsou dva úseky provozovány bez použití semaforů - Moskevský centrální okruh a trať Alpika-Service - Adler.
V zimě mohou nastat situace, kdy je stopa zcela pod sněhovou pokrývkou a rozpoznání stopy je téměř nemožné, jak ukazuje obrázek 5.
Obrázek 5 Příklad tratě pokryté sněhem
V tomto případě se stává nejasným, zda detekované objekty narušují pohyb lokomotivy, to znamená, že jsou na trati nebo ne. V tomto případě je na stanici Lužskaja použit vysoce přesný digitální model stanice a vysoce přesný palubní navigační systém.
Digitální model stanice byl navíc vytvořen na základě geodetických měření základních bodů. Poté byla na základě zpracování mnoha průjezdů lokomotiv vysoce přesným polohovacím systémem dokončena mapa podél všech kolejí.
Obrázek 6 Digitální model rozvoje trati stanice Lužskoy
Jedním z nejdůležitějších parametrů pro palubní polohovací systém je chyba ve výpočtu orientace (azimutu) lokomotivy. Orientace lokomotivy je nezbytná pro správnou orientaci snímačů a jimi detekovaných předmětů. Při chybě úhlu orientace 1° bude chyba v souřadnicích objektu vzhledem k ose dráhy ve vzdálenosti 100 metrů 1,7 metru.
Obrázek 7 Vliv chyby orientace na boční chybu souřadnic
Proto by maximální dovolená chyba při měření úhlové orientace lokomotivy neměla překročit 0,1°. Vlastní palubní polohovací systém se skládá ze dvou dvoufrekvenčních navigačních přijímačů v režimu RTK, jejichž antény jsou rozmístěny po celé délce lokomotivy tak, aby vytvořily dlouhou základnu, strapdown inerciální navigační systém a napojení na kolová čidla (počítadla kilometrů). Směrodatná odchylka při určování souřadnic posunovací lokomotivy není větší než 5 cm.
Kromě toho byl na stanici Lužskaja proveden výzkum využití technologií SLAM (lidar a visual) k získání dalších údajů o poloze.
V důsledku toho se určení železniční trati pro posunovací lokomotivy ve stanici Lužskaja provádí kombinací výsledků rozpoznávání koleje a dat digitálního modelu koleje na základě polohy.
Detekce překážek se také provádí několika způsoby na základě:
- lidar data;
- data stereo vidění;
- provoz neuronových sítí.
Jedním z hlavních zdrojů dat jsou lidary, které produkují oblak bodů z laserového skenování. Používané algoritmy využívají převážně klasické algoritmy shlukování dat. V rámci výzkumu je testována efektivita využití neuronových sítí pro úlohu shlukování lidarových bodů i pro společné zpracování lidarových dat a dat z videokamer. Obrázek 8 ukazuje příklad lidarových dat (mrak bodů s různou reflexivitou) zobrazující figurínu osoby na pozadí vagónu ve stanici Lužskaja.
Obrázek 8. Příklad dat lidaru na stanici Luzhskoy
Obrázek 9 ukazuje příklad identifikace shluku z auta složitého tvaru pomocí dat ze dvou různých lidarů.
Obrázek 9. Příklad interpretace lidarových dat ve formě shluku z násypky
Samostatně stojí za zmínku, že v poslední době náklady na lidary klesly téměř o řád a jejich technické vlastnosti se zvýšily. Není pochyb o tom, že tento trend bude pokračovat. Dosah detekce objektů lidary používanými na stanici Lužskaja je asi 150 metrů.
K detekci překážek se používá i stereo kamera využívající jiný fyzikální princip.
Obrázek 10. Mapa disparity ze stereo páru a detekovaných shluků
Obrázek 10 ukazuje příklad dat stereokamery s detekcí sloupů, trackboxů a auta.
Pro získání dostatečné přesnosti mračna bodů ve vzdálenosti dostatečné pro brzdění je nutné použít kamery s vysokým rozlišením. Zvětšení velikosti obrazu zvyšuje výpočetní náklady na získání mapy disparity. Vzhledem k nutným podmínkám pro obsazené zdroje a dobu odezvy systému je nutné neustále vyvíjet a testovat algoritmy a přístupy pro získávání užitečných dat z videokamer.
Část testování a ověřování algoritmů probíhá pomocí železničního simulátoru, který vyvíjí PKB TsT společně s JSC NIIAS. Obrázek 11 například ukazuje použití simulátoru k testování výkonu algoritmů stereokamery.
Obrázek 11. A, B - levý a pravý snímek ze simulátoru; B – pohled shora na rekonstrukci dat ze stereokamery; D - rekonstrukce snímků stereo kamery ze simulátoru.
Hlavním úkolem neuronových sítí je detekce osob, aut a jejich klasifikace.
Pro práci v drsných povětrnostních podmínkách provedli specialisté z JSC NIIAS také testy pomocí infračervených kamer.
Obrázek 12. Data z IR kamery
Data ze všech senzorů jsou integrována na základě asociačních algoritmů, kde se posuzuje pravděpodobnost existence překážek (objektů).
Navíc ne všechny předměty na trati jsou překážky, při provádění posunů se lokomotiva musí automaticky spojit s vozy.
Obrázek 13. Příklad vizualizace přiblížení k automobilu s detekcí překážek různými senzory
Při provozu bezpilotních posunovacích lokomotiv je nesmírně důležité rychle pochopit, co se se zařízením děje a v jakém je stavu. Možné jsou i situace, kdy se před lokomotivou objeví zvíře, např. pes. Palubní algoritmy automaticky zastaví lokomotivu, ale co dělat dál, když pes neuhne z cesty?
Pro sledování situace na palubě a rozhodování v případě nouzových situací byl vyvinut stacionární dálkový ovládací a monitorovací panel, určený pro práci se všemi bezpilotními lokomotivami na stanici. Ve stanici Lužskaja se nachází na poště ES.
Obrázek 14 Dálkové ovládání a monitorování
Ve stanici Lužskoy řídí ovládací panel znázorněný na obrázku 14 činnost tří posunovacích lokomotiv. V případě potřeby můžete pomocí tohoto dálkového ovládání ovládat jednu z připojených lokomotiv přenosem informací v reálném čase (zpoždění ne více než 300 ms, s ohledem na přenos dat rádiovým kanálem).
Problémy funkční bezpečnosti
Nejdůležitější otázkou při zavádění bezpilotních lokomotiv je otázka funkční bezpečnosti, definovaná normami IEC 61508 „Funkční bezpečnost elektrických, elektronických, programovatelných elektronických systémů souvisejících s bezpečností“ (EN50126, EN50128, EN50129), GOST 33435-2015 „Zařízení pro řízení, monitorování a bezpečnost železničních kolejových vozidel“.
V souladu s požadavky na palubní bezpečnostní zařízení musí být dosaženo úrovně integrity bezpečnosti 4 (SIL4).
Pro splnění úrovně SIL-4 jsou všechna stávající lokomotivní zabezpečovací zařízení konstruována pomocí většinové logiky, kde jsou výpočty prováděny paralelně ve dvou (nebo více) kanálech a výsledky jsou porovnávány, aby bylo možné rozhodnout.
Výpočetní jednotka pro zpracování dat ze senzorů na bezpilotních posunovacích lokomotivách je rovněž postavena pomocí dvoukanálového schématu s porovnáním konečného výsledku.
Využití zrakových senzorů, provoz v různých povětrnostních podmínkách a v různých prostředích vyžaduje nový přístup k problematice prokazování bezpečnosti bezpilotních prostředků.
V roce 2019 byla přijata norma ISO/PAS 21448 „Silniční vozidla. Zabezpečení definovaných funkcí (SOTIF). Jedním z hlavních principů tohoto standardu je scénářový přístup, který zkoumá chování systému za různých okolností. Celkový počet scénářů představuje nekonečno. Hlavním úkolem návrhu je minimalizovat oblasti 2 a 3, které představují známé nebezpečné scénáře a neznámé nebezpečné scénáře.
Obrázek 15 Transformace scénářů jako výsledek vývoje
V rámci aplikace tohoto přístupu specialisté z JSC NIIAS analyzovali všechny vznikající situace (scénáře) od zahájení provozu v roce 2017. Některé situace, se kterými se v reálném provozu těžko setkáte, jsou řešeny pomocí simulátoru PKB CT.
Regulační problémy
Pro skutečně kompletní přechod na plně automatické řízení bez přítomnosti strojvedoucího v kabině lokomotivy je nutné vyřešit i regulační záležitosti.
V tuto chvíli společnost JSC Russian Railways schválila harmonogram realizace prací na regulační podpoře pro realizaci opatření pro implementaci řídicích systémů pro železniční kolejová vozidla v automatickém režimu. Jednou z nejdůležitějších otázek je aktualizace Řádu o postupu při úředním šetření a evidenci dopravních událostí, které měly za následek újmu na životě nebo zdraví občanů nesouvisející s výrobou v železniční dopravě. V souladu s tímto plánem by měl být v roce 2021 vypracován a schválen balíček dokumentů upravujících provoz bezpilotních železničních vozidel.
Doslov
V současné době neexistují ve světě bezpilotní posunovací lokomotivy, které jsou provozovány ve stanici Lužskaja, žádné obdoby. Specialisté z Francie (společnost SNCF), Německa, Holandska (společnost Prorail), Belgie (společnost Lineas) se v letech 2018-2019 seznámili s vyvinutým řídicím systémem a mají zájem o implementaci podobných systémů. Jedním z hlavních úkolů JSC NIIAS je rozšíření funkčnosti a replikace vytvořeného systému řízení jak na ruských železnicích, tak pro zahraniční společnosti.
V současné době JSC Russian Railways také vede projekt vývoje bezpilotních elektrických vlaků „Lastochka“. Obrázek 16 ukazuje ukázku prototypu automatického řídicího systému pro elektrický vlak ES2G Lastochka v srpnu 2019 v rámci. Mezinárodní železniční salon prostor 1520 "PRO//Movement.Expo".
Obrázek 16. Ukázka provozu bezpilotního elektrického vlaku na MCC
Vytvoření bezpilotního elektrického vlaku je mnohem obtížnější úkol kvůli vysokým rychlostem, značným brzdným drahám a zajištění bezpečného nástupu/výstupu cestujících na zastávkách. V současné době v MCC aktivně probíhá testování. V blízké budoucnosti se plánuje zveřejnění příběhu o tomto projektu.
Zdroj: www.habr.com