El desarrollo de tecnologías no tripuladas en el ferrocarril comenzó hace bastante tiempo, ya en 1957, cuando se creó el primer complejo experimental de piloto automático para trenes suburbanos. Para entender la diferencia entre los niveles de automatización para el transporte ferroviario, se introduce una gradación, definida en la norma IEC-62290-1. A diferencia del transporte por carretera, el transporte ferroviario tiene 4 grados de automatización, como se muestra en la Figura 1.
Figura 1. Grados de automatización según IEC-62290
Casi todos los trenes que operan en la red de Ferrocarriles Rusos están equipados con un dispositivo de seguridad correspondiente al nivel de automatización 1. Los trenes con el nivel de automatización 2 se han operado con éxito en la red ferroviaria rusa durante más de 20 años, varios miles de locomotoras están equipadas. Este nivel se implementa mediante algoritmos de control de tracción y frenado para un guiado de trenes con energía óptima a lo largo de una ruta determinada, teniendo en cuenta el horario y las indicaciones de los sistemas automáticos de señalización de locomotoras recibidas a través de un canal inductivo desde los circuitos de vía. El uso del nivel 2 reduce la fatiga del conductor y da una ganancia en el consumo de energía y precisión en la ejecución del horario de tráfico.
El nivel 3 asume la posible ausencia del conductor en la cabina, lo que requiere la implementación de un sistema de visión.
El nivel 4 implica la ausencia total de un conductor a bordo, lo que requiere un cambio significativo en el diseño de la locomotora (tren eléctrico). Por ejemplo, se instalan interruptores automáticos a bordo, que no se podrán volver a amartillar si se activan sin la presencia de una persona a bordo.
Actualmente, las empresas líderes mundiales, como Siemens, Alstom, Thales, SNCF, SBB y otras, están implementando proyectos para alcanzar los niveles 3 y 4.
Siemens presentó su proyecto en el campo de los tranvías no tripulados en septiembre de 2018 en la feria Innotrans. Este tranvía ha estado en funcionamiento en Potsdam con nivel de automatización GoA3 desde 2018.
Figura 2 Tranvía de Siemens
En 2019, Siemens duplicó con creces la longitud de su ruta no tripulada.
Russian Railways es una de las primeras empresas del mundo en comenzar a desarrollar vehículos ferroviarios no tripulados. Así, en 2015, en la estación de Luzhskaya, se puso en marcha un proyecto para automatizar el movimiento de 3 locomotoras de maniobras, donde NIIAS JSC actuó como integrador del proyecto y desarrollador de tecnologías básicas.
La creación de una locomotora no tripulada es un proceso complejo complejo que es imposible sin la cooperación con otras empresas. Por lo tanto, en la estación Luzhskaya, junto con JSC NIIAS, participan empresas como:
- JSC "VNIKTI" en términos del desarrollo del sistema de control a bordo;
- Siemens: en términos de automatización de la operación del patio de clasificación (sistema MSR-32) y automatización de la operación de empuje de automóviles;
- JSC "Radioavionika" en términos de sistemas de enclavamiento por microprocesador que controlan flechas, semáforos;
- PKB TsT - creación de un simulador;
- Russian Railways como coordinador del proyecto.
En la primera etapa, la tarea era alcanzar el nivel 2 de automatización del tráfico, cuando el conductor, en condiciones normales para organizar el trabajo de maniobras, no utiliza los controles de la locomotora.
Durante el funcionamiento de las locomotoras de maniobras convencionales, el control del tráfico se lleva a cabo mediante la transmisión de comandos de voz del despachador al conductor con el establecimiento de las rutas apropiadas (flechas de giro, encendido de semáforos).
Al pasar al nivel 2 de automatización, toda la comunicación de voz fue reemplazada por un sistema de comandos transmitidos a través de un canal de radio seguro digital. Técnicamente, la gestión de las locomotoras de maniobras en la estación Luzhskaya se construyó sobre la base de:
- modelo de estación digital unificado;
- protocolo para el control del movimiento de locomotoras de maniobras (para el envío de comandos y seguimiento de su ejecución);
- interacción con el sistema de enclavamiento eléctrico para obtener información sobre las rutas especificadas, la posición de las flechas y señales;
- sistemas de posicionamiento para locomotoras de maniobras;
- radio digital confiable.
Para 2017, 3 locomotoras de maniobras TEM-7A operaron el 95% del tiempo en la estación Luzhskaya en modo totalmente automático, realizando las siguientes operaciones:
- Movimiento automático a lo largo de una ruta dada;
- Acceso automático a vagones;
- Enganche automático con vagones;
- Empujando vagones a un patio de maniobras.
En 2017 se puso en marcha un proyecto para crear un sistema de visión para locomotoras de maniobras e introducir el control remoto en caso de emergencia.
En noviembre de 2017, los especialistas de JSC NIIAS instalaron el primer prototipo de un sistema de visión para locomotoras de maniobras, compuesto por radares, lidar y cámaras (Figura 3).
Figura 3 Primeras versiones de sistemas de visión
Durante las pruebas en la estación del sistema de visión Luga en 2017-2018, se sacaron las siguientes conclusiones:
- El uso de radares para la detección de obstáculos no es práctico, ya que el ferrocarril tiene un número significativo de objetos metálicos con buena reflectividad. El rango de detección de personas contra su fondo no supera los 60-70 metros, además, los radares tienen una resolución angular insuficiente y es de aproximadamente 1 °. Nuestros hallazgos fueron posteriormente confirmados por los resultados de las pruebas de colegas de SNCF (operador ferroviario francés).
- Los lidars dan muy buenos resultados con un ruido mínimo. En el caso de nevadas, lluvia, niebla, hay una disminución no crítica en el rango de detección de objetos. Sin embargo, en 2017, los lidars eran bastante caros, lo que afectó significativamente el desempeño económico del proyecto.
- Las cámaras son un elemento indispensable del sistema de visión técnica y son necesarias para las tareas de detección, clasificación de objetos y control remoto. Para operar de noche y en condiciones climáticas adversas, es necesario contar con cámaras infrarrojas o cámaras con un rango de longitud de onda extendido capaces de operar en el rango cercano al infrarrojo.
La tarea principal de la visión técnica es detectar obstáculos y otros objetos en la dirección de viaje, y dado que el movimiento se realiza a lo largo de la vía, es necesario detectarlo.
Figura 4. Ejemplo de segmentación multiclase (vía, vagones) y determinación del eje de vía mediante máscara binaria
La figura 4 muestra un ejemplo de detección de seguimiento. Para determinar sin ambigüedades la ruta de movimiento a lo largo de las flechas, se utiliza información a priori sobre la posición de la flecha, las lecturas de los semáforos, transmitidas a través de un canal de radio digital desde el sistema de enclavamiento eléctrico. Actualmente, existe una tendencia en los ferrocarriles del mundo a abandonar los semáforos y cambiar a sistemas de control a través de un canal de radio digital. Esto es especialmente cierto para el tráfico de alta velocidad, ya que a velocidades de más de 200 km/h se vuelve difícil notar y reconocer las indicaciones de los semáforos. En Rusia, hay dos secciones operadas sin el uso de semáforos: este es el Anillo Central de Moscú y la línea Alpika-Service - Adler.
En invierno, pueden surgir situaciones en las que la pista esté completamente cubierta de nieve y el reconocimiento de la pista se vuelva casi imposible, como se muestra en la Figura 5.
Figura 5 Ejemplo de pista cubierta de nieve
En este caso, no queda claro si los objetos detectados interfieren con el movimiento de la locomotora, es decir, si están en camino o no. En la estación Luzhskaya, en este caso, se utilizan un modelo digital de alta precisión de la estación y un sistema de navegación a bordo de alta precisión.
Además, el modelo digital de la estación se creó a partir de mediciones geodésicas de puntos base. Luego, en base al procesamiento de muchos pasajes de locomotoras con un sistema de posicionamiento de alta precisión, se completó un mapa a lo largo de todas las vías.
Figura 6 Modelo digital de desarrollo de vías de la estación Luzhskoy
Uno de los parámetros más importantes para el sistema de posicionamiento a bordo es el error en el cálculo de la orientación (acimut) de la locomotora. La orientación de la locomotora es necesaria para la correcta orientación de los sensores y objetos detectados por ellos. Con un error de ángulo de orientación de 1°, el error de coordenadas del objeto en relación con el eje de trayectoria a una distancia de 100 metros será de 1,7 metros.
Figura 7 Influencia del error de orientación en el error de coordenadas transversales
Por lo tanto, el error máximo permitido al medir la orientación de la locomotora en términos de ángulo no debe exceder los 0,1°. El propio sistema de posicionamiento a bordo consta de dos receptores de navegación de doble frecuencia en modo RTK, cuyas antenas están espaciadas a lo largo de toda la locomotora para crear un sistema de navegación inercial de base larga y con correas y conexión a sensores de rueda (odómetros). La desviación estándar para determinar las coordenadas de la locomotora de maniobras no es más de 5 cm.
Además, se realizaron estudios en la estación Luzhskaya sobre el uso de tecnologías SLAM (lidar y visual) para obtener datos de posición adicionales.
Como resultado, la determinación del ancho de vía para las locomotoras de maniobras en la estación Luzhskaya se lleva a cabo combinando los resultados del reconocimiento de ancho y los datos del modelo de vía digital basados en el posicionamiento.
La detección de obstáculos también se realiza de varias formas en función de:
- datos LIDAR;
- datos de visión estéreo;
- trabajo de las redes neuronales.
Una de las principales fuentes de datos son los lidars, que producen una nube de puntos a partir del escaneo láser. En los algoritmos que están en funcionamiento se utilizan principalmente algoritmos clásicos de agrupamiento de datos. Como parte de la investigación, se comprueba la efectividad del uso de redes neuronales para la tarea de agrupar puntos lidar, así como para el procesamiento conjunto de datos lidar y datos de cámaras de video. La Figura 8 muestra un ejemplo de datos LIDAR (una nube de puntos con diferente reflectividad) que muestra un maniquí humano contra el fondo de un vagón en la estación Luzhskaya.
Figura 8. Ejemplo de datos de lidar en la estación Luzhskaya
La figura 9 muestra un ejemplo de extracción de un grupo de un automóvil con una forma compleja según los datos de dos lidar diferentes.
Figura 9. Un ejemplo de interpretación de datos lidar como un grupo de un carro tolva
Por separado, vale la pena señalar que recientemente el costo de los lidars se ha reducido en casi un orden de magnitud y sus características técnicas han aumentado. No hay duda de que esta tendencia continuará. El rango de detección de objetos por los lidars utilizados en la estación Luzhskaya es de unos 150 metros.
También se utiliza una cámara estéreo que utiliza un principio físico diferente para detectar obstáculos.
Figura 10. Mapa de disparidad de un estereopar y grupos detectados
La figura 10 muestra un ejemplo de datos de cámara estéreo con la detección de postes, wayboxes y un vagón.
Para obtener suficiente precisión de la nube de puntos a una distancia suficiente para frenar, es necesario utilizar cámaras de alta resolución. Aumentar el tamaño de la imagen aumenta el costo computacional de obtener un mapa de disparidad. Debido a las condiciones necesarias para los recursos ocupados y el tiempo de respuesta del sistema, es necesario desarrollar y probar constantemente algoritmos y enfoques para extraer datos útiles de las cámaras de video.
Parte de la prueba y verificación de los algoritmos se lleva a cabo utilizando un simulador ferroviario, que está siendo desarrollado por Design Bureau TsT junto con JSC NIIAS. Por ejemplo, la Figura 11 muestra el uso de un simulador para probar el funcionamiento de algoritmos de cámaras estéreo.
Figura 11. A, B - marcos izquierdo y derecho del simulador; B – vista superior de la reconstrucción de datos de una cámara estéreo; D - reconstrucción de imágenes de cámara estéreo del simulador.
La tarea principal de las redes neuronales es la detección de personas, vagones y su clasificación.
Para trabajar en condiciones climáticas severas, los especialistas de JSC NIIAS también realizaron pruebas con cámaras infrarrojas.
Figura 12. Datos de la cámara IR
Los datos de todos los sensores se integran en base a algoritmos de asociación, donde se estima la probabilidad de existencia de obstáculos (objetos).
Además, no todos los objetos en el camino son obstáculos; al realizar maniobras, la locomotora debe acoplarse automáticamente a los vagones.
Figura 13. Ejemplo de visualización de la entrada al coche con detección de obstáculos por diferentes sensores
Al operar locomotoras de maniobras no tripuladas, es extremadamente importante comprender rápidamente qué está sucediendo con el equipo, en qué condición se encuentra. También hay situaciones en las que un animal, como un perro, aparece frente a la locomotora. Los algoritmos a bordo detendrán automáticamente la locomotora, pero ¿qué hacer a continuación si el perro no se quita del camino?
Para controlar la situación a bordo y tomar decisiones en caso de situaciones de emergencia, se ha desarrollado un panel de control y control remoto estacionario, diseñado para trabajar con todas las locomotoras no tripuladas en la estación. En la estación Luzhskaya, se encuentra en el puesto de la CE.
Figura 14 Control y gestión remotos
En la estación Luzhskoy, el panel de control que se muestra en la Figura 14 controla el funcionamiento de tres locomotoras de maniobras. Si es necesario, utilizando este control remoto, puede controlar una de las locomotoras conectadas transmitiendo información en tiempo real (el retraso no es más de 300 ms, teniendo en cuenta la transmisión de datos por el canal de radio).
Problemas de seguridad funcional
El tema más importante en la implementación de locomotoras no tripuladas es el tema de la seguridad funcional, definida por las normas IEC 61508 "Seguridad funcional de los sistemas eléctricos, electrónicos, electrónicos programables relacionados con la seguridad" (EN50126, EN50128, EN50129), GOST 33435-2015 "Dispositivos de control, vigilancia y seguridad del material rodante ferroviario".
Se requiere el nivel de integridad de seguridad 4 (SIL4) para cumplir con los requisitos de los dispositivos de seguridad a bordo.
Para cumplir con el nivel SIL-4, todos los dispositivos de seguridad de locomotoras existentes están construidos según la lógica mayoritaria, donde los cálculos se realizan en paralelo en dos canales (o más) con una comparación de los resultados para tomar una decisión.
La unidad informática para el procesamiento de datos de sensores en locomotoras de maniobras no tripuladas también se construye de acuerdo con un esquema de dos canales con una comparación del resultado final.
El uso de sensores de visión, el trabajo en diversas condiciones climáticas y en diferentes entornos, requiere un nuevo enfoque para probar la seguridad de los vehículos no tripulados.
En 2019, la norma ISO/PAS 21448 “Vehículos de carretera. Seguridad de Funciones Especificadas (SOTIF). Uno de los principios fundamentales de esta norma es el enfoque de escenarios, que considera el comportamiento del sistema en diversas circunstancias. El número total de escenarios es infinito. El objetivo principal del diseño es minimizar las áreas 2 y 3 que representan escenarios inseguros conocidos y escenarios inseguros desconocidos.
Figura 15 Transformación del script como resultado del desarrollo
Como parte de la aplicación de este enfoque, los especialistas de JSC NIIAS analizaron todas las situaciones emergentes (escenarios) desde el inicio de la operación en 2017. Algunas de las situaciones que son difíciles de resolver en la operación real se resuelven utilizando el simulador PKB TsT.
Asuntos reglamentarios
También se deben abordar las cuestiones reglamentarias para pasar verdaderamente al control completamente automático sin la presencia del conductor en la cabina de la locomotora.
Por el momento, Russian Railways ha aprobado un cronograma para la implementación del trabajo de apoyo regulatorio para la implementación de medidas para introducir sistemas de control automático para el material rodante ferroviario. Uno de los temas más importantes es la actualización del Reglamento sobre el procedimiento de investigación y contabilización interna de los accidentes de transporte que causen daños a la vida oa la salud de los ciudadanos no relacionados con la producción en el transporte ferroviario. De acuerdo con este plan, en 2021 se debe desarrollar y aprobar un paquete de documentos que regulen la operación de vehículos ferroviarios no tripulados.
Epílogo
Por el momento, no hay análogos de locomotoras de maniobras no tripuladas en el mundo, que se operan en la estación Luzhskaya. Especialistas de Francia (empresa SNCF), Alemania, Holanda (empresa Prorail), Bélgica (empresa Lineas) se familiarizaron con el sistema de control desarrollado en 2018-2019 y están interesados en implementar dichos sistemas. Una de las principales tareas de JSC NIIAS es ampliar la funcionalidad y replicar el sistema de gestión creado tanto en los ferrocarriles rusos como para empresas extranjeras.
Por el momento, Russian Railways también está liderando un proyecto para desarrollar trenes eléctricos no tripulados Lastochka. La Figura 16 muestra una demostración de un prototipo del sistema de control automático para el tren eléctrico ES2G Lastochka en agosto de 2019 dentro del marco. Salón Ferroviario Internacional del Espacio 1520 "PRO//Dvizhenie.Expo".
Figura 16. Demostración del funcionamiento de un tren eléctrico no tripulado en el MCC
La creación de un tren eléctrico no tripulado es una tarea mucho más difícil debido a las altas velocidades, las importantes distancias de frenado y la garantía del embarque y desembarque seguro de los pasajeros en los puntos de parada. Por el momento, las pruebas se están realizando activamente en el MCC. Se planea publicar una historia sobre este proyecto en un futuro próximo.
Fuente: habr.com