Le développement des technologies ferroviaires sans pilote a commencé il y a longtemps, déjà en 1957, lorsque le premier système expérimental de guidage automatisé pour les trains de banlieue a été créé. Pour comprendre la différence entre les niveaux d'automatisation du transport ferroviaire, une gradation a été introduite, définie dans la norme IEC-62290-1. Contrairement au transport routier, le transport ferroviaire présente 4 degrés d'automatisation, illustrés à la figure 1.
Figure 1. Degrés d'automatisation selon IEC-62290
Presque tous les trains circulant sur le réseau des chemins de fer russes sont équipés d'un dispositif de sécurité correspondant au niveau d'automatisation 1. Les trains avec le niveau d'automatisation 2 sont exploités avec succès sur le réseau ferroviaire russe depuis plus de 20 ans ; plusieurs milliers de locomotives en sont équipées. Ce niveau est mis en œuvre grâce à des algorithmes de contrôle de traction et de freinage pour une conduite optimale en énergie du train le long d'un itinéraire donné, en tenant compte des horaires et des relevés des systèmes de signalisation automatique des locomotives reçus via un canal inductif des circuits de voie. L'utilisation du niveau 2 réduit la fatigue du conducteur et offre des avantages en termes de consommation d'énergie et de précision de l'exécution des plannings.
Le niveau 3 suppose l'absence éventuelle de conducteur dans la cabine, ce qui nécessite la mise en place d'un système de vision technique.
Le niveau 4 suppose l'absence totale de conducteur à bord, ce qui nécessite un changement important dans la conception de la locomotive (train électrique). Par exemple, il y a des disjoncteurs à bord qui ne seront pas réinitialisés s'ils sont déclenchés sans personne à bord.
Actuellement, des projets visant à atteindre les niveaux 3 et 4 sont mis en œuvre par des entreprises leaders dans le monde, telles que Siemens, Alstom, Thales, SNCF, CFF et d'autres.
Siemens a présenté son projet dans le domaine des tramways sans conducteur en septembre 2018 au salon Innotrans. Ce tramway est en service à Potsdam avec le niveau d'automatisation GoA3 depuis 2018.
Figure 2 Tramway Siemens
En 2019, Siemens a multiplié par plus de 2 la longueur de la route sans pilote.
La société des chemins de fer russes a été l’une des premières au monde à développer des véhicules ferroviaires sans pilote. Ainsi, à la gare de Luzhskaya en 2015, un projet a été lancé pour automatiser le mouvement de 3 locomotives de manœuvre, où NIIAS JSC a agi en tant qu'intégrateur de projet et développeur de technologies de base.
La création d'une locomotive sans pilote est un processus complexe et complexe, impossible sans coopération avec d'autres entreprises. Par conséquent, à la station Luzhskaya, en collaboration avec JSC NIIAS, les sociétés suivantes participent :
- JSC « VNIKTI » en termes de développement d'un système de contrôle embarqué ;
- Siemens – en termes d'automatisation du fonctionnement de la bosse (système MSR-32) et d'automatisation du fonctionnement des voitures poussantes ;
- JSC Radioavionics en termes de systèmes de centralisation à microprocesseur qui contrôlent les interrupteurs et les feux de circulation ;
- PKB CT – création d'un simulateur ;
- JSC Russian Railways en tant que coordinateur du projet.
Dans un premier temps, il s'agissait d'atteindre le niveau 2 d'automatisation du trafic, lorsque le conducteur, dans des conditions normales d'organisation des travaux de manœuvre, n'utilise pas les commandes de la locomotive.
Lors de l'exploitation de locomotives de manœuvre conventionnelles, le contrôle du trafic s'effectue en transmettant des commandes vocales du répartiteur au conducteur avec la définition des itinéraires appropriés (déplacement des interrupteurs, allumage des feux de circulation).
Lors du passage au niveau 2 d'automatisation, toutes les communications vocales ont été remplacées par un système de commandes transmises sur un canal radio numérique sécurisé. Techniquement, le contrôle des locomotives de manœuvre à la gare de Luzhskaya a été construit sur la base de :
- maquette numérique unifiée de la station ;
- protocole de contrôle du mouvement des locomotives de manœuvre (pour l'envoi de commandes et le suivi de l'exécution) ;
- interaction avec le système de centralisation électrique pour obtenir des informations sur les itinéraires donnés, la position des flèches et des signaux ;
- systèmes de positionnement pour locomotives de manœuvre;
- communications radio numériques fiables.
En 2017, 3 locomotives de manœuvre TEM-7A travaillaient 95 % du temps à la gare de Luzhskaya en mode entièrement automatique, effectuant les opérations suivantes :
- Déplacement automatique le long d'un itinéraire donné ;
- Accès automatique aux voitures ;
- Attelage automatique avec les wagons ;
- Pousser les voitures sur la bosse.
En 2017, un projet a été lancé pour créer un système de vision technique pour les locomotives de manœuvre et introduire la télécommande en cas de situations d'urgence.
En novembre 2017, des spécialistes de JSC NIIAS ont installé le premier prototype d'un système de vision technique sur les locomotives de manœuvre, composé de radars, de lidar et de caméras (Figure 3).
Figure 3 Premières versions des systèmes de vision technique
Lors des tests à la station de Luga du système de vision technique en 2017-2018, les conclusions suivantes ont été tirées :
- L'utilisation de radars pour détecter les obstacles n'est pas pratique, car la voie ferrée possède un nombre important d'objets métalliques ayant une bonne réflectivité. La portée de détection des personnes dans leur contexte ne dépasse pas 60 à 70 mètres. De plus, les radars ont une résolution angulaire insuffisante et est d'environ 1°. Nos conclusions ont ensuite été confirmées par les résultats des tests effectués par des collègues de la SNCF (l'opérateur ferroviaire français).
- Les lidars fournissent de très bons résultats avec un minimum de bruit. En cas de chute de neige, de pluie ou de brouillard, une diminution non critique de la portée de détection des objets est observée. Cependant, en 2017, les lidars étaient assez chers, ce qui a considérablement affecté les performances économiques du projet.
- Les caméras sont un élément essentiel d'un système de vision technique et sont nécessaires aux tâches de détection, de classification d'objets et de contrôle à distance. Pour travailler de nuit et dans des conditions météorologiques difficiles, il est nécessaire de disposer de caméras infrarouges ou de caméras à plage de longueurs d'onde étendue pouvant fonctionner dans le proche infrarouge.
La tâche principale de la vision technique est de détecter les obstacles et autres objets le long du chemin, et comme le mouvement s'effectue le long d'une piste, il est nécessaire de le détecter.
Figure 4. Exemple de segmentation multi-classes (piste, voitures) et détermination de l'axe de la piste à l'aide d'un masque binaire
La figure 4 montre un exemple de détection d'ornières. Afin de déterminer sans ambiguïté l'itinéraire de déplacement le long des flèches, des informations a priori sur la position de la flèche et les lectures des feux tricolores sont utilisées, transmises via un canal radio numérique depuis le système de centralisation électrique. Actuellement, les chemins de fer du monde entier ont tendance à abandonner les feux de circulation et à passer à des systèmes de contrôle via un canal radio numérique. Cela est particulièrement vrai pour la circulation à grande vitesse, car à des vitesses supérieures à 200 km/h, il devient difficile de remarquer et de reconnaître les feux de circulation. En Russie, il existe deux tronçons exploités sans feux de circulation : le rond-point central de Moscou et la ligne Alpika-Service - Adler.
En hiver, des situations peuvent survenir lorsque la piste est entièrement recouverte de neige et que la reconnaissance de la piste devient presque impossible, comme le montre la figure 5.
Figure 5 Exemple de piste recouverte de neige
Dans ce cas, il devient difficile de savoir si les objets détectés interfèrent avec le mouvement de la locomotive, c'est-à-dire s'ils sont sur la voie ou non. Dans ce cas, à la station Luzhskaya, un modèle numérique de haute précision de la station et un système de navigation embarqué de haute précision sont utilisés.
De plus, le modèle numérique de la station a été créé sur la base de mesures géodésiques des points de base. Ensuite, sur la base du traitement de nombreux passages de locomotives avec un système de positionnement de haute précision, une cartographie a été réalisée le long de toutes les voies.
Figure 6 Modèle numérique du développement des voies de la gare de Luzhskoy
L'un des paramètres les plus importants du système de positionnement embarqué est l'erreur de calcul de l'orientation (azimut) de la locomotive. L'orientation de la locomotive est nécessaire à l'orientation correcte des capteurs et des objets détectés par ceux-ci. Avec une erreur d'angle d'orientation de 1°, l'erreur des coordonnées de l'objet par rapport à l'axe de la trajectoire à une distance de 100 mètres sera de 1,7 mètres.
Figure 7 Effet de l'erreur d'orientation sur l'erreur de coordonnées latérales
Par conséquent, l'erreur maximale tolérée dans la mesure de l'orientation angulaire de la locomotive ne doit pas dépasser 0,1°. Le système de positionnement embarqué lui-même se compose de deux récepteurs de navigation bi-fréquence en mode RTK, dont les antennes sont espacées sur toute la longueur de la locomotive pour créer une base longue, un système de navigation inertielle à sangle et une connexion aux capteurs de roue (odomètres). L'écart type pour déterminer les coordonnées de la locomotive de manœuvre ne dépasse pas 5 cm.
De plus, à la station Luzhskaya, des recherches ont été menées sur l'utilisation des technologies SLAM (lidar et visuelle) pour obtenir des données de localisation supplémentaires.
En conséquence, la détermination de la voie ferrée pour les locomotives de manœuvre à la gare de Luzhskaya est réalisée en combinant les résultats de la reconnaissance de la voie et les données du modèle numérique de voie basé sur le positionnement.
La détection d'obstacles s'effectue également de plusieurs manières en fonction de :
- données lidar ;
- données de vision stéréoscopique ;
- fonctionnement des réseaux de neurones.
L’une des principales sources de données sont les lidars, qui produisent un nuage de points à partir d’un balayage laser. Les algorithmes utilisés utilisent principalement des algorithmes classiques de regroupement de données. Dans le cadre de la recherche, l'efficacité de l'utilisation des réseaux de neurones pour la tâche de regroupement des points lidar, ainsi que pour le traitement conjoint des données lidar et des données des caméras vidéo, est testée. La figure 8 montre un exemple de données lidar (un nuage de points avec une réflexivité différente) affichant un mannequin d'une personne sur fond de voiture à la gare de Luzhskaya.
Figure 8. Exemple de données lidar à la station Luzhskoy
La figure 9 montre un exemple d'identification d'un cluster à partir d'une voiture de forme complexe à l'aide des données de deux lidars différents.
Figure 9. Exemple d'interprétation des données lidar sous forme de cluster provenant d'un wagon-trémie
Par ailleurs, il convient de noter que récemment, le coût des lidars a diminué de près d'un ordre de grandeur et que leurs caractéristiques techniques ont augmenté. Il ne fait aucun doute que cette tendance va se poursuivre. La portée de détection des objets par les lidars utilisés à la station Luzhskaya est d'environ 150 mètres.
Une caméra stéréo utilisant un principe physique différent est également utilisée pour détecter les obstacles.
Figure 10. Carte de disparité d'une paire stéréo et de clusters détectés
La figure 10 montre un exemple de données de caméra stéréo avec détection de poteaux, de boîtiers de rails et d'une voiture.
Afin d'obtenir une précision suffisante du nuage de points à une distance suffisante pour le freinage, il est nécessaire d'utiliser des caméras haute résolution. L'augmentation de la taille de l'image augmente le coût de calcul nécessaire à l'obtention de la carte de disparité. En raison des conditions nécessaires aux ressources occupées et au temps de réponse du système, il est nécessaire de développer et de tester en permanence des algorithmes et des approches pour extraire des données utiles des caméras vidéo.
Une partie des tests et de la vérification des algorithmes est effectuée à l'aide d'un simulateur ferroviaire développé par PKB TsT en collaboration avec JSC NIIAS. Par exemple, la figure 11 montre l'utilisation d'un simulateur pour tester les performances des algorithmes de caméra stéréo.
Figure 11. A, B - images gauche et droite du simulateur ; B – vue de dessus de la reconstruction des données d'une caméra stéréo ; D - reconstruction des images de caméra stéréo du simulateur.
La tâche principale des réseaux de neurones est de détecter les personnes, les voitures et leur classification.
Pour travailler dans des conditions météorologiques difficiles, les spécialistes de JSC NIIAS ont également effectué des tests à l'aide de caméras infrarouges.
Figure 12. Données de la caméra IR
Les données de tous les capteurs sont intégrées sur la base d'algorithmes d'association, où la probabilité d'existence d'obstacles (objets) est évaluée.
De plus, tous les objets sur la voie ne sont pas des obstacles : lors des opérations de manœuvre, la locomotive doit s'accoupler automatiquement aux wagons.
Figure 13. Un exemple de visualisation de l'approche d'une voiture avec détection d'obstacles par différents capteurs
Lors de l'exploitation de locomotives de manœuvre sans pilote, il est extrêmement important de comprendre rapidement ce qui se passe avec l'équipement et dans quel état il se trouve. Des situations sont également possibles lorsqu'un animal, comme un chien, apparaît devant la locomotive. Les algorithmes embarqués arrêteront automatiquement la locomotive, mais que faire ensuite si le chien ne s'écarte pas ?
Pour surveiller la situation à bord et prendre des décisions en cas de situations d'urgence, un panneau de télécommande et de surveillance fixe a été développé, conçu pour fonctionner avec toutes les locomotives sans pilote de la gare. À la gare de Luzhskaya, il est situé au poste CE.
Figure 14 Contrôle et surveillance à distance
À la gare de Luzhskoy, le panneau de commande illustré à la figure 14 contrôle le fonctionnement de trois locomotives de manœuvre. Si nécessaire, à l'aide de cette télécommande, vous pouvez contrôler l'une des locomotives connectées en transmettant des informations en temps réel (délai ne dépassant pas 300 ms, en tenant compte de la transmission des données via canal radio).
Problèmes de sécurité fonctionnelle
La question la plus importante lors de l'introduction de locomotives sans pilote est la question de la sécurité fonctionnelle, définie par les normes IEC 61508 « Sécurité fonctionnelle des systèmes électriques, électroniques et électroniques programmables liées à la sécurité » (EN50126, EN50128, EN50129), GOST 33435-2015 « Dispositifs pour le contrôle, la surveillance et la sécurité du matériel roulant ferroviaire".
Conformément aux exigences relatives aux dispositifs de sécurité embarqués, le niveau d'intégrité de sécurité 4 (SIL4) doit être atteint.
Pour se conformer au niveau SIL-4, tous les dispositifs de sécurité des locomotives existants sont construits selon une logique majoritaire, où les calculs sont effectués en parallèle sur deux canaux (ou plus) et les résultats sont comparés pour prendre une décision.
L'unité de calcul pour le traitement des données des capteurs des locomotives de manœuvre sans pilote est également construite selon un schéma à deux canaux avec comparaison du résultat final.
L'utilisation de capteurs de vision, le fonctionnement dans différentes conditions météorologiques et dans différents environnements nécessitent une nouvelle approche de la question de la preuve de la sécurité des véhicules sans pilote.
En 2019, la norme ISO/PAS 21448 « Véhicules routiers. Sécurité des Fonctions Définies (SOTIF). L'un des principes fondamentaux de cette norme est l'approche par scénarios, qui examine le comportement du système dans diverses circonstances. Le nombre total de scénarios représente l'infini. Le principal défi de conception consiste à minimiser les régions 2 et 3, qui représentent des scénarios dangereux connus et des scénarios dangereux inconnus.
Figure 15 Transformation des scénarios suite au développement
Dans le cadre de l'application de cette approche, les spécialistes de JSC NIIAS ont analysé toutes les situations émergentes (scénarios) depuis le début de l'exploitation en 2017. Certaines situations difficiles à rencontrer en fonctionnement réel sont résolues à l'aide du simulateur PKB CT.
Les questions de réglementation
Afin de passer véritablement complètement à un contrôle entièrement automatique sans la présence d'un conducteur dans la cabine de la locomotive, il est également nécessaire de résoudre les problèmes réglementaires.
À l'heure actuelle, JSC Russian Railways a approuvé un calendrier pour la mise en œuvre des travaux de soutien réglementaire à la mise en œuvre de mesures pour la mise en œuvre de systèmes de contrôle du matériel roulant ferroviaire en mode automatique. L'une des questions les plus importantes est la mise à jour du règlement sur la procédure d'enquête officielle et d'enregistrement des incidents de transport ayant entraîné des atteintes à la vie ou à la santé des citoyens sans rapport avec la production dans le transport ferroviaire. Conformément à ce plan, en 2021, un ensemble de documents réglementant l'exploitation des véhicules ferroviaires sans pilote devrait être élaboré et approuvé.
Postface
À l'heure actuelle, il n'existe pas d'analogues dans le monde aux locomotives de manœuvre sans pilote exploitées à la gare de Luzhskaya. Des spécialistes de France (société SNCF), d'Allemagne, de Hollande (société Prorail) et de Belgique (société Lineas) se sont familiarisés avec le système de contrôle développé en 2018-2019 et sont intéressés par la mise en œuvre de systèmes similaires. L'une des tâches principales de JSC NIIAS est d'étendre les fonctionnalités et de reproduire le système de gestion créé tant sur les chemins de fer russes que pour les entreprises étrangères.
Actuellement, JSC Russian Railways dirige également un projet visant à développer des trains électriques sans pilote « Lastochka ». La figure 16 montre une démonstration du prototype de système de contrôle automatique du train électrique ES2G Lastochka en août 2019 dans le cadre. Salon International du Ferroviaire espace 1520 "PRO//Movement.Expo".
Figure 16. Démonstration du fonctionnement d'un train électrique sans pilote sur le MCC
Créer un train électrique sans pilote est une tâche beaucoup plus difficile en raison des vitesses élevées, des distances de freinage importantes et de la garantie d'un embarquement/débarquement en toute sécurité des passagers aux points d'arrêt. Actuellement, des tests sont activement en cours au MCC. Un article sur ce projet devrait être publié prochainement.
Source: habr.com