રેલ્વે પરિવહનમાં માનવરહિત તકનીકોનો વિકાસ

રેલ્વે પર માનવરહિત તકનીકોનો વિકાસ ખૂબ લાંબા સમય પહેલા શરૂ થયો હતો, પહેલેથી જ 1957 માં, જ્યારે ઉપનગરીય ટ્રેનો માટે પ્રથમ પ્રાયોગિક ઓટોપાયલોટ સંકુલ બનાવવામાં આવ્યું હતું. રેલ્વે પરિવહન માટેના ઓટોમેશનના સ્તરો વચ્ચેના તફાવતને સમજવા માટે, IEC-62290-1 ધોરણમાં વ્યાખ્યાયિત, ગ્રેડેશન રજૂ કરવામાં આવે છે. માર્ગ પરિવહનથી વિપરીત, રેલ પરિવહનમાં 4 ડિગ્રી ઓટોમેશન હોય છે, જે આકૃતિ 1 માં બતાવેલ છે.

આકૃતિ 1. IEC-62290 અનુસાર ઓટોમેશનની ડિગ્રી

રશિયન રેલ્વે નેટવર્ક પર કાર્યરત લગભગ તમામ ટ્રેનો ઓટોમેશન લેવલ 1 ને અનુરૂપ સલામતી ઉપકરણથી સજ્જ છે. ઓટોમેશન લેવલ 2 સાથેની ટ્રેનો 20 વર્ષથી વધુ સમયથી રશિયન રેલ્વે નેટવર્ક પર સફળતાપૂર્વક સંચાલિત છે, હજારો લોકોમોટિવ સજ્જ છે. આ સ્તર ટ્રેક્શન કંટ્રોલ અને બ્રેકિંગ એલ્ગોરિધમ્સ દ્વારા અમલમાં મૂકવામાં આવે છે જે આપેલ રૂટ પર ઉર્જા-શ્રેષ્ઠ ટ્રેન માર્ગદર્શન માટે, ટ્રેક સર્કિટમાંથી ઇન્ડક્ટિવ ચેનલ દ્વારા પ્રાપ્ત સ્વચાલિત લોકોમોટિવ સિગ્નલિંગ સિસ્ટમ્સના શેડ્યૂલ અને સંકેતોને ધ્યાનમાં લે છે. લેવલ 2 નો ઉપયોગ ડ્રાઇવરનો થાક ઘટાડે છે અને ટ્રાફિક શેડ્યૂલના અમલીકરણમાં ઊર્જા વપરાશ અને ચોકસાઈમાં વધારો કરે છે.

લેવલ 3 કેબમાં ડ્રાઇવરની સંભવિત ગેરહાજરી ધારે છે, જેને વિઝન સિસ્ટમના અમલીકરણની જરૂર છે.

સ્તર 4 બોર્ડ પર ડ્રાઇવરની સંપૂર્ણ ગેરહાજરી સૂચવે છે, જેને લોકોમોટિવ (ઇલેક્ટ્રિક ટ્રેન) ની ડિઝાઇનમાં નોંધપાત્ર ફેરફારની જરૂર છે. ઉદાહરણ તરીકે, ઓટોમેટિક સ્વીચો બોર્ડ પર ઇન્સ્ટોલ કરવામાં આવે છે, જે બોર્ડ પરની વ્યક્તિની હાજરી વિના ટ્રિગર થાય તો તેને ફરીથી કોક કરવાનું શક્ય બનશે નહીં.

હાલમાં, સિમેન્સ, અલ્સ્ટોમ, થેલ્સ, SNCF, SBB અને અન્ય જેવી વિશ્વની અગ્રણી કંપનીઓ દ્વારા સ્તર 3 અને 4 હાંસલ કરવાના પ્રોજેક્ટ્સ લાગુ કરવામાં આવી રહ્યા છે.

સિમેન્સે સપ્ટેમ્બર 2018 માં ઇનોટ્રાન્સ પ્રદર્શનમાં માનવરહિત ટ્રામના ક્ષેત્રમાં તેનો પ્રોજેક્ટ રજૂ કર્યો હતો. આ ટ્રામ પોટ્સડેમમાં 3 થી GoA2018 ઓટોમેશન સ્તર સાથે કાર્યરત છે.

આકૃતિ 2 સિમેન્સ ટ્રામ
2019 માં, સિમેન્સે તેના માનવરહિત રૂટની લંબાઈ બમણી કરતાં વધુ કરી.
રશિયન રેલ્વે માનવરહિત રેલ્વે વાહનો વિકસાવવાનું શરૂ કરનાર વિશ્વની પ્રથમ કંપનીઓમાંની એક છે. આમ, 2015 માં, લુઝસ્કાયા સ્ટેશન પર, 3 શન્ટિંગ લોકોમોટિવ્સની હિલચાલને સ્વચાલિત કરવા માટે એક પ્રોજેક્ટ શરૂ કરવામાં આવ્યો હતો, જ્યાં NIIAS JSC એ પ્રોજેક્ટ ઇન્ટિગ્રેટર અને મૂળભૂત તકનીકોના વિકાસકર્તા તરીકે કામ કર્યું હતું.

માનવરહિત લોકોમોટિવની રચના એ એક જટિલ જટિલ પ્રક્રિયા છે જે અન્ય કંપનીઓ સાથે સહકાર વિના અશક્ય છે. તેથી, લુઝસ્કાયા સ્ટેશન પર, JSC NIIAS સાથે, આવી કંપનીઓ ભાગ લે છે:

• ઓનબોર્ડ કંટ્રોલ સિસ્ટમના વિકાસના સંદર્ભમાં JSC "VNIKTI";
• સિમેન્સ - માર્શલિંગ યાર્ડ (MSR-32 સિસ્ટમ) ની કામગીરીને સ્વચાલિત કરવા અને દબાણ કરતી કારના સંચાલનને સ્વચાલિત કરવાના સંદર્ભમાં;
• જેએસસી "રેડિયોવિઓનિકા" માઇક્રોપ્રોસેસર ઇન્ટરલોકિંગ સિસ્ટમના સંદર્ભમાં જે એરો, ટ્રાફિક લાઇટને નિયંત્રિત કરે છે;
• PKB TsT - સિમ્યુલેટરની રચના;
• પ્રોજેક્ટ કોઓર્ડિનેટર તરીકે રશિયન રેલ્વે.

પ્રથમ તબક્કે, કાર્ય ટ્રાફિક ઓટોમેશનનું સ્તર 2 હાંસલ કરવાનું હતું, જ્યારે ડ્રાઇવર, શન્ટિંગ કાર્યનું આયોજન કરવા માટે સામાન્ય સ્થિતિમાં, લોકોમોટિવ નિયંત્રણોનો ઉપયોગ કરતું નથી.

પરંપરાગત શંટીંગ લોકોમોટિવ્સના સંચાલન દરમિયાન, યોગ્ય માર્ગો (તીર ફેરવવા, ટ્રાફિક લાઇટ ચાલુ કરવા) સેટ કરીને ડિસ્પેચરથી ડ્રાઇવરને વૉઇસ આદેશો ટ્રાન્સમિટ કરીને ટ્રાફિક નિયંત્રણ હાથ ધરવામાં આવે છે.

જ્યારે ઓટોમેશનના લેવલ 2 પર જઈ રહ્યા હતા, ત્યારે તમામ વૉઇસ કમ્યુનિકેશનને ડિજિટલ સુરક્ષિત રેડિયો ચેનલ પર પ્રસારિત આદેશોની સિસ્ટમ દ્વારા બદલવામાં આવ્યું હતું. તકનીકી રીતે, લુઝસ્કાયા સ્ટેશન પર શન્ટીંગ લોકોમોટિવ્સનું સંચાલન આના આધારે બનાવવામાં આવ્યું હતું:

• એકીકૃત ડિજિટલ સ્ટેશન મોડલ;
• શંટીંગ લોકોમોટિવ્સની હિલચાલને નિયંત્રિત કરવા માટેનો પ્રોટોકોલ (કમાન્ડ મોકલવા અને તેમના અમલ પર દેખરેખ રાખવા માટે);
• ઉલ્લેખિત માર્ગો, તીરો અને સિગ્નલોની સ્થિતિ વિશેની માહિતી મેળવવા માટે ઇલેક્ટ્રિકલ ઇન્ટરલોકિંગ સિસ્ટમ સાથે ક્રિયાપ્રતિક્રિયા;
• શંટીંગ લોકોમોટિવ્સ માટે પોઝિશનિંગ સિસ્ટમ્સ;
• વિશ્વસનીય ડિજિટલ રેડિયો.

2017 સુધીમાં, 3 TEM-7A શંટિંગ લોકોમોટિવ્સ લુઝસ્કાયા સ્ટેશન પર 95% સમય સંપૂર્ણ સ્વચાલિત મોડમાં સંચાલિત હતા, જે નીચેની કામગીરી કરે છે:

• આપેલ માર્ગ સાથે સ્વચાલિત ચળવળ;
• વેગનની સ્વચાલિત ઍક્સેસ;
• વેગન સાથે સ્વચાલિત જોડાણ;
• માર્શલિંગ યાર્ડ પર વેગનને દબાણ કરવું.

2017 માં, લોકોમોટિવ્સને શન્ટ કરવા માટે વિઝન સિસ્ટમ બનાવવા અને કટોકટીની સ્થિતિમાં રિમોટ કંટ્રોલ દાખલ કરવા માટે એક પ્રોજેક્ટ શરૂ કરવામાં આવ્યો હતો.

નવેમ્બર 2017 માં, JSC NIIAS નિષ્ણાતોએ રડાર, લિડર અને કેમેરા (આકૃતિ 3) ધરાવતા લોકોમોટિવ્સને શન્ટીંગ કરવા માટે વિઝન સિસ્ટમનો પ્રથમ પ્રોટોટાઇપ ઇન્સ્ટોલ કર્યો હતો.

આકૃતિ 3 વિઝન સિસ્ટમ્સની પ્રથમ આવૃત્તિઓ

2017-2018 માં લુગા વિઝન સિસ્ટમના સ્ટેશન પર પરીક્ષણો દરમિયાન, નીચેના તારણો દોરવામાં આવ્યા હતા:

• અવરોધો શોધવા માટે રડારનો ઉપયોગ અવ્યવહારુ છે, કારણ કે રેલવેમાં સારી પરાવર્તકતા સાથે નોંધપાત્ર સંખ્યામાં ધાતુની વસ્તુઓ છે. તેમની પૃષ્ઠભૂમિ સામે લોકોની શોધની શ્રેણી 60-70 મીટરથી વધુ નથી, વધુમાં, રડારમાં અપૂરતું કોણીય રીઝોલ્યુશન છે અને તે લગભગ 1 ° છે. અમારા તારણો પછીથી SNCF (ફ્રેન્ચ રેલવે ઓપરેટર) ના સાથીદારોના પરીક્ષણ પરિણામો દ્વારા પુષ્ટિ મળી.
• Lidars ન્યૂનતમ અવાજ સાથે ખૂબ સારા પરિણામો આપે છે. હિમવર્ષા, વરસાદ, ધુમ્મસના કિસ્સામાં, વસ્તુઓની શોધ શ્રેણીમાં બિન-જટિલ ઘટાડો થાય છે. જો કે, 2017 માં, લિડર ખૂબ ખર્ચાળ હતા, જેણે પ્રોજેક્ટના આર્થિક પ્રભાવને નોંધપાત્ર રીતે અસર કરી હતી.
• કેમેરા ટેક્નિકલ વિઝન સિસ્ટમનું અનિવાર્ય તત્વ છે અને તે શોધ, ઑબ્જેક્ટ વર્ગીકરણ અને રિમોટ કંટ્રોલના કાર્યો માટે જરૂરી છે. રાત્રિના સમયે અને મુશ્કેલ હવામાન પરિસ્થિતિઓ માટે, ઇન્ફ્રારેડ કેમેરા અથવા નજીકની ઇન્ફ્રારેડ રેન્જમાં કાર્ય કરવા સક્ષમ વિસ્તૃત તરંગલંબાઇ શ્રેણીવાળા કેમેરા હોવા જરૂરી છે.

તકનીકી દ્રષ્ટિનું મુખ્ય કાર્ય મુસાફરીની દિશામાં અવરોધો અને અન્ય વસ્તુઓને શોધવાનું છે, અને હિલચાલ ટ્રેક સાથે કરવામાં આવતી હોવાથી, તેને શોધવાનું જરૂરી છે.

આકૃતિ 4. દ્વિસંગી માસ્કનો ઉપયોગ કરીને બહુ-વર્ગના વિભાજન (ટ્રેક, વેગન) અને ટ્રેક અક્ષના નિર્ધારણનું ઉદાહરણ

આકૃતિ 4 ટ્રેક શોધનું ઉદાહરણ બતાવે છે. તીર સાથે ચળવળના માર્ગને અસ્પષ્ટપણે નિર્ધારિત કરવા માટે, ઇલેક્ટ્રિકલ ઇન્ટરલોકિંગ સિસ્ટમમાંથી ડિજિટલ રેડિયો ચેનલ દ્વારા પ્રસારિત, તીરની સ્થિતિ, ટ્રાફિક લાઇટના વાંચન વિશે પ્રાથમિક માહિતીનો ઉપયોગ કરવામાં આવે છે. આ ક્ષણે, વિશ્વની રેલ્વે પર ટ્રાફિક લાઇટને છોડી દેવાનો અને ડિજિટલ રેડિયો ચેનલ દ્વારા કંટ્રોલ સિસ્ટમ પર સ્વિચ કરવાનો ટ્રેન્ડ છે. આ ખાસ કરીને હાઇ-સ્પીડ ટ્રાફિક માટે સાચું છે, કારણ કે 200 કિમી / કલાકથી વધુની ઝડપે ટ્રાફિક લાઇટના સંકેતોને ધ્યાનમાં લેવું અને ઓળખવું મુશ્કેલ બને છે. રશિયામાં, ટ્રાફિક લાઇટના ઉપયોગ વિના સંચાલિત બે વિભાગો છે - આ મોસ્કો સેન્ટ્રલ રિંગ અને અલ્પિકા-સર્વિસ - એડલર લાઇન છે.

શિયાળામાં, એવી પરિસ્થિતિઓ ઊભી થઈ શકે છે જ્યારે ટ્રેક સંપૂર્ણપણે બરફથી ઢંકાયેલો હોય અને ટ્રેકની ઓળખ લગભગ અશક્ય બની જાય, જેમ કે આકૃતિ 5 માં દર્શાવવામાં આવ્યું છે.

આકૃતિ 5 બરફથી ઢંકાયેલ ટ્રેકનું ઉદાહરણ

આ કિસ્સામાં, તે અસ્પષ્ટ બને છે કે શું શોધાયેલ પદાર્થો લોકોમોટિવની હિલચાલમાં દખલ કરે છે, એટલે કે, તેઓ રસ્તામાં છે કે નહીં. લુઝસ્કાયા સ્ટેશન પર, આ કિસ્સામાં, સ્ટેશનનું ઉચ્ચ-ચોકસાઇવાળા ડિજિટલ મોડેલ અને ઉચ્ચ-ચોકસાઇવાળા ઓનબોર્ડ નેવિગેશન સિસ્ટમનો ઉપયોગ થાય છે.

તદુપરાંત, સ્ટેશનનું ડિજિટલ મોડેલ બેઝ પોઈન્ટના જીઓડેટિક માપનના આધારે બનાવવામાં આવ્યું હતું. પછી, ઉચ્ચ-ચોકસાઇવાળી સ્થિતિ સિસ્ટમ સાથે લોકોમોટિવ્સના ઘણા માર્ગોની પ્રક્રિયાના આધારે, તમામ ટ્રેક સાથે નકશો પૂર્ણ કરવામાં આવ્યો.

આકૃતિ 6 Luzhskoy સ્ટેશનના ટ્રેક વિકાસનું ડિજિટલ મોડલ

ઓનબોર્ડ પોઝિશનિંગ સિસ્ટમ માટેના સૌથી મહત્વપૂર્ણ પરિમાણોમાંનું એક એ લોકોમોટિવના ઓરિએન્ટેશન (એઝિમુથ) ની ગણતરીમાં ભૂલ છે. તેમના દ્વારા શોધાયેલ સેન્સર્સ અને ઑબ્જેક્ટ્સના યોગ્ય અભિગમ માટે લોકોમોટિવનું ઓરિએન્ટેશન જરૂરી છે. 1° ની ઓરિએન્ટેશન એન્ગલની ભૂલ સાથે, 100 મીટરના અંતરે પાથ અક્ષની તુલનામાં ઑબ્જેક્ટના કોઓર્ડિનેટ્સની ભૂલ 1,7 મીટર હશે.

આકૃતિ 7 ટ્રાંસવર્સ કોઓર્ડિનેટ ભૂલ પર ઓરિએન્ટેશન ભૂલનો પ્રભાવ

તેથી, એન્ગલના સંદર્ભમાં લોકોમોટિવના ઓરિએન્ટેશનને માપવામાં મહત્તમ સ્વીકાર્ય ભૂલ 0,1° થી વધુ ન હોવી જોઈએ. ઓનબોર્ડ પોઝિશનિંગ સિસ્ટમમાં RTK મોડમાં બે ડ્યુઅલ-ફ્રિકવન્સી નેવિગેશન રીસીવર્સનો સમાવેશ થાય છે, જેનાં એન્ટેના લાંબો આધાર, સ્ટ્રેપડાઉન ઇનર્શિયલ નેવિગેશન સિસ્ટમ અને વ્હીલ સેન્સર્સ (ઓડોમીટર) સાથે જોડાણ બનાવવા માટે લોકોમોટિવની સમગ્ર લંબાઈ સાથે અંતરે છે. શંટીંગ લોકોમોટિવના કોઓર્ડિનેટ્સ નક્કી કરવા માટેનું પ્રમાણભૂત વિચલન 5 સે.મી.થી વધુ નથી.

વધુમાં, લુઝસ્કાયા સ્ટેશન પર વધારાના પોઝિશન ડેટા મેળવવા માટે SLAM તકનીકો (લિડર અને વિઝ્યુઅલ) ના ઉપયોગ પર અભ્યાસ હાથ ધરવામાં આવ્યા હતા.
પરિણામે, લુઝસ્કાયા સ્ટેશન પર શન્ટીંગ લોકોમોટિવ્સ માટે રેલ્વે ગેજનું નિર્ધારણ પોઝિશનિંગ પર આધારિત ગેજ માન્યતા અને ડિજિટલ ટ્રેક મોડેલ ડેટાના પરિણામોને સંયોજિત કરીને હાથ ધરવામાં આવે છે.

અવરોધ શોધ પણ આના આધારે ઘણી રીતે કરવામાં આવે છે:

• લિડર ડેટા;
• સ્ટીરિયો વિઝન ડેટા;
• ન્યુરલ નેટવર્કનું કામ.

ડેટાના મુખ્ય સ્ત્રોતોમાંનો એક લિડાર્સ છે, જે લેસર સ્કેનિંગથી પોઈન્ટનો વાદળ બનાવે છે. જે અલ્ગોરિધમ્સ કાર્યરત છે તેમાં, ક્લાસિકલ ડેટા ક્લસ્ટરિંગ અલ્ગોરિધમનો મુખ્યત્વે ઉપયોગ થાય છે. સંશોધનના ભાગ રૂપે, ક્લસ્ટરિંગ લિડર પોઈન્ટના કાર્ય માટે, તેમજ લિડર ડેટા અને વિડિયો કેમેરામાંથી ડેટાની સંયુક્ત પ્રક્રિયા માટે ન્યુરલ નેટવર્કનો ઉપયોગ કરવાની અસરકારકતા તપાસવામાં આવે છે. આકૃતિ 8 એ લુઝસ્કાયા સ્ટેશન પર કેરેજની પૃષ્ઠભૂમિ સામે માનવ ડમી દર્શાવતી લિડર ડેટા (વિવિધ પ્રતિબિંબિતતાવાળા બિંદુઓનો વાદળ) નું ઉદાહરણ બતાવે છે.

આકૃતિ 8. લુઝસ્કાયા સ્ટેશન પર લિડરના ડેટાનું ઉદાહરણ

આકૃતિ 9 બે અલગ અલગ લિડરના ડેટા અનુસાર જટિલ આકાર ધરાવતી કારમાંથી ક્લસ્ટર કાઢવાનું ઉદાહરણ બતાવે છે.

આકૃતિ 9. હોપર કારમાંથી ક્લસ્ટર તરીકે લિડર ડેટા અર્થઘટનનું ઉદાહરણ

અલગથી, એ નોંધવું યોગ્ય છે કે તાજેતરમાં લિડર્સની કિંમત લગભગ તીવ્રતાના ક્રમમાં ઘટી છે, અને તેમની તકનીકી લાક્ષણિકતાઓમાં વધારો થયો છે. આ ટ્રેન્ડ ચાલુ રહેશે તેમાં કોઈ શંકા નથી. લુઝસ્કાયા સ્ટેશન પર ઉપયોગમાં લેવાતા લિડર દ્વારા ઑબ્જેક્ટ્સની શોધની શ્રેણી લગભગ 150 મીટર છે.

એક અલગ ભૌતિક સિદ્ધાંતનો ઉપયોગ કરીને સ્ટીરિયો કેમેરાનો ઉપયોગ અવરોધો શોધવા માટે પણ થાય છે.

આકૃતિ 10. સ્ટીરીઓપેર અને શોધાયેલ ક્લસ્ટરોમાંથી અસમાનતાનો નકશો

આકૃતિ 10 ધ્રુવો, વેબોક્સ અને વેગનની શોધ સાથે સ્ટીરિયો કેમેરા ડેટાનું ઉદાહરણ બતાવે છે.

બ્રેકિંગ માટે પૂરતા અંતરે બિંદુ ક્લાઉડની પૂરતી ચોકસાઈ મેળવવા માટે, ઉચ્ચ-રિઝોલ્યુશન કેમેરાનો ઉપયોગ કરવો જરૂરી છે. ઇમેજનું કદ વધારવું અસમાનતા નકશા મેળવવાની કોમ્પ્યુટેશનલ કિંમતમાં વધારો કરે છે. કબજે કરેલા સંસાધનો અને સિસ્ટમના પ્રતિભાવ સમય માટે જરૂરી શરતોને લીધે, વિડિઓ કેમેરામાંથી ઉપયોગી ડેટા કાઢવા માટે સતત એલ્ગોરિધમ્સ અને અભિગમો વિકસાવવા અને પરીક્ષણ કરવું જરૂરી છે.

અલ્ગોરિધમ્સના પરીક્ષણ અને ચકાસણીનો ભાગ રેલવે સિમ્યુલેટરનો ઉપયોગ કરીને હાથ ધરવામાં આવે છે, જે ડિઝાઇન બ્યુરો TsT દ્વારા JSC NIIAS સાથે મળીને વિકસાવવામાં આવી રહ્યો છે. ઉદાહરણ તરીકે, આકૃતિ 11 સ્ટીરીયો કેમેરા અલ્ગોરિધમ્સના ઓપરેશનને ચકાસવા માટે સિમ્યુલેટરનો ઉપયોગ બતાવે છે.

આકૃતિ 11. A, B - સિમ્યુલેટરમાંથી ડાબે અને જમણા ફ્રેમ્સ; બી - સ્ટીરિયો કેમેરામાંથી ડેટાના પુનઃનિર્માણનું ટોચનું દૃશ્ય; ડી - સિમ્યુલેટરમાંથી સ્ટીરિયો કેમેરાની છબીઓનું પુનર્નિર્માણ.

ન્યુરલ નેટવર્કનું મુખ્ય કાર્ય લોકો, વેગન અને તેમના વર્ગીકરણની શોધ છે.
ગંભીર હવામાન પરિસ્થિતિઓમાં કામ કરવા માટે, JSC NIIAS નિષ્ણાતોએ ઇન્ફ્રારેડ કેમેરાનો ઉપયોગ કરીને પરીક્ષણો પણ કર્યા.

આકૃતિ 12. IR કેમેરામાંથી ડેટા

તમામ સેન્સર્સમાંથી ડેટા એસોસિએશન અલ્ગોરિધમ્સના આધારે સંકલિત કરવામાં આવે છે, જ્યાં અવરોધો (ઓબ્જેક્ટ્સ) ના અસ્તિત્વની સંભાવના અંદાજવામાં આવે છે.

તદુપરાંત, માર્ગ પરની બધી વસ્તુઓ અવરોધો નથી; શન્ટીંગ કામગીરી કરતી વખતે, લોકોમોટિવએ આપમેળે કાર સાથે જોડાણ કરવું જોઈએ.

આકૃતિ 13. વિવિધ સેન્સર દ્વારા અવરોધોની શોધ સાથે કારના પ્રવેશદ્વારના વિઝ્યુલાઇઝેશનનું ઉદાહરણ

માનવરહિત શંટીંગ લોકોમોટિવ્સનું સંચાલન કરતી વખતે, સાધનસામગ્રી સાથે શું થઈ રહ્યું છે, તે કઈ સ્થિતિમાં છે તે ઝડપથી સમજવું અત્યંત મહત્વપૂર્ણ છે. એવી પરિસ્થિતિઓ પણ છે જ્યારે કૂતરા જેવા પ્રાણી, લોકોમોટિવની સામે દેખાય છે. ઓન-બોર્ડ એલ્ગોરિધમ્સ આપમેળે લોકોમોટિવને બંધ કરશે, પરંતુ જો કૂતરો માર્ગમાંથી બહાર ન આવે તો આગળ શું કરવું?

બોર્ડ પરની પરિસ્થિતિને નિયંત્રિત કરવા અને કટોકટીની પરિસ્થિતિઓમાં નિર્ણયો લેવા માટે, સ્ટેશન પરના તમામ માનવરહિત લોકોમોટિવ્સ સાથે કામ કરવા માટે એક સ્થિર રિમોટ કંટ્રોલ અને કંટ્રોલ પેનલ વિકસાવવામાં આવી છે. લુઝસ્કાયા સ્ટેશન પર, તે EC પોસ્ટ પર સ્થિત છે.

આકૃતિ 14 રીમોટ કંટ્રોલ અને મેનેજમેન્ટ

લુઝસ્કોય સ્ટેશન પર, આકૃતિ 14 માં દર્શાવેલ કંટ્રોલ પેનલ ત્રણ શંટીંગ એન્જિનના સંચાલનને નિયંત્રિત કરે છે. જો જરૂરી હોય તો, આ રીમોટ કંટ્રોલનો ઉપયોગ કરીને, તમે રીઅલ ટાઇમમાં માહિતી ટ્રાન્સમિટ કરીને કનેક્ટેડ લોકોમોટિવ્સમાંથી એકને નિયંત્રિત કરી શકો છો (રેડિયો ચેનલ પર ડેટા ટ્રાન્સમિશનને ધ્યાનમાં લેતા, વિલંબ 300 એમએસ કરતા વધુ નથી).

કાર્યાત્મક સલામતી સમસ્યાઓ

માનવરહિત લોકોમોટિવ્સના અમલીકરણમાં સૌથી મહત્વનો મુદ્દો એ કાર્યાત્મક સલામતીનો મુદ્દો છે, જે IEC 61508 "સુરક્ષા સંબંધિત ઇલેક્ટ્રિકલ, ઇલેક્ટ્રોનિક, પ્રોગ્રામેબલ ઇલેક્ટ્રોનિક સિસ્ટમ્સની કાર્યાત્મક સલામતી" (EN50126, EN50128, EN50129), GOST-33435 ધોરણો દ્વારા વ્યાખ્યાયિત છે. "રેલ્વે રોલિંગ સ્ટોકના નિયંત્રણ, દેખરેખ અને સલામતી ઉપકરણો".

ઓન-બોર્ડ સલામતી ઉપકરણો માટેની આવશ્યકતાઓનું પાલન કરવા માટે સલામતી અખંડિતતા સ્તર 4 (SIL4) જરૂરી છે.

SIL-4 સ્તરનું પાલન કરવા માટે, તમામ હાલના લોકોમોટિવ સલામતી ઉપકરણો બહુમતી તર્ક અનુસાર બનાવવામાં આવે છે, જ્યાં નિર્ણય લેવા માટે પરિણામોની સરખામણી સાથે ગણતરીઓ બે ચેનલો (અથવા વધુ) માં સમાંતર રીતે કરવામાં આવે છે.

માનવરહિત શંટીંગ લોકોમોટિવ્સ પર સેન્સરમાંથી ડેટા પ્રોસેસિંગ માટેનું કમ્પ્યુટિંગ યુનિટ પણ અંતિમ પરિણામની સરખામણી સાથે બે-ચેનલ સ્કીમ અનુસાર બનાવવામાં આવ્યું છે.

વિઝન સેન્સર્સનો ઉપયોગ, વિવિધ હવામાન પરિસ્થિતિઓ અને વિવિધ વાતાવરણમાં કામ કરવા માટે માનવરહિત વાહનોની સલામતી સાબિત કરવાના મુદ્દા માટે એક નવો અભિગમ જરૂરી છે.

2019 માં, ISO/PAS 21448 માનક “રોડ વાહનો. વિશિષ્ટ કાર્યોની સુરક્ષા (SOTIF). આ ધોરણના મુખ્ય સિદ્ધાંતોમાંનું એક દૃશ્ય અભિગમ છે, જે વિવિધ સંજોગોમાં સિસ્ટમના વર્તનને ધ્યાનમાં લે છે. દૃશ્યોની કુલ સંખ્યા અનંત છે. પ્રાથમિક ડિઝાઇન ધ્યેય જાણીતા અસુરક્ષિત દૃશ્યો અને અજાણ્યા અસુરક્ષિત દૃશ્યોનું પ્રતિનિધિત્વ કરતા વિસ્તારો 2 અને 3ને ઘટાડવાનું છે.

આકૃતિ 15 વિકાસના પરિણામે સ્ક્રિપ્ટનું પરિવર્તન

આ અભિગમના ઉપયોગના ભાગ રૂપે, JSC NIIAS નિષ્ણાતોએ 2017 માં ઓપરેશનની શરૂઆતથી તમામ ઉભરતી પરિસ્થિતિઓ (દૃશ્યોનું) વિશ્લેષણ કર્યું. કેટલીક પરિસ્થિતિઓ કે જે વાસ્તવિક કામગીરીમાં પૂરી કરવી મુશ્કેલ હોય છે તે PKB TsT સિમ્યુલેટરનો ઉપયોગ કરીને બહાર કાઢવામાં આવે છે.

નિયમનકારી મુદ્દાઓ

લોકોમોટિવની કેબમાં ડ્રાઇવરની હાજરી વિના ખરેખર સંપૂર્ણ સ્વચાલિત નિયંત્રણ તરફ આગળ વધવા માટે નિયમનકારી મુદ્દાઓ પર પણ ધ્યાન આપવું આવશ્યક છે.

આ ક્ષણે, રશિયન રેલ્વેએ રેલ્વે રોલિંગ સ્ટોક માટે સ્વચાલિત નિયંત્રણ સિસ્ટમો દાખલ કરવાના પગલાંના અમલીકરણ માટે નિયમનકારી સમર્થન પર કામના અમલીકરણ માટેના શેડ્યૂલને મંજૂરી આપી છે. સૌથી મહત્વપૂર્ણ મુદ્દાઓમાંની એક આંતરિક તપાસ અને પરિવહન અકસ્માતોના હિસાબની પ્રક્રિયા પરના નિયમોનું અપડેટ છે જેણે રેલવે પરિવહનમાં ઉત્પાદન સાથે સંબંધિત ન હોય તેવા નાગરિકોના જીવન અથવા આરોગ્યને નુકસાન પહોંચાડ્યું છે. આ યોજના અનુસાર, 2021 માં માનવરહિત રેલ્વે વાહનોના સંચાલનનું નિયમન કરતા દસ્તાવેજોનું પેકેજ વિકસિત અને મંજૂર કરવું જોઈએ.

ઉચ્ચારણ

આ ક્ષણે, વિશ્વમાં માનવરહિત શંટીંગ લોકોમોટિવ્સના કોઈ એનાલોગ નથી, જે લુઝસ્કાયા સ્ટેશન પર સંચાલિત છે. ફ્રાન્સ (SNCF કંપની), જર્મની, હોલેન્ડ (પ્રોરેલ કંપની), બેલ્જિયમ (લાઇનાસ કંપની) ના નિષ્ણાતો 2018-2019 માં વિકસિત નિયંત્રણ સિસ્ટમથી પરિચિત થયા અને આવી સિસ્ટમોને લાગુ કરવામાં રસ ધરાવે છે. JSC NIIAS ના મુખ્ય કાર્યોમાંનું એક કાર્યક્ષમતાને વિસ્તૃત કરવાનું છે અને રશિયન રેલ્વે અને વિદેશી કંપનીઓ બંને માટે બનાવેલ મેનેજમેન્ટ સિસ્ટમની નકલ કરવાનું છે.

આ ક્ષણે, રશિયન રેલ્વે લાસ્ટોચકા માનવરહિત ઇલેક્ટ્રિક ટ્રેનો વિકસાવવા માટેના પ્રોજેક્ટનું પણ નેતૃત્વ કરી રહી છે. આકૃતિ 16 ફ્રેમવર્કની અંદર ઓગસ્ટ 2 માં ES2019G લાસ્ટોચકા ઇલેક્ટ્રિક ટ્રેન માટે સ્વચાલિત નિયંત્રણ સિસ્ટમના પ્રોટોટાઇપનું પ્રદર્શન દર્શાવે છે. ઇન્ટરનેશનલ રેલ્વે સલૂન ઓફ સ્પેસ 1520 "PRO//Dvizhenie.Expo".

આકૃતિ 16. MCC પર માનવરહિત ઇલેક્ટ્રિક ટ્રેનના સંચાલનનું પ્રદર્શન

માનવરહિત ઈલેક્ટ્રિક ટ્રેન બનાવવી એ ખૂબ જ મુશ્કેલ કાર્ય છે કારણ કે ઊંચી ઝડપ, નોંધપાત્ર બ્રેકિંગ અંતર અને સ્ટોપિંગ પોઈન્ટ પર મુસાફરોના સલામત બોર્ડિંગ/ઉતરવાની ખાતરી કરવી. આ ક્ષણે, MCC પર પરીક્ષણો સક્રિય રીતે હાથ ધરવામાં આવી રહ્યા છે. આ પ્રોજેક્ટ વિશેની વાર્તા નજીકના ભવિષ્યમાં પ્રકાશિત કરવાનું આયોજન છે.

સોર્સ: www.habr.com