Razvoj bespilotnih tehnologija na željeznici započeo je dosta davno, već 1957. godine, kada je stvoren prvi eksperimentalni automatizirani sustav za navođenje prigradskih vlakova. Kako bi se razumjela razlika između razina automatizacije za željeznički promet, uvedena je gradacija definirana u standardu IEC-62290-1. Za razliku od cestovnog prometa, željeznički promet ima 4 stupnja automatizacije, što je prikazano na slici 1.
Slika 1. Stupnjevi automatizacije prema IEC-62290
Gotovo svi vlakovi koji prometuju na mreži ruskih željeznica opremljeni su sigurnosnim uređajem koji odgovara razini automatizacije 1. Vlakovi s razinom automatizacije 2 uspješno prometuju na mreži ruskih željeznica više od 20 godina; opremljeno je nekoliko tisuća lokomotiva. Ova razina implementirana je kroz algoritme kontrole vuče i kočenja za energetski optimalnu vožnju vlaka duž zadane rute, uzimajući u obzir raspored i očitanja automatskih sustava signalizacije lokomotive primljenih putem induktivnog kanala iz kolosiječnih krugova. Korištenje razine 2 smanjuje umor vozača i daje prednosti u potrošnji energije i točnosti izvršenja rasporeda.
Razina 3 pretpostavlja moguću odsutnost vozača u kabini, što zahtijeva implementaciju sustava tehničkog vida.
Razina 4 pretpostavlja potpunu odsutnost vozača na brodu, što zahtijeva značajnu promjenu u dizajnu lokomotive (električni vlak). Na primjer, u vozilu postoje prekidači strujnog kruga koje je nemoguće ponovno postaviti ako se aktiviraju bez osobe u vozilu.
Trenutno vodeće svjetske tvrtke kao što su Siemens, Alstom, Thales, SNCF, SBB i druge provode projekte za postizanje razine 3 i 4.
Siemens je svoj projekt u području tramvaja bez vozača predstavio u rujnu 2018. na izložbi Innotrans. Ovaj tramvaj radi u Potsdamu s GoA3 razinom automatizacije od 2018.
Slika 2 Siemensov tramvaj
U 2019. Siemens je povećao duljinu rute bez posade za više od 2 puta.
Tvrtka Ruske željeznice jedna je od prvih u svijetu koja je počela razvijati bespilotna željeznička vozila. Tako je na stanici Luzhskaya 2015. godine pokrenut projekt automatizacije kretanja 3 manevarske lokomotive, gdje je NIIAS JSC djelovao kao integrator projekta i razvijač osnovnih tehnologija.
Stvaranje lokomotive bez posade složen je, složen proces koji je nemoguć bez suradnje s drugim tvrtkama. Stoga na stanici Luzhskaya, zajedno s JSC NIIAS, sudjeluju sljedeće tvrtke:
- JSC "VNIKTI" u smislu razvoja sustava upravljanja na vozilu;
- Siemens – u smislu automatizacije rada grbe (sustav MSR-32) i automatizacije rada gurajućih kola;
- JSC Radioavionics u smislu mikroprocesorskih centralizacijskih sustava koji upravljaju prekidačima i semaforima;
- PKB CT – izrada simulatora;
- JSC Ruske željeznice kao koordinator projekta.
U prvoj fazi zadatak je bio postići razinu 2 automatizacije prometa, kada strojovođa u normalnim uvjetima za organiziranje manevarskog rada ne koristi komande lokomotive.
Pri upravljanju konvencionalnim manevarskim lokomotivama upravljanje prometom provodi se prijenosom glasovnih naredbi od dispečera do strojovođe uz postavljanje odgovarajućih ruta (pomicanje skretnica, paljenje semafora).
Prilikom prelaska na razinu 2 automatizacije, sva govorna komunikacija zamijenjena je sustavom naredbi koje se prenose putem digitalnog sigurnog radijskog kanala. Tehnički, upravljanje manevarskim lokomotivama na stanici Luzhskaya izgrađeno je na temelju:
- jedinstveni digitalni model postaje;
- protokol za upravljanje kretanjem manevarskih lokomotiva (za slanje naredbi i nadzor izvršenja);
- interakcija sa sustavom električne centralizacije za dobivanje informacija o zadanim rutama, položaju strelica i signala;
- sustavi za pozicioniranje manevarskih lokomotiva;
- pouzdane digitalne radio komunikacije.
Do 2017., 3 manevarske lokomotive TEM-7A radile su 95% vremena na stanici Luzhskaya u potpuno automatskom načinu rada, obavljajući sljedeće operacije:
- Automatsko kretanje duž zadane rute;
- Automatski pristup automobilima;
- Automatsko spajanje s vagonima;
- Guranje auta na grbinu.
U 2017. godini pokrenut je projekt izrade sustava tehničkog vida za manevarske lokomotive i uvođenja daljinskog upravljanja u slučaju izvanrednih situacija.
U studenom 2017. stručnjaci iz JSC NIIAS instalirali su prvi prototip sustava tehničkog vida na manevarskim lokomotivama, koji se sastoji od radara, lidara i kamera (slika 3).
Slika 3. Prve verzije sustava tehničkog vida
Tijekom ispitivanja na stanici Luga sustava tehničkog vida 2017. - 2018. doneseni su sljedeći zaključci:
- Korištenje radara za otkrivanje prepreka je nepraktično, budući da željeznica ima značajan broj metalnih objekata s dobrom refleksijom. Domet detekcije ljudi na njihovoj pozadini ne prelazi 60-70 metara, osim toga, radari imaju nedovoljnu kutnu rezoluciju i oko 1 °. Naša su otkrića naknadno potvrđena rezultatima ispitivanja kolega iz SNCF-a (francuski željeznički operater).
- Lidari daju vrlo dobre rezultate uz minimalan šum. U slučaju snijega, kiše ili magle, opaža se nekritično smanjenje dometa detekcije objekata. Međutim, u 2017. godini lidari su bili prilično skupi, što je značajno utjecalo na ekonomsku izvedbu projekta.
- Kamere su bitan element sustava tehničkog vida i neophodne su za detekciju, klasifikaciju objekata i zadatke daljinskog upravljanja. Za rad noću iu teškim vremenskim uvjetima potrebno je imati infracrvene kamere ili kamere s proširenim rasponom valnih duljina koje mogu raditi u bliskom infracrvenom području.
Glavna zadaća tehničkog vida je otkrivanje prepreka i drugih objekata na putu, a budući da se kretanje odvija po kolosijeku, potrebno ga je detektirati.
Slika 4. Primjer segmentacije više klasa (staza, automobili) i određivanje osi staze pomoću binarne maske
Slika 4 prikazuje primjer otkrivanja kolotraga. Kako bi se nedvosmisleno odredila ruta kretanja duž strelica, koriste se apriorne informacije o položaju strelice i očitanjima semafora, koje se digitalnim radio kanalom prenose iz sustava električne centralizacije. Trenutno je na svjetskim željeznicama prisutan trend napuštanja semafora i prelaska na sustave upravljanja putem digitalnog radijskog kanala. To posebno vrijedi za brzi promet, jer pri brzinama većim od 200 km/h postaje teško uočiti i prepoznati semafore. U Rusiji postoje dvije dionice koje rade bez upotrebe semafora - Moskovski centralni krug i linija Alpika-Service - Adler.
Zimi se mogu pojaviti situacije kada je staza potpuno pod snježnim pokrivačem i prepoznavanje staze postaje gotovo nemoguće, kao što je prikazano na slici 5.
Slika 5. Primjer staze prekrivene snijegom
U ovom slučaju postaje nejasno ometaju li otkriveni objekti kretanje lokomotive, odnosno nalaze li se na pruzi ili ne. U ovom slučaju, na stanici Luzhskaya koristi se digitalni model stanice visoke preciznosti i navigacijski sustav visoke preciznosti.
Također, digitalni model postaje izrađen je na temelju geodetskih mjerenja baznih točaka. Zatim je na temelju obrade mnogih prolaza lokomotiva s visokopreciznim sustavom za pozicioniranje izrađena karta duž svih kolosijeka.
Slika 6. Digitalni model razvoja kolosijeka postaje Luzhskoy
Jedan od najvažnijih parametara za sustav pozicioniranja na brodu je greška u izračunavanju orijentacije (azimuta) lokomotive. Orijentacija lokomotive je neophodna za ispravnu orijentaciju senzora i objekata koje oni detektiraju. Uz pogrešku kuta orijentacije od 1°, pogreška u koordinatama objekta u odnosu na os staze na udaljenosti od 100 metara bit će 1,7 metara.
Slika 7. Učinak pogreške orijentacije na pogrešku bočne koordinate
Stoga najveća dopuštena pogreška pri mjerenju kutne orijentacije lokomotive ne smije biti veća od 0,1°. Sam sustav za pozicioniranje na brodu sastoji se od dva dvofrekventna navigacijska prijamnika u RTK modu, čije su antene razmaknute duž cijele dužine lokomotive kako bi se stvorila dugačka baza, inercijski navigacijski sustav bez privezaka i veza sa senzorima kotača (odometri). Standardna devijacija određivanja koordinata manevarske lokomotive nije veća od 5 cm.
Osim toga, na postaji Luzhskaya provedeno je istraživanje o korištenju SLAM tehnologija (lidar i vizualni) za dobivanje dodatnih podataka o lokaciji.
Kao rezultat toga, određivanje željezničkog kolosijeka za manevarske lokomotive na stanici Luzhskaya provodi se kombiniranjem rezultata prepoznavanja kolosijeka i podataka digitalnog modela kolosijeka na temelju pozicioniranja.
Detekcija prepreka također se provodi na nekoliko načina na temelju:
- lidarski podaci;
- podaci o stereovidu;
- rad neuronskih mreža.
Jedan od glavnih izvora podataka su lidari, koji proizvode oblak točaka laserskim skeniranjem. Algoritmi koji se koriste uglavnom koriste klasične algoritme klasteriranja podataka. U sklopu istraživanja testira se učinkovitost korištenja neuronskih mreža za zadatak klasteriranja lidarskih točaka, kao i za zajedničku obradu lidarskih podataka i podataka s video kamera. Slika 8 prikazuje primjer lidarskih podataka (oblak točaka različite refleksivnosti) koji prikazuju lutku osobe na pozadini vagona na stanici Luzhskaya.
Slika 8. Primjer lidarskih podataka na postaji Luzhskoy
Slika 9 prikazuje primjer identificiranja klastera iz automobila složenog oblika pomoću podataka iz dva različita lidara.
Slika 9. Primjer interpretacije lidarskih podataka u obliku klastera iz hopper vagona
Zasebno, vrijedno je napomenuti da su nedavno troškovi lidara pali za gotovo red veličine, a njihove tehničke karakteristike su porasle. Nema sumnje da će se ovaj trend nastaviti. Domet detekcije objekata pomoću lidara koji se koriste na stanici Luzhskaya je oko 150 metara.
Stereo kamera koja koristi drugačiji fizički princip također se koristi za otkrivanje prepreka.
Slika 10. Karta dispariteta iz stereo para i detektiranih klastera
Slika 10 prikazuje primjer podataka stereo kamere s detekcijom stupova, tračnica i kolica.
Kako bi se dobila dovoljna točnost oblaka točaka na udaljenosti dovoljnoj za kočenje, potrebno je koristiti kamere visoke rezolucije. Povećanje veličine slike povećava računske troškove dobivanja mape dispariteta. Zbog potrebnih uvjeta zauzetosti resursa i vremena odziva sustava, potrebno je stalno razvijati i testirati algoritme i pristupe za izvlačenje korisnih podataka iz video kamera.
Dio testiranja i verifikacije algoritama provodi se pomoću željezničkog simulatora, koji razvija PKB TsT zajedno s JSC NIIAS. Na primjer, slika 11 prikazuje upotrebu simulatora za testiranje izvedbe algoritama stereo kamere.
Slika 11. A, B - lijevi i desni okvir iz simulatora; B – pogled odozgo na rekonstrukciju podataka sa stereo kamere; D - rekonstrukcija slika stereo kamere iz simulatora.
Glavni zadatak neuronskih mreža je otkrivanje ljudi, automobila i njihova klasifikacija.
Za rad u teškim vremenskim uvjetima, stručnjaci iz JSC NIIAS također su proveli testove koristeći infracrvene kamere.
Slika 12. Podaci s IR kamere
Podaci sa svih senzora integrirani su na temelju algoritama asocijacija, gdje se procjenjuje vjerojatnost postojanja prepreka (objekata).
Štoviše, nisu svi objekti na pruzi prepreke; prilikom obavljanja manevarskih operacija lokomotiva se mora automatski spojiti s vagonima.
Slika 13. Primjer vizualizacije prilaza automobilu s detekcijom prepreka različitim senzorima
Pri upravljanju manevarskim lokomotivama bez posade iznimno je važno brzo shvatiti što se događa s opremom i u kakvom je stanju. Moguće su i situacije kada se ispred lokomotive pojavi neka životinja, npr. pas. Ugrađeni algoritmi automatski će zaustaviti lokomotivu, ali što dalje ako se pas ne makne s puta?
Za praćenje situacije na brodu i donošenje odluka u slučaju izvanrednih situacija, razvijena je stacionarna ploča za daljinsko upravljanje i nadzor, dizajnirana za rad sa svim bespilotnim lokomotivama na stanici. Na stanici Luzhskaya nalazi se na postaji EC.
Slika 14 Daljinsko upravljanje i nadzor
Na stanici Luzhskoy, upravljačka ploča prikazana na slici 14 upravlja radom triju manevarskih lokomotiva. Ako je potrebno, pomoću ovog daljinskog upravljača možete upravljati jednom od povezanih lokomotiva odašiljanjem informacija u stvarnom vremenu (kašnjenje ne veće od 300 ms, uzimajući u obzir prijenos podataka putem radio kanala).
Pitanja funkcionalne sigurnosti
Najvažnije pitanje pri uvođenju bespilotnih lokomotiva je pitanje funkcionalne sigurnosti, definirano normama IEC 61508 „Funkcionalna sigurnost električnih, elektroničkih, programabilnih elektroničkih sustava povezanih sa sigurnošću” (EN50126, EN50128, EN50129), GOST 33435-2015 „Uređaji za kontrolu, nadzor i sigurnost željezničkih vozila".
U skladu sa zahtjevima za ugrađene sigurnosne uređaje, mora se postići razina integriteta sigurnosti 4 (SIL4).
Kako bi bili u skladu s razinom SIL-4, svi postojeći sigurnosni uređaji lokomotive izgrađeni su pomoću većinske logike, gdje se izračuni izvode paralelno u dva kanala (ili više), a rezultati se uspoređuju kako bi se donijela odluka.
Računalna jedinica za obradu podataka sa senzora na manevarskim lokomotivama bez posade također je izgrađena po dvokanalnoj shemi s usporedbom konačnog rezultata.
Korištenje vidnih senzora, rad u različitim vremenskim uvjetima iu različitim okruženjima zahtijeva novi pristup pitanju dokazivanja sigurnosti bespilotnih vozila.
Godine 2019. standard ISO/PAS 21448 „Cestovna vozila. Sigurnost definiranih funkcija (SOTIF). Jedno od glavnih načela ove norme je scenarijski pristup, koji ispituje ponašanje sustava u različitim okolnostima. Ukupan broj scenarija predstavlja beskonačnost. Glavni izazov dizajna je minimizirati regije 2 i 3, koje predstavljaju poznate nesigurne scenarije i nepoznate nesigurne scenarije.
Slika 15. Transformacija scenarija kao rezultat razvoja
U sklopu primjene ovog pristupa, stručnjaci JSC NIIAS analizirali su sve nastale situacije (scenarije) od početka rada 2017. Na PKB CT simulatoru razrađuju se neke situacije s kojima se teško susreće u stvarnom radu.
Regulatorna pitanja
Za doista potpuni prelazak na potpuno automatsko upravljanje bez prisutnosti strojovođe u kabini lokomotive potrebno je riješiti i regulatorna pitanja.
U ovom trenutku, JSC Ruske željeznice odobrile su raspored za provedbu radova na regulatornoj podršci za provedbu mjera za implementaciju sustava upravljanja za željeznička vozila u automatskom načinu rada. Jedno od najvažnijih pitanja je ažuriranje Pravilnika o postupku službenog očevida i evidentiranja prometnih nezgoda koje su za posljedicu imale ozljede za život ili zdravlje građana koje nisu povezane s proizvodnjom u željezničkom prometu. U skladu s tim planom, 2021. godine trebao bi biti izrađen i odobren paket dokumenata koji reguliraju rad bespilotnih željezničkih vozila.
pogovor
U ovom trenutku u svijetu nema analoga bespilotnih manevarskih lokomotiva koje rade na stanici Luzhskaya. Stručnjaci iz Francuske (poduzeće SNCF), Njemačke, Nizozemske (poduzeće Prorail), Belgije (poduzeće Lineas) upoznali su se s razvijenim sustavom upravljanja u 2018.-2019. i zainteresirani su za implementaciju sličnih sustava. Jedan od glavnih zadataka JSC NIIAS je proširiti funkcionalnost i replicirati stvoreni sustav upravljanja kako na ruskim željeznicama tako i za strane tvrtke.
Trenutno JSC Ruske željeznice također vode projekt razvoja bespilotnih električnih vlakova "Lastochka". Slika 16 prikazuje demonstraciju prototipa automatskog upravljačkog sustava za električni vlak ES2G Lastochka u kolovozu 2019. u okviru. Međunarodni željeznički salon prostor 1520 "PRO//Kretanje.Expo".
Slika 16. Demonstracija rada bespilotnog elektromotornog vlaka na MCC-u
Stvaranje bespilotnog električnog vlaka puno je teži zadatak zbog velikih brzina, značajnog puta kočenja i osiguravanja sigurnog ukrcaja/iskrcaja putnika na stajalištima. Trenutno su u tijeku testiranja u MCC-u. U bliskoj budućnosti planira se objaviti priču o ovom projektu.
Izvor: www.habr.com