Lo sviluppo di tecnologie senza pilota sulla ferrovia è iniziato molto tempo fa, già nel 1957, quando è stato creato il primo complesso pilota automatico sperimentale per treni suburbani. Per comprendere la differenza tra i livelli di automazione per il trasporto ferroviario, viene introdotta una gradazione, definita nella norma IEC-62290-1. A differenza del trasporto su strada, il trasporto su rotaia ha 4 gradi di automazione, mostrati nella Figura 1.
Figura 1. Gradi di automazione secondo IEC-62290
Quasi tutti i treni che operano sulla rete ferroviaria russa sono dotati di un dispositivo di sicurezza corrispondente al livello di automazione 1. I treni con livello di automazione 2 operano con successo sulla rete ferroviaria russa da oltre 20 anni, sono equipaggiate diverse migliaia di locomotive. Questo livello è implementato da algoritmi di controllo della trazione e di frenata per una guida del treno ottimale dal punto di vista energetico lungo un determinato percorso, tenendo conto del programma e delle indicazioni dei sistemi di segnalazione automatica delle locomotive ricevuti tramite un canale induttivo dai circuiti di binario. L'utilizzo del livello 2 riduce l'affaticamento del conducente e offre un guadagno in termini di consumo energetico e precisione nell'esecuzione del programma di traffico.
Il livello 3 presuppone l'eventuale assenza del conducente in cabina, che richiede l'implementazione di un sistema di visione.
Il livello 4 implica la completa assenza di un macchinista a bordo, che richiede un cambiamento significativo nel design della locomotiva (treno elettrico). Ad esempio, a bordo sono installati interruttori automatici, che non potranno essere riarmati se vengono attivati senza la presenza di una persona a bordo.
Attualmente, i progetti per raggiungere i livelli 3 e 4 vengono implementati dalle aziende leader a livello mondiale, come Siemens, Alstom, Thales, SNCF, SBB e altri.
Siemens ha presentato il suo progetto nel campo dei tram senza pilota a settembre 2018 alla fiera Innotrans. Questo tram è in funzione a Potsdam con livello di automazione GoA3 dal 2018.
Figura 2 Tram Siemens
Nel 2019, Siemens ha più che raddoppiato la lunghezza del suo percorso senza pilota.
Le ferrovie russe sono una delle prime aziende al mondo a iniziare a sviluppare veicoli ferroviari senza pilota. Pertanto, nel 2015, presso la stazione di Luzhskaya, è stato avviato un progetto per automatizzare il movimento di 3 locomotive di manovra, in cui NIIAS JSC ha agito come integratore di progetto e sviluppatore di tecnologie di base.
La creazione di una locomotiva senza pilota è un processo complesso e complesso che è impossibile senza la collaborazione con altre società. Pertanto, alla stazione di Luzhskaya, insieme a JSC NIIAS, partecipano tali società come:
- JSC "VNIKTI" in termini di sviluppo del sistema di controllo di bordo;
- Siemens - in termini di automazione del funzionamento dello scalo di smistamento (sistema MSR-32) e automazione del funzionamento delle auto a spinta;
- JSC "Radioavionika" in termini di sistemi di interblocco a microprocessore che controllano frecce, semafori;
- PKB TsT - creazione di un simulatore;
- Ferrovie russe come coordinatore del progetto.
Nella prima fase, il compito era raggiungere il livello 2 di automazione del traffico, quando il macchinista, in condizioni normali per l'organizzazione del lavoro di manovra, non utilizza i comandi della locomotiva.
Durante il funzionamento delle locomotive da manovra convenzionali, il controllo del traffico viene effettuato trasmettendo comandi vocali dal dispatcher al conducente con l'impostazione dei percorsi appropriati (frecce di svolta, accensione del semaforo).
Con il passaggio al livello 2 di automazione, tutte le comunicazioni vocali sono state sostituite da un sistema di comandi trasmessi su un canale radio digitale sicuro. Tecnicamente, la gestione delle locomotive di manovra presso la stazione di Luzhskaya è stata costruita sulla base di:
- modello di stazione digitale unificata;
- protocollo per il controllo del movimento delle locomotive di manovra (per l'invio di comandi e il monitoraggio della loro esecuzione);
- interazione con il sistema di interblocco elettrico per ottenere informazioni sui percorsi specificati, la posizione delle frecce e dei segnali;
- sistemi di posizionamento per locomotive da manovra;
- radio digitale affidabile.
Entro il 2017, 3 locomotive da manovra TEM-7A operavano per il 95% del tempo presso la stazione di Luzhskaya in modalità completamente automatica, eseguendo le seguenti operazioni:
- Movimento automatico lungo un determinato percorso;
- Accesso automatico ai vagoni;
- Aggancio automatico ai carri;
- Spingere i carri in una stazione di smistamento.
Nel 2017 è stato avviato un progetto per realizzare un sistema di visione per la manovra dei locomotori e introdurre il telecontrollo in caso di emergenza.
A novembre 2017, gli specialisti di JSC NIIAS hanno installato il primo prototipo di un sistema di visione per locomotive da manovra, costituito da radar, lidar e telecamere (Figura 3).
Figura 3 Prime versioni dei sistemi di visione
Durante i test presso la stazione del sistema di visione Luga nel 2017-2018, sono state tratte le seguenti conclusioni:
- L'uso dei radar per rilevare gli ostacoli non è pratico, poiché la ferrovia ha un numero significativo di oggetti metallici con una buona riflettività. Il raggio di rilevamento delle persone sullo sfondo non supera i 60-70 metri, inoltre i radar hanno una risoluzione angolare insufficiente ed è di circa 1 °. I nostri risultati sono stati successivamente confermati dai risultati dei test dei colleghi della SNCF (operatore ferroviario francese).
- I lidar danno ottimi risultati con il minimo rumore. In caso di nevicate, pioggia, nebbia, si ha una diminuzione non critica del raggio di rilevamento degli oggetti. Tuttavia, nel 2017, i lidar erano piuttosto costosi, il che ha influito in modo significativo sulla performance economica del progetto.
- Le telecamere sono un elemento indispensabile del sistema di visione tecnica e sono necessarie per le attività di rilevamento, classificazione degli oggetti e controllo remoto. Per il funzionamento notturno e in condizioni meteorologiche difficili, è necessario disporre di telecamere a infrarossi o telecamere con una gamma di lunghezze d'onda estesa in grado di funzionare nella gamma del vicino infrarosso.
Il compito principale della visione tecnica è rilevare ostacoli e altri oggetti nella direzione di marcia e, poiché il movimento viene eseguito lungo il binario, è necessario rilevarlo.
Figura 4. Un esempio di segmentazione multiclasse (binario, vagoni) e determinazione dell'asse del binario utilizzando una maschera binaria
La Figura 4 mostra un esempio di rilevamento delle tracce. Per determinare in modo inequivocabile il percorso di movimento lungo le frecce, vengono utilizzate informazioni a priori sulla posizione della freccia, le letture dei semafori, trasmesse tramite un canale radio digitale dal sistema di interblocco elettrico. Al momento, c'è una tendenza sulle ferrovie mondiali ad abbandonare i semafori e passare ai sistemi di controllo tramite un canale radio digitale. Ciò è particolarmente vero per il traffico ad alta velocità, poiché a velocità superiori a 200 km / h diventa difficile notare e riconoscere le indicazioni dei semafori. In Russia ci sono due sezioni gestite senza l'uso di semafori: si tratta dell'anello centrale di Mosca e della linea Alpika-Service - Adler.
In inverno si possono verificare situazioni in cui la pista è completamente innevata e il riconoscimento della pista diventa quasi impossibile, come mostrato in Figura 5.
Figura 5 Esempio di pista innevata
In questo caso, non è chiaro se gli oggetti rilevati interferiscano con il movimento della locomotiva, ovvero se siano in viaggio o meno. Alla stazione di Luzhskaya, in questo caso, vengono utilizzati un modello digitale ad alta precisione della stazione e un sistema di navigazione di bordo ad alta precisione.
Inoltre, il modello digitale della stazione è stato creato sulla base di misurazioni geodetiche dei punti base. Quindi, sulla base dell'elaborazione di molti passaggi di locomotive con un sistema di posizionamento ad alta precisione, è stata completata una mappa lungo tutti i binari.
Figura 6 Modello digitale dello sviluppo dei binari della stazione Luzhskoy
Uno dei parametri più importanti per il sistema di posizionamento a bordo è l'errore nel calcolo dell'orientamento (azimut) della locomotiva. L'orientamento della locomotiva è necessario per il corretto orientamento dei sensori e degli oggetti da essi rilevati. Con un errore dell'angolo di orientamento di 1°, l'errore delle coordinate dell'oggetto rispetto all'asse del percorso a una distanza di 100 metri sarà di 1,7 metri.
Figura 7 Influenza dell'errore di orientamento sull'errore di coordinata trasversale
Pertanto, l'errore massimo consentito nella misurazione dell'orientamento della locomotiva in termini di angolo non deve superare 0,1°. Lo stesso sistema di posizionamento a bordo è costituito da due ricevitori di navigazione a doppia frequenza in modalità RTK, le cui antenne sono distanziate lungo l'intera lunghezza della locomotiva per creare una base lunga, sistema di navigazione inerziale strapdown e connessione ai sensori delle ruote (odometri). La deviazione standard per determinare le coordinate della locomotiva da manovra non è superiore a 5 cm.
Inoltre, presso la stazione di Luzhskaya sono stati condotti studi sull'uso delle tecnologie SLAM (lidar e visive) per ottenere ulteriori dati sulla posizione.
Di conseguenza, la determinazione dello scartamento ferroviario per le locomotive di manovra alla stazione di Luzhskaya viene effettuata combinando i risultati del riconoscimento dello scartamento e i dati del modello di binario digitale basati sul posizionamento.
Il rilevamento degli ostacoli viene inoltre effettuato in diversi modi in base a:
- dati lidar;
- dati di visione stereo;
- lavoro delle reti neurali.
Una delle principali fonti di dati sono i lidar, che producono una nuvola di punti dalla scansione laser. Negli algoritmi che sono in funzione, vengono utilizzati principalmente algoritmi di clustering di dati classici. Nell'ambito della ricerca, viene verificata l'efficacia dell'utilizzo delle reti neurali per il compito di raggruppare i punti lidar, nonché per l'elaborazione congiunta di dati lidar e dati da videocamere. La Figura 8 mostra un esempio di dati lidar (una nuvola di punti con diversa riflettività) che mostra un manichino umano sullo sfondo di una carrozza alla stazione di Luzhskaya.
Figura 8. Esempio di dati dal lidar alla stazione di Luzhskaya
La Figura 9 mostra un esempio di estrazione di un cluster da un'auto con una forma complessa secondo i dati di due diversi lidar.
Figura 9. Un esempio di interpretazione dei dati lidar come cluster da un carro a tramoggia
Separatamente, vale la pena notare che recentemente il costo dei lidar è diminuito di quasi un ordine di grandezza e le loro caratteristiche tecniche sono aumentate. Non c'è dubbio che questa tendenza continuerà. Il raggio di rilevamento degli oggetti da parte dei lidar utilizzati alla stazione Luzhskaya è di circa 150 metri.
Per rilevare gli ostacoli viene utilizzata anche una telecamera stereo che utilizza un principio fisico diverso.
Figura 10. Mappa di disparità da una stereocoppia e cluster rilevati
La Figura 10 mostra un esempio di dati della telecamera stereo con il rilevamento di pali, cassoni e un carro.
Per ottenere una precisione sufficiente della nuvola di punti a una distanza sufficiente per la frenata, è necessario utilizzare telecamere ad alta risoluzione. Aumentando la dimensione dell'immagine aumenta il costo computazionale per ottenere una mappa di disparità. A causa delle condizioni necessarie per le risorse occupate e il tempo di risposta del sistema, è necessario sviluppare e testare costantemente algoritmi e approcci per l'estrazione di dati utili dalle telecamere.
Parte del test e della verifica degli algoritmi viene eseguita utilizzando un simulatore ferroviario, sviluppato dal Design Bureau TsT insieme a JSC NIIAS. Ad esempio, la Figura 11 mostra l'uso di un simulatore per testare il funzionamento degli algoritmi delle telecamere stereo.
Figura 11. A, B - frame sinistro e destro del simulatore; B – vista dall'alto della ricostruzione dei dati da una telecamera stereo; D - ricostruzione delle immagini della telecamera stereo dal simulatore.
Il compito principale delle reti neurali è il rilevamento di persone, vagoni e la loro classificazione.
Per lavorare in condizioni meteorologiche avverse, gli specialisti JSC NIIAS hanno anche effettuato test utilizzando telecamere a infrarossi.
Figura 12. Dati dalla telecamera IR
I dati di tutti i sensori sono integrati sulla base di algoritmi di associazione, in cui viene stimata la probabilità dell'esistenza di ostacoli (oggetti).
Inoltre, non tutti gli oggetti in transito sono ostacoli; durante le operazioni di manovra, la locomotiva deve accoppiarsi automaticamente con i vagoni.
Figura 13. Un esempio di visualizzazione dell'ingresso dell'auto con il rilevamento di ostacoli da parte di diversi sensori
Quando si utilizzano locomotive da manovra senza pilota, è estremamente importante capire rapidamente cosa sta succedendo con l'attrezzatura, in quali condizioni si trova. Ci sono anche situazioni in cui un animale, come un cane, appare davanti alla locomotiva. Gli algoritmi di bordo fermeranno automaticamente la locomotiva, ma cosa fare dopo se il cane non si toglie di mezzo?
Per controllare la situazione a bordo e prendere decisioni in caso di situazioni di emergenza, è stato sviluppato un telecomando fisso e un pannello di controllo, progettato per funzionare con tutte le locomotive senza equipaggio della stazione. Alla stazione Luzhskaya, si trova presso la posta EC.
Figura 14 Controllo e gestione da remoto
Alla stazione di Luzhskoy, il pannello di controllo mostrato nella Figura 14 controlla il funzionamento di tre locomotive di manovra. Se necessario, utilizzando questo telecomando, è possibile controllare una delle locomotive collegate trasmettendo informazioni in tempo reale (il ritardo non è superiore a 300 ms, tenendo conto della trasmissione dei dati sul canale radio).
Problemi di sicurezza funzionale
La questione più importante nell'implementazione di locomotive senza equipaggio è la questione della sicurezza funzionale, definita dalle norme IEC 61508 "Sicurezza funzionale dei sistemi elettrici, elettronici, programmabili elettronici relativi alla sicurezza" (EN50126, EN50128, EN50129), GOST 33435-2015 "Dispositivi di controllo, monitoraggio e sicurezza del materiale rotabile ferroviario".
Il livello di integrità della sicurezza 4 (SIL4) è richiesto per soddisfare i requisiti per i dispositivi di sicurezza a bordo.
Per rispettare il livello SIL-4, tutti i dispositivi di sicurezza delle locomotive esistenti sono costruiti secondo la logica maggioritaria, in cui i calcoli vengono eseguiti in parallelo su due canali (o più) con un confronto dei risultati per prendere una decisione.
Anche l'unità di calcolo per l'elaborazione dei dati dai sensori sulle locomotive di manovra senza pilota è costruita secondo uno schema a due canali con un confronto del risultato finale.
L'uso di sensori di visione, il lavoro in varie condizioni meteorologiche e in ambienti diversi richiede un nuovo approccio alla questione della dimostrazione della sicurezza dei veicoli senza pilota.
Nel 2019 lo standard ISO/PAS 21448 “Veicoli stradali. Sicurezza delle funzioni specificate (SOTIF). Uno dei principi fondamentali di questo standard è l'approccio per scenari, che considera il comportamento del sistema in varie circostanze. Il numero totale di scenari è infinito. L'obiettivo principale della progettazione è ridurre al minimo le aree 2 e 3 che rappresentano scenari non sicuri noti e scenari non sicuri sconosciuti.
Figura 15 Trasformazione dello script come risultato dello sviluppo
Come parte dell'applicazione di questo approccio, gli specialisti JSC NIIAS hanno analizzato tutte le situazioni emergenti (scenari) dall'inizio delle operazioni nel 2017. Alcune delle situazioni difficili da incontrare nel funzionamento reale vengono risolte utilizzando il simulatore PKB TsT.
Questioni normative
Devono essere affrontate anche le questioni normative per passare veramente al controllo completamente automatico senza la presenza del macchinista nella cabina della locomotiva.
Al momento, le ferrovie russe hanno approvato un programma per l'attuazione dei lavori sul supporto normativo per l'attuazione di misure per l'introduzione di sistemi di controllo automatico per il materiale rotabile ferroviario. Una delle questioni più importanti è l'aggiornamento del Regolamento sulla procedura di indagine interna e contabilità degli incidenti di trasporto che hanno causato danni alla vita o alla salute dei cittadini non correlati alla produzione nel trasporto ferroviario. In conformità con questo piano, nel 2021 dovrebbe essere sviluppato e approvato un pacchetto di documenti che regolano il funzionamento dei veicoli ferroviari senza equipaggio.
postfazione
Al momento, non ci sono analoghi al mondo di locomotive da manovra senza pilota, che operano alla stazione di Luzhskaya. Specialisti provenienti da Francia (società SNCF), Germania, Olanda (società Prorail), Belgio (società Lineas) hanno conosciuto il sistema di controllo sviluppato nel 2018-2019 e sono interessati all'implementazione di tali sistemi. Uno dei compiti principali di JSC NIIAS è espandere la funzionalità e replicare il sistema di gestione creato sia sulle ferrovie russe che per le società straniere.
Al momento, le ferrovie russe stanno anche guidando un progetto per sviluppare i treni elettrici senza pilota Lastochka. La Figura 16 mostra una dimostrazione di un prototipo del sistema di controllo automatico per il treno elettrico ES2G Lastochka nell'agosto 2019 all'interno del framework. Salone ferroviario internazionale dello spazio 1520 "PRO//Dvizhenie.Expo".
Figura 16. Dimostrazione del funzionamento di un treno elettrico senza pilota presso l'MCC
La creazione di un treno elettrico senza equipaggio è un compito molto più difficile a causa delle elevate velocità, degli spazi di frenata significativi e della sicurezza dell'imbarco / sbarco dei passeggeri nei punti di fermata. Al momento, i test vengono condotti attivamente presso l'MCC. Una storia su questo progetto dovrebbe essere pubblicata nel prossimo futuro.
Fonte: habr.com