रेल यातायातमा मानवरहित प्रविधिको विकास

रेलवे मा मानव रहित टेक्नोलोजी को विकास धेरै समय पहिले सुरु भयो, पहिले नै 1957 मा, जब यात्रु ट्रेन को लागी पहिलो प्रयोगात्मक स्वचालित मार्गदर्शन प्रणाली सिर्जना गरिएको थियो। रेलवे यातायातको लागि स्वचालन स्तरहरू बीचको भिन्नता बुझ्नको लागि, IEC-62290-1 मापदण्डमा परिभाषित ग्रेडेशन पेश गरिएको छ। सडक यातायातको विपरीत, रेलवे यातायातमा ४ डिग्री स्वचालन हुन्छ, चित्र १ मा देखाइएको छ।

चित्र 1. IEC-62290 अनुसार स्वचालनको डिग्री

रूसी रेलवे नेटवर्कमा सञ्चालित लगभग सबै ट्रेनहरू स्वचालन स्तर 1 सँग सम्बन्धित सुरक्षा उपकरणले सुसज्जित छन्। स्वचालन स्तर 2 का साथ रेलहरू 20 वर्ष भन्दा बढीको लागि रूसी रेलवे नेटवर्कमा सफलतापूर्वक सञ्चालन गरिएको छ; धेरै हजार लोकोमोटिभहरू सुसज्जित छन्। यो स्तर ट्र्याक सर्किटबाट एक आगमनात्मक च्यानल मार्फत प्राप्त स्वचालित लोकोमोटिभ सिग्नलिंग प्रणालीहरूको तालिका र पढाइलाई ध्यानमा राख्दै, दिइएको मार्गमा ट्रेनको ऊर्जा-इष्टतम ड्राइभिङको लागि कर्षण नियन्त्रण र ब्रेकिङ एल्गोरिदमहरू मार्फत लागू गरिएको छ। स्तर 2 को प्रयोगले चालकको थकान कम गर्छ र ऊर्जा खपत र तालिका कार्यान्वयनको शुद्धतामा फाइदाहरू प्रदान गर्दछ।

स्तर 3 ले क्याबमा चालकको सम्भावित अनुपस्थितिलाई मान्दछ, जसलाई प्राविधिक दृष्टि प्रणालीको कार्यान्वयन आवश्यक पर्दछ।

स्तर 4 ले बोर्डमा चालकको पूर्ण अनुपस्थितिलाई मान्दछ, जसको लागि लोकोमोटिभ (इलेक्ट्रिक ट्रेन) को डिजाइनमा महत्त्वपूर्ण परिवर्तन आवश्यक छ। उदाहरणका लागि, बोर्डमा सर्किट ब्रेकरहरू छन् जुन यदि बोर्डमा एक व्यक्ति बिना ट्रिप भयो भने रिसेट गर्न असम्भव हुनेछ।

हाल, स्तर 3 र 4 हासिल गर्ने परियोजनाहरू विश्वका अग्रणी कम्पनीहरू जस्तै Siemens, Alstom, Thales, SNCF, SBB र अन्यहरू द्वारा कार्यान्वयन भइरहेका छन्।

सिमेन्सले सेप्टेम्बर 2018 मा इनोट्रान्स प्रदर्शनीमा चालकविहीन ट्रामको क्षेत्रमा आफ्नो परियोजना प्रस्तुत गर्‍यो। यो ट्राम 3 देखि GoA2018 स्वचालन स्तरको साथ पोट्सडैममा सञ्चालनमा छ।

चित्र २ सीमेन्स ट्राम
2019 मा, Siemens ले मानवरहित मार्गको लम्बाइ २ गुणा भन्दा बढि बढायो।
रुसी रेलवे कम्पनी मानवरहित रेलवे सवारी साधनहरू विकास गर्न सुरु गर्ने संसारमा पहिलो थियो। यसरी, 2015 मा Luzhskaya स्टेशन मा, 3 shunting लोकोमोटिभ को आन्दोलन स्वचालित गर्न को लागी एक परियोजना शुरू गरिएको थियो, जहाँ NIIAS JSC ले परियोजना एकीकरणकर्ता र आधारभूत प्रविधिहरु को विकासकर्ता को रूप मा काम गर्यो।

मानवरहित लोकोमोटिभ सिर्जना गर्नु एक जटिल, जटिल प्रक्रिया हो जुन अन्य कम्पनीहरूसँगको सहयोग बिना असम्भव छ। त्यसकारण, लुजस्काया स्टेशनमा, JSC NIIAS सँगसँगै, निम्न कम्पनीहरूले भाग लिन्छन्:

• JSC "VNIKTI" एक अन-बोर्ड नियन्त्रण प्रणाली को विकास को मामला मा;
• सिमेन्स - हम्प अपरेशन (MSR-32 प्रणाली) स्वचालित गर्ने र पुशिङ कारहरूको सञ्चालन स्वचालित गर्ने सन्दर्भमा;
• स्विच र ट्राफिक लाइटहरू नियन्त्रण गर्ने माइक्रोप्रोसेसर केन्द्रीकरण प्रणालीहरूको सन्दर्भमा JSC रेडियोभियोनिक्स;
• PKB CT - एक सिम्युलेटर को निर्माण;
• JSC रूसी रेलवे परियोजना संयोजकको रूपमा।

पहिलो चरणमा, कार्य ट्राफिक स्वचालन को स्तर 2 प्राप्त गर्न को लागी थियो, जब ड्राइभर, शन्टिंग कार्य संगठित गर्न को लागी सामान्य अवस्थामा, लोकोमोटिभ नियन्त्रणहरु को उपयोग गर्दैन।

परम्परागत शन्टिङ लोकोमोटिभहरू सञ्चालन गर्दा, ट्राफिक नियन्त्रण प्रेषकबाट चालकलाई उपयुक्त मार्गहरू (स्विचहरू सार्दै, ट्राफिक लाइटहरू खोल्दै) सेट गरेर भ्वाइस आदेशहरू प्रसारण गरेर गरिन्छ।

लेभल 2 स्वचालनमा जाँदा, सबै आवाज संचारलाई डिजिटल सुरक्षित रेडियो च्यानलमा प्रसारित आदेशहरूको प्रणालीद्वारा प्रतिस्थापन गरिएको थियो। प्राविधिक रूपमा, Luzhskaya स्टेशन मा shunting लोकोमोटिभ को नियन्त्रण को आधार मा निर्माण गरिएको थियो:

• स्टेशन को एकीकृत डिजिटल मोडेल;
• शन्टिङ लोकोमोटिभहरूको आवागमन नियन्त्रणको लागि प्रोटोकल (आदेशहरू पठाउन र कार्यान्वयनको निगरानी गर्न);
• दिइएको मार्गहरू, तीर र संकेतहरूको स्थिति बारे जानकारी प्राप्त गर्न विद्युतीय केन्द्रीकरण प्रणालीसँग अन्तरक्रिया;
• शन्टिङ लोकोमोटिभका लागि स्थिति प्रणाली;
• भरपर्दो डिजिटल रेडियो संचार।

2017 सम्म, 3 TEM-7A शन्टिङ लोकोमोटिभहरूले Luzhskaya स्टेशनमा 95% समय पूर्ण रूपमा स्वचालित मोडमा काम गरे, निम्न कार्यहरू प्रदर्शन गर्दै:

• दिइएको मार्गमा स्वचालित आन्दोलन;
• कारहरूमा स्वचालित पहुँच;
• वैगन संग स्वचालित युग्मन;
• कुममा कारहरू धकेल्दै।

2017 मा, लोकोमोटिभहरू शन्टिङ गर्न र आपतकालिन परिस्थितिहरूमा रिमोट कन्ट्रोल परिचय गर्न प्राविधिक दृष्टि प्रणाली सिर्जना गर्न एक परियोजना सुरु गरिएको थियो।

नोभेम्बर 2017 मा, JSC NIIAS का विशेषज्ञहरूले शन्टिङ लोकोमोटिभहरूमा प्राविधिक दृष्टि प्रणालीको पहिलो प्रोटोटाइप स्थापना गरे, जसमा राडार, लिडर र क्यामेराहरू छन् (चित्र 3)।

चित्र 3 प्राविधिक दृष्टि प्रणाली को पहिलो संस्करण

2017 - 2018 मा प्राविधिक दृष्टि प्रणाली को लुगा स्टेशन मा परीक्षण को समयमा, निम्न निष्कर्ष बनाइयो:

• बाधाहरू पत्ता लगाउन रडारहरूको प्रयोग अव्यावहारिक छ, किनकि रेलवेसँग राम्रो परावर्तितता भएका धातु वस्तुहरूको महत्त्वपूर्ण संख्या छ। तिनीहरूको पृष्ठभूमि विरुद्ध व्यक्तिहरूको पत्ता लगाउने दायरा 60-70 मिटर भन्दा बढी हुँदैन, थप रूपमा, रडारहरूमा अपर्याप्त कोणीय रिजोल्युसन छ र लगभग 1° छ। हाम्रा खोजहरू पछि SNCF (फ्रान्सेली रेलवे अपरेटर) का सहकर्मीहरूबाट परीक्षण नतिजाहरूद्वारा पुष्टि गरियो।
• Lidars न्यूनतम शोर संग धेरै राम्रो परिणाम प्रदान गर्दछ। हिमपात, वर्षा, वा कुहिरोको घटनामा, वस्तुहरूको पत्ता लगाउने दायरामा एक गैर-महत्वपूर्ण कमी अवलोकन गरिन्छ। यद्यपि, 2017 मा, लिडरहरू धेरै महँगो थिए, जसले परियोजनाको आर्थिक प्रदर्शनलाई महत्त्वपूर्ण रूपमा असर गर्यो।
• क्यामेराहरू प्राविधिक दृष्टि प्रणालीको एक आवश्यक तत्व हो र पत्ता लगाउन, वस्तु वर्गीकरण, र रिमोट कन्ट्रोल कार्यहरूको लागि आवश्यक छ। राति र कठिन मौसममा काम गर्न, इन्फ्रारेड क्यामेराहरू वा विस्तारित तरंग लम्बाइ दायरा भएका क्यामेराहरू हुन आवश्यक छ जुन नजिकको इन्फ्रारेड दायरामा काम गर्न सक्छ।

प्राविधिक दृष्टिको मुख्य कार्य बाटोमा अवरोधहरू र अन्य वस्तुहरू पत्ता लगाउनु हो, र आन्दोलन ट्र्याकमा गरिन्छ, यसलाई पत्ता लगाउन आवश्यक छ।

चित्र ४. बहु-वर्ग विभाजनको उदाहरण (ट्र्याक, कार) र बाइनरी मास्क प्रयोग गरेर ट्र्याक अक्षको निर्धारण

चित्र ४ ले रट पत्ता लगाउने उदाहरण देखाउँछ। तीरहरूको साथ आन्दोलनको मार्ग स्पष्ट रूपमा निर्धारण गर्नको लागि, तीरको स्थिति र ट्राफिक लाइट रिडिंगहरूको बारेमा एक प्राथमिक जानकारी प्रयोग गरिन्छ, विद्युतीय केन्द्रीकरण प्रणालीबाट डिजिटल रेडियो च्यानल मार्फत प्रसारित हुन्छ। हाल, विश्वको रेलवेमा ट्राफिक लाइटहरू त्याग्न र डिजिटल रेडियो च्यानल मार्फत नियन्त्रण प्रणालीहरूमा स्विच गर्ने चलन छ। यो उच्च-गति ट्राफिकको लागि विशेष गरी सत्य हो, किनकि 4 किमी/घन्टा भन्दा बढी गतिमा ट्राफिक लाइटहरू देख्न र पहिचान गर्न गाह्रो हुन्छ। रूसमा, त्यहाँ दुई खण्डहरू ट्राफिक लाइटहरू प्रयोग नगरी सञ्चालन गरिएका छन् - मस्को केन्द्रीय सर्कल र अल्पिका-सेवा - एडलर लाइन।

जाडोमा, ट्र्याक पूर्णतया हिउँले ढाकिएको अवस्थामा र ट्र्याक पहिचान गर्न लगभग असम्भव हुने अवस्था आउन सक्छ, चित्र 5 मा देखाइएको छ।

चित्र 5 हिउँले ढाकिएको ट्र्याकको उदाहरण

यस अवस्थामा, यो अस्पष्ट हुन्छ कि पत्ता लगाइएको वस्तुहरूले लोकोमोटिभको आन्दोलनमा हस्तक्षेप गर्दछ, त्यो हो, तिनीहरू ट्र्याकमा छन् वा छैनन्। यस अवस्थामा, Luzhskaya स्टेशन मा, स्टेशन को एक उच्च परिशुद्धता डिजिटल मोडेल र एक उच्च परिशुद्धता अन-बोर्ड नेभिगेसन प्रणाली प्रयोग गरिन्छ।

यसबाहेक, स्टेशन को डिजिटल मोडेल आधार बिन्दु को geodetic मापन को आधार मा सिर्जना गरिएको थियो। त्यसपछि, उच्च परिशुद्धता स्थिति प्रणालीको साथ लोकोमोटिभहरूको धेरै मार्गहरूको प्रशोधनको आधारमा, सबै ट्र्याकहरूमा नक्सा पूरा भयो।

चित्र 6 Luzhskoy स्टेशन को ट्रयाक विकास को डिजिटल मोडेल

अन-बोर्ड स्थिति प्रणालीको लागि सबैभन्दा महत्त्वपूर्ण मापदण्डहरू मध्ये एक लोकोमोटिभको अभिमुखीकरण (अजीमुथ) गणनामा त्रुटि हो। लोकोमोटिभको अभिमुखीकरण सेन्सरहरू र तिनीहरूद्वारा पत्ता लगाइएका वस्तुहरूको सही अभिमुखीकरणको लागि आवश्यक छ। 1° को अभिमुखीकरण कोण त्रुटि संग, 100 मिटर को दूरी मा पथ अक्ष सापेक्ष वस्तु समन्वय मा त्रुटि 1,7 मिटर हुनेछ।

चित्र 7 पार्श्व समन्वय त्रुटिमा अभिमुखीकरण त्रुटिको प्रभाव

तसर्थ, लोकोमोटिभको कोणीय अभिमुखीकरण मापन गर्दा अधिकतम अनुमतियोग्य त्रुटि ०.१° भन्दा बढी हुनु हुँदैन। अनबोर्ड पोजिसनिङ सिस्टममा RTK मोडमा दुईवटा डुअल-फ्रिक्वेन्सी नेभिगेसन रिसीभरहरू हुन्छन्, जसको एन्टेनाहरू लामो आधार, स्ट्र्यापडाउन इनर्टियल नेभिगेसन प्रणाली र व्हील सेन्सरहरू (ओडोमिटरहरू) सँग जडान बनाउन लोकोमोटिभको सम्पूर्ण लम्बाइमा स्पेस गरिएका हुन्छन्। शन्टिङ लोकोमोटिभको निर्देशांकहरू निर्धारण गर्ने मानक विचलन 0,1 सेमी भन्दा बढी छैन।

थप रूपमा, लुज्स्काया स्टेशनमा, अतिरिक्त स्थान डेटा प्राप्त गर्न SLAM प्रविधिहरू (लिडर र भिजुअल) को प्रयोगमा अनुसन्धान गरिएको थियो।
नतिजाको रूपमा, Luzhskaya स्टेशन मा लोकोमोटिभ shunting को लागी रेलवे ट्रयाक को निर्धारण ट्र्याक पहिचान र स्थिति आधारित डिजिटल ट्रयाक मोडेल डेटा को परिणाम संयोजन गरेर गरिन्छ।

बाधा पत्ता लगाउन पनि धेरै तरिकामा आधारित छ:

• lidar डाटा;
• स्टेरियो दृष्टि डाटा;
• तंत्रिका नेटवर्क को सञ्चालन।

डाटाको मुख्य स्रोतहरू मध्ये एक लिडरहरू हुन्, जसले लेजर स्क्यानिङबाट बिन्दुहरूको क्लाउड उत्पादन गर्दछ। प्रयोगमा रहेका एल्गोरिदमहरूले मुख्य रूपमा शास्त्रीय डेटा क्लस्टरिङ एल्गोरिदमहरू प्रयोग गर्छन्। अनुसन्धानको एक भागको रूपमा, लिडर पोइन्टहरू क्लस्टर गर्ने कार्यको लागि न्यूरल नेटवर्कहरू प्रयोग गर्ने प्रभावकारिता, साथै लिडर डाटा र भिडियो क्यामेराहरूबाट डाटाको संयुक्त प्रशोधनको लागि, परीक्षण गरिएको छ। चित्र 8 ले लिडर डेटाको उदाहरण देखाउँदछ (भिन्न रिफ्लेक्सिभिटीको साथ बिन्दुहरूको बादल) लुज्स्काया स्टेशनमा गाडीको पृष्ठभूमिमा व्यक्तिको पुतला प्रदर्शन गर्दै।

चित्र 8. Luzhskoy स्टेशन मा lidar डेटा को उदाहरण

चित्र 9 ले दुई फरक lidars बाट डाटा प्रयोग गरेर जटिल आकारको कारबाट क्लस्टर पहिचान गर्ने उदाहरण देखाउँछ।

चित्र 9. हपर कारबाट क्लस्टरको रूपमा लिडर डेटाको व्याख्याको उदाहरण

अलग रूपमा, यो ध्यान दिन लायक छ कि हालै lidars को लागत परिमाण को लगभग एक आदेश द्वारा घटेको छ, र तिनीहरूको प्राविधिक विशेषताहरु बढेको छ। यो क्रम जारी रहनेमा कुनै शंका छैन । Luzhskaya स्टेशन मा प्रयोग lidars द्वारा वस्तुहरु को पत्ता लगाउने दायरा लगभग 150 मिटर छ।

फरक भौतिक सिद्धान्त प्रयोग गर्ने स्टेरियो क्यामेरा पनि अवरोधहरू पत्ता लगाउन प्रयोग गरिन्छ।

चित्र 10. स्टेरियो जोडी र पत्ता लगाइएको क्लस्टरबाट असमानता नक्सा

चित्र 10 ले पोलहरू, ट्र्याक बक्सहरू र क्यारिज पत्ता लगाउने स्टेरियो क्यामेरा डेटाको उदाहरण देखाउँछ।

ब्रेकिङको लागि पर्याप्त दूरीमा बिन्दु क्लाउडको पर्याप्त शुद्धता प्राप्त गर्न, उच्च-रिजोल्युसन क्यामेराहरू प्रयोग गर्न आवश्यक छ। छविको साइज बढाउँदा असमानता नक्सा प्राप्त गर्ने कम्प्युटेशनल लागत बढ्छ। कब्जा गरिएका स्रोतहरू र प्रणाली प्रतिक्रिया समयको लागि आवश्यक अवस्थाहरूको कारण, भिडियो क्यामेराहरूबाट उपयोगी डेटा निकाल्नको लागि एल्गोरिदमहरू र दृष्टिकोणहरू निरन्तर विकास र परीक्षण गर्न आवश्यक छ।

एल्गोरिदमको परीक्षण र प्रमाणिकरणको अंश रेलवे सिम्युलेटर प्रयोग गरेर गरिन्छ, जुन PKB TsT द्वारा JSC NIIAS सँगसँगै विकसित गरिएको छ। उदाहरणका लागि, चित्र 11 ले स्टेरियो क्यामेरा एल्गोरिदमहरूको प्रदर्शन परीक्षण गर्न सिमुलेटरको प्रयोग देखाउँछ।

चित्र 11. A, B - सिम्युलेटरबाट बायाँ र दायाँ फ्रेमहरू; B - स्टेरियो क्यामेराबाट डाटाको पुनर्निर्माणको शीर्ष दृश्य; D - सिम्युलेटरबाट स्टेरियो क्यामेरा छविहरूको पुनर्निर्माण।

न्यूरल नेटवर्कको मुख्य कार्य व्यक्ति, कार र तिनीहरूको वर्गीकरण पत्ता लगाउनु हो।
कठोर मौसममा काम गर्न, JSC NIIAS का विशेषज्ञहरूले इन्फ्रारेड क्यामेराहरू प्रयोग गरेर परीक्षणहरू पनि गरे।

चित्र 12. IR क्यामेराबाट डाटा

सबै सेन्सरहरूबाट डाटा एसोसिएशन एल्गोरिदमहरूमा आधारित हुन्छ, जहाँ अवरोधहरू (वस्तुहरू) को अस्तित्वको सम्भाव्यता मूल्याङ्कन गरिन्छ।

यसबाहेक, ट्र्याकमा भएका सबै वस्तुहरू अवरोधहरू छैनन्; शन्टिङ कार्यहरू गर्दा, लोकोमोटिभले स्वचालित रूपमा कारहरूसँग जोडिनुपर्छ।

चित्र 13. विभिन्न सेन्सरहरू द्वारा अवरोध पत्ता लगाउने कारको दृष्टिकोणको दृश्यको उदाहरण

मानवरहित शन्टिङ लोकोमोटिभहरू सञ्चालन गर्दा, उपकरणमा के भइरहेको छ र यो कुन अवस्थामा छ भनेर तुरुन्तै बुझ्नु अत्यन्त महत्त्वपूर्ण छ। कुकुर जस्ता जनावरहरू लोकोमोटिभको अगाडि देखा पर्दा परिस्थितिहरू पनि सम्भव छन्। अनबोर्ड एल्गोरिदमहरूले स्वचालित रूपमा लोकोमोटिभलाई रोक्नेछ, तर कुकुरले बाटो छोडेन भने के गर्ने?

बोर्डमा स्थिति अनुगमन गर्न र आपतकालिन परिस्थितिहरूमा निर्णयहरू गर्न, एक स्थिर रिमोट कन्ट्रोल र निगरानी प्यानल विकसित गरिएको छ, स्टेशनमा सबै मानवरहित लोकोमोटिभहरूसँग काम गर्न डिजाइन गरिएको। Luzhskaya स्टेशन मा यो EC पोस्ट मा स्थित छ।

चित्र 14 रिमोट कन्ट्रोल र निगरानी

Luzhskoy स्टेशनमा, चित्र 14 मा देखाइएको नियन्त्रण प्यानलले तीन शन्टिङ लोकोमोटिभहरूको सञ्चालनलाई नियन्त्रण गर्दछ। यदि आवश्यक भएमा, यो रिमोट कन्ट्रोल प्रयोग गरेर तपाईले वास्तविक समयमा जानकारी प्रसारण गरेर जडान गरिएको लोकोमोटिभहरू मध्ये एउटा नियन्त्रण गर्न सक्नुहुन्छ (रेडियो च्यानल मार्फत डाटा प्रसारण खातामा 300 ms भन्दा बढी ढिलाइ नगर्नुहोस्)।

कार्यात्मक सुरक्षा समस्याहरू

मानवरहित लोकोमोटिभहरू परिचय गर्दा सबैभन्दा महत्त्वपूर्ण मुद्दा कार्यात्मक सुरक्षाको मुद्दा हो, IEC 61508 मापदण्डहरू द्वारा परिभाषित "सुरक्षासँग सम्बन्धित विद्युतीय, इलेक्ट्रोनिक, प्रोग्रामेबल इलेक्ट्रोनिक प्रणालीहरूको कार्यात्मक सुरक्षा" (EN50126, EN50128, EN50129), GOST-33435Dvices " रेलवे रोलिङ स्टकको नियन्त्रण, निगरानी र सुरक्षाको लागि।

अन-बोर्ड सुरक्षा उपकरणहरूको लागि आवश्यकताहरू अनुसार, सुरक्षा अखण्डता स्तर 4 (SIL4) हासिल गर्नुपर्छ।

SIL-4 स्तरको पालना गर्न, सबै अवस्थित लोकोमोटिभ सुरक्षा उपकरणहरू बहुमत तर्क प्रयोग गरेर निर्माण गरिन्छ, जहाँ गणनाहरू दुई च्यानलहरू (वा बढी) मा समानान्तर रूपमा प्रदर्शन गरिन्छ र परिणामहरू निर्णय गर्न तुलना गरिन्छ।

मानवरहित शन्टिङ लोकोमोटिभहरूमा सेन्सरहरूबाट डाटा प्रशोधन गर्नको लागि कम्प्युटिङ एकाइ पनि अन्तिम परिणामको तुलनाको साथ दुई-च्यानल योजना प्रयोग गरी निर्माण गरिएको छ।

भिजन सेन्सरहरूको प्रयोग, विभिन्न मौसम अवस्था र विभिन्न वातावरणमा सञ्चालन गर्न मानवरहित सवारीहरूको सुरक्षा प्रमाणित गर्ने मुद्दामा नयाँ दृष्टिकोण चाहिन्छ।

2019 मा, ISO/PAS 21448 मानक "सडक वाहनहरू। परिभाषित कार्यहरूको सुरक्षा (SOTIF)। यस मानकको मुख्य सिद्धान्तहरू मध्ये एक परिदृश्य दृष्टिकोण हो, जसले विभिन्न परिस्थितिहरूमा प्रणालीको व्यवहारको जाँच गर्दछ। परिदृश्यहरूको कुल संख्या अनन्तता प्रतिनिधित्व गर्दछ। मुख्य डिजाइन चुनौती क्षेत्र 2 र 3 लाई कम गर्नु हो, जसले ज्ञात असुरक्षित परिदृश्यहरू र अज्ञात असुरक्षित परिदृश्यहरू प्रतिनिधित्व गर्दछ।

चित्र 15 विकासको परिणामको रूपमा परिदृश्यहरूको रूपान्तरण

यस दृष्टिकोणको प्रयोगको भागको रूपमा, JSC NIIAS का विशेषज्ञहरूले 2017 मा सञ्चालन सुरु भएदेखि सबै उदीयमान परिस्थितिहरू (परिदृश्यहरू) विश्लेषण गरे। केहि परिस्थितिहरू जुन वास्तविक सञ्चालनमा सामना गर्न गाह्रो हुन्छ PKB CT सिम्युलेटर प्रयोग गरेर काम गरिन्छ।

नियामक मुद्दाहरू

लोकोमोटिभ केबिनमा ड्राइभरको उपस्थिति बिना पूर्ण रूपमा स्वचालित नियन्त्रणमा पूर्ण रूपमा स्विच गर्न, नियामक मुद्दाहरू समाधान गर्न पनि आवश्यक छ।

यस क्षणमा, JSC रूसी रेलवेले स्वचालित मोडमा रेल रोलिङ स्टकको लागि नियन्त्रण प्रणालीहरूको कार्यान्वयनको लागि उपायहरूको कार्यान्वयनको लागि नियामक समर्थनमा कामको कार्यान्वयनको लागि एक तालिका अनुमोदन गरेको छ। सबैभन्दा महत्त्वपूर्ण मुद्दाहरू मध्ये एक आधिकारिक अनुसन्धान र यातायात घटनाहरूको रेकर्डिङको प्रक्रियामा नियमहरू अद्यावधिक गर्नु हो जुन रेल यातायातमा उत्पादनसँग सम्बन्धित नभएका नागरिकहरूको जीवन वा स्वास्थ्यलाई हानि पुर्‍याउँछ। यस योजनाको अनुसार, २०२१ मा मानवरहित रेलवे सवारी साधनहरूको सञ्चालनलाई नियमन गर्ने कागजातहरूको प्याकेज विकास र अनुमोदन गरिनु पर्छ।

पछिशब्द

यस समयमा, लुजस्काया स्टेशनमा संचालित मानवरहित शन्टिङ लोकोमोटिभहरूको संसारमा कुनै एनालॉगहरू छैनन्। फ्रान्स (SNCF कम्पनी), जर्मनी, हल्याण्ड (Prorail कम्पनी), बेल्जियम (Lineas कम्पनी) का विशेषज्ञहरू 2018-2019 मा विकसित नियन्त्रण प्रणालीसँग परिचित भए र समान प्रणालीहरू लागू गर्न इच्छुक छन्। JSC NIIAS को मुख्य कार्यहरू मध्ये एक कार्यक्षमता विस्तार गर्नु र रूसी रेलवे र विदेशी कम्पनीहरूको लागि सिर्जना गरिएको व्यवस्थापन प्रणालीलाई दोहोर्याउनु हो।

हाल, JSC रूसी रेलवे पनि मानव रहित इलेक्ट्रिक रेल "Lastochka" को विकास को लागी एक परियोजना को नेतृत्व गरिरहेको छ। चित्र 16 ले फ्रेमवर्क भित्र अगस्त 2 मा ES2019G Lastochka इलेक्ट्रिक ट्रेनको लागि प्रोटोटाइप स्वचालित नियन्त्रण प्रणालीको प्रदर्शन देखाउँछ। अन्तर्राष्ट्रिय रेलवे सैलून स्पेस 1520 "PRO//Movement.Expo"।

चित्र 16. MCC मा एक मानवरहित इलेक्ट्रिक ट्रेन को सञ्चालन को प्रदर्शन

उच्च गति, महत्त्वपूर्ण ब्रेकिङ दूरी, र रोकिने बिन्दुहरूमा यात्रुहरूको सुरक्षित बोर्डिङ/अवरोहण सुनिश्चित गर्ने कारणले मानवरहित विद्युतीय रेल बनाउनु धेरै गाह्रो काम हो। हाल, MCC मा परीक्षण सक्रिय रूपमा चलिरहेको छ। यस परियोजनाको बारेमा कथा निकट भविष्यमा प्रकाशित गर्ने योजना छ।

स्रोत: www.habr.com