Utviklingen av ubemannede teknologier på jernbanen begynte for ganske lenge siden, allerede i 1957, da det første eksperimentelle automatiserte ledesystemet for pendeltog ble opprettet. For å forstå forskjellen mellom automatiseringsnivåer for jernbanetransport er det innført en gradering, definert i IEC-62290-1-standarden. I motsetning til veitransport har jernbanetransport 4 grader av automatisering, vist i figur 1.
Figur 1. Automatiseringsgrader i henhold til IEC-62290
Nesten alle tog som opererer på det russiske jernbanenettet er utstyrt med en sikkerhetsanordning som tilsvarer automasjonsnivå 1. Tog med automasjonsnivå 2 har vært drevet med suksess på det russiske jernbanenettet i mer enn 20 år, flere tusen lokomotiver er utstyrt. Dette nivået implementeres gjennom traction control og bremsealgoritmer for energioptimal kjøring av toget langs en gitt rute, tatt i betraktning tidsplan og avlesninger av automatiske lokomotivsignalsystemer mottatt via en induktiv kanal fra sporkretsene. Bruken av nivå 2 reduserer førertrøtthet og gir fordeler i energiforbruk og nøyaktighet av tidsplanutførelse.
Nivå 3 forutsetter mulig fravær av en sjåfør i førerhuset, noe som krever implementering av et teknisk synssystem.
Nivå 4 forutsetter fullstendig fravær av en sjåfør om bord, noe som krever en betydelig endring i lokomotivets design (elektrisk tog). For eksempel er det effektbrytere om bord som ikke vil bli tilbakestilt hvis de utløses uten en person om bord.
For tiden gjennomføres prosjekter for å oppnå nivå 3 og 4 av ledende selskaper i verden, som Siemens, Alstom, Thales, SNCF, SBB og andre.
Siemens presenterte sitt prosjekt innen førerløse trikker i september 2018 på Innotrans-utstillingen. Denne trikken har vært i drift i Potsdam med GoA3 automatiseringsnivå siden 2018.
Figur 2 Siemens trikk
I 2019 økte Siemens lengden på den ubemannede ruten med mer enn 2 ganger.
Det russiske jernbaneselskapet var et av de første i verden som begynte å utvikle ubemannede jernbanekjøretøyer. På Luzhskaya-stasjonen i 2015 ble det derfor lansert et prosjekt for å automatisere bevegelsen av 3 skiftende lokomotiver, der NIIAS JSC fungerte som prosjektintegrator og utvikler av grunnleggende teknologier.
Å lage et ubemannet lokomotiv er en kompleks, kompleks prosess som er umulig uten samarbeid med andre selskaper. Derfor, på Luzhskaya-stasjonen, sammen med JSC NIIAS, deltar følgende selskaper:
- JSC "VNIKTI" når det gjelder utvikling av et kontrollsystem ombord;
- Siemens – når det gjelder automatisering av pukkeloperasjonen (MSR-32-system) og automatisering av driften av skyvebiler;
- JSC Radioavionics når det gjelder sentraliseringssystemer for mikroprosessorer som kontrollerer brytere og trafikklys;
- PKB CT – opprettelse av en simulator;
- JSC Russian Railways som prosjektkoordinator.
I første omgang var oppgaven å oppnå nivå 2 av trafikkautomatisering, når sjåføren under normale forhold for organisering av skiftearbeid ikke bruker lokomotivstyringene.
Ved bruk av konvensjonelle skiftelokomotiver utføres trafikkstyring ved å overføre talekommandoer fra ekspeditøren til sjåføren med innstilling av riktige ruter (flytte brytere, slå på trafikklys).
Ved overgang til nivå 2 automatisering ble all talekommunikasjon erstattet av et system med kommandoer overført over en digital sikker radiokanal. Teknisk sett ble kontrollen av skiftende lokomotiver på Luzhskaya-stasjonen bygget på grunnlag av:
- enhetlig digital modell av stasjonen;
- protokoll for å kontrollere bevegelsen til skiftende lokomotiver (for å sende kommandoer og overvåke utførelsen);
- interaksjon med det elektriske sentraliseringssystemet for å få informasjon om gitte ruter, plasseringen av piler og signaler;
- posisjoneringssystemer for rangering av lokomotiver;
- pålitelig digital radiokommunikasjon.
I 2017 jobbet 3 TEM-7A skiftelokomotiver 95 % av tiden på Luzhskaya-stasjonen i helautomatisk modus, og utførte følgende operasjoner:
- Automatisk bevegelse langs en gitt rute;
- Automatisk tilgang til biler;
- Automatisk kopling med vogner;
- Skyver biler på pukkelen.
I 2017 ble det satt i gang et prosjekt for å lage et teknisk synsystem for skiftende lokomotiver og innføre fjernstyring i nødssituasjoner.
I november 2017 installerte spesialister fra JSC NIIAS den første prototypen av et teknisk synssystem på skiftende lokomotiver, bestående av radarer, lidar og kameraer (Figur 3).
Figur 3 Første versjoner av tekniske synssystemer
Under tester på Luga-stasjonen av det tekniske synssystemet i 2017 - 2018 ble følgende konklusjoner gjort:
- Bruk av radarer for å oppdage hindringer er upraktisk, siden jernbanen har et betydelig antall metallgjenstander med god reflektivitet. Deteksjonsrekkevidden for mennesker mot deres bakgrunn overstiger ikke 60-70 meter, i tillegg har radarer utilstrekkelig vinkeloppløsning og er omtrent 1°. Våre funn ble senere bekreftet av testresultater fra kolleger fra SNCF (den franske jernbaneoperatøren).
- Lidarer gir meget gode resultater med minimalt med støy. Ved snøfall, regn eller tåke, observeres en ikke-kritisk reduksjon i gjenstanders deteksjonsrekkevidde. I 2017 var imidlertid lidarer ganske dyre, noe som betydelig påvirket den økonomiske ytelsen til prosjektet.
- Kameraer er et essensielt element i et teknisk synssystem og er nødvendige for deteksjon, objektklassifisering og fjernkontrolloppgaver. For å jobbe om natten og under vanskelige værforhold er det nødvendig å ha infrarøde kameraer eller kameraer med utvidet bølgelengdeområde som kan operere i nær-infrarødt område.
Hovedoppgaven til teknisk syn er å oppdage hindringer og andre gjenstander underveis, og siden bevegelsen utføres langs et spor, er det nødvendig å oppdage det.
Figur 4. Eksempel på flerklassesegmentering (bane, biler) og bestemmelse av sporaksen ved hjelp av en binær maske
Figur 4 viser et eksempel på spordeteksjon. For entydig å bestemme bevegelsesruten langs pilene, brukes a priori informasjon om posisjonen til pilen og trafikklysavlesninger, overført via en digital radiokanal fra det elektriske sentraliseringssystemet. For tiden er det en trend på verdens jernbaner å forlate trafikklys og bytte til kontrollsystemer via en digital radiokanal. Dette gjelder spesielt for høyhastighetstrafikk, siden det ved hastigheter over 200 km/t blir vanskelig å legge merke til og gjenkjenne trafikklys. I Russland er det to seksjoner som drives uten bruk av trafikklys - Moscow Central Circle og Alpika-Service - Adler-linjen.
Om vinteren kan det oppstå situasjoner når banen er helt under snødekke og gjenkjennelse av sporet blir nesten umulig, som vist i figur 5.
Figur 5 Eksempel på et spor dekket med snø
I dette tilfellet blir det uklart om de oppdagede gjenstandene forstyrrer lokomotivets bevegelse, det vil si at de er på banen eller ikke. I dette tilfellet, på Luzhskaya-stasjonen, brukes en høypresisjon digital modell av stasjonen og et høypresisjonsnavigasjonssystem ombord.
Dessuten ble den digitale modellen av stasjonen laget på grunnlag av geodetiske målinger av basispunkter. Deretter, basert på behandlingen av mange passasjer av lokomotiver med et posisjoneringssystem med høy presisjon, ble et kart ferdigstilt langs alle sporene.
Figur 6 Digital modell av sporutvikling av Luzhskoy stasjon
En av de viktigste parametrene for posisjoneringssystemet ombord er feilen ved beregning av lokomotivets orientering (asimut). Lokomotivets orientering er nødvendig for riktig orientering av sensorene og gjenstandene de oppdaget. Med en orienteringsvinkelfeil på 1° vil feilen i objektkoordinatene i forhold til baneaksen i en avstand på 100 meter være 1,7 meter.
Figur 7 Effekt av orienteringsfeil på sidekoordinatfeil
Derfor bør maksimalt tillatt feil ved måling av lokomotivets vinkelretning ikke overstige 0,1°. Selve posisjoneringssystemet ombord består av to navigasjonsmottakere med to frekvenser i RTK-modus, hvis antenner er plassert langs hele lokomotivets lengde for å lage en lang base, treghetsnavigasjonssystem med strapdown og tilkobling til hjulsensorer (kilometertellere). Standardavviket for å bestemme koordinatene til skiftelokomotivet er ikke mer enn 5 cm.
I tillegg, på Luzhskaya stasjon, ble det forsket på bruken av SLAM-teknologier (lidar og visuell) for å få ytterligere plasseringsdata.
Som et resultat utføres bestemmelsen av jernbanesporet for skiftende lokomotiver ved Luzhskaya-stasjonen ved å kombinere resultatene av sporgjenkjenning og posisjoneringsbaserte digitale spormodelldata.
Hindringsdeteksjon utføres også på flere måter basert på:
- lidar data;
- stereo visjon data;
- drift av nevrale nettverk.
En av hovedkildene til data er lidarer, som produserer en sky av punkter fra laserskanning. Algoritmer i bruk bruker hovedsakelig klassiske dataklyngealgoritmer. Som en del av forskningen testes effektiviteten av å bruke nevrale nettverk for oppgaven med å gruppere lidarpunkter, samt for felles behandling av lidardata og data fra videokameraer. Figur 8 viser et eksempel på lidardata (en sky av punkter med forskjellig refleksivitet) som viser en mannequin av en person mot bakgrunnen av en vogn på Luzhskaya-stasjonen.
Figur 8. Eksempel på lidardata ved Luzhskoy stasjon
Figur 9 viser et eksempel på å identifisere en klynge fra en kompleks formet bil ved hjelp av data fra to forskjellige lidarer.
Figur 9. Eksempel på tolkning av lidardata i form av en klynge fra en hopperbil
Separat er det verdt å merke seg at kostnadene for lidarer nylig har falt med nesten en størrelsesorden, og deres tekniske egenskaper har økt. Det er ingen tvil om at denne trenden vil fortsette. Deteksjonsrekkevidden for gjenstander av lidarer brukt på Luzhskaya-stasjonen er omtrent 150 meter.
Et stereokamera som bruker et annet fysisk prinsipp, brukes også til å oppdage hindringer.
Figur 10. Ulikhetskart fra et stereopar og påviste klynger
Figur 10 viser et eksempel på stereokameradata med deteksjon av stolper, sporbokser og en bil.
For å oppnå tilstrekkelig nøyaktighet av punktskyen i en avstand tilstrekkelig for bremsing, er det nødvendig å bruke høyoppløselige kameraer. Å øke bildestørrelsen øker de beregningsmessige kostnadene for å skaffe forskjellskartet. På grunn av de nødvendige forholdene for de okkuperte ressursene og systemets responstid, er det nødvendig å kontinuerlig utvikle og teste algoritmer og tilnærminger for å trekke ut nyttige data fra videokameraer.
En del av testing og verifisering av algoritmer utføres ved hjelp av en jernbanesimulator, som utvikles av PKB TsT sammen med JSC NIIAS. For eksempel viser figur 11 bruken av en simulator for å teste ytelsen til stereokameraalgoritmer.
Figur 11. A, B - venstre og høyre rammer fra simulatoren; B – toppvisning av rekonstruksjon av data fra et stereokamera; D - rekonstruksjon av stereokamerabilder fra simulatoren.
Hovedoppgaven til nevrale nettverk er å oppdage mennesker, biler og deres klassifisering.
For å jobbe under tøffe værforhold, utførte spesialister fra JSC NIIAS også tester med infrarøde kameraer.
Figur 12. Data fra IR-kamera
Data fra alle sensorer er integrert basert på assosiasjonsalgoritmer, hvor sannsynligheten for at det finnes hindringer (objekter) vurderes.
Dessuten er ikke alle gjenstander på banen hindringer; når man utfører skifteoperasjoner, må lokomotivet automatisk koble seg til bilene.
Figur 13. Et eksempel på visualisering av tilnærmingen til en bil med hindringsdeteksjon av forskjellige sensorer
Ved drift av ubemannede skiftelokomotiver er det ekstremt viktig å raskt forstå hva som skjer med utstyret og hvilken tilstand det er i. Situasjoner er også mulige når et dyr, for eksempel en hund, dukker opp foran lokomotivet. Algoritmer ombord vil automatisk stoppe lokomotivet, men hva skal jeg gjøre videre hvis hunden ikke beveger seg ut av veien?
For å overvåke situasjonen om bord og ta beslutninger i nødsituasjoner, er det utviklet et stasjonært fjernkontroll- og overvåkingspanel, designet for å fungere med alle ubemannede lokomotiver på stasjonen. På Luzhskaya stasjon ligger den ved EC-posten.
Figur 14 Fjernkontroll og overvåking
Ved Luzhskoy-stasjonen styrer kontrollpanelet vist i figur 14 driften av tre skiftelokomotiver. Ved bruk av denne fjernkontrollen kan du om nødvendig styre et av de tilkoblede lokomotivene ved å overføre informasjon i sanntid (forsinkelse ikke mer enn 300 ms, tatt i betraktning dataoverføring via radiokanal).
Problemer med funksjonssikkerhet
Det viktigste problemet ved introduksjon av ubemannede lokomotiver er spørsmålet om funksjonell sikkerhet, definert av standardene IEC 61508 "Funksjonell sikkerhet for elektriske, elektroniske, programmerbare elektroniske systemer relatert til sikkerhet" (EN50126, EN50128, EN50129), GOST 33435-2015 "Devices" for kontroll, overvåking og sikkerhet for jernbanemateriell".
I henhold til kravene til sikkerhetsinnretninger om bord skal sikkerhetsintegritetsnivå 4 (SIL4) oppnås.
For å overholde SIL-4-nivået er alle eksisterende lokomotivsikringer bygget ved hjelp av majoritetslogikk, hvor beregninger utføres parallelt i to kanaler (eller flere) og resultatene sammenlignes for å ta en beslutning.
Beregningsenheten for behandling av data fra sensorer på ubemannede skiftelokomotiver er også bygget ved hjelp av et to-kanals skjema med en sammenligning av sluttresultatet.
Bruk av synssensorer, drift under forskjellige værforhold og i forskjellige miljøer krever en ny tilnærming til spørsmålet om å bevise sikkerheten til ubemannede kjøretøy.
I 2019 ble ISO/PAS 21448-standarden "Veibiler. Sikkerhet for definerte funksjoner (SOTIF). Et av hovedprinsippene i denne standarden er scenariotilnærmingen, som undersøker systemets oppførsel under ulike omstendigheter. Det totale antallet scenarier representerer uendelig. Den viktigste designutfordringen er å minimere region 2 og 3, som representerer kjente usikre scenarier og ukjente usikre scenarier.
Figur 15 Transformasjon av scenarier som følge av utvikling
Som en del av anvendelsen av denne tilnærmingen har spesialister fra JSC NIIAS analysert alle nye situasjoner (scenarier) siden oppstarten i 2017. Noen situasjoner som er vanskelige å møte i reell drift, løses ved hjelp av PKB CT-simulatoren.
Regulatoriske problemer
For å virkelig bytte til helautomatisk kontroll uten tilstedeværelse av en sjåfør i lokomotivkabinen, er det også nødvendig å løse regulatoriske problemer.
For øyeblikket har JSC Russian Railways godkjent en tidsplan for gjennomføring av arbeidet med regulatorisk støtte for implementering av tiltak for implementering av kontrollsystemer for rullende jernbanemateriell i automatisk modus. En av de viktigste sakene er oppdateringen av forskriften om prosedyre for offisiell etterforskning og registrering av transporthendelser som har resultert i skade på liv eller helse til borgere som ikke er relatert til produksjon i jernbanetransport. I samsvar med denne planen bør det i 2021 utvikles og godkjennes en pakke med dokumenter som regulerer driften av ubemannede jernbanekjøretøyer.
etterord
For øyeblikket er det ingen analoger i verden av ubemannede skiftelokomotiver som drives på Luzhskaya-stasjonen. Spesialister fra Frankrike (SNCF-selskap), Tyskland, Holland (Prorail-selskap), Belgia (Lineas-selskap) ble kjent med det utviklede kontrollsystemet i 2018-2019 og er interessert i å implementere lignende systemer. En av hovedoppgavene til JSC NIIAS er å utvide funksjonaliteten og replikere det opprettede styringssystemet både på russiske jernbaner og for utenlandske selskaper.
For tiden leder JSC Russian Railways også et prosjekt for å utvikle ubemannede elektriske tog "Lastochka". Figur 16 viser en demonstrasjon av prototypen for automatisk kontrollsystem for det elektriske toget ES2G Lastochka i august 2019 innenfor rammen. International Railway Salon space 1520 "PRO//Movement.Expo".
Figur 16. Demonstrasjon av driften av et ubemannet elektrisk tog på MCC
Å lage et ubemannet elektrisk tog er en mye vanskeligere oppgave på grunn av høye hastigheter, betydelige bremselengder, og sikre sikker på-/avstigning av passasjerer ved stoppesteder. For øyeblikket pågår testing aktivt ved MCC. En historie om dette prosjektet er planlagt publisert i nær fremtid.
Kilde: www.habr.com