Utvecklingen av obemannad teknik på järnvägen började för ganska länge sedan, redan 1957, när det första experimentella autopilotkomplexet för förortståg skapades. För att förstå skillnaden mellan automationsnivåerna för järnvägstransporter införs en gradering, definierad i IEC-62290-1-standarden. Till skillnad från vägtransporter har järnvägstransporter 4 grader av automatisering, som visas i figur 1.
Figur 1. Grader av automatisering enligt IEC-62290
Nästan alla tåg som trafikerar det ryska järnvägsnätet är utrustade med en säkerhetsanordning som motsvarar automationsnivå 1. Tåg med automationsnivå 2 har framgångsrikt körts på det ryska järnvägsnätet i mer än 20 år, flera tusen lok är utrustade. Denna nivå implementeras av traction control och bromsalgoritmer för energioptimal tågledning längs en given rutt, med hänsyn tagen till schemat och indikationerna för automatiska loksignalsystem som tas emot via en induktiv kanal från spårkretsar. Användningen av nivå 2 minskar tröttheten hos föraren och ger en vinst i energiförbrukning och noggrannhet i genomförandet av trafikschemat.
Nivå 3 förutsätter eventuell frånvaro av föraren i hytten, vilket kräver implementering av ett visionsystem.
Nivå 4 innebär fullständig frånvaro av en förare ombord, vilket kräver en betydande förändring av lokets design (elektriska tåg). Till exempel är automatiska strömbrytare installerade ombord, som inte kommer att vara möjliga att spänna igen om de utlöses utan närvaro av en person ombord.
För närvarande genomförs projekt för att uppnå nivåerna 3 och 4 av världens ledande företag, såsom Siemens, Alstom, Thales, SNCF, SBB och andra.
Siemens presenterade sitt projekt inom området obemannade spårvagnar i september 2018 på Innotrans-utställningen. Denna spårvagn har varit i drift i Potsdam med GoA3 automationsnivå sedan 2018.
Figur 2 Siemens spårvagn
Under 2019 mer än fördubblade Siemens längden på sin obemannade rutt.
Russian Railways är ett av de första företagen i världen att börja utveckla obemannade järnvägsfordon. Sålunda, 2015, vid Luzhskaya-stationen, lanserades ett projekt för att automatisera rörelsen av 3 växlingslok, där NIIAS JSC agerade som projektintegratör och utvecklare av grundläggande teknik.
Skapandet av ett obemannat lok är en komplex komplex process som är omöjlig utan samarbete med andra företag. Därför, på Luzhskaya-stationen, tillsammans med JSC NIIAS, deltar sådana företag som:
- JSC "VNIKTI" när det gäller utvecklingen av kontrollsystemet ombord;
- Siemens - när det gäller att automatisera driften av rangergården (MSR-32-systemet) och automatisera driften av drivande bilar;
- JSC "Radioavionika" när det gäller mikroprocessorförreglingssystem som styr pilar, trafikljus;
- PKB TsT - skapande av en simulator;
- Ryska järnvägarna som projektkoordinator.
I det första skedet var uppgiften att uppnå nivå 2 av trafikautomatisering, då föraren under normala förhållanden för att organisera växlingsarbete inte använder lokstyrningarna.
Under driften av konventionella växlingslok utförs trafikkontroll genom att sända röstkommandon från avsändaren till föraren med inställning av lämpliga rutter (svängning av pilar, tända trafikljus).
När man flyttade till nivå 2 av automatisering ersattes all röstkommunikation av ett system av kommandon som överfördes över en digital säker radiokanal. Tekniskt sett byggdes hanteringen av växlingslok vid Luzhskaya-stationen på basis av:
- enhetlig digital stationsmodell;
- protokoll för att kontrollera rörelsen av växlingslok (för att skicka kommandon och övervaka deras utförande);
- interaktion med det elektriska förreglingssystemet för att få information om de angivna vägarna, pilarnas och signalernas position;
- positioneringssystem för växling av lok;
- pålitlig digitalradio.
År 2017 körde 3 TEM-7A växlingslok 95 % av tiden på Luzhskaya-stationen i ett helautomatiskt läge och utförde följande operationer:
- Automatisk rörelse längs en given rutt;
- Automatisk åtkomst till vagnar;
- Automatisk koppling med vagnar;
- Skjutar in vagnar på en rangergård.
Under 2017 lanserades ett projekt för att skapa ett visionsystem för växling av lok och införa fjärrstyrning vid nödsituationer.
I november 2017 installerade JSC NIIAS-specialister den första prototypen av ett visionsystem för växlingslok, bestående av radar, lidar och kameror (Figur 3).
Figur 3 Första versionerna av visionsystem
Under testerna vid stationen för Luga vision-systemet 2017-2018 drogs följande slutsatser:
- Användningen av radar för att upptäcka hinder är opraktisk, eftersom järnvägen har ett betydande antal metallföremål med god reflektivitet. Detektionsområdet för människor mot deras bakgrund överstiger inte 60-70 meter, dessutom har radar otillräcklig vinkelupplösning och är cirka 1 °. Våra fynd bekräftades därefter av testresultaten från kollegor från SNCF (fransk järnvägsoperatör).
- Lidars ger mycket bra resultat med minimalt brus. Vid snöfall, regn, dimma sker en icke-kritisk minskning av objektens upptäcktsområde. Men 2017 var lidarerna ganska dyra, vilket avsevärt påverkade projektets ekonomiska prestanda.
- Kameror är en oumbärlig del av det tekniska visionsystemet och är nödvändiga för uppgifterna detektering, objektklassificering och fjärrkontroll. För drift på natten och svåra väderförhållanden är det nödvändigt att ha infraröda kameror eller kameror med ett utökat våglängdsområde som kan fungera i det nära infraröda området.
Huvuduppgiften för teknisk vision är att upptäcka hinder och andra föremål i färdriktningen, och eftersom rörelsen utförs längs banan är det nödvändigt att upptäcka det.
Figur 4. Ett exempel på segmentering i flera klasser (spår, vagnar) och bestämning av spåraxeln med hjälp av en binär mask
Figur 4 visar ett exempel på spårdetektering. För att entydigt bestämma rörelsevägen längs pilarna, används a priori information om pilens position, avläsningarna av trafikljus, sänd via en digital radiokanal från det elektriska förreglingssystemet. Just nu finns det en trend på världens järnvägar att överge trafikljus och gå över till styrsystem via en digital radiokanal. Detta gäller särskilt för höghastighetstrafik, eftersom det vid hastigheter över 200 km/h blir svårt att märka och känna igen indikationerna på trafikljus. I Ryssland finns det två sektioner som drivs utan användning av trafikljus - det här är Moskvas centralring och Alpika-Service - Adler-linjen.
På vintern kan situationer uppstå när banan är helt täckt av snö och igenkänningen av banan blir nästan omöjlig, som visas i figur 5.
Figur 5 Exempel på ett spår täckt med snö
I det här fallet blir det oklart om de upptäckta föremålen stör lokomotivets rörelse, det vill säga om de är på väg eller inte. På Luzhskaya-stationen används i det här fallet en digital modell med hög precision av stationen och ett högprecisionssystem för navigering ombord.
Dessutom skapades den digitala modellen av stationen på basis av geodetiska mätningar av baspunkter. Sedan, baserat på bearbetningen av många passager av lok med ett positioneringssystem med hög precision, färdigställdes en karta längs alla spår.
Figur 6 Digital modell av spårutveckling av Luzhskoy station
En av de viktigaste parametrarna för positioneringssystemet ombord är felet vid beräkning av lokets orientering (azimut). Lokomotivets orientering är nödvändig för korrekt orientering av sensorerna och föremål som detekteras av dem. Med ett orienteringsvinkelfel på 1° blir felet på objektets koordinater relativt banaxeln på ett avstånd av 100 meter 1,7 meter.
Figur 7 Orienteringsfelets inverkan på det tvärgående koordinatfelet
Därför bör det maximalt tillåtna felet vid mätning av lokets orientering i termer av vinkel inte överstiga 0,1°. Själva positioneringssystemet ombord består av två navigeringsmottagare med dubbla frekvenser i RTK-läge, vars antenner är placerade längs hela lokets längd för att skapa en lång bas, strapdown-tröghetsnavigeringssystem och anslutning till hjulsensorer (vägmätare). Standardavvikelsen för att bestämma koordinaterna för växlingsloket är inte mer än 5 cm.
Dessutom genomfördes studier vid Luzhskaya-stationen om användningen av SLAM-teknik (lidar och visuell) för att få ytterligare positionsdata.
Som ett resultat utförs bestämningen av spårvidden för växlingslokomotiv vid Luzhskaya-stationen genom att kombinera resultaten av spårviddsidentifiering och digitala spårmodelldata baserat på positionering.
Hinderdetektering utförs också på flera sätt baserat på:
- lidar data;
- stereovisionsdata;
- neurala nätverks arbete.
En av de viktigaste datakällorna är lidarer, som producerar ett moln av punkter från laserskanning. I de algoritmer som är i drift används främst klassiska dataklustringsalgoritmer. Som en del av forskningen kontrolleras effektiviteten av att använda neurala nätverk för uppgiften att gruppera lidarpunkter, samt för gemensam bearbetning av lidardata och data från videokameror. Figur 8 visar ett exempel på lidardata (ett moln av punkter med olika reflektionsförmåga) som visar en mänsklig dummy mot bakgrunden av en vagn vid Luzhskaya-stationen.
Figur 8. Exempel på data från lidar vid Luzhskaya station
Figur 9 visar ett exempel på att extrahera ett kluster från en bil med en komplex form enligt data från två olika lidarer.
Figur 9. Ett exempel på tolkning av lidardata som ett kluster från en trattvagn
Separat är det värt att notera att kostnaden för lidarer nyligen har sjunkit med nästan en storleksordning och deras tekniska egenskaper har vuxit. Det råder ingen tvekan om att denna trend kommer att fortsätta. Detekteringsräckvidden för föremål av lidarer som används vid Luzhskaya-stationen är cirka 150 meter.
En stereokamera som använder en annan fysisk princip används också för att upptäcka hinder.
Figur 10. Disparitetskarta från ett stereopar och detekterade kluster
Figur 10 visar ett exempel på stereokameradata med detektering av stolpar, wayboxar och en vagn.
För att få tillräcklig noggrannhet av punktmolnet på ett tillräckligt avstånd för bromsning är det nödvändigt att använda högupplösta kameror. Att öka bildstorleken ökar beräkningskostnaden för att erhålla disparitetskartan. På grund av de nödvändiga förutsättningarna för de resurser som upptas och systemets svarstid är det nödvändigt att ständigt utveckla och testa algoritmer och metoder för att extrahera användbar data från videokameror.
En del av testningen och verifieringen av algoritmerna utförs med hjälp av en järnvägssimulator, som utvecklas av Design Bureau TsT tillsammans med JSC NIIAS. Till exempel visar figur 11 användningen av en simulator för att testa funktionen hos stereokameraalgoritmer.
Figur 11. A, B - vänster och höger ramar från simulatorn; B – ovanifrån av rekonstruktionen av data från en stereokamera; D - rekonstruktion av stereokamerabilder från simulatorn.
Huvuduppgiften för neurala nätverk är upptäckten av människor, vagnar och deras klassificering.
För att arbeta under svåra väderförhållanden utförde JSC NIIAS-specialister även tester med infraröda kameror.
Figur 12. Data från IR-kameran
Data från alla sensorer är integrerade baserat på associationsalgoritmer, där sannolikheten för förekomsten av hinder (objekt) uppskattas.
Dessutom är inte alla föremål på vägen hinder, när man utför växlingsoperationer måste loket automatiskt kopplas ihop med bilarna.
Figur 13. Ett exempel på visualisering av ingången till bilen med detektering av hinder av olika sensorer
När man kör obemannade växlingslok är det oerhört viktigt att snabbt förstå vad som händer med utrustningen, i vilket skick den är. Det finns också situationer när ett djur, till exempel en hund, dyker upp framför loket. Algoritmer ombord kommer automatiskt att stoppa loket, men vad ska man göra härnäst om hunden inte går ur vägen?
För att kontrollera situationen ombord och fatta beslut i nödsituationer har en stationär fjärrkontroll och kontrollpanel utvecklats, designad för att fungera med alla obemannade lok på stationen. Vid stationen Luzhskaya ligger den vid EG-posten.
Figur 14 Fjärrkontroll och hantering
Vid Luzhskoy-stationen styr kontrollpanelen som visas i figur 14 driften av tre växlingslok. Om det behövs, med hjälp av denna fjärrkontroll, kan du styra ett av de anslutna loken genom att överföra information i realtid (fördröjningen är inte mer än 300 ms, med hänsyn tagen till dataöverföring över radiokanalen).
Funktionssäkerhetsfrågor
Den viktigaste frågan vid implementeringen av obemannade lok är frågan om funktionell säkerhet, definierad av standarderna IEC 61508 "Funktionell säkerhet för elektriska, elektroniska, programmerbara elektroniska system relaterade till säkerhet" (EN50126, EN50128, EN50129), GOST 33435-2015 "Kontroll-, övervaknings- och säkerhetsanordningar för den rullande järnvägsmaterielen".
Säkerhetsintegritetsnivå 4 (SIL4) krävs för att uppfylla kraven för säkerhetsanordningar ombord.
För att uppfylla SIL-4-nivån byggs alla befintliga loksäkerhetsanordningar enligt majoritetslogiken, där beräkningar görs parallellt i två kanaler (eller fler) med en jämförelse av resultaten för att fatta beslut.
Beräkningsenheten för bearbetning av data från sensorer på obemannade växlingslok är också byggd enligt ett tvåkanalsschema med en jämförelse av slutresultatet.
Användningen av synsensorer, arbete under olika väderförhållanden och i olika miljöer kräver ett nytt förhållningssätt till frågan om att bevisa säkerheten för obemannade fordon.
2019, ISO/PAS 21448-standarden "Vägfordon. Säkerhet för specificerade funktioner (SOTIF). En av huvudprinciperna för denna standard är scenariometoden, som tar hänsyn till systemets beteende under olika omständigheter. Det totala antalet scenarier är oändligt. Det primära designmålet är att minimera områden 2 och 3 som representerar kända osäkra scenarier och okända osäkra scenarier.
Figur 15 Skripttransformation som ett resultat av utveckling
Som en del av tillämpningen av detta tillvägagångssätt har JSC NIIAS-specialister analyserat alla nya situationer (scenarier) sedan driftstarten 2017. Vissa av de situationer som är svåra att möta i verklig drift utarbetas med hjälp av PKB TsT-simulatorn.
Regleringsfrågor
Regulatoriska frågor måste också åtgärdas för att verkligen gå över till helautomatisk kontroll utan närvaro av föraren i lokets hytte.
För närvarande har Russian Railways godkänt en tidsplan för genomförandet av arbetet med regelstöd för genomförandet av åtgärder för att införa automatiska kontrollsystem för rullande järnvägsmateriel. En av de viktigaste frågorna är uppdateringen av bestämmelserna om förfarandet för intern utredning och redovisning av transportolyckor som orsakat skada på medborgares liv eller hälsa som inte är relaterad till produktion inom järnvägstransporter. I enlighet med denna plan bör ett paket med dokument som reglerar driften av obemannade järnvägsfordon under 2021 utvecklas och godkännas.
efterordet
För närvarande finns det inga analoger av obemannade växlingslok i världen, som drivs vid Luzhskaya-stationen. Specialister från Frankrike (SNCF-företag), Tyskland, Holland (Prorail-företag), Belgien (Lineas-företag) bekantade sig med det utvecklade styrsystemet 2018-2019 och är intresserade av att implementera sådana system. En av JSC NIIAS huvuduppgifter är att utöka funktionaliteten och replikera det skapade ledningssystemet både på ryska järnvägar och för utländska företag.
För närvarande leder Ryska järnvägarna också ett projekt för att utveckla lastochka obemannade elektriska tåg. Figur 16 visar en demonstration av en prototyp av det automatiska styrsystemet för det elektriska tåget ES2G Lastochka i augusti 2019 inom ramen. International Railway Salon of Space 1520 "PRO//Dvizhenie.Expo".
Figur 16. Demonstration av driften av ett obemannat elektriskt tåg vid MCC
Att skapa ett obemannat elektriskt tåg är en mycket svårare uppgift på grund av höga hastigheter, betydande bromssträckor och säkerställande av säker på- och avstigning av passagerare vid stopppunkter. För tillfället genomförs tester aktivt på MCC. En berättelse om detta projekt planeras att publiceras inom en snar framtid.
Källa: will.com