Demiryolunda insansız teknolojilerin geliştirilmesi oldukça uzun zaman önce, banliyö trenleri için ilk deneysel otomatik yönlendirme sisteminin oluşturulduğu 1957'de başladı. Demiryolu taşımacılığına yönelik otomasyon seviyeleri arasındaki farkı anlamak için IEC-62290-1 standardında tanımlanan bir derecelendirme getirilmiştir. Karayolu taşımacılığından farklı olarak demiryolu taşımacılığı, Şekil 4'de gösterilen 1 dereceli otomasyona sahiptir.
Şekil 1. IEC-62290'a göre otomasyon dereceleri
Rus Demiryolları ağında çalışan hemen hemen tüm trenler, otomasyon seviyesi 1'e karşılık gelen bir güvenlik cihazı ile donatılmıştır. Otomasyon seviyesi 2 olan trenler, Rusya demiryolu ağında 20 yıldan fazla bir süredir başarıyla işletilmektedir; birkaç bin lokomotif donatılmıştır. Bu seviye, ray devrelerinden endüktif bir kanal yoluyla alınan otomatik lokomotif sinyalizasyon sistemlerinin programı ve okumaları dikkate alınarak, trenin belirli bir rota boyunca enerji açısından optimum şekilde sürülmesi için çekiş kontrolü ve frenleme algoritmaları aracılığıyla uygulanır. Seviye 2'nin kullanılması sürücü yorgunluğunu azaltır ve enerji tüketiminde ve program yürütme doğruluğunda fayda sağlar.
Seviye 3, teknik bir görüş sisteminin uygulanmasını gerektiren, kabinde bir sürücünün bulunmaması ihtimalini varsayar.
Seviye 4, lokomotifin (elektrikli tren) tasarımında önemli bir değişiklik gerektiren, gemide bir sürücünün tamamen bulunmadığını varsayar. Örneğin, gemide, gemide kimse olmadan tetiklendiğinde sıfırlanmayacak devre kesiciler bulunmaktadır.
Şu anda Siemens, Alstom, Thales, SNCF, SBB ve diğerleri gibi dünyanın önde gelen şirketleri tarafından 3. ve 4. seviyeye ulaşmaya yönelik projeler uygulanıyor.
Siemens, sürücüsüz tramvaylar alanındaki projesini Eylül 2018'de Innotrans fuarında tanıttı. Bu tramvay 3 yılından bu yana Potsdam'da GoA2018 otomasyon seviyesiyle faaliyet göstermektedir.
Şekil 2 Siemens tramvayı
Siemens, 2019 yılında insansız rotanın uzunluğunu 2 kattan fazla artırdı.
Rus Demiryolları şirketi dünyada insansız demiryolu araçları geliştirmeye başlayan ilk şirketlerden biriydi. Böylece, 2015 yılında Luzhskaya istasyonunda, NIIAS JSC'nin proje entegratörü ve temel teknolojilerin geliştiricisi olarak görev yaptığı 3 manevra lokomotifinin hareketini otomatikleştirmek için bir proje başlatıldı.
İnsansız bir lokomotif oluşturmak, diğer şirketlerle işbirliği yapılmadan imkansız olan karmaşık ve karmaşık bir süreçtir. Bu nedenle Luzhskaya istasyonunda JSC NIIAS ile birlikte aşağıdaki şirketler katılıyor:
- JSC "VNIKTI" yerleşik bir kontrol sisteminin geliştirilmesi açısından;
- Siemens – tümsek çalışmasının (MSR-32 sistemi) otomatikleştirilmesi ve arabaların itilmesi işleminin otomatikleştirilmesi açısından;
- Anahtarları ve trafik ışıklarını kontrol eden mikroişlemcili merkezileştirme sistemleri açısından JSC Radioavionics;
- PKB CT – bir simülatörün oluşturulması;
- JSC Rus Demiryolları proje koordinatörü olarak.
İlk aşamada görev, sürücünün manevra işini organize etmek için normal koşullar altında lokomotif kontrollerini kullanmadığı durumlarda trafik otomasyonunun 2. seviyesini elde etmekti.
Geleneksel manevra lokomotiflerini çalıştırırken, trafik kontrolü, uygun rotaların ayarlanması (anahtarların hareket ettirilmesi, trafik ışıklarının açılması) ile sevk görevlisinden sürücüye sesli komutların iletilmesiyle gerçekleştirilir.
2. seviye otomasyona geçildiğinde, tüm sesli iletişimin yerini dijital güvenli radyo kanalı üzerinden iletilen bir komut sistemi aldı. Teknik olarak Luzhskaya istasyonundaki manevra lokomotiflerinin kontrolü aşağıdakiler temel alınarak inşa edildi:
- istasyonun birleşik dijital modeli;
- manevra lokomotiflerinin hareketinin kontrol edilmesine yönelik protokol (komutların gönderilmesi ve yürütmenin izlenmesi için);
- verilen rotalar, okların ve sinyallerin konumu hakkında bilgi elde etmek için elektrik merkezileştirme sistemi ile etkileşim;
- manevra lokomotifleri için konumlandırma sistemleri;
- güvenilir dijital radyo iletişimi.
2017 yılı itibarıyla 3 adet TEM-7A manevra lokomotifi Luzhskaya istasyonunda zamanın %95'inde tam otomatik modda çalışarak aşağıdaki işlemleri gerçekleştirmiştir:
- Belirli bir rota boyunca otomatik hareket;
- Arabalara otomatik erişim;
- Vagonlarla otomatik bağlantı;
- Arabaları tümseğe itmek.
2017 yılında manevra lokomotiflerine yönelik teknik görüş sisteminin oluşturulması ve acil durumlarda uzaktan kumandanın devreye alınması amacıyla proje başlatıldı.
Kasım 2017'de JSC NIIAS uzmanları, radarlar, lidar ve kameralardan oluşan manevra lokomotiflerine teknik görüş sisteminin ilk prototipini kurdu (Şekil 3).
Şekil 3 Teknik görüş sistemlerinin ilk versiyonları
2017 - 2018 yıllarında teknik görüş sisteminin Luga istasyonunda yapılan testler sırasında aşağıdaki sonuçlara varıldı:
- Demiryolunda iyi yansıtıcılığa sahip önemli sayıda metal nesne bulunduğundan, engelleri tespit etmek için radarların kullanılması pratik değildir. İnsanların arka plandaki algılama menzili 60-70 metreyi geçmez, ayrıca radarların açısal çözünürlüğü yetersizdir ve yaklaşık 1°'dir. Bulgularımız daha sonra SNCF'den (Fransız demiryolu işletmecisi) meslektaşlarımızın test sonuçlarıyla doğrulandı.
- Lidarlar minimum gürültü ile çok iyi sonuçlar verir. Kar yağışı, yağmur veya sis durumunda nesnelerin algılama menzilinde kritik olmayan bir azalma gözlemlenir. Ancak 2017 yılında lidarların oldukça pahalı olması projenin ekonomik performansını önemli ölçüde etkiledi.
- Kameralar teknik görüş sisteminin önemli bir unsurudur ve algılama, nesne sınıflandırma ve uzaktan kontrol görevleri için gereklidir. Gece ve zorlu hava koşullarında çalışmak için kızılötesi kameralara veya yakın kızılötesi aralığında çalışabilen, genişletilmiş dalga boyu aralığına sahip kameralara sahip olmak gerekir.
Teknik görüşün asıl görevi yol boyunca engelleri ve diğer nesneleri tespit etmektir ve hareket bir yol boyunca gerçekleştirildiği için onu tespit etmek gerekir.
Şekil 4. Çok sınıflı segmentasyon örneği (yol, arabalar) ve ikili maske kullanılarak yol ekseninin belirlenmesi
Şekil 4 tekerlek izi tespitinin bir örneğini göstermektedir. Oklar boyunca hareket rotasını kesin olarak belirlemek için, elektrik merkezileştirme sisteminden bir dijital radyo kanalı aracılığıyla iletilen okun konumu ve trafik ışığı okumaları hakkında ön bilgiler kullanılır. Şu anda dünya demiryollarında trafik ışıklarını bırakıp dijital radyo kanalı üzerinden kontrol sistemlerine geçme eğilimi var. Bu özellikle yüksek hızlı trafik için geçerlidir, çünkü 200 km/saatin üzerindeki hızlarda trafik ışıklarını fark etmek ve tanımak zorlaşır. Rusya'da trafik ışıkları kullanılmadan işletilen iki bölüm vardır - Moskova Merkez Çemberi ve Alpika-Servis - Adler hattı.
Kışın, Şekil 5'te gösterildiği gibi pistin tamamen kar örtüsü altında kaldığı ve pistin tanınmasının neredeyse imkansız hale geldiği durumlar ortaya çıkabilir.
Şekil 5 Karla kaplı pist örneği
Bu durumda tespit edilen nesnelerin lokomotifin hareketine engel olup olmadığı yani ray üzerinde olup olmadığı belirsiz hale gelmektedir. Bu durumda Luzhskaya istasyonunda istasyonun yüksek hassasiyetli dijital modeli ve yüksek hassasiyetli yerleşik navigasyon sistemi kullanılıyor.
Ayrıca istasyonun dijital modeli, baz noktalarının jeodezik ölçümleri esas alınarak oluşturulmuştur. Daha sonra lokomotiflerin birçok geçişinin yüksek hassasiyetli konumlandırma sistemiyle işlenmesine dayanarak tüm raylar boyunca bir harita tamamlandı.
Şekil 6 Luzhskoy istasyonunun yol gelişiminin dijital modeli
Araç üstü konumlandırma sistemi için en önemli parametrelerden biri lokomotifin yönünün (azimut) hesaplanmasındaki hatadır. Lokomotifin yönü, sensörlerin ve onlar tarafından algılanan nesnelerin doğru yönlendirilmesi için gereklidir. 1°'lik yönlendirme açısı hatasıyla, 100 metre mesafedeki yol eksenine göre nesne koordinatlarındaki hata 1,7 metre olacaktır.
Şekil 7 Oryantasyon hatasının yanal koordinat hatası üzerindeki etkisi
Bu nedenle lokomotifin açısal yöneliminin ölçümünde izin verilen maksimum hata 0,1°'yi aşmamalıdır. Yerleşik konumlandırma sisteminin kendisi, RTK modunda iki çift frekanslı navigasyon alıcısından oluşur; bunların antenleri, uzun bir taban oluşturmak için lokomotifin tüm uzunluğu boyunca aralıklıdır, kayışlı atalet navigasyon sistemi ve tekerlek sensörlerine (kilometre sayacı) bağlantı. Manevra lokomotifinin koordinatlarının belirlenmesindeki standart sapma 5 cm'den fazla değildir.
Ayrıca Luzhskaya istasyonunda ek konum verileri elde etmek amacıyla SLAM teknolojilerinin (lidar ve görsel) kullanımına yönelik araştırmalar yapıldı.
Sonuç olarak, Luzhskaya istasyonundaki manevra lokomotifleri için demiryolu hattının belirlenmesi, hat tanıma sonuçları ve konumlandırmaya dayalı dijital hat modeli verilerinin birleştirilmesiyle gerçekleştirilmektedir.
Engel tespiti ayrıca aşağıdakilere dayalı olarak çeşitli şekillerde gerçekleştirilir:
- lidar verileri;
- stereo görüş verileri;
- sinir ağlarının işleyişi.
Ana veri kaynaklarından biri, lazer taramadan bir nokta bulutu oluşturan lidarlardır. Kullanılan algoritmalar ağırlıklı olarak klasik veri kümeleme algoritmalarını kullanır. Araştırmanın bir parçası olarak, Lidar noktalarının kümelenmesinin yanı sıra Lidar verilerinin ve video kameralardan gelen verilerin ortak işlenmesi için sinir ağlarının kullanılmasının etkinliği test edildi. Şekil 8, Luzhskaya istasyonundaki bir vagonun arka planında bir kişinin mankenini gösteren bir lidar verisi örneğini (farklı yansımalara sahip bir nokta bulutu) göstermektedir.
Şekil 8. Luzhskoy istasyonundaki lidar verisi örneği
Şekil 9, iki farklı lidardan alınan verileri kullanarak karmaşık şekilli bir arabadan bir kümenin tanımlanmasına ilişkin bir örneği göstermektedir.
Şekil 9. Lidar verilerinin bir hazne arabasından küme şeklinde yorumlanmasına örnek
Ayrı ayrı, son zamanlarda lidarların maliyetinin neredeyse büyük ölçüde düştüğünü ve teknik özelliklerinin arttığını belirtmekte fayda var. Bu eğilimin devam edeceğine şüphe yoktur. Luzhskaya istasyonunda kullanılan lidarların nesnelerin tespit aralığı yaklaşık 150 metredir.
Engelleri tespit etmek için farklı bir fiziksel prensip kullanan bir stereo kamera da kullanılır.
Şekil 10. Bir stereo çiftinden ve tespit edilen kümelerden elde edilen eşitsizlik haritası
Şekil 10'da kutupların, izleme kutularının ve taşıyıcının algılandığı stereo kamera verilerinin bir örneği gösterilmektedir.
Frenleme için yeterli mesafedeki nokta bulutunun yeterli doğruluğunu elde edebilmek için yüksek çözünürlüklü kameraların kullanılması gerekmektedir. Görüntü boyutunun arttırılması, eşitsizlik haritasının elde edilmesinin hesaplama maliyetini artırır. İşgal edilen kaynaklar ve sistem tepki süresi için gerekli koşullar nedeniyle, video kameralardan faydalı verilerin çıkarılmasına yönelik algoritmaların ve yaklaşımların sürekli olarak geliştirilmesi ve test edilmesi gerekmektedir.
Algoritmaların test edilmesi ve doğrulanmasının bir kısmı, PKB TsT tarafından JSC NIIAS ile birlikte geliştirilen bir demiryolu simülatörü kullanılarak gerçekleştiriliyor. Örneğin, Şekil 11 stereo kamera algoritmalarının performansını test etmek için bir simülatörün kullanımını göstermektedir.
Şekil 11. A, B - simülatörden sol ve sağ kareler; B – bir stereo kameradan alınan verilerin yeniden yapılandırılmasının üstten görünümü; D - simülatörden stereo kamera görüntülerinin yeniden oluşturulması.
Sinir ağlarının asıl görevi insanları, arabaları ve bunların sınıflandırılmasını tespit etmektir.
Zorlu hava koşullarında çalışmak için JSC NIIAS uzmanları ayrıca kızılötesi kameralar kullanarak testler gerçekleştirdi.
Şekil 12. IR kameradan alınan veriler
Tüm sensörlerden gelen veriler, engellerin (nesnelerin) var olma olasılığının değerlendirildiği ilişkilendirme algoritmalarına dayalı olarak entegre edilir.
Üstelik ray üzerindeki tüm nesneler engel değildir; manevra işlemleri yapılırken lokomotifin otomatik olarak vagonlara bağlanması gerekir.
Şekil 13. Engel algılamalı bir araca yaklaşımın farklı sensörler tarafından görselleştirilmesine bir örnek
İnsansız manevra lokomotiflerini çalıştırırken, ekipmanda neler olduğunu ve hangi durumda olduğunu hızlı bir şekilde anlamak son derece önemlidir. Lokomotifin önünde köpek gibi bir hayvanın belirdiği durumlar da mümkündür. Yerleşik algoritmalar lokomotifi otomatik olarak durduracaktır, ancak köpek yoldan çekilmezse ne yapmalı?
Gemideki durumu izlemek ve acil durumlarda karar vermek amacıyla istasyondaki tüm insansız lokomotiflerle çalışacak şekilde tasarlanmış sabit bir uzaktan kumanda ve izleme paneli geliştirildi. Luzhskaya istasyonunda EC postasında bulunur.
Şekil 14 Uzaktan kontrol ve izleme
Luzhskoy istasyonunda Şekil 14'te gösterilen kontrol paneli üç manevra lokomotifinin çalışmasını kontrol etmektedir. Gerekirse, bu uzaktan kumandayı kullanarak, bilgileri gerçek zamanlı olarak ileterek bağlı lokomotiflerden birini kontrol edebilirsiniz (radyo kanalı üzerinden veri iletimi dikkate alınarak gecikme 300 ms'yi geçemez).
Fonksiyonel güvenlik sorunları
İnsansız lokomotifleri devreye alırken en önemli konu, IEC 61508 “Güvenlikle ilgili elektrikli, elektronik, programlanabilir elektronik sistemlerin işlevsel güvenliği” (EN50126, EN50128, EN50129), GOST 33435-2015 “Cihazlar” standartlarıyla tanımlanan fonksiyonel güvenlik konusudur. demiryolu taşıtlarının kontrolü, izlenmesi ve güvenliği için".
Araç üstü güvenlik cihazlarının gereksinimlerine uygun olarak güvenlik bütünlüğü seviyesi 4'e (SIL4) ulaşılmalıdır.
SIL-4 seviyesine uyum sağlamak için mevcut tüm lokomotif güvenlik cihazları, hesaplamaların iki kanalda (veya daha fazla) paralel olarak yapıldığı ve karar vermek için sonuçların karşılaştırıldığı çoğunluk mantığı kullanılarak inşa edilmiştir.
İnsansız manevra lokomotiflerindeki sensörlerden gelen verileri işlemeye yönelik hesaplama ünitesi de, nihai sonucun karşılaştırılmasını içeren iki kanallı bir şema kullanılarak oluşturulmuştur.
Görüş sensörlerinin kullanılması, farklı hava koşullarında ve farklı ortamlarda çalıştırılması, insansız araçların güvenliğinin kanıtlanması konusuna yeni bir yaklaşım gerektirmektedir.
2019 yılında ISO/PAS 21448 standardı “Karayolu araçları. Tanımlı İşlevlerin Güvenliği (SOTIF). Bu standardın temel ilkelerinden biri, sistemin çeşitli durumlardaki davranışını inceleyen senaryo yaklaşımıdır. Toplam senaryo sayısı sonsuzluğu temsil eder. Ana tasarım zorluğu, bilinen güvensiz senaryoları ve bilinmeyen güvensiz senaryoları temsil eden 2. ve 3. bölgeleri en aza indirmektir.
Şekil 15 Geliştirme sonucunda senaryoların dönüşümü
Bu yaklaşımın uygulanmasının bir parçası olarak, JSC NIIAS uzmanları, 2017 yılında faaliyete geçmesinden bu yana ortaya çıkan tüm durumları (senaryoları) analiz etti. Gerçek operasyonda karşılaşılması zor olan bazı durumlar, PKB CT simülatörü kullanılarak çözülmektedir.
Mevzuat Sorunları
Lokomotif kabininde bir sürücü bulunmadan tam otomatik kontrole gerçek anlamda geçiş yapabilmek için düzenleme sorunlarının da çözülmesi gerekiyor.
Şu anda, Rusya Demiryolları JSC'si, demiryolu demiryolu taşıtları için kontrol sistemlerinin otomatik modda uygulanmasına yönelik önlemlerin uygulanmasına yönelik düzenleyici destek çalışmalarının uygulanmasına yönelik bir programı onayladı. En önemli konulardan biri demiryolu taşımacılığında üretimle ilgili olmayan vatandaşların hayatına veya sağlığına zarar veren taşıma olaylarının resmi soruşturma ve kayıt altına alınması usulüne ilişkin Yönetmeliğin güncellenmesidir. Bu plan doğrultusunda 2021 yılında insansız demiryolu araçlarının işleyişini düzenleyen bir belge paketinin geliştirilip onaylanması gerekiyor.
Послесловие
Şu anda Luzhskaya istasyonunda çalıştırılan insansız manevra lokomotiflerinin dünyasında hiçbir analog yok. Fransa (SNCF şirketi), Almanya, Hollanda (Prorail şirketi), Belçika'dan (Lineas şirketi) uzmanlar, 2018-2019'da geliştirilen kontrol sistemine aşina oldu ve benzer sistemleri uygulamakla ilgileniyorlar. JSC NIIAS'ın ana görevlerinden biri, işlevselliği genişletmek ve oluşturulan yönetim sistemini hem Rus demiryollarında hem de yabancı şirketler için çoğaltmaktır.
Şu anda JSC Rus Demiryolları, insansız elektrikli trenler “Lastochka” geliştirme projesine de liderlik ediyor. Şekil 16, çerçeve kapsamında Ağustos 2'da ES2019G Lastochka elektrikli trenine yönelik prototip otomatik kontrol sisteminin bir gösterimini göstermektedir. Uluslararası Demiryolu Salonu alanı 1520 "PRO//Movement.Expo".
Şekil 16. İnsansız elektrikli trenin MCC üzerinde çalışmasının gösterilmesi
İnsansız bir elektrikli tren yaratmak, yüksek hızlar, önemli fren mesafeleri ve durma noktalarında yolcuların güvenli bir şekilde binip inmesinin sağlanması nedeniyle çok daha zor bir iştir. Şu anda MCC'de testler aktif olarak devam ediyor. Bu projeyle ilgili bir hikayenin yakın gelecekte yayınlanması planlanıyor.
Kaynak: habr.com