鐵路上無人駕駛技術的開發早在很久以前就開始了，早在 1957 年，第一個用於郊區列車的實驗性自動駕駛系統就誕生了。 為了了解鐵路運輸自動化水平之間的差異，引入了 IEC-62290-1 標準中定義的等級。 與公路運輸不同，鐵路運輸有4個自動化程度，如圖1所示。
圖 1. 符合 IEC-62290 的自動化程度
幾乎所有在俄羅斯鐵路網上運行的列車都配備了與自動化級別 1 相對應的安全裝置。自動化級別為 2 的列車已在俄羅斯鐵路網上成功運行了 20 多年，配備了數千輛機車。 該級別由牽引力控制和製動算法實現，用於沿著給定路線進行能量最佳的列車引導，同時考慮到通過感應通道從軌道電路接收的自動機車信號系統的時間表和指示。 2 級的使用減少了駕駛員的疲勞，並提高了能源消耗和交通調度執行的準確性。
級別 3 假定駕駛室中可能沒有駕駛員，這需要實施視覺系統。
4 級意味著車上完全沒有司機，這需要對機車（電力列車）的設計進行重大改變。 例如，船上安裝了自動開關，如果在船上沒有人在場的情況下觸發它們，將無法再次觸發。
目前，達到 3 級和 4 級的項目正在由世界領先的公司實施，例如西門子、阿爾斯通、泰雷茲、SNCF、SBB 等。
西門子於 2018 年 3 月在 Innotrans 展覽會上展示了其在無人駕駛電車領域的項目。 該有軌電車自 2018 年起以 GoAXNUMX 自動化水平在波茨坦運營。
圖2 西門子電車
2019 年，西門子將其無人駕駛路線的長度增加了一倍多。
俄羅斯鐵路公司是世界上最早開始研發無人駕駛鐵路車輛的公司之一。 因此，2015 年，在 Luzhskaya 站啟動了一個項目，以實現 3 台調車機車的移動自動化，NIIAS JSC 擔任項目集成商和基礎技術開發商。
無人駕駛機車的創造是一個複雜的複雜過程，如果不與其他公司合作是不可能的。 因此，在 Luzhskaya 站，這些公司與 JSC NIIAS 一起參與：
- JSC“VNIKTI”在車載控制系統的開發方面；
- 西門子——在編組場（MSR-32系統）自動化操作和推車操作自動化方面；
- JSC "Radioavionika" 在控制箭頭、交通燈的微處理器聯鎖系統方面；
- PKB TsT - 創建模擬器；
- 俄羅斯鐵路作為項目協調員。
第一階段的任務是實現 2 級交通自動化，此時司機在組織調車工作的正常條件下不使用機車控制裝置。
在傳統調車機車的運行過程中，交通控制是通過調度員向司機發送語音命令並設置適當的路線（轉向箭頭、打開紅綠燈）來進行的。
當進入 2 級自動化時，所有語音通信都被通過數字安全無線電信道傳輸的命令系統所取代。 從技術上講，Luzhskaya 車站調車機車的管理建立在以下基礎上：
- 統一數字站模型；
- 控制調車機車運動的協議（用於發送命令和監控其執行）；
- 與電氣聯鎖系統交互以獲得有關指定路線、箭頭和信號位置的信息；
- 調車機車定位系統；
- 可靠的數字收音機。
到 2017 年，3 台 TEM-7A 調車機車 95% 的時間在 Luzhskaya 車站以全自動模式運行，執行以下操作：
- 沿給定路線自動移動；
- 自動進入貨車；
- 與貨車自動耦合；
- 將貨車推到編組場。
2017年啟動調車機車視覺系統項目，緊急情況下實現遠程控制。
2017 年 3 月，JSC NIIAS 專家安裝了第一個調車機車視覺系統原型，由雷達、激光雷達和攝像頭組成（圖 XNUMX）。
圖 3 第一版視覺系統
Luga視覺系統在2017-2018年的站內測試中，得出以下結論：
- 使用雷達檢測障礙物是不切實際的，因為鐵路上有大量具有良好反射率的金屬物體。 人們對他們背景的探測範圍不超過 60-70 米，此外，雷達的角分辨率不足，約為 1°。 我們的發現隨後得到了 SNCF（法國鐵路運營商）同事的測試結果的證實。
- 激光雷達以最小的噪音提供非常好的結果。 在降雪、下雨、起霧的情況下，物體的檢測範圍會出現非臨界性的下降。 然而，在 2017 年，激光雷達相當昂貴，這嚴重影響了該項目的經濟績效。
- 攝像頭是技術視覺系統不可或缺的組成部分，是檢測、物體分類和遠程控制等任務所必需的。 對於夜間和惡劣天氣條件下的操作，需要紅外熱像儀或具有能夠在近紅外範圍內工作的擴展波長范圍的熱像儀。
技術視覺的主要任務是檢測行進方向上的障礙物和其他物體，由於運動是沿著軌跡進行的，所以檢測是很有必要的。
圖 4. 多類分割（軌道、貨車）和使用二元掩碼確定軌道軸的示例
圖 4 顯示了軌跡檢測的示例。 為了明確地確定沿箭頭的移動路線，使用了關於箭頭位置的先驗信息，即交通信號燈的讀數，這些信息通過數字無線電信道從電氣聯鎖系統傳輸。 目前，世界鐵路上有一種趨勢，就是放棄紅綠燈，改用數字無線電頻道的控制系統。 對於高速交通尤其如此，因為在超過 200 公里/小時的速度下，很難注意到和識別交通信號燈的指示。 在俄羅斯，有兩個路段不使用紅綠燈運行 - 這是莫斯科中央環線和 Alpika-Service - Adler 線。
在冬季，可能會出現軌道完全被雪覆蓋，幾乎無法識別軌道的情況，如圖 5 所示。
圖 5 被雪覆蓋的軌道示例
在這種情況下，檢測到的物體是否干擾機車的運動，即是否在途中變得不清楚。 在 Luzhskaya 車站，在這種情況下，使用了車站的高精度數字模型和高精度機載導航系統。
此外，該站的數字模型是在基點大地測量的基礎上創建的。 然後，通過高精度定位系統對機車的多條通道進行處理，完成了所有軌道的地圖繪製。
圖6 Luzhskoy站軌道開發數字模型
車載定位系統最重要的參數之一是計算機車方位（方位角）的誤差。 機車的方向對於傳感器和它們檢測到的物體的正確方向是必要的。 方向角誤差為 1° 時，在 100 米距離處相對於路徑軸的物體坐標誤差將為 1,7 米。
圖7 定向誤差對橫向坐標誤差的影響
因此，以角度測量機車方位的最大允許誤差不應超過0,1°。 車載定位系統本身由兩個 RTK 模式的雙頻導航接收器組成，其天線沿機車的整個長度間隔開，以創建一個長底座、捷聯慣性導航系統並連接到車輪傳感器（里程表）。 調車機車坐標確定標準偏差不大於5厘米。
此外，在 Luzhskaya 站進行了關於使用 SLAM 技術（激光雷達和視覺）獲取額外位置數據的研究。
為此，結合軌距識別結果和基於定位的數字軌道模型數據，對盧日站調車機車軌距進行了確定。
障礙物檢測也基於以下幾種方式進行：
- 激光雷達數據；
- 立體視覺數據；
- 神經網絡的工作。
數據的主要來源之一是激光雷達，它通過激光掃描產生點雲。 在運行的算法中，主要使用經典的數據聚類算法。 作為研究的一部分，檢查了使用神經網絡執行聚類激光雷達點任務以及聯合處理激光雷達數據和來自攝像機的數據的有效性。 圖 8 顯示了一個激光雷達數據示例（具有不同反射率的點雲），顯示了 Luzhskaya 站一輛馬車背景下的假人。
圖 8. Luzhskaya 站激光雷達數據示例
圖 9 顯示了根據兩個不同激光雷達的數據從具有復雜形狀的汽車中提取聚類的示例。
圖 9. 激光雷達數據解釋為漏斗車集群的示例
另外，值得注意的是，最近激光雷達的成本幾乎下降了一個數量級，而它們的技術特性卻有所提高。 毫無疑問，這種趨勢將繼續下去。 Luzhskaya 站使用的激光雷達的物體探測範圍約為 150 米。
使用不同物理原理的立體相機也用於檢測障礙物。
圖 10. 來自立體對和檢測到的簇的視差圖
圖 10 顯示了立體相機數據的示例，其中檢測到桿、路箱和貨車。
為了在足以製動的距離處獲得足夠精度的點雲，有必要使用高分辨率相機。 增加圖像尺寸會增加獲得視差圖的計算成本。 由於佔用資源和系統響應時間的必要條件，需要不斷開發和測試從攝像機中提取有用數據的算法和方法。
算法的部分測試和驗證是使用鐵路模擬器進行的，該模擬器由 Design Bureau TsT 與 JSC NIIAS 共同開發。 例如，圖 11 顯示了使用模擬器來測試立體相機算法的操作。
圖 11. A、B - 來自模擬器的左幀和右幀； B——立體相機數據重建的頂視圖； D - 從模擬器重建立體相機圖像。
神經網絡的主要任務是檢測人、貨車及其分類。
為了在惡劣的天氣條件下工作，JSC NIIAS 專家還使用紅外攝像機進行了測試。
圖 12. 來自紅外攝像機的數據
來自所有傳感器的數據基於關聯算法進行集成，其中估計障礙物（物體）存在的概率。
而且，並非途中的所有物體都是障礙物；在進行調車作業時，機車必須與車廂自動耦合。
圖 13. 通過不同傳感器檢測障礙物的汽車入口可視化示例
在操作無人調車機車時，快速了解設備正在發生什麼，處於什麼狀態是極其重要的。 也有動物，例如狗，出現在機車前方的情況。 車載算法會自動停止機車，但如果狗不讓開，接下來該怎麼辦？
為了控制車上的情況並在緊急情況下做出決定，開發了一種固定式遠程控制和控制面板，旨在與車站的所有無人駕駛機車配合使用。 在 Luzhskaya 車站，它位於 EC 郵局。
圖 14 遠程控制與管理
在 Luzhskoy 車站，圖 14 所示的控制面板控制著三台調車機車的運行。 如有必要，使用此遙控器，您可以通過實時傳輸信息來控制其中一台連接的機車（考慮到無線電信道上的數據傳輸，延遲不超過 300 毫秒）。
功能安全問題
無人駕駛機車實施中最重要的問題是功能安全問題，由標準IEC 61508“與安全相關的電氣、電子、可編程電子系統的功能安全”（EN50126、EN50128、EN50129）、GOST 33435-2015定義“鐵路機車車輛的控制、監測和安全裝置”。
安全完整性等級 4 (SIL4) 需要符合車載安全設備的要求。
為了符合 SIL-4 級別，所有現有的機車安全設備都是根據多數邏輯構建的，其中在兩個（或多個）通道中並行執行計算，並比較結果以做出決定。
無人調車機車傳感器數據處理計算單元也是按照雙通道方案搭建的，並進行了最終結果對比。
視覺傳感器的使用，在各種天氣條件和不同環境下的工作需要一種新的方法來證明無人駕駛車輛的安全性。
2019年ISO/PAS 21448標準《道路車輛. 特定功能的安全性 (SOTIF)。 該標準的主要原則之一是場景方法，它考慮了系統在各種情況下的行為。 場景的總數是無限的。 主要設計目標是盡量減少代表已知不安全場景和未知不安全場景的區域 2 和 3。
圖 15 作為開發結果的腳本轉換
作為這種方法應用的一部分，JSC NIIAS 專家分析了自 2017 年開始運營以來出現的所有情況（情景）。 使用PKB TsT模擬器解決了一些在實際操作中難以遇到的情況。
監管問題
還必須解決監管問題，以便在機車駕駛室中沒有駕駛員在場的情況下真正轉向全自動控制。
目前，俄羅斯鐵路公司已經批准了實施監管支持工作的時間表，以實施引入鐵路機車車輛自動控制系統的措施。 最重要的問題之一是更新了與鐵路運輸生產無關的對公民生命或健康造成傷害的運輸事故內部調查和核算程序的規定。 根據該計劃，應在 2021 年制定並批准一攬子規範無人駕駛鐵路車輛運行的文件。
後記
目前，世界上還沒有在 Luzhskaya 車站運行的無人駕駛調車機車的類似物。 來自法國（SNCF 公司）、德國、荷蘭（Prorail 公司）、比利時（Lineas 公司）的專家在 2018-2019 年熟悉了開發的控制系統，並對實施此類系統感興趣。 JSC NIIAS 的主要任務之一是擴展功能並在俄羅斯鐵路和外國公司複製創建的管理系統。
目前，俄羅斯鐵路公司還在牽頭開發 Lastochka 無人駕駛電動列車的項目。 圖16為2年2019月ES1520G Lastochka電動列車自動控制系統樣機在框架內的演示。 Space XNUMX“PRO//Dvizhenie.Expo”國際鐵路沙龍。
圖 16. 無人駕駛電動列車在 MCC 的運行演示
由於速度快、制動距離長以及確保乘客在停靠點安全上下車，因此創建無人駕駛電動火車是一項艱鉅得多的任務。 目前，MCC 正在積極進行測試。 關於這個項目的故事計劃在不久的將來出版。
來源： www.habr.com