Get best of the week

Le développement de la technologie sans pilote dans le transport ferroviaire

Le développement des technologies sans pilote sur le chemin de fer a commencé il y a longtemps, déjà en 1957, lorsque le premier ensemble expérimental de conduite automatique pour les trains de banlieue a été créé. Pour comprendre la différence entre les niveaux d'automatisation du transport ferroviaire, la gradation définie dans la norme CEI-62290-1 est introduite. Contrairement au transport routier, le chemin de fer dispose de 4 degrés d'automatisation, comme le montre la figure 1.

image
Figure 1. Degrés d'automatisation selon CEI-62290

Presque tous les trains circulant sur le réseau des chemins de fer russes sont équipés d'un dispositif de sécurité correspondant au niveau d'automatisation 1. Les trains avec un niveau d'automatisation de 2 sont exploités avec succès sur le réseau ferroviaire russe depuis plus de 20 ans, plusieurs mille locomotives. Ce niveau est mis en œuvre grâce aux algorithmes de contrôle de la traction et de freinage du guidage ferroviaire à énergie optimale le long d'un itinéraire donné, en tenant compte du calendrier et des indications des systèmes de signalisation automatique des locomotives reçus via un canal inductif des circuits ferroviaires. L'utilisation du niveau 2 réduit la fatigue du conducteur et donne un gain en consommation d'énergie et en précision d'exécution du programme de mouvement.

Le niveau 3 implique l'absence possible d'un conducteur dans la cabine, ce qui nécessite l'introduction d'un système de vision.

Le niveau 4 implique l'absence totale du conducteur à bord, ce qui nécessite un changement important dans la conception de la locomotive (train électrique). Par exemple, des disjoncteurs embarqués sont installés, qui seront impossibles à recharger lorsqu'ils fonctionnent sans la présence d'une personne à bord.

Actuellement, des projets pour atteindre les niveaux 3 et 4 sont mis en œuvre par des entreprises leaders dans le monde, telles que Siemens, Alstom, Thales, SNCF, CFF et autres.

Siemens a dévoilé son projet dans le domaine des tramways sans pilote en septembre 2018 au salon Innotrans. Ce tram fonctionne à Potsdam avec un niveau d'automatisation GoA3 depuis 2018.

Figure 2 Tramway de Siemens
En 2019, Siemens a augmenté de plus de 2 fois la longueur de l'itinéraire sans pilote.
Les chemins de fer russes ont été l'une des premières entreprises au monde à développer des véhicules ferroviaires sans pilote. Ainsi, en 2015, un projet d'automatisation du mouvement de 3 locomotives de manœuvre a été lancé à la gare de Lugskaya, où NIIAS JSC a agi en tant qu'intégrateur du projet et développeur de technologies de base.

La création d'une locomotive sans pilote est un processus complexe complexe, impossible sans coopération avec d'autres entreprises. Par conséquent, à la station de Luga, en collaboration avec JSC NIIAS, les entreprises qui participent:

  • VNIKTI JSC concernant le développement d'un système de contrôle embarqué;
  • Siemens - en termes d'automatisation de la glissière de tri (système MSR-32) et d'automatisation de l'opération de poussée du chariot;
  • Radioavionika JSC en termes de systèmes de centralisation à microprocesseur contrôlant les flèches, les feux de signalisation;
  • PKB CT - création d'un simulateur;
  • Chemins de fer russes en tant que coordinateur de projet.

Lors de la première étape, la tâche consistait à atteindre le niveau 2 d'automatisation du trafic, lorsque le conducteur, dans les conditions standard d'organisation des manœuvres, n'utilisait pas les commandes de locomotive.

Dans le fonctionnement des locomotives de manœuvre conventionnelles, le contrôle du trafic est effectué en transmettant des commandes vocales du répartiteur au conducteur en définissant les itinéraires appropriés (en commutant les flèches, en allumant les feux de circulation).

Lors du passage au niveau d'automatisation 2, toutes les communications vocales ont été remplacées par un système de commandes transmises sur un canal radio protégé numériquement. Techniquement, la gestion des locomotives de manœuvre de la gare de Luga s'est construite sur la base de:

  • modèle de station numérique unifiée;
  • protocole de contrôle du mouvement des locomotives de manœuvre (pour l'envoi des commandes et le suivi de l'exécution);
  • interagir avec le système de centralisation électrique pour obtenir des informations sur les itinéraires donnés, la position des flèches et des signaux;
  • systèmes de positionnement pour locomotives de manœuvre;
  • communications radio numériques fiables.

En 2017, 3 locomotives de manœuvre TEM-7A travaillaient 95% du temps à la gare de Luzhskaya en mode entièrement automatique, effectuant les opérations suivantes:

  • Mouvement automatique sur un itinéraire donné;
  • Accès automatique aux voitures;
  • Attelage automatique avec wagons;
  • Poussée de voitures sur une glissière de tri.

En 2017, un projet a été lancé pour créer un système de vision pour les locomotives de manœuvre et pour introduire la télécommande en cas d'urgence.

En novembre 2017, les spécialistes de NIIAS JSC ont installé le premier prototype du système de vision technique pour locomotives de manœuvre, composé de radars, lidar et caméras (figure 3).

Figure 3 Les premières versions des systèmes de vision

Lors des tests à la station du système de vision Luga en 2017-2018, les conclusions suivantes ont été tirées:

  • , . 60-70 , , 1°. SNCF ( ).
  • . , , . , 2017 , .
  • Les caméras sont un élément indispensable du système de vision technique et sont nécessaires pour les tâches de détection, de classification des objets, ainsi que de télécommande. Pour travailler la nuit et dans des conditions météorologiques difficiles, il est nécessaire d'avoir des caméras infrarouges ou des caméras avec une plage de longueur d'onde étendue qui peuvent fonctionner dans la plage proche infrarouge.

La tâche principale de la vision technique est de détecter les obstacles et autres objets dans le sens de la marche, et comme le mouvement s'effectue le long d'une ornière, il est nécessaire de le détecter.

Figure 4. Exemple de segmentation multi-classes (piste, wagons) et détermination de l'axe du chemin à l'aide d'un masque binaire La

figure 4. montre un exemple de détection de piste. Afin de déterminer sans ambiguïté l'itinéraire de déplacement le long des flèches, des informations a priori sont utilisées sur la position de la flèche, les indications des feux tricolores, transmises via un canal radio numérique à partir du système de centralisation électrique. Actuellement, les chemins de fer mondiaux ont tendance à abandonner les feux de circulation et à passer à des systèmes de radiocommande numériques. Cela est particulièrement vrai pour le trafic à grande vitesse, car à des vitesses supérieures à 200 km / h, il devient difficile de remarquer et de reconnaître l'indication des feux de circulation. En Russie, il y a deux sections exploitées sans feux de circulation - il s'agit de l'anneau central de Moscou et de la ligne Alpika-Service - Adler.

En hiver, des situations peuvent survenir lorsque la piste est complètement sous le manteau neigeux et que la reconnaissance de la piste devient presque impossible, comme le montre la figure 5.

Figure 5 Exemple de piste recouverte de neige

Dans ce cas, il devient difficile de savoir si les objets détectés interfèrent avec le mouvement de la locomotive, c'est-à-dire s'ils sont en route ou non. Dans ce cas, à la station de Luzhskaya, un modèle numérique de haute précision de la station et un système de navigation embarqué de haute précision sont utilisés.

De plus, le modèle numérique de la station a été créé sur la base de mesures géodésiques des points de base. Puis, sur la base du traitement de nombreuses allées de locomotives avec un système de positionnement de haute précision, une carte a été construite le long de tous les itinéraires.

Figure 6 Modèle numérique du développement de la voie de la gare de Luga

L'un des paramètres les plus importants du système de positionnement embarqué est l'erreur de calcul de l'orientation (azimut) de la locomotive. L'orientation de la locomotive est nécessaire pour l'orientation correcte des capteurs et des objets qu'ils ont détectés. Avec une erreur d'angle d'orientation de 1 °, l'erreur des coordonnées de l'objet par rapport à l'axe du chemin à une distance de 100 mètres sera de 1,7 mètre.

Figure 7 L'effet de l'erreur d'orientation sur l'erreur de coordonnées transversales

Par conséquent, l'erreur maximale tolérée dans la mesure de l'orientation de la locomotive dans l'angle ne doit pas dépasser 0,1 °. Le système de positionnement embarqué lui-même se compose de deux récepteurs de navigation à double fréquence en mode RTK, dont les antennes sont espacées sur toute la longueur de la locomotive pour créer une base longue, un système de navigation inertielle à sangle et se connecter à des capteurs de roue (odomètres). L'écart type de la détermination des coordonnées de la locomotive de manœuvre n'est pas supérieur à 5 cm.

De plus, des études ont été menées à la gare de Luzhskaya sur l'utilisation des technologies SLAM (lidar et visuel) pour obtenir des données de localisation supplémentaires.
En conséquence, la détermination de la voie ferrée pour les locomotives de manœuvre à la gare de Luzhskaya est effectuée en combinant les résultats de la reconnaissance de la voie et les données numériques du modèle de voie en fonction du positionnement.

La détection d'obstacles est également effectuée de plusieurs manières en fonction:

  • données lidar;
  • données de vision stéréo;
  • le travail des réseaux de neurones.

L'une des principales sources de données est les lidars qui fournissent un nuage de points provenant du balayage laser. Les algorithmes utilisés utilisent principalement des algorithmes de clustering de données classiques. Dans le cadre de la recherche, l'efficacité de l'utilisation des réseaux de neurones pour la tâche de regroupement des points lidar, ainsi que pour le traitement conjoint des données lidar et des données des caméras, est vérifiée. La figure 8 montre un exemple de données lidar (un nuage de points avec une réflexivité différente) avec l'affichage d'un mannequin homme sur le fond d'une voiture à la gare de Luzhskaya.

Figure 8. Exemple de données provenant du lidar de la gare de Luzhskaya La

figure 9 montre un exemple de séparation d'un groupe d'un wagon de forme complexe selon deux lidars différents.

Figure 9. Exemple d'interprétation des données lidar sous la forme d'un cluster à partir d'un wagon-trémie

Il convient de noter séparément que récemment le coût des lidars a diminué de près d'un ordre de grandeur et que leurs caractéristiques techniques ont augmenté. Il ne fait aucun doute que cette tendance se poursuivra. La portée de détection des objets par les lidars utilisés à la station de Luzhskaya est d'environ 150 mètres.

Une caméra stéréo utilisant un principe physique différent est également utilisée pour détecter les obstacles.

Figure 10. Carte de disparité d'une paire stéréo et de clusters détectés La

figure 10 montre un exemple de données de caméra stéréo avec la détection de poteaux, de boîtiers de déclenchement et d'un wagon.

Afin d'obtenir une précision suffisante du nuage de points à une distance suffisante pour le freinage, il est nécessaire d'utiliser des caméras haute résolution. Une augmentation de la taille de l'image augmente le coût de calcul pour obtenir une carte de disparité. En raison des conditions nécessaires pour les ressources utilisées et le temps de réaction du système, il est nécessaire de constamment développer et tester des algorithmes et des approches pour extraire des données utiles des caméras vidéo.

Une partie des tests et de la vérification des algorithmes est réalisée à l'aide d'un simulateur ferroviaire développé par PKB CT en collaboration avec NIIAS JSC. Par exemple, la figure 11 montre l'utilisation d'un simulateur pour tester le fonctionnement d'algorithmes de caméra stéréo.

Figure 11. A, B - images gauche et droite du simulateur; B est une vue de dessus de la reconstruction des données d'une caméra stéréo; G - reconstruction d'images de caméras stéréo à partir d'un simulateur.

La tâche principale des réseaux de neurones est la détection des personnes, des voitures et de leur classification.
Pour travailler dans des conditions météorologiques sévères, les spécialistes de NIIAS JSC ont également testé à l'aide de caméras infrarouges.

Figure 12. Données d'une caméra infrarouge

Les données de tous les capteurs sont compilées sur la base d'algorithmes d'association, où la probabilité de l'existence d'obstacles (objets) est estimée.

De plus, tous les objets sur le chemin ne sont pas des obstacles; lors des opérations de manœuvre, la locomotive doit automatiquement s'accoupler avec les voitures.

Figure 13. Exemple de visualisation de l'approche de la voiture avec détection d'obstacles par différents capteurs.

Lors de l'utilisation de locomotives de manœuvre sans pilote, il est extrêmement important de comprendre rapidement ce qui se passe avec l'équipement dans lequel il se trouve. Des situations sont également possibles lorsqu'un animal, tel qu'un chien, apparaît devant la locomotive. Les algorithmes embarqués arrêteront automatiquement la locomotive, mais que faire ensuite si le chien ne s'égare pas?

Pour surveiller la situation à bord et prendre des décisions en cas d'urgence, une télécommande et une unité de commande fixes sont conçues pour fonctionner avec toutes les locomotives sans pilote de la gare. À la gare de Luzhskaya, il a été affecté au poste de la CE.

Figure 14 Télécommande et commande

À la station de Luga, la télécommande, illustrée à la figure 14, commande le fonctionnement de trois locomotives de manœuvre. Si nécessaire, à l'aide de cette télécommande, vous pouvez contrôler l'une des locomotives connectées en transmettant des informations en temps réel (délai ne dépassant pas 300 ms, en tenant compte de la transmission de données par voie hertzienne).

Problèmes de sécurité fonctionnelle


Le problème le plus important dans la mise en œuvre des locomotives sans pilote est la question de la sécurité fonctionnelle, définie par les normes CEI 61508 «Sécurité fonctionnelle des systèmes électriques, électroniques, électroniques programmables relatifs à la sécurité» (EN50126, EN50128, EN50129), GOST 33435-2015 «Dispositifs de contrôle, de surveillance et de sécurité pour les chemins de fer matériel roulant ".

Conformément aux exigences relatives aux dispositifs de sécurité embarqués, un niveau d'intégrité de sécurité de 4 (SIL4) doit être garanti.

Pour se conformer au niveau SIL-4, tous les dispositifs de sécurité des locomotives existants sont construits selon une logique majoritaire, où les calculs sont effectués en parallèle sur deux canaux (ou plus) avec une comparaison des résultats pour une décision.

L'unité de calcul pour le traitement des données des capteurs sur les locomotives de manœuvre sans pilote est également construite sur un schéma à deux canaux avec une comparaison du résultat final.

L'utilisation de capteurs de vision, le travail dans diverses conditions météorologiques et dans différents environnements nécessite une nouvelle approche de la question de la preuve de la sécurité des véhicules sans pilote.

En 2019, ISO / PAS 21448, Véhicules routiers. Sécurité des fonctions prédéfinies »(SOTIF). L'un des principaux principes de cette norme est l'approche par scénario, qui prend en compte le comportement du système dans diverses circonstances. Le nombre total de scénarios est infini. L'objectif principal du développement est de minimiser les zones 2 et 3, représentant des scénarios dangereux connus et des scénarios dangereux inconnus.

Figure 15 Transformation des scénarios suite au développement

Dans le cadre de l'application de cette approche, les spécialistes de NIIAS JSC ont analysé toutes les situations (scénarios) survenues depuis la mise en service en 2017. Certaines situations difficiles à rencontrer pendant le fonctionnement réel sont déterminées à l'aide du simulateur PCB CT.

Les questions de réglementation


Afin de passer vraiment complètement à une commande entièrement automatique sans la présence d'un conducteur dans la cabine d'une locomotive, il est également nécessaire de résoudre les problèmes réglementaires.

À l'heure actuelle, les chemins de fer russes ont approuvé un calendrier pour le soutien réglementaire de la mise en œuvre de mesures pour l'introduction de systèmes de contrôle du matériel roulant ferroviaire en mode automatique. L'une des questions les plus importantes est la mise à jour du règlement sur la procédure d'enquête officielle et d'enregistrement des accidents qui ont causé des dommages à la vie ou à la santé des citoyens qui ne sont pas liés à la production dans le transport ferroviaire. Conformément à ce plan en 2021, un ensemble de documents réglementant l'exploitation des véhicules ferroviaires sans pilote devrait être élaboré et approuvé.

Épilogue


Actuellement, il n'y a pas d'analogues dans le monde des locomotives de manœuvre sans pilote qui sont exploitées à la gare de Luzhskaya. En 2018-2019, des spécialistes de France (société SNCF), d'Allemagne, de Hollande (société Prorail), de Belgique (société Lineas) se sont familiarisés avec le système de contrôle développé et sont intéressés à mettre en œuvre de tels systèmes. L'une des principales tâches de NIIAS JSC est d'étendre les fonctionnalités et de reproduire le système de gestion créé à la fois sur les chemins de fer russes et pour les entreprises étrangères.

À l'heure actuelle, les chemins de fer russes mènent également un projet de développement de trains électriques sans pilote Lastochka. La figure 16 montre une démonstration du prototype du système de contrôle automatique du train électrique ES2G Lastochka en août 2019 dans le cadre de. Salon ferroviaire international de l'espace 1520 "PRO // Dvizhenie.Expo".

Figure 16. Démonstration du fonctionnement d'un train électrique sans pilote au MCC

La création d'un train électrique sans pilote est une tâche beaucoup plus difficile en raison des vitesses élevées, de la distance de freinage importante et de la sécurité de l'embarquement / débarquement des passagers aux points d'arrêt. À l'heure actuelle, des tests sont activement menés au MCC. L'histoire de ce projet devrait être publiée prochainement.

More articles:


All Articles