Get best of the week

铁路运输中无人技术的发展

无人驾驶技术的发展始于很久以前，即1957年，当时创建了第一个郊区火车自动驾驶实验装置。为了了解铁路运输自动化水平之间的区别，引入了IEC-62290-1标准中定义的等级。与公路运输相比，铁路具有四个自动化程度，如图1所示。

图片
图1.符合IEC-62290的自动化程度

几乎所有在俄罗斯铁路网络上运行的列车都配备有与自动化级别1相对应的安全装置。自动化级别2的列车已经在俄罗斯铁路网络上成功运行了20多年，千机车。该级别的实现是基于给定路线上能量最优火车引导的牵引力控制和制动算法，并考虑了通过感应通道从轨道电路接收的自动机车信号系统的时间表和指示。级别2的使用减少了驾驶员的疲劳，并增加了能量消耗和执行运动计划的准确性。

级别3表示驾驶室中可能没有驾驶员，这需要引入视觉系统。

级别4表示驾驶员完全不在机上，这需要对机车（电车）的设计进行重大更改。例如，安装了车载断路器，当断路器在没有人员在场的情况下运行时，将无法再次充电。

目前，世界领先的公司（例如西门子，阿尔斯通，泰雷兹，SNCF，SBB等）正在实施达到3级和4级的项目。

西门子于2018年9月在Innotrans展览会上展示了其在无人电车领域的项目。自2018年以来，这辆电车一直在波茨坦以GoA3自动化级别运行。

图2西门子电车
2019年，西门子将无人驾驶路线的长度增加了两倍以上。
俄罗斯铁路公司是世界上最早开发无人驾驶车辆的公司之一。因此，在2015年，在Lugskaya站启动了一个使3个调车机车自动运行的项目，NIIAS JSC在该站担任了基础技术的项目集成商和开发人员。

无人机车的创建是一个复杂而复杂的过程，没有其他公司的合作就不可能实现。因此，在卢加站，与JSC NIIAS一起，下列公司参加了：

  • VNIKTI JSC关于车载控制系统的开发；
  • 西门子-在分拣滑梯（MSR-32系统）的自动化和滑架推力操作的自动化方面；
  • Radioavionika JSC在控制箭头，交通信号灯的微处理器集中系统方面；
  • PKB CT-创建模拟器；
  • 俄罗斯铁路项目协调员。

在第一阶段，任务是达到交通自动化的2级标准，即驾驶员在组织调车作业的标准条件下不使用机车控制装置。

在常规的调车机车的操作中，通过设置适当的路线（通过切换箭头，打开交通信号灯）从调度员向驾驶员发送语音命令来进行交通控制。

进入自动化级别2时，所有语音通信都被通过受数字保护的无线电信道传输的命令系统所取代。从技术上讲，卢加站调车机车的管理建立在以下基础上：

  • 统一的数字电台模型；
  • 用于控制调车机车运动的协议（用于发送命令和监视执行情况）；
  • 与电气集中系统交互以获得有关给定路线，箭头和信号位置的信息；
  • 调车机车的定位系统；
  • 可靠的数字无线电通信。

到2017年，3台TEM-7A调车机车95％的时间在全自动模式的卢日斯卡亚车站工作，执行以下操作：

  • 在给定路线上自动移动；
  • 自动进入汽车；
  • 自动与货车连接；
  • 汽车推力在排序幻灯片上。

2017年，启动了一个项目，以创建用于调车机车的视觉系统并在紧急情况下引入远程控制。

2017年11月，NIIAS JSC的专家安装了用于调车机车的视觉系统的第一台原型机，该系统由雷达，激光雷达和摄像头组成（图3）。

图3视觉系统的第一个版本

在2017年至2018年Luga视觉系统站的测试中，得出以下结论：

  • , . 60-70 , , 1°. SNCF ( ).
  • . , , . , 2017 , .
  • 摄像头是技术视觉系统中必不可少的元素，并且对于检测，对象分类以及远程控制任务是必需的。为了在夜间和恶劣的天气条件下工作，必须配备红外摄像机或具有可在近红外范围内工作的扩展波长范围的摄像机。

技术视野的主要任务是检测行进方向上的障碍物和其他物体，由于移动是沿着车辙进行的，因此有必要对其进行检测。

图4.多类分割（轨道，货车）和使用二进制掩码确定路径轴

的示例图4显示了轨道检测的示例。为了明确确定沿箭头的运动路线，在箭头的位置上使用了先验信息，即交通信号灯的指示是通过数字无线电信道从电气集中系统发送的。当前，世界铁路上有放弃交通信号灯并改用数字无线电控制系统的趋势。这对于高速交通尤其如此，因为在超过200 km / h的速度时，很难注意到和识别交通信号灯的指示。在俄罗斯，有两个不使用交通信号灯的区域-莫斯科中央环线和Alpika-Service-Adler线。

在冬天，可能会出现这样的情况，即轨道完全位于积雪之下，并且几乎无法识别该轨道，如图5所示。

图5积雪覆盖的轨道示例

在这种情况下，不清楚检测到的物体是否干扰机车的运动，即它们是否在行进中。在这种情况下，在卢日斯卡亚站（Luzhskaya station），使用了该站的高精度数字模型和高精度机载导航系统。

此外，该站的数字模型是根据大地测量的基点创建的。然后，基于高精度定位系统对机车许多车道的处理，沿着所有路线绘制了地图。

图6 Luga站轨道发展的数字模型

车载定位系统最重要的参数之一是计算机车方向（方位角）时的误差。机车的方向对于传感器和它们检测到的物体的正确方向是必需的。定向角误差为1°时，对象在100米距离处相对于路径轴的坐标误差为1.7米。

图7方位误差对横向坐标误差的影响

因此，在测量机车方位角时的最大允许误差不应超过0.1°。车载定位系统本身由两个处于RTK模式的双频导航接收器组成，其天线在机车的整个长度上间隔开，以创建一个长基座的捷联惯性导航系统，并连接到车轮传感器（里程表）。确定调车机车坐标的标准偏差不超过5 cm，

此外，在Luzhskaya站进行了使用SLAM技术（激光和视觉）的研究，以获得更多的位置数据。
结果，通过结合基于位置的轨道识别结果和数字轨道模型数据，确定卢日斯卡亚站的调车机车的铁路轨道。

障碍物检测还基于以下几种方式进行：

  • 激光雷达数据;
  • 立体视觉数据；
  • 神经网络的工作。

激光雷达是主要的数据来源之一，激光雷达可提供点云。使用的算法主要使用经典的数据聚类算法。作为研究的一部分，检查了将神经网络用于对激光雷达点进行聚类以及对激光雷达数据和相机数据进行联合处理的有效性。图8显示了一个激光雷达数据（具有不同反射率的点云）的示例，其中一个假人在Luzhskaya站的汽车背景下显示。

图8. Luzhskaya站的激光雷达数据示例

图9显示了根据两个不同的激光雷达将簇从形状复杂的货车中分离出来的示例。

图9.用漏斗车以群集的形式解释激光雷达数据的示例

值得一提的是，最近，激光雷达的成本已下降了近一个数量级，并且其技术特性也在不断提高。毫无疑问，这种趋势将继续下去。 Luzhskaya站使用的激光雷达对物体的探测范围约为150米。

使用不同物理原理的立体摄像机也可用于检测障碍物。

图10.立体对和检测到的簇之间的视差

图图10显示了立体摄像机数据的示例，其中带有杆，跳闸箱和货车的检测。

为了在足够的制动距离上获得足够的点云精度，必须使用高分辨率相机。图像尺寸的增加增加了获得视差卡的计算成本。由于所用资源和系统反应时间的必要条件，有必要不断开发和测试从摄像机中提取有用数据的算法和方法。

部分测试和算法验证是使用PKB CT与NIIAS JSC共同开发的铁路模拟器进行的。例如，图11显示了使用模拟器来测试立体相机算法的操作。

图11. A，B-模拟器的左右框架；B是从立体摄像机重构数据的俯视图；G-从模拟器重建立体摄像机图像。

神经网络的主要任务是检测人员，汽车及其分类。
为了在恶劣的天气条件下工作，NIIAS JSC的专家还使用红外摄像机进行了测试。

图12.来自红外摄像机的

数据来自所有传感器的数据都是基于关联算法编译的，其中估计了障碍物（物体）存在的可能性。

此外，并不是所有在路上的物体​​都是障碍物；在执行调车操作时，机车必须自动与轿厢耦合。

图13.用不同的传感器检测障碍物的方法的可视化示例

当操作无人驾驶调车机车时，迅速了解处于其状态的设备正在发生的事情非常重要。当诸如机车之类的动物出现在机车前面时，情况也是可能的。机载算法将自动停止机车，但是如果狗没有误入歧途该怎么办？

为了监视船上的情况并在紧急情况下做出决策，设计了一个固定的远程控制单元，可与车站的所有无人机车一起工作。在Luzhskaya站，他被任命为EC职位。

图14远程控制和控制

在Luga站，如图14所示的遥控器控制三个调车机车的操作。如有必要，使用此遥控器，您可以通过实时传输信息（考虑到空中数据传输的延迟不超过300毫秒）来控制连接的机车之一。

功能安全性问题


实施无人机车时最重要的问题是功能安全性问题，由IEC 61508标准“电气，电子，可编程电子安全相关系统的功能安全性”（EN50126，EN50128，EN50129），GOST 33435-2015“铁路的控制，监视和安全设备”定义机车车辆”。

根据车载安全设备的要求，必须确保安全完整性等级为4（SIL4）。

为了符合SIL-4级别，所有现有的机车安全装置都是按照多数逻辑构建的，其中在两个通道（或更多通道）中并行执行计算，并比较结果以做出决定。

用于处理来自无人驾驶调车机车的传感器的数据的计算单元也建立在两通道方案上，并与最终结果进行比较。

在各种天气条件和不同环境下工作的视觉传感器的使用要求一种新的方法来证明无人驾驶车辆的安全性。

在2019年，ISO / PAS 21448，道路车辆。预设功能的安全性”（SOTIF）。该标准的主要原则之一是方案方法，它考虑了各种情况下系统的行为。场景总数为无穷大。开发的主要目的是最小化区域2和3，它们分别代表已知的不安全情况和未知的不安全情况。

图15开发产生的方案转换作为

此方法应用的一部分，NIIAS JSC的专家分析了自2017年开始运营以来出现的所有情况（方案）。使用PCB CT仿真器可以解决实际操作中难以遇到的某些情况。

监管问题


为了真正地完全切换到全自动控制而在机车的驾驶室中没有驾驶员，也有必要解决监管问题。

目前，俄罗斯铁路公司已经批准了对实施自动引入铁路机车车辆控制系统的措施的监管支持时间表。最重要的问题之一是更新了《官方调查程序和记录事故的条例》，这些事故对与铁路运输生产无关的公民的生命或健康造成危害。根据2021年的这项计划，应制定和批准一套规范无人驾驶铁路车辆运行的文件。

后记


当前，在卢日斯卡亚站运行的无人调车机车世界上没有类似物。在2018-2019年期间，法国（SNCF公司），德国，荷兰（Prorail公司），比利时（Lineas公司）的专家熟悉了已开发的控制系统，并对实施这样的系统感兴趣。NIIAS JSC的主要任务之一是扩展功能并在俄罗斯铁路和外国公司复制创建的管理系统。

目前，俄罗斯铁路公司也正在进行一项开发无人驾驶电动火车Lastochka的项目。图16显示了2019年8月用于ES2G Lastochka电动火车的自动控制系统的原型的一部分。1520空间的国际铁路沙龙“ PRO // Dvizhenie.Expo”。

图16.在MCC上演示无人驾驶电动火车的操作

由于高速，重要的制动距离以及确保乘客在停靠点的安全登机/下车，创建无人驾驶电动火车是一项更加艰巨的任务。目前，MCC正在积极进行测试。有关该项目的故事计划在不久的将来发布。

More articles:


All Articles