Inteligencia artificial para los tranvías autónomos
El proyecto de tren autónomo en asociación con Albtal-Verkehrs-Gesellschaft en Karlsruhe es uno de los proyectos más completos en términos de desafíos (tiempo, complejidad, innovación, resultados, etc.) así como en diversidad en términos de tecnología. Antes de centrarse en la tecnología y la solución, es importante explicar el caso operacional que lleva a la solución técnica.
Inicialmente, nos centramos en la optimización de los procesos actuales y, por lo tanto, la primera fase estaba dirigida a un caso de uso relacionado con la gestión de depósitos. En primer lugar hoy, el conductor debe estacionar el tren en el depósito por la noche después del turno, donde en horas punta los trenes hacen cola y el maquinista puede perder hasta 45 minutos. Los siguientes trabajos son las operaciones que se realizan en el turno de noche, como el mantenimiento y la limpieza realizados por el personal de mantenimiento, donde se pierde mucho tiempo desviando trenes. Estas tareas tienen un impacto directo y continuo en el rendimiento del personal.
Se podría optimizar los procesos y aumentar la eficiencia si el tren estacionara de forma automática y se realizaran los trabajos rutinarios después de terminar la jornada con un grado de automatización de nivel 3 (GoA3). Esto evitaría el uso de ingenieros de mantenimiento altamente calificados para actividades de derivación y les permitiría concentrarse en las tareas avanzadas que deben realizar para mantener los trenes. Lo cual evitaría que personal de mantenimiento altamente cualificado se dedicase a maniobrar trenes, en vez de ocuparse de realizar las necesarias tareas de mantenimiento.
A mediados de diciembre de 2018, las primeras pruebas en GoA3 en el depósito de Karlsruhe se llevaron a cabo con éxito, confirmando que la capacidad y tecnología de Thales son activos reales para suministrar en el menor tiempo posible y ayudar a nuestros clientes a mejorar su red ferroviaria.
Automático versus autónomo
Los metros automáticos o los trenes que circulan por vías elevadas en los aeropuertos son conocidos por su capacidad de circular sin conductor. Sin embargo, estos sistemas son automáticos y autónomos. Los trenes automáticos funcionan en un entorno cerrado, por lo que no hay eventos externos que interfieran en la operación. Contrariamente a los trenes automáticos, los trenes autónomos operan en un entorno abierto o semiabierto donde pueden ocurrir eventos no planificados; el tren necesita reaccionar ante este tipo de situaciones desconocidas. ¿Aquí es donde llegamos a la pregunta de cómo el tren autónomo puede conocer en cada momento la situación que lo rodea? La respuesta es hacer que los trenes sean más inteligentes y equiparlos con los sistemas apropiados para permitir detectar cambios en tiempo real.
Existen diferentes sensores para aplicaciones de ferrocarril: para corta distancia, media y / o larga distancia. Seleccionar el tipo de sensor se hace de acuerdo a diferentes parámetros, siendo el factor principal la velocidad del tren que indica la distancia de frenado para que éste se detenga en un rango de frenado determinado. En media y larga distancia podemos ver el límite de los sensores utilizados en la industria automotriz. Aquí es donde otras industrias, como la defensa y la aviónica, pueden desempeñar un papel importante para tales soluciones.
El grupo Thales se posiciona como un líder único en diversas tecnologías proporcionadas por la diversidad de divisiones y productos, por ejemplo, sensores y detección de obstáculos de nuestras unidades de negocios de defensa y optrónica, posicionamiento satelital seguro y preciso de nuestra división de espacio y aviónica, así como también de ciberseguridad. Por supuesto, todas estas tecnologías se aplican a la seguridad de vanguardia del sector del transporte terrestre. Esta diversidad tecnológica permite a Thales alcanzar más rápido un producto viable y experimentado, mediante la aplicación de nuevos métodos de desarrollo y agilidad impulsados por la fábrica digital de Thales. El tren de robots (RailBot ™) es una de las tecnologías avanzadas más seguras en el mundo de la movilidad.
Detección, monitorización e identificación
Uno de los grandes desafíos en el ferrocarril es encontrar el equilibrio adecuado entre seguridad y disponibilidad, pero en realidad no hay ninguno. Si el tren se detiene todo el tiempo en caso de una falsa detección, la disponibilidad del servicio ferroviario estaría en peligro.
Un aspecto muy importante del tren autónomo es dotarlo de una capacidad de visión fiable; esta capacidad debe detectar con seguridad los obstáculos frente al tren, pero también monitorear el entorno alrededor de la vía.
Para tener una solución eficiente necesitamos diferenciar los diferentes niveles de visiones; La primera es la detección, seguida del reconocimiento y finalmente la identificación del obstáculo.
Es crucial diferenciar entre detectar, reconocer e identificar un obstáculo. El primero ayuda a anticipar y luego enfocarse en esa área específica para clasificar la categoría del obstáculo.
Si, por ejemplo, hay un objeto detectado pero este objeto no es dañino para el tren (por ejemplo, una bolsa de plástico, caja, etc.), la reacción del tren será diferente que si hay un árbol o un camión bloqueando la ruta.
Aquí, la Inteligencia Artificial entra en juego, donde el aprendizaje juega un papel muy importante para saber qué tipo de obstáculos se puede encontrar el tren y lo peligroso que puede resultar en función de la velocidad, las condiciones climáticas y la topografía del de la vía.
En este caso, hay tres niveles diferentes de inteligencia artificial:
1. El primero es detectar el tipo de obstáculo (automóvil, camión, persona, personal, árbol, bicicleta, etc.),
2. El segundo para detectar las posibles consecuencias del objeto, si es un objeto estático o un objeto en movimiento, entrando o saliendo de la vía.
3. El tercer nivel se ocupa más de la decisión y acción que debe tomar el tren (freno de emergencia, desaceleración, aceleración, bocina, etc.).
Estos sensores avanzados de AI permitirán a la industria ferroviaria llegar al siguiente nivel de disponibilidad operativa, ya que RailBot ™ verá muchos más obstáculos, en condiciones climáticas adversas, de poca luz, y también anticipará situaciones que antes no se detectaban.
Existe la convicción de que con autonomía podemos ayudar al ferrocarril a tener una mejor posición en la movilidad global y, por lo tanto, una movilidad mayor y más flexible para los pasajeros.