Trains autonomes (Unattended train operation (UTO))

L'objectif essentiel de l'automatisation des trains est de fournir une fiabilité et une sécurité supplémentaires et de prévenir les accidents sur les voies ferrées, qui ont tendance à être causés par une erreur humaine. De plus, l'innovation apportée conduit à une optimisation de la consommation d'énergie, à une augmentation de la capacité de transport et, éventuellement, à une éventuelle réduction des coûts de personnel grâce au fonctionnement autonome.

Les trains de marchandises et de voyageurs fonctionnent de manière autonome, excluant toute présence d'équipage à bord, mais avec l'attention d'un opérateur à distance.

Il y a beaucoup d'informations sur les voitures autonomes. Le développement d'une technologie de vision par ordinateur, d'une navigation fiable et d'une communication radio rend la création de trains autonomes technologiquement réalisable. Par rapport aux voitures, les trains ont une longue distance de freinage. Cela signifie que les trains autonomes devraient disposer d'un système unique de détection d'obstacles, capable de détecter des obstacles jusqu'à 1 000 m et plus. Les systèmes ferroviaires conventionnels et autonomes se composent d'une flotte et d'une infrastructure. L'interaction actuelle entre la locomotive et le répartiteur est réalisée par communication vocale. Pour une utilisation autonome des trains, une communication numérique avec des commandes formelles pour le contrôle des trains est nécessaire. Le développement clé de l'IA réalisé dans le module de détection d'obstacles peut être réalisé avec les deux méthodes de vision par ordinateur en traitant les données reçues des capteurs (LIDAR, RADAR, caméras infrarouges et électro-optiques) et en positionnant et localisant sur la base des informations cartographiques électroniques antérieures et des données obtenues à partir de Informations GPS. Ce système peut fonctionner dans des conditions de lumière, de temps et de synchronisation différentes. Les données collectées à partir de capteurs avec une gamme variée d'actions et d'objectifs sont traitées par des approches classiques d'analyse d'images et d'apprentissage en profondeur ; il est ensuite fusionné. Des méthodes telles que la segmentation sémantique, la détection d'objets, le regroupement de points LIDAR, le suivi, la localisation et la cartographie sont utilisées. Dans l'ensemble, cela conduit à une perception claire de la scène et à des réponses du système de sécurité. La machine peut déclencher l'alarme, s'arrêter, appliquer les freins ou accélérer en fonction des informations sur l'environnement. Cependant, un pilote distant est toujours nécessaire pour résoudre les cas compliqués, que le système embarqué n'est pas en mesure de traiter correctement. Considérant que la priorité du système est la sécurité, ces exemples incluent le plus souvent des occurrences d'objets faussement positifs. Il est important de souligner qu'un opérateur de conduite à distance peut contrôler les performances de plusieurs trains automatisés en même temps. Trois locomotives de manœuvre autonomes sont déjà en service à Luzhskaya Marshalling Yard à Moscou, en Russie ; et le déploiement parallèle pour les trains de voyageurs est actuellement en cours de test sur l'anneau central de Moscou.