AI w transporcie szynowym
Aby móc konkurować z innymi środkami transportu pod względem bezpieczeństwa oraz komfortu, transport szynowy musi być wciąż rozwijany. Sposobem na osiągnięcie tego celu jest transformacja cyfrowa, a technologią najbardziej perspektywiczną – oczywiście sztuczna inteligencja. AI może usprawnić podróże koleją i metrem na kilka sposobów.
Najbardziej oczywistym zastosowaniem sztucznej inteligencji w branży kolejowej są autonomiczne pociągi (patrz ramka o takim tytule). Poza tym AI odgrywa coraz większą rolę w zakresie predykcyjnego podejścia do utrzymania ruchu pojazdów szynowych oraz infrastruktury kolejowej. Polega ono na prognozowaniu, na podstawie pomiarów w czasie rzeczywistym, stanu sprzętu i ocenie konieczności jego konserwacji, co ma zapobiec awariom. Dzięki AI wczesne wykrywanie oznak przyszłych usterek (nadmiernego zużycia łożysk, niewspółosiowości wałów, niewyważenia wirników, przegrzania elementów – m.in. zestawów kół, układów zawieszenia pojazdów, silników trakcyjnych) i ich interpretacja są skuteczniejsze.
Kolejne zastosowanie AI stanowią inteligentne systemy monitoringu. Systemy telewizji przemysłowej oparte na sztucznej inteligencji mogą szybciej rozpoznawać zagrożenia niż ludzie analizujący rejestrowane obrazy pod tym kątem. Pierwsze tego typu rozwiązania są już wdrażane i testowane. Przykładem system monitoringu CCTV AI w Docklands Light Railway, jednej z najpopularniejszych linii londyńskiego metra, z której korzysta średnio prawie 400 tys. pasażerów dziennie. Nagrania z kamer bezpieczeństwa zainstalowanych na jej peronach są analizowane przez system rozpoznawania obrazu. Wykrywa on i identyfikuje obiekty, które znajdą się w zdefiniowanej strefie niebezpiecznej wzdłuż peronu lub na torach, ignorując ruch pociągów. Następnie system decyduje o tym, jak należy zakwalifikować dane zdarzenie – czy jako wtargnięcie intruza, które wymaga powiadomienia odpowiednich służb, czy jako fałszywy alarm. System CCTV oparty na AI można również wyszkolić w zakresie wykrywania określonych niepożądanych zachowań, np. agresji, kradzieży, a nawet reagowania na zgubienie przez pasażera bagażu.
Autonomiczne pociągi
Transport szynowy można zautomatyzować na kilku poziomach (Grade of Automation, GoA), które zostały zestandaryzowane w normie IEC 62267 Railway applications, Automated urban guided transport, Safety requirements. Na poziomie zerowym wg tej klasyfikacji maszynista samodzielnie prowadzi i obsługuje pojazd, m.in. otwiera i zamyka drzwi wagonów, opierając się tylko na własnej obserwacji oraz ocenie sytuacji na linii i w pociągu oraz na sygnalizacji przytorowej.
Poziom pierwszy (GoA 1) oznacza, że kierujący prowadzi i hamuje pociąg ręcznie, jego działania nadzoruje jednak system ATP (Automatic Train Protection). Zapewnia on podstawowe bezpieczeństwo, zapobiegając kolizjom i nie dopuszczając do tego, aby kierujący ignorował sygnały ostrzegawcze i przekraczał dopuszczalną prędkość – uruchamiając w razie potrzeby automatyczne hamowanie.
W stopniu GoA 2 maszynista jest wspomagany przez automatyczne systemy ATP i ATO (Automatic Train Operation), które razem tworzą system ATC (Automatic Train Control). Rola człowieka ogranicza się tu do uruchomienia pojazdu i zamknięcia jego drzwi. Za przejazd między stacjami, zatrzymanie pociągu i otwieranie drzwi odpowiada system ATO. Kierujący może ewentualnie ingerować w sytuacji awaryjnej.
Na poziomie GoA 3 (Driverless Train Operation, DTO) pociąg jest sterowany, a jego ruch nadzorowany automatycznie, bez udziału człowieka. Zautomatyzowano więc rozruch, przejazd między stacjami, hamowanie oraz otwieranie drzwi. Obsługa pociągu zamyka drzwi i interweniuje w sytuacji awaryjnej.
Na poziomie GoA 4 (Unattended Train Operation, UTO) wszystkie zadania są już zautomatyzowane, a na pokładzie nie ma maszynistów ani innej obsługi. Kierującego na pokładzie pociągu UTO zastępuje system ATO, nadzorowany przez system ATP.
Inny przykład wykorzystania technologii wideo wspomaganej sztuczną inteligencją to analizowanie zagęszczenia pasażerów w poszczególnych wagonach kolejowych. System przesyła informację o tym pasażerom czekającym na peronie, aby mogli wsiąść do mniej zatłoczonego wagonu. W tym przypadku AI przyczyniła się nie tyle do zwiększenia bezpieczeństwa, co poprawy komfortu podróżowania. Taką funkcję pełnią również wirtualni asystenci, którzy odpowiadają na pytania pasażerów na temat rozkładu jazdy, planowania tras i pomagają w zakupie biletów.
Dzięki sztucznej inteligencji sprawniej i efektywniej mogą być również planowane połączenia kolejowe i rozkłady jazdy. Obecnie często daleko im do optymalnej formy – wiele pociągów kursuje tam, gdzie korzysta z nich niewielu pasażerów, podczas gdy bardziej potrzebne połączenia wciąż nie są odpowiednio rozwinięte. Podobnie jeśli chodzi o rozkład – nie zawsze w godzinach szczytu trasy bardziej oblegane są obsługiwane przez wystarczającą liczbę składów albo odwrotnie – pociągi w określonych porach dnia jeżdżą puste. Narzędzia sztucznej inteligencji pozwalają takich sytuacji unikać, ponieważ analizują dane historyczne i bieżące dotyczące sprzedaży biletów oraz wzorców podróży. W ten sposób identyfikują trendy w przepływie pasażerów, co pozwala na optymalizację tras i rozkładów jazdy pociągów.
Monika Jaworowska
