Železnice jsou systémem, v němž bezpečnost závisí na tisících prvků působících současně. Koleje, výhybky, trakční síť, železniční přejezdy, inženýrské objekty a okolí trati vytvářejí prostředí, které musí být nepřetržitě monitorováno.
Problém už není výhradně v tom, aby se nasbíralo co nejvíce dat.
Problém spočívá v tom, aby hrozbu spatřili dostatečně brzy, správně ji interpretovali a předali informaci osobě nebo systému, který může reagovat.
Právě zde se objevuje umělá inteligence.
AI v železnici - od záznamu obrazu k porozumění realitě
Klasický monitorovací systém především zaznamenává.
Kamera může uložit hodiny videozáznamu, ale sama nezodpovídá na nejdůležitější otázku:
Stalo se na pozorovaném záběru něco, co vyžaduje reakci?
Člověk může záznam analyzovat, ale objem dat rychle převyšuje možnosti manuální kontroly. Čím více přejezdů, kilometrů tratí a kamer, tím větším problémem je selekce informací.
Proto rozvoj computer vision, machine learning a AI pro železnici mění přístup k monitorování infrastruktury.
Systém založený na umělé inteligenci může analyzovat obraz z hlediska určitých vzorců a anomálií, klasifikovat události a předávat operátorovi pouze informace vyžadující pozornost.
To je zásadní změna.
Místo: kamera → záznam → člověk → analýza
dostáváme: kamera → AI → detekce anomálie → kontext události → reakce.
Edge Computing - proč by AI měla pracovat blízko zdroje dat?
Jedním z klíčových prvků moderních AI systémů pro železnici je Edge Computing.
V tradičním modelu mohou být data zasílána do centrálního serveru nebo cloudu, kde jsou analyzována. V případě monitorování železniční infrastruktury to však znamená nutnost přenášet obrovské množství vizuálních dat.
VAR24 využívá jiný koncept.
Analýza probíhá lokálně, na okraji sítě, s využitím dedikovaného mikropočítače a systému kamer.
Má to zásadní význam.
Pokud má systém fungovat v reálném čase, nelze každé rozhodnutí vázat na přenos celého proudu dat do externího centra zpracování.
Edge AI umožňuje přesunout část inteligence přímo do zařízení umístěného ve vozidle.
Data jsou analyzována tam, kde vznikají.
Díky tomu lze omezit latence, snížit objem dat přenášených dále a vytvořit architekturu vhodnou pro aplikace vyžadující rychlou reakci.
Právě proto je Edge Computing v železnici jedním z zajímavých směrů rozvoje inteligentních bezpečnostních systémů.
Současné výzkumy AI v údržbě železniční infrastruktury ukazují Edge AI jako jeden z rozvojových směrů vedle Digital Twins a kyber-fyzikálních systémů.
VAR24 - vidí, analyzuje, reaguje
Koncepce VAR24 je založena na třech základních krocích.
01. Vidí
Čelní kamery sledují trať z perspektivy strojvedoucího.
To je důležité, protože systém neanalyzuje abstraktní model infrastruktury. Sleduje reálné prostředí, v němž se vozidlo pohybuje.
02. Analyzuje
Obraz je zpracováván umělou inteligencí lokálně.
Systém má za úkol rozpoznávat anomálie a potenciální hrozby, místo aby se omezoval na pasivní záznam materiálu.
03. Reaguje
Detekovaná událost může být předána dispečerskému centru spolu s kontextem.
Právě tento krok umožňuje přechod od monitoringu k systému podporujícímu rozhodování.
A to je zásadní rozdíl.
Predictive Maintenance v železnici - údržba dříve, než nastane porucha
Jedním z nejdůležitějších využití umělé inteligence v železniční dopravě je Predictive Maintenance, tedy prediktivní údržba.
Tradiční přístup často vychází z harmonogramů kontrol, periodických postupů a reakce na zjištěné poškození.
Predictive Maintenance mění logiku fungování.
Místo otázky: „Kdy provést další kontrolu?“
může systém směřovat k otázce: „Ukazují dostupná data známky problému a jak rychle může být významný?“
To je obrovský rozdíl z hlediska správy infrastruktury.
AI může využívat data z obrazování, senzorů, geometrie kolejí, vibrací a dalších zdrojů k identifikaci vzorců signalizujících potenciální problémy. Přehled současného vědeckého výzkumu ukazuje, že právě zobrazování, analýza vibrací a údaje o geometrii trati patří mezi významné zdroje dat využívané v AI-based predictive maintenance pro železnici.
Mezinárodní železniční unie UIC vedla projekt Artificial Intelligence for Predictive Maintenance, jehož cílem bylo urychlit využití AI v železničním sektoru a rozvoj případů použití od PoC a pilotů až po provozní aplikace.
To ukazuje, že AI a Predictive Maintenance už nejsou výhradně technologickým experimentem. Jsou reálným směrem digitalizace železnic.
Proč monitoring železniční infrastruktury potřebuje AI?
Železniční infrastruktura je rozsáhlá. Jsou to stovky a tisíce kilometrů tratí, různé povětrnostní podmínky, proměnlivé osvětlení, pohyb vozidel, vegetace, zvířata, objekty bezprostředně vedle koleje a měnící se technický stav infrastruktury.
Člověk není schopen nepřetržitě sledovat celou infrastrukturu. Počítačový systém však může provádět analýzu kontinuálně. To neznamená eliminaci člověka. Naopak.
Nejdůležitějším modelem je takový, ve kterém AI funguje jako dodatečná vrstva percepce a analýzy a člověk dostává informace již adekvátně filtrované a klasifikované.
Tento přístup umožňuje přesunout člověka z role pozorovatele obrovského množství dat do role osoby rozhodující na základě informací připravených systémem.
Od kamer k fúzi dat a LiDAR
Kamery jsou teprve začátek.
Dalším krokem ve vývoji perception systémů může být fúze dat pocházejících z různých senzorů.
VAR24 předpokládá integraci s technologií LiDAR, tedy systémem využívajícím laserové impulzy k vytvoření prostorové reprezentace okolí.
Proč je to důležité?
Obraz z kamery poskytuje vizuální informace.
LiDAR může dodat prostorové informace.
Propojení různých zdrojů dat umožňuje budovat kompletnější model pozorovaného prostředí.
To je zvláště důležité v situacích, kdy samotná analýza obrazu může být ztížena světelnými nebo atmosférickými podmínkami.
Důležité je, že podobný směr již existuje v polských výzkumně-vývojových pracích týkajících se automatického monitorování železniční infrastruktury. Projekt UAVforRail využívá mimo jiné AI, RGB, LiDAR a termovizi pro automatickou identifikaci závad železniční infrastruktury.
Rozšířený horizont percepce
Dalším krokem není pouze přesnější vidění. Je to vidění dál.
Pro bezpečnostní systém železnice může mít význam nejen stav kolejí přímo před vozidlem, ale také situace v jeho okolí.
Proto roadmapa VAR24 počítá s rozšířením analýzy mimo jiné o:
- trakční síť,
- bezprostřední okolí koleje,
- zvířata na trati,
- vozidla na železničních přejezdech,
- sesuvy,
- další potenciální překážky a anomálie.
Tímto způsobem systém začne přecházet od monitorování infrastruktury k percepci dopravního prostředí.
A právě percepce je jedním ze základů autonomizace.
Od pozorování k autonomní reakci
Autonomní železniční doprava nezačíná tím, že vlak samostatně činí všechna rozhodnutí.
Začíná mnohem dříve.
Nejprve musí stroj: vidět.
Potom: rozumět.
Následně: hodnotit riziko.
A teprve později: reagovat.
Právě proto jsou systémy computer vision, Edge AI, LiDAR a fúze dat tak důležité pro budoucnost autonomní železnice.
Současné studie ukazují, že plná automatizace na úrovni GoA4 je již používána v části systémů metra, zatímco její nasazení na hlavních tratích zůstává výrazně složitější vzhledem k bezpečnostním požadavkům a komplexnosti otevřeného provozního prostředí.
VAR24 se tak řadí do logické vývojové linie: pozorování → analýza → predikce → percepce okolí → reakce → autonomizace.
Bezpečnost železnice vyžaduje data v reálném čase
V kritických systémech má čas význam.
Pokud se informace o potenciálním nebezpečí objeví až po dokončení jízdy nebo po ruční analýze záznamu, její provozní hodnota může být omezená.
Proto je analýza dat v reálném čase jedním z nejdůležitějších prvků koncepce VAR24.
Systém má nejen shromažďovat informace. Má je zpracovávat. Má rozpoznávat anomálie. Má předávat správnou zprávu. A v budoucnu - v souladu s roadmapou projektu - se může stát součástí aktivní reakce na kritické hrozby.
VAR24 - roadmapa vývoje
Vývoj systému byl rozdělen do následujících fází.
Fáze 1 - vizuální systém / PoC
Pokročilá optika a umělá inteligence slouží k detekci poškození infrastruktury nacházející se v bezprostředním dosahu systému.
Fáze 2 - fúze dat a LiDAR
Integrace dalších zdrojů prostorových dat a zvýšení možností percepce prostředí.
Fáze 3 - rozšířený horizont percepce
Rozšíření analýzy o trakční síť a okolí koleje.
Fáze 4 - aktivní reakce
Cílová koncepce předpokládá dosažení úrovně spolehlivosti 99,99 % a možnost automatického zahájení nouzového brzdění v případě identifikace kritické hrozby na vzdálenosti přesahující lidskou reakční dobu.
To je cílový vývojový záměr VAR24, a nikoli prohlášení o současných schopnostech systému.
A právě takové rozlišení je klíčové v bezpečnostních technologiích.
Neinvazivní technologie - AI bez přestavby infrastruktury
Jedním z zajímavých prvků koncepce VAR24 je její instalační neinvazivita.
Místo přestavby stávající železniční infrastruktury může být systém rozvíjen jako dodatečná technologická vrstva využívající kamery a dedikovaný palubní počítač.
To otevírá potenciálně zcela jinou cestu zavádění AI v železnici.
Není nutné začínat budováním celé infrastruktury od základu.
Lze začít inteligentní vrstvou percepce, která využívá stávající provoz vozidel na železniční síti k průběžnému sběru a analýze informací.
Polská technologie pro evropskou železnici
VAR24 je vyvíjen jako R&D projekt vycházející ze struktur Web24.com.pl Sp. z o.o., polského software houseu působícího od roku 2008.
Podle předpokladů projektu je VAR24 financován samostatně a vyvíjen bez závislosti na vnějším kapitálu.
To je důležitý prvek příběhu projektu.
Nejde pouze o vytvoření dalšího řešení využívajícího AI.
Cílem je vybudovat technologii, která může najít uplatnění v jednom z nejnáročnějších infrastrukturních odvětví - v železniční dopravě.
Budoucnost železnice bude založena na percepci
Desítky let se rozvoj železnice soustředil na zvyšování rychlosti, propustnosti, automatizace vedení dopravy a modernizaci infrastruktury.
Dalším krokem je inteligence systému.
Vlak budoucnosti by neměl jen jezdit po naplánované trase. Měl by stále lépe rozumět prostředí, ve kterém se nachází. Měl by detekovat anomálie. Měl by předpovídat potenciální problémy. Měl by předávat operátorovi relevantní informace. A v odpovídajících certifikovaných a bezpečných aplikacích - v budoucnu - může také automaticky provádět určité akce.
Proto rozvoj AI pro železnici, Edge Computing, computer vision, LiDAR, Predictive Maintenance a autonomních systémů nejsou pěti oddělenými trendy.
Jsou to součásti jednoho většího procesu. Procesu přechodu od železnice pozorované člověkem k železnici, která sama dokáže pozorovat, analyzovat a reagovat.
VAR24 chce být součástí tohoto procesu.
VAR24. Vidí. Analyzuje. Reaguje.
