Calea ferată este un sistem în care siguranța depinde de mii de elemente care acționează simultan. Șinele, schimbătoarele, rețeaua de tracțiune, trecerile la nivel, construcțiile inginerești și mediul înconjurător al liniei creează un cadru care trebuie monitorizat în permanență.
Problema nu mai este doar colectarea cât mai multor date.
Problema este să observi pericolul suficient de devreme, să-l interpretezi corect și să transmiți informația către o persoană sau un sistem care poate reacționa.
Exact aici intervine inteligența artificială.
AI în feroviar - de la înregistrarea imaginii la înțelegerea realității
Un sistem clasic de monitorizare, înainte de toate, înregistrează.
O cameră poate salva ore de material video, dar singură nu răspunde la cea mai importantă întrebare:
Se întâmplă în imagine ceva care necesită reacție?
Un om poate analiza înregistrarea, dar volumul datelor depășește rapid capacitatea controlului manual. Cu cât sunt mai multe treceri, kilometri de linie și camere, cu atât selecția informațiilor devine o problemă mai mare.
De aceea dezvoltarea computer vision, machine learning și AI pentru căi ferate schimbă abordarea monitorizării infrastructurii.
Un sistem bazat pe inteligență artificială poate analiza imaginea în căutare de anumite tipare și anomalii, poate clasifica evenimentele și poate transmite operatorului doar informațiile care necesită atenție.
Aceasta este o schimbare fundamentală.
În loc de: cameră → înregistrare → om → analiză
obținem: cameră → AI → detectare anomalii → contextul evenimentului → reacție.
Edge Computing - de ce AI ar trebui să ruleze aproape de sursa datelor?
Unul din elementele cheie ale sistemelor moderne AI pentru căi ferate este Edge Computing.
În modelul tradițional, datele pot fi trimise către un server central sau cloud pentru analiză. În cazul monitorizării infrastructurii feroviare, asta înseamnă necesitatea transferului unor volume uriașe de date vizuale.
VAR24 folosește o altă concepție.
Analiza are loc local, la marginea rețelei, folosind un microcalculator dedicat și un sistem de camere.
Asta are o importanță majoră.
Dacă sistemul trebuie să funcționeze în timp real, nu poți depinde ca fiecare decizie să implice trimiterea întregului flux de date către un centru extern de procesare.
Edge AI permite mutarea unei părți din inteligență direct pe dispozitivul aflat în vehicul.
Datele sunt analizate acolo unde sunt generate.
Astfel se reduce latența, se micșorează volumul datelor transmise mai departe și se creează o arhitectură adecvată aplicațiilor care necesită reacții rapide.
De aceea Edge Computing în feroviar este una dintre direcțiile interesante în dezvoltarea sistemelor inteligente de siguranță.
Cercetările actuale privind AI în mentenanța infrastructurii feroviare indică Edge AI ca una dintre direcțiile de dezvoltare, alături de Digital Twins și sisteme cibernetico-fizice.
VAR24 - vede, analizează, reacționează
Conceptul VAR24 se bazează pe trei etape fundamentale.
01. Vede
Camerele frontale observă traseul din perspectiva mecanicului de locomotivă.
Acest lucru este important pentru că sistemul nu analizează un model abstract al infrastructurii. Observă mediul real în care se mișcă vehiculul.
02. Analizează
Imaginea este procesată local de inteligența artificială.
Sistemul are ca sarcină recunoașterea anomaliilor și a potențialelor pericole, în loc să se limiteze la stocarea pasivă a materialului.
03. Reacționează
Evenimentul detectat poate fi transmis către centrul de dispecerat împreună cu contextul.
Această etapă permite trecerea de la monitorizare la un sistem care sprijină luarea deciziilor.
Și aceasta este o diferență fundamentală.
Predictive Maintenance în feroviar - întreținere înainte de apariția defectului
Unul dintre cele mai importante utilizări ale inteligenței artificiale în transportul feroviar este Predictive Maintenance, adică mentenanța predictivă.
Abordarea tradițională se bazează adesea pe calendare de revizii, proceduri periodice și reacție la defectele descoperite.
Predictive Maintenance schimbă logica acțiunii.
În loc să întrebi: „Când trebuie făcută următoarea revizie?”
sistemul poate pune întrebarea: „Pe baza datelor disponibile, există semne ale unei probleme și cât de rapid poate deveni aceasta semnificativă?”
Aceasta este o diferență majoră din perspectiva managementului infrastructurii.
AI poate folosi date din imagistică, senzori, geometria căii, vibrații și alte surse pentru a identifica tipare care indică probleme potențiale. Revizuirea lucrărilor științifice actuale arată că imagistica, analiza vibrațiilor și datele privind geometria căii sunt surse esențiale folosite în mentenanța predictivă bazată pe AI pentru căi ferate.
Uniunea Internațională a Căilor Ferate UIC a derulat proiectul Artificial Intelligence for Predictive Maintenance, având ca scop accelerarea adoptării AI în sectorul feroviar și dezvoltarea cazurilor de utilizare de la PoC și pilotare până la aplicații operaționale.
Aceasta arată că AI și Predictive Maintenance nu mai sunt doar experimente tehnologice. Sunt o direcție reală a digitalizării căilor ferate.
De ce monitorizarea infrastructurii feroviare are nevoie de AI?
Infrastructura feroviară este extinsă. Sunt sute și mii de kilometri de șină, condiții meteorologice variate, iluminare schimbătoare, trafic de vehicule, vegetație, animale, obiecte aflate în imediata vecinătate a căii și starea tehnică în continuă schimbare a infrastructurii.
Un om nu poate supraveghea continuu întreaga infrastructură. Un sistem computerizat poate însă efectua analiza în mod continuu. Asta nu înseamnă eliminarea omului. Din contră.
Cel mai valoroase model este acela în care AI acționează ca un strat suplimentar de percepție și analiză, iar omul primește informații deja filtrate și clasificate.
Această abordare mută omul de la rolul de observator al unui volum imens de date la rolul de decident bazat pe informațiile pregătite de sistem.
De la camere la fuziunea datelor și LiDAR
Camerele sunt doar începutul.
Următorul pas în dezvoltarea sistemelor de percepție poate fi fuziunea datelor provenite din diverși senzori.
VAR24 prevede integrarea tehnologiei LiDAR, un sistem care folosește impulsuri laser pentru a construi o reprezentare spațială a mediului.
De ce este important?
Imaginea din cameră oferă informație vizuală.
LiDAR poate oferi informație spațială.
Combinarea diferitelor surse de date permite construirea unui model mai complet al mediului observat.
Acest lucru este deosebit de important în situațiile în care analiza imaginii poate fi afectată de condițiile de iluminare sau atmosferice.
Interesant, direcția este deja prezentă și în lucrările poloneze R&D privind monitorizarea automată a infrastructurii feroviare. Proiectul UAVforRail utilizează, printre altele, AI, RGB, LiDAR și termoviziune pentru identificarea automată a defectelor infrastructurii feroviare.
Orizont extins al percepției
Pasul următor nu este doar o vedere mai precisă. Este a vedea mai departe.
Pentru un sistem de siguranță feroviară, nu contează doar starea căii imediat în fața vehiculului, ci și situația din jurul acesteia.
De aceea roadmap-ul VAR24 prevede extinderea analizei, printre altele, la:
- rețeaua de tracțiune,
- zona imediată din jurul șinei,
- animalele aflate pe șină,
- vehiculele de la trecerile la nivel,
- alunecările de teren,
- alte obstacole și anomalii potențiale.
În acest fel sistemul începe să treacă de la monitorizarea infrastructurii la percepția mediului de transport.
Iar percepția este unul dintre fundamentele autonomizării.
De la observație la reacție autonomă
Transportul feroviar autonom nu începe cu faptul că trenul ia singur toate deciziile.
Începe mult mai devreme.
Mai întâi mașina trebuie: să vadă.
Apoi: să înțeleagă.
Apoi: să evalueze riscul.
Și abia mai târziu: să reacționeze.
De aceea sistemele de computer vision, Edge AI, LiDAR și fuziunea datelor sunt esențiale pentru viitorul căii ferate autonome.
Cercetările actuale arată că automatizarea completă la nivel GoA4 este deja aplicată în unele sisteme de metrou, în timp ce aplicarea ei pe liniile principale rămâne mult mai dificilă din cauza cerințelor de siguranță și a complexității mediului operațional deschis.
VAR24 se înscrie astfel într-un traseu logic de dezvoltare: observație → analiză → predicție → percepția mediului → reacție → autonomizare.
Siguranța feroviară necesită date în timp real
În sistemele critice, timpul contează.
Dacă informația despre un potențial pericol apare abia după terminarea trecerii sau după analiza manuală a materialului, valoarea sa operațională poate fi limitată.
De aceea analiza datelor în timp real este unul dintre cele mai importante elemente ale conceptului VAR24.
Sistemul nu trebuie doar să colecteze informații. Trebuie să le proceseze. Să recunoască anomaliile. Să emită mesajul corect. Iar în viitor - conform roadmap-ului proiectului - poate deveni parte a unei reacții active la pericole critice.
VAR24 - foaia de parcurs a dezvoltării
Dezvoltarea sistemului a fost împărțită în faze succesive.
Faza 1 - sistem vizual / PoC
Optică avansată și inteligență artificială folosite pentru detectarea deteriorărilor infrastructurii aflate în zona imediată de acoperire a sistemului.
Faza 2 - fuziune de date și LiDAR
Integrarea surselor spațiale de date suplimentare și creșterea capacității de percepție a mediului.
Faza 3 - orizont extins al percepției
Extinderea analizei la rețeaua de tracțiune și la mediul din jurul căii.
Faza 4 - reacție activă
Concepția finală își propune atingerea unui nivel de disponibilitate de 99,99% și posibilitatea inițierii automate a procedurii de frânare de urgență în cazul identificării unui pericol critic la o distanță care depășește timpul de reacție uman.
Acesta este obiectivul de dezvoltare VAR24, nu o declarație a capacităților actuale ale sistemului.
Și tocmai această diferențiere este esențială în tehnologiile de siguranță.
Tehnologie neinvazivă - AI fără reconfigurarea infrastructurii
Unul dintre elementele interesante ale conceptului VAR24 este instalabilitatea sa neinvazivă.
În loc să reconstruiască infrastructura feroviară existentă, sistemul poate fi dezvoltat ca un strat tehnologic adițional care utilizează camere și un calculator de bord dedicat.
Aceasta deschide o cale diferită de implementare a AI în feroviar.
Nu este nevoie să construiești întreaga infrastructură de la zero.
Poți începe cu un strat inteligent de percepție care folosește trecerile vehiculelor pe rețeaua feroviară existentă pentru colectare și analiză continuă a informațiilor.
Tehnologie poloneză pentru calea ferată europeană
VAR24 este dezvoltat ca proiect R&D provenind din structurile Web24.com.pl Sp. z o.o., un software house polonez activ din 2008.
Conform presupunerilor proiectului, VAR24 este finanțat independent și dezvoltat fără dependență de capital extern.
Acesta este un element important al poveștii proiectului.
Nu este vorba doar despre crearea unei soluții AI în plus.
Scopul este construirea unei tehnologii care să poată fi aplicată într-unul dintre cele mai exigente sectoare de infrastructură - transportul feroviar.
Viitorul căii ferate va fi bazat pe percepție
Decenii la rând, dezvoltarea căilor ferate s-a concentrat pe creșterea vitezei, a capacității, automatizarea controlului și modernizarea infrastructurii.
Următorul pas este inteligența sistemului.
Trenul viitorului nu ar trebui doar să circule pe ruta planificată. Ar trebui să înțeleagă tot mai bine mediul în care se află. Să detecteze anomalii. Să prevadă probleme potențiale. Să furnizeze operatorului informațiile potrivite. Și, în aplicații adecvat certificate și sigure - în viitor - poate și să inițieze anumite acțiuni automat.
De aceea dezvoltarea AI pentru căi ferate, Edge Computing, computer vision, LiDAR, Predictive Maintenance și sistemelor autonome nu sunt cinci tendințe independente.
Sunt componente ale unui proces mai amplu. Procesul de la căi ferate observate de om la căi ferate care pot singure observa, analiza și reacționa.
VAR24 își propune să fie parte a acestui proces.
VAR24. Vede. Analizează. Reacționează.
