Demiryolu, güvenliğin aynı anda çalışan binlerce unsurun bağlı olduğu bir sistemdir. Raylar, ayırıcılar, enerji hattı, demiryolu geçitleri, mühendislik yapıları ve hat çevresi, sürekli izlenmesi gereken bir ortam oluşturur.
Sorun artık yalnızca mümkün olduğunca çok veri toplamaktır.
Sorun, tehlikeyi yeterince erken görmek, onu doğru şekilde yorumlamak ve müdahale edebilecek bir kişiye veya sisteme iletmektir.
İşte tam da burada yapay zeka devreye girer.
Demiryollarında AI - görüntü kaydından gerçekliği anlamaya
Klasik izleme sistemi öncelikle kaydeder.
Kamera saatlerce video kaydedebilir, ancak en önemli soruya cevap vermez:
Gözlemlenen görüntüde müdahale gerektiren bir olay meydana geldi mi?
İnsan kaydı analiz edebilir, fakat veri ölçeği hızlıca manuel kontrol yeteneklerini aşar. Geçişler, hat kilometreleri ve kamera sayısı arttıkça bilgi seçimi büyük bir sorun haline gelir.
Bu nedenle computer vision, machine learning ve demiryolu için AI gelişimi altyapı izleme yaklaşımını değiştirir.
Yapay zekâya dayalı bir sistem belirli kalıplar ve anomaliler açısından görüntüyü analiz edebilir, olayları sınıflandırabilir ve operatöre yalnızca dikkat gerektiren bilgileri iletebilir.
Bu temel bir değişimdir.
Şunun yerine: kamera → kayıt → insan → analiz
şunu alırız: kamera → AI → anomali tespiti → olay bağlamı → müdahale.
Edge Computing - neden AI verinin kaynağına yakın çalışmalı?
Demiryolları için modern AI sistemlerinin en önemli öğelerinden biri Edge Computingdir.
Geleneksel modelde veriler merkezi bir sunucuya veya buluta gönderilerek analiz edilir. Demiryolu altyapısının izlenmesi söz konusu olduğunda bu, büyük miktarda görsel verinin iletilmesini gerektirir.
VAR24 farklı bir fikir kullanır.
Analiz ağ kenarında, yerel olarak özel bir mikro bilgisayar ve kamera sistemi kullanılarak gerçekleştirilir.
Bu önemlidir.
Sistem gerçek zamanlı çalışacaksa her kararı tüm veri akışını dış merkeze göndermeye bağımlı kılmak mümkün değildir.
Edge AI zekayı doğrudan araçtaki cihaza taşıma imkânı verir.
Veriler oluştukları yerde analiz edilir.
Böylece gecikmeler azaltılabilir, ileriye gönderilen veri miktarı düşürülebilir ve hızlı müdahale gerektiren uygulamalar için uygun bir mimari oluşturulabilir.
İşte bu yüzden demiryolunda Edge Computing, akıllı güvenlik sistemleri geliştirme yönlerinden biridir.
Mevcut araştırmalar demiryolu altyapısı bakımında AI'yı Digital Twins ve siber-fiziksel sistemlerle birlikte Edge AI yönünde bir gelişim yolu olarak göstermektedir.
VAR24 - görür, analiz eder, tepki verir
VAR24 kavramı üç temel aşama üzerine kuruludur.
01. Görür
Ön kameralar makinistin perspektifinden hattı gözlemler.
Bu önemlidir çünkü sistem soyut bir altyapı modelini değil, aracın hareket ettiği gerçek ortamı analiz eder.
02. Analiz eder
Görüntü yerel olarak yapay zekâ tarafından işlenir.
Sistem pasif kayda bağlı kalmak yerine anomalileri ve potansiyel tehlikeleri tanımakla görevlidir.
03. Tepki verir
Tespit edilen olay bağlamıyla birlikte sevk merkezi veya operatöre iletilebilir.
İşte bu aşama izlemeden karar destek sistemine geçişi sağlar.
Ve bu temel bir farktır.
Demiryolunda Predictive Maintenance - arıza oluşmadan önce bakım
Yapay zekânın raylı taşımada en önemli uygulamalarından biri Predictive Maintenance, yani prediktif bakımdır.
Geleneksel yaklaşım genellikle bakım programlarına, periyodik prosedürlere ve tespit edilen arızalara tepkiye dayanır.
Predictive Maintenance çalışma mantığını değiştirir.
Şunun yerine sormak yerine: “Bir sonraki kontrol ne zaman yapılmalı?”
sistem şu soruya yönelebilir: “Mevcut verilere dayanarak problem belirtileri görülüyor mu ve ne kadar hızlı kritik olabilir?”
Bu, altyapı yönetimi açısından büyük bir fark yaratır.
AI görüntüleme, sensör verileri, hat geometrisi, titreşimler ve diğer kaynakları kullanarak potansiyel sorunları gösteren kalıpları tanımlayabilir. Güncel bilimsel çalışmalar, görüntüleme, titreşim analizi ve hat geometrisi verilerinin AI tabanlı prediktif bakımda önemli veri kaynakları olduğunu göstermektedir.
Uluslararası Demiryolu Birliği UIC, AI'nin demiryolu sektöründe hızlandırılmasını ve PoC'den pilot uygulamalara ve operasyonel kullanımlara geçişi amaçlayan Artificial Intelligence for Predictive Maintenance projesini yürütmüştür.
Bu, AI ve Predictive Maintenance'in artık yalnızca bir teknoloji deneyi olmadığını gösterir. Demiryolunun dijitalleşmesinde gerçek bir yön haline gelmişlerdir.
Neden demiryolu altyapı izlemesi AI'ya ihtiyaç duyar?
Demiryolu altyapısı geniştir. Yüzlerce, binlerce kilometre ray; farklı hava koşulları, değişen aydınlatma, araç trafiği, bitki örtüsü, hayvanlar, ray yakınındaki nesneler ve altyapının değişen teknik durumu ile karşı karşıyadır.
İnsan altyapının tamamını sürekli gözlemleyemez. Bir bilgisayar sistemi ise analizleri sürekli olarak gerçekleştirebilir. Bu, insanı ortadan kaldırmak anlamına gelmez; tam tersine.
En değerli model, AI'nın algılama ve analiz için ek bir katman olarak çalıştığı ve insanın sistem tarafından önceden filtrelenmiş ve sınıflandırılmış bilgileri aldığı modeldir.
Bu yaklaşım, insanı büyük veri setlerinin gözlemcisinden, sistemin hazırladığı bilgiler üzerinden karar veren kişiye dönüştürür.
Kameralardan veri füzyonuna ve LiDAR'a
Kameralar yalnızca başlangıçtır.
Algılama sistemlerinin bir sonraki aşaması farklı sensörlerden gelen veri füzyonu olabilir.
VAR24, çevrenin mekânsal temsilini oluşturan lazer darbeleri kullanan LiDAR teknolojisi ile entegrasyonu öngörür.
Neden bu önemli?
Kamera görüntüsü görsel bilgi sağlar.
LiDAR mekânsal bilgi sağlayabilir.
Farklı veri kaynaklarını birleştirmek gözlemlenen ortamın daha eksiksiz bir modelinin oluşturulmasına izin verir.
Bu, yalnızca görüntü analizinin aydınlatma veya atmosfer koşulları nedeniyle zorlaştığı durumlarda özellikle önemlidir.
Önemli olarak, benzer bir yön Türkiye'deki ve Polonya'daki AR-GE çalışmalarında da görülmektedir. UAVforRail projesi, altyapı arızalarının otomatik tanımlanması için AI, RGB, LiDAR ve termal görüntülemeyi kullanmaktadır.
Genişletilmiş algı ufku
Bir sonraki adım yalnızca daha hassas bakmak değildir. Daha uzağa bakmaktır.
Bir güvenlik sistemi için önemli olan sadece aracın hemen önündeki ray durumu değil, çevresindeki durum da olabilir.
Bu nedenle VAR24 yol haritası analiz kapsamını şunları içerecek şekilde genişletmeyi planlar:
- enerji hattı,
- ray çevresi,
- ray üzerindeki hayvanlar,
- demiryolu geçitlerindeki araçlar,
- heyelanlar,
- diğer potansiyel engeller ve anomaliler.
Böylece sistem altyapı izlemesinden taşıma ortamının algısına doğru ilerler.
Algı, otonomlaşmanın temellerinden biridir.
Gözlemden otonom tepkiye
Otonom raylı taşımacılık, trenin tüm kararları kendi başına almasıyla başlamaz.
Çok daha önce başlar.
Önce makine görmeli.
Sonra anlamalı.
Ardından riski değerlendirmeli.
Ve ancak sonra müdahale etmeli.
İşte bu yüzden computer vision, Edge AI, LiDAR ve veri füzyonu sistemleri otonom demiryolunun geleceği için önemlidir.
Mevcut araştırmalar GoA4 seviyesinde tam otomasyonun bazı metro sistemlerinde uygulandığını, ancak ana hatlarda güvenlik gereksinimleri ve açık operasyonel ortamın karmaşıklığı nedeniyle uygulanmasının çok daha zor olduğunu göstermektedir.
VAR24 bu mantıklı gelişim yoluna uyar: gözlem → analiz → tahmin → çevre algısı → tepki → otonomlaşma.
Demiryolu güvenliği gerçek zamanlı veriye ihtiyaç duyar
Kritik sistemlerde zaman önemlidir.
Potansiyel bir tehlike hakkındaki bilgi ancak geçiş tamamlandıktan veya kayıt elle analiz edildikten sonra ortaya çıkarsa, operasyonel değeri sınırlı olabilir.
Bu nedenle gerçek zamanlı veri analizi VAR24 konseptinin en önemli öğelerinden biridir.
Sistem yalnızca bilgi toplamakla kalmamalıdır. Onları işlemeli. Anomalileri tanımalı. Doğru iletiyi iletmelidir. Ve proje yol haritasına göre gelecekte kritik bir tehdide karşı aktif müdahalenin bir parçası haline gelebilir.
VAR24 - gelişim yol haritası
Sistem geliştirme ardışık fazlara bölünmüştür.
Faz 1 - görsel sistem / PoC
İleri optik ve yapay zekâ, sistemin doğrudan menzili içindeki altyapı hasarlarını tespit etmek için hizmet eder.
Faz 2 - veri füzyonu ve LiDAR
Ek mekânsal veri kaynaklarının entegrasyonu ve çevre algısının artırılması.
Faz 3 - genişletilmiş algı ufku
Analizin enerji hattı ve ray çevresi gibi alanlara genişletilmesi.
Faz 4 - aktif tepki
Hedeflenen konsept, %99,99 güvenilirlik seviyesine ulaşmayı ve kritik bir tehdidin insanın tepki süresini aşan bir mesafede tespit edilmesi durumunda acil frenleme prosedürünü otomatik olarak başlatma yeteneğini içerir.
Bu VAR24'ün gelişim hedefidir, mevcut sistemin bugünkü yeteneklerinin bir bildirimi değildir.
Ve güvenlik teknolojilerinde bu tür ayrımlar kritiktir.
Altyapıyı yeniden inşa etmeden AI - invazif olmayan teknoloji
VAR24 kavramının ilginç unsurlarından biri kurulumda invazif olmamasıdır.
Mevcut demiryolu altyapısını yeniden inşa etmek yerine sistem, kameralar ve bir gömülü bilgisayar kullanan ek bir teknolojik katman olarak geliştirilebilir.
Bu, demiryolda AI uygulamalarının benimsenmesi için tamamen farklı bir yol açar.
Her şeyi baştan inşa etmeye gerek yoktur.
Mevcut hatlarda araç geçişlerini kullanarak sürekli veri toplama ve analiz yapacak akıllı algılama katmanıyla başlanabilir.
Avrupa demiryolları için bir Polonya teknolojisi
VAR24, 2008'den beri faaliyet gösteren Polonyalı yazılım şirketi Web24.com.pl Sp. z o.o. yapıları kökenli bir AR-GE projesi olarak geliştirilmektedir.
Proje varsayımlarına göre VAR24 kendi kaynaklarıyla finanse edilmekte ve dış sermayeye bağımlı olmadan geliştirilmektedir.
Bu, projenin hikâyesi için önemli bir unsurdur.
Ama amaç yalnızca AI kullanan başka bir çözüm oluşturmak değildir.
Amaç, en zorlu altyapı sektörlerinden biri olan raylı taşımacılıkta uygulanabilecek bir teknoloji inşa etmektir.
Demiryolunun geleceği algıya dayanacak
On yıllarca demiryolu gelişimi hız, kapasite, kontrol otomasyonu ve altyapı modernizasyonuna odaklandı.
Bir sonraki adım sistemin zekâsıdır.
Geleceğin treni yalnızca planlı rotada gitmemeli. Bulunduğu ortamı daha iyi anlamalı. Anomalileri tespit etmeli. Potansiyel sorunları öngörmeli. Operatöre doğru bilgileri iletmeli. Ve uygun sertifikasyon ve güvenlik şartları sağlandığında gelecekte belirli eylemleri otomatik olarak da gerçekleştirebilir.
Bu nedenle demiryolları için AI, Edge Computing, computer vision, LiDAR, Predictive Maintenance ve otonom sistemler beş ayrı trend değildir.
Bunlar daha büyük bir sürecin parçalarıdır. İnsanın gözlemlediği demiryolundan, kendisi gözlemleyip analiz edip tepki verebilen demiryoluna geçiş sürecinin öğeleridir.
VAR24 bu sürecin bir parçası olmak istiyor.
VAR24. Görür. Analiz eder. Tepki verir.
