Branża kolejowa przechodzi obecnie chyba najgłębszą transformację od czasu elektryfikacji. Przemysł 4.0, Internet Rzeczy (IoT) czy sztuczna inteligencja (AI) przekształcają automatykę kolejową z tradycyjnej, odizolowanej infrastruktury w otwarty, cyfrowy ekosystem, który jest zdolny do samodiagnostyki i podejmowania decyzji w czasie rzeczywistym.

Od GSM-R do FRMCS – łączność jako krwiobieg automatyki kolejowej

System GSM-R, czyli dotychczasowy standard kolejowej łączności cyfrowej w Europie, osiągnął już kres swoich możliwości technologicznych. Oferuje on przesył danych rzędu kilkudziesięciu kilobitów na sekundę, co wystarczało do komunikacji głosowej i podstawowej transmisji danych w ramach Europejskiego Systemu Sterowania Pociągiem (European Train Control System – ETCS), ale stanowi absolutne wąskie gardło dla nowej generacji automatyki.

Wdrażany standard FRMCS (Future Railway Mobile Communication System) oparty na technologii 5G stanowi podstawę komunikacji nowoczesnej kolei. Zapewnia on:

• wysoką przepustowość danych – umożliwia przesyłanie strumieniowe obrazu z kamer HD/4K montowanych na pociągach i masowych danych z tysięcy czujników IoT,
• niski czas opóźnienia (< 5 ms) – bezpieczne sterowanie autonomiczne i płynną wymianę danych pociąg-pociąg (V2V) oraz pociąg-infrastruktura (V2I),
• slicing sieciowy – możliwość odizolowania ruchu o najwyższym priorytecie (krytycznego dla bezpieczeństwa ruchu) od standardowych usług pasażerskich.

Bez ultra-szybkiej i bezawaryjnej sieci 5G wdrożenie pełnej autonomii czy rozproszonego IoT w skali sieci krajowej byłoby niemożliwe.

IoT i diagnostyka predykcyjna

Tradycyjny model utrzymania ruchu bazował na przeglądach okresowych lub reakcji na zaistniałą awarię. Przemysł 4.0 wprowadza całkowicie nowe podejście do kwestii utrzymania ruchu, czyli konserwację predykcyjną. Wykorzystując nowoczesną technologię, możliwe jest przewidywanie wystąpienia usterki i wdrożenie odpowiednio wcześnie niezbędnych czynności serwisowych.

Najwrażliwszym elementem infrastruktury torowej od lat pozostają rozjazdy kolejowe. Współczesne napędy zwrotnicowe integruje się z czujnikami IoT, które analizują m.in. profil poboru prądu przez silnik, wibracje i temperaturę otoczenia. Odchylenie od wzorcowej krzywej prądowej świadczy o narastających oporach mechanicznych (np. braku smarowania czy zanieczyszczeniu podrozjazdnic). Algorytmy ML są w stanie zidentyfikować problem nawet na kilka dni przed faktycznym zablokowaniem rozjazdu.

Ryzyko awarii nie dotyczy tylko infrastruktury kolejowej, ale również taboru szynowego. W celu jego zminimalizowania stosuje się różnego rodzaju zaawansowane układy pomiarowe, które monitorują tabor przejeżdżający z pełną prędkością (urządzenia detekcji stanów awaryjnych taboru – dSAT). W ramach tej grupy rozwiązań mamy m.in. systemy monitorowania pociągów, systemy detekcji płaskich miejsc (czujniki nacisku i światłowodowe czujniki odkształceń szyn wykrywają uderzenia wywołane uszkodzeniem powierzchni koła), detektory zgrzanych osi, systemy kontroli obciążenia osi oraz różnego rodzaju kamery termowizyjne i inne czujniki.

Sztuczna Inteligencja w sterowaniu ruchem

Współczesna automatyka kolejowa coraz bardziej przesuwa ciężar decyzyjny z prostych układów logicznych na złożone sieci neuronowe wspierające dyżurnych ruchu i dyspozytorów.

W przypadku zakłóceń w ruchu (np. awarii sieci trakcyjnej) tradycyjne systemy opierały się na wiedzy i doświadczeniu dyspozytora. Nowoczesne systemy zarządzania ruchem (Traffic Management System – TMS), wspomagane przez AI, analizują w ułamku sekundy tysiące kombinacji rozkładowych. Przewidują kaskadowe opóźnienia i proponują optymalne rozwiązanie. Są w stanie dynamicznie zmieniać priorytety pociągów, wyznaczając trasy objazdowe i informując pasażerów w czasie rzeczywistym.

Ponieważ przejazdy kolejowo-drogowe od lat stanowią jedno z najniebezpieczniejszych miejsc w infrastrukturze drogowej, również i one doczekały się nowoczesnych rozwiązań. Systemy wizyjne z przetwarzaniem krawędziowym (Edge AI) pozwalają m.in. na:

MOŻE ZAINTERESUJE CIĘ TAKŻE

Kontrola ruchu i efektywność energetyczna

Technologie są ważne, ale liczy się też kolejność ich wdrażania

Rynek technologii wspierających efektywność energetyczną nigdy nie był tak dojrzały jak dziś. Czujniki IoT, systemy zarządzania energią klasy EMS, napędy o zmiennej prędkości, odnawialne źródła energii czy cyfrowe bliźniaki procesów produkcyjnych są powszechnie dostępne na rynku i nie stanowią już żadnej bariery technologicznej.

• błyskawiczne wykrycie przeszkody (samochód, pieszy, przedmiot) w strefie niebezpiecznej przejazdu,
• automatyczne przekazanie sygnału do systemu zatrzymania pociągu (np. ETCS), zanim maszynista dostrzeże zagrożenie,
• autonomiczną inspekcję stanu infrastruktury (szyn, mocowań, wskaźników) przy użyciu kamer montowanych na czołach pociągów rozkładowych.

Autonomiczna kolej i nowa generacja systemów zarządzania

Podobnie jak w przypadku pojazdów samochodowych, również pociągi przyszłości być może będą się poruszać bez nadzoru człowieka. Autonomia prowadzenia pociągów opisana jest czterostopniową skalą – od wsparcia maszynisty (GoA1) po pełną autonomię bez personelu na pokładzie (GoA4).

Połączenie Europejskiego Systemu Sterowania Pociągiem (ETCS) z Automatycznym Prowadzeniem Pociągu (ATO) pozwoli na realizację operacji w standardzie GoA2/GoA3 na liniach magistralnych. System ATO odpowiada za optymalne przyspieszanie i hamowanie, realizując profil jazdy ukierunkowany na minimalizację zużycia energii elektrycznej przy jednoczesnym zachowaniu idealnej punktualności i maksymalnego bezpieczeństwa.

W tradycyjnej automatyce linia kolejowa podzielona jest na sztywne odstępy blokowe zabezpieczane przez liczniki osi lub obwody torowe. Pociąg zajmuje cały odstęp, niezależnie od tego, czy ma 50 m czy 600 m długości.

Najnowsza generacja systemu ECTS zmienia to podejście. Rezygnuje się ze stacjonarnych urządzeń kontroli niezajętości toru na rzecz ciągłego monitorowania integralności pociągu. Wprowadza się jednocześnie pojęcie ruchomego odstępu blokowego (Moving Block). W tym podejściu bezpieczna odległość między pociągami obliczana jest dynamicznie na podstawie ich aktualnej prędkości i drogi hamowania. W efekcie można zwiększyć przepustowość istniejących linii kolejowych nawet o 30-40%.

Cyfrowy bliźniak i cyberbezpieczeństwo

Integracja danych z systemów BIM (Building Information Modeling), skanowania laserowego LiDAR i bieżących odczytów IoT pozwala na stworzenie cyfrowego bliźniaka całej linii kolejowej. Mając takie wirtualne odwzorowanie linii kolejowej, inżynierowie automatyki mogą w środowisku cyfrowym symulować wprowadzanie nowych rozkładów jazdy i sprawdzać obciążenie podstacji trakcyjnych, testować zachowanie urządzeń SRK w warunkach ekstremalnych awarii, a nawet planować prace modernizacyjne bez wstrzymywania ruchu.

Jednocześnie przejście z zamkniętych układów przekaźnikowych i dedykowanych kabli na otwarte protokoły IP, komunikację bezprzewodową i usługi chmurowe stwarza zupełnie nowe wektory ataków dla cyberprzestępców.

Współczesna automatyka kolejowa musi odpowiadać rygorystycznym normom cyberbezpieczeństwa, takim jak IEC 62443 oraz dyrektywa NIS 2. Niezwykle ważne jest w tym kontekście odizolowanie sieci operacyjnych (OT) od sieci biznesowych (IT), stosowanie szyfrowania kluczem publicznym dla transmisji danych sterujących i ciągłe monitorowanie ruchu sieciowego pod kątem anomalii za pomocą dedykowanych systemów SIEM/SOC.

Jaka będzie kolej przyszłości?

Automatyka branży kolejowej przestała być jedynie domeną elektrotechniki i mechaniki precyzyjnej. Jest obecnie zaawansowaną dyscypliną IT/OT, w której istotną rolę odgrywają algorytmy uczenia maszynowego, szybka łączność bezprzewodowa i analityka Big Data.

Dodatkowa iIntegracja IoT, sztucznej inteligencji oraz standardów, takich jak FRMCS, nie tylko podnosi poziom bezpieczeństwa, ale przede wszystkim pozwala kolei konkurować z transportem drogowym i lotniczym pod względem elastyczności, przepustowości i ekologii. W erze Przemysłu 4.0 pociąg staje się zaawansowanym centrum obliczeniowym na kołach, który porusza się po inteligentnych, samodiagnozujących się torach.