Цифровий двійник Siemens Mobility зі штучним інтелектом демонструє новий підхід до модернізації залізниць
Для забезпечення надійності та безпеки пасажирів і вантажів багато європейських залізничних мереж проходять масштабну програму цифрової модернізації, яка включає цифрові двійники. Завдяки штучному інтелекту ці цифрові представлення залізничних систем допомагають полегшити ефективне управління семафорами протягом усього життєвого циклу активів. Siemens Mobility відіграє провідну роль у цьому розвитку.
Інформаційне моделювання будівель (BIM) Siemens Mobility для залізничної інфраструктури охоплює повну цифровізацію планування, будівництва та експлуатації залізничних об’єктів, включаючи сигналізацію та споруди вздовж усіх ліній. Кваліфіковані фахівці компанії застосовують цифрові двійники в рамках програми Deutsche Bahn з модернізації залізничної мережі вартістю 12,7 млрд євро (15,3 млрд доларів США).
Перезавантаження інвентаризації інфраструктури
Невід’ємною частиною зусиль німецької національної залізничної компанії з модернізації є перехід на Європейську систему управління поїздами (ETCS), вдосконалений компонент сигналізації та управління Європейської системи управління залізничним рухом (ERTMS). Першим компонентом процесу модернізації BIM є документування та оцифрування інфраструктури сигналізації залізничної мережі Deutsche Bahn. “Deutsche Bahn зрозуміла, що їм потрібні достовірні дані про колії, перш ніж вони зможуть розгорнути ETCS”, – говорить Каролін Байєр, керівник відділу цифрових двійників і цифровізації на внутрішньому ринку Німеччини в Siemens Mobility GmbH, що підтримує Deutsche Bahn для полегшення інвентаризації інфраструктури. “Наша робота полягає в тому, щоб перезавантажити або перезавантажити інвентаризацію інфраструктури в різних проектах. Це означає, що нам дійсно потрібна більш чітка картина”.
Застаріла інформація про стан об’єктів не дозволяє здійснювати точне планування. Особливо у великих інфраструктурних проектах отримання актуальних даних та інформації за допомогою традиційних методів зйомки є виснажливим і може спричинити значні затримки. У минулому для виконання цього завдання команді геодезистів доводилося проводити вимірювання за допомогою колісних рейок, а також використовувати здебільшого застарілі паперові плани.
Точність має значення
Для Siemens Mobility процес збору даних побудований навколо мобільної картографічної системи, яка може бути встановлена на поїздах, тролейбусах і автомобілях, за потреби. “Дуже важливо, щоб у деяких випадках ми мали точність до двох сантиметрів. Ця специфікація визначає вибір методу збору, в даному випадку – нашої високоточної системи зйомки”, – додає Байєр. Компанія використовує мобільну картографічну систему Trimble MX9, встановлену на транспортному засобі, з двійним лазером і IMU AP60, найвищим класом IMU на ринку. Trimble MX9 – це незалежна від транспортного засобу мобільна картографічна система, офіційно схвалена Deutsche Bahn для зйомки колій, точок, зазорів і топографічних об’єктів. Сканер встановлюється на поїзді для спрощення збору даних.
Максимальні результати, мінімальні перебої
“Чудовою особливістю цього мобільного картографічного рішення є те, що ми можемо збирати інформацію на звичайній швидкості руху поїздів, зазвичай від 80 до 110 км/год, і уникати перерв у роботі”, – продовжує Байєр. Siemens Mobility випробувала мобільну картографічну систему в Східному регіоні Deutsche Bahn Netz AG в рамках проекту з оновлення існуючих даних. Отримана хмара 3D точок залізничної інфраструктури з прив’язкою до місцевості включала детальні зображення колії, колійного середовища та ухилу колії.
Дані з різних джерел
Крім даних хмари точок і зображень з MX9, команда Siemens Mobility включає в цифрову 3D-модель значну кількість даних замовника з різних інших джерел, таких як географічні інформаційні системи (GIS) і реєстр нерухомості (ALKIS). Всі ці дані синхронізуються для створення BIM-моделі, яка позиціонується в глобальній системі координат з прив’язкою до місцевості – по суті, це цифровий двійник існуючої залізничної мережі та пов’язаної з нею інфраструктури (наприклад, семафорів). Потім команда виконує аналіз розривів, щоб перевірити відповідність об’єктів у базі даних замовника позиціям у хмарі точок.
Наступним кроком є ідентифікація та вилучення системних об’єктів і реалізація повного макета системи у вигляді масштабованого плану колії. Наприклад, на ділянці довжиною 500-800 км може бути близько 120 000 різних об’єктів. “Великі обсяги даних – це чудово, вони дуже детальні, і завдяки мобільному картографуванню ми можемо швидко їх збирати. Але штучний інтелект – це ключ до розкриття потенціалу даних, оскільки він дозволяє нам ефективно працювати з цими великими масивами даних”, – стверджує Байєр.
Алгоритмічна перевага
Байєр та її команда працювали з групою Siemens Mobility AI над розробкою індивідуальних алгоритмів для конкретних випадків використання, таких як автоматичне розпізнавання об’єктів на елементах колії. “Алгоритми розпізнавання об’єктів та ШІ підтримують поточні та майбутні розробки, дозволяючи оптимізувати залізничну інфраструктуру, а також рух поїздів у напівавтономних або повністю автономних системах. Без технологій штучного інтелекту, які допомагають сортувати дані, ми не змогли б розробити ці майбутні системи”, – додає вона.
Байєр вважає, що успішна реалізація BIM в залізничній інфраструктурі та цінність цифрового двійника полягає в узгодженні людей, процесів і технологій. “Перехід на ETCS і майбутнє залізничних операцій вимагатиме цифрового мислення. Ми переконані, що застосування BIM незабаром сприятиме підвищенню ефективності процесів у залізничній інфраструктурі, що, в свою чергу, зробить співпрацю значно прозорішою”, – підсумовує вона.
