Autonomiczny tramwaj. Co można zrobić i kiedy to się ziści?

Wyliczono, że motorniczy musi radzić sobie przynajmniej z 25 różnymi zadaniami, przy czym z wieloma równocześnie. Zadania te obejmują np. reakcję na zachowanie kierowców samochodów, pieszych i tramwajów znajdujących się przed nim, utrzymywanie ustalonej prędkości i przestrzeganie rozkładu jazdy niezależnie od warunków pogodowych, zatrzymywanie się na światłach, znakach i przystankach, koordynowanie połączeń oraz szybkie i właściwe reagowanie na wszelkie problemy, które mogą wystąpić w pojeździe lub na trasie. Ponadto, nie zapominajmy, motorniczy odpowiada za dobre samopoczucie pasażerów.

Doświadczony motorniczy jest w stanie poradzić sobie z większością sytuacji w sposób intuicyjny. Z drugiej strony, częściowo lub w pełni autonomiczny tramwaj nie męczy się, może reagować szybciej niż człowiek oraz ma szersze pole percepcji. Czujniki zastępują oczy i uszy, a w programy sterowania tramwajem wdrożono modele rozpoznawania wzorów, podstawowe wzory zachowań i reakcji. Jednakże, ludzką intuicję i doświadczenie da się ustandaryzować jedynie w ograniczonym zakresie, a przecież nie każdą sytuację da się przewidzieć. System sterowania tramwajem musi być więc stopniowo programowany tak, aby mógł reagować elastycznie w każdej nowej sytuacji. Oprogramowanie musi „nauczyć się” podejmować decyzje z szybkością błyskawicy – lub prosić o wsparcie.

Etap 1. System przeciwkolizyjny

Rozwój tramwaju autonomicznego może odbywać się jedynie stopniowo. Aby móc zaoferować operatorom transportowym szybkie korzyści, Siemens Mobility zastosował do rozwoju podejście stopniowe. Stosunkowo często występującymi kolizjami są zderzenia tylne z tramwajami, powodujące szkody w wysokości milionów euro. Chcąc rozwiązać ten problem, firma Siemens Mobility jako krok pierwszy opracowała i wprowadziła system ostrzegania o kolizji, który wykorzystuje dane uzyskiwane z radaru i kamer. Siemens Mobility wyposażyła tramwaj Combino obsługiwany przez miejskie przedsiębiorstwo komunikacyjne w Ulm (Stadtwerke Ulm) w nowy system wsparcia motorniczego (Tram Assistant). Pracę nad tym systemem trwały w latach 2015-2018.

Wyposażony w czujniki system Siemens Tram Assistant monitoruje przestrzeń przed pojazdem, ostrzega o nieuchronnie zbliżającej się kolizji z innym tramwajem lub samochodem i nie dopuszcza do tej kolizji za pomocą trzech różnych sposobów interwencji. Pierwsza forma interwencji zakłada, że kierujący pojazdem usłyszy sygnał ostrzegawczy. Ostateczne rozwiązanie, w braku reakcji motorniczego na daną sytuację, powoduje włączenie się systemu automatycznego hamowania. Motorniczy może w każdej chwili zrezygnować z hamowania automatycznego i przejść na sterowanie ręczne.

Spółka ViP Verkehrsbetrieb Potsdam GmbH jest klientem firmy Siemens Mobility od ponad 25 lat. W ramach wspólnego projektu, spółka ViP udostępniła tramwaj Combino wyposażony dla testów w system GPS, komputery i szereg czujników takich jak kamery, lidar oraz radar. Celem tego wspólnego przedsięwzięcia jest analiza wyzwań technologicznych w zakresie prowadzenia tramwaju autonomicznego w rzeczywistych warunkach w celu opracowania i przetestowania realnych rozwiązań.

Pierwszy na świecie testowy pojazd autonomiczny został zaprezentowany podczas zeszłorocznych targów InnoTrans. Nie jest on jednakże przeznaczony do użytku komercyjnego. W dłuższej perspektywie zostanie on zaprojektowany tak, aby mógł funkcjonować na poziomie GoA 3 (wsparcie motorniczego w sytuacjach kryzysowych) lub GoA 4 (bez wsparcia motorniczego).

Przestrzeń z przodu i z boków tramwaju jest monitorowana za pomocą kamer. Oprogramowanie analityczne pojazdu wykorzystuje metody, jakimi posługuje się sztuczna inteligencja do rozpoznawania niezliczonej liczby obiektów i ludzi, wszelkich kształtów i w każdej pozycji. Specjalne algorytmy rozpoznają m.in. kolory świateł, sygnały i działanie sygnalizacji drogowej, pieszych oraz inne pojazdy takie jak samochody, ciężarówki, autobusy i rowery, a w końcu też obiekty i przeszkody znajdujące się na torach przed tramwajem. Obrazy z kamery są analizowane i system zatrzymuje pojazd w chwili, gdy światła lub sygnalizacja nie pozwala na dalszą jazdę. W chwili, gdy światła lub sygnalizacja dają sygnał „jedź”, Combino automatycznie wznawia jazdę.

Informacje pozyskiwane z kamer są stale analizowane w połączeniu z danymi uzyskiwanymi z trzech radarów. Fale radaru wykrywają np. obiekty metalowe takie jak samochody i inne tramwaje oraz umożliwiają precyzyjne obliczenie prędkości, odległości i kierunku, w jakim te obiekty się poruszają. Trzy lidary, służące jako cyfrowe oczy, skanują i rejestrują obraz o kącie 270° wokół przedniej części Combino. Skanują one teren w poziomie i pionie, mogą wykrywać ludzi, mierzyć prędkość, z jaką się poruszają i ich położenie, jak również obliczyć ich ruch w formie trójwymiarowego obrazu okolicy. „Mózgiem” tramwaju są złożone algorytmy pracujące na bardzo zaawansowanych komputerach. Analizują one sytuację drogową w konkretnym momencie, przewidują, jak się ona zmieni i podejmują prawidłowe decyzje, które są następnie wprowadzane w życie w poszczególnych układach odpowiedzialnych za sterowaniem tramwajem.

Tramwaj musi najpierw „nauczyć się” swojej trasy. Testy w Poczdamie były prowadzone od maja 2018 r., w asyście motorniczego, który interweniował jedynie w przypadku wystąpienia zagrożenia. Informacje przetwarzane w czasie rzeczywistym z danych pozyskanych przez kamery i czujniki wyświetlały się na ogromnym monitorze znajdującym się w testowanym tramwaju. Trasa, po której poruszał się testowany tramwaj została wydłużona z początkowych sześciu kilometrów do trzynastu kilometrów.

Na wszystkich testowanych trasach, tramwaj zatrzymywał się dokładnie przy każdym peronie i wznawiał jazdę samodzielnie po sygnale. Ludzie zbliżający się do torów byli szybko ostrzegani dzwonkiem. Tramwaj reagował na samochody poruszające się po torach w taki sam sposób, w jaki zareagowałby motorniczy. Dzięki temu, że tramwaj nie szarpał, nie hamował nagle przed zakrętem ani nie przyspieszał z opóźnieniem trudno się domyślić, że działał on w trybie autonomicznym. Testy prowadzone na wydłużonej trasie oraz w automatycznej zajezdni stanowią dowód, że automatyczny system kontroli może być z powodzeniem stosowany w praktyce dzięki nabytym umiejętnościom.

Etap 3. Wyniki testów i przyszłe wyzwania

Zdolność rozpoznawania przeszkód i sygnałów powinna być wkrótce na takim poziomie zaawansowania, że system będzie mógł być działać w warunkach miejskich. Dziś nie istnieją żadne procedury dopuszczania autonomicznych pojazdów szynowych do ruchu, Związek Niemieckich Przedsiębiorstw Komunikacyjnych wraz z Siemens Mobility podejmują wspólne wysiłki już na tak wczesnym etapie, aby określić niezbędne ramy w zakresie bezpieczeństwa i ramy prawne dla nowej technologii.

Chociaż firma Siemens Mobility wykorzystuje istniejące technologie stosowane w branży motoryzacyjnej, to jednocześnie adaptuje podstawowe algorytmy rozpoznawania wzorów i przetwarzania sygnałów do wymogów odpowiednich dla pracy tramwajów.

Czujniki samochodowe rejestrują na przykład o wiele więcej obiektów przed i wzdłuż samochodu, które nie są tak istotne dla tramwajów. Aby to skorygować, takie nieruchome obiekty jak słupy energetyczne, ogrodzenia oraz oznaczenia drogowe, które nie stanowią zagrożenia dla tramwajów muszą zostać usunięte z przetwarzania danych. Zupełnie inne wyzwanie stanowi opracowanie odpowiednich ostrzeżeń i strategii działania. Chociaż komponenty posługują się bardzo pożytecznymi algorytmami do rozpoznawania ludzi, jedynie specjalista jest w stanie opracować algorytmy, które stwierdzą, czy dana osoba stanowi niebezpieczeństwo. Np. w strefach dla pieszych i na przystankach tramwajowych, ludzie poruszają się w bardzo bliskiej odległości od strefy zagrożenia tramwaju, ale sytuację tę należy oceniać zupełnie inaczej niż z perspektywy samochodu.

Skutki uboczne testów tramwaju autonomicznego

Testy tramwaju autonomicznego w sieci komunikacji tramwajowej w Poczdamie w rzeczywistych warunkach i w rzeczywistym ruchu drogowym wykazały, że technologia jest obiecująca. Jednakże przed takimi tramwajami stoi jeszcze wiele przeszkód do pokonania zanim będą mogły być wykorzystywane w normalnym ruchu drogowym. W końcu i tramwaj, i jego oprogramowanie sterujące muszą nauczyć się prawidłowo rozpoznawać i analizować wszelkie złożone sytuacje na drodze,. Wymaga to opracowania olbrzymiej ilości algorytmów, co zabierze ich twórcom jeszcze kilka lat.

W perspektywie krótko i średnioterminowej, wyniki testów zostaną skutecznie ujęte w nowych funkcjach wsparcia motorniczego takich jak system Tram Assistant, obecny już w tramwajach Avenio i Combino w kilku europejskich miastach.

Stosując np. system „Speed Assistant”, uda się zapobiec sytuacjom, w których tramwaj wchodzi w ostry zakręt ze zbyt dużą prędkością lub uniknąć niepotrzebnego przyspieszania czy hamowania. Inna aplikacja może przekazywać dane na temat tymczasowych ograniczeń prędkości w okolicach placów budów lub przekazywać specjalne powiadomienia o trasie w czasie rzeczywistym. Pomoże to motorniczemu zwiększyć bezpieczeństwo i obniżyć zużycie pojazdu – np. w przypadku przyspieszania po wyjściu z zakrętu.

To dotyczy również linii tramwajowych, w których torowisko nie znajduje się na jezdni. W tym przypadku częściowa automatyzacja w celu wsparcia motorniczego będzie już wkrótce możliwa bez potrzeby udoskonalenia bardziej złożonych scenariuszy w mieszanym ruchu drogowym. Do roku 2020, testom zostanie poddana częściowa automatyzacja pracy zajezdni w Poczdamie, aby przygotować się do automatyzacji zajezdni dla potrzeb komercyjnych.

Z uwagi na fakt, że czujniki w tramwaju dokładnie rejestrują, co dzieje się wokół pojazdu, mogą być również wykorzystane do monitorowania stanu infrastruktury dla celów jej naprawy i konserwacji. Automatyczne procedury mogą stale sprawdzać rozstaw torów, stan torowiska i linii napowietrznych oraz ostrzegać przed powalonymi drzewami lub innymi przeszkodami znajdującymi się na torach. Mogą również monitorować integralność sygnałów, punktów i znaczników oraz sprawdzać, czy roślinność nie utrudnia przejazdu.

We wszystkich sytuacjach, nowa technologia pomaga motorniczemu oraz zapewnia większe bezpieczeństwo, lepszą dostępność, większy komfort dla pasażerów, punktualność i oszczędność energii. Mniejsza liczba wypadków, mniejsze zużycie oraz niższe koszty naprawy obniżają również koszty eksploatacji i przynoszą korzyści przez cały cykl życia.