也许D2809动车脱轨本可以避免

6月4日 , D2809动车撞上泥石流 , 发生严重脱轨 , 导致当班司机不幸殉职 , 多名乘客及列车员受伤 。 我们感慨司机的英勇果断 , 挽救了绝大部分旅客和乘员 , 同时 , 也深深地惋惜 , 毕竟英雄走了!
自然灾害是突发的 , 但是 , 科技可以帮助我们及早预测、感知到灾害 , 并及时采取措施 , 最大程度地避免灾害对人类的破坏和损伤 。
本文借助一些智能汽车解决方案 , 探讨相关技术在高铁/动车中的应用 , 尽早感知、预防灾害发生 , 仅供参考 。
1、激光雷达
杨勇司机在5秒钟内采取了紧急制动措施 , 5秒对于人来说 , 从肉眼看到障碍物 , 到作出判断 , 再发出指令或手动操控 , 已近极限 。
然而 , 如果通过激光雷达等科技手段感知 , 再通过车载计算中心AI分析判断 , 发现异常情况 , 采取紧急措施的响应时间是毫秒级 , 这就为紧急避险赢得更多宝贵时间 。
也许D2809动车脱轨本可以避免
文章图片
从新闻中的图片可以看出 , 车头及其后节车厢在急速强力制动下脱轨 , 并撞向防护墙/柱 。 假如列车头安装有激光雷达 , 在数百米甚至数公里外就能探测到铁轨上的障碍物 , 并在几毫秒内自动启动紧急制动 , 因为响应快 , 就可以留下足够的缓冲时间 , 减小冲击力 , 避免重大损伤 。
激光雷达的三维目标成像、识别技术 , 在时速100-200公里的汽车自动驾驶中应用 , 已经得到了充分验证 , 在时速250公里的动车上应该也没有问题 。 何况 , 汽车的路况远比铁轨上运行的列车复杂 。
也许D2809动车脱轨本可以避免
文章图片
激光雷达的有效探测距离可达到数百米至数公里 , 激光雷达的最大优势是分辨率高 。 激光雷达具备极高的角度、距离和速度分辨率 。 可同时跟踪多个目标;距离分辨率可达0.lm;速度分辨率能达到10m/s以内 。 距离和速度分辨率高,意味着可以利用距离——多谱勒成像技术来获得目标的清晰图像 。
多个激光雷达 , 效果更佳 。 还可像智能汽车驾驶那样 , 配合使用多个毫米波雷达、超声波雷达、高清摄像头 。 超感知+超级运算 , 实现自动驾驶 , 紧急情况下的响应时间达到毫秒级 , 最大限度避免灾害 。
2、车路协同
在隧道、涵洞、立交桥、路网密集、社区集中 , 等等 , 情况复杂 , 易发意外事故的路段 , 通过高清摄像头、超声波传感器等科技手段加大感知力度 , 再通过4G、5G或光纤传送信息至运行中的列车及路局调度中心 , 实现车路协同 , 这是汽车自动驾驶的方向 , 也是列车智能驾驶的方向 。
在感知、运算、分析、响应等多方面 , 现在科技及电脑在这些方面的能力是超过人的 。 加之 , 这些年我国以5G为龙头的新基建建设已取得突飞猛进的成就 , 具备了实施车路协同自动驾驶的物质与技术条件 。
也许D2809动车脱轨本可以避免
文章图片
上图是汽车智能驾驶的车路协同 , 供参考 。 (图片来源于网络)
3、车载计算中心
上述技术的落实 , 需要有比较强大的运算中心支撑 , 现有列车上的计算系统需要升级 , 没有强大的算力 , 前面讲的都是白搭 。
车载计算中心不仅要处理各种列车运行数据 , 还有列车上搭载的各种传感器、探测器的实时感知数据 , 以及铁路沿线各种实时探测数据 , 再辅以本路网所有列车的过往数据 , 及经过路段的历史与当下的自然灾害数据 , 对这些大数据建立模型 , AI分析、模拟、自学习 , 在此基础上 , 实现自动驾驶 。