◄ سامانه کمک لوکوموتیوران (DAS)/ استانداردسازی سامانه‌ های راهنمای راننده (DAS) ریلی با پروتکل SFERA

در تاریخ ۱۰ اکتبر ۲۰۲۲، اتحادیه بین المللی راه آهن ها (UIC) میزبان کارگاهی تخصصی در پاریس بود که به مناسبت انتشار ویرایش دوم سند IRS 90940 درباره پروتکل SFERA (Smart comunication for Efficient Railway Activities) برگزار شد. 

این رویداد با استقبال چشمگیر فعالان صنعت روبه رو شد؛ به گونه ای که ۵۶ نفر به صورت حضوری و حدود ۳۰ نفر به صورت برخط در آن شرکت کردند. گروه کاری SFERA که پیشتر نسخه نخست این پروتکل را ارائه کرده بود، در ویرایش جدید، بازخوردهای گسترده ذی نفعان را گردآوری و اصلاحات قابل توجهی اعمال کرده است تا مسیر پیاده سازی سامانه های راهنمای راننده (DAS= Driver Advisory System) هموارتر و کارآمدتر شود. این کارگاه در دو بخش مجزا با مدیریت اشپیگل ازInfrabel  و ساتر از راه آهن سوئیس (SBB) برگزار و موضوعات استانداردسازی، پیاده سازی عملیاتی و چالش های پیشِ روی بهره برداران را پوشش داد.

توضیحات تکمیلی: صنعت ریلی جهان در شرایطی به سر می برد که فشارهای چندگانه ای بر آن وارد می شود؛ از یک سو ضرورت افزایش چشمگیر ظرفیت حمل و نقل و بهبود کیفیت خدمات، و از سوی دیگر الزام به کاهش هزینه های سرمایه گذاری، بهره برداری و به ویژه مصرف انرژی. رشد بی وقفه ترافیک ریلی و نیاز به استفاده حداکثری از زیرساخت های موجود، در کنار نوسانات قیمت حامل های انرژی و محدودیت های زیست محیطی، این صنعت را به سمت جستجوی راه حل های هوشمندانه تر سوق داده است. 

در این میان، سامانه های راهنمای راننده (DAS) به عنوان یکی از کارآمدترین ابزارهای فنی مطرح شده اند که با ارائه توصیه های لحظه ای به راننده، امکان حرکت قطار را مطابق با جدول زمانی و هم زمان با حداقل مصرف انرژی فراهم می آورند (حداقل خرابی). 

دامنه این سامانه ها بسیار گسترده است؛ از راهبردهای ساده که صرفاً بر حفظ سرعت متوسط تا ایستگاه بعدی تأکید دارند تا الگوریتم های پیشرفته ای که با در نظر گرفتن دقیق مشخصات خط، وزن قطار و محدودیت های عملیاتی، منحنی سرعت را به شکلی کاملاً بهینه محاسبه می کنند، و این تفاوت در پیچیدگی، تأثیری مستقیم و قابل توجه بر میزان صرفه جویی حاصل دارد.

درک منطق درونی این سامانه های بهینه سازی نشان می دهد که دستیابی به عملکرد مطلوب، بسیار فراتر از توصیه های ساده ای همچون «حرکت با سرعت ثابت» است. عملکرد یک قطار در مسیری با شیب وفراز، به شدت از پدیده «اثر تپه عبوری» متأثر است؛ بدین معنا که بهترین راهبرد، کسب شتاب پیش از رسیدن به سربالایی برای استفاده از نیروی اینرسی در صعود ... می باشد. 

تحقق چنین راهبردی مستلزم آن است که الگوریتم بهینه سازی، علاوه بر داده های ثابت مسیر مانند پروفیل طولی، شعاع قوس ها و محدودیت های سرعت، اطلاعات حرکتی قطار از جمله وزن، نیروی کشش و بازدهی سامانه ترمز را نیز دریافت کند. 

این مسئله معمولاً در قالب یک تابع هزینه فرموله می شود که می تواند چندین هدف را هم زمان پوشش دهد؛ برای نمونه، ترکیبی از مصرف انرژی خالص (پس از کسر انرژی بازیافتی ترمز)، جریمه تأخیر و هزینه سایش قطعات (هزینه تعمیر و نگهداری). 

نکته کلیدی آنکه با تغییر ضرایب وزنی این تابع، بهره بردار می تواند اولویت سیستم را مطابق با نیازهای خاص خود تنظیم کند؛ در حمل بارسنگین، کاهش مصرف سوخت و استهلاک چرخ و ریل اولویت دارد و در قطارهای مسافری وقت شناسی و کیفیت سفر. 

همچنین رابطه مستقیمی میان «زمان مازاد» موجود در جدول حرکت و پتانسیل صرفه جویی وجود دارد؛ هرچه این فاصله زمانی بین حرکت عادی و کوتاه ترین زمان ممکن بیشتر باشد، الگوریتم فضای بیشتری برای کاهش مصرف انرژی خواهد داشت.

یکی از چالش های بنیادین در این حوزه، مسئله اعتبارسنجی عملیاتی است؛ زیرا اثبات میزان صرفه جویی واقعی یک راهبرد خاص در محیط واقعی، بدون ایجاد اختلال در سرویس روزانه، کاری بسیار دشوار و هزینه بر است. آزمایش های میدانی سنتی با موانع جدی مانند دشواری در یافتن دو قطار با شرایط کاملاً مشابه برای مقایسه، نیاز به جمع آوری داده های آماری در بازه های زمانی طولانی، و اندازه گیری دقیق مصرف انرژی در شرایط عملیاتی ناپایدار روبرو هستند. برای عبور از این موانع، روشی جایگزین مبتنی بر شبیه سازی با استفاده از داده های عملیاتی توسعه یافته است که به جای آزمایش فیزیکی، از ثبت داده موقعیت یاب (GPS) قطارها در سرویس روزانه بهره می برد و مصرف انرژی برای هر دو سناریو با یک مدل فیزیکی یکسان محاسبه می شود.