Využití počítačové simulace pro simulaci provozu kolejových vozidel v rámci nové vrstvy modelu železniční sítě

Rok / Year: 2014

Svazek / Volume: 16

Číslo / Number: 6

Využití počítačové simulace pro simulaci provozu kolejových vozidel v rámci nové vrstvy modelu železniční sítě Utilization of computer simulation for simulation of traffic rolling stock within the new data layer of railway network model Jan Fikejz, Emil Řezanina {jan.fikejz, emil.rezanina}@upce.cz Fakulta elektrotechniky a informatiky, Univerzita Pardubice

Abstrakt: Tento článek se zabývá dalším rozpracováním návrhu modelu železniční sítě a jeho následné využití v rámci simulace provozu kolejových vozidel. Pozornost je především zaměřena na návrh nové datové mezivrstvy modelu, jež má doplnit stávající dvouvrstvý model. V rámci nové vrstvy modelu je následně provedena simulace provozu kolejových vozidel a navození různých nestandardních situací, jejichž detekce by bylo možné využít jako doplňkovou podporu dispečerského řízení dopravy.

Abstract: The article deals with further development of a railway network design and its subsequent use within the simulation of rolling stock operation. The article primarily focuses on the design of another data layer of the model reflecting a more realistic view of the rail infrastructures between the stations on regional routes. This new data model so complements the previous two-layer data model.Consequently, simulation of the rolling stock traffic and induction of different non-standard situations is performed within the new model layer, whose detection could be used as an additional support to the dispatcher control system.

VOL.16, NO.6, DECEMBER 2014

VYUŽITÍ POČÍTAČOVÉ SIMULACE PRO SIMULACI PROVOZU KOLEJOVÝCH VOZIDEL V RÁMCI NOVÉ VRSTVY MODELU ŽELEZNIČNÍ SÍTĚ Jan Fikejz, Emil Řezanina Fakulta elektrotechniky a informatiky, Univerzita Pardubice Email: {jan.fikejz, emil.rezanina}@upce.cz

Abstrakt – Tento článek se zabývá dalším rozpracováním návrhu modelu železniční sítě a jeho následné využití v rámci simulace provozu kolejových vozidel. Pozornost je především zaměřena na návrh nové datové mezivrstvy modelu, jež má doplnit stávající dvouvrstvý model. V rámci nové vrstvy modelu je následně provedena simulace provozu kolejových vozidel a navození různých nestandardních situací, jejichž detekce by bylo možné využít jako doplňkovou podporu dispečerského řízení dopravy.

1 Úvod Lokalizace kolejových vozidel je stále diskutovaným tématem, dotýkající se řady subjektů. Problém lokalizace kolejových vozidel bychom mohli rozdělit do dvou hlavních oblastí zájmu. Lokalizace pro potřebu (i) zabezpečovací techniky a lokalizace pro potřebu (ii) informačních a telematických systémů. V prvním případě je kladen velký důraz na spolehlivost a bezpečnost, avšak tyto systémy však bývají často spjaty s vyššími náklady na realizaci, jelikož mnohdy vyžadují doplnění železniční infrastruktury o další komunikační či identifikační prvky/zařízení. V druhém případě lze akceptovat určitou mírou nepřesnosti či nespolehlivosti, což na druhou stranu často přináší výrazně levnější realizaci těchto řešení. V dnešní době se pak nejčastěji lokalizace kolejových vozidel spojuje s využitím satelitního navigačního systému GNSS (Global Navigation Satellite System).

2 Možné druhy lokalizace Lokalizaci kolejových vozidel lze rozdělit na tři nosné části. Lokalizace kolejových vozidel:  bez využití GNSS,  s využitím GNSS,  pomocí GNSS zahrnující další podpůrné systémy. 2.1 Lokalizace kolejových vozidel bez využití GNSS Tento typ lokalizace kolejových vozidel (KV) často vyžaduje doplnění infrastruktury železniční sítě o další stavební elementy/prvky, což s sebou přináší i vysoké náklady na vlastní realizaci. Na druhou stranu tento typ lokalizace vykazuje vysokou

přesnost a spolehlivost a je často využíván v zabezpečovací technice. Jedná se především o sytém:  ETCS [1, 2]  Automatické vedení vlaku [3, 4]  Kolejové obvody [5]  RFID 2.2 Lokalizace kolejových vozidel s využitím GNSS Při využití systému GNSS pro různé aplikační úrovně je nutné počítat s chybou udávané polohy, která obecně vychází z charakteru satelitní navigace. U systémů, jež pracují s informací o poloze pouze v informativní rovině, lze určitou chybu akceptovat, avšak v oblasti zabezpečovací techniky je takováto nepřesnost nepřijatelná. Lze však implementovat různé doplňkové systémy, které tuto chybu eliminují (zcela, nebo alespoň z části), a tak polohu sledovaného objektu zpřesňují. Do této skupiny lze zahrnout systém:  EGNOS [6]  Diferenciální GPS (Global Position System)[7] 2.3 Lokalizace pomocí GNSS zahrnující další podpůrné systémy Jak již bylo uvedeno výše, přesná lokalizace kolejových vozidel s využitím GNSS, zejména pro potřebu zabezpečovací techniky, je a priori vyloučená. Nicméně s využitím doplňkových systémů lze polohu kolejového vozidla výrazně zpřesnit. Jedná se především o řešení využívající inerciální systémy [8], ale i méně známé systémy založené například na systému GNSS a bezkontaktním měření vířivých proudů [9].

3 LOKALIZCE V RÁMCI REGIONÁLNÍCH TRATÍCH Ve světě existuje celá řada různých řešení, které se lokalizací kolejových vozidel na regionálních tratích zabývají, přičemž většina z těchto systémů využívá systém GNSS, balízy, či odometry. Bezdrátový přenos informací je pak realizován především přes mobilní sítě GSM-R (Global System for Mobile - Railway) nebo klasickou technologii GSM. Jde především o řešené systémy [10]:  ERTMS Regional – Švédsko,  LOCOPROL – Francie,  3InSat – Itálie,

219

VOL.16, NO.6, DECEMBER 2014 

SATLOC- Rumunsko. V české republice je v současné době testován na trati Číčenice – Volary systém Radioblok, vyvinutý společností AŽD (Automatizace železniční dopravy). Tento systém je založen na zasílání zpráv (přes mobilní síť) s informací o poloze do radioblokové centrály a naopak, z radioblokové centrály dostává vedoucí drážního vozidla informace o povolení k jízdě, přičemž satelitní navigace je zde využívána pro kontrolu pohybu vozidla. Lokalizaci kolejových vozidel založenou pouze na systému GNSS lze například využít pro řešení identifikace polohy v rámci jednokolejných regionálních tratí České republiky, které oproti hlavním koridorům nedisponují tak vysokou mírou technické vybavenosti jako jsou například moderní zabezpečovací systémy ETCS. Na regionálních tratích často můžeme jen evidovat, že vlak odjel/přijel z/do stanice, avšak na širé trati je lokalizace kolejového vozidla bez doplnění infrastruktury identifikačními elementy výrazně složitější. Jak již bylo dříve uvedeno, lokalizace pomocí GNSS je zatížena vždy chybou, která pramení z charakteru satelitní navigace. Přesto lze tento typ lokalizace s výhodou využívat, například v rámci doplňkové podpory dispečerského řízení či v různých informačních systémech pracující s polohou KV. Jedním ze základních způsobů lokalizace kolejového vozidla je možnost využití komunikačního terminálu se systémem GNSS, kterými jsou vybraná KV osazeny [11]. V České republice jsou v současné době vybraná KV osazeny komunikačními terminály:  Telerail TLR-ZJ (výrobce Unicontrols, a.s.),  Radiostanice VS67 (výrobce T-CZ, a.s.). Tyto dálkově konfigurovatelné komunikační terminály periodicky odesílají definované zprávy, jejichž součástí je i informace o poloze KV. Datové zprávy se pomocí protokolu UDP následně přenáší do řídícího centra. K přenosu dat je primárně využívána přenosová síť GSM-R a v případě její nedostupnosti lze data přenášet pomocí klasické sítě GSM. Alternativně je možné využít pro přenos dat i technologii BWA (broadband wireless access), viz obrázek 1. Železniční Bezdrátová Přenosová Síť GSM-R Zařízení Služební datová síť

BTS

GSM-R

PDA

1 – 10

BWA

8 Mbp

AP BWA

on

17 3 B4 202 21 02 11

G PR

bp es M

s

S

Komunikační jednotka

RE G0 23

GPRS v GSM-P

BWA veřejný operátor

přičemž klíčovým pojítkem mezi jednotlivými tabulkami je vždy TUDU (traťový definiční úsek). Zjednodušeně lze říci, že jednotlivé supertrasy se skládají z definičních nadúseků, kdy každý nadúsek obsahuje traťové definiční úseky (TUDU) s hektometrovníky. Základní aspekty popisu železniční sítě jsou souhrnně znázorněny na obrázku 2.

S

dDNS

Dohledové pracoviště

BTS

Router

Firewall

Jedním z klíčových problémů v oblasti lokalizace KV je, jak identifikovat polohu kolejového vozidla vzhledem k infrastruktuře železniční sítě [12]. Experimentálně bylo zjištěno, že pro návrh modelu železniční sítě lze vyjít z dat staničení (hektometrovníků). Staničení neboli hektometrovníky jsou fyzické prvky umístěné v kolejišti železniční infrastruktury (cca po 100 m), přičemž každé staničení, mimo jiné, disponuje i koordinátem GPS. Tyto data nepopisují přesně kompletní infrastrukturu železniční sítě (především ve stanicích), nicméně pro návrh modelu lze tyto data využít. Dále na základě analýzy poskytnutých dat ze SŽDC-TUDC (Správa železniční dopravní cesty – Technická ústředna dopravní cesty) bylo vyhodnoceno, že pro návrh reprezentace železniční sítě postačují čtyři následující tabulky dat:  tabulka staničení/hektometrovníků a TUDU  tabulka supertras,  tabulka železničních stanic,  tabulka definičních nadúseků,

R GP

Aplikační servery

4 Model železniční sítě

S,

Komunikační brána

ní rod Ná ming roa

GSM-R ústředna

CD

(CSD a GPRS)

jakožto zdroje informací o poloze KV. Jednotlivé vrstvy modelu jsou realizovány jako neorientovaný graf, kdy každý vrchol grafu disponuje GPS koordináty. Poloha KV na železniční sítí je identifikována na základě aktuální GPS polohy KV odeslané hnacím vozidlem a následném spárováním této informace s modelem železniční sítě. Tento přístup nevyužívá žádný ze systémů uvedených na začátku této kapitoly a přináší tak odlišný způsob lokalizace KV s minimálními finančními náklady. Vzhledem ke grafové orientaci modelu je možné uplatnit různé druhy grafových algoritmů a navrhovaný systém tak potenciálně využít jako doplňkovou podporu dispečerského řízení železniční dopravy (detekce nestandardních/krizových situaci) nebo jako podporu informačních systémů, které s polohou KV pracují (aktuální pozice KV na železniční síti, vzdálenost KV od stanice, atd.)

s

AP BWA

12,5

Obrázek 1: Schématické znázornění komunikace mezi kolejovým vozidlem a dispečerským centrem Dále popsaný systém lokalizace kolejových vozidel je založen na vícevrstvém modelu železniční sítě a využití GNSS

0,1

0,0

CLS007 163105

Hnací vozidlo

0,2

CLS008

163107

163106 15,6

12,7

12,8

12,9

13,0

13,1

13,2

B421021 1A

Obrázek 2: Metodika popisu železniční sítě Hektometrovníky jsou na obrázku uvedeny s kilometrickou vzdáleností a jsou graficky znázorněny pomocí šedivých bodů.

220

VOL.16, NO.6, DECEMBER 2014 TUDU je evidováno pomocí šestimístného kódu (163105, 163106, 16307, 173202) a jsou graficky znázorněny plnými čarami (červená, černá, oranžová, hnědá). Jednotlivé nadúseky (CLS 007, CLS008, REG023) jsou znázorněny světle modrou barvou a supertrasy (B421021 1 a B421021 1A) jsou znázorněny přerušovanými čárami. Dopravně významné místo (větvení trati) je symbolizováno zeleným čtvercem. Pomocí navržených algoritmů [13] bylo možné navrhnout model infrastruktury železniční sítě (ŽS) odrážející datovou strukturu neorientovaný graf a to ve dvou datových vrstvách (mikro/makro vrstva) a třech vizualizačních vrstvách (mikro/mezo/makro vrstva). Datová vrstva:  Data-micro, která se skládá z vrcholů a hran, Data-macro obsahující super-vrcholy a super-hrany. V datové vrstvě Data-micro je vrcholem grafu každé staničení/hektometrovník a hrany pak reprezentují jednotlivé úseky mezi nimi. Datová vrstva Data-macro odráží infrastrukturu s vyšší mírou abstrakce a zavádí pojem super-vrchol, za který je prohlášen každý vrchol z vrstvy Data-micro, který je v incidenci s více než dvěma hranami. Úseky mezi supervrcholy jsou považovány za super hrany. Obě datové vrstvy jsou znázorněny na obrázku 3.

síťovou analýzu. Vlastní síť je pak definovaná pomocí čtyř tabulek pro uchovávání sítové reprezentace. Tabulka:  uzlů (node table),  vazeb (link table),  cest (paths table)  posloupnost cest (paths link table)

Datová vrstva Data-micro

Vizualizační vrstva Visual-micro Visual-mezo

Data-macro Visual-macro Obrázek 4: Koncepce modelu železniční sítě Celá technologie Oracle Spatial Network Data Model se skládá z perzistentní části obsahující trvalá data a temporální části, která se vytváří v paměti a umožnuje volat vybrané síťové operace pomocí API, obrázek 5.

Obrázek 3: Znázornění vrstvy Data-micro a Data-macro Z počtu vrcholů a hran obou datových vrstev vyplívá, že datová vrstva Data-macro obsahuje výrazně nižší počet datových elementů (na základě dat z databáze jich je cca 97x méně) než datová vrstva Data-micro. Datová vrstva Data-macro je tedy méně náročná na výpočetní a vizualizační operace, avšak za cenu vyšší míry abstrakce. Vizualizační vrstva, která se pomocí vizualizačního nástroje zobrazuje uživateli, se skládá z vrstev:  Visual-micro, obsahující stanice, staničení reprezentující vrcholy a hrany z vrstvy Data-mikro,  Visual-mezo, obsahující stanice a hrany vrstvy Datamikro,  Visual-macro, která obsahuje super-vrcholy a superhrany z abstraktní vrstvy Data-makro. Celkovou koncepci dvouvrstvého datového modelu je znázorněno na obrázku 4. Datová struktura neorientovaný graf byla implementována přímo v databázi ORACLE a to s využitím technologie Oracle Spatial Network Data Model [14]. Tato technologie umožňuje jednak budovat síťovou reprezentaci na straně databáze, ale zahrnuje i objektové schéma a komunikační rozhraní API. Schéma objektů zahrnuje metadata a tabulky pro síťovou reprezentaci. Rozhraní zahrnuje na straně serveru PL/SQL API (SDO_NET balíček) pro vytváření, řízení a analyzování sítí v databázi a střední vrstvu (na straně klienta) Java API pro

Obrázek 5: Oracle Network Data Model Pro práci s prostorovými daty je v databázi ORACLE s technologií Spatial definovaný speciální objektový datový typ SDO_GEOMETRY, který umožnuje uchovávat řadu prostorových informací a geometrických typů, jako jsou například různé body, oblouky, liniové řetězce či polygony. 4.1 Nová vrstva modelu V první datové vrstvě (Data-micro) je délka hrany přibližně 100 m, kdežto v druhé datové vrstvě s vyšší mírou abstrakce (Data-macro) je délka hrany (tzv. super-hrany) až několik desítek km a to bez ohledu na to, zda se na hraně vyskytuje nějaká železniční stanice. Tento nedostatek se snaží odstranit třetí datová Data-mezo pomocí dekompozice super-hrany. Návrh nové koncepce třívrstvého datového modelu železniční sítě je znázorněn na obrázku 6.

221

VOL.16, NO.6, DECEMBER 2014

Datová vrstva Data-micro Data-mezo Data-macro

DING (vazba mezi vrcholem Data-mezzo a vrcholem z Data-macro) je přidán nový záznam/hrana.

Vizualizační vrstva 2.

Visual-micro Visual-micro II

a) Kontrola návaznosti vrcholů – test orientace první dílčí hrany v posloupnosti. V případě nesprávné orientace musí dojít k prohození vrcholů.

Visual-mezo Visual-macro

b) Ověření směru cesty – otestování zda jsou kilometrické hodnoty vrcholů rostoucí/klesající.

Obrázek 6: Nová koncepce modelu železniční sítě

c) Získání traťových úseků cesty – získání všech traťových úseků, které se na cestě nacházejí v pořadí od začátku do konce cesty. U každého takto získaného traťového úseku je zaznamenáno identifikační číslo a počáteční a koncový kilometr úseku.

Původní dvě vrstvy využívaly totožnou bázi dat pro vrcholy, tabulku hektometrovníků, kdežto do nové vrstvy Datamezo vstoupily další typy vrcholů reprezentující jednotlivé stanice. Vytvoření nové vrstvy Data-mezo se skládá ze tří částí: 1. Příprava vstupních dat a vytvoření vrstvy 2. Naplnění vrstvy daty 3. Vygenerování doplňkových údajů

d) Nalezení železničních stanic – pro každý traťový úsek v daném kilometrovém intervalu jsou vyhledány příslušné železniční stanice. Stanice jsou vráceny ve vzestupném nebo sestupném pořadí dle směru cesty zjištěném v kroku b.

Navržený algoritmus byl implementován přímo na úrovni databáze pomocí jazyka PL/SQL. Algoritmus však musel být několikrát upravován a generalizován, jelikož se v datech vyskytují různé nestandardní stavy, jako jsou skoky ve staničení (nelineární růst kilometrové posloupnosti mezi staničením) nebo změna rostoucí kilometrové posloupnosti na klesající a naopak.

e) Zpracování železničních stanic – každá železniční stanice je otestována, zdali se již v síti nenachází. Pokud není stanice nalezena, vytvoří se nový vrchol a vloží do sítě a do vazební tabulky SUPERNODESTATION ((vazba mezi vrcholem Data-mezzo a stanicemi)). f) Zpracování nové hrany – v tomto kroku se vytvoří nová hrana. Jako počáteční vrchol této hrany je zvolen předchozí vložený/nalezený vrchol a jako koncový nově vložený/nalezený vrchol.

4.1.1 Příprava vstupních dat a vytvoření vrstvy Data mezo Před spuštěním hlavního algoritmu bylo potřeba provést přípravu vstupních dat a vytvoření samostatné vrstvy Data-mezo. Vstupní data algoritmu byla získána z detailní (Data-micro) a abstraktní vrstvy (Data-macro). V rámci tohoto kroku se pro každou super-hranu z vrstvy Data-macro vytvoří cesta ve vrstvě Data-micro. U každé super-hrany je následně nutné zjistit počáteční a koncový vrchol, který se nachází ve vrstvě Data-micro. V dalším kroku je použit Dijkstrův algoritmus nejkratších cest, který pro každou super-hranu nalezne posloupnost dílčích hran ve vrstvě Data-micro. Tyto dílčí hrany jsou pracovně nazvány traťové úseky cesty. 4.1.2 Naplnění sítě nové datové vrstvy Po přípravné fázi byl implementován algoritmus pro vybudování datové vrstvy Data-mezo. Tento algoritmus pro každou zjištěnou cestu vyhledá železniční stanice a super-vrcholy, které se na nich nachází. Nalezené vrcholy jsou vloženy do sítě i s hranami mezi nimi. Hlavní algoritmus vykonává tyto úkony: 1.

Zpracování traťových úseků cesty – tento krok tvoří stěžejní část algoritmu a slouží ke vkládání železničních stanic jako vrcholů do sítě a vytváří příslušné vazby/hrany.

Zpracování počátečního vrcholu cesty – počáteční vrchol cesty je otestován, jestli se již nachází v síti. Pokud se vrchol v síti nenachází, pak je do sítě vložen jako nový vrchol a do vazební tabulky SUPERNODEBIN-

3.

Zpracování koncového vrcholu cesty – obdobně jako počáteční vrchol cesty je otestován i koncový vrchol. Pokud se vrchol nenachází v síti, je do sítě vložen jako nový vrchol. Dále je do vazební tabulky SUPERNODEBINDING přidán záznam o nové vazbě/hraně. Jako poslední krok se vytvoří nová hrana mezi předposledním vloženým/nalezeným vrcholem a koncovým vrcholem cesty a následně se tento nový vrchol vloží do generované sítě.

4.1.3 Vygenerování doplňkových údajů Po vytvoření a naplnění nové mezivrstvy Data-mezo výše popsaným algoritmem, bylo následně potřeba doplnit do sítě správné tvary geometrii (odpovídající tvaru datového typu SDO_GEOMETRY) pro správnou vizualizaci dat. Rovněž bylo potřeba vyřešit vazby počátečních a koncových vrcholů. Pro nastavení správné geometrie vazeb, byl použit algoritmus, který prochází jednotlivé hrany vrstvy Data-mezo a vypočítavá geometrii z GPS souřadnic počátečního a koncového vrcholu příslušné hrany/vazby. Při zpracování koncového a počátečního vrcholu cesty, který ještě nebyl vložen v síti, se musí dodatečně vyřešit stav, kdy vrchol nebyl pouze super-vrchol ale také železniční stani-

222

VOL.16, NO.6, DECEMBER 2014 ce. Pro tento případ bylo nutné doplnit do vazební tabulky železničních stanic dodatečné informace.

5 Vizualizace Pokud uvažujeme o vizualizaci modelu infrastruktury železniční sítě, je třeba vzít v úvahu způsob uchovávání multidimenzionálních dat. V případě využití databáze ORACLE s nadstavbou Spatial lze pro vizualizaci využít vizualizační nástroj MapViewer [15]vyvinutý v jazyce Java. MapViewer je J2EE služba pro vykreslování mapových podkladů vycházející z prostorových dat (například objektový datový typ SDO_GEOMETRY) spravovaných pomocí ORACLE Spatial [14]. Pomocí této technologie lze zakládat škálovatelné mapové vrstvy s různou mírou podrobností zobrazovaných informací.

Na obrázku 7 jsou znázorněny všechny tři datové vrstvy. Černou barvou je znázorněna vrstva s nejvyšší mírou abstrakce Data-macro (vrchol je definován pouze v uzlech kolejového rozvětvení, tzv. super-vrchol). Modrou barvou je následně zobrazena datová vrstva Data-micro (vrcholem této vrstvy je každé staničení neboli hektometrovník). Červenou barvou (nejsilnější čarou) je pak znázorněna nová datová vrstva Datamezo. Vrcholy této vrstvy jsou tvořeny super-vrcholy a stanice. Nová datová vrstva Data-mezo rovněž představuje dobrý kompromis mezi realističností železniční infrastruktury, kterou model odráží, a počtem elementů, kterými je tato vrstva reprezentována. Celkový počet vrcholů a hran nové datové vrstvy Data-mezzo vykazuje, na základě dat z databáze, celkem 28ti násobnou redukci datových elementů oproti vrstvě Datamicro. Tato úspora dat má následně pozitivní dopad na celkový čas potřebný pro vizualizaci. Na základě nového datového modelu je tak možné pomocí nástroje MapViewer sestavit škálovatelnou mapu osahující různé vizualizační vrstvy, které jsou zobrazovány jen v odpovídající škále přiblížení. Nová vrstva má pozitivní dopad na rychlost vizualizace a vyplňuje tak velké rozdíly mezi původním dvouvrstvým datovým modelem.

6 Operace nad prostorovými daty Nad prostorovými objekty databáze ORACLE s nadstavbou Spatial lze vyžít různé operátory a funkce. Jedním z nich je operátor SDO_NN (Near Neighbor), který umožňuje vyhledání nejbližší geometrii (tzv. souseda), v našem případě nejbližší vrchol, respektive hranu neorientovaného grafu. Pokud tedy disponujeme GPS informací o aktuální pozici KV, lze uplatniti tento operátor pro nalezení nejbližšího vrcholu/hrany a následně tak například provést vizualizaci polohy do mapového podkladu, vybudovaného pomocí technologie MapViewer. Mimo lokalizace KV lze však získat i celou řadu dalších informací, které se k poloze KV a infastruktuře železniční sítě úzce vztahují. Zejména jde o:  TUDU, na němž se KV nachází,  kilometrickou pozici dle staničení,  výskyt vlaku v obvodu stanice,  směr pohybu kolejového vozidla pomocí azimutu (z/do které stanice se pohybuje),  vzdálenost do nejbližší stanice,  název a číslo trati dle občanského jízdního řádu (OJŘ),  relevantnost aktuální GPS pozice.

Obrázek 7: Vizualizace všech datových vrstev

Tabulka 1: Záznam průjezdu vybraného kolejového vozidla Train number

Latitude

Longitude

Speed

Azimuth

Train vehicle identifier

Time

48701

50.02274

15.33554

78

57

91547123022

14.02.11 04:34:25

48701

50.02654

15.34246

80

43

91547123022

14.02.11 04:34:55

48701

50.03077

15.34873

68

43

91547123022

14.02.11 04:35:25

48701

50.03495

15.35505

61

45

91547123022

14.02.11 04:35:55

223

VOL.16, NO.6, DECEMBER 2014

Obrázek 8: Bežící aplikace v situaci, kdy se na jednokolejném tratovém úseku pohybují dvě kolejová vozidla proti sobě

7 Simulace provozu kolejových vozidel Jak již bylo dříve uvedeno, vybraná hnací vozidla jsou osazena komunikačními terminály vysílajícími data, jejichž součástí jsou i aktuální GPS souřadnice kolejového vozidla. Pokud je vozidlo v pohybu, pak tento komunikační terminál zašle informace s údaji o poloze každých 30 vteřin. Tabulka 1 obsahuje zaznamenaná data z komunikačních terminálů. Tyto data (zejména GPS informace po poloze KV) jsou následně využita pro simulaci provozu kolejových vozidel v rámci modelu železniční sítě. Navržený simulační modle obsahuje jádro diskrétní simulace využívající standardní kalendář zpráv procesů, které se v simulaci vykonávají události podle jejich časového razítka. Tento simulační model byl následně implementován do demonstračního aplikace InfraRail, pro možnou doplňkovou podporu dispečerského řízení. Aplikace sleduje polohu kolejových vozidel na pozadí pro všechny tři datové vrstvy, avšak pro vizualizaci využívá vždy pouze jednu vizualizační vrstvu v závislosti na dané úrovni přiblížení. Simulaci provozu kolejových vozidel můžeme rozdělit dvě části. Simulace na základně:  reálných historických dat (emulace provozu),  generovaných dat. Simulace na základě generovaných dat, umožňuje simulovat různé nestandardní situace. Lze tak například simulovat pohyb kolejových vozidel, která se na jednokolejné trati bez kolejového rozvětvení pohybují proti sobě. Nový datový model umožňuje přesnější detekci těchto situací, neboť se na jednokolejných tratích bez kolejového rozvětvení (superhrany – makro vrstva) mohou vyskytovat stanice (mezo vrstva), ve kterých je možné kolejové vozidlo odstavit na vedlejší kolej. Na obrázku 7 je zachycena běžící demonstrační aplikace

8 Závěr Tento článek se zabývá návrhem nové vrstvy modelu železniční sítě Data-mezo, která tak doplňuje předchozí dvouvrstvý model, který byl vybudovaný na základě analýzy dat ze SŽDC-TUDC. Nově navržený model obsahuje výrazně menší bázi datových elementů než podrobná vrstva Data-micro, přesto však celkem realisticky odráží fyzickou infrastrukturu železniční sítě. Nový datový model byl vybudován pomocí navrženého algoritmu, která je v článku popsán. Celý třívrstvý datový model železniční sítě byl následně zakomponován do demonstrační aplikace InfraRail a pomocí diskrétní simulace byl jednak simulován provoz kolejových vozidel na železniční síti, ale také byly simulovány různé nestandardní situace, především na jednokolejných regionálních tratích bez kolejového rozvětvení. Systém byl schopný správně tyto nestandardní situace detekovat a bylo by možné ho využít jako doplňkovou podporu dispečerského řízení železniční dopravy.

Poděkování Tento článek vznikl za podpory projektu o SGFEI07/2014 INFROP - Modely infrastruktury a provozu pozemních dopravních systémů.

Literatura [1] GHAZEL, M. Formalizing a subset of ERTMS/ETCS specifications for verification purposes. In:Transportation

224

VOL.16, NO.6, DECEMBER 2014

[2]

[3] [4]

[5]

[6]

[7]

[8]

[9]

Research Part C: Emerging Technologies. Elsevier Limited, 2014, pp. 60-75 ISSN: 0968-090X CHUDAČEK, V. a L. LOCHMAN. Vlakový zabezpečovací systém ERTMS/ETCS. In: Vědeckotechnicky sborník ČD, č. 5/1998 LIESKOVSKÝ, A. a I. MYSLIVEC. ETCS a AVV poprvé společně. In: EuroŽel, Žilina, 2010 LIESKOVSKÝ, A. Automatické vedení vlaků Českých drah. In: Automatizace. Praha: Automatizace, 2004, roč. 10. ISSN 0005-125x. DORAZIL, P. Základní vlastnosti kolejových obvodů bez izolovaných styků. Pardubice, 2008. Bakalářská práce. Univerzita Pardubice. Vedoucí práce Milan Kunhart. SENESI, F. Satellite application for train control systems, In: The Test Site in Sardinia, Journal of Rail Transport Planning and Managemt. Elsevier BV, 2012, s. 73-78, ISSN:2210-9706 O’CONNOR, M. L. Carrier-phase differential gps for automatic control of land vehicles, In: Dissertation Abstracts International, Volume: 59-06, Section: B, page: 2876.; 158 p. 1997, Stanford University, ISBN: 9780591909272 STADLMANN, B. Automation of operational train control on regional branch lines by a basic train control. In: Proc. IEEE Intelligent Transportation Systems Conference, Toronto, Canada, September, 2006, s17–20,. BECKER, U. a J. POLIAK. DemoOrt repositions trains with satellite. In: EURAILmag Business & Technology. 18. vyd. BLUE LINE & Bro, France, 2008,s. 216-219.

[10] KOLÁŘ, Petr. Řízení provozu na vedlejších železničních tratích. Seminář ZČU Plzeň- Fakulta elektrotechnická [online]. 2014 [cit. 2014-12-12]. Dostupné z: http://old.fel.zcu.cz/Data/documents/sem_de_2014/5RB_Kolar.pdf [11] FIKEJZ, J. a A. KAVIČKA. Modelling and simulation of train positioning within the railway network. In: KLUMPP, Matthias. In: The European simulation and modelling conference. Ostende: EUROSIS - ETI, 2012a, s. 366 -376. ISBN 978-9077381-73-1. [12] FIKEJZ, J. a A. KAVIČKA. Rolling Stock Localization Within the Model of Railway Infrastructure. In: Proceedings of Third International Conference on Computer Modelling and Simulation, Brno, CZ, FIT VUT, 2012b, s. 80-85, ISBN 978-80-214-4576-5 [13] FIKEJZ, J. a A. KAVIČKA. Utilisation of computer simulation for testing additional support for dispatching rail traffic. In: European Simulation and Modelling Conference, 2011. Ostende: EUROSIS - ETI, 2011. p. 225231. ISBN 978-90-77381-66-3. [14] KOTHURI, R., A. GODFRIND a E. Beinat. Pro Oracle Spatial for Oracle database 11g. Distributed to the book trade worldwideby Springer-Verlag,New York, c2007, xxxiv, 787 p. ISBN 15-905-9899-7. [15] MURRAY, Ch, et al. ORACLE® Fusion Middleware : User’s Guide for ORACLE MapViewer 11g Release 1 (11.1.1) [online]. 2010 [cit. 2012-07-09]. Dostupné z: http://docs.ORACLE.com/cd/E14571_01/web.1111/e101 45.pdf

225