मेट्रो और रेलवे में स्व-नियंत्रित परिवहन प्रणाली का विकास

भारतीय रेलवे में आर्टिफिशियल इंटेलिजेंस

भारतीय रेलवे दुनिया का चौथा सबसे बड़ा नेटवर्क है जिसकी पटरियों की लंबाई 70,000 किमी से अधिक है और 100 से अधिक यात्री ट्रेनों का नेटवर्क है। भारतीय रेलवे के लिए संचालन, रखरखाव, समय निर्धारण, मरम्मत या निगरानी जैसे सभी पहलुओं का प्रबंधन करना हमेशा एक कठिन काम रहा है। सिग्नलिंग, दूरसंचार, संचालन, रोलिंग स्टॉक, विद्युत, सूचना प्रौद्योगिकी, यातायात, बुनियादी ढांचे आदि जैसी विभिन्न प्रणालियों के एकीकरण की समस्या और मानवीय कारकों की भागीदारी के कारण यह कार्य कठिन है।

मांग को पूरा करने का एक तरीका रेलवे के बुनियादी ढांचे को बढ़ाना है। बुनियादी ढांचा कोंकण रेलवे डबल-ट्रैक विस्तार और मुंबई-अहमदाबाद हाई-स्पीड कॉरिडोर के साथ बुलेट ट्रेन की शुरुआत जैसी वर्तमान परियोजनाओं की प्रमुख विशेषता रही है। लेकिन सवाल यह है कि आर्टिफिशियल इंटेलिजेंस, मशीन लर्निंग और आत्म-नियंत्रण प्रणालियों को शामिल करके बढ़ती मांग को पूरा करने के लिए थ्रूपुट में वृद्धि को क्यों नजरअंदाज किया जाए।

इन प्रणालियों को मौजूदा बुनियादी ढांचे की विश्वसनीयता में सुधार करने और एक बार के भारी निवेश के लिए तैयार किया गया है। भारी निवेश मानव हस्तक्षेप की आवश्यकता को समाप्त कर सकता है और आवश्यक स्तर की सुरक्षा और गति उन्नयन प्रदान कर सकता है। यदि हम 'सॉफ्टवेयर' को अधिक कुशल बना सकते हैं तो हार्डवेयर के साथ और अधिक करना संभव होना चाहिए। अधिक कुशल सॉफ्टवेयर होने में अधिक जानकारी साझा करना, कम विलंबता और स्मार्ट एल्गोरिदम शामिल हैं। यही कारण है कि कई ओ. ई. एम. और स्टार्टअप अब दुनिया भर में आर्टिफिशियल इंटेलिजेंस पर आधारित सेवाओं की व्यवहार्यता की जांच कर रहे हैं।

भारतीय रेलवे में आर्टिफिशियल इंटेलिजेंस की व्यवहार्यता

• संचालन-किसी भी प्रणाली के लिए कृत्रिम बुद्धिमत्ता के लिए बड़ी मात्रा में जोड़ने योग्य डेटा की आवश्यकता होती है। भारतीय रेलवे में, नेटवर्क पहले से ही एस. सी. ए. डी. ए. प्रणाली पर चलता है, इसलिए मॉडलिंग और प्रशिक्षण उद्देश्यों के लिए बड़ी मात्रा में परिचालन डेटा उपलब्ध है।
• अवसंरचना-रेलवे अवसंरचना के डिजिटाइज्ड संस्करण भी आसानी से उपलब्ध हैं। यह रेक की जानकारी और चालक दल की सूची के लिए भी उपलब्ध है।
• ट्रैक और रोलिंग स्टॉक-देश में पटरियों या ट्रेनों के भविष्यसूचक रखरखाव के लिए डेटा विकास के चरण में है। हालाँकि, अन्य देशों से बहुत अधिक भिन्नता के साथ डेटा का उपयोग इन मॉड्यूल और अनुभागों के प्रशिक्षण के लिए किया जा सकता है।
• सिग्नल और टेलीकॉम-इंटरलॉकिंग सिस्टम के डेटा लॉगर से घटनाओं का इतिहास प्राप्त किया जा सकता है। यह ट्रेनों की आवाजाही को निर्धारित करने और मशीन-संचालित संचालन का प्रबंधन करने में भी मदद कर सकता है।

हालाँकि हमारे पास डेटा की अच्छी उपलब्धता है, लेकिन प्रमुख चुनौती एक ऐसी रूपरेखा विकसित करने में होगी जहाँ शोधकर्ता कई व्यक्तिगत समस्याओं के साथ शुरुआत कर सकते हैं, और फिर उन्हें प्रभावी ढंग से एकीकृत कर सकते हैं। इस तरह के इरादों को संभालने में पदानुक्रमित या अधिक सामान्य वास्तुकला प्रभावी हैं। इनका उपयोग एल्गोरिदमिक दृष्टिकोण से किया जा सकता है। आवश्यकता यह है कि विभिन्न प्रणालियाँ एक-दूसरे से प्रभावी ढंग से बात करें। यही वह जगह है जहाँ सॉफ्टवेयर/हार्डवेयर वास्तुकला और प्रणाली एकीकरण में विशेषज्ञता की आवश्यकता होती है।

Sponsored

भारतीय रेलवे में कृत्रिम बुद्धिमत्ता के अनुप्रयोग

एक लंबी दूरी का सेवा स्पेक्ट्रम है जो ए. आई. दक्षता और आवश्यकता के स्तर के आधार पर प्रदान कर सकता है। रेलवे की कुछ प्राथमिक आवश्यकताओं की व्यवहार्यता, जो कृत्रिम बुद्धिमत्ता प्रदान कर सकती है, नीचे चर्चा की गई हैः

1. रेलगाड़ियों का समय-निर्धारण

सभी संकेत नियमों का मानना है कि स्टेशनों पर पटरियों पर एक बार में अधिक से अधिक एक ट्रेन होती है। यह भारतीय रेलवे में आर्टिफिशियल इंटेलिजेंस की आवश्यक डिग्री के साथ एल्गोरिदम, सिमुलेशन मॉडल, ग्राफ, ह्यूरिस्टिक्स और नियंत्रण प्रणालियों द्वारा सुनिश्चित किया जा सकता है।

ए. आई. से जो जानकारी प्राप्त की जा सकती है, उसमें शामिल हैंः

1. पहली घटना से अंतिम घटना तक की समय अवधि,
2. ट्रेनों का कुल या औसत चलने का समय,
3. ट्रेनों का प्राथमिकता-भारित चलने का समय,
4. विचलनों और उनके संयोजनों के लिए समय सारिणी की दृढ़ता।

इससे यह सुनिश्चित होगा कि

1. या तो दो स्टेशनों के बीच एक ट्रैक खंड में एक समय में अधिक से अधिक एक ट्रेन (पूर्ण ब्लॉक सिग्नलिंग में) होती है, या
2. दो संकेतों के बीच पटरी के प्रत्येक टुकड़े पर एक बार में अधिक से अधिक एक ट्रेन (स्वचालित ब्लॉक सिग्नलिंग में) का कब्जा होता है।

वर्तमान में, रेलवे नेटवर्क इस कार्य के लिए स्वचालित एल्गोरिदम का उपयोग नहीं करते हैं। इसके बजाय वे निर्णय लेने के लिए नियंत्रकों (प्रेषकों) के प्रशिक्षण और अनुभव पर भरोसा करते हैं। वे बड़ी मात्रा में प्रासंगिक जानकारी को संसाधित नहीं कर सकते हैं, न ही वे निर्णय लेने के लिए छोटे बदलाव समय की मांग को पूरा कर सकते हैं।

लेकिन उपर्युक्त दृष्टिकोण से उच्च-स्तरीय समय सारिणी और ट्रेनों की आवाजाही की समय सारिणी तैयार होगी। वे पटरियों पर कब्जा करने के लिए, पटरियों को बदलने के लिए आवश्यक समय और संकेत आवश्यकताओं को निर्दिष्ट करेंगे। और तत्काल संघर्ष के मापदंडों का वास्तविक समय में मूल्यांकन किया जा सकता है। इसलिए, सूक्ष्म अनुसूची उत्पन्न करते हुए तत्काल समय निर्धारण निर्णय लिए जा सकते हैं।

ए. आई. के साथ, ह्यूरिस्टिक्स का उपयोग करके वास्तविक समय निर्णय समर्थन के साथ निम्न-स्तरीय समय सारिणी की गणना करने के लिए पुनरावृत्ति अनुकूलन दृष्टिकोण या ग्राफ-आधारित मॉडल विकसित किया जा सकता है। आर्टिफिशियल इंटेलिजेंस गड़बड़ी पर जल्दी और फिर भी लगभग इष्टतम समाधानों के साथ प्रतिक्रिया करने के लिए प्रशिक्षण एल्गोरिदम का एक तरीका भी प्रदान करता है।

2. रेलगाड़ियों की गति रूपरेखा को नियंत्रित करना

ए. आई. आधारित संघर्ष समाधान योजना न केवल कठिन संकेत (संकेत पहलू) प्राप्त करेगी, बल्कि ट्रेन की गति प्रबंधन जैसे अधिक इष्टतम दृष्टिकोण भी प्राप्त करेगी। ट्रेन की ऊर्जा खपत और कुल देरी दोनों ही स्टेशनों के बीच उपयोग की जाने वाली गति रूपरेखा पर निर्भर करती हैं। सुदृढीकरण शिक्षा (आर. एल.) या गतिशील प्रोग्रामिंग का उपयोग करके, एकल ट्रेनों के लिए ऊर्जा-कुशल गति प्रोफाइल की गणना प्रारंभिक स्तर पर की जा सकती है। हालाँकि, देश में व्यापक अनुप्रयोगों के लिए, भविष्य की संभावना एआई तकनीकों का विकास है जो कर सकते हैंः

1. मानव ट्रेन ऑपरेटरों के साथ उनका भार बढ़ाए बिना बातचीत करें,
2. लूप में मनुष्यों द्वारा लागू किया जाए, और
3. पटरियों पर बाधाओं का पता लगाएं।

3. भविष्यवाणी में देरी और कमी

भारतीय रेलवे में आर्टिफिशियल इंटेलिजेंस की एक प्रमुख भूमिका ट्रेन की देरी की भविष्यवाणी हो सकती है। रेलवे नेटवर्क की अत्यधिक सीमित प्रकृति के लिए यह एक महत्वपूर्ण विचार है। वर्तमान में, ट्रेन के समय में देरी के लिए सुधारात्मक कार्रवाई करने के लिए आई. आर. में कोई तंत्र नहीं है। इस तरह की देरी ट्रेनों की प्राथमिकताओं, अन्य ट्रेनों के साथ डाउनस्ट्रीम संघर्ष, के भार और अनियमित ठहराव के समय के कारण होती है। एक व्यक्ति इन सभी कारकों को एक साथ संसाधित नहीं कर सकता है, या पूरे नेटवर्क के लिए एक इष्टतम समाधान के साथ नहीं आ सकता है।

भारतीय रेलवे में आर्टिफिशियल इंटेलिजेंस को शामिल करने के कारण देरी की सटीक भविष्यवाणियों से नेटवर्क के निचले हिस्सों में प्रेषकों (नियंत्रकों) को मदद मिलेगी। यह यात्रियों को उनकी यात्रा के बारे में शुरुआती जानकारी प्रदान करके उनके अनुभव को भी बेहतर बनाएगा। देरी के समय की भविष्यवाणी करने के लिए एक प्रणाली पिछले ट्रेन देरी डेटा से सीखती है, भविष्यवाणी करती है कि प्रत्येक देरी कितनी लंबी होगी, और अपडेट देने के लिए क्लाउड-आधारित सेवा का उपयोग करती है।

ए. आई.-संचालित दृष्टिकोण देरी की भविष्यवाणी करने और उसे ठीक करने के लिए एक 'सेंस-एनालिसिस-रेस्पॉन्ड' प्रणाली है। कार्यक्रम का 'सेंस' भाग नेटवर्क में ट्रेनों की स्थिति के बारे में डेटा एकत्र करता है। 'विश्लेषण' भाग प्रत्येक संभावित विकल्प के निहितार्थ की गणना करता है। और 'प्रतिक्रिया' भाग भौतिक क्षमताओं और सुरक्षा मानकों के आधार पर प्रत्येक ट्रेन को गणना किए गए ट्रैक संसाधनों को आवंटित करता है।

4. परिसंपत्ति प्रबंधन

सुरक्षित ट्रेन संचालन के लिए संकेत प्रणाली का पूर्ण रूप से काम करना महत्वपूर्ण है। रेलवे पूरी तरह से वास्तविक समय की जानकारी के साथ-साथ अपनी संकेत परिसंपत्तियों के स्वास्थ्य पर निर्भर करता है। अधिकांश देरी संकेतों की विफलता के कारण होती है। अब तक, भारतीय प्रणालियाँ एक मैनुअल रखरखाव प्रणाली और खोज और सुधार विधियों का पालन करती हैं। लेकिन भारतीय रेलवे में आर्टिफिशियल इंटेलिजेंस को अपनाने से सिस्टम की दूरस्थ स्थिति की निगरानी द्वारा विफलताओं का अनुमान लगाने में मदद मिल सकती है।

यह महत्वपूर्ण रेल घटकों पर स्मार्ट सेंसर लगा कर और आवश्यक निवारक कार्रवाई करके संभव हो सकता है। इनपुट को निश्चित अंतराल पर एकत्र किया जाएगा और एक केंद्रीय स्थान (जैसे संचालन नियंत्रण केंद्र या ओ. सी. सी.) पर भेजा जाएगा। नतीजतन, संकेत प्रणाली में किसी भी समस्या का वास्तविक समय के आधार पर पता लगाया जाएगा।

स्मार्ट सेंसर और जी. पी. एस. से लैस ट्रेनें ए. आई. सी. (एसेट इंटेलिजेंस सेंटर) को घटक-वार स्वास्थ्य स्थिति और स्थान संचारित करती हैं। ए. आई. सी. जो सभी रेलवे परिसंपत्तियों के डिजिटल डेटाबेस का रखरखाव करता है, ट्रैक-साइड कैमरों में लगे सुरक्षित दूरी चेतावनी (एस. डी. डब्ल्यू.) प्रणाली से ट्रेन/वैगन दोषों और इलेक्ट्रॉनिक क्षति अधिसूचनाओं (चालक को भी प्रेषित) के बारे में जानकारी भी एकत्र करता है।

एक बार जब ऐसी जानकारी एकत्र और एकीकृत हो जाती है, तो रैम/एलसीसी (विश्वसनीयता, उपलब्धता, रखरखाव और जीवनचक्र लागत) के रूप में डेटा एनालिटिक्स जो किसी दिए गए समय और स्थितियों में विशेष ट्रेन घटक को बनाए रखने में लागत की गणना करता है और एक डिजिटल नियम पुस्तिका (जैसे, नियम पुस्तिका 4.0) भी तैयार करता है जो भविष्य में संबंधित ऑपरेटरों और कार्यशाला कर्मचारियों द्वारा उपयोग के लिए एक संरचित डेटा मॉडल के रूप में रखरखाव नीतियों तक आसान पहुंच प्रदान करेगा।

डिजिटल नियम पुस्तिका के अनुसार गतिशील एल्गोरिदम और नीतियों के आधार पर एआई-अनुशंसित निर्णयों को डिजिटल फ्लीट कंट्रोल मॉड्यूल के अंदर एक समेकित रखरखाव अनुसूची में समाहित किया जाता है और सामग्री और श्रम की मांग उत्पन्न करने के लिए कार्यशाला क्षमताओं के साथ तुलना की जाती है। इस मांग को अंततः डिजिटल क्रम के रूप में कार्यशाला डिजिटल इंटरफेस में लाया जाता है।

डिजिटल निर्णय लेने में शामिल प्रक्रियाओं को दर्शाने वाली रेलवे प्रणाली का बेड़ा नियंत्रण मॉड्यूल नीचे दिया गया हैः

• स्मार्ट लोकोमोटिव-घटक आधारित स्थिति और स्थान की जानकारी लगातार भेजने के लिए सेंसर और जी. पी. एस. मॉड्यूल से लैस।
• इलेक्ट्रॉनिक क्षति अधिसूचना-ट्रेन चालक को लोकोमोटिव की दोषपूर्ण जानकारी की डिजिटल रिकॉर्डिंग और संचरण में सक्षम बनाता है।
• स्मार्ट वैगन-स्थान डेटा और विशिष्ट स्थिति जानकारी जैसे झटके और लोडिंग स्थिति भेजना।
• सुरक्षित दूरी चेतावनी (एस. डी. डब्ल्यू.)-कैमरा सिस्टम द्वारा वैगन दोषों की पहचान करता है जैसे; छवि पहचानने की तकनीक के साथ समर्थित रेल पटरियों के पार कैमरों पर।
• परिसंपत्ति खुफिया केंद्र-लाइव एनालिटिक्स के लिए सभी वाहन जानकारी को लगातार और मानकीकृत संरचना को एकीकृत और प्रदान करता है।
• आर. ए. एम.-एल. सी. सी. रिपोर्ट-लागत क्षमता की लगातार पहचान करने के लिए आवश्यक जानकारी देना। एक एकीकृत उपकरण एल. सी. सी. आरेख प्रदान करता है और बेड़ा नियंत्रण और तकनीकी वाहन विकास का समर्थन करता है।
• स्थिति आधारित रखरखाव-सभी वाहनों को व्यक्तिगत रूप से और स्थिति आधारित बनाए रखने के लिए नियमों और ज्ञान को अनुकूलित और विस्तारित करता है।
• रूलबुक 4.0-एक मॉड्यूलर संरचित डेटा मॉडल द्वारा सभी रखरखाव नीतियां प्रदान करता है। कार्य विशिष्ट रखरखाव नीतियों के लिए डिजिटल पहुंच प्रदान करता है-कार्यशाला में टैबलेट पर भी।
• डिजिटल बेड़ा नियंत्रण-कार्यशाला आपूर्ति को नियंत्रित करने के लिए वाहनों के लिए स्थिति-आधारित रखरखाव की मांग का समूह और कार्यशाला क्षमताओं के साथ लाइव मिलान।
• कार्यशाला प्रबंधन प्रणाली-कार्यशाला का डिजिटल क्रम प्रबंधन। पूर्ण डिजिटल डेटा संग्रह और प्रसंस्करण। स्वचालित सामग्री ऑर्डर करने जैसी अन्य सेवाओं को डिजिटल रूप से संसाधित किया जाएगा।
• प्रक्रियाओं का अनुकूलन और स्वचालन-अंतिम उपयोगकर्ताओं के लिए डैशबोर्ड और ऐप का प्रावधान और साथ ही परिचालन बिक्री और उत्पादन प्रणालियों में जानकारी का प्रत्यक्ष एकीकरण।

निष्कर्ष

चित्र 1 छवि के पाठ को हटा दें

भारतीय रेलवे रोलिंग स्टॉक जैसे कोच, वैगन और लोकोमोटिव के लिए आईओटी का उपयोग करके परिसंपत्ति प्रबंधन और अन्य प्रौद्योगिकी आधारित सेवाओं में उल्लेखनीय सुधार कर सकता है। एक बार वास्तविक समय में उनके सटीक स्थान का पता चल जाने के बाद परिसंपत्तियों के इष्टतम उपयोग को सुविधाजनक बनाया जा सकता है। पटरियों का रखरखाव बेहतर हो सकता है और श्रमशक्ति का प्रभावी ढंग से उपयोग किया जा सकता है। भारी वेतन बिल और विशेषज्ञों द्वारा इसकी गंभीर आलोचना के कारण रेलवे जिस बड़े दबाव का सामना कर रहा है, उसे कम किया जा सकता है जब हस्तचालित उपकरण प्रबंधन को रखरखाव कार्यों के लिए कर्मचारियों को इष्टतम रूप से तैनात करने में सक्षम बना सकते हैं। परिसंपत्तियों में उनके स्वास्थ्य को दर्शाने वाले सेंसर होंगे और बुद्धिमान निगरानी प्रणालियों के उपयोग से वे सही समय पर सही स्थान पर पहुंचेंगे। आई. आर. आज आपूर्ति श्रृंखला भागीदारों पर बहुत अधिक निर्भर है। आपूर्ति का पीछा करने, विक्रेता की जानकारी तक पहुँच प्राप्त करने में बहुत समय और प्रयास बर्बाद हो जाता है। यह सब आई. ओ. टी. और ए. आई. का उपयोग करके स्वचालित किया जा सकता है। खरीद विभाग की भूमिका केवल खरीद आदेश देने तक सीमित हो सकती है, शेष कार्य को बुद्धिमान प्रणालियों द्वारा नियंत्रित किया जा सकता है जब नेटवर्क के पास खेपों, स्टॉक की स्थिति आदि की जानकारी हो। आईओटी भविष्य है, और यह पहले ही आ चुका है।