Network Rail - Hinderniserkennungssysteme für Bahnübergänge

Einführung

Seit der Implementierung unserer ersten Hinderniserkennungslösung für Network Rail (NWR) im Jahr 2010 haben wir eine Reihe von Produkten entwickelt, die den Betreibern von Bahninfrastrukturen die nötige Zuverlässigkeit und Flexibilität in ihren anspruchsvollen Umgebungen bieten. Das System hat seit 2011 die volle Zulassung von Network Rail.

2016-2017 hat L.B. Foster Network Rail mit allen Teilen für achtzig Bahnübergänge beliefert, die derzeit im gesamten Netz installiert werden. Diese kommen zu den einhundertfünfundvierzig Systemen hinzu, die bereits installiert wurden. Die Systeme bieten Videoüberwachung bei Rotlichtverstößen, Kennzeichenerkennung, Videoanalyse und Datenaufzeichnung. Die Installation der Systeme hat viele potenzielle Zusammenstöße an Bahnübergängen verhindert. Das Kamerasystem für Rotlichtverstöße hat auch zu Tausenden von Strafverfolgungen wegen gefährlichen Fahrens geführt.

Anforderung

Die Anforderung, ein 9-jähriges Kind zu erkennen, während es auf dem Überfahrtdeck liegt, erwies sich als Herausforderung. Die Aufgabe bestand darin, jedes Objekt mit einer Größe von 115 mm zu erkennen.

Als Technologie zur Erfüllung dieser Anforderung wurde ein LIDAR-Detektor gewählt, der nach dreimonatigen Tests am Boden bewies, dass es möglich ist, ein Objekt dieser Größe nach Modifikationen zu erkennen.

Die Integration des Systems in die typischen Signalisierungsschaltungen erwies sich ebenfalls als Herausforderung, da viele Relaisschaltungen zu berücksichtigen waren, nicht nur für die Hinderniserkennung, sondern für alle Fehlerarten usw.

L.B. Foster hat extrem hart gearbeitet, größtenteils auf eigene Kosten, um die sehr strengen Anforderungen an die Spezifikation und die Zuverlässigkeit dieser Lösung zu erfüllen.

Spezifikation

• Das System arbeitet mit einer 12-Volt-Gleichstromversorgung, die mit 10 Ampere abgesichert ist.

• Das System kann entweder in einem REB/Ortungsgehäuse oder in einem IP65-Gehäuse für die Wandmontage installiert werden.

• Es gibt einen DVR für die Aufzeichnung der CCTV-Signale

• Es wird die erforderliche Anzahl von LIDAR-Köpfen vorhanden sein, um den Gefahrenbereich auf dem erforderlichen Niveau zu überwachen, das durch die Vermessung vor Ort bestimmt wird.

• Es wird ein Router installiert, der die Fernsteuerung des Systems ermöglicht.

• Es gibt eine Reihe von programmierbaren Ausgängen, die genutzt werden können

• Geprüft auf Einhaltung der EMV-Vorschriften gemäß NWR

• Die Schnittstelle für das LIDAR wird über CAT 5e erfolgen.

• REDSCAN ist ein Flächensensor, der mit Hilfe von Laserstrahlen einen fächerartigen Erfassungsbereich mit einem Radius von 30 m (ca. 100 ft.) über einen Bogen von 190 Grad einrichtet.

• REDSCAN detektiert Zielobjekte, indem es Laserstrahlen auf das Ziel aussendet und die Zeit misst, die die ausgesendeten Strahlen benötigen, um reflektiert zu werden und zum Detektor zurückzukehren.

Unsere Lösung

Nach weiteren Konstruktionsphasen wurde das System 12 Monate lang in Filey Crossing getestet, bevor umfangreiche Tests das Schaltungsdesign und die Zuverlässigkeit des LIDAR belegten.

Neben dem LIDAR wurde auch ein komplettes CCTV-Überwachungssystem entwickelt, um alle erkannten Hindernisse im Nachhinein visuell zu verifizieren; dies erforderte ein spezielles Design, um die vorhandene Infrastruktur so weit wie möglich zu nutzen.

Für alle Komponenten und Systeme war eine vollständige Produktzulassung erforderlich, die vor der ersten Einführung des Systems, das nun seit mehr als 12 Monaten in Betrieb ist, erfolgreich abgeschlossen wurde.

Das Ergebnis

• Eine hochtechnische Design- und Baulösung, die zur Erfüllung einer sehr detaillierten Sicherheitsspezifikation entwickelt wurde.

• Verringerung der Anzahl der Mitarbeiter im Bereich der Signalgebung.

• Aufrechterhaltung einer 100%igen Sicherheitsbilanz ohne Unfälle oder Zwischenfälle.

• Einhaltung des strikten Budgets, der Programm-Meilensteine und der Standards für die Signalisierung des Bahnbetriebs.

Laden Sie die PDF-Version hier herunter: