Sztuczna inteligencja i duże zbiory danych

Skanowanie 3D i analiza obrazu to techniki, których dokładność w dużym stopniu zależy od gęstości punktów pomiarowych. Powinna być ona jak największa, co skutkuje gromadzeniem dużych ilości danych, które częściowo są przetwarzane w czasie rzeczywistym, a częściowo składowane w hurtowniach danych.

Analiza online umożliwia identyfikację większych problemów (np. uszkodzeń zagrażających bezpieczeństwu ruchu), a badanie danych historycznych dostarcza informacji o procesach zachodzących w środowisku (np. osiadaniu gruntu lub nasypu czy pękaniu szyn).

Te dwa ujęcia stymulują rozwój przyrządów diagnostycznych wyposażonych w wydajne procesory i oprogramowanie wykorzystujące sztuczną inteligencję (ang. artificial intelligence, AI) do wyszukiwania odchyleń od normy, a także potężne hurtownie danych i oprogramowanie do analizy dużych zbiorów danych historycznych. W tym również może pomóc AI.

W praktyce pojawia się problem z gromadzeniem danych pomiarowych. Pociągi diagnostyczne muszą być wyposażane w wydajne serwery zapisujące surowe dane pomiarowe i obraz z kamer, ale jednocześnie dane te powinny być przekazywane do systemów IT, w których będą składowane i analizowane. Można to zrobić po zakończeniu pomiaru, kopiując pliki z danymi bezpośrednio na serwery, albo online – za pośrednictwem wydajnego łącza radiowego. Oba podejścia mają wady i zalety i w praktyce występują łącznie.

Na marginesie warto zauważyć, że będący obecnie standardem kolejowej łączności radiowej system GSM-R nie zapewnia wystarczającej prędkości danych dla obsłużenia tego typu pomiarów, a przecież technologii służących bezpieczeństwu jest coraz więcej. Niektóre z nich wspierają okresowe testy infrastruktury, inne przewidują stałe monitorowanie dróg kolejowych, stacji i pojazdów w ruchu. Zapotrzebowanie na transmisję danych będzie zatem rosło. Dlatego tak ważne są prace nad Future Railway Mobile Communication System (FRMCS).

Andrzej Domka