รู้จัก TRCAS เทคโนโลยีตรวจสิ่งกีดขวางบนรางรถไฟ เตือนล่วงหน้า 2 กม.

รถไฟที่บรรทุกผู้โดยสารหรือสินค้าจำนวนมากมีน้ำหนักสูง การหยุดรถเมื่อพบสิ่งกีดขวางในระยะกระชั้นชิดจึงทำได้ยาก โดยเฉพาะช่วงกลางคืนที่ทัศนวิสัยจำกัด การเพิ่มระยะตรวจพบอันตรายให้คนขับมีเวลาชะลอความเร็ว จึงเป็นโจทย์สำคัญของการพัฒนาเทคโนโลยีความปลอดภัยทางราง

โจทย์นี้นำมาสู่การพัฒนา TRCAS หรือ Train Collision Avoidance System ระบบช่วยตรวจจับสิ่งกีดขวางบนทางรถไฟ ที่ผสานเรดาร์ กล้องถ่ายภาพทางไกล และปัญญาประดิษฐ์ (AI) เพื่อแจ้งเตือนคนขับล่วงหน้าประมาณ 1–2 กิโลเมตร เพิ่มโอกาสในการชะลอและหยุดรถก่อนถึงจุดเสี่ยง

สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (สวทช.) เปิดเผยว่า การรถไฟแห่งประเทศไทย (รฟท.) ร่วมกับ สวทช. กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม เริ่มพัฒนาระบบดังกล่าวตั้งแต่ปี 2565 โดยมีศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (เนคเทค) และศูนย์เทคโนโลยีโลหะและวัสดุแห่งชาติ (เอ็มเทค) ร่วมดำเนินงาน ภายใต้ทุนสนับสนุนจากหน่วยบริหารและจัดการทุนด้านการเพิ่มความสามารถในการแข่งขันของประเทศ (บพข.)

เรดาร์จับวัตถุ กล้อง–AI ประเมินความเสี่ยง

ดร.ทิวัตถ์ พงศ์ถาวรกมล หัวหน้าทีมวิจัยระบบระบุตำแหน่งและบ่งชี้อัตโนมัติ เนคเทค สวทช. อธิบายว่า ช่วงกลางคืนที่ทัศนวิสัยไม่ดี ระยะการมองเห็นอาจลดลงเหลือต่ำกว่า 20 เมตร ขณะที่รถไฟซึ่งเดินทางด้วยความเร็วประมาณ 80 กิโลเมตรต่อชั่วโมง ต้องเผื่อระยะเบรกประมาณ 700 เมตร การมองเห็นสิ่งกีดขวางด้วยสายตาเพียงอย่างเดียวจึงอาจไม่เหลือระยะทางเพียงพอสำหรับหยุดรถ

TRCAS ใช้เรดาร์ X-band ซึ่งมีระยะตรวจจับสิ่งกีดขวางประมาณ 3–4 กิโลเมตร ทำงานร่วมกับกล้องถ่ายภาพทางไกลที่สามารถจับโฟกัสวัตถุห่างออกไปประมาณ 2 กิโลเมตร

เมื่อเรดาร์ตรวจพบวัตถุ ระบบจะสั่งให้กล้องบันทึกภาพสิ่งกีดขวาง ก่อนส่งภาพให้ AI ประมวลผลด้วยเทคนิคการตรวจจับวัตถุ หรือ Object Detection และการเรียนรู้เชิงลึกแบบโครงข่ายประสาทเทียม เพื่อจำแนกว่าสิ่งที่พบเป็นบุคคล สัตว์ หรือยานพาหนะ

จากนั้นระบบจะประเมินตำแหน่งของสิ่งกีดขวางว่าอยู่บนรางหรือใกล้รางในระยะที่เสี่ยงต่อการเฉี่ยวชน หากพบความเสี่ยงจะแจ้งเตือนผ่านเสียงและภาพให้คนขับทราบล่วงหน้าประมาณ 1–2 กิโลเมตร เพื่อประกอบการตัดสินใจชะลอความเร็วและหยุดรถ พร้อมประสานผู้ดูแลสถานีให้เข้าจัดการสิ่งกีดขวาง

ระยะตรวจจับของเรดาร์จึงแตกต่างจากระยะแจ้งเตือนคนขับ โดยเรดาร์ทำหน้าที่ค้นหาวัตถุจากระยะไกล ส่วนกล้องและ AI ช่วยระบุประเภทและตำแหน่งของวัตถุเพื่อประเมินความเสี่ยง ขณะที่การเบรกและควบคุมรถยังเป็นหน้าที่ของคนขับ

ทดสอบรถไฟสินค้า พบคนริมรางไกล 1.7 กิโลเมตร

ทีมวิจัยร่วมกับ รฟท. ทดสอบใช้งาน TRCAS บนรถไฟขนส่งสินค้าที่เดินทางไป–กลับในเส้นทาง ICD ลาดกระบัง–ท่าเรือแหลมฉบัง เพื่อประเมินการทำงานในสภาพแวดล้อมจริง

ดร.ทิวัตถ์ เล่าว่า ระหว่างเที่ยวกลับจากแหลมฉบังมายังสถานีลาดกระบัง ระบบตรวจพบชายสวมชุดสีดำนั่งกีดขวางอยู่บริเวณขอบรางรถไฟ และแจ้งเตือนตั้งแต่ระยะ 1.7 กิโลเมตร ซึ่งขณะนั้นยังอยู่นอกระยะที่คนขับจะสังเกตเห็นได้

การแจ้งเตือนทำให้คนขับเหยียบเบรกเพื่อชะลอความเร็วและหยุดรถได้ทันท่วงที ก่อนขอความช่วยเหลือจากผู้ดูแลสถานีให้พาชายคนดังกล่าวออกจากบริเวณรางรถไฟ

เหตุการณ์ดังกล่าวสะท้อนประโยชน์ของการตรวจพบสิ่งกีดขวางล่วงหน้า โดยเฉพาะบุคคลหรือวัตถุที่สังเกตเห็นได้ยากจากระยะไกล และเป็นข้อมูลจากการทดสอบที่ช่วยให้ทีมวิจัยประเมินการใช้งานระบบร่วมกับคนขับรถไฟ

ออกแบบรับแรงสั่นสะเทือน–ความร้อน

การติดตั้งเทคโนโลยีบนรถไฟยังมีข้อจำกัดด้านสภาพแวดล้อม เพราะอุปกรณ์ต้องทำงานท่ามกลางแรงสั่นสะเทือนและอุณหภูมิที่สูงกว่าสถานที่ทั่วไป รวมถึงต้องไม่รบกวนระบบควบคุมการทำงานของรถไฟ

ดร.ทิวัตถ์ ระบุว่า ชุดอุปกรณ์เรดาร์ X-band ผ่านการทดสอบจากศูนย์ทดสอบผลิตภัณฑ์ไฟฟ้าและอิเล็กทรอนิกส์ (พีเทค) แล้วว่า ไม่มีสัญญาณรบกวนระบบควบคุมการทำงานของรถไฟ

ส่วนกลุ่มวิจัยเทคโนโลยีระบบรางและการขนส่งสมัยใหม่ เอ็มเทค สวทช. เข้ามาช่วยจำลองแรงสั่นสะเทือน และพัฒนาโครงสร้างที่เหมาะสมสำหรับติดตั้งอุปกรณ์ โดยคำนึงถึงความคงทนต่อสภาพแวดล้อมและความสะดวกในการใช้งานของคนขับ ขณะที่ความทนทานต่ออุณหภูมิสูงผ่านการทดสอบตามมาตรฐานอุตสาหกรรม

ต่อยอดเฝ้าระวังไฟป่า–ต่อต้านโดรน

เทคโนโลยีตรวจจับวัตถุระยะไกลและประมวลผลภาพที่ใช้ใน TRCAS มีศักยภาพนำไปพัฒนานวัตกรรมด้านความปลอดภัยและการเฝ้าระวังอื่น ๆ โดย ดร.ทิวัตถ์ อธิบายว่า เป็นเทคโนโลยีลักษณะ Dual Use หรือใช้งานได้ทั้งภาคพลเรือนและการทหาร

แนวทางต่อยอด ได้แก่ ระบบต่อต้านอากาศยานไร้คนขับหรือโดรน ระบบเฝ้าระวังกลุ่มควันจากไฟป่า เพื่อสนับสนุนการป้องกันและบรรเทาสาธารณภัย รวมถึงระบบตรวจจับบุคคลและยานพาหนะต้องสงสัย

ปัจจุบัน TRCAS อยู่ในสถานะพร้อมถ่ายทอดเทคโนโลยี โดยการนำไปประยุกต์ใช้ในภารกิจเหล่านี้เป็นแนวทางพัฒนาต่อยอดจากองค์ความรู้ด้านเรดาร์และ AI ส่วนการใช้งานในระบบรางมีผลทดสอบบนรถไฟขนส่งสินค้าเป็นตัวอย่างของการช่วยให้คนขับรับรู้ความเสี่ยงได้เร็วขึ้น และมีเวลาควบคุมรถก่อนเข้าสู่บริเวณที่มีสิ่งกีดขวาง