Trenes, metros y estaciones más inteligentes para un mayor ahorro de energía
Las tecnologías robóticas avanzadas permiten aumentar el número de vehículos en la red ferroviaria, mejorar la puntualidad y optimizar el consumo de energía.
Los sistemas de aviso al conductor (GreenSpeedTM), los sistemas de gestión del tráfico (TMS) y los sistemas para gestionar el funcionamiento automático tanto de metros (GreenCBTC) como de trenes autónomos (RailBotTM) optimizan el consumo de energía mediante estrategias de conducción cuidadosamente definidas y calculando perfiles óptimos de aceleración y frenado en tiempo real.
La anticipación de incidentes en la red también es un factor importante para reducir las paradas inesperadas de trenes causadas por obstáculos en las vías. Equipado con sensores conectados de alto rendimiento, un tren o metro podrá detectar cualquier obstáculo en su propia vía, pero también en vías paralelas, para informar automáticamente a los equipos de vía, planificar el trabajo en el sitio o incluso resolver el problema de forma remota, ayudando a ahorra energía.
Los sistemas de supervisión de la estación analizarán el consumo de energía en tiempo real. Sus sensores determinarán las necesidades energéticas exactas en función de los flujos de pasajeros, por ejemplo, para garantizar que el consumo de energía se ajuste lo más posible a los requisitos requeridos, al tiempo que garantizan los niveles de rendimiento esperados y sin sacrificar la comodidad de los pasajeros.
Inteligencia Artificial eco-responsable: una gran oportunidad para la protección del medio ambiente
La inteligencia artificial y los sistemas basados en datos tienen impactos ambientales tanto positivos como negativos. Si bien la IA ayuda a reducir el consumo de energía (optimización del transporte aéreo y terrestre, ciudades inteligentes, etc.), también consume grandes cantidades de energía durante la producción y en uso, como cualquier otro sistema electrónico. Hoy, los investigadores de Thales están trabajando en cuatro frentes para mejorar la responsabilidad ambiental de la inteligencia artificial:
• Reducir el impacto de la IA durante la fase de producción aplicando los principios de diseño ecológico al desarrollo de productos y el desarrollo de equipos definidos por software para mitigar los problemas de obsolescencia.
• Mejorar los algoritmos de IA al incluir el consumo de energía en el diseño de arquitecturas de redes neuronales y, siempre que sea posible, priorizar el desarrollo de la IA simbólica o híbrida basada en el conocimiento, que es mucho más eficiente energéticamente.
• Priorizar la calidad de los datos por encima de la cantidad y adoptar arquitecturas distribuidas que conserven determinadas funciones centralizadas cuando sea absolutamente necesario, para optimizar el uso del ancho de banda y, por tanto, el consumo de energía, manteniendo el nivel de rendimiento.
• Mejora de la electrónica y la implementación mediante el desarrollo de circuitos electrónicos que consumen muy poca energía y aplicaciones de la espintrónica, la electrónica del mañana, para sistemas analógicos ampliamente conectados.