Valider les systèmes de perception du train autonome

Découvrir

SystemX et ses partenaires ont ouvert l’accès à un dataset open source unique de plus de 100 000 images réelles illustrant les différentes classes de feux de circulation ferroviaires français, leurs combinaisons de couleurs, et les qualifications manuelles associées.

Il s’agit d’une initiative inédite dans le domaine du train auto- nome : SystemX et ses partenaires SNCF, Alstom et Systra ont partagé, à l’issue de leurs travaux portant sur l’automatisation des fonctions d’observation du Train Autonome, le plus important jeu de données open source sur les feux de circulation ferroviaires français, dénommé FRSign. Plus de 100000 images réelles haute définition, extraites d’un dataset de plusieurs millions d’images, ont ainsi été mises à la disposition de la communauté scientifique. Cette nouvelle source de données terrain peut être utilisée pour tester des algorithmes de deep learning, notamment dédiés à la classification d’images ou à la détection d’objets dans les images.
Ces images sont issues de sessions de roulage effectuées sur la même voie pendant deux ans et ont toutes été annotées manuellement. Elles illustrent six types de feux de circulation ferroviaires français et leurs combinaisons de couleurs possibles (treize états), ainsi que les informations concernant leur acquisition (date, heure, paramètres des capteurs et cadres de délimitation, etc.).

Ce jeu massif de données a été constitué dans le cadre d’un projet de R&D de l’IRT SystemX, dont l’objectif principal était de définir l’état de l’art de l’automatisation des fonctions d’observation d’un conducteur de matériel roulant. Un projet de deux ans qui s’est inscrit dans le projet Train Automatique de SNCF.

Interview

Luc LAROCHE

Directeur du projet Train Automatique,
SNCF

Pourquoi avez-vous décidé de vous associer à l’IRT SystemX dans le cadre du projet Train Automatique mené par SNCF ?

SNCF s’est associée à l’IRT SystemX pour relever le défi du train autonome. L’autonomie apportera des atouts supplémentaires au ferroviaire : augmentation de la capacité des infrastructures, meilleure régularité, qualité du service, maîtrise de la consommation énergétique, etc. Pour renforcer la compétitivité du ferroviaire, nous devons lever d’importants verrous technologiques dans de nombreux domaines dont certains sont au cœur des compétences de l’institut : le numérique, l’intelligence artificielle, la détection. Depuis le lancement, en 2017, du projet d’automatisation de la lecture de la signalisation latérale et de la détection des obstacles, un important travail a été effectué. Les équipes de SystemX ont, notamment contribué à l’écriture de software et à la conception d’un système de détection des signaux, avec des algorithmes de deep learning.

Quels bénéfices tirez-vous de cette collaboration ?

A l’issue de la première phase du projet, portant sur la détection des signaux, un équipement prototype a fonctionné en situation réelle sur un train d’essai en région parisienne. Le projet est entré dans une seconde phase d’essai, avec la détection des obstacles. L’objectif est d’intégrer ce système sur une locomotive Fret à mi-2021. Le partenariat avec SystemX, nous permet de franchir des étapes majeures pour réussir l’exploitation d’un train autonome. Afin d’entraîner des algorithmes à la lecture de la signalisation, SystemX et SNCF ont construit une importante base de données de signaux ferroviaires, aujourd’hui mise en open source. Celle-ci a fait l’objet d’un travail d’annotation.

Focus

Subeer Rangra a reçu le prix « Méthodes et industrie » λμ d’Or (meilleur article interactif) lors du 21e symposium Lambda Mu en 2018. Ce prix récompense ses travaux, menés dans le cadre du projet TAS (Transport Terrestre Autonome en Sécurité dans son Environnement) de l’IRT SystemX, et dédiés à l’analyse des risques et à la sécurité de l’exploitation autonome des trains sur les grandes lignes.