Bivši inženjeri SpaceX-a najavljuju novi projekat autonomnog električnog voza

Bivši inženjeri SpaceX-a najavljuju novi projekat autonomnog električnog voza
Bivši inženjeri SpaceX-a najavljuju novi projekat autonomnog električnog voza

Parallel Systems, kompanija koju su osnovali bivši inženjeri SpaceX-a radi redizajniranja američkog željezničkog sistema, prikupila je 49.55 miliona američkih dolara u sredstvima Serije A za izgradnju autonomnih baterijskih električnih željezničkih vozila koja prevoze teret. Kompanija kaže da će sredstva biti upotrijebljena za izgradnju flote šinskih vozila, pokretanje naprednih programa testiranja i razvoj svog tima.

“Osnovali smo Parallel kako bismo omogućili željeznicama da otvore nova tržišta, povećaju iskorištenost infrastrukture i poboljšamo uslugu kako bismo ubrzali dekarbonizaciju tereta,” rekao je Matt Soule, suosnivač i izvršni direktor Parallel Systems-a.

„Naš poslovni model je da željeznicama damo alate za transformaciju neke od 700 milijardi dolara američke autoprevozničke industrije u željeznicu. Paralelni sistem takođe može pomoći u ublažavanju krize u lancu snabdevanja tako što će obezbediti jeftino i redovno kretanje tereta u i iz luka. Konkurentska prednost kompanije Parallel je naša autonomna električna šinska vozila sa baterijom dizajnirana da prevoze teret čistije, brže, sigurnije i isplativije od tradicionalnih vozova ili kamiona.”

Arhitektura vozila Parallel kombinuje softver i hardver sa istorijskom železničkom industrijom kako bi se povećala upotreba postojećih železnica. Autonomna akumulatorska električna šinska vozila kompanije utovaruju i transportuju standardne kontejnere kao jednostruki ili dvostruko složeni teret. Vagoni sa odvojenim pogonom mogu se spojiti kako bi formirali "odrede" ili se podijelili na više odredišta na putu. Zatvorena mreža željeznice je idealna za sigurnu i ranu komercijalizaciju autonomne tehnologije zbog ograničenog pristupa pruzi i centralizirane kontrole saobraćaja.

Bivši direktori SpaceX-a najavljuju novi projekat autonomnog električnog voza

Parallel kaže da su željeznički vozovi fleksibilniji od konvencionalnih vozova jer vodovi ne moraju skupljati velike količine tereta da bi usluga bila pristupačna, čime se pruža bolja usluga i širi raspon ruta. Ovo značajno smanjuje vrijeme čekanja povezano s utovarom vozova dugih milja. Sistem može podržati uslugu na nizu udaljenosti, od grada do cijele zemlje. Kompanija takođe navodi da će njena arhitektura takođe uštedeti sate, pa čak i dane tranzitnog vremena, zaobilazeći preopterećene skretnice koje su se istorijski koristile za ručno sortiranje i ponovno sastavljanje tereta na sekundarne vozove. Gotovo besprijekoran protok kontejnera kroz terminale rezultira većom iskorištenošću sredstava, bržim rokovima isporuke i većom kvalitetom usluge.

Sigurnost šine također mora biti poboljšana sposobnošću brzog otkrivanja opasnosti, kao što je vozilo na pruzi. Korist od sistema detekcije zasnovanog na kameri i redundantnog kočenja, vagoni se mogu zaustaviti do 10 puta brže i bezbednije od voza. To znači da se vozila mogu zaustaviti u slučaju nužde unutar vidnog polja u kojem senzori detektuju objekt. Pored toga, timovi automatski održavaju sigurne brzine na osnovu uslova na stazi.

SAD imaju najveći željeznički sistem na svijetu sa preko 140.000 milja pruga; međutim, Parallel procjenjuje da je manje od 3% ove mreže zauzeto aktivnim vozovima u bilo kojem trenutku. Kako bi isporuke tereta bile ekonomične, željeznice se obično fokusiraju na transport kontejnera na udaljenosti većim od 500 milja. Parallel kaže da ima priliku da dobije više posla na putu razvojem jedinične ekonomije na kraćim udaljenostima. Uvođenje fleksibilnijeg sistema će ublažiti pritisak na infrastrukturu autoputa i američku industriju kamiona jer se suočava sa prevelikom potražnjom i nedostatkom od 80.000 vozača.

Kompanija takođe razvija softver koji omogućava svojim vozilima i timovima da se bezbedno integrišu sa postojećim železničkim operacijama tako da svi teretni vozovi i vozila javnog prevoza rade zajedno. Potpuno automatizovani povezani sistem koristi mašinsko učenje za optimizaciju rutiranja vozila, planiranja saobraćaja i potrošnje energije. Rezultat će kupcima pružiti besprijekornu, najbolju uslugu u klasi i praćenje tereta.

Budite prvi koji će komentirati

Ostavite odgovor

Vaša e-mail adresa neće biti objavljena.


*