Parallel Systems, firma założona przez byłych inżynierów SpaceX w celu przeprojektowania amerykańskiego systemu kolejowego, zebrała 49.55 miliona dolarów w ramach funduszy serii A na budowę autonomicznych pojazdów szynowych z napędem elektrycznym, które przewożą ładunki. Firma twierdzi, że środki zostaną przeznaczone na budowę floty pojazdów szynowych, prowadzenie zaawansowanych programów testowych i rozwój zespołu.
„Założyliśmy Parallel, aby umożliwić kolejom otwieranie nowych rynków, zwiększanie wykorzystania infrastruktury i poprawę usług w celu przyspieszenia dekarbonizacji ładunków” – powiedział Matt Soule, współzałożyciel i dyrektor generalny Parallel Systems.
„Nasz model biznesowy zakłada zapewnienie kolei narzędzi do przekształcenia części wartego 700 miliardów dolarów amerykańskiego przemysłu transportu ciężarowego w kolej. System równoległy może również pomóc złagodzić kryzys w łańcuchu dostaw, zapewniając niski koszt i uporządkowany przepływ ładunków do portów i z portów. „Przewagą konkurencyjną firmy Parallel są nasze autonomiczne pojazdy szynowe o napędzie akumulatorowo-elektrycznym, zaprojektowane tak, aby przewozić towary w sposób ekologiczny, szybszy, bezpieczniejszy i bardziej opłacalny niż tradycyjne pociągi lub ciężarówki”.
Architektura pojazdów firmy Parallel łączy oprogramowanie i sprzęt z historyczną branżą kolejową w celu zwiększenia wykorzystania istniejących linii kolejowych. Autonomiczne akumulatorowe elektryczne pojazdy szynowe firmy ładują i transportują standardowe kontenery morskie jako ładunek pojedynczy lub podwójny. Wagony z oddzielnym napędem mogą łączyć się ze sobą, tworząc „oddziały” lub dzielić się na wiele miejsc docelowych na trasie. Zamknięta sieć kolei idealnie nadaje się do bezpiecznej i wczesnej komercjalizacji autonomicznej technologii ze względu na ograniczony dostęp do torów i scentralizowaną kontrolę ruchu.
Parallel twierdzi, że tabor jest bardziej elastyczny niż pociągi konwencjonalne, ponieważ oddziały nie muszą gromadzić dużych ilości ładunku, aby usługi były ekonomiczne, zapewniały szybsze reagowanie i szerszy zakres tras. Znacząco skraca to czas oczekiwania związany z załadunkiem wielokilometrowych pociągów. System może obsługiwać usługi na różne odległości, od całego miasta po cały kraj. Firma twierdzi również, że jej architektura ominie zatłoczone rozjazdy, które w przeszłości służyły do ręcznego sortowania i ponownego montażu ładunków w pociągach drugorzędnych, oszczędzając godziny, a nawet dni czasu tranzytu. Praktycznie nieprzerwany przepływ kontenerów przez terminale skutkuje większym wykorzystaniem zasobów, szybszym czasem dostaw i wyższą jakością usług.
Bezpieczeństwo na kolei musi być również poprawione przez możliwość szybkiego wykrywania zagrożeń, takich jak pojazd na torze. Dzięki systemowi wykrywania opartemu na kamerach i nadmiarowemu hamowaniu wagony mogą zatrzymać się do 10 razy szybciej i bezpieczniej niż pociąg. Oznacza to, że pojazdy mogą zatrzymać się awaryjnie w polu widzenia, w którym czujniki wykryją obiekt. Dodatkowo zespoły automatycznie utrzymują bezpieczne prędkości w oparciu o warunki na torze.
Stany Zjednoczone mają największy na świecie system kolejowy z ponad 140.000 3 milami linii; jednak Parallel szacuje, że mniej niż 500% tej sieci jest zajmowane przez aktywne pociągi w danym momencie. Aby dostawy towarów były ekonomiczne, koleje zazwyczaj skupiają się na transporcie kontenerów morskich na odległości przekraczające 80.000 mil. Parallel twierdzi, że ma szansę na wykonanie większej ilości pracy na torze poprzez rozwijanie gospodarki jednostek na krótszych dystansach. Wprowadzenie bardziej elastycznego systemu zmniejszy presję na infrastrukturę drogową i amerykański przemysł transportu ciężarowego, ponieważ boryka się on z nadmiernym popytem i niedoborem XNUMX XNUMX kierowców.
Firma opracowuje również oprogramowanie, które umożliwia jej pojazdom i zespołom bezpieczną integrację z istniejącymi operacjami kolejowymi, dzięki czemu wszystkie pociągi towarowe i pojazdy transportu publicznego współpracują ze sobą. W pełni zautomatyzowany połączony system wykorzystuje uczenie maszynowe do optymalizacji tras pojazdów, planowania ruchu i zużycia energii. Rezultat zapewni klientom płynną, najlepszą w swojej klasie obsługę i śledzenie frachtu.
Bądź pierwszy i skomentuj