Elektroniknet Logo

Forschung auf Basis von KI

Auf dem Weg zum autonomen Schienenverkehr

Tram Berlin
Eine Tram-Bahn in Berlin. Bald könnte sie autonom unterwegs sein.
© Pixabay

Die TU Berlin beteiligt sich am Projekt »Berliner Digitaler Bahnbetrieb« (BerDiBa). Innerhalb der nächsten vier Jahre sollen Technologien für das automatisierte Fahren auf der Schiene entwickelt und erprobt werden. Künstliche Intelligenz spielt hierbei eine wichtige Rolle.

Allen voran erstellt das Daimler Center for Automotive IT (DCAITI) an der TU Berlin Algorithmen für die Umfeldwahrnehmung des automatisierten Fahrzeugs. Beteiligt ist ebenfalls das Fraunhofer-Institut FOKUS. Zudem entwickelt das Fachgebiet Elektronische Mess- und Diagnosetechnik an der TU in Zusammenarbeit mit dem Zuse-Institut ein automatisches Planungstool für die Wartungstermine der Züge.

Der digitale Bahnbetrieb umfasst drei Aspekte: fahrerlose Züge, automatisch geplante Wartungen sowie die Möglichkeit, aus der Ferne in Situationen zu steuern, in denen eine autonome Fahrt zum Beispiel aufgrund des Wetters nicht möglich ist. Ziel ist, den Schienenverkehr sicherer und die Prozesse effizienter zu gestalten.

Im Projekt trainieren die Forschenden Deep-Learning-Algorithmen mithilfe speziell aufbereiteter Videofilme. So können die Züge lernen, mit Sensoren wie Radar und Lidar – ihre Umgebung korrekt zu erfassen. Dabei müssen die Züge sowohl statische Objekte wie Signalanlagen, Gleise und Bahnhöfe, als auch dynamische Objekte wie Personen, Tiere, Fahrzeuge und andere Züge richtig erkennen.

Kontinuierliches Beobachten der Fahrstrecke

Eine besondere Bedeutung hat dabei die langfristige, kontinuierliche Beobachtung der Fahrstrecke: Hängen Äste über der Trasse, die bald abbrechen könnten? Ist plötzlich in einem Zaun ein Loch entstanden, über das Tiere oder Kinder auf die Schienen gelangen könnten? Bisher sind die Lokführer angewiesen, auf solche Dinge zu achten.

Prof. Dr. Clemens Gühmann vom Fachgebiet Elektronische Mess- und Diagnosetechnik der TU Berlin soll sich mit dem sogenannten Lichtraumprofil einer Bahnstrecke beschäftigen – also dem Raum, der von Vegetation und anderen Gegenständen freizuhalten ist. Anhand von Kameradaten über die Jahreszeiten hinweg sagen neuronale Netze hier die weitere Entwicklung des Pflanzenwachstums voraus. Hiermit lässt sich effizient planen, wann und wo zurückgeschnitten werden muss.

»Tiefe neuronale Netze verwenden wir ebenfalls, um aus Daten von Sensoren im Zug Aussagen über den Zustand seiner Bauteile zu gewinnen«, erklärt Gühmann. So könne sich etwa die von einem Stell-Motor einer Tür benötigte Leistung mit der Zeit ändern. »Aus vielen solcher einzelnen Daten schätzen wir ab, wann Bauteile auszutauschen sind«, sagt Gühmann. In Zusammenarbeit mit dem Zuse-Institut Berlin entsteht daraus ein Planungstool, das die Wartungstermine des Zuges automatisch und effizient festlegt. So könne man einerseits Reparaturen zusammenlegen und Kosten sparen – zudem erhöht sich die Ausfallsicherheit und somit die Pünktlichkeit der Züge.


Das könnte Sie auch interessieren

Verwandte Artikel

Technische Universität Berlin

Anbieterkompass