Ein Angebot von /

Sensoren und Maschinelles Lernen in der Straßenbahn

| Redakteur: Hendrik Härter

Im regulären Fahrgastbetrieb zeichnet die Karlsruher Messstraßenbahn ab sofort mechanische und elektrische Größen sowie unterschiedliche Umgebungsparameter auf.
Im regulären Fahrgastbetrieb zeichnet die Karlsruher Messstraßenbahn ab sofort mechanische und elektrische Größen sowie unterschiedliche Umgebungsparameter auf. (Bild: AVG/Michael Krauth)

Mit einer Messstraßenbahn wollen Forscher nicht nur den Zustand der Infrastruktur untersuchen. Eingesetzt werden auch Verfahren des Maschinellen Lernens, um die Messdaten auszuwerten.

Wer täglich mit den Öffentlichen wie der Straßenbahn unterwegs ist, der setzt auf eine funktionierende Infrastruktur. In einem Forschungsprojekt haben die Albtal-Verkehrs-Gesellschaft (AVG) und das Karlsruher Institut für Technologie (KIT) ein Schienenfahrzeug mit umfangreicher Messtechnik ausgerüstet. Denn im Zeitalter der Digitalisierung können Messzüge viel mehr leisten, als nur Gleise auf bestehende Schäden zu untersuchen.

Dazu haben die Forscher ein Stadtbahnfahrzeug mit aktueller Messtechnik ausgestattet und soll vor allem Daten produzieren. Die gewonnenen Daten sollen mit modernen IT-Methoden wie Maschinelles Lernen ausgewertet werden. Ziel ist es, Sicherheit, Energieeffizienz und Komfort des Schienennahverkehrs zu verbessern und den Verschleiß zu minimieren. Der Kooperationspartner AVG erhält dank der installierten Sensoren wertvolle Informationen, wie sich das Fahrzeug im täglichen Einsatz verhält und welchen äußeren Einflüssen es kontinuierlich ausgesetzt ist. Je mehr Informationen bereit stehen, umso besser kann der Betreiber optimieren: sowohl an der Straßenbahn als auch an der Infrastruktur selbst. Die Karlsruher Messstraßenbahn wird ab sofort im regulären Fahrgastbetrieb eingesetzt.

Energie sparen und Fahrgastkomfort

Um Schäden an der Infrastruktur zukünftig schon früher als mit konventionellen Methoden zu erkennen, wurden Beschleunigungssensoren an den Drehgestellen der Messstraßenbahn angebracht. Diese wollen die Forscher im Zusammenspiel mit GPS-Daten nutzen, um verlässliche Vorhersagen für die Abnutzung der Gleisanlagen zu erstellen. Auch die Energieeffizienz könnte dank der Messstraßenbahn verbessert werden: Zwar wird bereits heute die Bremsenergie von Straßenbahnen ins Oberleitungsnetz zurückgespeist, dies trägt aber nur zur Energieeinsparung bei, wenn eine andere Bahn in der Nähe beim Beschleunigen diese Energie nutzen kann. Gerade in Randbezirken mit weniger gut ausgebautem Netz gehen daher bis zu 30% der Bremsenergie als Wärme verloren. Anhand ständiger Beobachtung von Parametern wie der Oberleitungsspannung, dem Energieverbrauch des Fahrzeugs sowie der Verlustleistung an den Bremswiderständen soll überprüft werden, an welchen Stellen sich potenziell stationäre Speicher zur Aufnahme der Bremsenergie eignen würden.

Ein weiterer wichtiger Ansatzpunkt für die Optimierung des Schienennahverkehrs ist der Fahrgastkomfort. So wurden etwa auch im Fahrgastraum Beschleunigungssensoren verbaut. Eine zu starke Beschleunigung kann vor allem bei der Kurvenausfahrt als unangenehm wahrgenommen werden und mit den Daten dieser Sensoren könnten zukünftig Fahrertrainings konzipiert werden. Für Anwohner wiederum stellt das häufig in Kurven mit geringen Radien auftretende Schienen quietschen eine Lärmbelastung dar. Mit Messmikrofonen im Zusammenspiel mit GPS-Daten, Geschwindigkeit und anderen äußeren Gegebenheiten soll analysiert werden, warum und wo das Quietschen besonders häufig auftritt.

Data Mining für neue Erkenntnisse

Die genannten Beispiele zeigen nur einen kleinen Ausschnitt der großen Datenvielfalt, die durch die Karlsruher Messstraßenbahn generiert werden soll. So sind beispielsweise auch CO2-Sensoren sowie Instrumente zur Messung der Sonneneinstrahlung oder Luftfeuchtigkeit verbaut. So wollen die Forscher mithilfe von Data-Mining-Techniken Daten auch auf bisher nicht bekannte Zusammenhänge untersuchen, um sowohl Sicherheit und Komfort weiter zu erhöhen sowie Kosten und Energieverbrauch zu senken. Von den Fahrten der Karlsruher Messstraßenbahn werden also Fahrgäste, Betreiber und Hersteller gleichermaßen profitieren.

Elektronische Augen für Stadt- und Straßenbahn

Radar- und Videosensoren

Elektronische Augen für Stadt- und Straßenbahn

10.10.14 - Elektronische Systeme erhöhen die Sicherheit für Passagiere in Stadt- und Straßenbahnen. Bosch hat Prototypen seiner Radar- und Videosensoren bereits in Frankfurt und Hannover im Praxiseinsatz. lesen

Autonomes Fahren: Deep Learning braucht den realen, weltweiten Straßenverkehr

Autonomes Fahren: Deep Learning braucht den realen, weltweiten Straßenverkehr

19.01.18 - Deep Learning im länderspezifischen, realen Straßenverkehr spielt eine zentrale Rolle auf dem Weg zum autonomen Fahren. Das zeigt der Intelligent World Drive, der nach fünf Monaten in Las Vegas endete. Ein Testfahrzeug auf Basis der S-Klasse absolvierte eine Studienreise auf fünf Kontinenten, um bei automatisierten Testfahrten im realen Verkehr zu „lernen“. lesen

Kommentar zu diesem Artikel abgeben

Schreiben Sie uns hier Ihre Meinung ...
(nicht registrierter User)

Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
Kommentar abschicken
copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45974353 / Sensoren)