Technische Universität Berlin

Medieninformation | 21. September 2021 | wrt

Automatisiertes Fahren auf der Schiene

Projekt „Berliner Digitaler Bahnbetrieb“ mit Beteiligung der TU Berlin

Ein Konsortium aus 12 Partner*innen wird im Projekt Berliner Digitaler Bahnbetrieb (BerDiBa) in den nächsten 4 Jahren Technologien für das automatisierte Fahren auf der Schiene entwickeln und erproben. Das Daimler Center for Automotive IT Innovations (DCAITI) an der TU Berlin erstellt dafür in Zusammenarbeit mit dem Fraunhofer-Institut FOKUS Algorithmen für die Umfeldwahrnehmung des automatisierten Fahr­zeugs. Das Fachgebiet Elektronische Mess- und Diagnosetechnik an der TU Berlin wird in Zusammenarbeit mit dem Zuse-Institut Berlin ein automatisches Planungstool für die Wartungstermine des Zuges entwickeln.

BerDiBa soll automatisiertes Fahren auf der Schiene ermöglichen

Der automatisierte Schienenverkehr wird zukünftig neue Möglichkeiten eröffnen. Das Projekt BerDiBa soll dafür einen ersten Baustein legen und ein automatisiertes Fahren auf der Schiene ermöglichen. Der digitale Bahnbetrieb umfasst dabei drei Aspekte: fahrerlose Züge, automatisch geplante Wartungen sowie die Möglichkeit für eine Steuerung aus der Ferne für Situationen, in denen eine autonome Fahrt zum Beispiel aufgrund des Wetters nicht möglich ist. Ziel ist, den Schienenverkehr sicherer und die Prozesse effizienter zu gestalten.

Wissenschaftler*innen werden „Deep-Learning“-Algorithmen aus der Künstlichen Intelligenz mit Hilfe von speziell aufbereiteten Videofilmen trainieren

Das DCAITI an der TU Berlin arbeitet dafür eng mit dem Geschäftsbereich Smart Mobility des Fraunhofer-Instituts FOKUS zusammen. Das gemeinsame Forscher*innenteam besitzt langjährige Erfahrung, automatisierten Fahrzeugen beizubringen, die Umwelt um sie herum zuverlässig wahrzunehmen. Im Projekt BerDiBa werden die Wissenschaftler*innen „Deep-Learning“-Algorithmen aus der Künstlichen Intelligenz mit Hilfe von speziell aufbereiteten Videofilmen trainieren. So können die Züge lernen, mit Sensoren wie Radar und Lidar – dem „Radar“ mit Laserlicht – ihre Umgebung korrekt zu erfassen. Dabei müssen sowohl statische Objekte wie Signalanlagen, Gleise und Bahnhöfe, als auch dynamische Objekte wie Personen, Tiere, Fahrzeuge und andere Züge richtig erkannt werden.

Kontinuierliche Beobachtung 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*innen angewiesen, auf solche Dinge zu achten. „Diese kontinuierliche Beobachtung ist etwas, das wir so aus dem automatisierten Straßenverkehr nicht kennen“, sagt Dr. Ilja Radusch, Leiter des Geschäftsbereichs Smart Mobility am Fraunhofer FOKUS und des DCAITI an der TU Berlin. „Das bedeutet für die Algorithmen ganz neue Anforderungen.“

Neuronale Netze sagen Pflanzenwachstum voraus

Auch Prof. Dr. Clemens Gühmann vom Fachgebiet Elektronische Mess- und Diagnosetechnik der TU Berlin wird 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. Damit lässt sich effizient planen, wann und wo zurückgeschnitten werden muss.

Weniger Ausfallzeiten und mehr Pünktlichkeit

„Tiefe neuronale Netze verwenden wir auch, um aus Daten von Sensoren im Zug Aussagen über den Zustand seiner Bauteile zu gewinnen“, erklärt Clemens Gühmann. So könne sich etwa der von einem Stell-Motor einer Tür benötigte Strom mit der Zeit ändern, wenn die Motorleistung abnimmt. „Aus vielen solcher einzelnen Daten schätzen wir ab, wann Bauteile ausgetauscht werden müssen“, sagt Gühmann. In Zusammenarbeit mit dem Zuse-Institut Berlin entsteht daraus ein Planungstool, das die Wartungstermine des Zuges automatisch und effizient festlegt. So können nicht nur Reparaturen zusammengelegt und damit Geld gespart werden – es erhöht sich auch die Ausfallsicherheit und somit die Pünktlichkeit der Züge.

BerDiBa wird von der Stadt Berlin mit 7,6 Millionen Euro aus dem Innovationsförderprogramm ProFIT gefördert und hat ein Gesamtvolumen von 13,7 Millionen Euro. Zum Konsortium gehören 12 Partner*innen aus Wirtschaft und Forschung.

     

    Industriepartner*innen:

    • acs plus GmbH
    • AAI GmbH
    • GSP GmbH
    • ITQ GmbH
    • neurocat GmbH
    • Siemens Mobility GmbH (Konsortialführer)
    • Teraki GmbH

    Partner*innen aus Wissenschaft und Forschung

    • DFKI
    • Fraunhofer FOKUS und HHI
    • TU Berlin
    • Zuse-Institut Berlin

    Weiterführende Informationen

    Pressemitteilung der Berliner Senatsverwaltung für Wirtschaft, Energie und Betriebe: Siemensstadt²: Berlin fördert innovatives Forschungsprojekt "Digitaler Bahnbetrieb"

    Kontakt

    Einrichtung Daimler Center for Automotive Information Technology Innovations (DCAITI) an der TU Berlin und Fraunhofer-Institut FOKUS
    Einrichtung Fachgebiet Elektronische Mess- und Diagnosetechnik