In einem gemeinsamen Forschungsprojekt haben die Albtal-Verkehrs-Gesellschaft mbH (AVG) und das Karlsruher Institut für Technologie (KIT) ein Stadtbahnfahrzeug mit umfangreicher Messtechnik ausgerüstet.
Inhaltsverzeichnis
1. Beschleunigungssensoren liefern Daten zur Abnutzung der Gleisanlagen
2. Data Mining soll verborgene Zusammenhänge aufzeigen
Dieses soll Daten etwa zu Umwelteinflüssen, zur Nutzungsweise oder zum Schienenzustand generieren. Ziel ist es, den Schienennahverkehr mit Verfahren des Maschinellen Lernens im Hinblick auf Sicherheit, Energieeffizienz und Komfort zu optimieren. Jetzt hat die Karlsruher Messstraßenbahn den Betrieb aufgenommen.
In einem Forschungsprojekt wird gezeigt, dass Messzüge im Zeitalter der Digitalisierung viel mehr leisten, als nur Gleise auf bestehende Schäden zu untersuchen: „Wir haben ein Stadtbahnfahrzeug mit der neusten Messtechnik ausgerüstet“, sagt Professor Peter Gratzfeld vom FAST. „Diese Messstraßenbahn wird nun für unser Projekt Daten produzieren, die wir mit aktuellen IT-Methoden wie Maschinellem Lernen auswerten. Unser Ziel ist es, Sicherheit, Energieeffizienz und Komfort des Schienennahverkehrs zu verbessern und den Verschleiß zu minimieren.“
Für die AVG ergebe sich aus dem Kooperationsprojekt ein echter Mehrwert, sagt Ascan Egerer, technische Geschäftsführer der AVG.
Beschleunigungssensoren liefern Daten zur Abnutzung der Gleisanlagen
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 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. In Randbezirken mit weniger gut ausgebautem Netz gehen daher bis zu 30 Prozent der Bremsenergie als Wärme verloren. Anhand der Beobachtung von Parametern wie der Oberleitungsspannung, dem Energieverbrauch des Fahrzeugs sowie der Verlustleistung an den Bremswiderständen soll überprüft werden, wo sich potenziell stationäre Speicher zur Aufnahme der Bremsenergie eignen würden.
Ein weiterer Ansatzpunkt für die Optimierung des Schienennahverkehrs ist der Fahrgastkomfort. So wurden etwa auch im Fahrgastraum Beschleunigungssensoren verbaut. Eine zu starke Beschleunigung kann bei der Kurvenausfahrt als unangenehm wahrgenommen werden und mit den Daten der Sensoren könnten Fahrertrainings konzipiert werden. Für Anwohner stellt das häufig in Kurven mit geringen Radien auftretende Schienenquietschen eine Lärmbelastung dar. Mit Messmikrofonen im Zusammenspiel mit GPS-Daten, Geschwindigkeit und anderen Gegebenheiten soll analysiert werden, warum und wo das Quietschen häufig auftritt.
Data Mining soll verborgene Zusammenhänge aufzeigen
Die genannten Beispiele zeigen nur einen kleinen Ausschnitt der großen Datenvielfalt, die durch die Karlsruher Messstraßenbahn generiert werden soll. So sind auch
- CO2-Sensoren
- Instrumente zur Messung der Sonneneinstrahlung oder Luftfeuchtigkeit verbaut.
„Mit Hilfe von Data Mining-Techniken ist geplant, die Daten auf bisher nicht bekannte Zusammenhänge zu untersuchen, um die Sicherheit und den Komfort zu erhöhen sowie Kosten und Energieverbrauch zu senken“, erklärt Gratzfeld. Von den Fahrten der Karlsruher Messstraßenbahn werden also Fahrgäste, Betreiber und Hersteller gleichermaßen profitieren. jke
