Onboard-Daten für die Erkennung von Gleisfehlstellen
Straßenbahnen sind zumeist stark frequentierte öffentliche Verkehrsmittel, die auch durch eng bewohnte Stadtbezirke fahren. Bei Schäden am Gleis entstehen störende Erschütterungen und Lärm sowie ein erhöhter Verschleiß an den Fahrzeugen. Eine Folge sind Konflikte mit betroffenen Anwohner:innen und Fahrgästen. Das erforderliche Beschwerdemanagement sowie die reaktive, kurzfristige Beseitigung von fortgeschrittenen Schäden an Gleisen und Fahrzeugen verursachen hohe Kosten. Mit etablierten Inspektionsverfahren (z. B. handgeführten Messgeräten) ist eine kurzfristige Aufdeckung neuer Gleisschäden wirtschaftlich und betrieblich nicht umsetzbar. Die schnelle, kostengünstige und frühzeitige Erkennung von entstehenden Gleisschäden stellt die Verkehrsbetriebe vor große Herausforderungen.
Im Rahmen von OnboardEU werden zwölf Fahrzeuge in verschiedenen europäischen Städten (unter anderem Hannover und Düsseldorf) mit Onboard-Messsystemen ausgestattet. Diese Systeme erfassen Signale von Beschleunigungs-Sensoren (Vibrationen/Erschütterungen) und Mikrofonen (Direktschall/Lärm) im Bereich des Rad-Schiene-Kontakts. Die Messdaten werden im laufenden Betrieb kontinuierlich erfasst und bereits auf dem Fahrzeug mit KI-Verfahren vorverarbeitet. Anhand der gesammelten und zentimetergenau erfassten Messdaten erfolgt die Entwicklung und Erprobung der KI-Algorithmen für die Zustandsüberwachung und Lärmkartierung.
Das AIT übernimmt im Projekt die Aufgabe des überwachten maschinellen Lernens, um anhand von Schall- und Vibrationsdaten automatisch Gleisfehlstellen zu detektieren. Gleichzeitig soll durch Vorbeifahrtsmessungen die Schallausbreitung verschiedener Fahrzeuge und Betriebsbedingungen untersucht werden, um die Kartierung von Lärm durch Straßenbahnen zu unterstützen.
