Verwaltung und Überwachung von Schieneninfrastrukturen

Der Kunde

Das Deutsche Zentrum für Schienenverkehrsforschung beim Eisenbahn-Bundesamt (DZSF) ist eine Ressortforschungseinrichtung in Deutschland. Das DZSF hat die Aufgabe, den Schienenverkehr in Deutschland durch anwendungsorientierte Forschung zu stärken. Es konzentriert sich darauf, die Sicherheit, Effizienz und Nachhaltigkeit von Schienensystemen in Deutschland zu verbessern. Dazu arbeitet das DZSF mit Partnern aus Industrie und Wissenschaft zusammen, um Schienentechnologien, Infrastruktur und Betriebsabläufe zu erneuern und zu verbessern.

Herausforderung

Das Projekt zielte auf eine umfassende, bundesweite digitale Erfassung der Infrastruktur im Umfeld des Verkehrsträgers Schiene einschließlich Lärmschutzwänden, Bahnzugängen, Böschungen, Bahnübergängen, Über- und Unterführungen ab. Diese Elemente sind unter anderem für die Lärmkartierung, das Notfallmanagement und die Erfüllung von Berichtspflichten entscheidend. Das Projekt fokussierte sich auf die automatische Erkennung von Lärmschutzwänden. Die Herausforderung dabei bestand in der Zusammenführung der vorhandenen digitalen Daten, die aus ganz unterschiedlichen Quellen stammen und sich erheblich im Informationsgehalt und in der Aktualität unterschieden. Deshalb sollte der Einsatz von maschinellem Lernen evaluiert werden, um den Standort und die technischen Eigenschaften der verschiedenen Lärmschutzwände automatisch zu erfassen und zu bewerten.

“Dank der Zusammenarbeit mit Merantix Momentum und der entwickelten Machine-Learning-Lösung können wir die Aktualität und Validität der Datengrundlage für die Lärmkartierung deutlich verbessern.”

Dr. Katharina Fricke

Referentin Fernerkundung beim DZSF

Lösung

In diesem Projekt wurde eine Lösung entwickelt, die öffentliche Daten, fortschrittliche ML-Techniken und Modelle sowie eine nahtlose Integration in bestehende Softwarelösungen umfasst. Dazu wurde ein bundesweiter Datensatz erstellt, der aus Befliegungsdaten entlang des Verkehrsträgers Schiene besteht und eine robuste Datenbasis für maschinelle Lernmodelle und die weitere Nutzung durch den Kunden darstellt. Darauf basierend wurde ein effizienter Verarbeitungsworkflow etabliert, der modernste Computer-Vision-Techniken zur Erkennung und Segmentierung von Lärmschutzwänden aus Befliegungsdaten verwendet.

Der letzte Schritt war die Integration des Computer-Vision-Modells über ein Open-Source-Plugin in die erforderliche Softwareoberfläche. Diese Integration stellt sicher, dass auf zusätzliche Funktionen, Modelle und Updates leicht zugegriffen werden kann und die Kompatibilität mit neuen Softwareversionen erhalten bleibt. Unsere Lösung liefert konsistente, genaue und aktuelle Informationen und verbessert die Planungs- und Betriebseffizienz für die Analyse von Infrastrukturobjekten.

Ergebnisse & Auswirkungen

Der neu entwickelte Prozessierungsworkflow und die ML-Methodik sowie die resultierenden Datensätze erfüllen nun mehrere wichtige Funktionen. Das Eisenbahn-Bundesamt (EBA) evaluiert die Datensätze beispielsweise zur Lärmkartierung für den aktuellen Berichtszeitraum. Zudem können andere Verkehrsämter und -behörden die Lösung für Aktualisierungen oder Berechnungen verwenden.

Die gewonnenen Erkenntnisse über die Anforderungen, verfügbaren Methoden und Datensätze für die automatisierte Erfassung der Infrastruktur entlang von Gleisanlagen ermöglichen es dem DZSF, weitere Entwicklungen in diesem Bereich gezielt zu koordinieren. Diese Initiative liefert nicht nur den notwendigen Anstoß für Fortschritte, sondern trägt auch zu dem übergeordneten Ziel bei, einen standardisierten, bundesweiten Ansatz zur Infrastrukturerfassung zu etablieren. Diese Standardisierung ist entscheidend für die Verbesserung von Effizienz, Genauigkeit und Zuverlässigkeit im Infrastrukturmanagement in ganz Deutschland.

Official Project Website