Forschungsprojekt LRVTwin
Light Rail Vehicle Twin - Ein digitaler Stadtbahnzwilling
Die Herausforderung
Die Attraktivität des innerstädtischen ÖPNV hängt stark von einer hohen Zuverlässigkeit und fairen Preisen ab. Die Verfügbarkeit zu gewährleisten und zukünftig noch weiter zu steigern, gleichzeitig aber die Kosten erschwinglich zu halten, ist eine echte Herausforderung für Verkehrsbetriebe.
Einen Lösungsansatz dazu bietet die Digitalisierung von Infrastrukturen und Flotten zur Etablierung einer vorausschauenden Instandhaltung. Mit Hilfe digitaler Methoden lassen sich Schadensentwicklungen bei in Betrieb befindlichen Bahnen vorhersagen und zielgerichtete Wartungen digitaler Stadtbahnflotten umsetzen. Von der Steigerung der Zuverlässigkeit und Kosteneffizienz profitieren Verkehrsbetriebe, Fahrgäste und Kommunen gleichermaßen.
Ziel
Im Projekt LRVTwin wird ein digitales Abbild einer Stadtbahnflotte entwickelt. Hierbei werden die Zustände der Einzelbahnen aus Messungen mit Standardsensoren abgeleitet. Die digitale Datenerfassung und die Methoden des Maschinellen Lernens erlauben es, Ermüdung oder Verschleiß für einzelne Bauteile vorherzusagen, bevor der eigentliche Schaden auftritt und zu einem Ausfall des Gesamtfahrzeuges führt. Durch die Einbindung dieser Informationen bei den Verkehrsbetrieben lassen sich Verfügbarkeiten besser planen und der Bahneinsatz optimieren.
Umsetzung
Die Umsetzung erfolgt sowohl unter Auswertung vorhandener Messdaten, aus der Überwachung von Einzelbahnen beider Fahrzeugflotten in Dresden und Leipzig sowie durch die Realisierung einer neuen Messstraßenbahn, die mit umfangreicher Sensorik zur direkten Erfassung des Fahrzeugzustandes ausgestattet wird. Die neuen und in großem Umfang erhobenen Messdaten bilden die Basis für den Einsatz des Maschinellen Lernens, das komplexe Zusammenhänge zwischen Fahrzeugzustand und Signalen der Fahrzeugstandardsensorik und des Fahrzeugbussystems herstellt. Diese Modelle lassen sich letztlich auf jede Einzelbahn anwenden. Es entsteht eine Cloud-basierte Übersicht zu den Bahn- sowie Netzzuständen, von der Straßenbahnbetreiber und Wartungsunternehmen zum Beispiel für die effiziente Gestaltung von Wartungszeitpunkten profitieren und die Verfügbarkeit optimieren können.
Nutzen
Mit den Ergebnissen des LRVTwin entsteht das Best-Practice-Beispiel einer digitalisierten Straßenbahnflotte mit gesteigerter Verfügbarkeit und optimierter Instandhaltung. Durch die Gewährleistung einer gesteigerten Zuverlässigkeit und Attraktivität des ÖPNV wird ein wesentlicher Baustein für eine zuverlässige, saubere und CO2-freie Innenstadtmobilität gelegt. Die Übertragbarkeit wird an zwei Netzen demonstriert und begünstigt damit auch perspektivisch eine Erweiterung auf weitere Städte und Verkehrsmittel.
