LZS – Förderprojekte

Problemstellung

Um die Attraktivität des ÖPNV im innerstädtischen Bereich zu erhöhen, sind eine hohe Zuverlässigkeit und erschwingliche Preise von Stadtbahnen unerlässlich. Hierfür gilt es, Schadensfälle bei anforderungsgerechtem Wartungsaufwand zwingend zu vermeiden. Digitale Methoden ermöglichen eine Vorhersage von Schadensentwicklungen der sich in Betrieb befindenden Bahnen, sodass eine zielgerichtete Wartung der digitalen Stadtbahnflotte erfolgen kann. Dadurch kann sowohl die Zuverlässigkeit als auch die Kosteneffizienz gesteigert werden, sodass Verkehrsbetriebe, Fahrgäste und Kommunen gleichermaßen profitieren.

Projektziel

Ziel des Projektes ist es, ein digitales Abbild einer Stadtbahnflotte zu entwickeln. Die Zustände der Einzelbahnen sollen aus Messungen mit Standardsensoren abgeleitet werden. Aufgrund der digitalen Datenerfassung sowie der Methoden des maschinellen Lernens ist es möglich, sowohl Ermüdung als auch Verschleiß für einzelne Bauteile vorherzusagen, noch vor Eintritt des Schadens. Somit kann ein Ausfall des Gesamtfahrzeuges vermieden werden. Diese Informationen lassen sich bei den Verkehrsbetrieben einbinden, sodass Verfügbarkeiten besser planbar werden und der Einsatz der Bahnen somit optimiert werden kann.

Durchführung

Zur Umsetzung des Projektes werden die vorhandenen Messdaten ausgewertet und eine neue Messstraßenbahn realisiert. Dafür erfolgt die Erhebung neuer Messdaten in großem Umfang. Dies ermöglicht es, einen Zusammenhang von erfasstem Straßenbahneinsatz und daraus folgendem Fahrzeugzustand über kalibrierte Datenmodelle herzustellen. Diese Modelle sind auf jede Einzelbahn anwendbar. Es entsteht somit eine Cloud-basierte Flottenbeschreibung für Straßenbahnbetreiber und Wartungsunternehmen.