EP4509382A1 - Verfahren zum bestimmen einer störung einer bahninfrastruktur mittels einer erfassungsvorrichtung eines zuges, computerprogrammprodukt, computerlesbares speichermedium sowie erfassungsvorrichtung - Google Patents

Verfahren zum bestimmen einer störung einer bahninfrastruktur mittels einer erfassungsvorrichtung eines zuges, computerprogrammprodukt, computerlesbares speichermedium sowie erfassungsvorrichtung Download PDF

Info

Publication number
EP4509382A1
EP4509382A1 EP24190880.5A EP24190880A EP4509382A1 EP 4509382 A1 EP4509382 A1 EP 4509382A1 EP 24190880 A EP24190880 A EP 24190880A EP 4509382 A1 EP4509382 A1 EP 4509382A1
Authority
EP
European Patent Office
Prior art keywords
train
detection device
fault
computing device
electronic computing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP24190880.5A
Other languages
English (en)
French (fr)
Inventor
Reiner Schmid
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Mobility GmbH
Original Assignee
Siemens AG
Siemens Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG, Siemens Corp filed Critical Siemens AG
Publication of EP4509382A1 publication Critical patent/EP4509382A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
    • B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
    • B61L23/041—Obstacle detection

Definitions

  • the invention relates to a method for determining a disruption of a railway infrastructure by means of a detection device of a train according to the applicable patent claim 1. Furthermore, the invention relates to a computer program product, a computer-readable storage medium and a detection device.
  • the object of the present invention is to provide a method, a computer program product, a computer-readable storage medium and a detection device by means of which a disruption of a railway infrastructure can be determined in an improved manner by means of the detection device.
  • One aspect of the invention relates to a method for determining a fault in a railway infrastructure using a detection device of a train.
  • the surroundings of the train are detected using the detection device.
  • An anomaly associated with the railway infrastructure is determined depending on the detected surroundings using an electronic computing device of the detection device and the fault is determined depending on the determined anomaly using the electronic computing device.
  • the invention takes advantage of the fact that detection devices already installed on the train can be used to detect and determine corresponding disturbances in the railway infrastructure.
  • the train is equipped with a system for automatic obstacle detection, for example, a series of sensors or detection devices are present to perceive the surroundings of the train. These provide image data, lidar or radar data about the surroundings.
  • the detection device can be designed as a camera, lidar sensor, radar sensor or even ultrasonic sensor.
  • Automatic obstacle detection involves evaluating the sensor data to identify possible obstacles and hazards in the train's clearance space. This data is also used to detect other situations that affect rail operations.
  • These may include, for example, hazards on adjacent tracks, anomalies that require closer inspection, such as vegetation overgrowing the track, unexpected changes in the environment, or the like.
  • the relevant sensor data is stored, particularly about the exact location and time of origin, and then either examined using anomaly detection methods, for example based on an object recognition algorithm, or searched for reasons for more detailed monitoring using detection mechanisms specifically tailored to specific situations.
  • anomaly detection methods for example based on an object recognition algorithm
  • visual detection algorithms can be used for this.
  • the determination of the fault may already include an analyzed classification of the fault, but raw data collected by the train's detection device on which the corresponding derivation is based may also be stored.
  • the anomaly is determined depending on the current position of the train.
  • the determined anomaly can thus be saved with the position.
  • corresponding virtual data or digital maps can be available, which, for example, contain corresponding information regarding the objects to be expected on site.
  • the anomaly can then be determined when compared with this map.
  • an expected detected environment is specified depending on the current position and the expected detected environment is compared with the detected environment and the anomaly is determined depending on this.
  • an anomaly can be determined.
  • a database can be available in particular which contains the expected detected environment, whereby the detection device in particular can thus access this data and carry out a corresponding evaluation.
  • a track and/or a track bed and/or a switch and/or a railway signal and/or a station is checked for a fault as railway infrastructure.
  • other infrastructure objects can also be checked. This makes it possible for the entire railway infrastructure in particular to be checked for a fault.
  • a specific fault is transmitted to a central electronic computing device.
  • the central electronic computing device can be used, for example, to collect a large number of faults accordingly. This can then alert the central electronic computing device that a corresponding fault is present. This can, for example, initiate additional measures, such as appropriate repair measures, so that the fault can be rectified in the future.
  • the fault is verified by the central electronic computing device.
  • this can be done, for example, if historical data on this anomaly is already available.
  • a The corresponding fault must be verified. Only a verified fault leads to further measures.
  • information obtained about the fault caused by a single train is usually incomplete, this requires confirmation or verification in order to obtain data specifically tailored to the situation. This means that the fault can be determined with the utmost reliability.
  • a verification order for verifying the fault is transmitted to at least one other train by means of the central electronic computing device.
  • the other train can then also drive past a corresponding location of the potentially determined fault and record it accordingly.
  • the fault can be recorded using the same type of recording device or a different type of recording device.
  • the verification order is generated by the central electronic computing device and transmitted to another train. This means that the other train can confirm the fault independently of the train. This means that the fault can be determined with the utmost reliability.
  • next train is selected depending on the route of the next train. If, for example, the next train passes the anomaly, and in particular if there is a corresponding route plan that takes the train past the disruption, this train can be instructed to carry out a verification. This makes it easy to verify the disruption.
  • a further advantageous embodiment provides that the additional train is selected depending on the type of detection device present on the additional train. In particular, if, for example, a train does not have If the central electronic computing device does not have a detection device, it cannot be instructed to carry out a corresponding verification. In particular, the electronic computing device can decide which type of detection device is to be used to detect or verify the fault. For example, it can be provided that the central electronic computing device requires confirmation of a different detection type and thus selects a train that has a different detection type than the train that reported the fault. The fault can thus be reliably determined.
  • next train is selected depending on a different angle of detection of the potential disruption.
  • the next train can be selected based on an oncoming track or oncoming direction of travel, so that the disruption can be detected from a different angle. This makes it possible to have different angles of view of the disruption and thus to carry out reliable verification of the disruption.
  • next train is selected depending on the time of day when the potential disruption is detected. For example, it can be provided that only trains that pass the disruption during the day receive a corresponding verification order. This can prevent incorrect recording or recording with a low data information density, for example due to darkness.
  • a warning message is generated for at least one other train in the event of a specific fault.
  • the warning message can be generated by the train itself. Should For example, it can be provided that the fault must first be verified by the central electronic computer, and the corresponding warning message can then be generated by the central electronic computer. For example, it can then also be provided that, should the fault be verified accordingly, trains are instructed to drive past the fault at a reduced speed.
  • the warning message can also be generated for the relevant personnel, so that people can be sent to the fault to repair it.
  • a further aspect of the invention relates to a computer program product with program code means which causes an electronic computing device to carry out a method according to the previous aspect when the program code means are processed by the electronic computing device.
  • the invention also relates to a computer-readable storage medium with the computer program product.
  • the invention also relates to a detection device for determining a disruption of a railway infrastructure, with at least one electronic computing device, wherein the detection device is designed to carry out a method according to the preceding aspect. In particular, the method is carried out by means of the detection device.
  • Yet another aspect of the invention relates to a train with a detection device according to the preceding aspect.
  • Advantageous embodiments of the method are advantageous embodiments of the computer program, the computer-readable storage medium, the detection device and the train.
  • the detection device and the train have particular physical features to enable the corresponding process steps to be carried out.
  • an object detection algorithm can be understood as a computer algorithm that is able to identify and localize one or more objects within a provided input data set, for example an input image, for example by defining corresponding bounding boxes or regions of interest, ROI (English: "region of interest"), and in particular by assigning a corresponding object class to each of the bounding boxes, wherein the object classes can be selected from a predefined set of object classes.
  • the assignment of an object class to a bounding box can be understood in such a way that a corresponding confidence value or probability that the object identified within the bounding box belongs to the corresponding object class is provided.
  • the algorithm can provide such a confidence value or probability for each of the object classes for a given bounding box.
  • the assignment of the object class can, for example, include selecting or providing the object class with the greatest confidence value or the greatest probability.
  • the algorithm can simply define the bounding boxes without assigning a corresponding object class.
  • a computing unit/electronic computing device can be understood in particular as a data processing device that contains a processing circuit.
  • the computing unit can therefore in particular process data to carry out computing operations. This may also include operations to carry out indexed access to a data structure, for example a conversion table, LUT (English: "look-up table").
  • the computing unit can in particular contain one or more computers, one or more microcontrollers and/or one or more integrated circuits, for example one or more application-specific integrated circuits (ASICs), one or more field-programmable gate arrays (FPGAs), and/or one or more single-chip systems (SoCs).
  • the computing unit can also contain one or more processors, for example one or more microprocessors, one or more central processing units (CPUs), one or more graphics processing units (GPUs) and/or one or more signal processors, in particular one or more digital signal processors (DSPs).
  • the computing unit can also contain a physical or virtual network of computers or other of the aforementioned units.
  • the computing unit includes one or more hardware and/or software interfaces and/or one or more memory units.
  • a memory unit can be a volatile data storage device, for example a dynamic random access memory (DRAM) or a static random access memory (SRAM), or a non-volatile data storage device, for example a read-only memory (ROM), a programmable read-only memory (PROM), an erasable programmable read-only memory (EPROM), an electrically erasable programmable read-only memory (EEPROM), a flash memory or flash EEPROM, a ferroelectric random access memory (FRAM), magnetoresistive random access memory (MRAM) or phase-change random access memory (PCRAM).
  • DRAM dynamic random access memory
  • SRAM static random access memory
  • ROM read-only memory
  • PROM programmable read-only memory
  • EPROM erasable programmable read-only memory
  • EEPROM electrically erasable programmable read-only memory
  • flash memory or flash EEPROM a ferroelectric random access memory (FRAM), magnetoresistive random access memory (MRAM) or phase-change random
  • An environmental sensor system/detection device can be understood, for example, as a sensor system that is able to generate sensor data or sensor signals that map, represent or reproduce an environment.
  • the ability to detect electromagnetic or other signals from the environment is not sufficient to consider a sensor system as an environmental sensor system.
  • cameras, radar systems, lidar systems or ultrasonic sensor systems can be understood as environmental sensor systems.
  • Algorithms for automatic visual perception which may also be referred to as computer vision algorithms, machine vision algorithms or machine vision algorithms, can be considered as computer algorithms for automatically performing a visual perception task.
  • a visual perception task which is also referred to as a computer vision task, can be understood, for example, as a task for extracting visual information from image data.
  • the visual perception task can, in some cases, in principle be performed by a human who is able to visually perceive an image corresponding to the image data. In the present context, however, visual perception tasks are also performed automatically without the need for human assistance.
  • a computer vision algorithm for example to detect the disturbance, can, for example,
  • Image processing algorithm or an algorithm for image analysis that is or was trained by machine learning and can be based, for example, on an artificial neural network, in particular a convolutional neural network.
  • the computer vision algorithm can, for example, comprise an object recognition algorithm, an obstacle detection algorithm, an object tracking algorithm, a classification algorithm, a semantic segmentation algorithm, and/or a depth estimation algorithm.
  • Corresponding algorithms can also be carried out analogously based on input data other than images that can be visually perceived by a human. For example, point clouds or images from infrared cameras, lidar systems, etc. can also be evaluated using appropriately adapted computer algorithms. Strictly speaking, the corresponding algorithms are not algorithms for visual perception, since the corresponding sensors can work in areas that are not visually perceptible to the human eye, for example in the infrared range. For this reason, such algorithms are referred to as algorithms for automatic perception in the context of the present invention. Algorithms for automatic perception therefore include algorithms for automatic visual perception, but are not limited to these with regard to human perception.
  • an algorithm for automatic perception can contain a computer algorithm for automatically carrying out a perception task, which is or has been trained, for example, by machine learning and can be based in particular on an artificial neural network.
  • Such generalized algorithms for automatic perception can also include object detection algorithms, object tracking algorithms, classification algorithms and/or segmentation algorithms, for example semantic segmentation algorithms.
  • an artificial neural network is used to implement an automatic visual perception algorithm
  • a commonly used architecture is that of a convolutional neural network, CNN.
  • a 2D CNN can be applied to corresponding 2D camera images.
  • CNNs can also be used for other automatic perception algorithms.
  • 3D CNNs, 2D CNNs or 1D CNNs can be applied to point clouds, depending on the spatial dimensions of the point cloud and the details of the processing.
  • an automatic perception algorithm depends on the specific underlying perception task.
  • the output of an object detection algorithm may include one or more bounding boxes defining a spatial position and optionally an orientation of one or more corresponding objects in the environment and/or corresponding object classes for the one or more objects.
  • An output of a semantic segmentation algorithm applied to a camera image may include a pixel-level class for each pixel of the camera image.
  • an output of a semantic segmentation algorithm applied to a point cloud may include a corresponding point-level class for each of the points.
  • the pixel-level or point-level classes may, for example, define an object type to which the respective pixel or point belongs.
  • an error message and/or a request to enter user feedback is issued according to the method. and/or a default setting and/or a predetermined initial state is set.
  • FIG. 1 shows a schematic block diagram according to an embodiment of the method.
  • FIG. shows a schematic block diagram according to an embodiment of a train 10 with an embodiment of a detection device 12.
  • the detection device 12 is for detecting a purely schematically shown Environment 14 of the train 10.
  • an anomaly 16 on a railway infrastructure can be detected in particular in the environment 14.
  • the detection device 12 can be designed to determine a fault 18 in the railway infrastructure 16.
  • the environment 14 of the train 10 is detected by means of the detection device 12.
  • An anomaly 16 associated with the railway infrastructure is determined as a function of the detected environment 14 by means of an electronic computing device 20 of the detection device 12.
  • the fault 18 is then determined as a function of the determined anomaly 16 by means of the electronic computing device 20.
  • the anomaly 16 is determined depending on the current position of the train 10. It can also be provided that an expected detected environment 14 is specified depending on the current position and the expected detected environment 14 is compared with the detected environment 14 and the anomaly 16 is determined depending thereon.
  • Railway infrastructure can in particular be a track and/or track bed and/or a switch and/or a railway track and/or a station that is checked for a fault 18.
  • the FIG. further shows that the specific fault 18 can be transmitted to a central electronic computing device 22.
  • the fault 18 is verified by the central electronic computing device 22.
  • a verification order 24 is transmitted to at least one further train 26, 28 by means of the central electronic computing device 22.
  • the further train 26, 28 can then be selected depending on a route of the further train 26, 28.
  • the central electronic computing device 22 can in particular be equipped with a route planner 30, which shows the routes of the trains 10, 26, 28.
  • the further train 26, 28 is selected depending on an existing detection device 32, 34 of the further train 26, 28.
  • a first further train 26 has a first detection device 32 and a second further train 28 has a second detection device 34.
  • corresponding observations 36 of the further trains 26, 28 are passed on to a situation assessment 38, which in turn is transmitted to the central electronic computing device 22.
  • the further train 26, 28 is selected depending on a time of the potential detection of the potential disturbance 18.
  • a warning message is generated for at least one other train 26, 28.
  • the central electronic computing device 22 can, for example, exchange potential train candidates 40 and location information 42 with the route planner 30.
  • a series of sensors are provided for detecting the surroundings 14 of the train 10. These provide image data, lidar data and radar data on the surroundings 14.
  • the sensor data is evaluated with regard to possible obstacles and hazards in the clearance space of the train 10. In addition, this data is also used to record other situations that affect rail operations.
  • These may be, for example, hazards on adjacent tracks, anomalies 16 that require closer inspection, such as vegetation on the track system, unexpected changes in the environment or the like.
  • sensor data about the exact location and time of origin are stored and then either examined using anomaly detection methods or searched for reasons for more detailed monitoring using detection mechanisms specifically tailored to certain situations.
  • the train 10 transmits this in one embodiment to the central electronic computing device 22, in particular in the form of a control center, in the form of an observation report. Based on the decision of the control center, the other trains 26, 28, whose routes also pass the observation point, can then be requested to collect further observation data for the affected area and within an affected area and to forward it to the central electronic computing device 22.
  • the observation report records the analyzed classification of the anomaly 16, but also the raw data collected by the detection device 12 of the train 10, on which the corresponding derivation is based.
  • a reliable situation assessment 38 can then be carried out in an advantageous embodiment and the necessary action can be derived. This is then issued in the form of a message to the control center staff, for example, or in combination with other electronic systems.
  • the situation assessment 38 takes into account in particular the available data on the normal condition of the route, Observation data from the other trains 26, 28 in closer temporal context and rules for assessing the situation, which can be specified by the operations management.
  • the essential difference from the prior art is the integration of the observations from the "first person" perspective of the train 10 equipped with the detection device 12 with the observations of other trains, in particular the other trains 26, 28, including the possibility of active research through targeted evaluation of the sensor data by the other trains 26, 28 in the event of anomalies 16.
  • the additional use of the sensors present in the other trains 26, 28 and intended for other purposes for the purposes described here is also characteristic of the invention and is not described in this way in the prior art.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Bestimmen einer Störung (18) einer Bahninfrastruktur mittels einer Erfassungsvorrichtung (12) eines Zuges (10), mit den Schritten Erfassen einer Umgebung (14) des Zuges (10) mittels der Erfassungsvorrichtung (12); Bestimmen einer der Bahninfrastruktur zugeordneten Anomalie (16) in Abhängigkeit von der erfassten Umgebung (14) mittels einer elektronischen Recheneinrichtung (20) der Erfassungsvorrichtung (12), und Bestimmen der Störung (18) in Abhängigkeit von der bestimmten Anomalie (16) mittels der elektronischen Recheneinrichtung (20). Ferner betrifft die Erfindung ein Computerprogrammprodukt, ein computerlesbares Speichermedium sowie eine Erfassungsvorrichtung (12).

Description

  • Die Erfindung betrifft ein Verfahren zum Bestimmen einer Störung einer Bahninfrastruktur mittels einer Erfassungsvorrichtung eines Zuges gemäß dem geltenden Patentanspruch 1. Ferner betrifft die Erfindung ein Computerprogrammprodukt, ein computerlesbares Speichermedium sowie eine Erfassungsvorrichtung.
  • Eisenbahnanlagen beziehungsweise Bahninfrastrukturen bedürften der beständigen Überwachung und Kontrolle, um die Betriebssicherheit der Bahninfrastruktur zu gewährleisten. Anhaltspunkte für das Vorliegen von Situationen können gewonnen werden, die möglicherweise Störungen verursachen. Beispielsweise erkennbare Beschädigungen an Signalanlagen, Überwucherung durch Vegetation am Gleis, Abnutzungserscheinungen an Gleisen und dem Gleisbett und dergleichen. Im Zuge des Einsatzes von Assistenzsystemen oder automatischen Zugsteuerungssystemen in der Eisenbahntechnik ist es möglich geworden, durch entsprechende Sensoren beziehungsweise Erfassungsvorrichtungen der Fahrzeuge automatisch Informationen über die Umgebung der Züge während der Fahrt zu erfassen. Damit wird auch die Umgebung der Eisenbahnanlage, auf der mit solchen Systemen ausgestatteten Züge verkehren, erfasst. Diese Sensoren beziehungsweise Erfassungsvorrichtungen liefern üblicherweise Informationen, die direkt zur Steuerung des Zuges dienen. Als Zusatznutzen können jedoch auch Informationen gewonnen werden, die dazu dienen, sicherheitsrelevante Zustände zu registrieren und durch eine Datenverbindung beispielsweise zentral zu sammeln und damit einer Leitstelle bekannt gemacht werden.
  • Aufgabe der vorliegenden Erfindung ist es, ein Verfahren, ein Computerprogrammprodukt, ein computerlesbares Speichermedium sowie eine Erfassungsvorrichtung zu schaffen, mittels welchen verbessert eine Störung einer Bahninfrastruktur mittels der Erfassungsvorrichtung bestimmt werden kann.
  • Diese Aufgabe wird durch ein Verfahren, ein Computerprogrammprodukt, eine computerlesbares Speichermedium sowie eine Erfassungsvorrichtung gemäß den unabhängigen Patentansprüchen gelöst. Vorteilhafte Ausgestaltungsformen sind in den Unteransprüchen angegeben.
  • Ein Aspekt der Erfindung betrifft ein Verfahren zum Bestimmen einer Störung einer Bahninfrastruktur mittels einer Erfassungsvorrichtung eines Zuges. Es wird eine Umgebung des Zuges mittels der Erfassungsvorrichtung erfasst. Es erfolgt das Bestimmen einer der Bahninfrastruktur zugeordneten Anomalie in Abhängigkeit von der erfassten Umgebung mittels einer elektronischen Recheneinrichtung der Erfassungsvorrichtung und ein Bestimmen der Störung in Abhängigkeit von der bestimmten Anomalie mittels der elektronischen Recheneinrichtung.
  • Insbesondere macht sich somit die Erfindung zunutze, dass bereits am Zug verbaute Erfassungsvorrichtungen dazu genutzt werden können, auch entsprechende Störungen an der Bahninfrastruktur erfassen und bestimmen zu können.
  • Insbesondere, wenn der Zug beispielsweise mit einem System zur automatischen Hinderniserkennung ausgestattet ist, sind eine Reihe von Sensoren beziehungsweise Erfassungsvorrichtungen zur Wahrnehmung der Umgebung des Zuges vorhanden. Diese liefern Bilddaten, Lidar- oder Radardaten zur Umgebung. Mit anderen Worten kann die Erfassungsvorrichtung als Kamera, Lidarsensor, Radarsensor oder auch Ultraschallsensor ausgebildet sein.
  • Bei der automatischen Hinderniserkennung erfolgt eine Auswertung der Sensordaten im Hinblick auf mögliche Hindernisse und Gefährdungen im Lichtraum des Zuges. Zusätzlich werden hier diese Daten auch verwendet, um andere den Bahnbetrieb beeinflussende Situationen zu erfassen.
  • Diese können zum Beispiel sein, Gefährdung auf benachbarten Gleisen, Anomalien, die genauerer Inspektion bedürfen, beispielsweise Vegetation, die die Gleisanlage überwuchert, unerwartete Änderungen in der Umgebung oder dergleichen.
  • Hierfür werden die entsprechenden Sensordaten insbesondere über die genauen Entstehungsort und -zeitpunkt gespeichert und dann entweder mit Hilfe von Verfahren der Anomaliedetektion, beispielsweise auf Basis eines Objekterkennungsalgorithmus, untersucht oder mit gezielt auf bestimmte Situationen abgestimmten Erkennungsmechanismen auf das Vorliegen von Anlässen zum genaueren Überwachen abgesucht. Hierbei können entsprechend optische Erkennungsalgorithmen beziehungsweise visuelle Erkennungsalgorithmen genutzt werden.
  • Dabei kann die Bestimmung der Störung insbesondere bereits eine analysierte Klassifikation der Störung umfassen, aber es können auch jeweils erhobene Rohdaten der Erfassungsvorrichtung des Zuges gespeichert werden, auf denen die entsprechende Ableitung beruht.
  • Gemäß einer vorteilhaften Ausgestaltungsform wird in Abhängigkeit von der aktuellen Position des Zuges die Anomalie bestimmt. Insbesondere kann somit die bestimmte Anomalie mit der Position abgespeichert werden. Hierzu können entsprechende virtuelle Daten beziehungsweise digitale Karten vorliegen, die hier beispielsweise entsprechende Informationen bezüglich der zu erwartenden Objekte vor Ort aufweisen. Insbesondere bei einem Abgleich mit dieser Karte kann dann wiederum die Anomalie bestimmt werden.
  • Weiterhin vorteilhaft ist, wenn eine erwartete erfasste Umgebung in Abhängigkeit von der aktuellen Position vorgegeben wird und die erwartete erfasste Umgebung mit der erfassten Umgebung verglichen wird und in Abhängigkeit davon die Anomalie bestimmt wird. Insbesondere, sollte die erwartete erfasste Umgebung von der tatsächlich erfassten Umgebung abweichen, so kann eine Anomalie bestimmt werden. Hierzu kann insbesondere eine Datenbank vorliegen, welche die erwartete erfasste Umgebung aufweist, wodurch insbesondere die Erfassungsvorrichtung somit auf diese Daten zurückgreifen kann und eine entsprechende Bewertung durchführen kann.
  • Ebenfalls vorteilhaft ist, wenn als Bahninfrastruktur ein Gleis und/oder ein Gleisbett und/oder eine Weiche und/oder ein Bahnsignal und/oder ein Bahnhof auf eine Störung überprüft wird. Insbesondere können weitere Infrastrukturobjekte ebenfalls mitüberprüft werden. Somit ist es ermöglicht, dass insbesondere die gesamte Bahninfrastruktur bezüglich einer Störung überprüft werden kann.
  • Weiterhin vorteilhaft ist, wenn eine bestimmte Störung an eine zentrale elektronische Recheneinrichtung übertragen wird. Insbesondere kann die zentrale elektronische Recheneinrichtung beispielsweise dazu dienen, eine Vielzahl von Störungen entsprechend zu sammeln. Somit kann die zentrale elektronische Recheneinrichtung darauf hingewiesen werden, dass eine entsprechende Störung vorliegt. Diese kann beispielsweise entsprechende zusätzliche Maßnahmen initiieren, beispielsweise entsprechende Reparaturmaßnahmen einleiten, sodass die Störung zukünftig behoben werden kann.
  • Ferner hat es sich als vorteilhaft erwiesen, wenn die Störung durch die zentrale elektronische Recheneinrichtung verifiziert wird. Insbesondere kann dies beispielsweise dadurch erfolgen, dass bereits zu dieser Anomalie historische Daten vorliegen. Insbesondere, sollten beispielsweise schon bereits die historischen Daten vorliegen, so kann eine entsprechende Störung verifiziert werden. Insbesondere erst eine verifizierte Störung führt entsprechend zu weiteren Maßnahmen. Insbesondere, da beispielsweise gewonnene Informationen über die Störung durch einen einzigen Zug im Regelfall unvollständig sind, benötigen diese eine Bestätigung beziehungsweise Überprüfung, um gezielt situationsangepasste Daten zu gewinnen. Somit kann höchst zuverlässig die Störung bestimmt werden.
  • Es hat sich weiterhin als vorteilhaft erwiesen, wenn mittels der zentralen elektronischen Recheneinrichtung ein Verifizierungsauftrag zum Verifizieren der Störung an zumindest einen weiteren Zug übermittelt wird. Beispielsweise kann der weitere Zug dann wiederum an einem entsprechenden Ort der potentiell bestimmten Störung ebenfalls vorbeifahren und entsprechend erfassen. Hierbei kann die Störung mit der gleichen Erfassungsvorrichtungsart beziehungsweise auch mit einer unterschiedlichen Erfassungsvorrichtungsart erfasst werden. Insbesondere wird somit der Verifizierungsauftrag durch die zentrale elektronische Recheneinrichtung erzeugt und an einen weiteren Zug übermittelt. Somit kann unabhängig von dem Zug durch den weiteren Zug eine Bestätigung der Störung realisiert werden. Somit kann höchst zuverlässig die Störung bestimmt werden.
  • Ebenfalls vorteilhaft ist, wenn der weitere Zug in Abhängigkeit von einer Route des weiteren Zuges ausgewählt wird. Sollte beispielsweise der weitere Zug an der Anomalie vorbeifahren, insbesondere eine entsprechende Routenplanung vorliegen, welche den Zug an der Störung vorbeiführt, so kann dieser Zug entsprechend beauftragt werden, eine Verifizierung durchzuführen. Somit kann auf einfache Art und Weise die Störung verifiziert werden.
  • Eine weitere vorteilhafte Ausgestaltungsform sieht vor, dass der weitere Zug in Abhängigkeit einer Art einer vorhandenen Erfassungsvorrichtung des weiteren Zugs ausgewählt wird. Insbesondere, sollte beispielsweise ein Zug keine Erfassungsvorrichtung aufweisen, so kann dieser auch nicht beauftragt werden, eine entsprechende Verifizierung durchzuführen. Insbesondere kann die elektronische Recheneinrichtung entscheiden, mittels welcher Erfassungsvorrichtungsart die Störung zu erfassen beziehungsweise zu verifizieren ist. Es kann dabei beispielsweise vorgesehen sein, dass die zentrale elektronische Recheneinrichtung eine Bestätigung über eine andere Erfassungsart benötigt und somit entsprechend einen Zug auswählt, welcher eine andere Erfassungsart aufweist als der Zug, der die Störung gemeldet hat. Somit kann zuverlässig die Störung bestimmt werden.
  • Ebenfalls vorteilhaft, wenn der weitere Zug in Abhängigkeit eines potentiellen anderen Erfassungswinkel auf die potentielle Störung ausgewählt wird. Beispielsweise kann der weitere Zug auf Basis eines entgegenkommenden Gleises beziehungsweise entgegenkommender Fahrtrichtung ausgewählt werden, sodass die Störung von einem anderen Blickwinkel entsprechend erfasst werden kann. Somit ist es ermöglicht, dass unterschiedliche Blickwinkel auf die Störung vorliegen und dadurch eine zuverlässige Verifizierung der Störung durchgeführt werden kann.
  • Ferner hat es sich als vorteilhaft erwiesen, wenn der weitere Zug in Abhängigkeit von einer Uhrzeit der potentiellen Erfassung der potentiellen Störung ausgewählt wird. Beispielsweise kann vorgesehen sein, dass lediglich Züge, welche tagsüber die Störung passieren, einen entsprechenden Verifikationsauftrag bekommen. Somit kann eine Falschaufnahme beziehungsweise eine Aufnahme mit geringer Dateninformationsdichte, beispielsweise aufgrund von Dunkelheit, verhindert werden.
  • Gemäß einer weiteren vorteilhaften Ausgestaltungsform wird bei einer bestimmten Störung eine Warnmeldung für zumindest einen weiteren Zug erzeugt. Beispielsweise kann durch den Zug selbst die Warnmeldung erzeugt werden. Sollte es beispielsweise vorgesehen sein, dass erst durch die zentrale elektronische Recheneinrichtung die Störung zu verifizieren ist, so kann dann von der zentralen elektronischen Recheneinrichtung die entsprechende Warnmeldung erzeugt werden. Beispielsweise kann dann ferner vorgesehen sein, sollte die Störung entsprechend verifiziert werden, dass Züge angewiesen werden, an der Störung mit einer reduzierten Geschwindigkeit vorbeizufahren. Ferner kann die Warnmeldung auch für entsprechendes Personal erzeugt werden, sodass Personen zur Reparatur an die Störung geschickt werden.
  • Bei dem vorgestellten Verfahren handelt es sich insbesondere um ein computerimplementiertes Verfahren. Daher betrifft ein weiterer Aspekt der Erfindung ein Computerprogrammprodukt mit Programmcodemitteln, welche eine elektronische Recheneinrichtung dazu veranlasst, wenn die Programmcodemittel von der elektronischen Recheneinrichtung abgearbeitet werden, ein Verfahren nach dem vorhergehenden Aspekt durchzuführen.
  • Des Weiteren betrifft die Erfindung auch ein computerlesbares Speichermedium mit dem Computerprogrammprodukt.
  • Ebenfalls betrifft die Erfindung auch eine Erfassungsvorrichtung zum Bestimmen einer Störung einer Bahninfrastruktur, mit zumindest einer elektronischen Recheneinrichtung, wobei die Erfassungsvorrichtung zum Durchführen eines Verfahrens nach dem vorhergehenden Aspekt ausgebildet ist. Insbesondere wird das Verfahren mittels der Erfassungsvorrichtung durchgeführt.
  • Ein nochmals weiterer Aspekt der Erfindung betrifft einen Zug mit einer Erfassungsvorrichtung gemäß dem vorhergehenden Aspekt.
  • Vorteilhafte Ausgestaltungsformen des Verfahrens sind als vorteilhafte Ausgestaltungsformen des Computerprogramms, des computerlesbaren Speichermediums, der Erfassungsvorrichtung sowie des Zuges anzusehen. Die Erfassungsvorrichtung sowie der Zug weisen hierzu insbesondere gegenständliche Merkmale auf, um entsprechende Verfahrensschritte durchführen zu können.
  • Im Rahmen der vorliegenden Offenbarung kann ein Objekterkennungsalgorithmus als ein Computeralgorithmus verstanden werden, der in der Lage ist, eines oder mehrere Objekte innerhalb eines bereitgestellten Eingangsdatensatzes, beispielsweise Eingangsbildes, zu identifizieren und zu lokalisieren, beispielsweise indem er entsprechende Begrenzungsboxen oder Bereiche von Interesse, ROI (englisch: "region of interest"), festlegt und insbesondere jeder der Begrenzungsboxen eine entsprechende Objektklasse zuordnet, wobei die Objektklassen aus einem vordefinierten Satz von Objektklassen ausgewählt werden können. Dabei kann die Zuweisung einer Objektklasse zu einer Begrenzungsbox derart verstanden werden, dass ein entsprechender Konfidenzwert oder eine Wahrscheinlichkeit dafür, dass das innerhalb der Begrenzungsbox identifizierte Objekt zu der entsprechenden Objektklasse gehört, bereitgestellt wird. Zum Beispiel kann der Algorithmus für eine gegebene Begrenzungsbox für jede der Objektklassen einen solchen Konfidenzwert oder eine Wahrscheinlichkeit bereitstellen. Die Zuweisung der Objektklasse kann zum Beispiel die Auswahl oder Bereitstellung der Objektklasse mit dem größten Konfidenzwert oder der größten Wahrscheinlichkeit beinhalten. Alternativ kann der Algorithmus auch lediglich die Begrenzungsboxen festlegen, ohne eine entsprechende Objektklasse zuzuordnen.
  • Unter einer Recheneinheit/elektronische Recheneinrichtung kann insbesondere ein Datenverarbeitungsgerät verstanden werden, das einen Verarbeitungsschaltkreis enthält. Die Recheneinheit kann also insbesondere Daten zur Durchführung von Rechenoperationen verarbeiten. Darunter fallen gegebenenfalls auch Operationen, um indizierte Zugriffe auf eine Datenstruktur, beispielsweise eine Umsetzungstabelle, LUT (englisch: "look-up table"), durchzuführen.
  • Die Recheneinheit kann insbesondere einen oder mehrere Computer, einen oder mehrere Mikrocontroller und/oder einen oder mehrere integrierte Schaltkreise enthalten, beispielsweise eine oder mehrere anwendungsspezifische integrierte Schaltungen, ASIC (englisch: "applicationspecific integrated circuit"), eines oder mehrere feldprogrammierbare Gate-Arrays, FPGA, und/oder eines oder mehrere Einchipsysteme, SoC (englisch: "system on a chip"). Die Recheneinheit kann auch einen oder mehrere Prozessoren, beispielsweise einen oder mehrere Mikroprozessoren, eine oder mehrere zentrale Prozessoreinheiten, CPU (englisch: "central processing unit"), eine oder mehrere Grafikprozessoreinheiten, GPU (englisch: "graphics processing unit") und/oder einen oder mehrere Signalprozessoren, insbesondere einen oder mehrere Digitalsignalprozessoren, DSP, enthalten. Die Recheneinheit kann auch einen physischen oder einen virtuellen Verbund von Computern oder sonstigen der genannten Einheiten beinhalten.
  • In verschiedenen Ausführungsbeispielen beinhaltet die Recheneinheit eine oder mehrere Hardware- und/oder Softwareschnittstellen und/oder eine oder mehrere Speichereinheiten.
  • Eine Speichereinheit kann als flüchtiger Datenspeicher, beispielsweise als dynamischer Speicher mit wahlfreiem Zugriff, DRAM (englisch: "dynamic random access memory") oder statischer Speicher mit wahlfreiem Zugriff, SRAM (englisch: "static random access memory"), oder als nicht-flüchtiger Datenspeicher, beispielsweise als Festwertspeicher, ROM (englisch: "read-only memory"), als programmierbarer Festwertspeicher, PROM (englisch: "programmable read-only memory"), als löschbarer programmierbarer Festwertspeicher, EPROM (englisch: "erasable programmable read-only memory"), als elektrisch löschbarer programmierbarer Festwertspeicher, EEPROM (englisch: "electrically erasable programmable read-only memory"), als Flash-Speicher oder Flash-EEPROM, als ferroelektrischer Speicher mit wahlfreiem Zugriff, FRAM (englisch: "ferroelectric random access memory"), als magnetoresistiver Speicher mit wahlfreiem Zugriff, MRAM (englisch: "magnetoresistive random access memory") oder als Phasenänderungsspeicher mit wahlfreiem Zugriff, PCRAM (englisch: "phase-change random access memory"), ausgestaltet sein.
  • Ein Umfeldsensorsystem/Erfassungsvorrichtung kann beispielsweise als Sensorsystem verstanden werden, das dazu in der Lage ist, Sensordaten oder Sensorsignale zu erzeugen, welche eine Umgebung Umfeldsensorsystems abbilden, darstellen oder wiedergeben. Insbesondere ist die Fähigkeit, elektromagnetische oder sonstige Signale aus der Umgebung zu erfassen, nicht hinreichend, um ein Sensorsystem als Umfeldsensorsystem zu erachten. Beispielsweise können Kameras, Radarsysteme, Lidarsysteme oder Ultraschallsensorsysteme als Umfeldsensorsysteme aufgefasst werden.
  • Algorithmen zur automatischen visuellen Wahrnehmung, die auch als Computer-Vision-Algorithmen, Algorithmen zum maschinellen Sehen oder Machine-Vision-Algorithmen bezeichnet werden können, können als Computeralgorithmen zur automatischen Durchführung einer visuellen Wahrnehmungsaufgabe betrachtet werden. Eine visuelle Wahrnehmungsaufgabe, die auch als Computer-Vision-Aufgabe bezeichnet wird, kann beispielsweise als eine Aufgabe zur Extraktion von visuellen Informationen aus Bilddaten verstanden werden. Insbesondere kann die visuelle Wahrnehmungsaufgabe in einigen Fällen prinzipiell von einem Menschen ausgeführt werden, der in der Lage ist, ein den Bilddaten entsprechendes Bild visuell wahrzunehmen. Im vorliegenden Zusammenhang werden visuelle Wahrnehmungsaufgaben jedoch auch automatisch durchgeführt, ohne dass die Unterstützung eines Menschen erforderlich ist.
  • Ein Computer-Vision-Algorithmus, beispielsweise zur Erkennung der Störung, kann beispielsweise einen
  • Bildverarbeitungsalgorithmus oder einen Algorithmus zur Bildanalyse enthalten, der durch maschinelles Lernen trainiert wird oder wurde und beispielsweise auf einem künstlichen neuronalen Netzwerk, insbesondere einem faltenden neuronalen Netz, basieren kann. Der Computer-Vision-Algorithmus kann beispielsweise einen Objekterkennungsalgorithmus, einen Hinderniserkennungsalgorithmus, einen Objektverfolgungsalgorithmus, einen Klassifikationsalgorithmus einen semantischen Segmentierungsalgorithmus, und/oder einen Tiefenschätzalgorithmus umfassen.
  • Entsprechende Algorithmen können analog auch basierend auf anderen Eingabedaten als von einem Menschen visuell wahrnehmbaren Bildern durchgeführt werden. Beispielsweise können auch Punktwolken oder Bilder von Infrarotkameras, Lidarsystemen et cetera mittels entsprechend angepasster Computeralgorithmen ausgewertet werden. Streng genommen handelt es sich bei den entsprechenden Algorithmen nicht um Algorithmen zur visuellen Wahrnehmung, da die entsprechenden Sensoren in Bereichen arbeiten können, die visuell, also für das menschliche Auge, nicht wahrnehmbar sind, zum Beispiel im Infrarotbereich. Deshalb werden solche Algorithmen im Rahmen der vorliegenden Erfindung Algorithmen zur automatischen Wahrnehmung bezeichnet. Algorithmen zur automatischen Wahrnehmung schließen also Algorithmen zur automatischen visuellen Wahrnehmung ein, sind aber im Hinblick auf eine menschliche Wahrnehmung nicht auf diese beschränkt. Folglich kann ein Algorithmus zur automatischen Wahrnehmung nach diesem Verständnis einen Computeralgorithmus zur automatischen Durchführung einer Wahrnehmungsaufgabe enthalten, der beispielsweise durch maschinelles Lernen trainiert wird oder wurde und insbesondere auf einem künstlichen neuronalen Netzwerk basieren kann. Zu solchen verallgemeinerten Algorithmen zur automatischen Wahrnehmung können auch Objektdetektionsalgorithmen, Objektverfolgungsalgorithmen, Klassifizierungsalgorithmen und/oder Segmentierungsalgorithmen, zum Beispiel semantische Segmentierungsalgorithmen, gehören.
  • Falls ein künstliches neuronales Netzwerk zur Implementierung eines Algorithmus zur automatischen visuellen Wahrnehmung verwendet wird, ist eine häufig eingesetzte Architektur die eines faltendes neuronales Netzwerks, CNN. Insbesondere kann ein 2D-CNN auf entsprechende 2D-Kamerabilder angewendet werden. Auch für andere Algorithmen zur automatischen Wahrnehmung können CNNs verwendet werden. Beispielsweise können 3D-CNNs, 2D-CNNs oder 1D-CNNs auf Punktwolken angewendet werden, abhängig von den räumlichen Dimensionen der Punktwolke und den Details der Verarbeitung.
  • Das Ergebnis oder die Ausgabe eines Algorithmus zur automatischen Wahrnehmung ist abhängig von der spezifischen zugrundeliegenden Wahrnehmungsaufgabe. Beispielsweise kann die Ausgabe eines Objekterkennungsalgorithmus eine oder mehrere Begrenzungsboxen enthalten, die eine räumliche Position und optional eine Orientierung eines oder mehrerer entsprechender Objekte in der Umgebung und/oder entsprechende Objektklassen für das eine oder die mehreren Objekte definieren. Eine Ausgabe eines semantischen Segmentierungsalgorithmus, der auf ein Kamerabild angewendet wird, kann eine Klasse auf Pixelebene für jedes Pixel des Kamerabildes enthalten. Analog dazu kann eine Ausgabe eines semantischen Segmentierungsalgorithmus, der auf eine Punktwolke angewendet wird, eine entsprechende Punktebenen-Klasse für jeden der Punkte enthalten. Die Klassen auf Pixelebene beziehungsweise auf Punktebene können beispielsweise einen Objekttyp definieren, zu dem der jeweilige Pixel oder Punkt gehört.
  • Für Anwendungsfälle oder Anwendungssituationen, die sich bei einem erfindungsgemäßen Verfahren ergeben können und die hierin nicht explizit beschrieben sind, kann vorgesehen sein, dass gemäß dem Verfahren eine Fehlermeldung und/oder eine Aufforderung zur Eingabe einer Nutzerrückmeldung ausgegeben und/oder eine Standardeinstellung und/oder ein vorbestimmter Initialzustand eingestellt wird.
  • Unabhängig vom grammatikalischen Geschlecht eines bestimmten Begriffes sind Personen mit männlicher, weiblicher oder anderer Geschlechteridentität mit umfasst.
  • Weitere Merkmale der Erfindung ergeben sich aus den Ansprüchen, den Figuren und der Figurenbeschreibung. Die vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen sowie die nachfolgend in der Figurenbeschreibung genannten und/oder in den Figuren gezeigten Merkmale und Merkmalskombinationen können nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen von der Erfindung umfasst sein. Es können insbesondere auch Ausführungen und Merkmalskombinationen von der Erfindung umfasst sein, die nicht alle Merkmale eines ursprünglich formulierten Anspruchs aufweisen. Es können darüber hinaus Ausführungen und Merkmalskombinationen von der Erfindung umfasst, die über die in den Rückbezügen der Ansprüche dargelegten Merkmalskombinationen hinausgehen oder von diesen abweichen.
  • Dabei zeigt die einzige FIG. ein schematisches Blockschaltbild gemäß einer Ausführungsform des Verfahrens.
  • Die Erfindung wird im Folgenden anhand konkreter Ausführungsbeispiele und zugehöriger schematischer Zeichnungen näher erläutert. In den Figuren können gleiche oder funktionsgleiche Elemente mit denselben Bezugszeichen versehen sein. Die Beschreibung gleicher oder funktionsgleicher Elemente wird gegebenenfalls nicht notwendigerweise bezüglich verschiedener Figuren wiederholt.
  • Die FIG. zeigt ein schematisches Blockschaltbild gemäß einer Ausführungsform eines Zuges 10 mit einer Ausführungsform einer Erfassungsvorrichtung 12. Die Erfassungsvorrichtung 12 ist zum Erfassen einer rein schematisch dargestellten Umgebung 14 des Zuges 10 ausgebildet. Im folgenden Ausführungsbeispiel kann insbesondere in der Umgebung 14 eine Anomalie 16 an einer Bahninfrastruktur erkannt werden.
  • Gemäß einer Ausgestaltungsform der Erfindung kann zum Bestimmen einer Störung 18 der Bahninfrastruktur 16 die Erfassungsvorrichtung 12 ausgebildet sein. Hierzu erfolgt das Erfassen der Umgebung 14 des Zuges 10 mittels der Erfassungsvorrichtung 12. Es wird eine der Bahninfrastruktur zugeordnete Anomalie 16 in Abhängigkeit von der erfassten Umgebung 14 mittels einer elektronischen Recheneinrichtung 20 der Erfassungsvorrichtung 12 bestimmt. Es erfolgt dann die Bestimmung der Störung 18 in Abhängigkeit von der bestimmten Anomalie 16 mittels der elektronischen Recheneinrichtung 20.
  • Hierbei kann insbesondere vorgesehen sein, dass in Abhängigkeit von der aktuellen Position des Zuges 10 die Anomalie 16 bestimmt wird. Ferner kann vorgesehen sein, dass eine erwartete erfasste Umgebung 14 in Abhängigkeit von der aktuellen Position vorgegeben wird und die erwartete erfasste Umgebung 14 mit der erfassten Umgebung 14 verglichen wird und in Abhängigkeit davon die Anomalie 16 bestimmt wird.
  • Als Bahninfrastruktur kann insbesondere ein Gleis und/oder Gleisbett und/oder eine Weiche und/oder ein Bahngleis und/oder ein Bahnhof auf eine Störung 18 überprüft werden.
  • Die FIG. zeigt ferner, dass die bestimmte Störung 18 an eine zentrale elektronische Recheneinrichtung 22 übertragen werden kann. Insbesondere kann dabei vorgesehen sein, dass die Störung 18 durch die zentrale elektronische Recheneinrichtung 22 verifiziert wird. Hierzu kann insbesondere vorgesehen sein, dass mittels der zentralen elektronischen Recheneinrichtung 22 ein Verifizierungsauftrag 24 an zumindest einen weiteren Zug 26, 28 übermittelt wird. Der weitere Zug 26, 28 kann dann in Abhängigkeit von einer Route des weiteren Zuges 26, 28 ausgewählt. Hierzu kann die zentrale elektronische Recheneinrichtung 22 insbesondere mit einem Routenplaner 30 kommunizieren, welcher die Routen der Züge 10, 26, 28 aufweist. Weiterhin kann vorgesehen sein, dass der weitere Zug 26, 28 in Abhängigkeit einer vorhandenen Erfassungsvorrichtung 32, 34 des weiteren Zuges 26, 28 ausgewählt wird. Im folgenden Ausführungsbeispiel weist beispielsweise ein erster weiterer Zug 26 eine erste Erfassungsvorrichtung 32 und ein zweiter weitere Zug 28 eine zweite Erfassungsvorrichtung 34 auf. Insbesondere werden entsprechende Beobachtungen 36 der weiteren Züge 26, 28 an eine Situationsbewertung 38 übergeben, welche wiederum an die zentrale elektronische Recheneinrichtung 22 übermittelt wird.
  • Ebenfalls kann vorgesehen sein, dass der weitere Zug 26, 28 in Abhängigkeit von einer Uhrzeit der potentiellen Erfassung der potentiellen Störung 18 ausgewählt wird.
  • Ebenfalls kann vorgesehen sein, dass bei einer bestimmten Störung 18 eine Warnmeldung für zumindest einen weiteren Zug 26, 28 erzeugt wird.
  • Die zentrale elektronische Recheneinrichtung 22 kann beispielsweise mit dem Routenplaner 30 potentielle Zugkandidaten 40 sowie Ortsinformationen 42 austauschen.
  • Insbesondere ist somit vorgesehen, sollte der Zug 10 zur automatischen Hinderniserkennung ausgestattet sein, sind insbesondere eine Reihe von Sensoren, insbesondere die Erfassungsvorrichtung 12, zu Wahrnehmung der Umgebung 14 des Zuges 10 vorhanden. Diese liefern Bilddaten, Lidardaten und Radardaten zur Umgebung 14.
  • Bei der automatischen Hinderniserkennung erfolgt eine Auswertung der Sensordaten im Hinblick auf mögliche Hindernisse und Gefährdungen im Lichtraum des Zuges 10. Zusätzlich werden hier diese Daten auch verwendet, um andere den Bahnbetrieb beeinflussende Situationen zu erfassen.
  • Dies können zum Beispiel sein, Gefährdung auf benachbarten Gleisen, Anomalien 16, die genauerer Inspektion bedürfen, beispielsweise Vegetation der Gleisanlage, unerwartete Änderungen in der Umgebung oder dergleichen.
  • Hierzu werden Sensordaten über den genauen Entstehungsort und -zeitpunkt gespeichert und dann entweder mit Hilfe von Verfahren der Anomaliedetektion untersucht oder mit gezielt auf bestimmte Situationen abgestimmten Erkennungsmechanismen auf das Vorliegen von Anlässen zum genaueren Überwachen abgesucht.
  • Ergibt sich ein Anhaltspunkt für eine genaue Untersuchung, so übermittelt dies der Zug 10 in einer Ausführungsform an die zentrale elektronische Recheneinrichtung 22, insbesondere in Form einer Leitstelle, in Form einer Beobachtungsmeldung. Basierend auf der Entscheidung der Leitstelle können dann wiederum die weiteren Züge 26, 28, deren Routen ebenfalls an der Beobachtungsstelle vorbeiführen, aufgefordert werden, weitere Beobachtungsdaten für den betroffenen Bereich und innerhalb eines betroffenen Bereichs, zu erheben und der zentralen elektronischen Recheneinrichtung 22 weiterzuleiten.
  • Die Beobachtungsmeldung erfasst die analysierte Klassifikation der Anomalie 16, aber auch die jeweils erhobenen Rohdaten der Erfassungsvorrichtung 12 des Zuges 10, auf denen die entsprechende Ableitung beruht.
  • Aufgrund der Beobachtungen aller Züge 10, 26, 28 kann dann in einer vorteilhaften Ausgestaltungsform eine verlässliche Situationsbewertung 38 vorgenommen werden und die notwendige Handlung abgeleitet werden. Diese wird dann in Form einer Meldung an beispielsweise das Personal der Leitstelle oder auch durch Kombination mit anderen elektronischen Systemen ausgegeben.
  • Die Situationsbewertung 38 berücksichtigt dabei insbesondere die vorliegenden Daten über den Normalzustand der Strecke, Beobachtungsdaten der weiteren Züge 26, 28 in engerem zeitlichen Zusammenhang und Regeln zur Bewertung der Situation, die durch die Betriebsleitung vorgegeben werden können.
  • Insbesondere besteht der wesentliche Unterschied zum Stand der Technik in der Integration der Beobachtungen aus der "Ego"-Perspektive des mit der Erfassungsvorrichtung 12 ausgestatteten Zugs 10 mit den Beobachtungen anderer Züge, insbesondere der weiteren Züge 26, 28, inklusive der Möglichkeit der aktiven Recherche durch gezielte Auswertung der Sensordaten durch die weiteren Züge 26, 28 bei Anomalien 16. Die zusätzliche Nutzung der in den weiteren Zügen 26, 28 vorhandenen und für andere Zwecke gedachten Sensorik für die hier beschriebenen Zwecke ist ebenfalls charakteristisch für die Erfindung und im Stand der Technik so nicht beschrieben.

Claims (15)

  1. Verfahren zum Bestimmen einer Störung (18) einer Bahninfrastruktur mittels einer Erfassungsvorrichtung (12) eines Zuges (10), mit den Schritten:
    - Erfassen einer Umgebung (14) des Zuges (10) mittels der Erfassungsvorrichtung (12);
    - Bestimmen einer der Bahninfrastruktur zugeordneten Anomalie (16) in Abhängigkeit von der erfassten Umgebung (14) mittels einer elektronischen Recheneinrichtung (20) der Erfassungsvorrichtung (12); und
    - Bestimmen der Störung (18) in Abhängigkeit von der bestimmten Anomalie (16) mittels der elektronischen Recheneinrichtung (20).
  2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass in Abhängigkeit von der aktuellen Position des Zuges (10) die Anomalie (18) bestimmt wird.
  3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass eine erwartete erfasste Umgebung (14) in Abhängigkeit von der aktuellen Position vorgegeben wird und die erwartete erfasste Umgebung (14) mit der erfassten Umgebung (14) verglichen wird und in Abhängigkeit davon die Anomalie (16) bestimmt wird.
  4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass
    als Bahninfrastruktur ein Gleis und/oder ein Gleisbett und/oder eine Weiche und/oder ein Bahnsignal und/oder ein Bahnhof auf eine Störung (18) überprüft wird.
  5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass
    eine bestimmte Störung (18) an eine zentrale elektronische Recheneinrichtung (22) übertragen wird.
  6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass die Störung (18) durch die zentrale elektronische Recheneinrichtung (22) (verifiziert wird.
  7. Verfahren nach Anspruch 5 oder 6, dadurch gekennzeichnet, dass
    mittels der zentralen elektronischen Recheneinrichtung (22) ein Verifizierungsauftrag (24) zum Verifizieren der Störung (18) an zumindest einen weiteren Zug (26, 28) übermittelt wird.
  8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass der weitere Zug (26, 28) in Abhängigkeit von einer Route des weiteren Zugs (26, 28) ausgewählt wird.
  9. Verfahren nach Anspruch 7 oder 8, dadurch gekennzeichnet, dass
    der weitere Zug (26, 28) in Abhängigkeit einer Art einer vorhandenen Erfassungsvorrichtung (32, 34) des weiteren Zugs (26, 28) ausgewählt wird.
  10. Verfahren nach einem der Ansprüche 7 bis 9, dadurch gekennzeichnet, dass
    der weitere Zug (26, 28) in Abhängigkeit eines potentiellen anderen Erfassungswinkel auf die potentielle Störung (18) ausgewählt wird.
  11. Verfahren nach einem der Ansprüche 7 bis 10, dadurch gekennzeichnet, dass
    der weitere Zug (26, 28) in Abhängigkeit von einer Uhrzeit der potentiellen Erfassung der potentiellen Störung (18) ausgewählt wird.
  12. Verfahren nach einem der Ansprüche 7 bis 10, dadurch gekennzeichnet, dass
    bei einer bestimmten Störung (18) eine Warnmeldung für zumindest einen weiteren Zug (26, 28) erzeugt wird.
  13. Computerprogrammprodukt mit Programmcodemitteln, welche eine elektronische Recheneinrichtung (20) dazu veranlasst, wenn die Programmcodemittel von der elektronischen Recheneinrichtung (20) abgearbeitet werden, ein Verfahren nach einem der Ansprüche 1 bis 12 durchzuführen.
  14. Computerlesbares Speichermedium mit zumindest einem Computerprogrammprodukt nach Anspruch 13.
  15. Erfassungsvorrichtung (12) zum Bestimmen einer Störung (18) einer Bahninfrastruktur, mit zumindest einer elektronischen Recheneinrichtung (20), wobei die Erfassungsvorrichtung (12) zum Durchführen eines Verfahrens nach einem der Ansprüche 1 bis 12 ausgebildet ist.
EP24190880.5A 2023-08-16 2024-07-25 Verfahren zum bestimmen einer störung einer bahninfrastruktur mittels einer erfassungsvorrichtung eines zuges, computerprogrammprodukt, computerlesbares speichermedium sowie erfassungsvorrichtung Pending EP4509382A1 (de)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102023207856 2023-08-16

Publications (1)

Publication Number Publication Date
EP4509382A1 true EP4509382A1 (de) 2025-02-19

Family

ID=92043257

Family Applications (1)

Application Number Title Priority Date Filing Date
EP24190880.5A Pending EP4509382A1 (de) 2023-08-16 2024-07-25 Verfahren zum bestimmen einer störung einer bahninfrastruktur mittels einer erfassungsvorrichtung eines zuges, computerprogrammprodukt, computerlesbares speichermedium sowie erfassungsvorrichtung

Country Status (1)

Country Link
EP (1) EP4509382A1 (de)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005120924A1 (en) * 2004-06-11 2005-12-22 Stratech Systems Limited Method and system for rail track scanning and foreign object detection
WO2018104454A2 (de) * 2016-12-07 2018-06-14 Siemens Aktiengesellschaft Verfahren, vorrichtung und bahnfahrzeug, insbesondere schienenfahrzeug, zur hinderniserkennung im bahnverkehr, insbesondere im schienenverkehr
DE102020215754A1 (de) * 2020-12-11 2022-06-15 Siemens Mobility GmbH Optische Schienenwegerkennung

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005120924A1 (en) * 2004-06-11 2005-12-22 Stratech Systems Limited Method and system for rail track scanning and foreign object detection
WO2018104454A2 (de) * 2016-12-07 2018-06-14 Siemens Aktiengesellschaft Verfahren, vorrichtung und bahnfahrzeug, insbesondere schienenfahrzeug, zur hinderniserkennung im bahnverkehr, insbesondere im schienenverkehr
DE102020215754A1 (de) * 2020-12-11 2022-06-15 Siemens Mobility GmbH Optische Schienenwegerkennung

Similar Documents

Publication Publication Date Title
EP3466239A1 (de) Verfahren für den betrieb einer selbstfahrenden landwirtschaftlichen arbeitsmaschine
DE69322306T2 (de) Gegenstandserkennungssystem mittels Bildverarbeitung
DE102014106210B4 (de) Probabilistische Personennachführung unter Verwendung der Mehr- Ansichts-Vereinigung
DE102018215055A1 (de) Verfahren zum Bestimmen einer Spurwechselangabe eines Fahrzeugs, ein computerlesbares Speichermedium und ein Fahrzeug
DE102008013366B4 (de) Verfahren zur Bereitstellung von Information für Fahrerassistenzsysteme
EP3438901A1 (de) Testfahrtszenario-datenbanksystem für realitätsnahe virtuelle testfahrtszenarien
EP3646184B1 (de) Verfahren, vorrichtung und computerlesbares speichermedium mit instruktionen zum auflösen einer redundanz von zwei oder mehr redundanten modulen
DE102015104954A1 (de) Sichtbasiertes Überwachungssystem zur Validierung von Aktivitätssequenzen
EP3968213B1 (de) Verfahren und vorrichtung zum ermitteln eines gleisgebundenen schienenpfades in einer gleisanlage
WO2022106414A2 (de) Verfahren und system zur annotation von sensordaten
EP4088224A1 (de) Verfahren zur zusammenführung mehrerer datensätze für die erzeugung eines aktuellen spurmodells einer fahrbahn und vorrichtung zur datenverarbeitung
DE102022206348A1 (de) Verfahren und System zum Ermitteln von Sensor- und/oder Lokalisierungsfehlern
DE102021206475A1 (de) Hindernisdetektion im Gleisbereich auf Basis von Tiefendaten
DE102019127322A1 (de) Verfahren zur Erfassung von Objekten in einer Fahrzeugumgebung, Vorrichtung zur Datenverarbeitung, Computerprogrammprodukt und computerlesbarer Datenträger
EP4509382A1 (de) Verfahren zum bestimmen einer störung einer bahninfrastruktur mittels einer erfassungsvorrichtung eines zuges, computerprogrammprodukt, computerlesbares speichermedium sowie erfassungsvorrichtung
DE102020214596A1 (de) Verfahren zum Erzeugen von Trainingsdaten für ein Erkennungsmodell zum Erkennen von Objekten in Sensordaten einer Umfeldsensorik eines Fahrzeugs, Verfahren zum Erzeugen eines solchen Erkennungsmodells und Verfahren zum Ansteuern einer Aktorik eines Fahrzeugs
DE102022209403B4 (de) Verfahren zum Überprüfen der Durchführung einer Prädiktionsaufgabe durch ein neuronales Netzwerk
EP4113392B1 (de) Verfahren zum prüfen der zuverlässigkeit einer ki-basierten objekt-detektion
DE102022207617B3 (de) Verfahren und Überwachungseinrichtung zur Steuerung wenigstens einer Fahrzeugfunktion eines Fahrzeugs
EP4718394A1 (de) Verfahren zum bestimmen einer güte eines erfassungssystems eines trägersystems, computerprogrammprodukt, computerlesbares speichermedium sowie erfassungssystem
DE102020213947B3 (de) Verfahren zum Auswerten einer Umgebung eines Kraftfahrzeugs mittels eines Assistenzsystems, sowie Assistenzsystem
DE102018219735A1 (de) Verfahren und Vorrichtung zum Speichern von Daten für ein Fahrzeug
EP4656492A1 (de) Verfahren zum überwachen eines an einem bahnsteig gelegenen gleisabschnitts
DE102023210109A1 (de) Hindernisdetektion im Gleisbereich durch Kombination von Streckenverlaufsdaten und Bilddaten
DE102021131868A1 (de) Zuverlässigkeitsüberprüfung einer Objektklassifizierung

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION HAS BEEN PUBLISHED

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC ME MK MT NL NO PL PT RO RS SE SI SK SM TR

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20250603

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: SIEMENS MOBILITY GMBH

RAP3 Party data changed (applicant data changed or rights of an application transferred)

Owner name: SIEMENS MOBILITY GMBH