DE102012209311A1

DE102012209311A1 - Verfahren zur Lokalisierung eines Schienenfahrzeugs innerhalb eines bezüglich seiner Topologie kartographierten Schienennetzes

Info

Publication number: DE102012209311A1
Application number: DE201210209311
Authority: DE
Inventors: Oliver Heirich; Thomas Strang; Patrick Robertson; Andreas Lehner
Original assignee: Deutsches Zentrum fuer Luft und Raumfahrt eV
Current assignee: Deutsches Zentrum fuer Luft und Raumfahrt eV
Priority date: 2012-06-01
Filing date: 2012-06-01
Publication date: 2013-12-05

Abstract

Das Verfahren zur Lokalisierung eines Schienenfahrzeugs innerhalb eines bezüglich seiner Topologie kartographierten Schienennetzes umfasst die folgenden Schritte: – Messen einer Überhöhung und/oder Überhöhungsänderung eines Gleises und Abgleichen der Messung mit einer Karte und dadurch Bestimmen sämtlicher möglicher topologischer Aufenthaltspositionen mit ihren jeweiligen Wahrscheinlichkeiten und/oder – Messen einer Befahrrichtung eines Gleises während einer Überfahrt und Abgleichen der Messung mit einer Karte und dadurch Bestimmen sämtlicher möglicher topologischer Aufenthaltspositionen mit ihren jeweiligen Wahrscheinlichkeiten und/oder – Messen einer Kurvenkrümmung und/oder deren Änderung und/oder Längsneigung und/oder deren Änderung eines Gleises während einer Überfahrt und Abgleichen der Messung mit einer Karte und dadurch Bestimmen sämtlicher möglicher topologischer Aufenthaltspositionen mit ihren jeweiligen Wahrscheinlichkeiten und/oder – Detektieren und/oder Messen von Schienenstößen eines Gleises während einer Überfahrt und Abgleichen der Messung mit einer Karte und dadurch Bestimmen sämtlicher möglicher topologischer Aufenthaltspositionen mit ihren jeweiligen Wahrscheinlichkeiten und – Bewerten der Wahrscheinlichkeiten der zuvor bestimmten möglichen topologischen Aufenthaltspositionen, und zwar mit Hilfe eines Schätzers, zur Ermittlung der tatsächlichen topologischen Aufenthaltsposition als diejenige topologische Aufenthaltsposition mit der größten Wahrscheinlichkeit und/oder zur Ermittlung einer Gruppe von am wahrscheinlichsten anzunehmenden topologischen Aufenthaltspositionen unter Angabe der für diese topologischen Aufenthaltspositionen gegebenen Wahrscheinlichkeiten.

Description

Die Erfindung betrifft ein Verfahren zur Lokalisierung eines Schienenfahrzeugs innerhalb eines bezüglich seiner Topologie kartographierten Schienennetzes.
Die Kenntnis über den Aufenthaltsort eines Schienenfahrzeugs in einem Schienen- bzw. Gleisnetz ist unter anderem für die automatische Zugsteuerung und für die Vermeidung von Zugkollisionen erforderlich. Die Anforderungen an eine Zuglokalisierung sind eine robuste, zuverlässige, gleisgenaue sowie genaue Positionsbestimmung auf einem Gleis.
Es existieren Lokalsierungsverfahren für Schienenfahrzeuge mit streckenseitiger Infrastruktur (z. B. Balisen) sowie Streckeninfrastruktur unabhängige (bordautonome) Verfahren, die auf einer Streckenkarte basieren. Die kartenbasiere, topologische Lokalisierung eines Schienenfahrzeuges setzt Messungen voraus, die mit Informationen aus einer Karte abgeglichen werden. Die Erfindung befasst sich mit der kartenbaseren Zuglokalisierung, die durch Messung und Auswertung positionsrelevanter Gleiseigenschaften erweitert und verbessert ist. Dabei ist es die Aufgabe, Schienenfahrzeuge in einem topologischen Gleisnetzwerk zu lokalisieren, wobei die topologische Lokalisierung das aktuell befahrene Gleis bzw. eine Kennung des aktuell befahrenen Gleises zusammen mit der Position auf diesem Gleis liefern soll.
Momentan werden Schienenfahrzeuge hauptsächlich über eine streckenseitige Infrastruktur lokalisiert. Als Beispiel ist hier ETCS (European Train Control System) mit der Verwendung von Balisen genannt.
Weitere Lokalisierungsverfahren basieren z. B. auf Satellitenortung (GNSS) und/oder Odometrie und kommen ohne schienenseitige Infrastruktur aus.
Diese Verfahren benötigen eine Karte, die sowohl topologische und geographische Informationen zu den Gleisen enthält.
Bereits bekannte Verfahren setzen inertiale Sensoren zur Lokalisierung z. B. an Weichen ein. Hier wird die Richtung, die Richtungsänderung oder die Querbeschleunigung am Gleis gemessen und daraus die Abbiegerichtung an der Weiche und das folgende Gleis bestimmt.
Bei Konstruktions- und Wartungsarbeiten an Gleisen kommen unter anderem Messzüge zum Einsatz, die die Lage eines Gleises mit inertialen Sensoren vermessen.
Normalerweise werden inertiale Sensoren zur Stützung von GNSS-Positionen herangezogen.
Zuglokalisierungsverfahren mit schienenseitigen Sensoren zur Positionierung müssen in bestimmten Abständen über das gesamte Schienennetz verteilt werden und sind daher teuer. Bekannte bordautonome Lokalisierungsverfahren basierend auf Einzelsensoren erfüllen nicht die Anforderungen an die Zuglokalisierung einer robusten, zuverlässigen, gleisgenauen und genauen Positionsbestimmung auf dem Gleis. Lokalisierungsverfahren basierend auf GNSS haben den Nachteil der Mehrwegeausbreitung. Dadurch wird die Position verfälscht. Integrierende Verfahren mit inertialen Sensoren unterliegen einem starken Drift (Zeit t) bei alleiniger Verwendung. Der Drift wächst dabei quadratisch mit der Zeit.
Aufgabe der Erfindung ist es, die Genauigkeit der kartenbasierten Lokalisierung von Schienenfahrzeugen in einem topologischen Gleisnetzwerk weiter zu verbessern, so dass insbesondere borautonom gearbeitet werden kann.
Zur Lösung dieser Aufgabe wird mit der Erfindung ein Verfahren zur Lokalisierung eines Schienenfahrzeugs innerhalb eines bezüglich seiner Topologie kartographierten Schienennetzes mit den folgenden Schritten vorgeschlagen:

– Erzeugen von Hypothesen, die eine topologische Aufenthaltsposition und eine Geschwindigkeit beinhalten, wobei diese Hypothesen mittels der Karte Werte zur geographischen Position und/oder zur Drehbewegung und/oder zur Lage und/oder zum Magnetfeldvektor und/oder zur stromführenden Oberleitung und/oder zu visuellen Landmarken und/oder zu metallischen Landmarken und/oder zu Schienenstößen erhalten, und/oder
– Messen von geographischen Positionen und Bewerten (Gewichten) der geographischen Positionen aus den Hypothesen, indem eine Wahrscheinlichkeit berechnet wird, die sich aus der Bewertung einer Messfunktion ergibt, und/oder
– Messen von Beschleunigungen und Drehraten, die sich aus der Überhöhung, Überhöhungsänderung, Kurvenkrümmung, Längsneigung, Längsneigungsänderung sowie der Geschwindigkeit ergeben und Bewerten (Gewichten) der Beschleunigungen und Drehraten der Hypothesen, indem eine Wahrscheinlichkeit berechnet wird, die sich aus der Bewertung einer Messfunktion ergibt, und/oder
– Ermitteln einer Befahrrichtung eines Gleises während einer Überfahrt und Bewerten (Gewichten) der Befahrrichtung der Hypothesen mit einer Wahrscheinlichkeit, die sich aus der Bewertung der Messwertverteilung ergibt, und/oder
– Messen und Detektieren einer Kurvenkrümmungsänderung eines Gleises während einer Überfahrt nach gleisgeometrischen Grundelementen wie Geraden, Kurven und Übergangsbögen und Bewerten (Gewichten) der Krümmungsänderungsannahme der Hypothesen mit einer Wahrscheinlichkeit, die sich aus der Bewertung der Messwertverteilung ergibt, und/oder
– Messen und Detektieren von Schienenstößen eines Gleises während einer Überfahrt und Bewerten (Gewichten) der Schienenstoßannahmen der Hypothesen mit einer Wahrscheinlichkeit die sich aus einer Bewertung der Messwertverteilung ergibt, und/oder
– Messen eines Magnetfeldvektors während einer Überfahrt und Bewerten (Gewichten) des Magnetfeldvektors der Hypothesen mit einer Wahrscheinlichkeit, die sich aus einer Bewertung der Messwertverteilung ergibt, und/oder
– Messen des Stromes der Oberleitung und dadurch Detektieren einer Oberleitung während einer Überfahrt und Bewerten (Gewichten) der Existenzannahme einer Oberleitung der Hypothesen mit einer Wahrscheinlichkeit, die sich aus der Bewertung der Messwertverteilung ergibt, und/oder
– Messen und Detektieren einer visuellen Landmarke während einer Überfahrt und Bewerten (Gewichten) der Annahme einer visuellen Landmarke der Hypothesen mit einer Wahrscheinlichkeit, die sich aus der Bewertung einer Messwertverteilung ergibt, und/oder
– Messen und Detektieren einer metallischen Landmarke während einer Überfahrt und Bewerten (Gewichten) der Annahme einer metallischen Landmarke der Hypothesen mit der Wahrscheinlichkeit, die sich aus der Bewertung der Messwertverteilung ergibt, und
– Multiplizieren des Anfangsgewichts einer Hypothese mit allen Gewichtungen aus durch Messungen gewonnenen Bewertungen sowie Ermittlung der Hypothesen mit den höchsten Gewichten, wobei die Hypothesen mit den höchsten Gewichten die wahrscheinlichste topologische Aufenthaltsposition enthalten.

Gemäß einer vorteilhaften Weiterbildung der Erfindung ist vorgesehen, dass (während einer Überfahrt oder bei stillstehendem Schienenfahrzeug) erfasst wird, ob eine Oberleitung vorhanden ist oder nicht und dass diese Detektion mit einer Karte abgeglichen bzw. korreliert und dadurch sämtliche mögliche topologischen Aufenthaltspositionen mit ihren jeweiligen Wahrscheinlichkeiten bestimmt werden und dass diese Detektion in die Bestimmung der wahrscheinlichsten tatsächlichen topologischen Aufenthaltsposition und/oder in die Bestimmung der Gruppe der am wahrscheinlichsten anzunehmenden topologischen Aufenthaltspositionen eingeht.
Insbesondere werden nach der Erfindung als Schätzer ein Bayes'scher Schätzer, ein Partikelfilter, ein Monte Carlo-Filter, ein Histogramm-Filter, ein Raster- oder Grid-(basiertes)Filter verwendet.
Eine wesentliche Eigenschaft spurgeführter Schienenfahrzeuge und insbesondere der Eisenbahn ist die starke Kopplung der Schiene zum Zug. Die Schiene beeinflusst den Zug in der Position, in der Bewegungsbahn, in der Lage und in der Lageänderung (Drehung, Neigung) während einer Überfahrt über das Gleis. Die Schieneneigenschaften sind positionsabhängig und können mit Inertial-Sensoren (Drehraten- und/oder Beschleunigungssensoren) gemessen werden.
Die für das erfindungsgemäße Verfahren notwendigen Daten können mit von der Streckeninfrastruktur unabhängigen Sensoren direkt im Zug gewonnen und zur Lokalisierung verwendet werden. Die von der Streckeninfrastruktur unabhängige erfindungsgemäße Lokalisierung ist kostengünstiger als wenn zunächst eine streckeninfrastrukturbasierte Sensorik installiert werden müsste.
Mit dem erfindungsgemäßen Verfahren können bisherige kartenbasierte Verfahren weiter verbessert und erweitert werden, womit die Genauigkeit der topologischen Position verbessert wird. Bei der Lokalisierung nach einer oder mehreren Weichenüberfahrten kann das entsprechende Gleis durch Verwendung mehrerer Gleiseigenschaften besser identifiziert und somit die Gleisdetektionsgenauigkeit erhöht werden.
Die Robustheit eines Lokalisierungsverfahrens gegenüber Messfehlern und/oder dem Ausfall eines Sensors lässt sich durch die erfindungsgemäße Messung mehrerer, unterschiedlicher Gleiseigenschaften mit unterschiedlichen Sensoren sicherer gestalten und darüber hinaus verbessern.
Inertial-Sensoren können beispielsweise auf sehr einfache Art und Weise geschützt im Fahrwerk oder im Rahmen des Schienenfahrzeuges verbaut werden. Die Inertial-Sensoren erfordern anders als beispielsweise ein Doppler-Radar oder Wirbelstromsensoren keinen nur geringen Abstand zur Schiene, können also weiter beabstandet von der Schiene angeordnet und damit unempfindlich gegen Schmutz, Nässe, Schotterflug sowie Eis und Schnee positioniert werden. Die Inertial-Sensoren benötigen darüber hinaus keine ”Sichtfenster” oder ähnliches und sind damit robuster gegenüber optischen Verfahren.
Für die Messung der Lageänderungen ist erfindungsgemäß zweckmäßigerweise kein (Mess-)Werte integrierendes, d. h. kein integratives Verfahren erforderlich. Dadurch ist die Messung der Lageänderung beispielsweise unabhängig von einer Drift, die ansonsten typisch an Anwendung von Inertial-Sensoren ist. Durch die nicht benötigte Driftkompensation verringern sich die Komplexität und die Fehleranfälligkeit des erfindungsgemäßen Verfahrens.
In zweckmäßiger Weiterbildung der Erfindung wird, wie bereits oben erwähnt, als weitere ”Landmarke” zur Lokalisierung von Schienenfahrzeugen auch die Oberleitung mit einbezogen. Oberleitungen lassen sich durch beispielsweise Magnetfeld-Sensoren detektieren. Dabei kann noch unterschieden werden zwischen stromführenden und nicht-stromführenden Oberleitungen.
Eine Oberleitung ist also eine Eigenschaft des Schienennetzes, die einen Ort bzw. ein Gleis charakterisiert. Durch die Information über die Existenz bzw. Nichtexistenz einer Oberleitung kann die Lokalisierung des Schienenfahrzeuges weiter verbessert werden. Der Oberleitungsdetektor wird zweckmäßigerweise mit Hilfe eines Magnetfeld-Sensors realisiert. Auf Grund der Tatsache, dass ein Strom ein radiales Magnetfeld um die Oberleitung herum erzeugt, kann ein Strom gemessen werden und auf die Existenz einer Oberleitung geschlossen werden. Hierzu werden ein Magnetfeld-Sensor (Hallsensoren, magnetoresistive Sensoren, Fluxgate-Sensoren oder andere Magnetfeld-Sensoren) und eine Signalauswertungseinheit benötigt, die letztendlich auch für die anderen Messsysteme, die erfindungsgemäß vorgesehen sind, benötigt wird.
Die Erfindung wird nachfolgend anhand von Ausführungsbeispielen näher beschrieben. Im Einzelnen zeigen dabei:
1 ein Beispiel für einen Karten-Datensatz, der eine Überhöhungsänderung längs des Gleisverlaufs beschreibt,
2 den gemessenen Überhöhungsänderungsverlauf über die Zeit während einer Überfahrt, der dem Karten-Datensatz entspricht,
3 ein Beispiel für einen gemessenen Kurvenkrümmungsverlauf mit gleisgeometrischen Grundelementen,
4 exemplarisch ein Bayesnetz,
5 beispielhaft ein Ergebnis der Bewertung des i-ten Partikels mit einer Messwertverteilung um einen Messwert Z,
6 die Auswirkung einer 16.7 Hz Wechselstrom-Oberleitung (Bahnstrom) auf eine Magnetfeldmessung aus dem Zug heraus und
7 eine Magnetfeldmessung bei einem Gleis ohne Oberleitung.
Nachfolgend soll ganz allgemein auf die wesentlichen Komponenten, wie sie für das erfindungsgemäße Verfahren erforderlich sind, eingegangen werden.
Hardwaresystem
Ein Gerät ist zu Lokalisierungszwecken in einem Zug eingebaut. Das Gerät enthält einen Prozessor, eine Datenbank mit der Karte, darin enthaltenen Streckeninformationen, und Sensoren. Diese Sensoren sind eine inertiale Messeinheit (IMU), Satellitenortung GNSS (GPS, Galileo, Glonass) sowie weitere Sensoren wie Wirbelstromsensor, Odometer, Magnetfeldsensor oder Kamera.
Die Karte enthält Informationen, die ein Gleis topologisch beschreibt. Die topologischen Positionen enthalten weitere Informationen zu geographischen Positionen und Gleiseigenschaften wie die Lage, Lageänderungen, gleisgeometrische Grundelemente, Magnetfeldvektor, Schienenstößen und ob bestimmte Landmarken vorhanden sind. Die Lage enthält die Fahrtrichtung des Gleises, die Neigung zur Seite, genannt Überhöhung, und die Neigung längs des Gleises. Die Änderungen der Lage sind die Fahrtrichtungsänderung (Kurvenkrümmung) und die Neigungsänderungen zur Seite (Überhöhungsänderung) und längs des Gleises (Längsneigungsänderung). Landmarken sind Objekte, die sich in der Umgebung der Gleise befinden und durch Sensormessungen detektierbar sind.
Alle diese Signaturen werden für sämtliche Gleise und Positionen aus den Gleisen in einer Karte abgelegt. Auf dem Prozessor kommt ein Lokalisierungsverfahren zum Einsatz, das aus den Sensormessungen und der Karte eine topologische Position ermittelt. Das Lokalisierungsverfahren ist ein Fusionsfilter aus einem Grid-basierten Filter und/oder einem Partikelfilter.
Verfahren
Eine Position auf einem Gleis erzeugt für entsprechende Sensoren über die Gleiseigenschaften, typische, bestimmte und wiedererkennbare Signale, genannt Signaturen. Durch Messung von Signalen dieser Positionen werden mittels einer Karte Rückschlüsse auf die momentane Position bzw. aller möglichen Positionen geschlossen. Die Gleiseigenschaften haben einen örtlichen Bezug, können aber meist nicht eindeutig einem einzelnen Ort zugeordnet werden.
Die verwendeten Gleiseigenschaften sind hier die Position und/oder die Lage des Gleises im Raum, die Änderung der Lage über den Schienenverlauf, Gleisgeometrie (Gerade, Kurve, Übergangsbogen), Schienenstöße und/oder andere Lücken im Gleisverlauf (z. B. an Weichen) und/oder das örtliche Magnetfeld.
Beispielhaft wird das Verfahren an der Überhöhungsänderung dargestellt. Bei einer Messung einer Überhöhungsänderung können diejenigen Positionen aus einer Karte bestimmt werden, die am wahrscheinlichsten zu dieser Messung passen. In 1 ist der Datensatz der Überhöhungsänderung über den Gleisverlauf beschrieben. Die weiteren Gleiseigenschaften sind in der derselben Art und Weise in der Karte abgespeichert.
Die an Bord befindlichen Sensoren messen die Auswirkungen der Gleiseigenschaften auf den Zug. Die Messung der Überhöhungsänderung erfolgt durch Messung der Drehrate des Zuges um die Längsachse und Normierung mit der gemessenen Geschwindigkeit: Überhöhungsänderung = Drehrate (um Längsachse) / Geschwindigkeit
In 2 ist eine zeitliche Aufzeichnung einer Überhöhungsänderung dargestellt. Gemessen sind hier insgesamt vier Kurven mit Neigung und dazwischen Geraden ohne Überhöhung. In 1 ist die Neigebewegung zu sehen, die der Zug jeweils am Anfang und am Ende der überhöhten Kurve durchführt. Die Neigungsänderung ist charakteristisch für einen Ort.
Analog zur Überhöhungsänderung kann die Neigungsänderung in Längsrichtung des Gleises bestimmt werden und zur Lokalisierung in einer topologischen Karte verwendet werden. Längsneigungsänderung = Drehrate (um Querachse) / Geschwindigkeit
Analog zur Überhöhungsänderung kann die Fahrtrichtungsänderung (Kurvenkrümmung) des Gleises bestimmt werden. Kurvenkrümmung = Drehrate (um Hochachse) / Geschwindigkeit
Aus dem Krümmungsverlauf (siehe 3) können gleisgeometrische Grundelemente wie Geraden, Kreiskurven und Übergangsbögen (Klothoide, Sinoide) detektiert werden. Detektiert ein Zug ein bestimmtes Gleiselement, so können Aufenthaltswahrscheinlichkeiten anhand einer topologischen Karte ermittelt werden.
Bei der Überhöhung und Längsneigung wird die Lage des Zuges mit Lagesensoren und einer Auswertung bestimmt.
Schienenstöße und Lücken (bei Weichen) erzeugen bestimmte Vibrationen, die über inertiale Sensoren gemessen werden.
Zu jedem Zeitpunkt werden Aufenthaltswahrscheinlichkeiten mit einem oder mehreren Gleisdatensätzen berechnet. Die Lokalisierung erfolgt durch Bestimmung derjenigen Positionen eines Gleisdatensatzes aus einer Karte, die am wahrscheinlichsten zu diesen Messungen passen. Eine Kombination aus diesen Gleiseigenschaften erhöht die Lokalisierungsgenauigkeit, indem mögliche Positionen eingeschränkt werden. Dieses Verfahren kann bestehende Verfahren z. B. mit Satellitenortung (GNSS), aber auch gleisinfrastrukturbasierte Verfahren erweitern und hinsichtlich Robustheit und Genauigkeit verbessern.
Kausalzusammenhänge und stochastische Abhängigkeiten können in einem Bayesnetz dargestellt werden (siehe 4).
In 4 sind zwei diskrete Zeitpunkt (k und k + 1) mit kausalen Zusammenhängen für eine Zuglokalisierung dargestellt. M repräsentiert das zeitunabhängige Streckennetz. Der Zug P enthält die Zustände Position, Positionsänderung, Lage und Lageänderung und Bewegung. Der Zug ist durch die Koppelung Zug-zu-Schiene abhängig von Gleis und den vergangenen Zugzuständen. E sind Sensorfehier, wie z. B. Drift oder systematische Fehler und Z sind Sensormessungen. Diese sind unterteilt in stochastisch abhängige und unabhängige Messungen vom Gleis. Weiterhin sind die Messungen abhängig vom Zugzustand und den Sensorfehlern. Stochastisch abhängige Sensoren vom Gleis, bzw. der Zugumgebung messen meist aus der Entfernung, wie z. B. Kamera (allgemein Radiometrie, Ultraviolett, Infrarot, sichtbares Licht) oder Wirbelstromsensor (ebenso: Laserscanner, Entfernungsradar oder Ultraschall) oder Magnetfeldsensoren (Magnetischresistive-, Hall-, oder Fluxgatesensoren). Die Messungen der Sensoren GNSS, Geschwindigkeitsradar oder IMU sind stochastisch abhängig vom Zug und dessen Zuständen wie Position, Lage, Drehungen, Beschleunigung und Geschwindigkeit. Diese Sensoren messen das Gleis über die Auswirkungen des Gleises auf den Zug und seine Zustände. Die Messungen der Gleiseigenschaften über IMU sind nur abhängig von den Zugzuständen und den Sensorfehlern (Drift).
Das Magnetfeld am Zug bzw. an einem Sensor, der im Zug angebracht ist, hat ortsabhängige Umgebungseigenschaften. Das statische Magnetfeld eines Ortes setzt sich zusammen aus dem Erdmagnetfeld sowie hart- und weichmagnetischen Einflüssen der Umgebung (Gleis, Masten, Brücken, Tunnel, Gleisanlagen), des betrachteten Zuges und evtl. anderer Züge. Der zeitlich unveränderte Einfluss des betrachteten Zuges kann durch Kalibrierung bekannt sein und korrigiert werden. Zeitlich veränderliche Einflüsse, wie z. B. anderer Züge sowie der Einsatz von Magnetbremsen des betrachteten Zuges sind Messfehler.
Daneben gibt es auch veränderliche Magnetfelder in der Zugumgebung, die Ströme in Oberleitungen verursachen.
Wenn neben den zuvor genannten Messdaten auch noch die Existenz bzw. Nichtexistenz einer Oberleitung mit einbezogen werden soll, so bedarf es der Auswertung der Daten eines Oberleitungsdetektors. Oberleitungen für Schienenfahrzeuge führen einen Wechselstrom, dessen Frequenz bei der Deutschen Bahn 16,7 Hz beträgt. Andere Frequenzen wie beispielsweise 50 Hz oder 60 Hz sind ebenfalls möglich. Der Wechselstrom erzeugt ein entsprechend wechselndes Magnetfeld, das sich radial um die Oberleitung ausbildet. Im Schienenfahrzeug ist ein Magnetfeldsensor angebracht, so dass das erzeugte radiale Magnetfeld des Stroms in einem konstanten Abstand gemessen werden kann. Die Oberleitung hat eine näherungsweise konstante Position gegenüber dem Schienenfahrzeug. Der Magnetfeldsensor hat eine feste Einbauposition im Schienenfahrzeug und somit eine relativ konstante Position zur Oberleitung. Zum Vermessen des Stroms sollte der Abstand vom Magnetfeldsensor zur Oberleitung bekannt sein. Für den Oberleitungsdetektor ist der konstante Abstand nicht wesentlich.
Für das radiale Magnetfeld um eine Oberleitung gilt die Gleichung: B = μ·I· 1 / 2πr I = B / μ2πr

B ist das Magnetfeld, I der Strom, r der Radius (radialer Abstand von der Oberleitung) und μ die Permeabilität.

Durch den Wechselstrom misst der Magnetfeldsensor ein Wechselsignal. Eine Signalverarbeitungseinheit wertet das Wechselsignal nach Amplitude und Phase aus. Die Berechnung des Stroms erfolgt nach den obigen Gleichungen, wobei die Amplitude mit entsprechender Kalibrierung des Magnetfeldsensors als B eingeht. Der Abstand zur Oberleitung ist r.
6 zeigt die Auswirkung eines 16.7 Hz Wechselstromes (Bahnstrom) auf eine Magnetfeldmessung aus einem Zug heraus, während 7 eine Magnetfeldmessung bei einem Gleis ohne Oberleitung zeigt.
Die Erfindung wird nachfolgend noch detaillierter beschrieben.
1. Allgemeine Zuglokalisierung
Schienenfahrzeuge bewegen sich auf Gleisen ”R”, die eine Bewegung in einer Dimension erlauben. Diese Dimension wird als Gleisposition mit ”s” (eindimensionaler Weg) sowie einer Fahrtrichtungsangabe ”dir” (positiv, negativ) angegeben. Gleis ”R”, Position ”s” und Richtung ”dir” bilden die topologische Position.
Das Ziel einer Zuglokalisierung ist es, die topologische Position des Zuges im Gleisnetz zu finden.
2. Allgemeine Definitionen

2.1 ”s” ist die eindimensionale Gleisposition, ”s Punkt” die Geschwindigkeit und ”s Punkt Punkt” die Beschleunigung: Weg, 1D Position auf dem Gleis: s Zuggeschwindigkeit: ṡ Zugbeschleunigung: s ..
2.2 Die Lage eines Zuges ist durch drei Winkel beschrieben: Nickwinkel, um die Querachse (slope): θ Rollwinkel, um die Längsachse (bank): ϕ Kurs, um die Hochachse (heading): ψ Bei einem Nickwinkel von 0° ist der Zug in Längsrichtung eben, d. h. bewegt sich bzw. steht in einer Horizontalen, bei einem positiven Nickwinkel ist er bergauf geneigt und bei einem negativen Nickwinkel bergab geneigt. Bei einem Rollwinkel von 0° ist der Zug in Querrichtung eben, d. h. seine Hochachse ist die Normale zur Horizontalen, bei einem positiven Rollwinkel neigt sich der Zug nach rechts, bei einem negativen Rollwinkel nach links. Bei einem Kurs von 0° fährt der Zug nach Norden, bei 90° nach Osten, bei 180° nach Süden und bei 270° nach Westen.
2.3 Eine Kurvenkrümmung ist eine Winkeländerung pro Länge (Bogenlänge). Die Kurvenkrümmungen eines Gleises sind jeweils die Lageänderung (Nick-, Roll-, Kursänderung) pro Wegstrecke ”s” Nickänderung (slope change): dθ / ds Rolländerung (bank change): dϕ / ds Krümmung (heading change/curvature): dψ / ds
2.4 Gleisgeometrie: Die Gleiseigenschaften (Gleisgeometrie) sind abhängig von der topologischen Position. Diese Eigenschaften sind in einer Datenbank gespeichert, genannt Karte:
2.4.1 Geographischer Ort (z. B. Latitude, Longitude, Altitude)
2.4.2 Lage (Nick, Roll, Kurswinkel)
2.4.3 Lageänderungen (Kurvenkrümmungen: Nick-, Roll, und Kursänderung)
2.5 Digitale Gleiskarte = Karte = Gleiskarte = Gleisdatenbank
2.6 Global Navigation Satellite System (GNSS), wie z. B. GPS (NAVSTAR), GALILEO, COMPASS, GLONASS
2.7 Inertiale Messeinheit, IMU (Inertial Measurement Unit) misst Drehgeschwindigkeiten in drei Achsen und Beschleunigungen in drei Achsen
2.8 Magnetfeldsensor, der sowohl statische (von Gleis und Erde) als auch veränderliche Magnetfelder (von Strom in Oberleitungen) in bis zu drei Achsen messen kann (z. B. magnetisch resistive-, Hall- oder Fluxgatesensoren)
2.9 Kamera (Radiometrischer Sensor, ultraviolett, sichtbares Licht), mit Detektor bzw. Klassifikator für visuelle Landmarken, der sowohl topologische Elemente (Weiche, Kreuzung, Parallelgleis) als auch Elemente in der Bahnumgebung (Bebauung, Tunnel, Bahnhof, Bahnsteig Oberleitung, Masten, Schilder, Signale) detektiert
2.10 Wirbelstromsensoren mit Detektor bzw. Klassifikator für metallische Landmarken, wie z. B. wie Weichenelemente, Schrauben, Radlenker, Metallbrücken detektiert.
2.11 Landmarken sind Objekte die sich in der Umgebung der Gleise befinden und durch Sensormessungen detektierbar sind.
2.12 Digitale Karte Eine Gleiskarte ist bekannt und vorhanden, Die Karte enthält Gleise mit eindeutigen Bezeichnungen (IDs). Jedes Gleis enthält topologische Verknüpfungen zu einem anderen Gleis, Gleisbegrenzungen (Prellbock), Weichen und Kreuzungen. Ebenso enthält jedes Gleis Informationen abhängig von der topologischen Position. Diese Informationen umfassten: die geographische Position, und optional die Lage (Richtung, Überhöhung Längsneigung) des Gleises, – und optional die ortsanhängigen Lageänderung (Krümmung, Überhöhungsänderung, Längsneigungsänderung), – und optional weitere ortsabhängige Ableitungen der Lage wie z. B. die Krümmungsänderung, – und optional den ortsabhängigen Magnetfeldvektor, – und optional Merkmale oder Landmarken in der Umgebung eines Gleisortes, wie z. B. Oberleitungen, – und optional Merkmale wie Schienenstöße, – und optional weitere Landmarken wie Signaltafeln, Schwellen, Bahnsteige, Tunnel, Bebauung, Büsche/Bäume. Eine mögliche Umsetzung dieser digitalen Karte kann eine Datenbank sein, die zwei Abfragen unterstützt und berechnet (oder kombiniert in einer Abfrage): – aus einer topologischen Position und einer Wegdifferenz wird eine neue topologische Position berechnet und ausgegeben – aus einer topologischen Position werden alle verfügbaren Karteninformationen zu dieser Position zurückgegeben. Die Karten Datenbank enthält alle Gleise mit jeweiligen Informationen in Form von Stützpunkten. Ein Stützpunkt enthält die Position s als Index, und alle weiteren Gleisinformationen. Erfolgt eine Abfrage mit einer Position s, die zwischen zwei Stützpunkten liegt, so wird interpoliert. Geeignete Interpolationen sind lineare (geraden) Interpolation oder Polygoninterpolation oder Spline-Interpolation.

3. Zusammenhang zwischen Zugsensor-Messungen und der Gleisgeometrie
Grundsätzlich bestehen folgende Zusammenhänge:

3.1 Die Lage eines Gleises (3 Winkel), sowie die Kurvenkrümmungen eines Gleises sind positionsabhängig (d. h. eine Funktion von s).
3.2 Die Lage und die Lageänderungen (Kurvenkrümmung) eines Gleises sind ursächlich für die Lage und Lageänderung eines Zuges, da eine sehr starke Kopplung zwischen Zug und Gleis herrscht.
3.3 Eine Kurvenkrümmung des Gleises ist ursächlich für eine Drehgeschwindigkeit (Änderung eines Lagewinkels [theta/phi/psi] über die Zeit [t]). Das Produkt aus Kurvenkrümmung und Geschwindigkeit des Zuges ergibt die Drehgeschwindigkeit:
3.4 Die Kurvenkrümmungen eines Gleises und die Zuggeschwindigkeit sind ursächlich für Beschleunigungen:
3.5 Eine IMU wird so an einem Zug angebracht, dass die x-Achse in Zugrichtung, die y-Achse nach links und die z-Achse nach unten zeigt. (Die IMU kann natürlich auch in anderer Weise angebracht werden, dann ändern sich aber auch folgende Gleichungen um eine entsprechende Rotationsmatrix).
3.6 Die IMU misst in dessen Massepunkt folgende Beschleunigungen:
Diese Gleichungen zeigen jeweils einem Beschleunigungsmesswert als Funktion von Lagewinkel, Kurvenkrümmungen und Geschwindigkeit/Beschleunigung.
3.7 Die IMU misst folgende Drehraten: ω^x = dϕ / dsṡ – dψ / dsṡsinθ ω^y = dθ / dsṡcosϕ + dψ / dsṡsinϕcosθ ω^z = ψ .cosϕcosθ – dθ / dsṡsinϕ Diese Gleichungen zeigen jeweils einem Drehgeschwindigkeitsmesswert als Funktion von Lagewinkel, Kurvenkrümmungen und Geschwindigkeit.
3.8 Alternativ können aufgrund der geringen Nick und Rollwinkel bei Zügen auch folgende (vereinfachte) Formeln verwendet werden: ω_x ≈ ϕ . = dϕ / dsṡ ω_y ≈ θ . = dθ / dtṡ ω_z ≈ ψ . = dψ / dsṡ

4. Bayes'scher Ansatz zur Zuglokalisierung
In 4 sind zwei diskrete Zeitpunkte (k – 1 und k) mit kausalen Zusammenhängen für eine Zugslokalisierung dargestellt. M repräsentiert die zeitunabhängige Umgebung mit Gleisnetzwerk. P enthält die Zugzustände Position, Positionsänderung, Lage und Lageänderung und U die Bewegung (Beschleunigung, Geschwindigkeit in Gleisrichtung, Distanz seit k – 1). Der Zugzustand P_k ist durch die Koppelung Zug-zu-Schiene abhängig von Gleis M, den vergangenen Zugzuständen P_k-1 und der Bewegung U_k. Z sind Sensormessungen, und E sind Sensorfehler wie z. B. Drift oder systematische Fehler (Kalibrierung) oder andere, zeitlich korrelierte (abhängig von mindestens zwei Zeitschritten) Sensorfehler. Alle Messungen Z sind abhängig vom Zugzustand P und den jeweiligen Sensorfehlern E. Z^P ist ein Positionssensor (z. B. GNSS). Darüber hinaus gibt es Sensoren Z^M die zusätzlich noch von der Umgebung M abhängen (z. B. Magnetfeldsensor, Kamera, Wirbelstromsensor Laserscanner, Entfernungsradar oder Ultraschall). Eine dritte Sensorgruppe Z^U, ist abhängig von der Bewegung (z. B. IMU, Odometer, Wegstreckenradar).
Die Messungen der Sensoren GNSS, Radodometrie oder IMU sind stochastisch abhängig vom Zug, da diese am Zug angebracht sind. Diese Sensoren messen das Gleis nicht direkt, sondern nur über die Auswirkungen des Gleises auf den Zug und seine Zustände.
Dieses Bayesnetz mit den kausalen Zusammenhängen bildet das Grundmodell des erfindungsgemäßen Bayes'schen Ansatzes und zeigt als Modell die kausalen Abhängigkeiten. Die gewünschte Schätzung der Zugzustände erfolgt über ein sequenzielles Bayes'sches Filter.
5. Sequenzielles Bayes'sches Filter
Die Zustände (z. B. der Zugzustand P mit Position/Lage) sind Im Allgemeinen nicht bekannt und sollen geschätzt werden. Sie können allerdings durch Messungen direkt oder indirekt beobachtet werden.
Ein Bayes'sches, sequenzielles Filter ermöglicht eine Schätzung unbekannter (Zug) Zustände durch die Verarbeitung/Berechnung von Transitionsmodellen (Veränderung des Zustands über die Zeit) und Messungen samt Messmodellen.
Für das Filter sind folgende allgemeine Definitionen (auch Modellierung) notwendig:

5.1 Filtertyp: Kalmanbasierte (EKF, UKF), Partikel/MonteCarloFilter, Histogramm/Raster Filter (Gridfilter)
5.2 Definition der Zustände (Zustandsvektor)
5.3 Transitionsmodell = Funktion von den letzten Zuständen, der verstrichenen Zeit, dem Prozessrauschen (Veränderung des Zustandes über die Zeit z. B. durch Bewegung)
5.4 Messmodell(e) = Funktion von: Zuständen, Sensorfehler und Messrauschen (d. h. Wie hängen Zustände und Messrauschen mit den Messwerten zusammen)

6. Spezielle Modellierung für die Zuglokalisierung

6.1 Filtertyp (zu 5.1): Da ein Streckennetzwerk durch die diskreten Gleise und durch Weichenverzweigungen extreme Nichtlinearitäten aufweist, sind Partikelfilter (auch Monte Carlo Filter genannt) oder Histogramm-Filter (Rasterfilter, Grid(based)-Filter) günstige Filter.
6.2 Zustandsvektor (zu 5.2) – Zugbewegung U enthält Beschleunigung, Geschwindigkeit und Distanz seit dem letzten Zeitschritt – Zugzustand P enthält topologische Position (R, s, dir), geographische Position (Latitude, Longitude, Altitude), Lage (Nick-, Roll-, Kurswinkel), Drehgeschwindigkeit des Zuges (Nick-, Roll-, Kursdrehgeschwindigkeit) und optional lokaler Magnetfeldvektor (z. B. Nord, Ost, Unten), und ob bestimmte Landmarken vorhanden sind – Sensorfehler B (z. B. Drift Beschleunigung der x, y, z Achse, Drehratendrift der Achsen x, y, z der IMU, Mehrwegeausbreitung GNSS, Schlupf Odometer, Nicht ortsfeste Störungen des Magnetfeldes)
6.3 Transitionsmodell (zu 5.3) Das Transitionsmodell besteht aus 2 Teilen, dem 1-Dimensionales Bewegungsmodell des Zuges und der Transition mit der Gleiskarte. a) Ein Zug kann sich auf einem Gleis nur in einer Dimension bewegen: vorwärts/rückwärts aber nicht seitlich oder vertikal und alle Rotationen sind vom Gleis vorgegeben. Das 1-D Bewegungsmodell berechnet aus der Beschleunigung und Geschwindigkeit des letzten Zeitschrittes, einem Prozessrauschen und der Differenzzeit eine aktuelle Beschleunigung, Geschwindigkeit und eine Distanz (Wegstrecke):
b) Mit der Karte kann die topologische Transition mit der letzten topologischen Position und der Wegdifferenz aus a) berechnet werden. Diese Transition muss mit der Karte berechnet werden, da eine Transition über ein Gleis hinaus gehen kann und auf dem anschließenden Gleis fort geführt werden muss. Bei einer spitz befahrenen Weiche ergeben sich 2 Möglichkeiten.
c) Aus der aktuellen topologischen Position und der Geschwindigkeit können die restlichen Zustände aus der Karte gelesen werden.
6.4 Messmodelle (zu 5.4) Ein Messmodell beinhaltet die Berechnung eines Messwertes als Funktion der Zustände und eines Messrauschens:
Eine Bewertung einer Hypothese erfolgt mit einer Wahrscheinlichkeit, die aus dem Messmodell und den Hypothesenwerten der Zug- und Bewegungszuständen berechnet wird. Das Messmodell enthält neben einer Wahrscheinlichkeitsverteilung auch eine Funktion, mit der die Messgröße aus den Zug-(P) und Bewegungszuständen (U), den Sensorfehlern (E) und der Karte (M) berechnet werden kann. Die Wahrscheinlichkeit einer Messung ist bedingt durch Zug- und Bewegungszustände, Sensorfehler und der Karte:
Eine mögliche Umsetzung ist eine Gausch'sche Normalverteilung mit Z_k als Mittelwert, Funktion(P_kU_kE_k) als Argument und eine Standardabweichung als Messfehler. Das Ergebnis ist die Wahrscheinlichkeit die sich aus Verteilung und Argument ergibt. Weitere Messmodelle mit multimodalen, nichtlinearen Messmodellen sind denkbar. Bei Detektoren bzw Klassifikatoren kommt eine Wahrheitsmatrix zum Einsatz. Die Wahrheitsmatrix enthält vier diskrete Wahrscheinlichkeitswerte, die den Klassifikator charakterisieren: – richtig positiv (Landmarke vorhanden und aus der Messung erkennt der Klassifikator eine Landmarke), – richtig negativ (Landmarke ist nicht vorhanden und aus der Messung erkennt der Klassifikator keine Landmarke), – falsch positiv (Landmarke ist nicht vorhanden, aber aus der Messung erkennt der Klassifikator eine Landmarke), falsch negativ (Landmarke ist vorhanden, aber aus der Messung erkennt der Klassifikator keine Landmarke). Die Wahrheitstabelle eines Klassifikators ist das Messmodell und ist bekannt. Eine Hypothese enthält eine Information ob eine Landmarke vorhanden ist oder nicht. Mit einer Messung (Landmarke klassifiziert oder nicht) kann aus der Wahrheitstabelle eine Wahrscheinlichkeit bestimmt werden.

7. Allgemeiner Partikel Filter
Ein Partikel Filter ist ein Schätzfilter, das eine A-posteriori Verteilung durch eine meist große Anzahl an gewichteten Hypothesen (Partikel) darstellt. Eine A-posteriori Verteilung bedeutet eine Schätzung (oder Annahme) von bestimmten Zustandswerten (z. B. Position, Lage, usw.) nach einer Messung (oder Beobachtung). Jeder Zustand wird geschätzt, indem eine mehr oder minder große gewichtete Verteilung an Werten vorliegt, d. h. es liegt kein einzelner (singulärer) Wert vor. Generell gilt, je größer die Wahrscheinlichkeitsverteilung desto unsicherer ist die Schätzung, je kleiner desto genauer die Schätzung. Eine Partikelverteilung kann Wahrscheinlichkeitsverteilungen über die Verteilung der Partikel und/oder über die Gewichte der Partikel repräsentieren.
Ein Partikel enthält (Zahlen-)Werte des Zustandsvektors (z. B. Latitude 48,33°, Longitude = 11,12° usw.). Eine Verteilung entsteht, wenn die Partikel (meist geringfügig) unterschiedliche Werte enthalten.
Ein Partikel Filter führt zwei wichtige Schritte durch:

1. Erzeugung einer Partikel Verteilung (Proposal-Funktion)
2. Gewichtung der Partikel (Gewichtungs-Funktion)

Optional kann ein ”Resampling” erfolgen, dass Partikel mit hohem Gewicht mehrfach kopiert und im Gegenzug Partikel mit geringem Gewicht löscht. Damit werden Partikelverteilungen gemäß den geschätzten Wahrscheinlichkeiten wieder günstiger verteilt.
Die Schritte 1 und 2 werden nacheinander für einen Zeitpunkt ausgeführt. Im nächsten Zeitpunkt wird wieder erst 1, dann 2 ausgeführt. Dabei berechnet Schnitt 1 eine zeitliche Veränderung des Zustandsvektors über ein Transitionsmodell.
Schritt 2 bewertet die Partikel mit Gewichten, je nachdem wie gut oder schlecht diese zu den Messungen passen. Für jedes Partikel wird über eine Likelihood Funktion berechnet, wie gut die Messung zur Schätzung passt. Das Ergebnis ist ein Wert, der eine Wahrscheinlichkeit repräsentiert (hoher Wert = Schätzung (d. h. Zustand) passt gut zur Messung, niedriger Wert = passt schlecht). Dieser Wert wird mit dem Gewicht des Partikels multipliziert. Dazu sind folgende Schritte notwendig:

– aus den jeweiligen Zustandswerten und einem Messmodell wird ein zu ”erwartender Messwert” berechnet
– Die Messung wird mit einer Verteilung angenommen. Diese Verteilung wird mit dem gemessenen Wert gebildet (z. B. Gauß'sche Normalverteilung; Mittelwert = Messwert, Standardabweichung = angenommener Messfehler).
– Als Ergebnis wird die Wahrscheinlichkeit ausgegeben, die der erwartete Messwert als Argument der Messverteilung zurückliefert (siehe 5).

Nach sämtlichen Messungen werden diejenigen Hypothesen ein hohes Gewicht erhalten die ”nahe” an der wahren und echten, aber unbekannten Lösung sind.
Nach einem Resampling ”überleben” diejenigen Hypothesen mit entsprechen hohem Gewicht, indem diese Hypothese dupliziert und nicht gelöscht werden.
8. Spezieller Zuglokalisierungsalgorithmus
Folgende Merkmale sind von der Erfindung umfasst:

– Gleiskarte
– Zustandsvektor
– Transitionsmodell
– mindestens ein Sensor mit Messverteilung und Messmodell
– Sequentielles Bayes'sches Filter
– Anfangsverteilung

Weitere Merkmale können sinnvollerweise hinzukommen:

– Gleiskarte mit geometrischen Daten (Krümmung, Überhöhung, Überhöhungsänderung, Richtung, Längsneigung, Längsneigungsänderung, Krümmungsänderung), lokaler Magnetfeldvektor, visuelle Landmarken, metallische Landmarken, Oberleitungen, Schienenstöße
– eindimensionales Bewegungsmodell mit Limitierungen durch Zugparameter
– Transitionsmodell mit Karte und Bewegungsmodell
– Geeignete Anfangsverteilung
– Partikelfilter
– Erweiterung des Transitionsmodells um Sensorfehler E
– Messmodelle um Sensorfehler E erweitert
– Genauere, evtl. nichtlineare und/oder multimodale Messverteilungen der Sensoren

8.1 Initialisierung: Jedes Partikel wird mit verschiedenen Zustandswerten als Startwerte ausgestattet. Dies geschieht über einen Zufallsgenerator. Dazu werden aus einer Anfangsverteilung von topologischen Positionen die restlichen Zustandswerte aus der Karte berechnet. Jedes Partikel hat jetzt Werte für topologische Position, eine geographische Position, eine Lage usw. Die Geschwindigkeit und Beschleunigung können mit 0 oder einem anderen günstigen Startwert angenommen werden. Mögliche Anfangsverteilungen: – beliebige, zufällige topologische Positionen (R, s, dir) im gesamten Netzwerk der Karte – oder aber auch topologische Positionen aus einem begrenzten Raum (z. B. München) durch entsprechendes Vorwissen – oder wenn eine erste grobe Standortbestimmung mit GNSS oder einem anderen Sensor vorliegt
8.2 Für jeden Zeitschritt ”k” wird folgender Algorithmus ausgeführt (Schleife): 8.2.1 Transition: a) Zuerst wird eine Beschleunigungsverteilung abgetastet: i Möglichkeit A: aus einer Prozessrauschverteilung, ii. Möglichkeit B: direkt aus entsprechender Messung Jedes Partikel erhält von einem Zufallsgenerator erzeugten Wert einen Abtastwert einer Verteilung (Mögl. A oder B). Dadurch werden verschiedene Hypothesen geschaffen. b) Mit dem eindimensionalen Bewegungsmodell wird für jedes Partikel eine aktuelle Verschiebung, eine aktuelle Geschwindigkeit und eine aktuelle Beschleunigung mit der Zeitdifferenz aus k und k – 1 berechnet (6.3a). c) Die aktuelle topologische Position ergibt sich aus der letzten topologischen Position, der Verschiebung des Zuges auf einem Gleis (aus einem eindimensionalen Bewegungsmodell) und der Karte (siehe 6.3b). d) Bei einer spitzen Weiche werden die Partikel aufgeteilt: i. Möglichkeit A: Abtasten einer Gleichverteilung (Würfeln) (z. B. mit 50% Wahrscheinlichkeit links, zu 50% rechts oder anderer Verteilung) ii. Möglichkeit B: Partikel werden dupliziert (eines links, das andere rechts) e) Die Partikel bekommen ihre restlichen Zustandswerte aus der Karte über ihre topologischen Positionen. Die Drehgeschwindigkeiten werden mit den Geometriewerten (Krümmung) und der aktuellen Geschwindigkeit berechnet. Jedes Partikel hat jetzt Werte für eine topologische Position, eine geographische Position, optional eine Lage und Drehgeschwindigkeiten (siehe 6.3c) sowie optional einen Magnetfeldvektor sowie optional Merkmale der Gleisumgebung (u. a. Oberleitung).
8.2.2 Falls eine Positionsmessung vorhanden ist (z. B. GNSS). a) Aus diesem Messwert wird mit bekannten Fehlerparametern (z. B. Standardabweichung) eine Verteilung generiert. Günstigerweise eine 2D oder 3D Verteilung, da es sich um eine Position handelt. b) Jedes Partikel (Schätzung) enthält bereits eine Position als Prüfhypothese aus der Karte, abhängig von der topologischen Hypothese (aus 8.2.1.e). Das Messmodell berücksichtigt, wenn vorhanden, noch die stationären Messfehler E. c) Die geschätzte Position (b) eines jeden Partikels wird nun mit der Verteilung (a) verglichen: Als Ergebnis wird die Wahrscheinlichkeit ausgegeben, die der erwartete Messwert (Schätzung aus b) als Argument der Messverteilung zurückliefert. d) Dieses Ergebnis (Wahrscheinlichkeit) ist ein numerischer Wert und wird mit dem Gewicht (auch ein numerischer Wert) des jeweiligen Partikels multipliziert.
8.2.3 Falls Drehraten und Beschleunigungsmessungen vorhanden sind (IMU) a) Aus jeder Messung wird mit bekannten Fehlerparametern (z. B. Standardabweichung) eine Verteilung generiert. b) Jedes Partikel (Schätzung) enthält Lage und Lageänderungen (Drehgeschwindigkeiten) als Prüfhypothesen. Das entsprechende Messmodell als Funktion der geschätzten Zustände (siehe Formeln in 3.6, 3.7 und 3.8) wird für jedes Partikel separat berechnet. c) Die Schätzungen eines jeden Partikels (b) werden nun mit der Messverteilung aus (a) verglichen: Als Ergebnis wird die Wahrscheinlichkeit ausgegeben, die der erwartete Messwert (Schätzung aus b) als Argument der Messverteilung zurückliefert. d) Dieses Ergebnis (Wahrscheinlichkeit) ist ein numerischer Wert und wird mit dem Gewicht (auch ein numerischer Wert) des jeweiligen Partikels multipliziert.
8.2.4 Falls eine Magnetfeldmessung vorhanden ist. a) Aus diesen Messwerten wird mit bekannten Fehlerparametern (z. B. Standardabweichung) eine Verteilung generiert. Günstigerweise eine 2D oder 3D Verteilung, da es sich um einen Vektor handelt. b) Jedes Partikel (Schätzung) enthält bereits einen Magnetfeldvektor als Prüfhypothese aus der Karte, abhängig von der topologischen Hypothese (aus 8.2.1.e). Das Messmodell berücksichtigt, wenn vorhanden, noch Messfehler E durch z. B. nicht ortsfeste Störungen des Magnetfeldes durch andere Züge oder Einsatz von Magnetbremsen. c) Der geschätzte Magnetfeldvektor (b) eines Partikels wird nun mit der Verteilung (a) verglichen: Als Ergebnis wird die Wahrscheinlichkeit ausgegeben, die der erwartete Messwert (Schätzung aus b) als Argument der Messverteilung zurückliefert. d) Dieses Ergebnis (Wahrscheinlichkeit) ist ein numerischer Wert und wird mit dem Gewicht (auch ein numerischer Wert) des jeweiligen Partikels multipliziert.
8.2.5 Falls ein Detektorwert vorhanden ist (metallische, visuelle Landmarke, Oberleitung). a) Es existiert ein Messmodell mit einer bekannten Wahrheitstabelle b) Jedes Partikel (Schätzung) enthält bereits eine Annahme, ob eine Landmarke vorhanden ist oder nicht, als Prüfhypothese aus der Karte, abhängig von der topologischen Hypothese (aus 8.2.1.e). c) Mit einer Messung (Landmarke klassifiziert oder nicht) und der Hypothese kann aus der Wahrheitstabelle eine Wahrscheinlichkeit bestimmt werden. d) Dieses Ergebnis (Wahrscheinlichkeit) ist ein numerischer Wert und wird mit dem Gewicht (auch ein numerischer Wert) des jeweiligen Partikels multipliziert.
8.2.6 Optionales Resampling: Mit entsprechenden Algorithmen (bekannt aus Literatur) werden Partikel je nach ihrem Gewicht mehrfach dupliziert, gelöscht und bleiben in einfacher Form erhalten.

9. Kurze Beschreibung der Funktionsweise:
Die Bayes'sche Zuglokalisierung mittels Partikelfilter funktioniert in der Weise, dass eine bestimme Anzahl (z. B. 100 oder 1000 u. ä.) Partikel als ”Prüfhypothesen” (Partikel) im Gleisnetzwerk verstreut werden. Durch die Karte erhalten die Partikel Zugzustände, die durch geometrische Gleiseigenschaften bedingt sind. Die ”Verstreuung” der Partikel wird anfangs durch eine Startverteilung, im Allgemeinen aber durch das Transitionsmodell bei jedem Zeitschritt berechnet. Die ”Prüfhypothesen” (Partikel) werden über Beobachtungen (d. h. Messungen) bewertet. Jedes Partikel ist hinsichtlich der Frage, ob die Annahme richtig oder falsch ist, unvoreingenommen; die Bewertung durch möglichst viele Sensoren ermöglicht hohe Gewichte bei Partikeln, bei denen alle verschiedenen Sensorwerte gut zusammenpassen. Hohe Gewichte bedeuten eine hohe Wahrscheinlichkeit und dass diese Schätzung sehr nahe am wahren, unbekannten Zustand ist. Das Ergebnis lässt sich dann direkt aus der topologischen Position der Partikel mit den höchsten Wahrscheinlichkeiten ablesen.
10. Abgrenzung zu anderen Verfahren
Mapmatching: Bei diesem Verfahren wird eine Position gemessen oder berechnet (u. a. auch durch Verarbeitung von GPS/IMU Messungen) und anschließend auf die Wahrscheinlichste Position in der Karte (topologische Gleisposition) verschoben (”matching”, sozusagen passend gemacht). Das Verfahren berechnet meist eine Funktion, die über eine Minimierung der Distanz zwischen Messung und nächstliegender Gleisposition, die aktuelle Gleisposition berechnet. Die Karte kommt hier im Messmodell zum Einsatz. Unterschiede:
In unserem Ansatz kommen von vornherein nur Positionen auf dem Gleis in Betracht. Mit dem Partikel Filter werden eine Vielzahl von Gleispositionshypothesen (Partikel) mit GPS oder IMU unabhängig mit der jeweiligen Messverteilung gewichtet. Die Karte ist in unserem Ansatz im Transitionsmodell enthalten. Gleisgeometrien können mit den Auswirkungen auf die IMU Messungen bewertet werden. Das Filter kann auch ohne Messungen weiter Schätzungen berechnen.
11. Merkmale
Ein wesentliches Merkmal der Erfindung ist die Art und Weise der Verbindung der Gleisposition und Gleisgeometrie und die Verbindung der entsprechenden Sensoren samt Messmodellen in einem Gesamtansatz.

– Transitionsmodell besteht aus 1-Dimenionalen Bewegungsmodell und Karte (Gleiskarte im Transitionsmodell)
– Partikel (Prüfhypothese) enthält Zugzustände wie topolgische Position, geographische Position, Lagewinkel und Drehgeschwindigkeiten und optional Magnetfeldvektor. Die Werte zu diesen Zuständen werden aus Karteninformationen, Zugparametern und Geschwindigkeit gebildet (Ergebnis des Transitionsmodelles).
– Das Transitionsmodell ist aufgrund der Gleiskarte (Weichenverzweigungen) nichtlinear und multimodal
– Jedes Partikel enthält somit eine ”Gesamthypothese” mit allen Zugzuständen (topologische und geographische Positionen und Gleisgeometrisch bedingte Zugzustände wie Lage und Drehgeschwindigkeiten)
– Messmodelle können nichtlinear und multimodal sein
– Optionale Gewichtung alter Partikel (Gesamthypothesen) mit GNSS Messmodell
– Optionale Gewichtung alter Partikel (Gesamthypothesen) mit IMU Messmodellen
– Optionale Gewichtung aller Partikel (Gesamthypothesen) mit Megnetfeldvektor Messmodellen
– Das Filter kann unregelmäßige GNSS Messungen (insbesondere zeitweise Ausfälle durch Abschattung in Bahnhöfen und Tunnels) verarbeiten
– Optionale Gewichtung mit Landmarken Klassifikatoren: z. B. Weichendetektor, Klassifikator einer Landmarke (Merkmal in der Bahnumgebung mit einem Positionsbezug), (Aufnahme der Position der Landmarke in die Karte, Gewichtung der Partikel entsprechend dem Klassifikator-Messmodell)

12. Vorteile der Erfindung

– Erhöhte Genauigkeit durch Berücksichtigung der Gleisgeometrie: im kritischen Falle der Zuglokalisierung in einer Weichensituation mit anschließenden Parallelgleise, sind nicht nur Positionen, sondern sehr stark die Gleisgeometrie entscheidend.
– Durch das Partikelfilter werden automatisch sämtliche Lokalisierungshypothesen in Betracht gezogen und danach bewertet ob Sensormessungen diese Hypothese bestätigen.
– Erhöhte Robustheit: Die GNSS Gewichtungen sind optional. Das Filter kann unregelmäßige GNSS Messungen (insbesondere zeitweise Ausfälle durch Abschattung in Bahnhöfen und Tunnels) verarbeiten. Das Filter liefert durch das Transitionsmodell weiter Ergebnisse (Schätzungen); lediglich die Verteilung wird größer, d. h. die Schätzung wird unsicherer.
– Einfache Erweiterbarkeit mit weiteren Sensoren: Der Gesamtansatz ist um Klassifikationssensoren erweiterbar (Weichendetektor durch Kamera, Wirbelstromsensor, Detektion des Vorhandenseins einer Oberleitung)

Claims

Verfahren zur Lokalisierung eines Schienenfahrzeugs innerhalb eines bezüglich seiner Topologie kartographierten Schienennetzes, mit den folgenden Schritten: – Erzeugen von Hypothesen, die eine topologische Aufenthaltsposition und eine Geschwindigkeit beinhalten, wobei diese Hypothesen mittels der Karte Werte zur geographischen Position und/oder zur Drehbewegung und/oder zur Lage und/oder zum Magnetfeldvektor und/oder zur stromführenden Oberleitung und/oder zu visuellen Landmarken und/oder zu metallischen Landmarken und/oder zu Schienenstößen erhalten, und/oder – Messen von geographischen Positionen und Bewerten (Gewichten) der geographischen Positionen aus den Hypothesen, indem eine Wahrscheinlichkeit berechnet wird, die sich aus der Bewertung einer Messfunktion ergibt, und/oder – Messen von Beschleunigungen und Drehraten, die sich aus der Überhöhung, Überhöhungsänderung, Kurvenkrümmung, Längsneigung, Längsneigungsänderung sowie der Geschwindigkeit ergeben und Bewerten (Gewichten) der Beschleunigungen und Drehraten der Hypothesen, indem eine Wahrscheinlichkeit berechnet wird, die sich aus der Bewertung einer Messfunktion ergibt, und/oder – Ermitteln einer Befahrrichtung eines Gleises während einer Überfahrt und Bewerten (Gewichten) der Befahrrichtung der Hypothesen mit einer Wahrscheinlichkeit, die sich aus der Bewertung der Messwertverteilung ergibt, und/oder – Messen und Detektieren einer Kurvenkrümmungsänderung eines Gleises während einer Überfahrt nach gleisgeometrischen Grundelementen wie Geraden, Kurven und Übergangsbögen und Bewerten (Gewichten) der Krümmungsänderungsannahme der Hypothesen mit einer Wahrscheinlichkeit, die sich aus der Bewertung der Messwertverteilung ergibt, und/oder – Messen und Detektieren von Schienenstößen eines Gleises während einer Überfahrt und Bewerten (Gewichten) der Schienenstoßannahmen der Hypothesen mit einer Wahrscheinlichkeit die sich aus einer Bewertung der Messwertverteilung ergibt, und/oder – Messen eines Magnetfeldvektors während einer Überfahrt und Bewerten (Gewichten) des Magnetfeldvektors der Hypothesen mit einer Wahrscheinlichkeit, die sich aus einer Bewertung der Messwertverteilung ergibt, und/oder – Messen des Stromes der Oberleitung und dadurch Detektieren einer Oberleitung während einer Überfahrt und Bewerten (Gewichten) der Existenzannahme einer Oberleitung der Hypothesen mit einer Wahrscheinlichkeit, die sich aus der Bewertung der Messwertverteilung ergibt, und/oder – Messen und Detektieren einer visuellen Landmarke während einer Überfahrt und Bewerten (Gewichten) der Annahme einer visuellen Landmarke der Hypothesen mit einer Wahrscheinlichkeit, die sich aus der Bewertung einer Messwertverteilung ergibt, und/oder – Messen und Detektieren einer metallischen Landmarke während einer Überfahrt und Bewerten (Gewichten) der Annahme einer metallischen Landmarke der Hypothesen mit der Wahrscheinlichkeit, die sich aus der Bewertung der Messwertverteilung ergibt, und – Multiplizieren des Anfangsgewichts einer Hypothese mit allen Gewichtungen aus durch Messungen gewonnenen Bewertungen sowie Ermittlung der Hypothesen mit den höchsten Gewichten, wobei die Hypothesen mit den höchsten Gewichten die wahrscheinlichste topologische Aufenthaltsposition enthalten.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass als Schätzer ein Bayes'scher Schätzer, ein Partikelfilter, ein Monte Carlo-Filter, ein Histogramm-Filter, ein Raster- oder Grid-(basiertes)Filter verwendet wird.