EP3768568A1 - Rail vehicle having a control device - Google Patents

Rail vehicle having a control device

Info

Publication number
EP3768568A1
EP3768568A1 EP19721218.6A EP19721218A EP3768568A1 EP 3768568 A1 EP3768568 A1 EP 3768568A1 EP 19721218 A EP19721218 A EP 19721218A EP 3768568 A1 EP3768568 A1 EP 3768568A1
Authority
EP
European Patent Office
Prior art keywords
rail vehicle
control
rail
control device
trained
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.)
Granted
Application number
EP19721218.6A
Other languages
German (de)
French (fr)
Other versions
EP3768568B1 (en
EP3768568C0 (en
Inventor
Laurentiu GOGA
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 Mobility GmbH
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 Mobility GmbH filed Critical Siemens Mobility GmbH
Publication of EP3768568A1 publication Critical patent/EP3768568A1/en
Application granted granted Critical
Publication of EP3768568B1 publication Critical patent/EP3768568B1/en
Publication of EP3768568C0 publication Critical patent/EP3768568C0/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L15/00—Indicators provided on the vehicle or train for signalling purposes
    • B61L15/0081—On-board diagnosis or maintenance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L2210/00—Vehicle systems
    • B61L2210/02—Single autonomous vehicles

Definitions

  • the invention relates to a rail vehicle with a control device for controlling the rail vehicle.
  • Rail vehicles are now controlled by higher-level monitoring devices in the form of signal boxes. Such control or control by the interlocking sets ei ne permanent communication connection to the rail vehicle witness in the controlled by the interlocking track section from vo.
  • the invention has for its object to provide a train convincing that allows a more independent ferry than before.
  • control device is based on artificial intelligence and has been trained to control the rail vehicle on at least one predetermined path.
  • the rail vehicle also has inven tion according to a communication device for direct communication with nearby rail vehicles.
  • a significant advantage of the rail vehicle according to the invention is the fact that it is based on artificial Intel ligence and can thus be put into a position with regard to the computing power of computers available today in a very simple way. in particular, for example, without interlocking monitoring, or at least largely to drive independently in a safe manner.
  • a signal box can be used, but this is not always necessary.
  • control device has been trained on the basis of external data by machine learning.
  • control device has been trained on the basis of measured data which have been previously recorded on earlier travel of the rail vehicle or of another rail vehicle with the same driving behavior on the given route.
  • control device may be trained in front of some manner on the basis of route data or be that write the predetermined distance be.
  • control device records measured data during travel on the predetermined route, stores it and uses it for subsequent machine learning to improve its control behavior, ie improves its control behavior with the acquired measurement data in the course of machine learning.
  • control device has been trained such that it in the control of the rail vehicle information other traveling on the track rail vehicles, in particular a preceding rail vehicle takes into account, in particular location information, speed keits intro and / or timetable information of other rail vehicles.
  • the control device is preferably in particular trained in such a way that it controls the rail vehicle maintains a predetermined minimum distance to a preceding rail vehicle.
  • control device For routes with an available, superordinate monitoring device, in particular an interlocking, it is advantageous if the control device has been trained in such a way that it controls the superordinate monitoring device or interlocking in the control of the rail vehicle, takes into account, in particular executes.
  • the control device has preferably been trained for an ATO driving operation, in particular an ATO driving operation with the automation stage 4, and / or for a ferry operation according to ETCS Level 3.
  • the invention also relates to a method for operating rail vehicles.
  • the rail vehicles are controlled by on-board control devices based on artificial intelligence and have been trained to control each respective rail vehicle on the route to be traveled, with each other in the vicinity befindli rail vehicles communicate directly with each other.
  • the rail vehicles preferably drive autonomously.
  • control devices When controlling their rail vehicle, the control devices preferably take into account information from other rail vehicles traveling on the route, in particular from a preceding rail vehicle, in particular location information, speed information and / or timetable information from other rail vehicles. It is also advantageous if the control devices during measurements on the predetermined route acquire measurement data that save se and turn ver for subsequent machine learning and thereby increase their artificial intelligence.
  • a higher-level monitoring device insbesonde a signal box, the control of rail vehicles in whole or in part. It preferably transmits control commands to the control devices of the rail vehicles for the purpose.
  • FIG. 1 shows an embodiment of a Eisenbahngleisan situation, which is traversed by embodiments of fiction, contemporary rail vehicles, wherein on the hand of the railway track system according to Figure 1 an embodiment of an inventive Ver drive is explained in more detail,
  • FIG. 2 shows an exemplary embodiment of a railway track system in which a higher-level monitoring device in the form of an interlocking system is present, which can influence the behavior of the rail vehicles traveling on the railway track system,
  • FIG. 3 shows an exemplary embodiment of a control device which can be used in the rail vehicles according to FIGS. 1 and 2, wherein the control device according to FIG. 3 has been trained by an external training device,
  • FIGS. 4 shows an exemplary embodiment of a control device which can be used in the rail vehicles according to FIGS. 1 and 2, the control device being characterized both by an external trainer device. training as well as being trained by an internal training program, and
  • Figure 5 shows an embodiment of a control device that can be used in the rail vehicles according to Figures 1 and 2, wherein the Steuerein direction is trained exclusively by an internal Trai nierprogramm or has been.
  • FIG. 1 shows a railway track system 5, which is used by three rail vehicles 10, 11, 12.
  • the rail vehicles 10, 11 and 12 each have a control device 100 which is based on artificial intelligence and has been trained to control their respective rail vehicle on at least egg ner predetermined distance.
  • control devices 100 of FIG. 1 it is assumed by way of example that the control devices 100 of FIG. 1, it is assumed by way of example that the control devices 100 of FIG. 1, it is assumed by way of example that the control devices 100 of FIG. 1, it is assumed by way of example that the control devices 100 of FIG. 1, it is assumed by way of example that the control devices 100 of FIG. 1, it is assumed by way of example that the control devices 100 of FIG. 1, it is assumed by way of example that the control devices 100 of FIG. 1, it is assumed by way of example that the control devices 100 of FIG. 1, it is assumed by way of example that the control devices 100 of FIG. 1, it is assumed by way of example that the control devices 100 of FIG. 1, it is assumed by way of example that the control devices 100 of FIG. 1, it is assumed by way of example that the control devices 100 of FIG. 1, it is assumed by way of example that the control devices 100 of FIG. 1, it is assumed by way of example that the control devices 100 of FIG. 1, it is assumed by way of example that the control devices 100 of FIG. 1, it is assumed by way of example
  • Rail vehicles 10, 11 and 12 are each programmed so that the rail vehicles 10, 11 and 12 can go from a starting point 20 of the railway track 5 to a gur in the fi gure 1 upper target point 21 and / or a lower target point 22 and in a corresponding manner of the two target points 21 and 22 can each return to the starting point 20 again.
  • the rail vehicles 10, 11 and 12 communicate by means not shown in detail communication devices that can be located in or outside of the control devices 100, unfree nander.
  • Such communication may be based, for example, on radio signals F, as shown by way of example in FIG.
  • the radio communication can based on the known in railway engineering GSM-R mobile radio system or on another mobile radio system. It is also conceivable that the rail vehicles 10, 11 and 12 un indirectly communicate with each other by radio, so without Inan claiming a parent communication network.
  • FIG. 2 shows a second embodiment of a railway track system 5, of three rail vehicles 10,
  • the rail vehicles 10, 11 and 12 depending Weil control devices 100 based on artificial Intel ligenz and to control the respective rail ve hicle with a view of driving at least a predetermined distance, here between the starting point 20 and the two target points 21 and 22, have been trained.
  • a signal box 30 is additionally provided in the railway track system 5 according to Figure 2, which forms a higher-level monitoring device and can transmit to the rail vehicles 10, 11 and 12 control commands SB, which testify of the rail 10, 11th and 12 are to be considered.
  • Such monitoring or additional control of the rail vehicle traffic on the railway track system 5 through the interlocking 30 is made in particular when the interlocking 30 determines that the railway track 5 befah ing rail vehicles 10, 11 and 12 are in a Dangerensitu tion or himself to approach a dangerous situation.
  • the control device 100 has been trained in the rail vehicles 10, 11 and 12 by machine learning such that the rail vehicles 10, 11 and 12 in an automatic rule ferry operation, ge also technical ATO driving called, can drive. Particularly preferred is a completeness dig autonomous driving according to the automation level 4 he goes. In order to achieve a coordinated driving behavior of the rail vehicles 10,
  • the interlocking 30 of Figure 2 is any control commands SB for controlling or influencing the driving behavior of the slide nenEnglishe 10, 11 and 12 preferably via radio übermit. It is advantageous if the signal box 30 uses the same radio system as the rail vehicles 10, 11 and 12 in the context of their communication with each other.
  • FIG. 3 shows an embodiment of a Steuerein device 100, which can be used in the rail vehicles 10, 11 and 12 according to Figures 1 and 2.
  • the control device 100 according to FIG. 3 has a computer 110 and a memory 120.
  • a Steuerpro program module SPM is stored, which determines the behavior of the computer 110 and thus the control behavior of the controller 100 in total.
  • the control program module SPM has been generated in the embodiment according to FIG. 3 by machine learning by means of an external trainer device 200.
  • the external Trai nier noise 200 preferably used for training the Steuerpro gram module SPM or for forming the control program module SPM external data de, which are supplied by external sources GE.
  • the external data may include, for example, driving behavior data describing the driving behavior of the respective rail vehicle 10, 11 and 12, respectively.
  • the trainer device 200 according to FIG. 3 for training the control program SPM preferably uses measured data Dm which is included in earlier journeys of the respective rail vehicle or another rail vehicle. chem or similar driving behavior on the given Stre cke or the railway track system 5 according to Figures 1 and 2 have been previously recorded.
  • the trainer device 200 will advantageously use route data Ds for training the control program SPM, which completely describe the routes to be traveled between the starting point 20 and the two target points 21 and 22 or the railway track system 5 according to FIGS. 1 and 2.
  • the trainer device 200 has for training the control device 100 preferably in a memory 220 ge stored training program TPM, the device of a computing 210 of Trainier vibration 200 is executed.
  • control program module SPM and thus the control behavior of the control device 100 are therefore completely set before the rail vehicles 10, 11 and 12 are put into operation and then remain unchanged.
  • Such an embodiment of the control device 100 is particularly advantageous in view of the fact that it is comprehensible at each point in time on which data set the artificial intelligence of the control device 100 is based or on which level of knowledge the control device 100 operates in its control behavior.
  • FIG. 4 shows a second exemplary embodiment of a control device 100 which can be used in the rail vehicles 10, 11 and 12 according to FIGS. 1 and 2.
  • the control device 100 according to FIG. 4 has been trained by means of an external trainer device 200 or an external training program TPM, as has already been explained in connection with FIG. 3 above.
  • the external training by the external trainer 200 may be based on external data De, measurement data Dm and route data Ds;
  • the control device 100 according to FIG. 4 additionally has its own training program TPMe in the memory 120, which allows a further training of the control device 100 and thus a further improvement of the artificial intelligence of the control device 100.
  • the further training of the STEU er worn 100 by means of its own or internal training program TPMe is preferably based on current measurement data Dma, the current journeys of the respective rail vehicles 10, 11 and 12, ie after completion of the external training by the external Trainier worn 200, recorded and processed.
  • An advantage of the embodiment according to Figure 4 is that a further improvement of the artificial Intel ligence and thus the control behavior of the control device 100 can be achieved by the fact that after completion of ex-external training by the external Trainier worn 200 additionally up to date measurement data Dma for training be pulled, so that the control behavior and thus the performance of the rail vehicle on further trips compared to the original knowledge or the original learning success can be improved.
  • FIG. 5 shows a third exemplary embodiment of a control device 100 that can be used in the rail vehicles 10, 11 and 12 according to FIGS. 1 and 2.
  • the control device 100 has a computer 110 and a memory 120 cher and corresponds to the extentconsbeispie len according to Figures 3 and 4.
  • a training program TPMe is stored in the memory 120 of the control device 100 according to FIG. 5, which carries out the machine learning and thus the generation of the artificial intelligence of the control program SPM completely by itself.
  • the control unit's own Training program TPMe preferably external data De, Messda th Dm, track data Ds and current measurement data Dma hen hen hen, as has been explained in connection with Figures 3 and 4 above.
  • An advantage of the embodiment according to FIG. 5 is that it is possible to dispense with an external trainer 200, as seen in the exemplary embodiments according to FIGS. 3 and 4, since the control program module SPM is based solely on its own training program TPMe can be generated in the memory 120 of the controller 100.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

The invention relates, inter alia, to a rail vehicle (10, 11, 12) having a control device (100) for controlling the rail vehicle (10, 11, 12). According to the invention, the control device (100) is based on artificial intelligence and has been trained to control the rail vehicle (10, 11, 12) on at least one predefined section of track.

Description

Beschreibung description
Schienenfahrzeug mit Steuereinrichtung Rail vehicle with control device
Die Erfindung bezieht sich auf ein Schienenfahrzeug mit einer Steuereinrichtung zum Steuern des Schienenfahrzeugs. The invention relates to a rail vehicle with a control device for controlling the rail vehicle.
Schienenfahrzeuge werden heutzutage über übergeordnete Über wachungseinrichtungen in Form von Stellwerken gesteuert. Eine solche Steuerung bzw. Kontrolle durch das Stellwerk setzt ei ne permanente Kommunikationsverbindung zu den Schienenfahr zeugen in dem vom Stellwerk kontrollierten Gleisabschnitt vo raus . Rail vehicles are now controlled by higher-level monitoring devices in the form of signal boxes. Such control or control by the interlocking sets ei ne permanent communication connection to the rail vehicle witness in the controlled by the interlocking track section from vo.
Der Erfindung liegt die Aufgabe zugrunde, ein Schienenfahr zeug anzugeben, das einen selbständigeren Fährbetrieb als bisher ermöglicht. The invention has for its object to provide a train convincing that allows a more independent ferry than before.
Diese Aufgabe wird erfindungsgemäß durch ein Schienenfahrzeug mit den Merkmalen gemäß Patentanspruch 1 gelöst. Vorteilhafte Ausgestaltungen des erfindungsgemäßen Schienenfahrzeugs sind in Unteransprüchen angegeben. This object is achieved by a rail vehicle with the features according to claim 1. Advantageous embodiments of the rail vehicle according to the invention are specified in subclaims.
Danach ist erfindungsgemäß vorgesehen, dass die Steuerein richtung auf künstlicher Intelligenz basiert und zum Steuern des Schienenfahrzeugs auf zumindest einer vorgegebenen Stre cke trainiert worden ist. Das Schienenfahrzeug weist erfin dungsgemäß außerdem eine Kommunikationseinrichtung für eine direkte Kommunikation mit in der Nähe befindlichen Schienen fahrzeugen auf. According to the invention, it is provided that the control device is based on artificial intelligence and has been trained to control the rail vehicle on at least one predetermined path. The rail vehicle also has inven tion according to a communication device for direct communication with nearby rail vehicles.
Ein wesentlicher Vorteil des erfindungsgemäßen Schienenfahr zeugs ist darin zu sehen, dass dieses auf künstlicher Intel ligenz basiert und insofern mit Blick auf die heutzutage zur Verfügung stehende Rechenleistung von Rechnern in sehr einfa cher Weise in die Lage versetzt werden kann, eine Eisenbahn gleisanlage vollständig autark, insbesondere beispielsweise ohne stellwerkseitige Überwachung, oder zumindest weitgehend autark in sicherer Weise zu befahren. Selbstverständlich kann zusätzlich zur Erhöhung der Sicherheit noch ein Stellwerk eingesetzt werden, jedoch ist dies nicht immer erforderlich. A significant advantage of the rail vehicle according to the invention is the fact that it is based on artificial Intel ligence and can thus be put into a position with regard to the computing power of computers available today in a very simple way. in particular, for example, without interlocking monitoring, or at least largely to drive independently in a safe manner. Of course, in addition to increasing the security nor a signal box can be used, but this is not always necessary.
Vorteilhaft ist es, wenn die Steuereinrichtung auf der Basis externer Daten durch maschinelles Lernen trainiert worden ist . It is advantageous if the control device has been trained on the basis of external data by machine learning.
Besonders vorteilhaft ist es, wenn die Steuereinrichtung auf der Basis von Messdaten trainiert worden ist, die bei frühe ren Fahrten des Schienenfahrzeugs oder eines anderen Schie nenfahrzeugs mit gleichem Fahrverhalten auf der vorgegebenen Strecke zuvor aufgenommen worden sind. It is particularly advantageous if the control device has been trained on the basis of measured data which have been previously recorded on earlier travel of the rail vehicle or of another rail vehicle with the same driving behavior on the given route.
Zusätzlich oder alternativ kann die Steuereinrichtung in vor teilhafter Weise auf der Basis von Streckendaten trainiert werden bzw. worden sein, die die vorgegebene Strecke be schreiben . Additionally or alternatively, the control device may be trained in front of some manner on the basis of route data or be that write the predetermined distance be.
Auch ist es vorteilhaft, wenn die Steuereinrichtung während Fahrten auf der vorgegebenen Strecke Messdaten erfasst, diese speichert und zum nachfolgenden maschinellen Lernen zum Zwe cke der Verbesserung ihres Steuerverhaltens verwendet, also mit den erfassten Messdaten im Rahmen maschinellen Lernens ihr Steuerverhalten verbessert. It is also advantageous if the control device records measured data during travel on the predetermined route, stores it and uses it for subsequent machine learning to improve its control behavior, ie improves its control behavior with the acquired measurement data in the course of machine learning.
Mit Blick auf die letztgenannte Variante wird es als vorteil haft angesehen, wenn die Steuereinrichtung derart trainiert worden ist, dass sie bei der Steuerung des Schienenfahrzeugs Informationen anderer auf der Strecke fahrender Schienenfahr zeuge, insbesondere eines vorausfahrenden Schienenfahrzeugs, berücksichtigt, insbesondere Ortsinformationen, Geschwindig- keitsinformationen und/oder Fahrplaninformationen anderer Schienenfahrzeuge . With regard to the latter variant, it is considered advantageous if the control device has been trained such that it in the control of the rail vehicle information other traveling on the track rail vehicles, in particular a preceding rail vehicle takes into account, in particular location information, speed keitsinformationen and / or timetable information of other rail vehicles.
Die Steuereinrichtung wird vorzugsweise insbesondere derart trainiert, dass sie bei der Steuerung des Schienenfahrzeugs einen vorgegebenen Mindestabstand zu einem vorausfahrenden Schienenfahrzeug einhält. The control device is preferably in particular trained in such a way that it controls the rail vehicle maintains a predetermined minimum distance to a preceding rail vehicle.
Für Strecken mit einer verfügbaren, übergeordneten Überwa chungseinrichtung, insbesondere einem Stellwerk, ist es vor teilhaft, wenn die Steuereinrichtung derart trainiert worden ist, dass sie bei der Steuerung des Schienenfahrzeugs Steuer befehle der übergeordneten Überwachungseinrichtung bzw. des Stellwerks, berücksichtigt, insbesondere ausführt. For routes with an available, superordinate monitoring device, in particular an interlocking, it is advantageous if the control device has been trained in such a way that it controls the superordinate monitoring device or interlocking in the control of the rail vehicle, takes into account, in particular executes.
Die Steuereinrichtung ist vorzugsweise für einen ATO- Fahrbetrieb, insbesondere einen ATO-Fahrbetrieb mit der Auto matisierungsstufe 4, und/oder für einen Fährbetrieb gemäß ETCS Level 3 trainiert worden. The control device has preferably been trained for an ATO driving operation, in particular an ATO driving operation with the automation stage 4, and / or for a ferry operation according to ETCS Level 3.
Die Erfindung bezieht sich darüber hinaus auf ein Verfahren zum Betreiben von Schienenfahrzeugen. The invention also relates to a method for operating rail vehicles.
Erfindungsgemäß ist vorgesehen, dass die Schienenfahrzeuge von fahrzeugeigenen Steuereinrichtungen gesteuert werden, die auf künstlicher Intelligenz basieren und zum Steuern des je weiligen Schienenfahrzeugs auf der zu befahrenden Strecke trainiert worden sind, wobei zueinander in der Nähe befindli che Schienenfahrzeuge direkt miteinander kommunizieren. Be züglich der Vorteile des erfindungsgemäßen Verfahrens sei auf die obigen Ausführungen im Zusammenhang mit dem erfindungsge mäßen Schienenfahrzeug verwiesen. According to the invention it is provided that the rail vehicles are controlled by on-board control devices based on artificial intelligence and have been trained to control each respective rail vehicle on the route to be traveled, with each other in the vicinity befindli rail vehicles communicate directly with each other. With regard to the advantages of the method according to the invention, reference is made to the above statements in connection with the rail vehicle according to the invention.
Die Schienenfahrzeuge fahren vorzugsweise autonom. The rail vehicles preferably drive autonomously.
Die Steuereinrichtungen berücksichtigen bei der Steuerung ih res Schienenfahrzeugs vorzugsweise Informationen anderer auf der Strecke fahrender Schienenfahrzeuge, insbesondere eines vorausfahrenden Schienenfahrzeugs, insbesondere Ortsinforma tionen, Geschwindigkeitsinformationen und/oder Fahrplaninfor mationen anderer Schienenfahrzeuge. Auch ist es vorteilhaft, wenn die Steuereinrichtungen während Fahrten auf der vorgegebenen Strecke Messdaten erfassen, die se speichern und zum nachfolgenden maschinellen Lernen ver wenden und dadurch ihre künstliche Intelligenz erhöhen. When controlling their rail vehicle, the control devices preferably take into account information from other rail vehicles traveling on the route, in particular from a preceding rail vehicle, in particular location information, speed information and / or timetable information from other rail vehicles. It is also advantageous if the control devices during measurements on the predetermined route acquire measurement data that save se and turn ver for subsequent machine learning and thereby increase their artificial intelligence.
Im Falle einer erkannten Gefahrensituation übernimmt vorzugs weise eine übergeordnete Überwachungseinrichtung, insbesonde re ein Stellwerk, die Steuerung der Schienenfahrzeuge ganz oder in Teilen. Bevorzugt übermittelt sie zu dem Zwecke Steu erbefehle an die Steuereinrichtungen der Schienenfahrzeuge. In the event of a detected dangerous situation takes preference, a higher-level monitoring device, insbesonde a signal box, the control of rail vehicles in whole or in part. It preferably transmits control commands to the control devices of the rail vehicles for the purpose.
Die Erfindung wird nachfolgend anhand von Ausführungsbeispie len näher erläutert; dabei zeigen beispielhaft The invention will be explained in more detail with reference to Ausführungsbeispie sources; thereby show by way of example
Figur 1 ein Ausführungsbeispiel für eine Eisenbahngleisan lage, die von Ausführungsbeispielen für erfindungs gemäße Schienenfahrzeuge befahren wird, wobei an hand der Eisenbahngleisanlage gemäß Figur 1 ein Ausführungsbeispiel für ein erfindungsgemäßes Ver fahren näher erläutert wird, 1 shows an embodiment of a Eisenbahngleisan situation, which is traversed by embodiments of fiction, contemporary rail vehicles, wherein on the hand of the railway track system according to Figure 1 an embodiment of an inventive Ver drive is explained in more detail,
Figur 2 ein Ausführungsbeispiel für eine Eisenbahngleisan lage, bei der eine übergeordnete Überwachungsein richtung in Form eines Stellwerks vorhanden ist, das auf das Verhalten der die Eisenbahngleisanlage befahrenden Schienenfahrzeuge Einfluss nehmen kann, FIG. 2 shows an exemplary embodiment of a railway track system in which a higher-level monitoring device in the form of an interlocking system is present, which can influence the behavior of the rail vehicles traveling on the railway track system,
Figur 3 ein Ausführungsbeispiel für eine Steuereinrichtung, die bei den Schienenfahrzeugen gemäß den Figuren 1 und 2 eingesetzt werden kann, wobei die Steuerein richtung gemäß Figur 3 durch eine externe Trainier einrichtung trainiert worden ist, 3 shows an exemplary embodiment of a control device which can be used in the rail vehicles according to FIGS. 1 and 2, wherein the control device according to FIG. 3 has been trained by an external training device,
Figur 4 ein Ausführungsbeispiel für eine Steuereinrichtung, die bei den Schienenfahrzeugen gemäß den Figuren 1 und 2 eingesetzt werden kann, wobei die Steuerein richtung sowohl durch eine externe Trainiereinrich- tung als auch durch ein internes Trainierprogramm trainiert worden ist bzw. trainiert wird, und 4 shows an exemplary embodiment of a control device which can be used in the rail vehicles according to FIGS. 1 and 2, the control device being characterized both by an external trainer device. training as well as being trained by an internal training program, and
Figur 5 ein Ausführungsbeispiel für eine Steuereinrichtung, die bei den Schienenfahrzeugen gemäß den Figuren 1 und 2 eingesetzt werden kann, wobei die Steuerein richtung ausschließlich durch ein internes Trai nierprogramm trainiert wird bzw. worden ist. Figure 5 shows an embodiment of a control device that can be used in the rail vehicles according to Figures 1 and 2, wherein the Steuerein direction is trained exclusively by an internal Trai nierprogramm or has been.
In den Figuren werden der Übersicht halber für identische o- der vergleichbare Komponenten stets dieselben Bezugszeichen verwendet . For the sake of clarity, the same reference numerals are always used in the figures for identical or similar components.
Die Figur 1 zeigt eine Eisenbahngleisanlage 5, die von drei Schienenfahrzeugen 10, 11, 12 befahren wird. Die Schienen fahrzeuge 10, 11 und 12 weisen jeweils eine Steuereinrichtung 100 auf, die auf künstlicher Intelligenz basiert und zum Steuern ihres jeweiligen Schienenfahrzeugs auf zumindest ei ner vorgegebenen Strecke trainiert worden ist. 1 shows a railway track system 5, which is used by three rail vehicles 10, 11, 12. The rail vehicles 10, 11 and 12 each have a control device 100 which is based on artificial intelligence and has been trained to control their respective rail vehicle on at least egg ner predetermined distance.
Bei dem Ausführungsbeispiel gemäß Figur 1 wird beispielhaft davon ausgegangen, dass die Steuereinrichtungen 100 der In the exemplary embodiment according to FIG. 1, it is assumed by way of example that the control devices 100 of FIG
Schienenfahrzeuge 10, 11 und 12 jeweils derart programmiert sind, dass die Schienenfahrzeuge 10, 11 und 12 von einem Startpunkt 20 der Eisenbahngleisanlage 5 zu einem in der Fi gur 1 oberen Zielpunkt 21 und/oder einem unteren Zielpunkt 22 fahren können und in entsprechender Weise von den beiden Zielpunkten 21 und 22 jeweils wieder zum Startpunkt 20 zu rückkehren können. Rail vehicles 10, 11 and 12 are each programmed so that the rail vehicles 10, 11 and 12 can go from a starting point 20 of the railway track 5 to a gur in the fi gure 1 upper target point 21 and / or a lower target point 22 and in a corresponding manner of the two target points 21 and 22 can each return to the starting point 20 again.
Um ein abgestimmtes Fahrverhalten der Schienenfahrzeuge 10,In order to achieve a coordinated driving behavior of the rail vehicles 10,
11 und 12 untereinander zu ermöglichen, ist es vorteilhaft, wenn die Schienenfahrzeuge 10, 11 und 12 mittels nicht näher gezeigter Kommunikationseinrichtungen, die in oder außerhalb der Steuereinrichtungen 100 angeordnet sein können, unterei nander kommunizieren. Eine solche Kommunikation kann bei spielsweise auf Funksignalen F basieren, wie dies beispiel haft in der Figur 1 gezeigt ist. Die Funkkommunikation kann auf dem in der Eisenbahntechnik bekannten GSM-R-Mobilfunk- system basieren oder auf einem anderen Mobilfunksystem. Auch ist es denkbar, dass die Schienenfahrzeuge 10, 11 und 12 un mittelbar per Funk miteinander kommunizieren, also ohne Inan spruchnahme eines übergeordneten Kommunikationsnetzes. 11 and 12 to enable each other, it is advantageous if the rail vehicles 10, 11 and 12 communicate by means not shown in detail communication devices that can be located in or outside of the control devices 100, unfree nander. Such communication may be based, for example, on radio signals F, as shown by way of example in FIG. The radio communication can based on the known in railway engineering GSM-R mobile radio system or on another mobile radio system. It is also conceivable that the rail vehicles 10, 11 and 12 un indirectly communicate with each other by radio, so without Inan claiming a parent communication network.
Die Figur 2 zeigt ein zweites Ausführungsbeispiel für eine Eisenbahngleisanlage 5, die von drei Schienenfahrzeugen 10,2 shows a second embodiment of a railway track system 5, of three rail vehicles 10,
11 und 12 befahren wird. Auch bei der Eisenbahngleisanlage 5 gemäß Figur 2 weisen die Schienenfahrzeuge 10, 11 und 12 je weils Steuereinrichtungen 100 auf, die auf künstlicher Intel ligenz basieren und zum Steuern des jeweiligen Schienenfahr zeugs mit Blick auf das Befahren zumindest einer vorgegebenen Strecke, hier also zwischen dem Startpunkt 20 und den beiden Zielpunkten 21 und 22, trainiert worden sind. 11 and 12 is driven. Also in the railway track 5 according to Figure 2, the rail vehicles 10, 11 and 12 depending Weil control devices 100 based on artificial Intel ligenz and to control the respective rail ve hicle with a view of driving at least a predetermined distance, here between the starting point 20 and the two target points 21 and 22, have been trained.
Im Unterschied zu dem Ausführungsbeispiel gemäß Figur 1 ist bei der Eisenbahngleisanlage 5 gemäß Figur 2 zusätzlich ein Stellwerk 30 vorgesehen, das eine übergeordnete Überwachungs einrichtung bildet und an die Schienenfahrzeuge 10, 11 und 12 Steuerbefehle SB übermitteln kann, die von den Schienenfahr zeugen 10, 11 und 12 zu berücksichtigen sind. Eine solche Überwachung bzw. zusätzliche Steuerung des Schienenfahrzeug verkehrs auf der Eisenbahngleisanlage 5 durch das Stellwerk 30 wird insbesondere dann vorgenommen, wenn das Stellwerk 30 feststellt, dass sich die die Eisenbahngleisanlage 5 befah renden Schienenfahrzeuge 10, 11 und 12 in einer Gefahrensitu ation befinden oder sich einer Gefahrensituation nähern. In contrast to the embodiment of Figure 1, a signal box 30 is additionally provided in the railway track system 5 according to Figure 2, which forms a higher-level monitoring device and can transmit to the rail vehicles 10, 11 and 12 control commands SB, which testify of the rail 10, 11th and 12 are to be considered. Such monitoring or additional control of the rail vehicle traffic on the railway track system 5 through the interlocking 30 is made in particular when the interlocking 30 determines that the railway track 5 befah ing rail vehicles 10, 11 and 12 are in a Dangerensitu tion or himself to approach a dangerous situation.
Die Steuereinrichtung 100 ist bei den Schienenfahrzeugen 10, 11 und 12 durch maschinelles Lernen derart trainiert worden, dass die Schienenfahrzeuge 10, 11 und 12 in einem automati schen Fährbetrieb, fachsprachlich auch ATO-Fahrbetrieb ge nannt, fahren können. Besonders bevorzugt wird ein vollstän dig autonomes Fahren gemäß der Automatisierungsstufe 4 er reicht . Um ein abgestimmtes Fahrverhalten der Schienenfahrzeuge 10,The control device 100 has been trained in the rail vehicles 10, 11 and 12 by machine learning such that the rail vehicles 10, 11 and 12 in an automatic rule ferry operation, ge also technical ATO driving called, can drive. Particularly preferred is a completeness dig autonomous driving according to the automation level 4 he goes. In order to achieve a coordinated driving behavior of the rail vehicles 10,
11 und 12 untereinander zu ermöglichen, ist es auch bei dem Ausführungsbeispiel gemäß der Figur 2 vorteilhaft, wenn die Schienenfahrzeuge 10, 11 und 12 mittels ihrer Steuereinrich tungen 100 untereinander kommunizieren können; diesbezüglich sei auf die obigen Erläuterungen im Zusammenhang mit der Fi gur 1 verwiesen. 11 and 12 to enable each other, it is also advantageous in the embodiment shown in Figure 2, when the rail vehicles 10, 11 and 12 lines by means of their Steuereinrich 100 can communicate with each other; In this regard, reference is made to the above explanations in connection with Fi gur 1.
Das Stellwerk 30 gemäß Figur 2 wird etwaige Steuerbefehle SB zum Steuern bzw. Beeinflussen des Fahrverhaltens der Schie nenfahrzeuge 10, 11 und 12 vorzugsweise über Funk übermit teln. Vorteilhaft ist es, wenn das Stellwerk 30 das gleiche Funksystem verwendet wie die Schienenfahrzeuge 10, 11 und 12 im Rahmen ihrer Kommunikation untereinander. The interlocking 30 of Figure 2 is any control commands SB for controlling or influencing the driving behavior of the slide nenfahrzeuge 10, 11 and 12 preferably via radio übermit. It is advantageous if the signal box 30 uses the same radio system as the rail vehicles 10, 11 and 12 in the context of their communication with each other.
Die Figur 3 zeigt ein Ausführungsbeispiel für eine Steuerein richtung 100, die bei den Schienenfahrzeugen 10, 11 und 12 gemäß den Figuren 1 und 2 eingesetzt werden kann. Die Steuer einrichtung 100 gemäß Figur 3 weist einen Rechner 110 und ei nen Speicher 120 auf. In dem Speicher 120 ist ein Steuerpro grammmodul SPM abgespeichert, das das Verhalten des Rechners 110 und damit das Steuerverhalten der Steuereinrichtung 100 insgesamt festlegt. 3 shows an embodiment of a Steuerein device 100, which can be used in the rail vehicles 10, 11 and 12 according to Figures 1 and 2. The control device 100 according to FIG. 3 has a computer 110 and a memory 120. In the memory 120 a Steuerpro program module SPM is stored, which determines the behavior of the computer 110 and thus the control behavior of the controller 100 in total.
Das Steuerprogrammmodul SPM ist bei dem Ausführungsbeispiel gemäß Figur 3 durch maschinelles Lernen mittels einer exter nen Trainiereinrichtung 200 erzeugt worden. Die externe Trai niereinrichtung 200 verwendet zum Trainieren des Steuerpro grammmoduls SPM bzw. zum Bilden des Steuerprogrammmoduls SPM vorzugsweise externe Daten De, die von externen Quellen ge liefert werden. Die externen Daten können beispielsweise Fahrverhaltensdaten umfassen, die das Fahrverhalten des je weiligen Schienenfahrzeugs 10, 11 bzw. 12 beschreiben. The control program module SPM has been generated in the embodiment according to FIG. 3 by machine learning by means of an external trainer device 200. The external Trai niereinrichtung 200 preferably used for training the Steuerpro gram module SPM or for forming the control program module SPM external data de, which are supplied by external sources GE. The external data may include, for example, driving behavior data describing the driving behavior of the respective rail vehicle 10, 11 and 12, respectively.
Darüber hinaus verwendet die Trainiereinrichtung 200 gemäß Figur 3 zum Trainieren des Steuerprogramms SPM vorzugsweise Messdaten Dm, die bei früheren Fahrten des jeweiligen Schie nenfahrzeugs oder eines anderen Schienenfahrzeugs mit glei- chem oder ähnlichem Fahrverhalten auf der vorgegebenen Stre cke bzw. der Eisenbahngleisanlage 5 gemäß den Figuren 1 und 2 zuvor aufgenommen worden sind. In addition, the trainer device 200 according to FIG. 3 for training the control program SPM preferably uses measured data Dm which is included in earlier journeys of the respective rail vehicle or another rail vehicle. chem or similar driving behavior on the given Stre cke or the railway track system 5 according to Figures 1 and 2 have been previously recorded.
Alternativ oder zusätzlich wird die Trainiereinrichtung 200 in vorteilhafter Weise Streckendaten Ds zum Trainieren des Steuerprogramms SPM heranziehen, die die zu befahrenen Stre cken zwischen dem Startpunkt 20 und den beiden Zielpunkten 21 und 22 bzw. die Eisenbahngleisanlage 5 gemäß den Figuren 1 und 2 vollständig beschreiben. Alternatively or additionally, the trainer device 200 will advantageously use route data Ds for training the control program SPM, which completely describe the routes to be traveled between the starting point 20 and the two target points 21 and 22 or the railway track system 5 according to FIGS. 1 and 2.
Die Trainiereinrichtung 200 weist zum Trainieren der Steuer einrichtung 100 vorzugsweise ein in einem Speicher 220 ge speichertes Trainierprogramm TPM auf, das von einer Rechen einrichtung 210 der Trainiereinrichtung 200 ausgeführt wird. The trainer device 200 has for training the control device 100 preferably in a memory 220 ge stored training program TPM, the device of a computing 210 of Trainiereinrichtung 200 is executed.
Bei dem Ausführungsbeispiel gemäß Figur 3 wird das Steuerpro grammmodul SPM und damit das Steuerverhalten der Steuerein richtung 100 vor der Inbetriebnahme der Schienenfahrzeuge 10, 11 und 12 also vollständig festgelegt und bleibt danach un verändert. Eine solche Ausgestaltung der Steuereinrichtung 100 ist insbesondere mit Blick darauf von Vorteil, dass zu jedem Zeitpunkt nachvollziehbar ist, auf welchem Datensatz die künstliche Intelligenz der Steuereinrichtung 100 basiert bzw. auf welchem Wissensstand die Steuereinrichtung 100 bei ihrem Steuerverhalten arbeitet. In the embodiment according to FIG. 3, the control program module SPM and thus the control behavior of the control device 100 are therefore completely set before the rail vehicles 10, 11 and 12 are put into operation and then remain unchanged. Such an embodiment of the control device 100 is particularly advantageous in view of the fact that it is comprehensible at each point in time on which data set the artificial intelligence of the control device 100 is based or on which level of knowledge the control device 100 operates in its control behavior.
Die Figur 4 zeigt ein zweites Ausführungsbeispiel für eine Steuereinrichtung 100, die bei den Schienenfahrzeugen 10, 11 und 12 gemäß den Figuren 1 und 2 eingesetzt werden kann. Die Steuereinrichtung 100 gemäß Figur 4 ist mittels einer exter nen Trainiereinrichtung 200 bzw. einem externen Trainierpro gramm TPM trainiert worden, wie dies im Zusammenhang mit der Figur 3 oben bereits erläutert worden ist. Das externe Trai nieren mittels der externen Trainiereinrichtung 200 kann auf externen Daten De, Messdaten Dm und Streckendaten Ds beruhen; in diesem Zusammenhang sei auf die obigen Erläuterungen im Zusammenhang mit der Figur 3 verwiesen. Im Unterschied zu dem Ausführungsbeispiel gemäß Figur 3 weist die Steuereinrichtung 100 gemäß Figur 4 im Speicher 120 zu sätzlich ein eigenes Trainierprogramm TPMe auf, das ein wei teres Trainieren der Steuereinrichtung 100 und damit eine weitere Verbesserung der künstlichen Intelligenz der Steuer einrichtung 100 ermöglicht. Das weitere Trainieren der Steu ereinrichtung 100 mittels des eigenen bzw. internen Trainier programms TPMe basiert vorzugsweise auf aktuellen Messdaten Dma, die bei aktuellen Fahrten des jeweiligen Schienenfahr zeugs 10, 11 bzw. 12, also nach Abschluss des externen Trai- nierens durch die externe Trainiereinrichtung 200, erfasst und verarbeitet werden. FIG. 4 shows a second exemplary embodiment of a control device 100 which can be used in the rail vehicles 10, 11 and 12 according to FIGS. 1 and 2. The control device 100 according to FIG. 4 has been trained by means of an external trainer device 200 or an external training program TPM, as has already been explained in connection with FIG. 3 above. The external training by the external trainer 200 may be based on external data De, measurement data Dm and route data Ds; In this context, reference is made to the above explanations in connection with FIG. In contrast to the embodiment according to FIG. 3, the control device 100 according to FIG. 4 additionally has its own training program TPMe in the memory 120, which allows a further training of the control device 100 and thus a further improvement of the artificial intelligence of the control device 100. The further training of the STEU ereinrichtung 100 by means of its own or internal training program TPMe is preferably based on current measurement data Dma, the current journeys of the respective rail vehicles 10, 11 and 12, ie after completion of the external training by the external Trainiereinrichtung 200, recorded and processed.
Ein Vorteil des Ausführungsbeispiels gemäß Figur 4 besteht darin, dass eine weitere Verbesserung der künstlichen Intel ligenz und damit des Steuerverhaltens der Steuereinrichtung 100 dadurch erreicht werden kann, dass nach Abschluss des ex ternen Trainierens durch die externe Trainiereinrichtung 200 zusätzlich noch aktuelle Messdaten Dma zum Trainieren heran gezogen werden, so dass das Steuerverhalten und damit das Fahrverhalten des Schienenfahrzeugs bei weiteren Fahrten ge genüber dem ursprünglichen Wissensstand bzw. dem ursprüngli chen Lernerfolg verbessert werden kann. An advantage of the embodiment according to Figure 4 is that a further improvement of the artificial Intel ligence and thus the control behavior of the control device 100 can be achieved by the fact that after completion of ex-external training by the external Trainiereinrichtung 200 additionally up to date measurement data Dma for training be pulled, so that the control behavior and thus the performance of the rail vehicle on further trips compared to the original knowledge or the original learning success can be improved.
Die Figur 5 zeigt ein drittes Ausführungsbeispiel für eine Steuereinrichtung 100, die bei den Schienenfahrzeugen 10, 11 und 12 gemäß den Figuren 1 und 2 eingesetzt werden kann. Die Steuereinrichtung 100 weist einen Rechner 110 und einen Spei cher 120 auf und entspricht insoweit den Ausführungsbeispie len gemäß den Figuren 3 und 4. FIG. 5 shows a third exemplary embodiment of a control device 100 that can be used in the rail vehicles 10, 11 and 12 according to FIGS. 1 and 2. The control device 100 has a computer 110 and a memory 120 cher and corresponds to the extent Ausführungsbeispie len according to Figures 3 and 4.
Im Unterschied zu den Ausführungsbeispielen gemäß den Figuren 3 und 4 ist in dem Speicher 120 der Steuereinrichtung 100 ge mäß Figur 5 ein Trainierprogramm TPMe abgespeichert, das das maschinelle Lernen und damit die Erzeugung der künstlichen Intelligenz des Steuerprogramms SPM vollständig allein selbst durchführt. Zu diesem Zweck wird das steuereinrichtungseigene Trainierprogramm TPMe vorzugsweise externe Daten De, Messda ten Dm, Streckendaten Ds und aktuelle Messdaten Dma heranzie hen, wie dies im Zusammenhang mit den Figuren 3 und 4 oben erläutert worden ist. In contrast to the exemplary embodiments according to FIGS. 3 and 4, a training program TPMe is stored in the memory 120 of the control device 100 according to FIG. 5, which carries out the machine learning and thus the generation of the artificial intelligence of the control program SPM completely by itself. For this purpose, the control unit's own Training program TPMe preferably external data De, Messda th Dm, track data Ds and current measurement data Dma hen hen hen, as has been explained in connection with Figures 3 and 4 above.
Ein Vorteil der Ausführungsvariante gemäß Figur 5 besteht da rin, dass auf eine externe Trainiereinrichtung 200, wie sie bei den Ausführungsbeispielen gemäß den Figuren 3 und 4 vor gesehen ist, verzichtet werden kann, da das Steuerprogrammmo dul SPM allein auf der Basis des eigenen Trainierprogramms TPMe im Speicher 120 der Steuereinrichtung 100 erzeugt werden kann . An advantage of the embodiment according to FIG. 5 is that it is possible to dispense with an external trainer 200, as seen in the exemplary embodiments according to FIGS. 3 and 4, since the control program module SPM is based solely on its own training program TPMe can be generated in the memory 120 of the controller 100.
Obwohl die Erfindung im Detail durch bevorzugte Ausführungs beispiele näher illustriert und beschrieben wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen. Although the invention has been illustrated and described in detail by way of preferred embodiments, the invention is not limited by the disclosed examples, and other variations can be derived therefrom by those skilled in the art without departing from the scope of the invention.
Bezugszeichenliste LIST OF REFERENCE NUMBERS
5 Eisenbahngleisanlage 5 railway track
10 Schienenfahrzeug  10 rail vehicle
11 Schienenfahrzeug  11 rail vehicle
12 Schienenfahrzeug  12 rail vehicle
20 Startpunkt  20 starting point
21 Zielpunkt  21 target point
22 Zielpunkt  22 target point
30 Stellwerk 30 signal box
100 Steuereinrichtung  100 control device
110 Rechner 110 computers
120 Speicher 120 memories
200 Trainiereinrichtung 200 trainer device
210 Recheneinrichtung 210 computing device
220 Speicher 220 memory
De Daten De data
Dm Messdaten Dm measurement data
Dma Messdaten Dma measurement data
Ds Streckendaten Ds route data
F Funksignal F radio signal
SB Steuerbefehl SB control command
SPM Steuerprogrammmodul SPM control program module
TPM Trainierprogramm TPM training program
TPMe steuereinrichtungseigenes Trainierprogramm  TPMe control unit's own training program

Claims

Patentansprüche claims
1. Schienenfahrzeug (10, 11, 12) mit einer Steuereinrichtung1. rail vehicle (10, 11, 12) with a control device
(100) zum Steuern des Schienenfahrzeugs (10, 11, 12), wobei die Steuereinrichtung (100) auf künstlicher Intelligenz ba siert und zum Steuern des Schienenfahrzeugs (10, 11, 12) auf zumindest einer vorgegebenen Strecke trainiert worden ist, d a d u r c h g e k e n n z e i c h n e t, dass (100) for controlling the rail vehicle (10, 11, 12), wherein the control device (100) is based on artificial intelligence and has been trained to control the rail vehicle (10, 11, 12) on at least one predetermined distance
das Schienenfahrzeug (10, 11, 12) eine Kommunikationseinrich tung für eine direkte Kommunikation mit in der Nähe befindli chen Schienenfahrzeugen aufweist. the rail vehicle (10, 11, 12) has a communication device for direct communication with nearby rail vehicles.
2. Schienenfahrzeug (10, 11, 12) nach Anspruch 1, 2. Rail vehicle (10, 11, 12) according to claim 1,
d a d u r c h g e k e n n z e i c h n e t, dass d a d u r c h e c e n c i n e s that
die Steuereinrichtung (100) auf der Basis externer Daten (De) durch maschinelles Lernen trainiert worden ist. the controller (100) has been trained on the basis of external data (De) by machine learning.
3. Schienenfahrzeug (10, 11, 12) nach einem der voranstehen den Ansprüche, 3. rail vehicle (10, 11, 12) according to one of the preceded claims,
d a d u r c h g e k e n n z e i c h n e t, dass d a d u r c h e c e n c i n e s that
die Steuereinrichtung (100) auf der Basis von Messdaten (Dm) trainiert worden ist, die bei früheren Fahrten des Schienen fahrzeugs (10, 11, 12) oder eines anderen Schienenfahrzeugs (10, 11, 12) mit gleichem Fahrverhalten auf der vorgegebenenthe control device (100) has been trained on the basis of measurement data (Dm), which in earlier trips of the rail vehicle (10, 11, 12) or another rail vehicle (10, 11, 12) with the same behavior on the given
Strecke zuvor aufgenommen worden sind. Track previously recorded.
4. Schienenfahrzeug (10, 11, 12) nach einem der voranstehen den Ansprüche, 4. rail vehicle (10, 11, 12) according to one of the preceded claims,
d a d u r c h g e k e n n z e i c h n e t, dass d a d u r c h e c e n c i n e s that
die Steuereinrichtung (100) auf der Basis von Streckendaten (Ds) trainiert worden ist, die die vorgegebene Strecke be schreiben . the controller (100) has been trained on the basis of route data (Ds) writing the predetermined route be.
5. Schienenfahrzeug (10, 11, 12) nach einem der voranstehen den Ansprüche, 5. rail vehicle (10, 11, 12) according to one of the preceded claims,
d a d u r c h g e k e n n z e i c h n e t, dass d a d u r c h e c e n c i n e s that
die Steuereinrichtung (100) während Fahrten auf der vorgege benen Strecke aktuelle Messdaten (Dma) erfasst, diese spei- chert und zum nachfolgenden maschinellen Lernen zum Zwecke der Verbesserung ihres Steuerverhaltens verwendet. the control device (100) detects current measured data (Dma) during travel on the predetermined route, and for subsequent machine learning for the purpose of improving their tax performance.
6. Schienenfahrzeug (10, 11, 12) nach einem der voranstehen den Ansprüche, 6. Rail vehicle (10, 11, 12) according to one of the preceded claims,
d a d u r c h g e k e n n z e i c h n e t, dass d a d u r c h e c e n c i n e s that
die Steuereinrichtung (100) derart trainiert worden ist, dass sie bei der Steuerung des Schienenfahrzeugs (10, 11, 12) In formationen anderer auf der Strecke fahrender Schienenfahr zeuge (10, 11, 12), insbesondere eines vorausfahrenden Schie nenfahrzeugs (10, 11, 12), berücksichtigt, insbesondere Orts informationen, Geschwindigkeitsinformationen und/oder Fahr planinformationen anderer Schienenfahrzeuge (10, 11, 12). the control device (100) has been trained such that in the control of the rail vehicle (10, 11, 12) in formations of other on the track moving rail vehicles (10, 11, 12), in particular a preceding rail nenfahrzeugs (10, 11 , 12), takes into account, in particular location information, speed information and / or driving plan information of other rail vehicles (10, 11, 12).
7. Schienenfahrzeug (10, 11, 12) nach einem der voranstehen den Ansprüche, 7. rail vehicle (10, 11, 12) according to one of the preceded claims,
d a d u r c h g e k e n n z e i c h n e t, dass d a d u r c h e c e n c i n e s that
die Steuereinrichtung (100) derart trainiert worden ist, dass sie bei der Steuerung des Schienenfahrzeugs (10, 11, 12) ei nen vorgegebenen Mindestabstand zu einem vorausfahrenden Schienenfahrzeug (10, 11, 12) einhält. the control device (100) has been trained such that it in the control of the rail vehicle (10, 11, 12) ei NEN predetermined minimum distance to a preceding rail vehicle (10, 11, 12) complies.
8. Schienenfahrzeug (10, 11, 12) nach einem der voranstehen den Ansprüche, 8. rail vehicle (10, 11, 12) according to one of the preceded claims,
d a d u r c h g e k e n n z e i c h n e t, dass d a d u r c h e c e n c i n e s that
die Steuereinrichtung (100) derart trainiert worden ist, dass sie bei der Steuerung des Schienenfahrzeugs (10, 11, 12) Steuerbefehle (SB) einer übergeordneten Überwachungseinrich tung, insbesondere eines Stellwerks (30), berücksichtigt, insbesondere ausführt. the control device (100) has been trained in such a way that, in the control of the rail vehicle (10, 11, 12), it takes into account, in particular executes, control commands (SB) of a higher-level monitoring device, in particular a signal box (30).
9. Schienenfahrzeug (10, 11, 12) nach einem der voranstehen den Ansprüche, 9. rail vehicle (10, 11, 12) according to one of the preceded claims,
d a d u r c h g e k e n n z e i c h n e t, dass d a d u r c h e c e n c i n e s that
die Steuereinrichtung (100) für einen ATO-Fahrbetrieb, insbe sondere einen ATO-Fahrbetrieb mit der Automatisierungsstufe 4, und/oder für einen Fährbetrieb gemäß ETCS Level 3 trai niert worden ist. the control device (100) for an ATO driving operation, in particular a special ATO driving operation with the automation stage 4, and / or has been trained for a ferry service in accordance with ETCS Level 3.
10. Verfahren zum Betreiben von Schienenfahrzeugen, 10. Method for operating rail vehicles,
wobei die Schienenfahrzeuge (10, 11, 12) von fahrzeugeigenen Steuereinrichtungen (100) gesteuert werden, die auf künstli cher Intelligenz basieren und zum Steuern des jeweiligen Schienenfahrzeugs (10, 11, 12) auf der zu befahrenden Strecke trainiert worden sind, wherein the rail vehicles (10, 11, 12) are controlled by on-board control devices (100) based on artificial intelligence and trained to control the respective rail vehicle (10, 11, 12) on the route to be traveled,
d a d u r c h g e k e n n z e i c h n e t, dass d a d u r c h e c e n c i n e s that
zueinander in der Nähe befindliche Schienenfahrzeuge (10, 11, 12) direkt miteinander kommunizieren. Rail vehicles (10, 11, 12) located close to each other communicate directly with each other.
11. Verfahren nach Anspruch 10, 11. The method according to claim 10,
d a d u r c h g e k e n n z e i c h n e t, dass d a d u r c h e c e n c i n e s that
die Schienenfahrzeuge (10, 11, 12) autonom fahren. the rail vehicles (10, 11, 12) drive autonomously.
12. Verfahren nach einem der voranstehenden Ansprüche 10 bis12. The method according to any one of the preceding claims 10 to
11, 11
d a d u r c h g e k e n n z e i c h n e t, dass d a d u r c h e c e n c i n e s that
die Steuereinrichtungen (100) bei der Steuerung ihres Schie nenfahrzeugs (10, 11, 12) Informationen anderer auf der Stre cke fahrender Schienenfahrzeuge (10, 11, 12), insbesondere eines vorausfahrenden Schienenfahrzeugs (10, 11, 12), berück sichtigen, insbesondere Ortsinformationen, Geschwindig- keitsinformationen und/oder Fahrplaninformationen anderer Schienenfahrzeuge (10, 11, 12). the control devices (100) in the control of their rail nenfahrzeugs (10, 11, 12) information of other on the Stre travel moving rail vehicles (10, 11, 12), in particular a preceding rail vehicle (10, 11, 12), take into account, in particular Location information, speed information and / or timetable information of other rail vehicles (10, 11, 12).
13. Verfahren nach einem der voranstehenden Ansprüche 10 bis13. The method according to any one of the preceding claims 10 to
12, 12
d a d u r c h g e k e n n z e i c h n e t, dass d a d u r c h e c e n c i n e s that
die Steuereinrichtungen (100) während Fahrten auf der vorge gebenen Strecke aktuelle Messdaten (Dma) erfassen, diese speichern und zum nachfolgenden maschinellen Lernen zum Zwe cke der Verbesserung ihres jeweiligen Steuerverhaltens ver wenden . the control devices (100) acquire current measurement data (Dma) during trips on the given route, store it and use it for subsequent machine learning for the purpose of improving their respective control behavior.
14. Verfahren nach einem der voranstehenden Ansprüche 10 bis 13, 14. The method according to any one of the preceding claims 10 to 13,
d a d u r c h g e k e n n z e i c h n e t, dass d a d u r c h e c e n c i n e s that
im Falle einer erkannten Gefahrensituation eine übergeordne- ten Überwachungseinrichtung, insbesondere ein Stellwerk (30), die Steuerung der Schienenfahrzeuge (10, 11, 12) ganz oder in Teilen übernimmt, insbesondere Steuerbefehle (SB) an die Steuereinrichtungen (100) der Schienenfahrzeuge (10, 11, 12) übermittelt . in the event of a recognized dangerous situation, a higher-level monitoring device, in particular an interlocking (30), completely or partially takes over control of the rail vehicles (10, 11, 12), in particular control commands (SB) to the control devices (100) of the rail vehicles (10 , 11, 12).
EP19721218.6A 2018-05-16 2019-04-17 Rail vehicle having a control device Active EP3768568B1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102018207634.0A DE102018207634A1 (en) 2018-05-16 2018-05-16 Rail vehicle with control device
PCT/EP2019/059937 WO2019219319A1 (en) 2018-05-16 2019-04-17 Rail vehicle having a control device

Publications (3)

Publication Number Publication Date
EP3768568A1 true EP3768568A1 (en) 2021-01-27
EP3768568B1 EP3768568B1 (en) 2023-10-11
EP3768568C0 EP3768568C0 (en) 2023-10-11

Family

ID=66379877

Family Applications (1)

Application Number Title Priority Date Filing Date
EP19721218.6A Active EP3768568B1 (en) 2018-05-16 2019-04-17 Rail vehicle having a control device

Country Status (4)

Country Link
EP (1) EP3768568B1 (en)
DE (1) DE102018207634A1 (en)
ES (1) ES2967226T3 (en)
WO (1) WO2019219319A1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102019218611A1 (en) * 2019-11-29 2021-06-02 Siemens Mobility GmbH Vehicle and method of operating a vehicle

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04133601A (en) * 1990-09-21 1992-05-07 Toshiba Corp Automatic operation controller having protective function
AUPR221900A0 (en) * 2000-12-20 2001-01-25 Central Queensland University Vehicle dynamics prediction system and method
DE102006007788A1 (en) * 2006-02-20 2007-08-30 Siemens Ag Computer-assisted driverless railway train monitoring system, to show its travel behavior, has train-mounted sensors and track position markers for position data to be compared with a stored model
DE102014219817A1 (en) * 2014-09-30 2016-03-31 Siemens Aktiengesellschaft traffic safety
US11077873B2 (en) * 2016-06-13 2021-08-03 Siemens Mobility, Inc. System and method for train route optimization including machine learning system

Also Published As

Publication number Publication date
EP3768568B1 (en) 2023-10-11
DE102018207634A1 (en) 2019-11-21
EP3768568C0 (en) 2023-10-11
WO2019219319A1 (en) 2019-11-21
ES2967226T3 (en) 2024-04-29

Similar Documents

Publication Publication Date Title
DE602005002864T2 (en) Automatic control system for section insulators
DE2330366A1 (en) VEHICLE CONTROL SYSTEM
EP2812225B1 (en) Method for generating action recommendations for the driver of a rail vehicle or control signals for the rail vehicle by means of a driver assistance system and driver assistance system
WO2020015923A1 (en) Method for operating an autonomous vehicle, and autonomous vehicle
DE102016116857A1 (en) System and method for operating commercial vehicles
DE2608513A1 (en) Remote-controlled vehicle steering system with fail-safe - stores control data for comparison with positional signals from actuator
EP3795451B1 (en) Method for locating a vehicle on a station provided for the vehicle stopping
EP3634828B1 (en) Control method for operating a rail vehicle
EP3500475A1 (en) Method for operating rail vehicles
EP3102476B1 (en) Method for conducting traffic on a rail network and rail network with a train maintenance facility
EP3768568A1 (en) Rail vehicle having a control device
DE102018222677A1 (en) Method for operating a temporarily autonomous vehicle
DE102016002127A1 (en) Motor vehicle for inclusion in a vehicle body, in which the relative lateral vehicle positions are adjustable, and corresponding method
DE102014218946A1 (en) Method and device for controlling at least one current collector of a vehicle
WO2020151844A1 (en) Method for driverless implementation of a vehicle over a distance within fenced grounds
DE102016200049A1 (en) Method, leader vehicle and truck for driving on and off a highway through the truck
DE102015208913A1 (en) Method and device for operating a vehicle
EP4117977A2 (en) Railway system with diagnostic system and method for operating same
DE102016203675A1 (en) Device for generating route-related operating data
DE19840715C1 (en) Rail vehicle control device uses onboard processor for radio control of switching points via track atlas data updated to ensure train safety by preventing conflict situation
DE102018212527A1 (en) Method for determining a power or energy requirement for at least one vehicle during column travel and control device for carrying out the method
DE112018005796T5 (en) System and method for controlling a motor vehicle for autonomous driving
DE102020209413A1 (en) Method for operating a partially automated vehicle
DE102015014627A1 (en) System and method for adjusting the chassis level of vehicles in a vehicle group
DE102016210849A1 (en) Planning a train ride

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

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

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

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: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20201021

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 MK MT NL NO PL PT RO RS SE SI SK SM TR

AX Request for extension of the european patent

Extension state: BA ME

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
REG Reference to a national code

Ref country code: DE

Ref document number: 502019009631

Country of ref document: DE

Free format text: PREVIOUS MAIN CLASS: B61L0015000000

Ref legal event code: R079

Ipc: B61L0027500000

GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

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

Free format text: STATUS: GRANT OF PATENT IS INTENDED

RIC1 Information provided on ipc code assigned before grant

Ipc: B61L 15/00 20060101ALI20230502BHEP

Ipc: B61L 27/50 20220101AFI20230502BHEP

INTG Intention to grant announced

Effective date: 20230525

GRAS Grant fee paid

Free format text: ORIGINAL CODE: EPIDOSNIGR3

GRAA (expected) grant

Free format text: ORIGINAL CODE: 0009210

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

Free format text: STATUS: THE PATENT HAS BEEN GRANTED

AK Designated contracting states

Kind code of ref document: B1

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 MK MT NL NO PL PT RO RS SE SI SK SM TR

REG Reference to a national code

Ref country code: GB

Ref legal event code: FG4D

Free format text: NOT ENGLISH

REG Reference to a national code

Ref country code: CH

Ref legal event code: EP

REG Reference to a national code

Ref country code: DE

Ref legal event code: R096

Ref document number: 502019009631

Country of ref document: DE

REG Reference to a national code

Ref country code: IE

Ref legal event code: FG4D

Free format text: LANGUAGE OF EP DOCUMENT: GERMAN

U01 Request for unitary effect filed

Effective date: 20231108

U07 Unitary effect registered

Designated state(s): AT BE BG DE DK EE FI FR IT LT LU LV MT NL PT SE SI

Effective date: 20231113

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: GR

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20240112

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: IS

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20240211

REG Reference to a national code

Ref country code: ES

Ref legal event code: FG2A

Ref document number: 2967226

Country of ref document: ES

Kind code of ref document: T3

Effective date: 20240429

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: IS

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20240211

Ref country code: GR

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20240112

U20 Renewal fee paid [unitary effect]

Year of fee payment: 6

Effective date: 20240418

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: RS

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20231011

Ref country code: PL

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20231011

Ref country code: NO

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20240111

Ref country code: HR

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20231011

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: GB

Payment date: 20240507

Year of fee payment: 6

REG Reference to a national code

Ref country code: DE

Ref legal event code: R097

Ref document number: 502019009631

Country of ref document: DE

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: CZ

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20231011

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: SK

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20231011

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: SM

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20231011

Ref country code: SK

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20231011

Ref country code: RO

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20231011

Ref country code: CZ

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 20231011

PLBE No opposition filed within time limit

Free format text: ORIGINAL CODE: 0009261

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

Free format text: STATUS: NO OPPOSITION FILED WITHIN TIME LIMIT

26N No opposition filed

Effective date: 20240712