EP3938265A1 - Verfahren zum bestimmen einer gleisbelegung sowie achszähleinrichtung - Google Patents

Verfahren zum bestimmen einer gleisbelegung sowie achszähleinrichtung

Info

Publication number
EP3938265A1
EP3938265A1 EP20724747.9A EP20724747A EP3938265A1 EP 3938265 A1 EP3938265 A1 EP 3938265A1 EP 20724747 A EP20724747 A EP 20724747A EP 3938265 A1 EP3938265 A1 EP 3938265A1
Authority
EP
European Patent Office
Prior art keywords
subsystem
wheel
influencing
track section
processor
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
EP20724747.9A
Other languages
English (en)
French (fr)
Other versions
EP3938265B1 (de
EP3938265C0 (de
Inventor
Carsten HEISE
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 EP3938265A1 publication Critical patent/EP3938265A1/de
Application granted granted Critical
Publication of EP3938265B1 publication Critical patent/EP3938265B1/de
Publication of EP3938265C0 publication Critical patent/EP3938265C0/de
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
    • B61L1/00—Devices along the route controlled by interaction with the vehicle or train
    • B61L1/16—Devices for counting axles; Devices for counting vehicles
    • B61L1/162—Devices for counting axles; Devices for counting vehicles characterised by the error correction
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L1/00—Devices along the route controlled by interaction with the vehicle or train
    • B61L1/16—Devices for counting axles; Devices for counting vehicles
    • B61L1/169—Diagnosis
    • 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
    • B61L27/30—Trackside multiple control systems, e.g. switch-over between different systems

Definitions

  • the invention relates to a method for the computer-aided determination of the occupancy status of a track section with the steps that
  • Occupancy status is output.
  • the invention also relates to an axle counting device for detecting wheel influences on a track section
  • the invention also relates to a computer program product with program instructions for performing the above-mentioned method and a provision device for the
  • Computer program product the provision device storing and / or providing the computer program product.
  • Track section indicates whether the said track section is currently being used by a train.
  • an occupancy report is sent to a control center, for example, whereby a track section may never be used by two trains at the same time. Only when the train in question has left the said track section again is the track section reported free so that another train can enter this track section.
  • Axle counters monitored. These have sensors that a
  • each track section has a reliability of the procedure.
  • there are special features to consider for each track section for example if the sensors are in curves or areas of points.
  • track sections that are preferred by certain trains for example branch lines that are only used by freight trains, or high-speed lines that are primarily used by
  • the object of the invention is therefore to provide a method for the computer-aided determination of an occupancy state of a track section, which is inexpensive
  • Modify and the like, preferably to actions and / or processes and / or processing steps that change and / or generate data and / or convert the data into other data, the data in particular being represented or being able to be present as physical quantities, for example as electric impulse.
  • computer is to be interpreted broadly to include all electronic devices
  • Computers can thus, for example, be personal computers, servers,
  • Handheld computer systems Handheld computer systems, Pocket PC devices, cellular devices and other communication devices that use computerized data
  • processors and other electronic devices for data processing can process, processors and other electronic devices for data processing, which can preferably also be connected to a network.
  • “computer-aided” can be understood to mean, for example, an implementation of the method in which one or more computers executes or executes at least one method step of the method.
  • a “processor” can be understood to mean, for example, a machine or an electronic circuit.
  • a processor can in particular be a main processor (Central Processing Unit, CPU), a microprocessor or a microcontroller, for example an application-specific integrated circuit or a digital signal processor, possibly in combination with a memory unit for storing program commands, etc. .
  • a processor can, for example, also be an IC (integrated circuit), in particular an FPGA (Field Programmable Gate Array) or an ASIC (Application-Specific Integrated Circuit), or a DSP
  • a processor can also be understood to be a virtualized processor or a soft CPU.
  • it can also be a programmable processor that is equipped with a configuration for carrying out the aforementioned method according to the invention.
  • a “memory unit” can be understood to mean, for example, a computer-readable memory in the form of a random access memory (RAM) or a hard disk.
  • Reinforcing learning is to be understood as the mode of operation of a processor, which aims to optimize the process carried out by the processor
  • the automatic optimization results in only low costs.
  • a change in operation for example the start of long-distance traffic on a route that was previously mainly used for local traffic (or the other way around), can be responded to. If the optimization goal changes during operation, the method can then be automatically adapted to the new task.
  • the method remains reliable even under changing operating conditions, as it always adapts to the current requirements.
  • the reinforcement learning can be implemented both in terms of software and hardware.
  • reinforcement learning takes place through an algorithm implemented in the program.
  • Another possibility is to implement the process of reinforcement learning in terms of hardware.
  • the algorithm uses a neural network for reinforcement learning.
  • Neural networks consist of a circuit that generates output variables depending on the input variables and depending on the circuit implemented.
  • the circuit is set up in such a way that a modification of the input variables also leads to a modification of the output variables, the parameters to be taken into account being implemented in hardware.
  • the at least one algorithm carries out threshold value recognition and / or time filtering and / or consideration of a hysteresis between recognition of the beginning of the wheel and the end of the wheel.
  • axle counters The parameters that can be modified by axle counters are, for example, a so-called switch-on threshold and a switch-off threshold for wheel detection.
  • a so-called switch-on threshold and a switch-off threshold for wheel detection there is a threshold for the measured value determined by the sensor, above which the passing of a wheel on the axle counter is assumed. If the switch-off threshold is then fallen below again, this is interpreted in such a way that the wheel has completely passed the axle counter.
  • a further parameter can be introduced by time filtering, whereby empirical values are included here as to how long (depending on the speed) a wheel needs to pass an axle counter. Is a hysteresis between
  • the switch-off threshold may be higher than the
  • the method steps are carried out in parallel in a first subsystem and in a second subsystem.
  • first subsystem and the second subsystem both the first subsystem and the second subsystem
  • the evaluation device determines the actual occupancy status by evaluating the data from sensor devices, in particular axle counters, on the track section or from external data, in particular timetable data.
  • the sensor devices that have already been in operation for a longer period of time are advantageously particularly suitable so that the data determined by these sensors (preferably also axle counters) can be used for comparison.
  • Schedule data can also be used if the schedule can be reliably mapped, since the result of the eight-counter can be compared with the model of the train provided in the schedule.
  • the evaluation device displays the actual occupancy state or information regarding the correspondence of the actual occupancy state with the influencing state output the neural networks of the first subsystem and the second subsystem report back.
  • Influence status was determined, or a variable that the degree of agreement of the occupied status with the
  • the influencing state allows, the parameters can be adjusted in the self-learning system if this is necessary. This triggers an iterative procedure which advantageously contributes to the optimization of the parameters.
  • the parameters can thereby advantageously be modified in a targeted manner (and not randomly), as a result of which the optimization can advantageously be completed much more quickly.
  • the reinforcement learning provides greater security against misinterpretations when determining the
  • a temperature influence is eliminated in a processing step of the raw data, with compensated data being generated for the evaluation.
  • compensated data is generated for the evaluation.
  • a test cycle is carried out at time intervals with a set of input variables for which the result of the determination of the influencing state can be predicted, and that the determined influencing state is compared with an expected, predictable influencing state.
  • a test cycle which can be carried out at regular time intervals, for example, advantageously increases the reliability of the method. This is achieved by having a
  • Parameter drift which leads to a distance from the optimum, can be recognized if this already leads to incorrect results. This is because the result for the parameters of the test cycle is reliably known and is only not achieved if the self-learning system turns in the wrong direction over a longer period of time, i.e. H. away from finding the optimum.
  • the stated object is also achieved according to the invention in that the processor is used to recognize
  • a neural network advantageously offers a hardware-technical and thus highly reliable environment in order to provide the parameters for the above method. Reinforcement learning can take place here in order to find an optimum for the parameters. It is also possible to use reinforcement learning Prepare to be carried out before installing the axle counter according to the invention on site. The operating conditions for the axle counter must be determined beforehand.
  • a standardized parameter set for performing the algorithm is stored in the processor.
  • a computer program product is also included
  • provision device for storing and / or providing the computer program product.
  • the provision device is, for example, a
  • Data carrier that stores and / or provides the computer program product.
  • Alternatively and / or additionally is the
  • Provisioning device for example a network service, a computer system, a server system, in particular a distributed computer system, a cloud-based computer system and / or virtual computer system, which stores and / or provides the computer program product, preferably in the form of a data stream.
  • This provision takes place, for example, as a download in the form of a program data block and / or command data block,
  • a file in particular as a download file, or as a data stream, in particular as a download data stream, des
  • Peer-to-Peer network is downloaded or provided as a data stream.
  • a computer program product is read into a system, for example using the supply device in the form of the data carrier, and executes the program commands so that the method according to the invention is executed on a computer or the
  • Figure 1 is a schematic flow chart for a
  • FIG. 2 schematically shows an embodiment for the
  • FIG. 1 shows a method step 1 VS1, which consists in that the sensor SEN1, SEN2, which receives a wheel pulse IPR from the wheels of a train ZUG traveling on the track section GA
  • the sensor SEN1, SEN2 converts this wheel pulse IPR into a reference voltage RSP.
  • a method step 2 VS2 can also be seen in FIG. 1, which consists in reading the rectified voltage RSP as raw data RDT into a processor PRC via an analog-digital converter ADU.
  • a method step 3 VS3 can be seen in FIG. 1, which consists in that a temperature influence is eliminated by a processing step of the raw data RDT, with compensated data KDT being generated, which in the later course of the method for the evaluation of an influencing state 1 and 2 BZ1 , BZ1 are relevant.
  • FIG. 1 also shows a method step 4 VS4, which consists in that the processor PRC can have an algorithm which, after checking the raw data RDT, carries out an evaluation determines whether there is a wheel influence or not.
  • the processor PRC can have an algorithm which, after checking the raw data RDT, carries out an evaluation determines whether there is a wheel influence or not.
  • Axle counting result The process of reinforcement learning can be carried out, for example, by a neural network not shown in detail.
  • the results of the influencing states 1 and 2 BZ1, BZ2 can be transmitted to the evaluation device AWE via an output OUT.
  • the occupancy status of the track section GA can thus be determined on the basis of the evaluation generated by the evaluation device.
  • the evaluation device AWE is integrated in an axle counting computer AZR.
  • the axle counting computer AZR is made available by the infrastructure of an interlocking. He can work in a network of computers and take into account other inputs described below.
  • Figure 1 shows that the evaluation device AWE the influencing state 3, 4, and thus the actual
  • Occupancy status of the track section GA can be determined from external data, in particular schedule data FPD, since the result of the occupancy status BZ1, BZ2 can be compared with the pattern of the train provided in the schedule FP.
  • the further influencing states 3 and 4 BZ3, BZ4 can be taken into account by the evaluation device AWE via the outputs OUT, with these further influencing states being determined by further axle counters (not shown).
  • These axle counters can be provided at the other end of the track section, for example, since track sections need axle counters both at the beginning and at the end in order to generate and check vacancy reports and occupancy reports.
  • FIG. 2 it can be seen that the electrical impulse generated by the train ZUG from the track section GA due to the physical influence of the wheel is converted into a directional voltage by sensors SEN RSP can be converted.
  • the sensors SEN are designed as part of an axle counting device AZE, which are connected to the axle counting computer AZR via an interface 3.
  • the directional voltage RSP is transmitted from the
  • the raw data RDT are sent from the analog-digital converter ADU to the processor PRC via the interface S2.
  • the interface S3 is used to transmit this data for the detection of
  • Wheel influences / influencing states, i.e. the

Landscapes

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

Abstract

Die Erfindung betrifft ein Verfahren zum rechnergestützten Bestimmen des Belegungszustandes eines Gleisabschnitts (GA), wobei der physikalische Radeinfluss von dem den Gleisabschnitt (GA) befahrenden Zug (ZUG) in eine Richtspannung gewandelt wird, die Richtspannung über einen Analog-Digital-Wandler (ADU) als Rohdaten in einen Prozessor (PRC) eingelesen wird und mit Hilfe mindestens eines Algorithmus eine Bewertung stattfindet, zur Prüfung, ob ein Radeinfluss vorliegt oder nicht, woraus ein Beeinflussungszustand abgeleitet wird. Der Beeinflussungszustand wird zum Bestimmen des Belegungszustandes ausgegeben. Für die Erkennung von Radeinflüssen im Rahmen des Bewertens setzt der Algorithmus ein verstärkendes Lernen zum Optimieren der für die Erkennung berücksichtigten Parameter ein. Ferner betrifft die Erfindung eine Achszähleinrichtung (AZE) zur Erkennung von Radeinflüssen auf einen Gleisabschnitt (GA) sowie ein Computerprogrammprodukt.

Description

Beschreibung
Verfahren zum Bestimmen einer Gleisbelegung sowie
Achszähleinrichtung
Die Erfindung betrifft ein Verfahren zum rechnergestützten Bestimmen des Belegungszustandes eines Gleisabschnitts mit den Schritten, dass
• der physikalische Radeinfluss von den Gleisabschnitt
befahrenden Zügen in eine Richtspannung gewandelt wird,
• die Richtspannung über einen Analog-Digital-Wandler als Rohdaten in einen Prozessor eingelesen wird,
• mit Hilfe mindestens eines Algorithmus eine Bewertung
stattfindet, zur Prüfung, ob ein Radeinfluss vorliegt oder nicht, und daraus ein Beeinflussungszustand abgeleitet wird,
• der Beeinflussungszustand zum Bestimmen des
Belegungszustandes ausgegeben wird.
Außerdem betrifft die Erfindung eine Achszähleinrichtung zur Erkennung von Radeinflüssen auf einen Gleisabschnitt mit
• einem Sensor, mit dem der physikalische Radeinfluss von den Gleisabschnitt befahrenden Zügen in eine Richtspannung wandelbar ist,
• einem Analog-Digital-Wandler, mit dem aus der Richtspannung Rohdaten erzeugbar sind,
• einem Prozessor, mit dem die Rohdaten verarbeitbar und durch mindestens einen im Prozessor implementierten Algorithmus hinsichtlich eines Belegungszustandes bewertbar sind,
• einer Schnittstelle S3 zur Ausgabe eine Belegungszustandes
Weiter betrifft die Erfindung ein Computerprogrammprodukt mit Programmbefehlen zur Durchführung des oben genannten Verfahrens und eine Bereitstellungsvorrichtung für das
Computerprogrammprodukt, wobei die Bereitstellungsvorrichtung das Computerprogrammprodukt speichert und/oder bereitstellt .
Verfahren zum rechnergestützten Bestimmen des Belegungszustandes von Gleisabschnitten sind bekannt. Üblicherweise wird die Bestimmung mit Hilfe von Achszählern durchgeführt, welche ebenfalls bekannt sind. Der Belegungszustand eines
Gleisabschnittes gibt an, ob der besagte Gleisabschnitt gerade von einem Zug befahren wird. In diesem Fall erfolgt eine Belegtmeldung beispielsweise an eine Leitzentrale, wobei ein Gleisabschnitt nie durch zwei Züge gleichzeitig befahren werden darf. Erst wenn der betreffende Zug den besagten Gleisabschnitt wieder verlassen hat, erfolgt eine Freimeldung des Gleisabschnitts, so dass ein anderer Zug in diesen Gleisabschnitt einfahren darf.
Normalerweise wird die Befahrung der Gleisabschnitte mit
Achszählern überwacht. Diese weisen Sensoren auf, die ein
Sensorsignal senden, dass ein den Sensor passierendes Rad anzeigt. Auf diese Weise können die Achsen eines einfahrenden Zuges gezählt werden, wodurch der Zug erkannt wird. Wenn dasselbe Sensormuster beim Ausfahren des Zuges aus dem Gleisabschnitt wiedererkannt wird, so bedeutet dies, dass der Zug vollständig aus dem betreffenden Gleisabschnitt ausgefahren ist.
Die Zuverlässigkeit des Verfahrens hängt von verschiedenen Faktoren ab. Unter anderem gibt es für jeden Gleisabschnitt Besonderheiten zu beachten, beispielsweise, wenn die Sensoren in Kurven oder Weichenbereichen liegen. Auch gibt es Gleisabschnitte, die bevorzugt von bestimmten Zügen befahren werden, beispielsweise Nebenstrecken, die lediglich durch Güterzüge befahren werden, oder Hochgeschwindigkeitsstrecken, die vorrangig durch
Hochgeschwindigkeitszüge befahren werden. Es besteht der Wunsch, dass Achszählverfahren unabhängig von individuellen Belangen der zu überwachenden Gleisabschnitt immer zuverlässig durchführen zu können .
Die Aufgabe der Erfindung besteht daher darin, ein Verfahren zum rechnergestützten Ermitteln eines Belegungszustandes eines Gleisabschnittes anzugeben, welches sich kostengünstig
installieren lässt und dennoch möglichst zuverlässig unabhängig von individuellen Unterschieden auf allen Gleisabschnitten funktioniert. Außerdem ist es Aufgabe der Erfindung, eine
Achszähleinrichtung anzugeben, mit der sich ein solches Verfahren zuverlässig und kostengünstig durchführen lässt. Zuletzt ist es Aufgabe der Erfindung ein Computerprogrammprodukt sowie eine Bereitstellung für ein solches Computerprogramm Produkt
anzugeben, welche die Durchführung des Verfahrens erlauben.
Sofern es in der nachfolgenden Beschreibung nicht anders angegeben ist, beziehen sich die Begriffe "erstellen", "berechnen", "rechnen", "feststellen", "generieren", "konfigurieren",
"modifizieren" und dergleichen, vorzugsweise auf Handlungen und/oder Prozesse und/oder Verarbeitungsschritte, die Daten verändern und/oder erzeugen und/oder die Daten in andere Daten überführen, wobei die Daten insbesondere als physikalische Größen dargestellt werden oder vorliegen können, beispielsweise als elektrische Impulse. Insbesondere ist der Ausdruck "Computer" breit auszulegen, um alle elektronischen Geräte mit
Datenverarbeitungseigenschaften abzudecken. Computer können somit beispielsweise Personal Computer, Server,
Handheld-Computer-Systeme, Pocket-PC-Geräte, Mobilfunkgeräte und andere Kommunikationsgeräte, die rechnergestützt Daten
verarbeiten können, Prozessoren und andere elektronische Geräte zur Datenverarbeitung sein, die vorzugsweise auch zu einem Netzwerk zusammengeschlossen sein können.
Unter "rechnergestützt" kann im Zusammenhang mit der Erfindung beispielsweise eine Implementierung des Verfahrens verstanden werden, bei dem ein Computer oder mehrere Computer mindestens einen Verfahrensschritt des Verfahrens ausführt oder ausführen.
Unter einem "Prozessor" kann im Zusammenhang mit der Erfindung beispielsweise eine Maschine oder eine elektronische Schaltung verstanden werden. Bei einem Prozessor kann es sich insbesondere um einen Hauptprozessor (engl. Central Processing Unit, CPU), einen Mikroprozessor oder einen Mikrokontroller, beispielsweise eine anwendungsspezifische integrierte Schaltung oder einen digitalen Signalprozessor, möglicherweise in Kombination mit einer Speichereinheit zum Speichern von Programmbefehlen, etc. handeln. Bei einem Prozessor kann es sich beispielsweise auch um einen IC (integrierter Schaltkreis, engl. Integrated Circuit), insbesondere einen FPGA (engl. Field Programmable Gate Array) oder einen ASIC (anwendungsspezifische integrierte Schaltung, engl. Application-Specific Integrated Circuit) , oder einen DSP
(Digitaler Signalprozessor, engl. Digital Signal Processor) handeln. Auch kann unter einem Prozessor ein virtualisierter Prozessor oder eine Soft-CPU verstanden werden. Es kann sich beispielsweise auch um einen programmierbaren Prozessor handeln, der mit einer Konfiguration zur Ausführung des genannten erfindungsgemäßen Verfahrens ausgerüstet ist.
Unter einer "Speichereinheit" kann im Zusammenhang mit der Erfindung beispielsweise ein computerlesbarer Speicher in Form eines Arbeitsspeichers (engl. Random-Access Memory, RAM) oder einer Festplatte verstanden werden.
Die oben genannte Aufgabe wird mit dem eingangs angegebenen Anspruchsgegenstand (Verfahren) erfindungsgemäß dadurch gelöst, dass für die Erkennung von Radeinflüssen im Rahmen des Bewertens der Algorithmus ein verstärkendes Lernen zum Optimieren der für die Erkennung berücksichtigten Parameter einsetzt.
Unter einem „verstärkenden Lernen" ist die Arbeitsweise eines Prozessors zu verstehen, welche auf eine Optimierung des durch den Prozessor ausgeführten Prozesses zielt. Dabei wird das
Arbeitsergebnis des Prozesses an einem bestimmten Erfolg gemessen, wobei die Modifikation von Parametern dazu führen kann, dass der Erfolg größer oder kleiner wird. Modifikationen von Parametern, die zu einem größeren Erfolg führen, werden weiterverfolgt, Modifikationen, die den Erfolg verkleinern, werden verworfen. Auf diese Weise erfolgt schrittweise eine Optimierung des Prozesses, wobei erfindungsgemäß die Aufgabe zu bewältigen ist, ein
Achszählverfahren zu optimieren. Vorteilhaft erfolgt diese Optimierung ohne genaue Kenntnis der individuellen
Einsatzsituation des Achszählers. Vielmehr wird durch eine Modifikation der Parameter mit der Zeit eine Verbesserung erreicht, bis ein Optimum gefunden ist. Verstärkt wird somit beim Lernen der Erfolg bei der Durchführung des betreffenden Prozesses. Die Anwendung des verstärkenden Lernens zur Optimierung des Verfahrens zur Achszählung hat den Vorteil, dass das Verfahren mit einer Grundeinstellung in unterschiedlichen Umgebungen
installiert werden kann, wobei eine Optimierung durch den Betrieb von allein erfolgt. Nach einer Neuinstallation eines solchen Verfahrens ist der Zugbetrieb zunächst immer einer stärkeren Überwachung unterworfen, sodass am Anfang Ungenauigkeiten noch ausgeglichen werden können. Die Optimierung während des Betriebs führt zu einer stetigen Verbesserung der Zuverlässigkeit des Verfahrens und damit auch der Zuverlässigkeit des Zugbetriebs.
Durch die automatische Optimierung fallen dabei vorteilhaft nur geringe Kosten an. Außerdem kann auch eine Änderung des Betriebs, beispielsweise die Aufnahme eines Fernverkehrs auf einer Strecke, die vormals hauptsächlich für den Nahverkehr genutzt wurde (oder andersherum), reagiert werden. Kommt es während des Betriebs zu einer Änderung des Optimierungsziels, kann nachfolgend eine automatische Anpassung des Verfahrens an die neue Aufgabenstellung erfolgen. Vorteilhaft bleibt das Verfahren also auch unter wechselnden Betriebsbedingungen zuverlässig, indem sich dieses immer an die aktuellen Erfordernisse anpasst.
Das verstärkende Lernen kann sowohl softwaretechnisch als auch hardwaretechnisch umgesetzt sein. Softwaretechnisch erfolgt das verstärkende Lernen durch einen programmtechnisch implementierten Algorithmus. Eine andere Möglichkeit besteht darin, den Vorgang des verstärkenden Lernens hardwaretechnisch umzusetzen. Gemäß einer Ausgestaltung der Erfindung ist demzufolge vorgesehen, dass der Algorithmus für das verstärkende Lernen ein neuronales Netz nutzt .
Neuronale Netze bestehen aus einer Schaltung, welche abhängig von den Eingangsgrößen und abhängig von der realisierten Schaltung Ausgangsgrößen generiert. Die Schaltung ist so aufgebaut, dass eine Modifikation der Eingangsgrößen auch zu einer Modifikation der Ausgangsgrößen führt, wobei die hierbei zu berücksichtigenden Parameter hardwaretechnisch implementiert sind. Eine Modifikation dieser Parameter ist jedoch schaltungstechnisch möglich. Gemäß einer Ausgestaltung der Erfindung ist vorgesehen, dass der mindestens eine Algorithmus eine Schwellwerterkennung und/oder eine zeitliche Filterung und/oder die Berücksichtigung einer Hysterese zwischen Erkennung des Radanfangs und des Radendes durchführt .
Die Parameter, die durch Achszähler modifiziert werden können, sind beispielsweise eine sogenannte Einschaltschwelle und eine Ausschaltschwelle für die Raderkennung. Mit anderen Worten gibt es eine Schwelle für den durch den Sensor ermittelten Messwert, oberhalb derer das Passieren eines Rades am Achszähler angenommen wird. Wird dann die Ausschaltschwelle wieder unterschritten, wird dies so interpretiert, dass das Rad den Achszähler vollständig passiert hat. Ein weiterer Parameter kann durch eine Zeitfilterung eingeführt werden, wobei hier Erfahrungswerte einfließen, wie lange (geschwindigkeitsabhängig) ein Rad benötigt, um einen Achszähler zu passieren. Ist eine Hysterese zwischen
Einschaltschwelle und Ausschaltschwelle zu berücksichtigen, kann es sein, dass die Ausschaltschwelle höher liegt als die
Einschaltschwelle .
Gemäß einer Ausgestaltung der Erfindung ist vorgesehen, dass die Verfahrensschritte in einem ersten Teilsystem und in einem zweiten Teilsystem parallel durchgeführt werden.
Die Verwendung sowohl eines ersten Teilsystems als auch eines zweiten Teilsystems ist vorteilhaft, um eine größere
Fehlersicherheit zu realisieren. Beispielsweise kann in einem Voting-Verfahren abgefragt werden, ob das erste Teilsystem und das zweite Teilsystem dasselbe Ergebnis, also das Vorliegen oder das Nichtvorliegen eines Beeinflussungszustandes anzeigen. Für den Fall, dass beide Teilsysteme zu einem unterschiedlichen Ergebnis kommen, besteht die Gefahr eines Fehlers und es können
Sicherungsmaßnahmen im Zugbetrieb eingeleitet werden. Hierdurch wird die Sicherheit vorteilhaft erhöht. Auch der Ausfall eines der beiden Teilsysteme kann im Notfall kompensiert werden. Gemäß einer Ausgestaltung der Erfindung ist vorgesehen, dass das erste Teilsystem und das zweite Teilsystem beide den
Beeinflussungszustand an eine Auswerteeinrichtung ausgeben und die Auswerteeinrichtung einen tatsächlichen Belegungszustand mit dem Beeinflussungszustand vergleicht.
Der tatsächliche Belegungszustand hilft dabei, dass die
Auswerteeinrichtung den Beeinflussungszustand, der durch das erste Teilsystem und das zweite Teilsystem ausgegeben wurde, hinsichtlich Zuverlässigkeit und Ergebnissicherheit zu
beurteilen. Damit kann eine Aussage getroffen werden, ob das aus dem Beeinflussungszustand abgeleitete Belegungszustand genügend zuverlässig ist oder nicht. Beispielsweise können neue Achszähler, wenn ein Optimum noch nicht angenähert wurde, hinsichtlich ihrer Aussage Zuverlässigkeit zunächst nachrangig behandelt werden, um Fehler im Betrieb zu minimieren. Hierdurch wird vorteilhaft die Zuverlässigkeit im Bahnbetrieb erhöht. Im fortschreitenden Bahnbetrieb kann die Priorisierung der dann optimierten Achszähler erhöht werden.
Gemäß einer Ausgestaltung der Erfindung ist vorgesehen, dass die Auswerteeirichtung den tatsächlichen Belegungszustand durch Auswertung der Daten von Sensoreinrichtungen, insbesondere Achszählern, am Gleisabschnitt oder von externen Daten, insbesondere Fahrplandaten, ermittelt.
Die Sensoreinrichtungen, die bereits länger im Betrieb sind, sind vorteilhaft in besonderem Maße geeignet, damit die von diesen Sensoren (vorzugsweise ebenfalls Achszähler) ermittelten Daten zum Abgleich herangezogen werden. Auch Fahrplandaten können, wenn der Fahrplan zuverlässig abgebildet werden kann, herangezogen werden, da das Ergebnis des Achtzählers mit dem Muster des im Fahrplan vorgesehenen Zuges verglichen werden kann.
Gemäß einer Ausgestaltung der Erfindung ist vorgesehen, dass die Auswerteeinrichtung den tatsächlichen Belegungszustand oder eine Information hinsichtlich der Übereinstimmung des tatsächlichen Belegungszustandes mit dem ausgegebenen Beeinflussungszustand an die neuronalen Netze des ersten Teilsystems und des zweiten Teilsystems zurückmelden.
Durch die Rückmeldung des Belegtzustandes , der ja aus dem
Beeinflussungszustand ermittelt wurde, oder einer Größe, die den Grad der Übereinstimmung des Belegtzustandes mit dem
Beeinflussungszustandes zulässt, kann in dem selbst lernenden System eine Anpassung der Parameter erfolgen, soweit dies erforderlich ist. Hierdurch wird ein iteratives Vorgehen ausgelöst, welches vorteilhaft zur Optimierung der Parameter beiträgt. Die Modifikation der Parameter kann dadurch vorteilhaft gezielt erfolgen (und nicht zufällig) , wodurch die Optimierung vorteilhaft sehr viel schneller abgeschlossen werden kann.
Gemäß einer Ausgestaltung der Erfindung ist vorgesehen, dass in dem Fall, dass eines der Teilsysteme des ersten Teilsystems und des zweiten Teilsystems, also das erste Teilsystem oder das zweite Teilsystem, durch das verstärkende Lernen eine höhere Sicherheit gegen Fehlinterpretationen bei der Ermittlung des
Beeinflussungszustandes erreicht hat, als das andere, die für die Erkennung berücksichtigten Parameter auf das andere Teilsystem übertragen werden.
Durch eine Anpassung der Parameter desjenigen Teilsystems, welches die weniger günstigen Ergebnisse liefert, wird vorteilhaft eine höhere Zuverlässigkeit gewährleistet. Insbesondere kann
verhindert werden, dass bei einer ungünstigen Konstellation das selbst lernenden System sich von dem aufzufinden Optimum entfernt. Es kann sozusagen zwischen dem ersten Teilsystem und dem zweiten Teilsystem ein Wettlauf um die Auffindung des Optimums erfolgen, um dieses vorteilhaft in möglichst kurzer Zeit zu erreichen.
Gemäß einer Ausgestaltung der Erfindung ist vorgesehen, dass in einem Verarbeitungsschritt der Rohdaten ein Temperatureinfluss eliminiert wird, wobei kompensierte Daten für die Bewertung erzeugt werden. Durch die Kompensation eines Temperatureinflusses lässt sich die Zuverlässigkeit bei der Durchführung des Verfahrens vorteilhaft weiter erhöhen. Die Temperaturunterschiede, die an
Schienenstrecken entstehen können (Sommer, Winter) können beträchtlich sein. Die Eliminierung des Temperatureinflusses macht die ausgegebenen Daten des Beeinflussungszustandes untereinander unabhängig von Jahreszeit und Wettergeschehen vergleichbar .
Gemäß einer Ausgestaltung der Erfindung ist vorgesehen, dass in Zeitabständen ein Prüfzyklus mit einem Satz von Eingangsgrößen durchgeführt wird, für die das Ergebnis der Ermittlung des Beeinflussungszustands vorhersagbar ist, und dass der ermittelte Beeinflussungszustand mit einem erwarteten, vorhersagbaren Beeinflussungszustand verglichen wird.
Ein Prüfzyklus, der beispielsweise in regelmäßigen Zeitabständen durchgeführt werden kann, erhöht vorteilhaft die Zuverlässigkeit des Verfahrens. Dies wird dadurch erreicht, dass eine
Parameter-Drift, die zu einer Entfernung von dem Optimum führt, erkannt werden kann, wenn diese bereits zu falschen Ergebnissen führt. Dies liegt daran, dass das Ergebnis bei den Parametern des Prüfzyklus zuverlässig bekannt ist und nur dann nicht erzielt wird, falls sich das selbst lernenden System über einen längeren Zeitraum in die falsche Richtung, d. h. von dem aufzufinden Optimum weg, bewegt hat.
Die genannte Aufgabe wird alternativ mit dem eingangs angegebenen Anspruchsgegenstand (Achszähleinrichtung) erfindungsgemäß auch dadurch gelöst, dass der Prozessor für die Erkennung von
Radeinflüssen im Rahmen des Bewertens ein neuronales Netz aufweist .
Ein neuronales Netz bietet vorteilhaft eine hardwaretechnische und damit hoch zuverlässige Umgebung, um die Parameter für das oben stehende Verfahren zur Verfügung zu stellen. Hierbei kann ein verstärkendes Lernen stattfinden, um ein Optimum für die Parameter zu finden. Auch ist es möglich, ein verstärkendes Lernen zum Vorbereiten vor dem Einbau des erfindungsgemäßen Achszählers am Einsatzort durchzuführen. Hierbei sind die Betriebsbedingungen für den Achszähler vorher bereits zu ermitteln.
Gemäß einer Ausgestaltung der Erfindung ist vorgesehen, dass mit dieser ein Verfahren gemäß einem der Ansprüche 1-10 durchführbar ist. Die hiermit verbunden Vorteile sind im Zusammenhang mit dem obenstehenden Verfahren bereits erläutert worden.
Gemäß einer Ausgestaltung der Erfindung ist vorgesehen, dass in dem Prozessor ein standardisierter Parametersatz zur Durchführung des Algorithmus abgespeichert ist.
Die Verwendung eines standardisierten Parametersatzes hat den Vorteil, dass die 8 Zählvorrichtung bereits vor einer Optimierung voll funktionsfähig ist. Diese nutzt dann den standardisierten Parametersatz, um das obenstehende Verfahren durchzuführen. Erst im weiteren Betrieb werden die Parameter dann auf den speziellen Einsatzumgebungen angepasst.
Des Weiteren wird ein Computerprogrammprodukt mit
Programmbefehlen zur Durchführung des genannten erfindungsgemäßen Verfahrens und/oder dessen Ausführungsbeispielen beansprucht, wobei mittels des Computerprogrammprodukts jeweils das
erfindungsgemäße Verfahren und/oder dessen Ausführungsbeispiele durchführbar sind.
Zusätzlich wird eine Variante des Computerprogrammproduktes mit Programmbefehlen zur Konfiguration einer Fertigungsanlage zum additiven Fertigen beansprucht, wobei das Erstellungsgerät mit den Programmbefehlen derart konfiguriert wird, dass das genannte erfindungsgemäße Werkstück erzeugt wird.
Darüber hinaus wird eine Bereitstellungsvorrichtung zum Speichern und/oder Bereitstellen des Computerprogrammprodukts beansprucht. Die Bereitstellungsvorrichtung ist beispielsweise ein
Datenträger, der das Computerprogrammprodukt speichert und/oder bereitstellt . Alternativ und/oder zusätzlich ist die
Bereitstellungsvorrichtung beispielsweise ein Netzwerkdienst, ein Computersystem, ein Serversystem, insbesondere ein verteiltes Computersystem, ein cloudbasiertes Rechnersystem und/oder virtuelles Rechnersystem, welches das Computerprogrammprodukt vorzugsweise in Form eines Datenstroms speichert und/oder bereitstellt .
Diese Bereitstellung erfolgt beispielsweise als Download in Form eines Programmdatenblocks und/oder Befehlsdatenblocks,
vorzugsweise als Datei, insbesondere als Downloaddatei, oder als Datenstrom, insbesondere als Downloaddatenstrom, des
vollständigen Computerprogrammprodukts. Diese Bereitstellung kann beispielsweise aber auch als partieller Download erfolgen, der aus mehreren Teilen besteht und insbesondere über ein
Peer-to-Peer Netzwerk heruntergeladen oder als Datenstrom bereitgestellt wird. Ein solches Computerprogrammprodukt wird beispielsweise unter Verwendung der Bereitstellungsvorrichtung in Form des Datenträgers in ein System eingelesen und führt die Programmbefehle aus, sodass das erfindungsgemäße Verfahren auf einem Computer zur Ausführung gebracht wird oder das
Erstellungsgerät derart konfiguriert, dass dieses das
erfindungsgemäße Werkstück erzeugt.
Weitere Einzelheiten der Erfindung werden nachfolgend anhand der Zeichnung beschrieben. Gleiche oder sich entsprechende
Zeichnungselemente sind jeweils mit den gleichen Bezugszeichen versehen und werden nur insoweit mehrfach erläutert, wie sich Unterschiede zwischen den einzelnen Figuren ergeben.
Bei den im Folgenden erläuterten Ausführungsbeispielen handelt es sich um bevorzugte Aus führungs formen der Erfindung. Bei den Ausführungsbeispielen stellen die beschriebenen Komponenten der Aus führungs formen jeweils einzelne, unabhängig voneinander zu betrachtende Merkmale der Erfindung dar, welche die Erfindung jeweils auch unabhängig voneinander weiterbilden und damit auch einzeln oder in einer anderen als der gezeigten Kombination als Bestandteil der Erfindung anzusehen sind. Des Weiteren sind die beschriebenen Aus führungs formen auch durch weitere der bereits beschriebenen Merkmale der Erfindung ergänzbar. Es zeigen:
Figur 1 ein schematisches Ablaufdiagramm für ein
Ausführungsbeispiel des erfindungsgemäßen
Verfahrens, wobei der Ablauf parallel für beide Teilsysteme, d. h. für Teilsystem 1 und
Teilsystem 2, erfolgt,
Figur 2 schematisch ein Ausführungsbeispiel für den
erfindungsgemäßen Achszähler, mit dem das
Verfahren gemäß Figur 1 durchgeführt werden kann, wobei beide Teilsysteme, d. h. Teilsystem 1 und Teilsystem 2, dargestellt sind.
Figur 1 zeigt mit einem als Basis dargestellten Gleisabschnitt GA einen Verfahrensschritt 1 VS1, welcher darin besteht, dass der Sensor SEN1, SEN2, der durch die Räder eines den Gleisabschnitt GA befahrenden Zuges ZUG einen Radimpuls IPR erhält
(physikalischer Radeinfluss) . Diesen Radimpuls IPR wandelt der Sensor SEN1, SEN2 in eine Richtspannung RSP um.
In Figur 1 ist ferner ein Verfahrensschritt 2 VS2 zu erkennen, welcher darin besteht, dass über einen Analog-Digital-Wandler ADU die Richtspannung RSP als Rohdaten RDT in einen Prozessor PRC eingelesen wird.
Weiterhin ist in Figur 1 ein Verfahrensschritt 3 VS3 zu erkennen, welcher darin besteht, dass durch einen Verarbeitungsschritt der Rohdaten RDT ein Temperatureinfluss eliminiert wird, wobei kompensierte Daten KDT erzeugt werden, die im späteren Verlauf des Verfahrens für die Bewertung eines Beeinflussungszustands 1 und 2 BZ1, BZ1 relevant sind.
Figur 1 zeigt des Weiteren einen Verfahrensschritt 4 VS4, welcher darin besteht, dass der Prozessor PRC über einen Algorithmus verfügen kann, der nach Prüfung der Rohdaten RDT eine Bewertung vornimmt, ob ein Radeinfluss vorhanden ist oder nicht. Mittels des im Algorithmus verwendeten verstärkenden Lernens VSL erfolgt - durch die im Zugbetrieb gewonnene Daten (hierzu im Folgenden noch mehr) - eine Optimierung der Ermittlung des
Achszählungsergebnisses. Der Vorgang des verstärkenden Lernens kann beispielsweise durch ein nicht näher dargestelltes neuronales Netz durchgeführt werden.
In Figur 1 ist weiterhin erkennbar, dass über eine Ausgabe OUT die Übermittlung des Ergebnisses des Beeinflussungszustandes 1 und 2 BZ1, BZ2 an die Auswerteeinrichtung AWE erfolgen kann. Anhand der von der Auswerteeinrichtung erzeugten Bewertung kann somit eine Bestimmung des Belegungszustands des Gleisabschnitts GA erfolgen.
Die Auswerteeinrichtung AWE ist in einen Achszählrechner AZR integriert. Der Achszählrechner AZR wird durch die Infrastruktur eines Stellwerks zur Verfügung gestellt. Er kann in einem Verbund von Rechnern arbeiten und weitere, im Folgenden beschriebene Eingaben berücksichtigen.
Ferner zeigt Figur 1, dass die Auswerteeinrichtung AWE den Beeinflussungszustand 3, 4, und somit den tatsächlichen
Belegungszustand des Gleisabschnitts GA, von externen Daten, insbesondere Fahrplandaten FPD, ermitteln kann, da das Ergebnis des Belegungszustandes BZ1, BZ2 mit dem Muster des im Fahrplan FP vorgesehenen Zuges verglichen werden kann. Außerdem können über die Ausgaben OUT die weiteren Beeinflussungszustände 3 und 4 BZ3, BZ4 von der Auswerteeinrichtung AWE berücksichtigt werden, wobei diese weiteren Beeinflussungszustände von nicht dargestellten weiteren Achszählern ermittelt wurden. Diese Achszähler können beispielsweise am anderen Ende des Gleisabschnittes vorgesehen sein, da Gleisabschnitte sowohl am Anfang als auch am Ende jeweils Achszähler benötigen, um Freimeldungen und Belegtmeldung zu erzeugen und zu überprüfen.
In Figur 2 ist zu erkennen, dass der von dem den Gleisabschnitt GA befahrenden Zug ZUG auf Grund des physikalischen Radeinflusses erzeugte elektrische Impuls von Sensoren SEN in eine Richtspannung RSP umgewandelt werden kann. Die Sensoren SEN sind als Teil einer Achszähleinrichtung AZE ausgeführt, die über eine Schnittstelle 3 mit dem Achszählrechner AZR verbunden sind. Über die Schnittstelle S1 wird die Richtspannung RSP von den
Sensoren SEN an den Analog-Digital-Wandler ADU übermittelt. Über die Schnittstelle S2 gelangen die Rohdaten RDT vom Analog-Digital Wandler ADU zum Prozessor PRC . Die Schnittstelle S3 dient zur Übermittlung dieser Daten zur Erkennung von
Radeinflüssen/Beeinflussungszuständen, also den
Beeinflussungszustand BZ1 und BZ2, an den Achszählrechner AZR. Über die Schnittstelle S4 gelangen die Daten für den
Belegungszustand des Gleisabschnitts GA zur Leitzentrale und werden dort für die Erzeugung der Frei- bzw. Belegtmeldung des Gleisabschnitts GA durch den Achszählrechner herangezogen.
Bezugs zeichenliste :
GA Gleisabschnitt
TS1 Teilsystem 1
TS2 Teilsystem 2
AZR Achs zählrechner
IPR Radimpuls
SEN Sensor
VS1 Verfahrensschritt 1
RSP RiehtSpannung
ADU Analog-Digital-Wandler
VS2 Verfahrensschritt 2
RDT Rohdaten
PRC Prozessor
VS3 Verfahrensschritt 3
KDT kompensierte Daten
VS4 Verfahrensschritt 4
VSL Verstärkendes Lernen
OUT Ausgabe
BZ 1 Beeinflussungszustand 1
BZ2 Beeinflussungszustand 2
AWE Auswerteeinrichtung
BZ3 , BZ4 Beeinflussungszustände (einer anderen
Achszähleinrichtung)
FP Fahrplan
FPD Fahrplandaten
ZUG Zug
AZE Achszähleinrichtung
LZ Leitzentrale
S1 ... S4 Schnittstellen

Claims

Patentansprüche
1. Verfahren zum rechnergestützten Bestimmen des
Belegungszustandes eines Gleisabschnitts (GA) mit den Schritten, dass
• der physikalische Radeinfluss von den Gleisabschnitt (GA) befahrenden Zügen (ZUG) in eine Richtspannung (RSP) gewandelt wird,
• die Richtspannung (RSP) über einen Analog-Digital-Wandler (ADU) als Rohdaten (RDT) in einen Prozessor (PRC) eingelesen wird,
• mit Hilfe mindestens eines Algorithmus eine Bewertung
stattfindet, zur Prüfung, ob ein Radeinfluss vorliegt oder nicht, und daraus ein Beeinflussungszustand abgeleitet wird,
• der Beeinflussungszustand zum Bestimmen des
Belegungszustandes ausgegeben wird,
dadurch gekennzeichnet,
dass für die Erkennung von Radeinflüssen im Rahmen des Bewertens der Algorithmus ein verstärkendes Lernen zum Optimieren der für die Erkennung berücksichtigten Parameter einsetzt.
2. Verfahren nach Anspruch 1,
dadurch gekennzeichnet,
dass der Algorithmus für das verstärkende Lernen (VSL) ein neuronales Netz nutzt.
3. Verfahren nach Anspruch 1 oder 2,
dadurch gekennzeichnet,
dass der mindestens eine Algorithmus eine Schwellwerterkennung und/oder eine zeitliche Filterung und/oder die Berücksichtigung einer Hysterese zwischen Erkennung des Radanfangs und des Radendes durchführt .
4. Verfahren nach einem der voranstehenden Ansprüche,
dadurch gekennzeichnet,
dass die Verfahrensschritte in einem ersten Teilsystem (TS1) und in einem zweiten Teilsystem (TS2) parallel durchgeführt werden.
5. Verfahren nach Anspruch 4, dadurch gekennzeichnet,
dass das erste Teilsystem (TS1) und das zweite Teilsystem (TS2) beide den Beeinflussungszustand an eine Auswerteeinrichtung (AWE) ausgeben und die Auswerteeinrichtung (AWE) einen tatsächlichen Belegungszustand mit dem Beeinflussungszustand vergleicht.
6. Verfahren nach Anspruch 5,
dadurch gekennzeichnet,
dass die Auswerteeirichtung (AWE) den tatsächlichen
Belegungszustand durch Auswertung der Daten von
Sensoreinrichtungen, insbesondere Achszählern, am Gleisabschnitt (GA) oder von externen Daten, insbesondere Fahrplandaten (FPD), ermittelt .
7. Verfahren nach Anspruch 6,
dadurch gekennzeichnet,
dass die Auswerteeinrichtung (AWE) den tatsächlichen
Belegungszustand oder eine Information hinsichtlich der
Übereinstimmung des tatsächlichen Belegungszustandes mit dem ausgegebenen Beeinflussungszustand an die neuronalen Netze des ersten Teilsystems (TS1) und des zweiten Teilsystems (TS2) zurückmelden .
8. Verfahren nach Anspruch 7,
dadurch gekennzeichnet,
dass in dem Fall, dass eines der Teilsysteme des ersten
Teilsystems (TS1) und des zweiten Teilsystems (TS2) durch das verstärkende Lernen (VSL) eine höhere Sicherheit gegen
Fehlinterpretationen bei der Ermittlung des
Beeinflussungszustandes erreicht hat, als das andere, die für die Erkennung berücksichtigten Parameter auf das andere Teilsystem (TS1, TS2) übertragen werden.
9. Verfahren nach einem der voranstehenden Ansprüche,
dadurch gekennzeichnet,
dass in einem Verarbeitungsschritt der Rohdaten (RDT) ein
Temperatureinfluss eliminiert wird, wobei kompensierte
Daten (KDT) für die Bewertung erzeugt werden.
10. Verfahren nach einem der voranstehenden Ansprüche, dadurch gekennzeichnet,
dass in Zeitabständen ein Prüfzyklus mit einem Satz von
Eingangsgrößen durchgeführt wird, für die das Ergebnis der Ermittlung des Beeinflussungszustands vorhersagbar ist, und dass der ermittelte Beeinflussungszustand mit einem erwarteten, vorhersagbaren Beeinflussungszustand verglichen wird.
11. Achszähleinrichtung (AZE) zur Erkennung von Radeinflüssen auf einen Gleisabschnitt (GA) mit
• einem Sensor (SEN) , mit dem der physikalische Radeinfluss von den Gleisabschnitt (GA) befahrenden Zügen (ZUG) in eine Richtspannung (RSP) wandelbar ist,
• einem Analog-Digital-Wandler (ADU) , mit dem aus der
Richtspannung (RSP) Rohdaten (RDT) erzeugbar sind,
• einem Prozessor (PRC) , mit dem die Rohdaten (RDT) verarbeitbar und durch mindestens einen im Prozessor (PRC) implementierten Algorithmus hinsichtlich eines Belegungszustandes bewertbar sind,
• einer Schnittstelle (S3) zur Ausgabe eines Belegungszustandes dadurch gekennzeichnet,
dass der Prozessor für die Erkennung von Radeinflüssen im Rahmen des Bewertens ein neuronales Netz aufweist.
12. Achszähleinrichtung (AZE) nach Anspruch 11,
dadurch gekennzeichnet,
dass mit dieser ein Verfahren gemäß einem der Ansprüche 1-10 durchführbar ist.
13. Achszähleinrichtung (AZE) nach Anspruch 11 oder 12, dadurch gekennzeichnet,
dass in dem Prozessor (PRC) ein standardisierter Parametersatz zur Durchführung des Algorithmus abgespeichert ist.
14. Computerprogrammprodukt mit Programmbefehlen zur Durchführung des Verfahrens nach einem der Ansprüche 1-10.
15. Bereitstellungsvorrichtung für das Computerprogrammprodukt nach Anspruch 14, wobei die Bereitstellungsvorrichtung das Computerprogrammprodukt speichert und/oder bereitstellt .
EP20724747.9A 2019-04-30 2020-04-02 Verfahren zum bestimmen einer gleisbelegung sowie achszähleinrichtung Active EP3938265B1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102019206241.5A DE102019206241A1 (de) 2019-04-30 2019-04-30 Verfahren zum Bestimmen einer Gleisbelegung sowie Achszähleinrichtung
PCT/EP2020/059342 WO2020221544A1 (de) 2019-04-30 2020-04-02 Verfahren zum bestimmen einer gleisbelegung sowie achszähleinrichtung

Publications (3)

Publication Number Publication Date
EP3938265A1 true EP3938265A1 (de) 2022-01-19
EP3938265B1 EP3938265B1 (de) 2025-02-12
EP3938265C0 EP3938265C0 (de) 2025-02-12

Family

ID=70617063

Family Applications (1)

Application Number Title Priority Date Filing Date
EP20724747.9A Active EP3938265B1 (de) 2019-04-30 2020-04-02 Verfahren zum bestimmen einer gleisbelegung sowie achszähleinrichtung

Country Status (4)

Country Link
EP (1) EP3938265B1 (de)
DE (1) DE102019206241A1 (de)
ES (1) ES3024957T3 (de)
WO (1) WO2020221544A1 (de)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021200803A1 (de) * 2021-01-29 2022-08-04 Siemens Mobility GmbH Auswerteinrichtung für eine technische Einrichtung und Verfahren zum Herstellen einer Auswerteinrichtung
EP4035969B1 (de) * 2021-01-29 2024-11-13 Siemens Mobility GmbH Verfahren zum trainieren einer steuerung für ein schienenfahrzeug, steuerung und schienenfahrzeug
CN113562035B (zh) * 2021-06-30 2023-03-21 通号城市轨道交通技术有限公司 列车位置报告跳变防护方法、装置、电子设备和存储介质
CN115489572B (zh) * 2022-09-21 2024-05-14 交控科技股份有限公司 基于强化学习的列车ato控制方法、设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3218541C1 (de) * 1982-05-17 1983-11-03 Siemens AG, 1000 Berlin und 8000 München Schienenkontakt für spurgeführte Fahrzeuge
US12233922B2 (en) * 2018-12-28 2025-02-25 Kawasaki Jukogyo Kabushiki Kaisha Travel condition network information generation system, travel condition network information generation apparatus, and travel condition network information generation method

Also Published As

Publication number Publication date
EP3938265B1 (de) 2025-02-12
DE102019206241A1 (de) 2020-11-05
EP3938265C0 (de) 2025-02-12
WO2020221544A1 (de) 2020-11-05
ES3024957T3 (en) 2025-06-05

Similar Documents

Publication Publication Date Title
EP3938265B1 (de) Verfahren zum bestimmen einer gleisbelegung sowie achszähleinrichtung
WO2010127996A1 (de) Steuersystem zum sicheren betreiben von mindestens einer funktionskomponente
DE4039521C2 (de) Drehzahl-Spaltfehler-Detektor für Schienenfahrzeuge
EP3405377A1 (de) Ato-einrichtung, schienenfahrzeug und verfahren zum automatisierten fahren eines schienenfahrzeugs
EP3969351B1 (de) Odometrisches verfahren, insbesondere für ein schienenfahrzeug oder eine leitzentrale
EP3475142B1 (de) Sensoreinrichtung und verfahren zum erfassen einer magnetfeldänderung
EP3353022A1 (de) Verfahren zum betrieb eines bremssteuerungssystems für ein schienenfahrzeug mit einem bremssystem, bremssteuerungssystem, bremssystem sowie schienenfahrzeug
EP2701018B1 (de) Verfahren zur sicheren Parametrierung eines Feldgeräts
EP3984856B1 (de) Verfahren zum erkennen der fahrzeuggattung eines schienenfahrzeugs und zur anwendung des verfahrens geeignete vorrichtung
EP3795451A1 (de) Verfahren zum orten eines fahrzeugs an einer für einen halt des fahrzeugs vorgesehenen station
DE102011007363B4 (de) Vorrichtung und Verfahren zur Bereitstellung von Radparametern eines Schienenfahrzeuges
DE102020208797A1 (de) Verfahren zur Zugsicherung und Zugsicherungseinrichtung
EP3419879B1 (de) Verfahren und vorrichtung zur bestimmung eines sicheren bremswerts eines schienenfahrzeugs
EP3529122B1 (de) Verfahren zum kalibrieren eines radsensors und entsprechender radsensor sowie eisenbahntechnische anlage mit einem solchen radsensor
AT525309A1 (de) Verfahren zum sicheren Betreiben eines Schienenverkehrssystems und Schienenverkehrssystem
WO2021058220A1 (de) Verfahren zum überwachen von funktionen einer balise und hierfür geeignetes lesegerät
EP2927088A1 (de) Verfahren zur papierlosen Inbetriebnahme einer Streckenpunktes für den schienengebundenen Verkehr
EP4417484A1 (de) Achszählersystem zum überwachen eines gleisabschnitts eines schienensystems
EP3577006B1 (de) Vorrichtung zur bestimmung zumindest eines auf einen ort und/oder zumindest eine bewegungsgrösse eines spurgebundenen fahrzeugs bezogenen messwertes sowie verfahren zum betreiben einer solchen vorrichtung
DE102019215013A1 (de) Zugbeeinflussungsverfahren und Zugbeeinflussungssystem
DE102009037369A1 (de) Verfahren zum Kalibrieren eines Radsensors einer Gleisfreimeldeanlage, Radsensor sowie Gleisfreimeldeanlage
WO2022012966A1 (de) Regelungsvorrichtung und regelungsverfahren für ein gleitschutzsystem
EP3587214A1 (de) Balisensteuerungsvorrichtung
DE102006023947A1 (de) Verfahren zum Erzeugen eines Geschwindigkeitssignals
EP4446193A1 (de) Verfahren zum betreiben einer eisenbahntechnischen anlage und eisenbahntechnischen anlage

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: 20211015

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

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
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 27/30 20220101ALI20240930BHEP

Ipc: B61L 1/16 20060101AFI20240930BHEP

INTG Intention to grant announced

Effective date: 20241025

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: 502020010377

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: 20250304

U07 Unitary effect registered

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

Effective date: 20250311

U20 Renewal fee for the european patent with unitary effect paid

Year of fee payment: 6

Effective date: 20250417

REG Reference to a national code

Ref country code: ES

Ref legal event code: FG2A

Ref document number: 3024957

Country of ref document: ES

Kind code of ref document: T3

Effective date: 20250605

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: 20250512

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

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: 20250212

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

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: 20250512

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: 20250612

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

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: 20250212

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: 20250513

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: 20250212

RAP4 Party data changed (patent owner data changed or rights of a patent transferred)

Owner name: SIEMENS MOBILITY GMBH

U1H Name or address of the proprietor changed after the registration of the unitary effect

Owner name: SIEMENS MOBILITY GMBH; DE

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

Ref country code: ES

Payment date: 20250721

Year of fee payment: 6

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

Ref country code: CH

Payment date: 20250709

Year of fee payment: 6

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: 20250212

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: 20250212

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

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

Ref country code: MC

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: 20250212

26N No opposition filed

Effective date: 20251113

GBPC Gb: european patent ceased through non-payment of renewal fee

Effective date: 20250512

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

Ref country code: GB

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20250512

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

Ref country code: IE

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20250402