JP2021502301A - 軌道ネットワーク内でのナビゲートのためのシステムおよび方法 - Google Patents

Abstract

本発明は、システムコンポーネントとしてシステムセンタ（２０）と、軌道建設機械（１）と、通信手段（２６）とを含む、軌道ネットワーク（４）内でのナビゲートのためのシステム（２０）に関する。システムセンタ（２０）は、軌道ネットワーク（４）のモデル（３１）を表すネットワークデータを管理するように構成されている。軌道建設機械（１）は、軌道ネットワーク（４）の軌道セクション（３）を処理するために適しており、軌道建設機械（１）は、ネットワークデータから導出されたナビゲーションデータを処理するためのナビゲーション装置（１９）を含む。システムセンタ（２０）とナビゲーション装置（１９）との間のデータ交換のために、通信手段（２６）が設けられている。本発明によれば、本システムは、少なくとも１つの移動するまたは静止したキャリアプラットフォーム（１，２１，２２，２３，２４）を含み、キャリアプラットフォームは、軌道ネットワーク（４）の特徴情報を表す生データを検出するためのセンサ（１４）を有し、システムセンタ（２０）には、生データを評価し、ネットワークデータと比較するために、ビッグデータフレームワーク（２７）が構成されている。本システムによれば、ネットワークデータの自動化された更新を実施することが可能となる。

Description

本発明は、システムコンポーネントとしてシステムセンタと、軌道建設機械と、通信手段とを含む、軌道ネットワーク内でのナビゲートのためのシステムに関する。システムセンタは、軌道ネットワークのモデルを表すネットワークデータを管理するように構成されている。軌道建設機械は、軌道ネットワークの軌道セクションを処理するために適しており、軌道建設機械は、ネットワークデータから導出されたナビゲーションデータを処理するためのナビゲーション装置を含む。システムセンタとナビゲーション装置との間のデータ交換のために、通信手段が設けられている。本発明はさらに、システムを動作させるための方法に関する。

従来技術
軌道建設機械を使用するためには、軌道ネットワーク内でのナビゲートが必要である。まず始めにシステムセンタにおいて、使用場所および作業指示を有する使用計画が、手動でまたは部分的に自動で作成される。その後、指定された使用場所をナビゲーション目標として設定するために、使用計画リストが軌道建設機械に伝送される。基本的に、機械操作者は、その地域の状況を把握していることが前提とされる。

欧州特許出願公開第１８６２５９３号明細書からは、衛星支援による測位システムによって、軌道ネットワーク内での軌道建設機械の自動的な位置特定を可能にするシステムが公知である。正確な位置特定を実施するために、ルートデータベースの特徴的なデータとの比較が実施される。

建設現場を計画する過程では、使用場所が明確に定義されていない場合があるか、または誤って指定されている場合がある。例えば、使用計画に、無効な基準が記入されている場合がある。このようなエラーは、作業の実施を遅延させる可能性がある。最悪の場合には、誤った軌道セクションへの介入が実施されてしまう。

従来技術によれば、使用計画を作成するために、複数の異なるデータベースに保存されているネットワークデータが使用される。これらのデータベースは、軌道ネットワーク内のそれぞれ異なる設備（例えば、信号システム、車道、架空線など）に関連している。これらのデータベースは、鉄道インフラストラクチャ事業者の複数の異なる計画箇所のそれぞれの要件に合わせて編集されており、基本的に、使用場所を指示するために、種々異なる基準（例：キロメートル標示、柱の標識、枕木、信号装置など）が保存されている。

例えば転轍機の撤去のように、軌道ネットワークが変更された場合には、既知のデータベース内のネットワークデータを手動で更新しなければならない。実際には、利用可能なネットワークデータの一貫性、完全性、有効性、および正確性において定期的に問題が生じる。さらなる結果として、不十分なデータ保守により、軌道建設機械の誤った使用計画がもたらされることとなる。

発明の概要
本発明の基礎となる課題は、冒頭で述べた形式のシステムおよび方法に関して従来技術に対する改善策を提供することである。

本発明によれば、上記の課題は、独立請求項１および７記載の特徴によって解決される。本発明の有利な発展形態は、従属請求項から明らかとなる。

本システムは、少なくとも１つの移動するまたは静止したキャリアプラットフォームを含み、キャリアプラットフォームは、軌道ネットワークの特徴情報を表す生データを検出するためのセンサを有し、システムセンタには、生データを評価し、ネットワークデータと比較するために、ビッグデータフレームワークが構成されている。

このようにして、ネットワークデータは、検出された実際の状態に継続的に適合される。システムセンタにビッグデータフレームワークを設けることにより、所定の評価基準または評価アルゴリズムに基づいて、検出された生データを自動的に評価することが可能となる。従来のデータベースとデータ分析ツールとに加えて、種々異なる機械学習のプロセスが使用される。このようにして、検出された生データに基づいて、軌道ネットワークのモデルが構築され、継続的に発展される。モデルと、軌道建設機械に設置されたセンサシステムとに基づいて、自動化されたリアルタイムの位置特定が実施される。さらに、作業パラメータを、場所に依存して事前定義することができる。

軌道建設機械が、キャリアプラットフォームとして構成されており、軌道ネットワークを走行中に生データを収集するセンサシステムを含む場合には、有利である。したがって、軌道建設機械がますます多く使用されるだけで、ネットワークデータがますます正確になり、これによって、正確な使用計画が保証されている。

さらに、本システムが、キャリアプラットフォームとして測定車両を含むか、またはセンサが設けられた、軌道に接続されている別の車両を含む場合には、有意義である。基本的に、実際の状態を集計するためには、測定車両が、所定の時間間隔で軌道ネットワークを走行する。測定車両によって検出された生データは、本発明のシステムに統合される場合、ネットワークデータの更新のためにも使用される。従来の鉄道車両にも、この目的でセンサシステムを設けることができる。

さらなる改善形態は、本システムが、飛行するキャリアプラットフォーム、とりわけ、センサが設けられたドローンを含むことを企図している。ネットワークデータを情報によって強化するために、高解像度の衛星画像を生データとして使用することもできる。

有利な実施形態では、軌道オブジェクトをノードとして有し、かつ軌道オブジェクトの間の関係性をエッジとして有するグラフとして、ネットワークデータが保存されている。このようにして、ネットワークデータを簡単に管理することができる。とりわけ、適切なアルゴリズムによって、評価された生データとの比較が容易になる。

軌道オブジェクトに対して、特徴的なデータパターンが設定されている場合には、有利である。このための基礎は、特定のクラスのそれぞれのオブジェクト（例えば、枕木、レールの留め具、照明信号など）が有する顕著な特徴によって提供される。その場合には、生データにおいて、使用されているセンサに応じて、効率的なオブジェクトの割り当てを保証する対応するデータパターンが発見される。

上述したシステムを動作させるための本発明による方法は、センサによって生データを検出し、生データを、システムセンタに伝送し、生データから、決定アルゴリズムによってオブジェクトデータを生成し、ネットワークデータを更新するために、ネットワークデータをオブジェクトデータと比較することを企図している。

検出された生データを機械によって評価するために、システムセンタに構成されたビッグデータフレームワークが使用される。この方法によれば、センサによって対応する生データが検出されるとすぐに、ネットワークデータの自動的な適合が実施される。不十分なデータ保守による問題が、これによって排除されている。

本方法の有利な発展形態では、ネットワークデータの更新が実施された後、更新されたデータの全部または一部が、軌道建設機械のナビゲーション装置に伝送される。システムに複数の軌道建設機械が含まれている場合には、全ての機械に対して、対応するデータ伝送が実施される。このようにして、次の使用場所へのナビゲーションは、常に、更新されたネットワークデータに基づくものとなる。

本方法の有利な実施形態は、使用されているセンサに応じて、かつ／または使用されているキャリアプラットフォームに応じて、かつ／または使用されている決定アルゴリズムに応じて、オブジェクトデータにそれぞれ確率値または確率関数を割り当てることを企図している。このようにして、データストックまたは軌道ネットワークに関連して、決定の精度が高められる。これによって、軌道ネットワークまたは既存の軌道ネットワーク情報に関する情報内容に鑑みて、特定のオブジェクトのクラス分けが実施される。

ビッグデータフレームワークの枠内での機械学習により、認識可能なオブジェクトを、新しい生データに基づいて継続的に拡張および適合させることが可能になる。例えば、オブジェクトレジスタに保存されている定義またはアルゴリズムが、新しいデータによって更新される。

割り当てられた確率値または確率関数に依存して、ネットワークデータを、新しいオブジェクトデータによって更新する場合には、有利である。したがって、評価された情報内容に基づいて、新しいオブジェクトデータを追加することにより、ネットワークデータが最新の状態になる。

さらなる改善形態は、オブジェクトデータを、キャリアプラットフォームの検出された移動パターンに基づいて分類し、これにより、グラフとして保存されているネットワークデータと比較するために、オブジェクトデータによって表される軌道オブジェクトを、オブジェクトチェーンとしてつなぎ合わせて供給することを企図している。これにより、検出された移動パターンによって複数の軌道オブジェクトがつなぎ合わされた論理的なチェーンが実現されるので、比較が簡単になる。したがって、個々の軌道オブジェクトの意味から、複雑な構造を有するオブジェクトチェーンの意味が導出される。

有利には、オブジェクトチェーンが複数のセグメントに分類され、１つのセグメントが、特徴的な軌道オブジェクトに基づいてグラフと比較される。この方法ステップも、ネットワークデータとオブジェクトデータとの比較を最適化する。

セグメントとサブグラフとの簡単に実行可能な比較は、１つのセグメントをサブグラフと比較する際に、一致の程度を求め、一致の程度が所定の最小の程度を上回る場合には、サブグラフをセグメントによって置き換えることを企図している。

１つのセグメントをサブグラフと比較する際に、検証不可能な軌道オブジェクトを、検証が失敗した回数が所定の回数に到達するまで、サブグラフのノードとして保持したままにする場合には、本方法のエラー許容度が増加される。このようにして、センサ障害または伝送障害が、ネットワークデータの品質に対して影響を与えることがなくなる。

ナビゲーションプロセスに関して、軌道建設機械に配置されたセンサによって、周囲の軌道オブジェクトを検出し、検出された軌道オブジェクトをネットワークデータと比較することによって、軌道建設機械の現在の位置を特定する場合には、有利である。軌道建設機械をナビゲートする際には、軌道ネットワークの変更が自動的に考慮される。

図面の簡単な説明
以下では、本発明を、添付の図面を参照しながら例示的に説明する。

軌道建設機械を示す図である。 軌道ネットワークを示す図である。 システム構成を示す図である。 軌道セクションの分類を示す図である。 方法フローを示す図である。

実施形態の説明
本発明によるシステムの１つのコンポーネントは、図１に示されている軌道建設機械１であり、この軌道建設機械１を、作業投入のためにナビゲートすることが求められている。この軌道建設機械１は、軌道ネットワーク４の軌道セクション３を処理するための作業ユニット２を含む。軌道ネットワーク４は、図２に例示的に示されているように、例えば軌道５、転轍機６、クロッシング７、柱８、トンネル９、駅１０、地下区間１１、踏切１２、または地上子１３のような種々異なる軌道オブジェクトを含む。

軌道建設機械１にはさらに、走行中の軌道５の周辺環境と、現在の位置とを検出するために、種々異なるセンサまたはセンサシステム１４が設けられている。このセンサまたはセンサシステム１４は、例えば、カメラ１５、位置特定システム１６、光空間スキャナ１７、またはレールスキャナ１８である。このようにして、軌道建設機械１は、センサまたはセンサシステム１４のためのキャリアプラットフォームとして機能する。

処理すべき軌道セクション３に到達するために、軌道建設機械１は、ナビゲーション装置１９を含む。このナビゲーション装置１９は、計算および制御ユニットとして構成されており、ネットワークデータによって表されている軌道ネットワーク４内でのナビゲーションのために使用される。軌道建設機械１の現在の位置を特定するために、ネットワークデータから導出されたナビゲーションデータがナビゲーション装置１９によって処理され、センサデータと比較される。

本発明の課題は、ネットワークデータを継続的に自動的に更新することである。このために、まず始めにセンサまたはセンサシステム１４によって、軌道ネットワーク４の特徴情報を表している生データが検出される。その後、これらの生データが評価され、システムセンタ２０で管理されているネットワークデータと比較される。このデータ比較から、軌道ネットワーク４または個々の軌道セクション３の状態を推定することも可能となる。例えば、検出された位置データが頻繁に変化していれば、軌道姿勢が不安定であることを推定することができる。

生データを検出するために、軌道建設機械１に加えて、例えば測定車両２１、別の鉄道車両２２、または飛行するキャリアプラットフォーム２３のような他のキャリアプラットフォームを使用することができる。静止したキャリアプラットフォーム２４として、センサ１４が設けられたインフラストラクチャ設備を利用することができる。このようなインフラストラクチャ設備は、例えば、軌道セクション３を観察するカメラ１５が取り付けられた柱８であり得る。軌道５の隣に敷設されたグラスファイバケーブルも、センサ１４として利用することができる。このための基礎は、いわゆる分散型音響センシング（ＤＡＳ：Distributed Acoustic Sensing）であり、この分散型音響センシングでは、グラスファイバケーブルを介してレーザーパルスが送信され、軌道セクション３に沿って音響信号と、音響信号から導出可能な挙動とをリアルタイムで記録する。そのような静止したキャリアプラットフォーム２４により、観察対象の軌道セクション３の生データが経時的に収集される。オブジェクトの変化を検出することに加えて、移動するキャリアプラットフォーム１，２１，２２，２３の位置を検証するためにも、これらの生データを利用することができる。

測定車両２１には、例えばＧＮＳＳ受信機２５と、光空間スキャナ１７と、レールスキャナ１８とが設けられている。その他の鉄道車両２２は、ＧＮＳＳ受信機２５を含み、飛行するプラットフォーム２３は、カメラ１５、または空中記録を検出するためのその他の装置を含む。これら全てのセンサまたはセンサシステム１４によって、種々異なる生データが収集され、評価のために供給される。生データは、データ量と既存の計算能力とに応じて、キャリアプラットフォーム１，２１，２２，２３，２４上で事前処理されるか、またはシステムセンタ２０に直接的に伝送される。

図３の例示的なシステム構造から見て取れるように、さらなるシステムコンポーネントとして通信手段２６が設けられている。これらの通信手段２６は、システムセンタ２０と、センサシステム１４と、ナビゲーション装置１９との間でデータを交換するために使用される。これらの通信手段２６は、例えば、移動体無線ネットワークを介したワイヤレス通信のための装置である。本発明によるシステムの非常に簡単な実施形態では、システムセンタ２０が、軌道建設機械１内に収容されており、これにより、ナビゲーションおよびネットワークデータ更新のための自給自足のシステムが得られる。通信手段２６は、設置されているバスシステムの構成要素であり得る。

システムセンタ２０には、ビッグデータネットワーク２７が構成されている。このビッグデータネットワーク２７は、従来のデータベース２８とデータ分析ツールとに加えて、種々異なる機械学習アルゴリズムもサポートしている。これに関する例は、ｎｏＳＱＬまたはＨａｄｏｏｐである。このようにして、システムセンタ２０は、データを収集、保存、および処理するために使用される。

センサシステム１４は、複数のデータ点

から、時点ｔにおける任意の次元ｋを有するデータテンソルＳ_ｋ（ｔ）を作成する：

である。移動するキャリアプラットフォーム１，２１，２２，２３に配置されているセンサ１４は、とりわけ、データ点

を、空間情報と共に供給する。これに対して、静止したキャリアプラットフォーム２４の場合には、センサ１４によって検出されたデータ点は、とりわけ経時的な変化をマッピングしている。

センサシステム１４のデータ点

における特徴的な特徴から、オブジェクトデータとして、仮想的に表示されるオブジェクト２９が作成される（オブジェクト_ｉ）。これらのオブジェクト２９は、軌道環境内において確率論的な確実性を以て認識することができる軌道オブジェクト４〜１３であって、かつナビゲーションのための基準として使用することができる軌道オブジェクト４〜１３を表している。具体的には、オブジェクト２９は、有意に再現可能なパターンを特徴とする。オブジェクトレジスタにおいて、オブジェクト２９の定義（またはアルゴリズム）が、新しいデータによって更新される。

この際、それぞれのオブジェクト特徴に対して確率が計算されるか、または確率関数Ｐ_ｘが割り当てられる。

オブジェクトの検証から得られるメタデータに加えて、データ点は、とりわけ、仮想的に表示されるオブジェクト２９の現在の状態を記述する。

それぞれの確率関数Ｐは、センサまたはセンサシステム１４の種類と、キャリアプラットフォーム１，２１，２２，２３，２４の種類と、オブジェクトレジスタのアルゴリズムとに依存する。例えば、比較的新しいセンサシステム１４に対しては、小さいばらつきを有する確率関数が設定されている。これに対して、比較的低い精度を有する比較的古いセンサ１４に対しては、より大きなばらつきが設定されている。保存されている観察プロセスから導出される認識確率は、これまでに認識されたオブジェクト２９の数を考慮している。このようにして、オブジェクト２９の一意性の程度が、システムセンタ２０に保存されているデータベースに関連して高められる。したがって、評価された情報内容に基づいて、軌道ネットワーク全体と、その情報とに関連して、オブジェクト２９のクラス分けが実施される。

さらに、認識可能なオブジェクト２９が機械学習または手動学習によって継続的に拡張および適合されることにより、評価方法が継続的に改善される。ビッグデータフレームワーク内での自律的な機械学習は、システムセンタ２０において新たに検出されたデータに基づいている。

図４に示されるように、仮想的に表示されるオブジェクト２９同士は、キャリアプラットフォーム１，２１，２２の移動パターンに従って互いに対して数珠つなぎされる。したがって、軌道に接続されているキャリアプラットフォーム１，２１，２２の場合には、複数の仮想的に表示されるオブジェクト２９がつなぎ合わされたものが生成され、その結果として生じるオブジェクトチェーン３０を、意味論的チェーン

として理解することができる：

ただし、ｔ_ｎは、キャリアプラットフォーム１，２１，２２の走行の開始時間であり、ｔ_ｎ＋ｍは、キャリアプラットフォーム１，２１，２２の走行の終了時刻である。

このチェーン内では、特徴的なオブジェクト２９（例えば、転轍機６のオブジェクトデータ）が、複数のセグメント３１に下位分類するための離散化点として設定される。これらの特徴的なオブジェクト２９を、認識確率から、またはネットワークにおける関連性（一意性の程度）から、動的に決定することができる。図４では、つなぎ合わされた複数のオブジェクト２９は、例えば左から右の順に、転轍機６、地上子１３、軌道５、柱８、トンネル出入口、トンネル９、トンネル出入口、転轍機６、柱８、地上子１３、２つの柱８、および転轍機６を表す。

新しいオブジェクトチェーン３０は、ネットワークデータと、すなわち軌道ネットワーク４のモデル３１と比較される。ネットワークデータは、グラフＮ（ｔ_ａ）として保存されており、なお、ｔ_ａは、それぞれのオブジェクト２９の更新時点である：
Ｎ（ｔ_ａ）＝（オブジェクト_ｖ（ｔ），エッジ（ｔ））
Ｎ（ｔ_ｎｅｗ）＝オブジェクト_ｖｉ（ｔ）→Ｎ（ｔ_ｏｌｄ）

オブジェクトチェーン３０のセグメント３２は、特徴的なオブジェクト２９を介して軌道ネットワーク４のモデル３１に対して比較（マッピング）される。セグメント３２と、サブグラフとが高確率で一致している場合には、セグメント３２に含まれている仮想的に表示されるオブジェクト２９が、グラフに移行される。このようにして、それぞれの仮想的に表示されるオブジェクト２９の特徴が、割り当てられた確率関数Ｐを考慮して、モデル３１の特徴を更新する（ネットワークデータをアップデートする）ために使用される。検出される生データが増加するにつれて、ネットワークデータの信頼性および精度が向上する：

静止したキャリアプラットフォーム２４によって検出されたデータ点を用いても、ネットワークデータとの比較が相応にして実施され、ここでは、経時的な変化に関する情報が非常に重要である。

更新プロセス中には、センサエラーまたはオブジェクト検出の障害に起因して、個々のオブジェクト２９を検証することができない場合がある。その場合には、新しい検出プロセス３３中に反証が実施されるまで、または検証が数回行われない場合に、これらのオブジェクト２９をネットワークデータ内に保持したままにすると、有意義である。

図５には、処理シーケンスが概略的に示されている。本方法は、以下の複数の方法ステップに大まかに分類される：
・種々異なるキャリアプラットフォーム１，２１，２２，２３，２４と、センサシステム１４とを入力するステップ３４
・統計的な寸法を用いてオブジェクトを表示するために信号分析を実施するステップ３５
・オブジェクト表示の検証または反証のために検出プロセス（観察）を反復するステップ３３
・種々異なる検出形式または観察視点をマッピングするステップ３６
・軌道ネットワークモデル３１を出力するステップ３７（ネットワークデータの更新）
・軌道建設機械１のナビゲーションプロセスを実施するステップ３８

初期の段階において、システムは、所定のアルゴリズムに基づいて、軌道ネットワーク４のための出力モデル３１を作成する。このために、例えば、航空記録と、測定車両２１の生データと、軌道建設車両１の生データと、その他の車両２２の生データとが評価される。図５では、それぞれの信号分析３５により、まず始めに、複数の異なるオブジェクト２９またはオブジェクトクラスが生成され、これらのオブジェクト２９またはオブジェクトクラスを、個々の軌道オブジェクト５〜１３に割り当てることができる。航空記録の場合、これらの個々の軌道オブジェクトは、例えば、線路５、転轍機６、トンネル９、柱８、駅１０などである。軌道に接続されているキャリアプラットフォーム１，２２，２３の生データを、軌道５、転轍機６、トンネル９などの軌道オブジェクトに割り当てることができる。

検出プロセスを反復３３する過程で、個々のオブジェクト２９は、各自の関係性に関して互いに検証または反証される。軌道に接続されているキャリアプラットフォーム１，２２，２３の場合には、走行する軌道セクション３をマッピングしているオブジェクトチェーン３０が形成される。マッピング３６によるこれらの評価結果を結びつけることによって、最終的に、検出された軌道ネットワーク４のモデル３１がもたらされる。

ナビゲーションプロセス３８を確実に実行するために、ネットワークデータは、データ更新の実施後に、または所定の時間間隔で、システムセンタ２０から軌道建設機械１のナビゲーション装置１９へと伝送される。ネットワークデータに含まれているどのオブジェクト２９が、ナビゲーションのために軌道建設機械１に伝送されるのかを、所望の信頼度によってパラメータ化すると有利である。

ナビゲーションプロセス３８自体の間に、オブジェクトまたはオブジェクトデータ２９は、センサまたはセンサシステム１４によって軌道建設機械１の環境において目下検出されている軌道オブジェクト５〜１３と比較される。このようにして、認識された軌道オブジェクト５〜１３が、位置を特定するための基準として使用される。さらに、軌道５におけるより詳細な位置特定のために、軌間測定の結果を使用することができる。検出された軌間の推移は、対応する軌道５を表しているオブジェクト２９のさらなるデータ点を形成する。拡張形態では、枕木３９またはレール４０の検出可能な特徴的な特徴（刻印、材料特徴など）を利用することもできる。

さらに、ナビゲーションプロセス３８中に検出された生データは、ネットワークデータを更新するための新しいデータ入力として使用される。本発明のシステムによれば、改築または障害による軌道ネットワーク４の変化が、後続のナビゲーションプロセス３８のために自動的に考慮される。認知は、軌道ネットワーク４の流動速度に応じて、契機または時間に応じて自動的に実施される。

有利には、軌道建設機械１の目下の環境における認識および予想されたオブジェクト２９が、方向性を定めるために機械操作者４１に提示される。この提示には、追加的に作業指示を含めることができる。作業パラメータを、機械操作者４１に場所に依存して供給することも、または直接的に作業ユニット２に伝送することもできる。このようにして、作業パラメータの自動化された局所的な適合が実施され、これによって、軌道建設機械１の最適な使用が可能となる。タンピング機械の場合には、これらの作業パラメータは、例えば、リフト値および基準値、ならびにタンピングサイクルのための時間設定値である。他の軌道建設機械１の場合には、バラスト需要量、古いバラストの廃石量のような作業パラメータを、場所に依存して適合させることができる。

Claims (15)

1. 軌道ネットワーク（４）内でのナビゲートのためのシステムであって、
   前記システムは、以下のコンポーネント、すなわち、
   前記軌道ネットワーク（４）のモデル（３１）を表すネットワークデータを管理するためのシステムセンタ（２０）と、
   前記軌道ネットワーク（４）の軌道セクション（３）を処理するための軌道建設機械（１）であって、前記ネットワークデータから導出されたナビゲーションデータを処理するためのナビゲーション装置（１９）を含む、軌道建設機械（１）と、
   前記システムセンタ（２０）と前記ナビゲーション装置（１９）との間のデータ交換のための通信手段（２６）と
   を含む、システムにおいて、
   前記システムは、少なくとも１つの移動するまたは静止したキャリアプラットフォーム（１，２１，２２，２３，２４）を含み、前記キャリアプラットフォーム（１，２１，２２，２３，２４）は、前記軌道ネットワーク（４）の特徴情報を表す生データを検出するためのセンサ（１４）を有し、
   前記システムセンタ（２０）には、前記生データを評価し、前記ネットワークデータと比較するために、ビッグデータフレームワーク（２７）が構成されている
   ことを特徴とする、システム。
2. 前記軌道建設機械（１）は、キャリアプラットフォームとして構成されており、前記軌道ネットワーク（４）を走行中に生データを収集するセンサシステム（１４）を含む、請求項１記載のシステム。
3. 前記システムは、キャリアプラットフォームとして測定車両（２１）を含むか、またはセンサ（１４）が設けられた、軌道に接続されている別の車両（２２）を含む、請求項１または２記載のシステム。
4. 前記システムは、飛行するキャリアプラットフォーム（２３）、とりわけ、センサ（１４）が設けられたドローンを含む、請求項１から３までのいずれか１項記載のシステム。
5. 軌道オブジェクト（５〜１３）をノードとして有し、かつ前記軌道オブジェクト（５〜１３）の間の関係性をエッジとして有するグラフとして、前記ネットワークデータが保存されている、請求項１から４までのいずれか１項記載のシステム。
6. 軌道オブジェクト（５〜１３）に対して、特徴的なデータパターンが設定されている、請求項５記載のシステム。
7. 請求項１から６までのいずれか１項記載のシステムを動作させるための方法において、
   センサ（１４）によって生データを検出し、
   前記生データを、システムセンタ（２０）に伝送し、
   前記生データから、決定アルゴリズムによってオブジェクトデータ（２９）を生成し、
   ネットワークデータを更新するために、前記ネットワークデータを前記オブジェクトデータ（２９）と比較する
   ことを特徴とする、方法。
8. 前記ネットワークデータの更新が実施された後、更新された前記データの全部または一部を、前記軌道建設機械（１）の前記ナビゲーション装置（１９）に伝送する、請求項７記載の方法。
9. 使用されているセンサ（１４）に応じて、かつ／または使用されているキャリアプラットフォーム（１，２１，２２，２３，２４）に応じて、かつ／または使用されている決定アルゴリズムに応じて、前記オブジェクトデータ（２９）にそれぞれ確率値または確率関数を割り当てる、請求項７または８記載の方法。
10. 割り当てられた前記確率値または前記確率関数に応じて、前記ネットワークデータを、新しいオブジェクトデータ（２９）によって更新する、請求項９記載の方法。
11. 前記オブジェクトデータ（２９）を、前記キャリアプラットフォーム（１，２１，２２，２３）の検出された移動パターンに基づいて分類し、
    これにより、グラフとして保存されている前記ネットワークデータと比較するために、前記オブジェクトデータ（２９）によって表される軌道オブジェクト（５〜１３）を、オブジェクトチェーン（３０）としてつなぎ合わせて供給する、
    請求項７から１０までのいずれか１項記載の方法。
12. 前記オブジェクトチェーン（３０）を複数のセグメント（３２）に分類し、
    １つのセグメント（３２）を、特徴的な軌道オブジェクトに基づいて前記グラフと比較する、
    請求項１１記載の方法。
13. １つのセグメント（３２）をサブグラフと比較する際に、一致の程度を求め、
    前記一致の程度が所定の最小の程度を上回る場合には、前記サブグラフを前記セグメント（３２）によって置き換える、
    請求項１２記載の方法。
14. １つのセグメント（３２）をサブグラフと比較する際に、検証不可能な軌道オブジェクト（５〜１３）を、検証が失敗した回数が所定の回数に到達するまで、前記サブグラフのノードとして保持したままにする、請求項１２または１３記載の方法。
15. 前記軌道建設機械（１）に配置されたセンサ（１４）によって、周囲の軌道オブジェクト（５〜１３）を検出し、
    検出された前記軌道オブジェクト（５〜１３）を前記ネットワークデータと比較することによって、前記軌道建設機械（１）の現在の位置を特定する、
    請求項７から１４までのいずれか１項記載の方法。

Images