WO2019219319A1 - Schienenfahrzeug mit steuereinrichtung - Google Patents

Schienenfahrzeug mit steuereinrichtung Download PDF

Info

Publication number
WO2019219319A1
WO2019219319A1 PCT/EP2019/059937 EP2019059937W WO2019219319A1 WO 2019219319 A1 WO2019219319 A1 WO 2019219319A1 EP 2019059937 W EP2019059937 W EP 2019059937W WO 2019219319 A1 WO2019219319 A1 WO 2019219319A1
Authority
WO
WIPO (PCT)
Prior art keywords
rail vehicle
control
rail
control device
trained
Prior art date
Application number
PCT/EP2019/059937
Other languages
English (en)
French (fr)
Inventor
Laurentiu GOGA
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
Priority to ES19721218T priority Critical patent/ES2967226T3/es
Priority to EP19721218.6A priority patent/EP3768568B1/de
Publication of WO2019219319A1 publication Critical patent/WO2019219319A1/de

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

Die Erfindung bezieht sich unter anderem auf ein Schienenfahrzeug (10, 11, 12) mit einer Steuereinrichtung (100) zum Steuern des Schienenfahrzeugs (10, 11, 12). Erfindungsgemäß ist vorgesehen, dass die Steuereinrichtung (100) auf künstlicher Intelligenz basiert und zum Steuern des Schienenfahrzeugs (10, 11, 12) auf zumindest einer vorgegebenen Strecke trainiert worden ist.

Description

Beschreibung
Schienenfahrzeug mit Steuereinrichtung
Die Erfindung bezieht sich auf ein Schienenfahrzeug mit einer Steuereinrichtung zum Steuern des Schienenfahrzeugs.
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 .
Der Erfindung liegt die Aufgabe zugrunde, ein Schienenfahr zeug anzugeben, das einen selbständigeren Fährbetrieb als bisher ermöglicht.
Diese Aufgabe wird erfindungsgemäß durch ein Schienenfahrzeug mit den Merkmalen gemäß Patentanspruch 1 gelöst. Vorteilhafte Ausgestaltungen des erfindungsgemäßen Schienenfahrzeugs sind in Unteransprüchen angegeben.
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.
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.
Vorteilhaft ist es, wenn die Steuereinrichtung auf der Basis externer Daten durch maschinelles Lernen trainiert worden ist .
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.
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 .
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.
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 .
Die Steuereinrichtung wird vorzugsweise insbesondere derart trainiert, dass sie bei der Steuerung des Schienenfahrzeugs einen vorgegebenen Mindestabstand zu einem vorausfahrenden Schienenfahrzeug einhält.
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.
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.
Die Erfindung bezieht sich darüber hinaus auf ein Verfahren zum Betreiben von Schienenfahrzeugen.
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.
Die Schienenfahrzeuge fahren vorzugsweise autonom.
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.
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.
Die Erfindung wird nachfolgend anhand von Ausführungsbeispie len näher erläutert; dabei zeigen beispielhaft
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,
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,
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,
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
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.
In den Figuren werden der Übersicht halber für identische o- der vergleichbare Komponenten stets dieselben Bezugszeichen verwendet .
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.
Bei dem Ausführungsbeispiel gemäß Figur 1 wird beispielhaft davon ausgegangen, dass die Steuereinrichtungen 100 der
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.
Um ein abgestimmtes Fahrverhalten der Schienenfahrzeuge 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.
Die Figur 2 zeigt ein zweites Ausführungsbeispiel für eine Eisenbahngleisanlage 5, die von drei Schienenfahrzeugen 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.
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.
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,
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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 .
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.
Bezugszeichenliste
5 Eisenbahngleisanlage
10 Schienenfahrzeug
11 Schienenfahrzeug
12 Schienenfahrzeug
20 Startpunkt
21 Zielpunkt
22 Zielpunkt
30 Stellwerk
100 Steuereinrichtung
110 Rechner
120 Speicher
200 Trainiereinrichtung
210 Recheneinrichtung
220 Speicher
De Daten
Dm Messdaten
Dma Messdaten
Ds Streckendaten
F Funksignal
SB Steuerbefehl
SPM Steuerprogrammmodul
TPM Trainierprogramm
TPMe steuereinrichtungseigenes Trainierprogramm

Claims

Patentansprüche
1. Schienenfahrzeug (10, 11, 12) mit einer Steuereinrichtung
(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
das Schienenfahrzeug (10, 11, 12) eine Kommunikationseinrich tung für eine direkte Kommunikation mit in der Nähe befindli chen Schienenfahrzeugen aufweist.
2. Schienenfahrzeug (10, 11, 12) nach Anspruch 1,
d a d u r c h g e k e n n z e i c h n e t, dass
die Steuereinrichtung (100) auf der Basis externer Daten (De) durch maschinelles Lernen trainiert worden ist.
3. Schienenfahrzeug (10, 11, 12) nach einem der voranstehen den Ansprüche,
d a d u r c h g e k e n n z e i c h n e t, dass
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 vorgegebenen
Strecke zuvor aufgenommen worden sind.
4. Schienenfahrzeug (10, 11, 12) nach einem der voranstehen den Ansprüche,
d a d u r c h g e k e n n z e i c h n e t, dass
die Steuereinrichtung (100) auf der Basis von Streckendaten (Ds) trainiert worden ist, die die vorgegebene Strecke be schreiben .
5. Schienenfahrzeug (10, 11, 12) nach einem der voranstehen den Ansprüche,
d a d u r c h g e k e n n z e i c h n e t, dass
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.
6. Schienenfahrzeug (10, 11, 12) nach einem der voranstehen den Ansprüche,
d a d u r c h g e k e n n z e i c h n e t, dass
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).
7. Schienenfahrzeug (10, 11, 12) nach einem der voranstehen den Ansprüche,
d a d u r c h g e k e n n z e i c h n e t, dass
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.
8. Schienenfahrzeug (10, 11, 12) nach einem der voranstehen den Ansprüche,
d a d u r c h g e k e n n z e i c h n e t, dass
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.
9. Schienenfahrzeug (10, 11, 12) nach einem der voranstehen den Ansprüche,
d a d u r c h g e k e n n z e i c h n e t, dass
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.
10. Verfahren zum Betreiben von Schienenfahrzeugen,
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,
d a d u r c h g e k e n n z e i c h n e t, dass
zueinander in der Nähe befindliche Schienenfahrzeuge (10, 11, 12) direkt miteinander kommunizieren.
11. Verfahren nach Anspruch 10,
d a d u r c h g e k e n n z e i c h n e t, dass
die Schienenfahrzeuge (10, 11, 12) autonom fahren.
12. Verfahren nach einem der voranstehenden Ansprüche 10 bis
11,
d a d u r c h g e k e n n z e i c h n e t, dass
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).
13. Verfahren nach einem der voranstehenden Ansprüche 10 bis
12,
d a d u r c h g e k e n n z e i c h n e t, dass
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 .
14. Verfahren nach einem der voranstehenden Ansprüche 10 bis 13,
d a d u r c h g e k e n n z e i c h n e t, dass
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 .
PCT/EP2019/059937 2018-05-16 2019-04-17 Schienenfahrzeug mit steuereinrichtung WO2019219319A1 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
ES19721218T ES2967226T3 (es) 2018-05-16 2019-04-17 Vehículo ferroviario con dispositivo de control
EP19721218.6A EP3768568B1 (de) 2018-05-16 2019-04-17 Schienenfahrzeug mit steuereinrichtung

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102018207634.0A DE102018207634A1 (de) 2018-05-16 2018-05-16 Schienenfahrzeug mit Steuereinrichtung
DE102018207634.0 2018-05-16

Publications (1)

Publication Number Publication Date
WO2019219319A1 true WO2019219319A1 (de) 2019-11-21

Family

ID=66379877

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2019/059937 WO2019219319A1 (de) 2018-05-16 2019-04-17 Schienenfahrzeug mit steuereinrichtung

Country Status (4)

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

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102019218611A1 (de) * 2019-11-29 2021-06-02 Siemens Mobility GmbH Fahrzeug und Verfahren zum Betreiben eines Fahrzeugs

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006007788A1 (de) * 2006-02-20 2007-08-30 Siemens Ag Verfahren zur rechnergestützten Überwachung des Betriebs eines einen vorgegebenen Streckenverlauf fahrenden Fahrzeugs, insbesondere eines spurgebundenen Schienenfahrzeugs
DE102014219817A1 (de) * 2014-09-30 2016-03-31 Siemens Aktiengesellschaft Verkehrssicherung

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04133601A (ja) * 1990-09-21 1992-05-07 Toshiba Corp 保安機能付自動運転制御装置
AUPR221900A0 (en) * 2000-12-20 2001-01-25 Central Queensland University Vehicle dynamics prediction system and method
US11077873B2 (en) * 2016-06-13 2021-08-03 Siemens Mobility, Inc. System and method for train route optimization including machine learning system

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006007788A1 (de) * 2006-02-20 2007-08-30 Siemens Ag Verfahren zur rechnergestützten Überwachung des Betriebs eines einen vorgegebenen Streckenverlauf fahrenden Fahrzeugs, insbesondere eines spurgebundenen Schienenfahrzeugs
DE102014219817A1 (de) * 2014-09-30 2016-03-31 Siemens Aktiengesellschaft Verkehrssicherung

Also Published As

Publication number Publication date
DE102018207634A1 (de) 2019-11-21
ES2967226T3 (es) 2024-04-29
EP3768568B1 (de) 2023-10-11
EP3768568A1 (de) 2021-01-27
EP3768568C0 (de) 2023-10-11

Similar Documents

Publication Publication Date Title
DE602005002864T2 (de) Automatisches Steuersystem für Streckentrenner
DE2330366A1 (de) Fahrzeugsteuersystem
EP2812225B1 (de) Verfahren zum erzeugen von handlungsempfehlungen für den führer eines schienenfahrzeugs oder steuersignalen für das schienenfahrzeug mittels eines fahrerassistenzsystems und fahrassistenzsystem
DE112008002987T5 (de) System und Verfahren zur Optimierung der Kraftsystemleistung in Gegenwart von sich ändernden Optimierungsparametern
DE102009003760A1 (de) Verfahren zur Steuerung eines Fahrzeugbetriebs mit schneller Freigabefunktion
WO2020015923A1 (de) Verfahren zum betreiben eines autonomen fahrzeugs und autonomes fahrzeug
DE102016116857A1 (de) System und Verfahren zum Operieren von Nutzfahrzeugen
DE112016007518T5 (de) Zugsteuersystem, bodensteuervorrichtung und bordeigene steuervorrichtung
DE2608513A1 (de) Anordnung zur weichensteuerung fuer ein verkehrssystem
DE102014212629A1 (de) Verfahren zum Betreiben eines Schienenfahrzeugs
EP3102476B1 (de) Verfahren zum abwickeln des verkehrs auf einem schienennetz und schienennetz mit einer zug-wartungsanlage
DE102018222677A1 (de) Verfahren zum Betreiben eines zeitweise autonom fahrenden Fahrzeugs
WO2019219319A1 (de) Schienenfahrzeug mit steuereinrichtung
DE102016002127A1 (de) Kraftfahrzeug zur Einbeziehung in einen Fahrzeugverband, bei dem die relativen seitlichen Fahrzeugpositionen verstellbar sind, und entsprechendes Verfahren
EP3795451B1 (de) Verfahren zum orten eines fahrzeugs an einer für einen halt des fahrzeugs vorgesehenen station
EP3634828B1 (de) Steuerverfahren zum betreiben eines schienenfahrzeugs
DE102016220215A1 (de) Verfahren zum Betreiben von Schienenfahrzeugen
WO2020151844A1 (de) Verfahren zum fahrerlosen umsetzen eines fahrzeugs über eine strecke innerhalb eines abgeschlossenen geländes
DE102016200049A1 (de) Verfahren, Führungsfahrzeug und Lastkraftwagen zum Auffahren auf und Abfahren von einer Autobahn durch den Lastkraftwagen
DE102015208913A1 (de) Verfahren und Vorrichtung zum Betreiben eines Fahrzeugs
DE102014218946A1 (de) Verfahren und Vorrichtung zur Steuerung wenigstens eines Stromabnehmers eines Fahrzeugs
EP4117977A2 (de) Eisenbahnanlage mit diagnosesystem und verfahren zu deren betrieb
DE19840715C1 (de) Schienenfahrzeugsteuerung
DE102018212527A1 (de) Verfahren zur Bestimmung eines Leistungs- oder Energiebedarfs mindestens eines Fahrzeugs bei Kolonnenfahrt und Steuervorrichtung zur Durchführung des Verfahrens
DE112018005796T5 (de) System und Verfahren zum Steuern eines Kraftfahrzeugs zum autonomen Fahren

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19721218

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019721218

Country of ref document: EP

Effective date: 20201021

NENP Non-entry into the national phase

Ref country code: DE