Digitaler Zwilling für Störfallsimulation

Für das vollautomatisierte Fahren muss zukünftig die Sensorik an der Zugfront Objekte im Gleisumfeld detektieren. Eine Künstliche Intelligenz (KI) bewertet diese im Anschluss hinsichtlich ihrer Kritikalität. Sie entscheidet: Sind es reguläre oder irreguläre Objekte, die zur Gefahr werden könnten. Erst nach einer Bewertung ist das Triebfahrzeug in der Lage, auf besondere Ereignisse adäquat zu reagieren, wie zum Beispiel mit der Einleitung einer Notbremsung. Zuvor muss jedoch die KI trainiert werden. Dies geschieht zum Großteil in einem Digitalen Zwilling, einer hochrealistischen 1:1-Abbildung der Gleisumgebung. Dort können auch seltene Störfälle, wie beispielsweise ein Gepäckstück auf den Gleisen, beliebig oft inszeniert werden – ohne die Verfügbarkeit von realen Trassen und Fahrzeugen einzuschränken. Intelligente Wahrnehmungssysteme werden so optimal auf die Realität vorbereitet.

Während die Entwicklung der Sensorik schon fortgeschritten ist, steht die Entwicklung der KI-basierten Funktionen noch am Anfang. Die Anzahl möglicher Situationen, die von einer KI im Bahnbetrieb der Zukunft gemeistert werden müssen, ist sehr hoch: Sie reichen von alltäglichen bis zu sehr seltenen Ereignissen bei unterschiedlichsten Wetter-, Tages- und Jahreszeitbedingungen an beliebigen Orten im deutschen Schienennetz mit seinen ca. 33.000 km Länge. Es werden große Datenmengen benötigt, um eine solche KI für die Umfeldwahrnehmung zu trainieren. Diese können zum einen durch die Aufzeichnung von realen Sensordaten und zum anderen – und dies in deutlich größerem Umfang – durch die Simulation von Daten gewonnen werden. Das Zurückgreifen auf simulierte Daten ist unerlässlich, da es in der Praxis unmöglich ist, durch reale Aufzeichnungen alle denkbaren Ereignisse und Sonderfälle des Bahnbetriebs abzudecken.

Für die Simulation ist die Erstellung eines digitalen Zwillings des Umfeldes der Bahnstrecken

und Stationen notwendig. Damit ist es möglich, Daten für die KI-Entwicklung auf Basis eines umfangreichen Szenarienkatalogs in den unterschiedlichsten Ausprägungen bereitzustellen. Entscheidend dabei ist eine sehr hohe Realitätstreue der simulierten Daten. Losgelöst von der Verfügbarkeit der realen Bahntrassen kann der Bahnsektor dadurch die KI für ein vollautomatisiertes System im digitalen Zwilling virtuell, zielgerecht und signifikant schneller lernen lassen. Der Lerngeschwindigkeit der KI sind im Wesentlichen nur die Grenzen der verfügbaren Rechenkapazität gesetzt.

Für dieses Vorhaben arbeitet die Digitale Schiene Deutschland auf Grundlage einer von NVIDIA bereitgestellten Technologie, was dem Bahnsektor die Entwicklung und das Training von KI gemäß des neusten Standes der Technik ermöglicht. NVIDIA stellt dabei spezielle Rechensysteme für das Training von KI-Modellen (NVIDIA DGX Systeme) und die Beschleunigung photo- und physikrealistischer Simulationen (NVIDIA OVX) zur Verfügung. Als Software wird Omniverse eingesetzt, eine hochentwickelte Echtzeit-3D-Simulationsplattform für die Erstellung und den Betrieb von digitalen Zwillingen. Die Digitale Schiene Deutschland übernimmt dabei das Design, die Applikation, sowie die Sicherstellung und Anwendung eines qualifizierten Prozesses zur Erstellung des digitalen Zwillings. Dies geschieht in Zusammenarbeit mit der DB Systel und weiteren Entwicklungspartnern, die auf Simulation, Kartierung, 3D-Modellierung und Computergrafik spezialisiert sind.

Die Grundlage des digitalen Zwillings bildet eine hochaufgelöste digitale Karte, die präzise vermessene Geometrien der echten Strecken enthält. Bei der Konstruktion des digitalen Zwillings wird diese Karte um 3D-Modelle, Texturen und Materialeigenschaften ergänzt. Dabei entsteht ein digitales, fotorealistisches Abbild der echten Strecken. Dies enthält Gleise, die durch Städte und Landschaften verlaufen sowie weitere Details, wie nachgebildete Bahnhöfe, (Bahn-)gebäude, Infrastrukturelemente und Vegetation. Ferner werden das zukünftige Sensorset der Züge und die Sensormodelle exakt nachgebildet, sodass in der virtuellen Welt physikalisch korrekte Messdaten zum Trainieren der KI-Funktionen gesammelt werden können.

Die dauerhafte Ablage und Bereitstellung der simulierten Daten erfolgt über eine so genannte Data Factory, mit deren Aufbau in der ersten Hälfte des Jahres 2022 bereits begonnen wurde. Aktuell wird die Simulation auf Grundlage der im Sensors4Rail-Projekt gewonnenen Mess- und Kartendaten aufgebaut, sodass ein erster photo- und physikalisch realistischer digitaler Zwilling für ein größeres Teilnetz für das Training automatisierter Fahrfunktionen zur Verfügung steht.

• Optimale Reaktion und Behandlung von Störfällen
• Selbst seltene und gefährliche Störfälle können gefahrlos simuliert werden
• Verbesserung Zuverlässigkeit, Robustheit und Effizienz des gesamten Bahnsystems
• Keine Einschränkung der Verfügbarkeit realer Trassen oder Fahrzeuge
• Die Gesamtentwicklung wird schrittweise und auf die Digitalisierung der Bahnstrecken abgestimmt umgesetzt