Künstliche Intelligenz im Kapazitäts- und Verkehrsmanagement
Der optimierte Bahnbetrieb der Zukunft
Insgesamt mehr als 40.000 Fern-, Nahverkehrs- und Güterzugfahrten sind täglich auf dem deutschen Schienennetz unterwegs. Allein das Netz der Deutschen Bahn umfasst rund 33.000 Streckenkilometer, die mit Zügen verschiedenster Eigenschaften und Halte befahren wird. Deshalb braucht die Bahn rund um die Uhr eine vorausschauende Disposition und Steuerung des Bahnbetriebs.
Im heutigen Netzbetrieb treffen lokale Disponenten in den Betriebszentralen der Deutschen Bahn täglich eine große Anzahl von Einzelentscheidungen. Diese Aufgaben wollen wir mit der Digitalen Schiene Deutschland weitgehend automatisieren. Wartezeiten, Zugfolgeentscheidungen, Gleiswechsel oder Umrouten werden dadurch einfacher möglich, effizienter berechnet und schneller umgesetzt, sodass der Verkehr auf dem Gesamtnetz reibungslos fließen kann.
Auch die Fahrplanung soll auf ähnliche Weise mit der Digitalen Schiene Deutschland automatisiert werden, gleichzeitig mit der Baustellenplanung, die bislang in parallelen Prozessen stattfindet. Wo heute noch über mehrere Monate hinweg und in mehreren Stufen Fahrpläne erstellt werden, soll künftig ein integriertes System mit Blick auf die Anforderungen aller Kunden und Stakeholder die Kapazität des Netzes effizienter verteilen.
Training in einer Simulationsumgebung
Um KI für das Verkehrsmanagement nutzbar zu machen, wurde eine Simulationsumgebung geschaffen, welche die Eisenbahnwelt digital abbildet. Dadurch können wir KI-Algorithmen realitätsnah trainieren.
Die künstliche Intelligenz sammelt durch sogenanntes „Reinforcement Learning“ (zu Deutsch: „bestärkendes Lernen“) Erfahrung. Diese Art des Lernens basiert auf Belohnungen für erfolgreich gelöste Probleme der Fahrplanung und Disposition. So lernen die Algorithmen nach und nach, eine Vielzahl von Situationen zu meistern – ähnlich wie beim menschlichen Lernen. Die Methode ermöglicht es, KI-Algorithmen zu entwickeln, die flexibel auf komplexe oder unbekannte Herausforderungen reagieren und Szenarien abwägen können. Da diese Art von Algorithmen skalierbar und auf Großrechnern parallelisierbar sind, wird das darauf basierende System das gesamte Schienennetz und dessen Verkehr planen und steuern können.
Das folgende Video erklärt das Thema "Reinforcement Learning" als grundlegende KI-Methode des Kapazitäts- und Verkehrsmanagementsystems der Zukunft.
