Om betrouwbaarheid en veiligheid te handhaven, ondergaan veel van de spoorwegnetwerken in Europa een grootschalige digitale modernisering die digitale tweelingen omvat. Ondersteund door kunstmatige intelligentie helpen deze digitale representaties van spoorwegsystemen bij het effectief beheren van signalen en inventaris gedurende de hele levenscyclus van activa – en Siemens Mobility gaat voorop.
De inspanningen van de organisatie op het gebied van bouwinformatiemodellering (BIM) voor spoorweginfrastructuur omvatten de volledige digitalisering van de planning, bouw en exploitatie van spooractiva, inclusief signalering en structuren langs alle lijnen. De ervaren technici bij Siemens Mobility zetten de digitale tweelingtechnieken in voor het programma van Deutsche Bahn, geïnitieerd voor het moderniseren van het spoorwegnetwerk van Duitsland, ter waarde van €12,7 miljard ($15,3 miljard USD).
Minimale verstoring met gemaximaliseerde resultaten
Essentieel voor de moderniseringsinspanningen van het spoorwegnetwerk van Deutsche Bahn is de overstap naar het European Train Control System (ETCS), het geavanceerde signalerings- en besturingscomponent van het European Rail Traffic Management System (ERTMS). Het eerste onderdeel van het BIM-moderniseringsproces is het documenteren en digitaliseren van de signaleringsinfrastructuur van het Deutsche Bahn-netwerk.
Carolin Baier, als hoofd van Digital Twin & Digitalisation Domestic Market Germany voor Siemens Mobility GmbH, het partnerbedrijf dat Deutsche Bahn ondersteunt bij het faciliteren van de vastlegging van de infrastructuur van haar inventaris, zei: “Deutsche Bahn heeft al vroeg ingezien dat ze voordat ze ETCS konden implementeren, geldige gegevens van de sporen nodig hadden. Onze taak is om de infrastructuurinventaris opnieuw in te stellen of te herstarten in verschillende projecten. Dat betekent dat we echt een duidelijker beeld nodig hebben.”
Verouderde as-built informatie in een inventaris staat geen nauwkeurige planning toe. Vooral bij grote infrastructuurprojecten is het verkrijgen van up-to-date gegevens en informatie met behulp van traditionele landmeetmethoden tijdrovend en kan het grote vertragingen veroorzaken. In het verleden zou deze taak een landmeetteam hebben vereist om te meten met behulp van rails, voornamelijk met verouderde papieren plannen.
Nauwkeurigheid is belangrijk
Voor Siemens Mobility is het proces van gegevensverzameling gebaseerd op een mobiel cartografiesysteem dat kan worden geïnstalleerd op treinen, karretjes en auto’s, indien nodig. Baier voegde eraan toe: “Het is vrij belangrijk dat we zo nauwkeurig zijn als 2 centimeter, in sommige gevallen. Die specificatie bepaalt de keuze van de verzamelingsmethode, in dit geval ons hoogwaardige meetapparaat met hoge precisie.”
Siemens Mobility vertrouwt op het voertuiggemonteerde Trimble® MX9 mobiele cartografieoplossing met dubbele laserkop en de AP60 IMU, de hoogstegraads IMU op de markt. Trimble’s MX9 is het allereerste voertuigonafhankelijke mobiele cartografiesysteem dat officieel is goedgekeurd door de Duitse nationale spoorwegmaatschappij Deutsche Bahn voor het in kaart brengen van sporen, punten, klaringen en topografische objecten. De scanner is gemonteerd op de trein voor gestroomlijnde gegevensverzameling.
“Het geweldige van deze mobiele cartografieoplossing is dat we informatie kunnen verzamelen bij normale treinbedrijfssnelheden, meestal tussen 80 en 110 kilometer per uur, en bedrijfsonderbrekingen kunnen vermijden”, vervolgde Baier.
Siemens Mobility voerde het mobiele cartografiesysteem uit als onderdeel van een as-built gegevensupgradeproject in de Deutsche Bahn Netz AG-regio Oost. De resulterende georeferentieerde 3D-puntwolk van de spoorweginfrastructuur omvatte gedetailleerde beelden van het spoor, de spooromgeving en de spoorhelling.
Algoritmisch voordeel
Naast de puntenwolkgegevens en beelden van het MX9 mobiele cartografiesysteem moet het Siemens Mobility-team een aanzienlijke hoeveelheid klantgegevens van verschillende andere bronnen, zoals geografische informatiesystemen (GIS) en het kadaster (ALKIS), in het digitale 3D-model opnemen. Al deze gegevens worden gesynchroniseerd om een as-built BIM-model te creëren dat zich binnen een wereldwijd georeferentieerd coördinatensysteem bevindt – in wezen een digitale tweeling van het bestaande spoorwegnetwerk en bijbehorende infrastructuur (bijv. signalen). Het Siemens-team voert vervolgens een gap-analyse uit om te zien of de objecten in de klantendatabase overeenkomen met de posities in de puntenwolk.
De volgende stap is het identificeren en extraheren van systeemobjecten en het implementeren van een compleet systeemontwerp in de vorm van een geschaald spoorwegontwerp. Bijvoorbeeld, op een segment van 500-800 kilometer kunnen ongeveer 120.000 verschillende objecten zijn. “Rijke data is geweldig, zeer gedetailleerd en dankzij mobiele cartografie kunnen we deze snel vastleggen. Maar AI is echt de sleutel om de kracht van gegevens te ontsluiten, omdat het ons in staat stelt om efficiënt te werken met deze grote datasets,” voegde Baier toe.
In samenwerking met de AI-groep van Siemens Mobility ontwikkelde Baier en haar team op maat gemaakte algoritmen voor specifieke gebruiksscenario’s, zoals automatische objectherkenning van spoorwegelementen.
