KI-assistierte Stadtbahn-Steuerung im Tunnel

Ausgangssituation

Mitte Dezember 2021 wurde durch die Verkehrsbetriebe Karlsruhe der Stadtbahntunnel in der Karlsruher Innenstadt in Betrieb genommen. Im Vergleich zu oberirdisch geführten Strecken ist das Fahren im Tunnel für die Fahrer*innen der Stadtbahn wesentlich komplexer. Zum einen sind die Sichtverhältnisse eingeschränkt, zum anderen existieren im Tunnel wesentlich restriktivere Sicherheitsvorkehrungen. Deshalb fordert die für Straßenbahnen maßgebliche Rechtsverordnung, die Bau- und Betriebsordnung für Straßenbahnen (BOStrab), für den Tunnelbetrieb eine Zugsicherung vergleichbar zur Signalisierung von Eisenbahnstrecken.

Problemstellung

Die Steuerung der Bahnen im Stadtbahntunnel erfolgt durch einen zentralen Zuglenkrechner. Dieser ist unter anderem für die Weichenstellung im Bereich des Gleisdreiecks verantwortlich und sorgt dafür, dass die Bahnen ihre Sicherheitsabstände einhalten. Aufgrund der höheren Komplexität der Zugsicherung sowie des hohen Verkehrsaufkommens im Tunnel, kann es zu unerwarteten, kurzzeitigen Verzögerungen kommen. Im Regelfall erfolgt die Festlegung der Reihenfolge von Fahrstraßen durch den Zuglenkrechner, bei Bedarf kann ein Disponent eingreifen und koordinieren, wann welche Bahn fahren darf. Im vorliegenden QuickCheck wurde untersucht, inwiefern ein KI-basiertes Assistenzsystem den Disponenten unterstützen bzw. vorausschauend schon eine sich anbahnende Verzögerung erkennen kann.

Lösungsansatz

Als Datengrundlage für den QuickCheck wurde auf Log-Dateien des Zuglenkrechners über mehrere Tage zurückgegriffen. Da diese Daten als Testdaten für Softwareentwickler gedacht und im Rohformat nicht maschinenverständlich sind, wurde der Datensatz zunächst strukturiert und in ein einheitliches Format überführt. Daraufhin wurde eine explorative Datenanalyse durchgeführt und der Datensatz mit klassischen statistischen Methoden ausgewertet. Ziel der Analyse war es vor allem herauszufinden, ob sich die Daten als Grundlage für ein KI-basiertes Assistenzsystem eignen oder ob auf andere Datenquellen zurückgegriffen werden muss.

Quick-Check-Ergebnisse

Anhand der durchgeführten explorativen Datenanalyse konnten erste Erkenntnisse gewonnen werden. Beispielsweise wurde deutlich, an welchen Streckenabschnitten im Tunnel es im Tagesverlauf zu Verzögerungen kommen kann. Anhand der Daten konnte zudem erkannt werden, dass es gerade zu Stoßzeiten zu kürzeren Verzögerungen im Tunnel kommt. In den frühen Morgenstunden sowie am Abend fahren die Bahnen ohne Verzögerungen durch den Tunnel.