Login| Sign Up| Help| Contact|

Patent Searching and Data


Title:
SYSTEM AND METHOD FOR NAVIGATING WITHIN A TRACK NETWORK
Document Type and Number:
WIPO Patent Application WO/2019/091681
Kind Code:
A1
Abstract:
The invention relates to a system (20) for navigating within a track network (4), which system (20) comprises as system components a system control centre (20), a track construction machine (1) and communication means (26). The system control centre (20) is configured to administer network data which represent a model (31) of the track network (4). The track construction machine (1) is suitable for processing track sections (3) of the track network (4), wherein the track construction machine (1) comprises a navigation device (19) for processing navigation data derived from the network data. The communication means (26) is provided for exchanging data between the system control centre (20) and the navigation device (19). According to the invention, the system comprises at least one movable or stationary carrier platform (1, 21, 22, 23, 24) with sensors (14) for acquiring raw data which represent feature information of the track network (4), wherein a big data framework (27) is configured in the system control centre (20) in order to evaluate the raw data and coordinate it with the network data. This system permits automated updating of the network data to be carried out.

Inventors:
WILCZEK, Krzysztof (Unterbergergasse 4/26, 1200 Wien, 1200, AT)
Application Number:
EP2018/077423
Publication Date:
May 16, 2019
Filing Date:
October 09, 2018
Export Citation:
Click for automatic bibliography generation   Help
Assignee:
PLASSER & THEURER EXPORT VON BAHNBAUMASCHINEN GMBH (Johannesgasse 3, 1010 Wien, 1010, AT)
International Classes:
G01C21/20; B61K9/08; B61L25/02
Foreign References:
DE102012215533A12014-03-06
US20140176711A12014-06-26
US20100004804A12010-01-07
US20140277824A12014-09-18
US20160159381A12016-06-09
DE102013010787A12014-12-31
Download PDF:
Claims:
Patenta nsprüche

Ί. System zum Navigieren innerhalb eines Gleisnetzes (4), umfassend folgende Systemkomponenten:

- eine Systemzentrale (20) zum Verwalten von Netzdaten, die ein Modell (3Ί) des Gleisnetzes (4) repräsentieren,

- eine Gleisbaumaschine (Ί) zum Bearbeiten von Gleisabschnitten (3) des Gleisnetzes (4), wobei die Gleisbaumaschine (Ί) eine Navigationseinrichtung (Ί9) zum Verarbeiten von aus den Netzdaten abgeleiteten Navigationsdaten umfasst, und

- Kommunikationsmittel (26) zum Datenaustausch zwischen der Systemzentrale (20) und der Navigationseinrichtung (Ί9),

dadu rch geken nzeich net, dass das System wenigstens eine bewegliche oder ruhende Trägerplattform (Ί, 2Ί, 22, 23, 24) umfasst, mit Sensoren (Ί4) zum Erfassen von Rohdaten, die Merkmalsinformation des Gleisnetzes (4) repräsentieren, und dass in der Systemzentrale (20) ein Big Data Framework (27) eingerichtet ist, um die Rohdaten zu bewerten und mit den Netzdaten abzugleichen.

2. System nach Anspruch 1, dadu rch geken nzeich net, dass die

Gleisbaumaschine (Ί) als Trägerplattform ausgebildet ist und ein Sensorsystem (Ί4) umfasst, das während eines Befahrens des Gleisnetzes (4) Rohdaten sammelt.

3. System nach Anspruch 1 oder 2, dadu rch geken nzeich net, dass das System als Trägerplattform ein Messfahrzeug (2Ί) oder ein anderes mit Sensoren (Ί4) ausgestattetes gleisgebundenes Fahrzeug (22) umfasst.

4. System nach einem der Ansprüche Ί bis 3, dadu rch geken nzeich net, dass das System eine fliegende Trägerplattform (23), insbesondere eine mit Sensoren (Ί4) ausgestattete Drohne umfasst.

5. System nach einem der Ansprüche 1 bis 4, dadu rch geken nzeich net, dass die Netzdaten als Graph mit Gleisobjekten (5-Ί3) als Knoten und mit Relationen zwischen den Gleisobjekten (5-Ί3) als Kanten abgespeichert sind.

6. System nach Anspruch 5, dadu rch geken nzeich net, dass für ein Gleisobjekt (5-Ί3) charakteristische Datenmuster vorgegeben sind.

7. Verfahren zum Betreiben eines Systems nach einem der Ansprüche 1 bis 6, dadu rch geken nzeich net, dass mittels der Sensoren (Ί4) die Rohdaten erfasst werden, dass die Rohdaten an die Systemzentrale (20) übermittelt werden, dass aus den Rohdaten mittels Bestimmungsalgorithmen Objektdaten (29) generiert werden und dass die Netzdaten mit den Objektdaten (29) abgeglichen werden, um die Netzdaten zu aktualisieren.

8. Verfahren nach Anspruch 7, dadu rch geken nzeich net, dass nach einer erfolgten Aktualisierung der Netzdaten eine Übertragung aller aktualisierten Daten oder eines Teils der aktualisierten Daten auf die Navigationseinrichtung (Ί9) der Gleisbaumaschine (Ί) durchgeführt wird.

9. Verfahren nach Anspruch 7 oder 8, dadu rch geken nzeich net, dass den Objektdaten (29) in Abhängigkeit von den verwendeten Sensoren (Ί4) und/oder der verwendeten Trägerplattform (Ί, 2Ί, 22, 23, 24) und/oder den verwendeten

Bestimmungsalgorithmen jeweils Wahrscheinlichkeitswerte bzw.

Wahrscheinlichkeitsfunktionen zugeordnet werden.

10. Verfahren nach Anspruch 9, dadu rch geken nzeich net, dass eine

Aktualisierung der Netzdaten durch neue Objektdaten (29) in Abhängigkeit der zugeordneten Wahrscheinlichkeitswerte bzw. Wahrscheinlichkeitsfunktionen durchgeführt wird.

11. Verfahren nach einem der Ansprüche 7 bis 10, dadu rch geken nzeich net, dass die Objektdaten (29) anhand eines erfassten Bewegungsmusters der

Trägerplattform (1, 21, 22, 23) gegliedert werden, sodass durch die Objektdaten (29) repräsentierte Gleisobjekte (5-13) aneinandergereiht als Objektkette (30) für den Abgleich mit den als Graph abgespeicherten Netzdaten bereitgestellt werden.

12. Verfahren nach Anspruch 11, dadu rch geken nzeich net, dass die Objektkette (30) in Segmente (32) gegliedert wird und dass ein Segment (32) mit dem Graphen anhand markanter Gleisobjekte abgeglichen wird.

13. Verfahren nach Anspruch 12, dadu rch geken nzeich net, dass beim Abgleich eines Segments (32) mit einem Teilgraphen ein Übereinstimmungsausmaß bestimmt wird und dass der Teilgraph durch das Segment (32) ersetzt wird, wenn das

Übereinstimmungsausmaß ein vorgegebenes Mindestausmaß übersteigt.

14. Verfahren nach Anspruch 12 oder 13, dadu rch geken nzeich net, dass beim Abgleich eines Segments (32) mit einem Teilgraphen ein nicht verifizierbares

Gleisobjekt (5-13) als Knoten des Teilgraphen erhalten bleibt, bis eine vorgegebene Anzahl an fehlgeschlagenen Verifizierungen erreicht wird.

15. Verfahren nach einem der Ansprüche 7 bis 14, dadu rch geken nzeich net, dass mittels an der Gleisbaumaschine (1) angeordneter Sensoren (14) umliegende Gleisobjekte (5-13) erfasst werden und dass eine aktuelle Position der

Gleisbaumaschine (1) durch einen Abgleich der erfassten Gleisobjekte (5-13) mit den Netzdaten bestimmt wird.

Description:
Besch rei bu ng

System und Verfahren zum Navigieren innerhalb eines Gleisnetzes Gebiet der Technik

[01] Die Erfindung betrifft ein System zum Navigieren innerhalb eines Gleisnetzes, das als Systemkomponenten eine Systemzentrale, eine Gleisbaumaschine und Kommunikationsmittel umfasst. Eingerichtet ist die Systemzentrale zum Verwalten von Netzdaten, die ein Modell des Gleisnetzes repräsentieren. Die Gleisbaumaschine ist zum Bearbeiten von Gleisabschnitten des Gleisnetzes geeignet, wobei die Gleisbaumaschine eine Navigationseinrichtung zum Verarbeiten von aus den Netzdaten abgeleiteten Navigationsdaten umfasst. Zum Datenaustausch zwischen der Systemzentrale und der

Navigationseinrichtung sind die Kommunikationsmittel vorgesehen. Zudem betrifft die Erfindung ein Verfahren zum Betreiben des Systems.

Stand der Technik

[02] Für den Einsatz von Gleisbaumaschine ist das Navigieren innerhalb eines Gleisnetzes erforderlich. Zunächst werden in einer Systemzentrale

Einsatzpläne mit Einsatzorten und Arbeitsaufträgen manuell oder teilweise automatisiert erstellt. Danach erfolgt eine Übertragung von Einsatzplanlisten auf die Gleisbaumaschine, um die festgelegten Einsatzorte als

Navigationsziele vorzugeben. Dabei wird in der Regel vorausgesetzt, dass ein Maschinenführer die lokalen Gegebenheiten kennt.

[03] Aus der EP 1 862 593 A2 ist ein System bekannt, das mittels eines

satellitengestützten Ortungssystems eine automatisierte Ortung einer Gleisbaumaschine innerhalb eines Gleisnetzes ermöglicht. Dabei erfolgt ein Abgleich mit charakteristischen Daten einer Streckendatenbank, um eine genaue Positionsbestimmung vorzunehmen.

[04] Im Zuge einer Baustellenplanung kann es vorkommen, dass ein Einsatzort nicht eindeutig definiert oder fehlerhaft angegeben ist. Beispielsweise kann in den Einsatzplänen eine ungültige Referenz vermerkt sein. Solche Fehler können zu einer Verzögerung der Arbeitsdurchführung führen.

Schlimmstenfalls erfolgt ein Eingriff an einem falschen Gleisabschnitt.

[05] Zur Erstellung von Einsatzplänen dienen nach dem Stand der Technik

Netzdaten, die in mehreren unterschiedlichen Datenbanken abgespeichert sind. Dabei betreffen die Datenbanken jeweils unterschiedliche Anlagen innerhalb des Gleisnetzes (z.B. Signalanlagen, Fahrbahn, Oberleitungen etc.) Diese Datenbanken sind auf die jeweiligen Erfordernisse der diversen planenden Stellen eines Eisenbahninfrastrukturbetreibers zugeschnitten, wobei in der Regel unterschiedliche Referenzen (z.B. Kilometrierung;

Kennzeichen für Masten, Schwellen, Signalvorrichtung etc.) hinterlegt sind, um einen Einsatzort anzugeben.

[06] Bei einer Änderung des Gleisnetzes wie z.B. einem Ausbau einer Weiche

müssen die Netzdaten in den bekannten Datenbanken manuell aktualisiert werden. In der Praxis kommt es regelmäßig zu Problemen bei der Konsistenz, Vollständigkeit, Validität und Genauigkeit der verfügbaren Netzdaten. In Weiterer Folge führt die mangelhafte Datenpflege zu einer fehlerhaften Einsatzplanung der Gleisbaumaschine.

Zusammenfassung der Erfindung

[07] Der Erfindung liegen die Aufgaben zugrunde, für ein System und für ein

Verfahren der eingangs genannten Art eine Verbesserung gegenüber dem Stand der Technik anzugeben.

[08] Erfindungsgemäß werden diese Aufgaben erfüllt durch die Merkmale der unabhängigen Ansprüche 1 und 7. Vorteilhafte Weiterbildungen der Erfindung ergeben sich aus den abhängigen Ansprüchen.

[09] Dabei ist vorgesehen, dass das System wenigstens eine bewegliche oder ruhende Trägerplattform umfasst, mit Sensoren zum Erfassen von Rohdaten, die Merkmalsinformation des Gleisnetzes repräsentieren, und dass in der Systemzentrale ein Big Data Framework eingerichtet ist, um die Rohdaten zu bewerten und mit den Netzdaten abzugleichen.

[10] Auf diese Weise werden die Netzdaten laufend an einen erfassten Istzustand angepasst. Die Einrichtung des Big Data Frameworks in der Systemzentrale ermöglicht dabei eine automatisierte Bewertung der erfassten Rohdaten anhand vorgegebener Bewertungskriterien bzw. -algorithmen. Dabei kommen neben konventionellen Datenbanken und Datenanalysewerkzeugen unterschiedliche Prozesse des Maschinellen Lernens zum Einsatz. Auf diese Weise wird ein Modell des Gleisnetzes anhand der erfassten Rohdaten aufgebaut und laufende weiterentwickelt. Basierend auf dem Modell und einem auf der Gleisbaumaschine installierten Sensorsystem erfolgt eine automatisierte Echtzeit-Positionsbestimmung. Zudem können

Arbeitsparameter ortsabhängig vordefiniert werden.

[11] Dabei ist es vorteilhaft, wenn die Gleisbaumaschine als Trägerplattform

ausgebildet ist und ein Sensorsystem umfasst, das während eines Befahrens des Gleisnetzes Rohdaten sammelt. Somit werden die Netzdaten allein durch einen zunehmenden Einsatz der Gleisbaumaschine immer präziser, sodass eine akkurate Einsatzplanung sichergestellt ist.

[12] Zudem ist es sinnvoll, wenn das System als Trägerplattform ein Messfahrzeug oder ein anderes mit Sensoren ausgestattetes gleisgebundenes Fahrzeug umfasst. In der Regel wird ein Gleisnetz in vorgegebenen Zeitintervallen mit einem Messfahrzeuge abgefahren, um einen Istzustand zu erheben. Bei einer Einbindung in das vorliegende System dienen auch die mittels des

Messfahrzeugs erfassten Rohdaten zur Aktualisierung der Netzdaten. Auch konventionelle Schienenfahrzeuge können zu diesem Zweck mit

Sensorsystemen ausgestattet sein.

[13] Eine weitere Verbesserung sieht vor, dass das System eine fliegende

Trägerplattform, insbesondere eine mit Sensoren ausgestattete Drohne umfasst. Auch hochauflösende Satellitenbilder können als Rohdaten herangezogen werden, um die Netzdaten mit Informationen anzureichern.

[14] In einer vorteilhaften Ausprägung sind die Netzdaten als Graph mit

Gleisobjekten als Knoten und mit Relationen zwischen den Gleisobjekten als Kanten abgespeichert. Auf diese Weise sind die Netzdaten einfach zu verwalten. Erleichtert wird insbesondere der Abgleich mit den bewerteten Rohdaten mittels geeigneter Algorithmen.

[15] Dabei ist es günstig, wenn für ein Gleisobjekt charakteristische Datenmuster vorgegeben sind. Grundlage dafür bieten signifikante Merkmale, die jedes Objekt einer bestimmten Klasse (z.B. Schwellen, Schienenbefestigungen, Leuchtsignale etc.) aufweist. Dann finden sich abhängig von den verwendeten Sensoren in den Rohdaten entsprechende Datenmuster, die eine effiziente Objektzuordnung sicherstellen.

[16] Das erfindungsgemäße Verfahren zum Betreiben eines der genannten

Systeme sieht vor, dass mittels der Sensoren die Rohdaten erfasst werden, dass die Rohdaten an die Systemzentrale übermittelt werden, dass aus den Rohdaten mittels Bestimmungsalgorithmen Objektdaten generiert werden und dass die Netzdaten mit den Objektdaten abgeglichen werden, um die Netzdaten zu aktualisieren.

[17] Dabei dient das in der Systemzentrale eingerichtete Big Data Framework zur maschinellen Auswertung der erfassten Rohdaten. Mit diesem Verfahren erfolgt eine automatisierte Anpassung der Netzdaten, sobald mittels der Sensoren entsprechende Rohdaten erfasst werden. Probleme aufgrund mangelnder Datenpflege sind damit ausgeschlossen.

[18] In einer günstigen Weiterbildung des Verfahrens wird nach einer erfolgten

Aktualisierung der Netzdaten eine Übertragung aller aktualisierten Daten oder eines Teils der aktualisierten Daten auf die Navigationseinrichtung der

Gleisbaumaschine durchgeführt. Falls im System mehrere Gleisbaumaschinen umfasst sind, erfolgt eine entsprechende Datenübermittlung an alle

Maschinen. Auf diese Weise basiert die Navigation zum nächsten Einsatzort immer auf aktualisierten Netzdaten.

[19] Eine vorteilhafte Ausprägung des Verfahrens sieht vor, dass den Objektdaten in Abhängigkeit von den verwendeten Sensoren und/oder der verwendeten Trägerplattform und/oder den verwendeten Bestimmungsalgorithmen jeweils Wahrscheinlichkeitswerte bzw. Wahrscheinlichkeitsfunktionen zugeordnet werden. Auf diese Weise wird eine Bestimmungsgenauigkeit in Relation zum Datenbestand bzw. zum Gleisnetz erhoben. Dadurch erfolgt eine

Klassifizierung der bestimmten Objekte hinsichtlich ihres Informationsgehalts für das Gleisnetz bzw. für die bereits vorhandenen Gleisnetzinformationen.

[20] Das Maschinelle Lernen im Rahmen des Big Data Frameworks ermöglicht dabei die fortlaufende Erweiterung und Anpassung der erkennbaren Objekte anhand neuer Rohdaten. Beispielsweise werden in einem Objektregister hinterlegte Definitionen bzw. Algorithmen durch neue Daten aktualisiert. [21] Dabei ist es günstig, wenn eine Aktualisierung der Netzdaten durch neue

Objektdaten in Abhängigkeit der zugeordneten Wahrscheinlichkeitswerte bzw. Wahrscheinlichkeitsfunktionen durchgeführt wird. Die Netzdaten werden somit auf den neuesten Stand gebracht, indem neue Objektdaten auf Basis des bewerteten Informationsgehalts hinzugefügt werden.

[22] Eine weitere Verbesserung sieht vor, dass die Objektdaten anhand eines

erfassten Bewegungsmusters der Trägerplattform gegliedert werden, sodass durch die Objektdaten repräsentierte Gleisobjekte aneinandergereiht als Objektkette für den Abgleich mit den als Graph abgespeicherten Netzdaten bereitgestellt werden. Das vereinfacht den Abgleich, weil durch das erfasste Bewegungsmuster eine logische Aneinanderkettung von mehreren

Gleisobjekten erfolgt. Aus der Bedeutung der einzelnen Gleisobjekte wird somit die Bedeutung einer Objektkette mit komplexer Struktur abgeleitet.

[23] Vorteilhafterweise wird dabei die Objektkette in Segmente gegliedert, wobei ein Segment mit dem Graphen anhand markanter Gleisobjekte abgeglichen wird. Auch dieser Verfahrens schritt optimiert den Abgleich der Netzdaten mit den Objektdaten.

[24] Eine einfache durchzuführender Abgleich eines Segments mit einem

Teilgraphen sieht vor, dass ein Übereinstimmungsausmaß bestimmt wird und dass der Teilgraph durch das Segment ersetzt wird, wenn das

Übereinstimmungsausmaß ein vorgegebenes Mindestausmaß übersteigt.

[25] Die Fehlertoleranz des Verfahrens wird gesteigert, wenn beim Abgleich eines Segments mit einem Teilgraphen ein nicht verifizierbares Gleisobjekt als Knoten des Teilgraphen erhalten bleibt, bis eine vorgegebene Anzahl an fehlgeschlagenen Verifizierungen erreicht wird. Auf diese Weise haben

Sensor- oder Übertragungsstörungen keinen Einfluss auf die Qualität der Netzdaten.

[26] Für einen Navigationsvorgang ist es vorteilhaft, wenn mittels an der

Gleisbaumaschine angeordneter Sensoren umliegende Gleisobjekte erfasst werden und wenn eine aktuelle Position der Gleisbaumaschine durch einen Abgleich der erfasst Gleisobjekte mit den Netzdaten bestimmt wird.

Änderungen des Gleisnetzes werden dabei automatisch bei der Navigation der Gleisbaumaschine berücksichtigt. Kurze Beschreibung der Zeichnungen

[27] Die Erfindung wird nachfolgend in beispielhafter Weise unter Bezugnahme auf die beigefügten Figuren erläutert. Es zeigen in schematischer Darstellung: Fig. 1 Gleisbaumaschine

Fig. 2Gleisnetz

Fig. 3Systemaufbau

Fig. 4Gliederung von Gleisabschnitten

Fig. 5Verfahrensablauf

Beschreibung der Ausführungsformen

[28] Eine Komponente des erfindungsgemäßen Systems ist eine in Fig. 1

dargestellte Gleisbaumaschine 1, die zu einem Arbeitseinsatz navigiert werden soll. Diese Gleisbaumaschine 1 umfasst Arbeitsaggregate 2 zum Bearbeiten eines Gleisabschnittes 3 eines Gleisnetzes 4. Das Gleisnetz 4 umfasst verschiedene Gleisobjekte wie beispielsweise Gleise 5, Weichen 6, Kreuzungen 7, Masten 8, Tunnel 9, Bahnhöfe 10, Unterführungen 11, Bahnübergänge 12 oder Balisen 13, wie beispielhaft in Fig. 2 dargestellt.

[29] Des Weiteren ist die Gleisbaumaschine 1 mit verschiedenen Sensoren bzw.

Sensorsystemen 14 ausgestattet, um die Umgebung des befahrenen Gleises 5 und die aktuelle Position zu erfassen. Das sind zum Beispiel eine Kamera 15, ein Positionierungssystem 16, ein Lichtraumscanner 17 oder ein

Schienenscanner 18. Auf diese Weise fungiert die Gleisbaumaschine 1 als Trägerplattform für die Sensoren bzw. Sensorsysteme 14.

[30] Um an einen zu bearbeitenden Gleisabschnitt 3 zu gelangen, umfasst die

Gleisbaumaschine 1 eine Navigationseinrichtung 19. Diese ist als Rechen- und Steuerungseinheit eingerichtet und dient zur Navigation innerhalb des

Gleisnetzes 4, das durch Netzdaten repräsentiert ist. Mittels der

Navigationseinrichtung 19 werden aus den Netzdaten abgeleitete

Navigationsdaten verarbeiten und mit Sensordaten abgeglichen, um die aktuelle Position der Gleisbaumaschine 1 zu ermitteln.

[31] Ein Ziel der vorliegenden Erfindung ist es, die Netzdaten laufend automatisiert zu aktualisieren. Dazu erfolgt zunächst mittels der Sensoren bzw.

Sensorsysteme 14 eine Erfassung von Rohdaten, die Merkmalsinformationen des Gleisnetzes 4 repräsentieren. In weiterer Folge werden die Rohdaten bewertet und mit den in einer Systemzentrale 20 verwalteten Netzdaten abgeglichen. Aus diesem Datenabgleich können auch Rückschlüsse auf den Zustand des Gleisnetzes 4 bzw. einzelne Gleisabschnitte 3 gezogen werden. Beispielsweise lässt eine häufige Veränderung von erfassten Lagedaten auf eine instabile Gleislage rückschließen.

[32] Zur Erfassung der Rohdaten können neben der Gleisbaumaschine Ί andere

Trägerplattformen eingesetzt werden, beispielsweise ein Messfahrzeug 2Ί, ein sonstiges Schienenfahrzeug 22 oder eine fliegende Trägerplattform 23. Als ruhende Trägerplattform 24 können mit Sensoren Ί4 ausgestatte

Infrastruktureinrichtungen genutzt werde. Das kann beispielsweise ein Mast 8 sein, mit einer daran befestigten Kamera Ί5, die einen Gleisabschnitt 3 beobachtet. Auch neben dem Gleis 5 verbaute Glasfaserkabel sind als

Sensoren Ί4 nutzbar. Basis dafür ist das sogenannte Distributed Acoustic Sensing (DAS), bei dem Laserimpulse durch Glasfaserkabel geschickt werden, um so entlang eines Gleisabschnitts 3 Schallsignale und daraus ableitbare Aktivitäten in Echtzeit zu registrieren. Mit solchen ruhenden Trägerplattformen 24 werden Rohdaten eines beobachteten Gleisabschnittes 3 über der Zeit gesammelt. Neben der Erfassung von Objektveränderungen sind diese Rohdaten auch zur Positionsverifizierung von bewegten Trägerplattformen Ί, 2Ί, 22, 23 nutzbar.

[33] Das Messfahrzeug 2Ί ist zum Beispiel mit einem GNSS Empfänger 25, einem Lichtraumscanner Ί7 und einem Schienenscanner Ί8 ausgestattet. Das sonstige Schienenfahrzeug 22 umfasst einen GNSS Empfänger 25 und die fliegende Trägerplattform 23 umfasst eine Kamera Ί5 oder sonstige

Einrichtungen zur Erfassung von Luftaufnahmen. Mit all diesen Sensoren bzw. Sensorsystemen Ί4 werden unterschiedliche Rohdaten gesammelt und für die Auswertung bereitgestellt. Dabei werden die Rohdaten je nach Datenvolumen und vorhandener Rechenleistung auf der Trägerplattform Ί, 2Ί, 22, 23, 24 vorprozessiert oder direkt auf die Systemzentrale 20 übertragen.

[34] Wie im beispielhaften Systemaufbau in Fig. 3 ersichtlich sind als weitere

Systemkomponenten Kommunikationsmittel 26 vorgesehen. Diese

Kommunikationsmittel 26 dienen zum Austausch von Daten zwischen der Systemzentrale 20, den Sensorsystemen Ί4 und der Navigationseinrichtung Ί9. Dabei handelt es sich beispielsweise um Einrichtungen zur drahtlosen

Kommunikation über ein Mobilfunknetz. In einer sehr einfachen Ausprägung des erfindungsgemäßen Systems ist die Systemzentrale 20 in der

Gleisbaumaschine Ί untergebracht, sodass ein autarkes System zur Navigation und Netzdatenaktualisierung vorliegt. Dabei können die

Kommunikationsmittel 26 Elemente eines installierten Bussystems sein.

[35] In der Systemzentrale 20 ist ein Big Data Network 27 eingerichtet. Dieses

unterstützt neben konventionellen Datenbanken 28 und

Datenanalysewerkzeugen auch verschiedene Maschine Learning Algorithmen. Beispiele dafür sind noSQL oder Hadoop. Auf diese Weise dient die

Systemzentrale 20 zur Sammlung, Speicherung und Verarbeitung der Daten.

[36] Die Sensorsystemen Ί4 produzierten aus Datenpunkten m£ jS (t) einen

Datentensor S k (t) mit einer beliebigen Dimension k zu einem Zeitpunkt t:

wobei für i = 1, ... , k die M t r x s— Matrizen sind, also

Auf bewegten Trägerplattformen Ί, 2Ί, 22, 23 angeordnete Sensoren Ί4 liefern insbesondere Datenpunkte m£ jS (t) mit räumlichen Informationen. Bei ruhenden Trägerplattformen 24 bilden die mittels Sensoren Ί4 erfassten Datenpunkte hingegen insbesondere zeitliche Veränderungen ab.

[37] Aus charakteristischen Merkmalen in den Datenpunkten m£ jS (t) der

Sensorsysteme Ί4 werden als Objektdaten virtuell indizierte Objekte 29 erstellt {Objekti). Diese repräsentieren Gleisobjekte 4-Ί3, die mit stochastischer Sicherheit im Gleisumfeld erkennbar sind und als Referenzen für die

Navigation dienen können. Konkret zeichnen sich die Objekte 29 durch signifikant reproduzierbare Muster aus. In einem Objektregister werden die Definitionen (bzw. Algorithmen) der Objekte 29 durch neue Daten aktualisiert.

[38] Dabei wird für jede Objekteigenschaft eine Wahrscheinlichkeit berechnet bzw. eine Wahrscheinlichkeitsfunktion P x zugeordnet: Objekt vi (i) =

Neben den sich aus der Objektverifizierung ergebenen Metadaten

beschreiben insbesondere die Datenpunkte einen aktuellen Zustand des virtuell indizierten Objekts 29.

[39] Die jeweilige Wahrscheinlichkeitsfunktion P ist von der Art der Sensoren bzw. des Sensorsystems 14, der Art der Trägerplattform 1, 21, 22, 23, 24 und den Algorithmen im Objektregister abhängig. So ist beispielsweise für neuere Sensorsysteme Ί4 eine Wahrscheinlichkeitsfunktion mit geringer Streuung vorgegeben. Für ältere Sensoren Ί4 mit geringerer Genauigkeit ist hingegen eine größere Streuung vorgegeben. Eine aus abgespeicherten

Beobachtungsvorgängen abgeleitete Erkennungswahrscheinlichkeit berücksichtigt die Anzahl der bisher erkannten Objekte 29. Auf diese Weise wird ein Grad an Eindeutigkeit eines Objektes 29 in Relation zu einem in der Systemzentrale 20 abgespeicherten Datenbestand erhoben.

Dementsprechend erfolgt eine Klassifizierung der Objekte 29 anhand des bewerteten Informationsgehalts in Bezug auf das Gesamt-Gleisnetz und dessen Informationen.

[40] Zudem wird das Auswertungsverfahren laufend verbessert, indem die

erkennbare Objekte 29 durch maschinelles oder manuelles Anlernen kontinuierliches erweitert und angepasst werden. Das autonome maschinelle Anlernen innerhalb des Big Data Framework basiert dabei auf jenen Daten, die in der Systemzentrale 20 neu erfasst werden.

[41] Wie in Fig. 4 dargestellt, werden virtuell indizierte Objekte 29 entsprechend eines Bewegungsmusters der Trägerplattform 1, 2Ί, 22 relativ zueinander verkettet. So entstehen bei gleisgebundenen Trägerplattformen 1, 2Ί, 22 aneinandergereihte virtuell indizierte Objekte 29, wobei die sich ergebende Objektkette 30 als eine semantische Kette Ä^aufgefasst werden kann:

K tn = (Objekt vi (t n ), ... , Objekt vi (t n+m )),

wobei t n eine Anfangszeit und t n+m eine Endzeit einer Fahrt der

Trägerplattform Ί, 2Ί, 22 ist.

[42] Innerhalb dieser Kette werden markante Objekte 29 (z.B. Objektdaten einer Weiche 6) als Diskretisierungspunkte zur Untergliederung in Segmente 3Ί vorgegeben. Diese können dynamisch, aus der Wahrscheinlichkeit der Erkennung oder aus der Relevanz im Netz (Grad der Eindeutigkeit) bestimmt werden. In Fig. 4 repräsentieren die aneinandergereihten Objekte 29 beispielsweise von links nach rechts eine Weiche 6, eine Balise Ί3, ein Gleis 5, einen Masten 8, ein Tunnelportal, einen Tunnel 9, ein Tunnelportal, eine Weiche 6, einen Masten 8, eine Balise Ί3, zwei Masten 8 und eine Weiche 6.

[43] Neue Objektketten 30 werden mit den Netzdaten, das heißt mit dem Modell 3Ί des Gleisnetzes 4 abgeglichen. Die Netzdaten sind dabei als Graph N(t a ) abgespeichert, wobei t a ein Aktualisierungszeitpunkt des jeweiligen Objekts 29 ist:

N(t a ) = (Objekt v (t , Kante v (t)) N(t neu ) = Objekt vi t -> N t alt

[44] Segmente 32 der Objektkette 30 werden über markante Objekte 29 auf das Modell 3Ί des Gleisnetzes 4 abgeglichen (gemappt). Stimmen ein Segment 29 und ein Teilgraph mit einer hohen Wahrscheinlichkeit überein, werden die im Segment 29 enthaltenen virtuell indizierten Objekte 29 in den Graphen überführt. Auf diese Weise werden die Eigenschaften des jeweiligen virtuell indizierten Objekts 29 unter Berücksichtigung der zugeordneten

Wahrscheinlichkeitsfunktionen P für eine Aktualisierung der Eigenschaften des Modells 3Ί verwendet (Update der Netzdaten). Dabei steigt mit zunehmender Erfassung von Rohdaten die Zuverlässigkeit und Genauigkeit der Netzdaten: W(t a ) =

Auch mittels ruhender Trägerplattformen 24 erfasste Datenpunkte werden in entsprechender Weise mit den Netzdaten abgeglichen, wobei hier die Informationen über zeitliche Veränderungen im Vordergrund stehen.

[45] Bei einem Aktualisierungsvorgang kann es aufgrund von Sensorfehlern oder Behinderungen bei der Objekterfassung vorkommen, dass einzelne Objekte 29 nicht verifiziert werden können. Dann ist es sinnvoll, wenn diese in den Netzdaten erhalten bleiben, bis bei einem erneuten Erfassungsvorgang 33 eine Falsifizierung erfolgt oder wenn eine Verifikation mehrmals ausbleibt.

[46] In Fig. 5 ist der Verfahrensablauf überblicksmäßig dargestellt. Das Verfahren gliedert sich dabei grob in folgende Verfahrensschritte:

- Input 34 der verschiedenen Trägerplattformen 1, 2Ί, 22, 23, 24 und der Sensorsysteme Ί4

- Signalanalyse 35 zur Objektindikation mit statistischen Größen

- Wiederholte Erfassungsvorgänge 33 (Beobachtungen) zur Verifizierung bzw. Falsifizierung der Objektindikation

- Mapping 36 unterschiedlicher Erfassungsarten bzw.

Beobachtungsperspektiven

- Output 37 des Gleisnetzmodells 3Ί (aktualisierte Netzdaten)

- Navigationsvorgang 38 einer Gleisbaumaschine 1

[47] In einer anfänglichen Phase formuliert das System anhand der vorgegebenen Algorithmen ein Ausgangsmodell 3Ί für das Gleisnetz 4. Dazu werden beispielsweise Luftbildaufnahmen, Rohdaten eines Messfahrzeugs 2Ί, Rohdaten des Gleisbaufahrzeugs 1 und Rohdaten eines sonstigen Fahrzeugs 22 ausgewertet. In Fig. 5 ergibt die jeweilige Signalanalyse 35 zunächst unterschiedliche Objekte 29 bzw. Objektklassen, die einzelnen Gleisobjekten 5-Ί3 zuordenbar sind. Bei Luftaufnahmen sind das zum Beispiel Gleise 5, Weichen 6, Tunnel 9, Masten 8, Bahnhöfe Ί0 etc. Die Rohdaten der

gleisgebundenen Trägerplattformen 1, 22, 23 sind den Gleisobjekten Gleise 5, Weichen 6, Tunnel 9 etc. zuordenbar.

[48] Im Zuge der wiederholten Erfassungsvorgänge 33 werden die einzelnen

Objekte 29 in ihrer Relation zueinander verifiziert bzw. falsifiziert. Im Falle der gleisgebundenen Trägerplattformen 1, 22, 23 werden Objektketten 30 gebildet, die einen befahren Gleisabschnitt 3 abbilden. Eine

Zusammenführung dieser Auswertungsergebnisse mittels Mapping 36 ergibt schließlich das Modell 3Ί des erfassten Gleisnetzes 4.

[49] Für eine verlässliche Durchführung eines Navigationsvorgangs 38 werden die Netzdaten nach einer erfolgten Datenaktualisierung oder in vorgegebenen Zeitabständen von der Systemzentrale 20 auf die Navigationseinrichtung Ί9 der Gleisbaumaschine 1 übertragen. Dabei ist es günstig, wenn über die gewünschte Konfidenz parametrisiert wird, welche in den Netzdaten enthaltenen Objekte 29 für die Navigation auf die Gleisbaumaschine 1 übertragen werden.

[50] Beim Navigationsvorgang 38 selbst werden Objekte bzw. Objektdaten 29 mit jenen Gleisobjekte 5-Ί3 abgeglichen, die aktuell im Umfeld der

Gleisbaumaschine 1 mittels der Sensoren bzw. Sensorsysteme Ί4 erfasste werden. Auf diese Weise dienen erkannte Gleisobjekte 5-Ί3 als Referenz zur Ortsbestimmung. Zudem können Ergebnisse einer Spurweitenmessung zur feineren Positionierung am Gleis 5 verwendet werden. Der erfasste Verlauf der Spurweite bildet dabei weitere Datenpunkte jener Objekte 29, die das entsprechende Gleis 5 repräsentieren. In einer Erweiterung können auch erfassbare charakteristische Merkmale von Schwellen 39 oder Schienen 40 genutzt werden (Prägungen, Materialmerkmale etc.).

[51] Zudem dienen die während des Navigationsvorgangs 38 erfassten Rohdaten als neuer Dateninput zur Aktualisierung der Netzdaten. Mit dem vorliegenden System werden Änderungen im Gleisnetz 4 infolge von Umbauten oder Störungen automatisch für folgende Navigationsvorgänge 38 berücksichtigt. Die Kognition erfolgt anlass- bzw. zeitbezogen automatisch in Abhängigkeit der Migrationsgeschwindigkeit des Gleisnetzes 4. Günstigerweise werden einem Maschinenführer 4Ί erkannte und antizipierte Objekte 29 im aktuellen Umfeld der Gleisbaumaschine Ί zur Orientierung angezeigt. In diese Anzeige können zusätzlich Arbeitsanweisungen

aufgenommen werden. Auch Arbeitsparameter können dem Maschinenführer 4Ί ortsabhängig vorgegeben oder direkt an ein Arbeitsaggregat 2 übermittelt werden. Auf diese Weise erfolgt eine automatisierte örtliche Anpassung von Arbeitsparametern, wodurch ein optimierter Einsatz der Gleisbaumaschine Ί ermöglicht wird. Bei einer Stopfmaschine sind das beispielsweise Hebe- und Richtwerte sowie Zeitvorgaben für die Stopfzyklen. Bei anderen

Gleisbaumaschinen Ί können Arbeitsparameter wie Schotterbedarf,

Abraummengen von Altschotter ortsabhängig angepasst werden.