Forschung : Mit IoT zur pünktlichen Bahn

horizontal perspective train rear view back winter snow snowing railway tracks station railroad car wagon carriage covered stop waiting delay weather tracks hard blocked orange electric lines electricity transportation city business departure arrival season problems issues destination Europe industrial metal parking passenger platform cable ice holiday travel canceled blue snowfall horizontal perspective train rear view back winter snow snowing railway tracks station railroad car wagon carriage covered stop waiting delay weather hard blocked orange electric lines electricity transportation city business departure arrival season problems issues destination europe industrial metal parking passenger platform cable ice holiday travel canceled blue snowfall
© macondos - Fotolia

Wer kennt das nicht? Besonders im Winter häufen sich bei der Bahn die Fahrplanverschiebungen. Das kann verschiedene Ursachen haben. Eine Ursache sind Schnee- bzw. Eisansammlungen an Waggons, die beim Abfallen aufgrund hoher Geschwindigkeiten mit dem Schotteroberbau einen gefährlichen Schotterflug auslösen können. Die Folge: Mitunter beträchtliche Schäden an Schienenfahrzeugen, Signalmasten, Lärmschutzwänden bis hin zu Verletzungen bei Personen, die sich im nahen Umfeld der Gleise befinden. Um das Problem in den Griff zu bekommen, werden bei der österreichischen Bundesbahn Sichtinspektionen durchgeführt. Im Falle einer kritischen Eisanhaftung wird die Höchstgeschwindigkeit des Zugs auf 160 km/h reduziert. Dies führt bei den betroffenen Zügen natürlich zu Verspätungen. Da bis dato noch kein System bekannt ist, das kritische Eisbildungen während des laufenden Betriebs frühzeitig erkennen und den Infrastrukturbetreiber rechtzeitig informieren kann, wurde das Projekt Eismon ins Leben gerufen.

Eismon als intelligentes Frühwarnsystem

An Eismon ist die Fachhochschule St. Pölten, die TU-Wien, die Johannes Kepler University in Linz und das Rail Tec Arsenal beteiligt. Damit die notwendigen Geschwindigkeitsreduktionen so gering wie möglich gehalten werden, muss Eismon ein technisches Monitoring-System sondieren, das Eisanhaftungen erkennt und die Gefahr der Ablösung kategorisiert. „Für das Projekt sollen geeignete Sensorkomponenten und Methoden evaluiert werden, die in der Lage sind, Informationen zu Volumen, Fläche oder Dichte der Anhaftungen zu liefern“, erklärt Adrian Wagner, Research Assistant im Carl Ritter von Ghega Institut für Integrierte Mobilitätsforschung an der FH St. Pölten. „Das Volumen und die gemessene Oberflächenstruktur muss automatisch ausgewertet und ein Schwellenwert in Kubikmeter definiert werden.“ Überschreitungen des Schwellenwertes müssen dann an die verantwortlichen Stellen des Streckennetzes weitergeleitet werden. Wagner zieht dafür ein dreidimensionales Verfahren, ein Laserscanning nach dem Funktionsprinzip, in Betracht.

Zugdaten mit Wetterstationen verknüpfen

Falls dieses Verfahren keine ausreichenden Ergebnisse liefert, könnte er ein Lichtschnittverfahren in Erwägung ziehen, das eine Kombination aus drei parallel angeordneten Systemen darstellt, bestehend aus zwei Kameras und einem High-Power-Laser. „Zur Implementierung des Messsystems ist eine Testphase mit einem Prototypen erforderlich“, so Wagner. „Hierbei muss zusätzlich eine Flächenkamera zum Einsatz kommen, um die Überfahrten mit den Messergebnissen zu vergleichen.“ Solche Messsysteme sollten dann an bestimmten Knotenpunkten im Eisenbahnnetz installiert werden, wo die Überfahrtsgeschwindigkeit maximal 60 bis 80 km/h beträgt und möglichst alle Züge, die für eine Messung vorgesehen sind, passieren. Für ein sinnvolles Monitoring-System müssen ebenso alle relevanten Schnittstellen z. B. zu den Zugdaten, Wetterstationen und der Betriebsführungszentrale miteinander verknüpft werden. „Auf diese Weise lassen sich Sicherheitsrisiken frühzeitig identifizieren und für die Planung der Wartungsintervalle der Instandhaltung ein weiterer Vorteil schöpfen“, konstatiert Wagner.