Automatisierung für große Datenmengen

Automatisierung für große Datenmengen: Benutzerdefinierte Merkmalsextraktion für Bahnstrecken beschleunigt die Analyse und Sicherheit

Die KI-Modelle in Trimble Business Center wurden darauf trainiert, 20.000 Bahnschwellen aus einer Punktwolke zu extrahieren und so die Zeit für die Identifizierung von Abweichungen drastisch zu reduzieren.  

Von Linda Duffy 

Eisenbahnstrecken werden sorgfältig geplant und gebaut, um das Gewicht der massiven Lokomotiven und Waggons, die täglich tonnenweise Fracht und Fahrgäste in alle Welt befördern, gleichmäßig zu verteilen. Kleine Abweichungen in der Gleisbettbreite oder -höhe können zu Vibrationen und ineffizienter Energienutzung führen, während schwerwiegendere Probleme zu Entgleisungen und Zugunfällen führen können. Innovative Bahnunternehmen wie die Rhomberg Sersa Rail Group (RSRG) setzen neue Methoden zur Überwachung, Inspektion und Analyse der Bahninfrastruktur während und nach dem Bau ein. Dabei kommen Technologien wie 3D-Laserscanner und künstliche Intelligenz (KI) zum Einsatz, um die Sicherheit zu verbessern und das langfristige Lebenszyklusmanagement zu unterstützen. 

Projekt Gotthard-Basistunnel

Im August 2023 wurde der Schweizer Gotthard-Basistunnel bei einer Entgleisung von 16 Waggons erheblich beschädigt, so dass der gesamte Personen- und Güterverkehr durch die Weströhre für mehr als ein Jahr eingestellt wurde. Der 35 km lange Eisenbahntunnel - der längste der Welt - ist eine wichtige Verkehrsverbindung zwischen Deutschland im Norden und Italien im Süden.  

RSRG ist ein internationaler Experte für den durchgängigen Bahnbau und bietet eine Reihe von Dienstleistungen an, darunter die Erfassung des Ist-Bestands, die Planung von Baumaßnahmen, den Bau und die Überwachung von Verformungen. Nach dem Unfall am Gotthard wurde das Unternehmen mit der Durchführung der Reparaturarbeiten beauftragt. Dazu gehörten der Rückbau des beschädigten Gleises sowie der Einbau und die Einrichtung eines neuen schwingungsarmen Gleises (LVT-System) auf einer Strecke von vier Kilometern. Alle Auftragnehmer standen unter dem Druck, die Bauarbeiten schnell abzuschließen, damit der Tunnelbetrieb wieder aufgenommen werden konnte. Das anspruchsvolle Projekt erforderte hohe Genauigkeit und sorgfältige logistische Planung unter schwierigen Bedingungen mit hoher Luftfeuchtigkeit und schlechter Luftqualität im Tunnel.

Kurz vor Fertigstellung des Tunnels fragte der Bauherr an, ob das RSRG-Team eine Qualitätskontrolle an jeder der 20.000 Schwellen durchführen könnte, um die korrekte Ausrichtung zu bestätigen und sicherzustellen, dass die Abstände zwischen den Schwellenblöcken innerhalb der Toleranz von 6 cm (+/- 2 cm) liegen. 

Dimitrios Kyritsis, Leiter der digitalen Eisenbahndienste bei RSRG, erläuterte die Philosophie seines Unternehmens: "Unsere Eisenbahnabteilung experimentiert mit neuen Technologien, um den Betrieb effizienter und sicherer zu machen, da die Reisegeschwindigkeiten weiter steigen. Wir überlegen, wie wir die Technologie nutzen können, um die Bedürfnisse der Kunden zu erfüllen und gleichzeitig die Anzahl der Mitarbeiter und die Anzahl der Arbeitsstunden vor Ort zu optimieren, um Geld zu sparen und Risiken zu verringern."

Nach Abwägung der Optionen war RSRG der Ansicht, dass die manuelle Vermessung zu viele Wochen Arbeit erfordern und die Eröffnung des Tunnels verzögern würde. Stattdessen entschieden die Vermessungsingenieure, dass die effizienteste Methode darin bestand, den Tunnel mit einem Trimble GEDO IMS-Scan-Wagensystem zu scannen und dann eine neue Funktion in der Trimble Business Center (TBC)-Software zu nutzen, um benutzerdefinierte Punktwolken-Klassifizierungsmodelle zu trainieren, um die Schwellen aus der Punktwolke zu extrahieren. 

Der Wagen war mit einem Trimble GEDO GX50 Laserscanner ausgestattet, der aus zwei Scanköpfen bestand und eine sehr dichte 360-Grad-Punktwolke erzeugte. Um eine vollständige Abdeckung der Schwellenseiten zu gewährleisten, wurde jeder Kopf auf eine 80-Grad-Ausrichtung eingestellt, und der Tunnel wurde zweimal gescannt - einmal in jede Richtung. Die neuesten Trimble GEDO-Systeme sind mit einer Inertialmesseinheit (IMU) ausgestattet, die während des Scannens Positionsdaten mit einer Genauigkeit von 3-5 mm erfasst.

Der Doppelprofilscanner eignet sich ideal für die Erfassung des Ist-Zustandes zum Vergleich mit den Entwurfsmodellen und zur Qualitätskontrolle von Betonoberflächen, Stromleitungen, Stromschienen, Schwellen, Schienenbefestigungen und Schienenneigung. RSRG hatte bereits zuvor das Trimble GEDO Track-System für die Einrichtung der Gleise und das Trimble GEDO IMS-System in Kombination mit einer Trimble S9-Roboter-Totalstation verwendet, um die endgültige Bestandsdokumentation mit einer Genauigkeit von +/- 1 mm zu erstellen, aber dies war ihre erste Erfahrung mit dem Training des KI-Merkmalsextraktionstools in TBC.
 

Automatisieren Sie Arbeitsabläufe mit benutzerdefiniertem KI-Training

Der Trimble GEDO-Wagen produzierte 900 Punktwolkendateien (500 GB Daten), die in Trimble GEDO Scan Office verarbeitet werden konnten. Mit einer Excel-Datei zur Kontrolle wurden die einzelnen georeferenzierten Punktwolken zu einem großen Datensatz referenziert. Um die Isolierung der Schwellen zu erleichtern, wurde das Rauschen aus der Punktwolke entfernt, so dass nur die Bodenmerkmale um das Gleis herum erhalten blieben.

Aufgrund des Datenvolumens wäre eine manuelle Merkmalsextraktion der Schwellen extrem zeitintensiv und fehleranfällig gewesen. Stattdessen experimentierte die RSRG mit einem neuen Tool in TBC, das es den Nutzern ermöglicht, 3D-Deep-Learning-Modelle zu trainieren und die Arbeitsabläufe zur Merkmalsextraktion an individuelle, domänenspezifische Anforderungen anzupassen. KI wird zur Nachahmung menschlicher kognitiver Funktionen mit dem Ziel eingesetzt, diese in hoher Qualität zu ersetzen, d. h. das von KI-gestützten Tools erzeugte Ergebnis soll der Qualität menschlicher Intelligenz so nahe wie möglich kommen. Die Produktivitätsgewinne, die durch KI-gestützte Werkzeuge erzielt werden, sind für jedermann zugänglich, ohne dass KI-Fachwissen erforderlich ist.

Um den Messprozess zu automatisieren, erstellte RSRG Beispielpunktwolkendaten mit manuell klassifizierten Schwellen, um das KI-Modell in TBC zu trainieren. Das Modell wurde auf die gesamte Punktwolke angewendet, die mit dem Trimble GEDO-Wagen erfasst wurde, um die im Tunnel eingebauten Schwellen automatisch zu klassifizieren. 

"Wir haben uns online kostenlose Webinare angesehen und mit dem Tool experimentiert. Es war einfach zu erlernen", so Kyritsis. "Eine statistische Analyse bewertete den Schulungsprozess und zeigte an, ob wir einen größeren Bereich und mehr Schulungen benötigten. Es war uns wichtig, die Genauigkeit der Ergebnisse überprüfen zu können, damit es für die Ingenieure keine 'Black Box' ist. Wir waren mit unserer 97%igen Genauigkeit nach dem Training des Modells sehr zufrieden."
 

Nach der Anwendung des KI-Modells zur Extraktion der Schwellen verglichen eigens entwickelte Module das 3D-Modell mit der Realitätserfassung und berechneten Messungen mit einem Best-Fitting-Ansatz, wobei die absoluten Koordinaten aus dem Trimble GEDO-Trolley-Scan berücksichtigt wurden. RSRG erstellte einen 340-seitigen Bericht, in dem die Abstände in sub-cm-Genauigkeit für alle Schwellenpaare aufgeführt wurden. Alle, bei denen eine Abweichung von größer 2 cm auftraten wurden hervorgehoben dargestellt. 

"Andere Software beschränkt die Arten von Merkmalen, die wir klassifizieren und extrahieren können", so Kyritsis. "TBC bot die Möglichkeit, KI für einen bestimmten Schwellentyp zu trainieren und die Ergebnisse zu verbessern. Die KI ermöglichte es uns, den Extraktionsprozess zu automatisieren und die Arbeit schnell und mit Vertrauen in die Ergebnisse abzuschließen."

KI schafft Mehrwert für Big Data

Mit der zunehmenden Verbreitung von 3D-Laserscannern und mobilen Mappern steigt die Nachfrage nach intelligenteren Methoden zur Verarbeitung großer Datenmengen. Die Automatisierung mithilfe von KI ist eine große Zeitersparnis bei der Verarbeitung und Analyse von Realitätserfassungsdaten in hoher Dichte. 

Am Gotthard-Basistunnel gingen die Vorteile der KI für die Merkmalsextraktion in TBC weit über das ursprüngliche Projekt hinaus. Trainierte Modelle können an andere Büros verteilt werden, um dieselben Merkmale zu erkennen, so dass ein Mehrwert für das gesamte Unternehmen entsteht. Da die Trainingsdateien leicht zugänglich sind, können die Inspektionen häufiger durchgeführt werden, um proaktiv statt reaktiv zu sein.

Der Trimble GEDO-Wagen erfasste die Daten schnell und half, weitere Verzögerungen bei der Wiedereröffnung des Tunnels zu vermeiden. Der umfassende Datensatz dokumentiert den aktuellen Zustand, der mit zukünftigen Datenerhebungen verglichen werden kann, um die Instandhaltung zu steuern. 

Die Weströhre des Gotthard-Basistunnels wird im September 2024 wiedereröffnet und kann dann 260 Güterzüge und 70 Personenzüge pro Tag aufnehmen. Künftig werden die Daten der digitalen Realitätserfassung in jeder Phase des Lebenszyklusmanagements eine wichtige Rolle spielen, um fundierte Entscheidungen zu treffen.