Projekte

Projekt SAMIRA

Das Shunting Assistant & Monitoring Interface for Autonomous Rail Application (SAMIRA) ist ein Projekt bei dem durch die Verknüpfung mondernster Techniken die Abläufe auf der letzten Meile im Schienengüterverkehr optimiert und digitalisiert werden. Durch eine mobile Sensoreinheit, welche am letzten Wagen der Rangierabteilung befestigt wird, kann der Gefahrraum sicher überwacht und damit potenzielle Kollisionen erkannt werden. Ein zweites Modul kann optional an der Rangierlok befestigt oder fest installiert werden und so Kollisionen auch in beiden Richtungen verhindern. Die Sensoreinheiten liefern dem Triebfahrzeugführer Bilder, Daten und Warnhinweise des Gefahrraums, die durch Künstliche Intelligenz mit Augmented-Reality versehen werden, um ein sicheres Rangieren auch ohne einen Rangierassistenten zu gewährleisten. Die sichere und nahtlose Datenübertragung an den Triebfahrzeugführer erfolgt durch ein redundantes, latenzarmes Wireless Multipath-Mesh-Network (WMMN).

Darüber hinaus sind zusätzliche stationäre Module zur Gleisüberwachung sowie eine RTK-Station zur präzisen Positionsbestimmung an das Mesh-Netzwerk angeschlossen und ermöglichen eine präzise, gleisselektive Positionsbestimmung des Zuges. Das Mesh-Netz ist so konzipiert, dass es mit wenig Aufwand in die vorhandene Infrastruktur eingegliedert und auch in Zukunft mit Funktionen der Logistik 4.0 schnell und einfach erweitert werden kann.

Ansprechpartner:
Herr Sam Münchow
Sam.muenchow@aric-research.de

Drones4Safety

In Drones4Safety werden Drohnen eingesetzt, um Inspektionen von Straßen und Schienen durchzuführen. Experten aus Industrie, Forschung und Wissenschaft in den Bereichen Infrastrukturinspektion, Energy Harvesting, künstliche Intelligenz, Kommunikation und Drohnentechnologie arbeiten gemeinsam daran, die Sicherheit des europäischen zivilen Verkehrssystems zu erhöhen. Im Rahmen des von der EU geförderten Projekts Drones4Safety bauen sie ein kooperatives, autonomes, sich selbst aufladendes und kontinuierlich arbeitendes Drohnensystem für autonome, genaue und häufige Inspektionen von Verkehrsinfrastrukturen. Dieses neue System soll Eisenbahn- und Brückenbetreibern zur Verfügung gestellt werden, um den Zustand ihrer Infrastrukturen aus der Ferne zu überwachen und sie zu benachrichtigen, wenn ein Fehler entdeckt wird. Das Projekt wird Satelliten- und offene Karten nutzen und Algorithmen der künstlichen Intelligenz (KI) entwickeln und verbessern, um die Inspektionsergebnisse zu optimieren. Die Ergebnisse von Drones4Safety werden den Verkehrsbetreibern in Form von Software-Diensten und Hardware-Drohnensystemen zur Verfügung gestellt

Ansprechpartner:
Herr Sam Münchow
Sam.muenchow@aric-research.de

Smart Rail Inspector

Im Zuge des von der EU und NRW (EFRE) geförderten Projekts SMART Rail Inspector wurde ein Sensorsystem entwickelt, mit dem Schienen und Gleise in verschiedenen Maßstäben analysiert werden können. Zum einen sollen schwere Schäden und Hindernisse erkannt werden, zum anderen sollen auch frühe Defekte und Verschleißerscheinungen erfasst werden. Darüber hinaus können auch alle sehr lauten Quietsch- und Klapperstellen angezeigt werden. Die Position jedes Ereignisses wird auf den Zentimeter genau georeferenziert, um eine einfache Identifizierung durch die Schieneninstandhaltungswerke zu ermöglichen. Als Sensoren kommen Laser-Triangulationssensoren, LIDAR, GNSS, IMU, Schallsensor und Stereokamera zum Einsatz, die alle zu einem Inspektionssystem kombiniert und synchronisiert werden. Aufgrund der verschiedenen Sensoren mussten bei der Datenerfassung und -analyse echte Big-Data-Strukturen berücksichtigt werden. Aufgrund der Vielzahl an unterschiedlichen Schäden und Fehlern wurden KI-Methoden eingesetzt, um diese zu analysieren, zu identifizieren und zu klassifizieren.

Strike3

STRIKE3 war ein von der EU-H2020 finanziertes Projekt. Um GNSS-Interferenzsignale analysieren zu können, wie sie in der Realität auftreten, wurden in 23 Ländern rund um den Globus Überwachungsstationen installiert. Anschließend wurden mehr als 450.000 GNSS-L1/E1-Interferenzsignale erfasst, aufgezeichnet und analysiert. Zur Speicherung der charakteristischen Parameter der erfassten Störsignale wurde eine zentrale Datenbank definiert und implementiert. Schließlich wurden die Störsignale zum Testen von Empfängern auf ihre Robustheit verwendet, wobei sechs verschiedene Empfänger aus vier Kategorien wie Massenmarkt-, professionelle, integrierte und Timing-Empfänger getestet wurden, um ihre Eigenschaften gegenüber realen Störungen zu analysieren.

DETECTOR

DETECTOR war ein von der EU-FP7 gefördertes Projekt, das sich mit GNSS-Störungen beschäftigte. Nach grundlegenden Spektralanalysen verschiedener Störsender wurde ein Gerät zur Erkennung dieser Art von Störsendern entwickelt und praktisch im Feld getestet. Dabei wurde die automotiveGATE-Testanlage genutzt, um eine sichere Umgebung zu schaffen, in der die Auswirkungen von Störsendern auf verschiedene GPS-Empfänger in Fahrzeugszenarien getestet werden können, ohne dass öffentliche Verkehrsteilnehmer beeinträchtigt werden. ARIC veranstaltete außerdem einen Workshop, um das DETECTOR-Projekt einem breiteren Publikum und Interessengruppen vorzustellen und die DETECTOR-Lösung in Live-Tests zu demonstrieren.