Auftraggeber:
Deutsche Forschungsgemeinschaft (DFG)
Projektbeschreibung:
Durch das Projekt sollen eine signifikante Steigerung der Effektivität von Simulationsverfahren, eine Verbesserung der Qualität der Simulationsergebnisse sowie eine bessere Einschätzung des realen Betriebsablaufs ermöglicht werden. Der hierzu entwickelte Algorithmus erreicht eine hinreichend gute Übereinstimmung des über Parameter beschriebenen Modells mit dem tatsächlichen Betriebsablauf in der Realität. Durch die Umsetzung des Algorithmus zum maschinellen Lernen wurde die Abweichung zwischen dem Simulationsmodell und der zu modellierenden Betriebsrealität in einem automatisierten iterativen Prozess minimiert. Darüber hinaus ermöglicht die allgemeingültige Spezifikation eine Einbindung des Algorithmus in unterschiedliche Simulationsmodelle. Bei Vergleichen zwischen der manuellen Kalibrierung und der automatisierten Kalibrierung zeigte sich bei gleicher Bearbeitungszeit, dass die Qualität der Kalibrierung durch die automatisierte Methode regelmäßig deutlich höher war und der Kalibrierungsaufwand zudem signifikant reduziert wurde.
Mithilfe der in diesem Projekt gewonnenen Erkenntnisse kann das entwickelte Kalibrierungsmodell bei Betriebssimulationen und Fahrplanerstellungen angewandt werden, wodurch die Untersuchung und Planung von spurgeführten Verkehrssystemen durch ein realitätsnahes Simulationsmodell erheblich erleichtert wird.
Ansprechpartner
Ullrich Martin
Prof. Dr.-Ing.Direktor des Instituts für Eisenbahn- und Verkehrswesen
Yong Cui
apl. Prof. Dr.-Ing. habil.Leiter der Arbeitsgruppe Intelligent Train, Akademischer Mitarbeiter