Mobilität quer durch Europa ist heute selbstverständlich. Waren- und Menschenströme nehmen permanent zu. Die Aufrechterhaltung der Infrastruktur, also der Straßen-, Wasser- und Schienenwege, die diese Logistik ermöglicht, kann da nicht immer mithalten. Ausfälle an Knotenpunkten der europäischen Infrastruktur, zum Beispiel an Tunneln, großen Brücken oder den Übergängen zwischen Schiffs- und Bahnverkehr, haben nicht nur große wirtschaftliche Auswirkungen, sondern bergen potentiell auch große Sicherheitsrisiken.
Ein neues europäisches Projekt im Rahmen von Horizon2020 – „SAFE-10-T“ – hat sich zum Ziel gesetzt, ein System zu entwickeln, dass die Sicherheit dieser Verkehrswege überwacht und verlässliche Vorhersagen über den Wartungszustand dieser Wege ermöglicht.
Das Kürzel „10-T“ steht dabei für das Trans-European Transport Network, ein Netzwerk der Europäischen Kommission, das die großen Verkehrsadern durch Europa koordiniert. „Das Ziel von „SAFE-10-T“ ist es zum einen, nötige Wartungsarbeiten dieser Infrastruktur, wie Reparaturen an Brücken oder Tunneln, rechtzeitig zu erkennen und dadurch lange Ausfälle zu verhindern. Der Schwerpunkt dieses Projektes liegt aber darauf, die Sicherheit zu erhöhen, also Unglücksfälle, zum Beispiel Überschwemmungen, das Wegbrechen von Böschungen oder ähnliches, vorherzusagen“, erläutert Prof. Dr. Timo Hartmann, Professor für Systemtechnik baulicher Anlagen an der TU Berlin, dessen Arbeitsgruppe an dem großen, interdisziplinären Projekt beteiligt ist.
Timo Hartmann: „Heutzutage verfügen alle großen Verkehrsbetriebe über umfangreiche Daten ihrer Infrastruktur. Die Sensortechnik ist inzwischen so günstig geworden, dass nahezu alle großen Tunnel oder auch Eisenbahn- und Autobahnbrücken mit entsprechenden Sensoren ausgestattet sind, die Daten über den Zustand und auch über die Art der Nutzung an die Betriebe senden. Das Problem ist jedoch, dass diese Daten europaweit unterschiedlich und nicht vernetzt sind und dass es keine Programme gibt, diese Daten sinnvoll auszuwerten, um damit zum Beispiel Risikomanagement zu betreiben.“
Mit Hilfe maschineller Lernsysteme, künstlicher Intelligenz und Datenmanagement soll jetzt ein System entwickelt werden, das zum einen die Daten sortiert, analysiert und aufarbeitet und zum anderen auch aus alten Daten lernt. „So schauen wir uns zum Beispiel alle verfügbaren Daten an, die in der Vergangenheit an einem bestimmten Knotenpunkt – zum Beispiel einem Tunnel – gesammelt wurden, bevor es dort zu einem sogenannten ‚near miss’ also einem Beinahe-Unfall gekommen ist. Aus diesen Daten der Vergangenheit, dazu zählen Wetter, Schienenzustand, Jahreszeit und Beanspruchung, lernt ein maschinelles Lernsystem, welche Umstände zusammentreffen müssen, damit es zu so einem Beinahe-Unfall kommt. Im Idealfall zieht das Lernsystem daraus Erkenntnisse und warnt in der Zukunft, wenn diese Konstellation von Umständen sich ein weiteres Mal abzeichnet“, erläutert Timo Hartmann.
Das Forschungskonsortium besteht aus 15 Partnern aus ganz Europa. Zu dem Teilprojekt der TU Berlin gehört zum einen die Optimierung der maschinellen Lernsysteme in Bezug auf Bautechnik und zum anderen eine ansprechende Visualisierung der Daten, die die Ergebnisse übersichtlich zusammenfasst und es Entscheidern ermöglicht, Gefahrensituationen schnell zu erfassen.
Verwandte Artikel:
– Dauerhafte Zustandsüberwachung von Verkehrsinfrastruktur
– EU-Kommission schlägt Förderung für 20 deutsche Verkehrsprojekte vor
