FASaN – Fahrerassistenzsysteme adaptive Nachhaltigkeit im Bahnbetrieb
Das Projekt FASaN entwickelt ein vernetztes Fahrerassistenzsystem für Züge, das durch Berücksichtigung der Fahrplanlage umgebender Züge und optimierte Fahrempfehlungen die Pünktlichkeit und Energieeffizienz verbessert, unvorhergesehene Ereignisse berücksichtigt und die Akzeptanz der Triebfahrzeugführenden erhöht.
Fahrerassistenzsysteme (FAS) im Bahnbetrieb können Triebfahrzeugführende in ihrer Arbeit unterstützen, ohne in die Fahrzeugsteuerung oder Sicherungstechnik einzugreifen. Die Fahrempfehlungen optimieren die Fahrtrajektorie der einzelnen Züge in den Grenzen der betrieblichen Vorgaben. Dadurch erreichen die Züge das Ziel pünktlich und nutzen Spielräume, um Energie zu sparen. Derzeitige Systeme konzentrieren sich allerdings überwiegend auf die Sicht des einzelnen Zuges und die Optimierung der eigenen Fahrtrajektorie. Zudem können unvorhergesehene Ereignisse wie ein erhöhtes Fahrgastaufkommen oder gesamtheitliche Energiebedarfsrechnungen über mehrere Zugfahrten nur unzureichend berücksichtigt werden.
Im mFUND Projekt FASaN wird prototypisch ein vernetztes Fahrerassistenzsystem entwickelt und im Realbetrieb evaluiert. Das vernetzte FAS berücksichtigt die Fahrplanlage umgebender Züge, wodurch Zugkonflikte frühzeitig erkannt und der Betrieb optimiert werden kann. In dem Projekt, welches auf vorherigen Arbeiten aus dem mFUND Projekt FAS-D aufbaut, soll anhand von vier Anwendungsfällen gezeigt werden, welche praktische Verbesserungen sich erreichen lassen:
- Lastspitzenvermeidung
- Fahrgastwechselzeitenprognose
- Verbesserung der Fahrgastinformationen
- Akzeptanz bei Triebfahrzeugführenden
Durch die Vernetzung zwischen den Zügen können Beschleunigungsvorgänge entzerrt werden und somit Lastspitzen vermieden werden. Aktuelle Prognosen der Fahrgastwechselzeit werden in den Fahrempfehlungen berücksichtigt und führen somit zu höherer Pünktlichkeit. Die verbesserte Informationslage aus dem FAS wird außerdem genutzt, um die Fahrgastinformationen zu verbessern. Die Einbeziehung der Triebfahrzeugführenden ist elementar für eine gute Lösung und steigert die Akzeptanz des Systems, was eine Voraussetzung für das Erreichen der anderen Ziele ist.
Das Institut für Verkehrssystemtechnik am DLR beteiligt sich zum einen an der Erschließung neuer Datenquellen und der Entwicklung von Fahrempfehlungen, die Lastspitzen vermeiden und das zu erwartende Fahrgastaufkommen berücksichtigen. Zum anderen werden die Fahrgastinformation durch Co-Creation-Prozesse unter Einbeziehung aller Akteursgruppen verbessert und die Akzeptanz der Triebfahrzeugführenden durch Schulungs- und Motivationskonzepte erhöht.
Projektname:
FASaN - Fahrerassistenzsysteme adaptive Nachhaltigkeit im Bahnbetrieb
Laufzeit:
10/2021 bis 12/2024
Projektvolumen:
2.374.808 € (davon 66% Förderung durch das BMDV)
Weiteres:
Literatur:
- Meirich, Christian und Ritzer, Philip und Reiher, Patrick und Ullrich, Gregor und Franz, Adrian (2023) FASaN - Fahrerassistenzsysteme adaptive Nachhaltigkeit im Bahnbetrieb. ETR - Eisenbahntechnische Rundschau (1+2), Seiten 26-30. DVV Media Group. ISSN 0013-2845. https://elib.dlr.de/191253/
- Schnücker, Gina Nathalie und Naumann, Anja und Klencke, Marius (2023) Requirements for Advanced Driver Assistance Systems in Rail Operations. HFES Europe Chapter Annual Meeting, 2023-04-26 - 2023-04-28, Liverpool. Volltext nicht online.
- Reiher, Patrick (2023) Innovative Ergebnisse im Forschungsprojekt FASaN. EI – Eisenbahningenieur, Seiten 7-9. DVV Media Group. ISSN 0013-2810 Innovative Ergebnisse im Forschungsprojekt FASaN | Eurailpress Archiv (eurailpress-archiv.de)
- Ritzer, Philip und Meirich, Christian (2023) Potenziale der Lastspitzenvermeidung durch vernetzte Fahrerassistenzsysteme. ETR - Eisenbahntechnische Rundschau (12), Seiten 19-23. DVV Media Group. ISSN 0013-2845. https://elib.dlr.de/200524/
- Krips, Maike und Meirich, Christian und Reiher, Patrick und Zöllner, Felix (2024) Prognose von Fahrgastwechselzeiten mit Live-Daten aus dem Betrieb. ETR – Eisenbahntechnische Rundschau, S. 39-43. DVV Media Group. ISSN 0013-2845 https://elib.dlr.de/206218/
- Schnücker, Gina Nathalie und Naumann, Anja und Salge, Johannes (2024) A neural network to measure train operators' compliance with driver assistance systems. HFES Europe Chapter: Annual Meeting, 2024-04-17 - 2024-04-19, Lübeck, Deutschland. Volltext nicht online.
- Naumann, Anja und Schnücker, Gina Nathalie und Ullrich, Gregor und Reiher, Patrick (2024) Anforderungen von Triebfahrzeugführenden an ein vernetztes Fahrerassistenzsystem, Signal und Draht S. 66-73. DVV Media Group. ISSN 0037-4997 Anforderungen von Triebfahrzeugführenden an ein vernetztes Fahrerassistenzsystem | Eurailpress Archiv (eurailpress-archiv.de)
Dieses Projekt wird geleitet von der Abteilung: