Problemstellung

Etwa 70 % der Schienenwege in Deutschland sind durch Sturmwurf gefährdet. Schäden an der Schieneninfrastruktur durch Sturmwurf stellen eine Gefährdung der Sicherheit dar und verursachen hohe ökonomische Schäden aufgrund von Verspätungen im Güter- und Personenverkehr. Mit einem effizienten und genauen Vorhersagesystem, basierend auf Wettervorhersagen, kann der Betrieb und die Sicherheit der Schieneninfrastruktur im Fall von Sturmwetterlagen optimiert – und gefährdete Streckenabschnitte gegebenenfalls präventiv geschlossen werden.

Projektziel

Im Projekt STORMRaiL soll ein KI-basiertes deutschlandweites Vorhersagemodell für die Sturmwurfwahrscheinlichkeit an Schienenwegen auf Basis von verfügbaren Wettervorhersagedaten, lokalen Vegetations- und Umgebungsdaten, sowie mikroskaligen Strömungsdaten entwickelt werden. Am Projektende wollen wir demonstrieren, dass bei angekündigten Sturmwetterlagen die Wahrscheinlichkeit von Sturmwurf entlang der Schienenwege auf Basis der aktuellen Wettervorhersage mit hoher Genauigkeit deutschlandweit vorhergesagt werden kann.

Durchführung

Als Grundlage werden Large-Eddy-Simulationen der turbulenten Strömung für ausgewählte Schienenabschnitte durchgeführt. Für schienennahe Bäume werden daraus Statistiken der Windlasten abgeleitet. Da Large-Eddy-Simulationen jedoch sehr rechenaufwändig und nicht für den operationellen Betrieb geeignet sind, trainieren wir ein neuronales Netz, welches Windlasten an Einzelbäumen unter Einbeziehung mikroskaliger Effekte generiert. Anhand zuvor bestimmter baumabhängiger Grenzlasten wird so die Schadenswahrscheinlichkeit ermittelt. Die Genauigkeit des Modells wird zum Schluss anhand von Störmeldungen der DB bewertet.