AT_Logo

Simulation von Gleisinfrastruktur und Zugverkehr

Zur Ermöglichung von Reinforcement Learning wurde eine realitätsnahe Bahn-Simulation auf der Basis von Infrastruktur-Daten und Fahrplänen erstellt.
/
Realitätsnahe Simulation

Python Package zum Parsen der Infrastruktur-Beschreibung

Python Package zum Parsen des RailML Fahrplans

Herausforderung

  • Um Entscheidungsempfehlungen für die Zugdisposition generieren zu können, soll Reinforcement Learning angewandt werden
  • Als Grundlage für das Training von RL Modellen soll eine realitätsnahe, gleisscharfe Simulation des Zugverkehrs erstellt werden. Als Simulations-Software soll SUMO verwendet werden
  • Spurplandaten und Fahrplan müssen in ein für die Simulation nutzbares Format übersetzt werden. Der resultierende Gleisgraph soll die tatsächliche Lage und Position der Betriebsstellen abbilden

Lösung

  • Verständnis-Aufbau und Dokumentation der verwendeten Datenformate
  • Evaluierung der Realitätsnähe der Simulation anhand von simulierten Zeiten und Strecken unter Verwendung von Soll-Daten
  • Modulare Software-Struktur, um die Verwendung unterschiedlicher Datenquellen (z.B. Fahrplan) oder Simulations-Tools zu ermöglichen

Ergebnis

  • Realitätsnahe Simulation, die zur Generierung von States für Reinforcement Learning verwendet werden kann
  • Python Package zum Parsen der Infrastruktur-Beschreibung und Generierung des Gleisgraphen für die Simulation
  • Python Package zum Parsen des RailML Fahrplans und Generierung von Route-Files für die Simulation

Haben Sie Interesse an eigenen Use Cases?