Hochschule Bielefeld Fachbereich Ingenieurwissenschaften und Mathematik Interaktion 1 33619 Bielefeld
Projektbeteiligung
Universität Bielefeld,
Universität Paderborn,
TH OWL,
Fraunhofer (IOSB-INA und IEM),
DB Systemtechnik GmbH,
HARTING Stiftung & Co. KG,
Pilz GmbH & Co. KG,
Wölfel Engineering GmbH + Co. KG,
(assoziierte Partner: DB Cargo AG, WAGO GmbH & Co. KG)
Laufzeit
01.01.2024 – 31.12.2026
Projektförderung
Kurzbeschreibung
Das Projekt „Automatisierter Bahnverkehr als Backbone für eine nachhaltige, vernetzte Mobilität in ländlichen Räumen (enableATO)” schafft ein technologisches Framework für neue automatisierte, schienenbasierte Mobilität und demonstriert deren Schnittstellen untereinander und mit anderen Verkehrsträgern im Umfeld des Bahnhofs Minden. Die Partner des Rail Campus OWL bearbeiten es mit einer Laufzeit von 36 Monaten. Das Projekt vernetzt die Standorte des DZM und stärkt nachhaltig die Kooperation zwischen Karlsruhe, Hamburg, Annaberg-Buchholz und Minden im Kontext der Mobilität. Ein Schienensystem als Backbone einer vernetzten Mobilität erfordert in ländlichen Räumen die Automatisierung der Bahnverkehre, kleinere Transporteinheiten und möglichst „on demand“-Lösungen. Erst dies schafft die Basis für Reaktivierungen vieler Bahnstrecken und ermöglicht neue Mobilitätsanbindungen zum „klassischen“ Bahnsystem. So werden technologische Systeme, Komponenten, Methoden, Entwicklungsrandbedingungen und Validierungsverfahren im Kontext vom automatisierten Fahren (ATO) erforscht und vorentwickelt. Dies erfolgt fokussiert für neue Fahrzeugkonzepte und wird technisch zusammengeführt über Demonstratoren wie z.B. MONOCABs, Zweiwegefahrzeug und dem E-Autobahn-Konzept. Die entwickelten ATO-Ansätze (Fahren, Ein- und Aussteigen, Diagnose der Fahrzeuge, Verbindung zur Leitstelle) werden nutzbar integriert. Dies verspricht konkrete Erkenntnisse zu Technologie und Nutzerakzeptanz, es wird den Dialog mit der Gesellschaft stärken. Neben technischen Ergebnissen werden Zulassungsrandbedingungen herausgearbeitet und Verfahren zur realitätsnahen Streckensimulation für ATO-Sensoriken erforscht, die zum einen eine einfache Generierung großer Mengen von annotierten Trainingsdaten bei unterschiedlichen Wetter-, Tages- und Umweltbedingungen erlauben und zum anderen eine risikolose Generierung von Gefahrensituationen für Training und Evaluation der Umfelderkennung ermöglichen.