Analyse und Simulation von Entstörungsstrategien bei der Automatisierung von U-Bahnsystemen

Ziel der Arbeit ist es aufzuzeigen, wie durch den Einsatz von Automatisierungseinrichtungen Betriebsstörungen reduziert werden können. Als Arbeitsschwerpunkte erfolgen eine Analyse des U-Bahnbetriebs und eine Simulation des Betriebs mit Hilfe von Neuronalen Netzen. Zum einen wird anhand grundlegender theoretischer und praktischer Aspekte der U-Bahnbetrieb dahingehend analysiert, welche Funktionen in einem U-Bahnsystem automatisiert werden können. Allgemein lassen sich diese Funktionen in die Bereiche Fahren (ATO), Sichern (ATP) und Leiten (ATS) gliedern. Zum anderen werden verschiedene Arten von Betriebsstörungen analysiert und in ihren Auswirkungen klassifiziert, um anschließend die Schwachstellen realer automatisierter U-Bahnsysteme in Lille, London, Lyon, Paris, Tokio, Vancouver und Berlin quantitativ und qualitativ zu untersuchen. Das beim Linienbetrieb mehrerer Züge auftretende Phänomen der Aufschaukelung von Verspätungen steht im Mittelpunkt der darauf folgenden mathematischen Herleitungen und einer Analyse realer Betriebsdaten. Nach einer Betrachtung der Verspätungsverteilungen von automatischen und konventionellen U-Bahnsystemen wird die Sicht der Fahrgäste erörtert. Die daraus abgeleiteten Qualitätskenngrößen sind Ausgangspunkt für die Entwicklung von Entstörungsstrategien. Diese erfolgt sowohl bezüglich der Art der Betriebsstörungen als auch bezüglich des Automatisierungsgrades des U-Bahnsystems. Abschließend wird eine besonders vielversprechende Entstörungsstrategie, die eine Simulation des U-Bahnbetriebs erfordert vertieft betrachtet. Zur Anwendung dieser Strategie wird untersucht, ob Neuronale Netze ein geeignetes Mittel sind, um das Prozessverhalten des U-Bahnbetriebs vorherzusagen und auf welche Weise sie zur Simulation des U-Bahnbetriebs eingesetzt werden können. Dazu werden reale Betriebsdaten sowohl einer konventionell betriebenen U-Bahnlinie in Berlin als auch einer automatisch betriebenen U-Bahnlinie in Paris herangezogen. Die Analyse und Bewertung der Betriebssimulation bezieht sich auf die Struktur des Neuronalen Netzes, die Bereinigung der Trainingsdaten und den Einfluss der Eingangsparameter. Schließlich werden die Simulationsergebnisse für den konventionellen und den automatischen U-Bahnbetrieb verglichen und bereits heute vorhandenen Möglichkeiten zur Fahrzeitprognose gegenübergestellt. Abschließend wird am Beispiel der Berliner U-Bahn aufgezeigt, in welcher Form die untersuchte Entstörungsstrategie unter Verwendung Neuronaler Netze in die Praxis umgesetzt werden könnte. Mit Hilfe einer Analyse der vorhandenen Betriebsstruktur werden notwendige Maßnahmen zur Modifizierung dargestellt.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.