Anwendungen von Computer Vision im Bahnbetrieb

Eine visuelle Erklärung der in diesem Artikel behandelten Konzepte findest du im folgenden Video.

Eisenbahnen sind ein wichtiger Bestandteil des bodengebundenen Verkehrssystems. Mit weltweit mehr als einer Million Streckenkilometern verbinden Eisenbahnnetze Städte, Industrien und Gemeinschaften über große Entfernungen hinweg. Mit dem Ausbau dieser Systeme und der steigenden Nachfrage reichen manuelle Kontrollen und Überwachung allein nicht aus, um Sicherheit und Effizienz zu gewährleisten.

Neue Lösungen werden immer wichtiger. Beispielsweise wird Computer Vision, ein Teilgebiet der künstlichen Intelligenz (AI), das sich mit der Verarbeitung visueller Daten befasst, eingesetzt, um verschiedene Abläufe im Bahnverkehr zu optimieren.

Bildgestützte Systeme nutzen Kameras und Computer-Vision-Modelle wie Ultralytics YOLO11, um Bahnunternehmen in Echtzeit einen Überblick über den Betrieb zu geben. Mithilfe von Aufgaben wie Objekterkennung und Instanzsegmentierung können Modelle wie YOLO11 Gleise, Bahnsteige, Tunnel und Zugabteile analysieren und Objekte, Personen oder Gefahren erkennen.

Stell dir vor, jemand steht zu nah an der Bahnsteigkante oder auf den Gleisen liegt ein Trümmerteil. Computer Vision kann dies in Echtzeit erkennen und eine Warnung senden, sodass das Bahnhofspersonal schnell reagieren und verhindern kann, dass potenzielle Risiken zu Verspätungen oder Unfällen führen. Die Technologie unterstützt das Personal außerdem, indem sie Bereiche überwacht, die nicht ständig im Blick behalten werden können.

Abb. 1. Beispiel für die Erkennung von Personen auf einem Bahnsteig mit Ultralytics YOLO11.

Mit der zunehmenden Verbreitung von KI und Computer Vision setzen immer mehr Städte Vision AI ein, um den Bahnbetrieb sicherer und effizienter zu gestalten. In diesem Artikel sehen wir uns an, wie Vision AI weltweit in Arbeitsabläufen des Schienenverkehrs eingesetzt wird.

Die Rolle bildgestützter KI im Schienenverkehr#

Eisenbahnnetze bestehen aus zahlreichen beweglichen Elementen, die in Echtzeit überwacht werden müssen. Was früher das Bahnhofspersonal erledigte, lässt sich heute mithilfe von KI automatisieren. Computer-Vision-Modelle wie YOLO11 können das Bahnhofspersonal dabei unterstützen, den Bahnbetrieb genauer zu überwachen und bei Problemen schnell zu reagieren.

Computer-Vision-Aufgaben bezeichnen insbesondere die konkreten Funktionen, für die diese Modelle anhand visueller Eingaben von Kameras trainiert werden können. Hier sind einige wichtige Aufgaben, die zur Überwachung des Bahnbetriebs eingesetzt werden können:

• Objekterkennung: Bei dieser Aufgabe werden bestimmte Objekte in einem Bild oder Videobild identifiziert und lokalisiert. Im Bahnbereich können Modelle wie Ultralytics YOLO11 Gegenstände wie Schutt, Werkzeuge und Gepäck sowie Personen auf oder in der Nähe der Gleise erkennen.
• Instanzsegmentierung: Dabei wird jedes einzelne Objekt mit einer Maske auf Pixelebene statt mit einem Begrenzungsrahmen umrissen. Bei der Überwachung der Schieneninfrastruktur kann die Methode den Zustand von Gleisen, Bahnsteigen und anderen Oberflächen beurteilen, indem sie Merkmale wie Risse, Korrosion oder Abnutzung erkennt.
• Posenschätzung: Dabei werden die Positionen wichtiger Körpergelenke erkannt und analysiert, um die menschliche Körperhaltung zu verstehen. Im Bahnumfeld kann sie helfen, Notfälle zu erkennen, etwa wenn eine Person auf einem Bahnsteig zusammenbricht, und so Warnmeldungen auslösen, damit Hilfe geleistet werden kann.
• Objektverfolgung: Dabei wird die Bewegung erkannter Objekte über mehrere Videobilder hinweg verfolgt. In Bahnhöfen oder Zügen hilft die Verfolgung dabei, Passagierströme zu verfolgen und Zugbewegungen zu überwachen.

Abb. 2. Ultralytics YOLO11 kann zur Erkennung und Verfolgung von Personen und Zügen eingesetzt werden, um die Sicherheit zu verbessern.

Vision AI für die Überwachung des Bahnverkehrs einsetzen#

Bildbasierte Überwachung wird zwar meist mit Sicherheit und Überwachung in Verbindung gebracht, Bahnsysteme setzen Vision AI jedoch für weit mehr als nur grundlegende Sicherheitsaufgaben ein. Sie trägt außerdem dazu bei, den Betrieb zu verbessern, die Sicherheit zu erhöhen und das gesamte System im Streckennetz zu verwalten.

Ein entscheidender Vorteil von Vision AI im öffentlichen Verkehr ist die Möglichkeit des Echtzeitbetriebs. So erhalten Mitarbeitende am Bahnhof zeitnah nützliche Informationen und können potenziellen Problemen zuvorkommen.

Sehen wir uns einige Beispiele aus der Praxis an, die zeigen, wie Computer Vision den Bahnbetrieb präziser und besser steuerbar macht.

Objekterkennung für Wartungsaufgaben in Bahnsystemen#

Da der Bahnverkehr in Europa weiter zunimmt, ist eine zuverlässige Überwachung der Infrastruktur unverzichtbar geworden. Gleise müssen regelmäßig auf Verschleiß, Schäden und Fehlausrichtungen überprüft werden, damit ein sicherer und reibungsloser Betrieb gewährleistet ist. Dazu müssen Tausende Kilometer Gleise auf erste Anzeichen von Mängeln untersucht werden, bevor diese zu kostspieligen Betriebsstörungen oder Unfällen führen. Vision AI bietet eine wirksame Möglichkeit, diesen Inspektionsprozess zu automatisieren und zu verbessern.

Abb. 3. Computer-Vision-Systeme können beschädigte Teile von Bahngleisen erkennen.

In den Niederlanden beispielsweise, wo sich das Eisenbahnnetz über Tausende Kilometer erstreckt, ist die kontinuierliche Überwachung und Instandhaltung der Gleise eine große Aufgabe. Manuelle Inspektionen sind weiterhin wichtig, können aber langsam und arbeitsintensiv sein und den Betrieb häufig beeinträchtigen. Um dieses Problem zu lösen, wurde ein Computer-Vision-System eingeführt, das den Zustand der Bahngleise in Echtzeit überprüft.

An fahrenden Zügen angebrachte Kameras nehmen fortlaufend hochauflösende Bilder auf. Vision-AI-Modelle analysieren diese Bilder und erkennen Fehlausrichtungen der Gleise, verschlissene oder beschädigte Komponenten sowie fehlende Teile.

Dank der kontinuierlichen automatisierten Überwachung erfolgen Inspektionen nicht nur schneller, sondern auch präziser. Instandhaltungsteams können Bereiche mit dem größten Handlungsbedarf priorisieren und so unnötige Kontrollen vermeiden. Dadurch konnten Betreiber Betriebsrisiken senken, Verspätungen reduzieren und die allgemeine Sicherheit verbessern, ohne den täglichen Betrieb zu unterbrechen.

Mit KI die Sicherheit des Betriebs der Bahninfrastruktur erhöhen#

Bei großen Bahnprojekten ist die Sicherheit vor Ort eine der größten dauerhaften Herausforderungen. Das zeigte sich besonders beim Bau des städtischen Schienennetzes in Wuhan, China, wo aktive Baustellen und wechselnde Bedingungen eine ständige Überwachung erforderten.

Traditionell basierten Sicherheitskontrollen auf manueller Beobachtung. Dadurch wurden Risiken häufig erst erkannt, nachdem sich bereits ein Vorfall ereignet hatte. Um die Reaktionszeiten zu verbessern und Risiken zu verringern, führten Forschende ein von Computer Vision unterstütztes Sicherheitsüberwachungssystem ein, das in Echtzeit arbeitet.

An den Baustellen wurden mehr als 240 hochauflösende Kameras installiert, um Aktivitäten kontinuierlich aufzuzeichnen. Die Videoaufnahmen wurden vor Ort mit KI-Modellen verarbeitet, die nicht nur erkannten, wenn Personen Gefahrenbereiche betraten, sondern auch feststellten, ob sich Ausrüstung in der Nähe bewegte oder stillstand. Das war ein wichtiger Faktor bei der Bewertung des Risikos in Echtzeit. Wurde unsicheres Verhalten erkannt, konnte das System sofortige Warnmeldungen an die Bauaufsicht senden.

Abb. 4. Gefahren mit Computer Vision erkennen.

Ein Blick auf die Bahnüberwachung mit Vision AI#

Neben der Verbesserung von Wartung und Sicherheitskontrollen wird Computer Vision auch eingesetzt, um Bahnstrecken in Echtzeit auf unbefugtes Betreten zu überwachen. Dies ist ein ernstes Problem: Allein 2023 wurden in den Vereinigten Staaten fast 1.000 Todesfälle im Zusammenhang mit dem Schienenverkehr gemeldet. Viele dieser Vorfälle betrafen unbefugtes Betreten von Gleisanlagen, ein Bereich, in dem herkömmliche Überwachungsmethoden oft nur begrenzt wirksam sind.

Um diesem Problem zu begegnen, setzen Eisenbahnunternehmen in den Vereinigten Staaten zunehmend auf Computer-Vision-Lösungen. Diese Systeme analysieren Live-Videobilder mit KI-Modellen und erkennen Ereignisse wie unbefugtes Betreten, Hindernisse auf den Gleisen und mögliche Signalverstöße. Indem die Systeme solche Probleme sofort erkennen, helfen sie Teams, schnell zu reagieren, bevor der Betrieb gestört oder die Sicherheit gefährdet wird.

Im Gegensatz zu manuellen Inspektionen, die in festgelegten Abständen stattfinden, überwachen Computer-Vision-Systeme das Streckennetz kontinuierlich in Echtzeit. Wird eine Gefahr erkannt, erhalten die Betreiber sofort eine Warnmeldung und können schnell und gezielt reagieren. Das verbessert die Situationsübersicht, ermöglicht ein schnelleres Eingreifen und verringert Verspätungen durch vermeidbare Vorfälle.

Lebensmittelsicherheit mit Vision AI überwachen#

Jeden Tag werden in Zügen und Bahnhöfen Millionen Mahlzeiten zubereitet und serviert. Dabei hat Hygiene höchste Priorität. In Indien verwaltet die Indian Railway Catering and Tourism Corporation (IRCTC) eines der größten Verpflegungsnetze der Welt im Bahnverkehr.

Bis vor Kurzem wurden Hygienekontrollen manuell durchgeführt, sodass es schwierig war, alle Küchen jederzeit zu überwachen. Um die Kontrollen effizienter und zuverlässiger zu gestalten, führte IRCTC ein Vision-AI-System ein, das die Lebensmittelsicherheit in Echtzeit überwacht.

Das System ist mit den vorhandenen CCTV-Kameras in Küchen und Bereichen zur Speisenzubereitung verbunden. Es nutzt KI-Modelle, die darauf trainiert sind, häufige Hygienemängel zu erkennen, etwa wenn Mitarbeitende sich nicht die Hände waschen, Handschuhe oder Haarnetze fehlen oder Arbeitsflächen nicht sauber sind.

Seit der Einführung hat das System dazu beigetragen, die Hygienestandards zu verbessern und es den Mitarbeitenden erleichtert, die Lebensmittelsicherheit im Blick zu behalten. So können sie sich stärker auf die Zubereitung von Mahlzeiten konzentrieren, statt nur Verfahren zu überprüfen.

Vor- und Nachteile von Computer Vision im Bahnbetrieb#

Computer Vision bietet zahlreiche Vorteile für die Verbesserung von Sicherheit, Instandhaltung und täglichen Abläufen in Bahnsystemen. Hier sind einige der wichtigsten Vorteile:

• Vorausschauende Instandhaltung: Durch das Erkennen erster Anzeichen von Verschleiß oder Schäden an Gleisen und Infrastruktur kann Vision AI helfen, Ausfälle zu verhindern, bevor sie auftreten.
• Überwachung rund um die Uhr: Im Gegensatz zu menschlichen Inspektoren können Computer-Vision-Systeme ohne Ermüdung und unabhängig von Schichtzeiten kontinuierlich arbeiten.
• Skalierbarkeit: Nach der Einführung lässt sich dasselbe System mit minimalem Zusatzaufwand auf weitere Bahnhöfe, Züge oder Betriebsbereiche ausweiten.

Vision AI bringt dem Bahnverkehr viele Vorteile, doch bei der Einführung und Wartung dieser Systeme gibt es weiterhin Herausforderungen. Hier sind einige Nachteile, die du berücksichtigen solltest:

• Bedenken zum Datenschutz: Eine kontinuierliche Überwachung öffentlicher Bereiche kann ethische Fragen aufwerfen und bei Fahrgästen und Mitarbeitenden Unbehagen auslösen.
• Hohe Anfangskosten: Die Einrichtung eines Vision-AI-Systems mit Kameras, Servern und KI-Software erfordert erhebliche Anfangsinvestitionen.
• Komplexe Integration: Die Integration von Computer-Vision-Systemen in die vorhandene Infrastruktur, etwa in ältere Signal- oder Steuerungssysteme, kann technisch anspruchsvoll sein.

Die wichtigsten Erkenntnisse#

Mit dem Wachstum der Eisenbahnnetze steigt der Bedarf an Echtzeitsystemen, die zuverlässige Erkenntnisse liefern. Computer-Vision-Systeme nutzen Objekterkennung, Zustandsprüfungen der Infrastruktur und Echtzeitwarnungen, damit Betreiber schnell und präzise auf Probleme reagieren können.

KI-Werkzeuge verbessern den täglichen Betrieb und senken langfristig auch die Instandhaltungskosten und Sicherheitsrisiken. Mit der Weiterentwicklung dieser Werkzeuge wird KI eine wichtige Rolle dabei spielen, Bahnsysteme effizienter, reaktionsfähiger und sicherer zu machen.

Werde Teil unserer wachsenden Community! Erfahre in unserem GitHub-Repository mehr über KI. Möchtest du mit deinen Computer-Vision-Projekten loslegen? Sieh dir unsere Lizenzoptionen an. Entdecke auf unseren Lösungsseiten KI in der Landwirtschaft und Vision AI im Gesundheitswesen!