Digitalisierung von Kabelplänen
SCS gewinnt einen internationalen Ideenwettbewerb und unterstützt Dänische Bahnen bei der Digitalisierung von Kabelplänen. Die Informationsdichte der Kabelpläne ist dabei enorm: Eine manuelle Digitalisierung würde mehrere Jahre beanspruchen. Das Konzept von SCS sieht vor, diese manuellen Schritte weitgehend zu automatisieren. Für die Automatisierung sollen unter anderem lernende Systeme eingesetzt werden.
-
Problemstellung
Banedanmark muss mehr als 10’000 Kabelpläne digitalisieren. Die Informationen müssen leicht und schnell zugänglich sein und sind insbesondere für Bauarbeiten wichtig, damit keine «vergessenen» Kabel ausgerissen werden.
-
Lösung SCS
Mit einem selbstlernenden System von halbautomatisch zu vollautomatisiert – Dies war das Kredo des Konzepts von SCS. Durch eine enge Kollaboration von Mensch und Maschine können so schrittweise immer mehr Arbeiten automatisiert ausgeführt werden.
-
Wie weiter
Die Ideen von SCS haben den technologischen Lösungsraum für die Dänischen Bahnen erweitert und fliessen nun in die konkrete Projektumsetzung mit ein – ein Erfolg für KI-Systeme im Bahnbereich
Projekteinblicke
Die Kabelpläne von Banedanmark unterscheiden sich von Alter, Qualität und Massstab (Bild 1). Die Informationsdichte der Kabelpläne ist dabei enorm: Eine manuelle Digitalisierung würde mehrere Jahre beanspruchen. Das Konzept von SCS sieht vor, diese manuellen Schritte weitgehend zu automatisieren. Für die Automatisierung sollen unter anderem lernende Systeme eingesetzt werden. AI-basierten Systeme brauchen viele gelabelte Daten, durch welche die Algorithmen trainiert werden können. Erst durch eine solide «Groundtruth» kann zuverlässig gelernt werden. Das Konzept von SCS optimiert unter anderem das Erstellen einer zuverlässigen Groundtruth.
Für die einzelnen Standorte sind jeweils mehrere Kabelpläne aus den letzten Jahrzenten vorhanden. Die Pläne werden als erstes verortet und übereinandergelegt (Bild 2). Unterschiedliche Pläne desselben Standortes enthalten oft sich ergänzende Informationen, was eine grosse Chance darstellt, da daraus das Erstellen einer Ground-truth massiv optimiert werden kann. Dem Rosettastein gleich, kann es helfen, unbekannte Informationen in einem Plan durch bereits bekannte Infos in einem anderen zu erkennen. Dadurch lässt sich das Erstellen einer Groundtruth massiv optimieren.
Die Verortung geschieht in zwei Schritten. Im ersten Schritt wird grobverortet und durch z.B. Schrifterkennung der Bahnhof oder die Bahnlinie bestimmt. Im zweiten Schritt wird der Plan feinverortet. Die Feinverortung geschieht durch eine Korrelation von z.B. Strassenzügen (Bild 3) des Plans mit einer Karte.
