Simulation und Optimierung komplexer Schienennetzwerke mit einem Digitalen Zwilling
September 2025 – März 2026
Münster
University of Münster, Transdev
Project description
Dieses zukunftsweisende Projekt setzt den Fokus auf die Entwicklung und Konzeption eines ganzheitlichen Digitalen Zwillings zur Simulation und Optimierung komplexer Schienennetzwerke. Im Gegensatz zu isolierten lokalen Überwachungssystemen mit begrenzter Datenbasis nutzt dieser Ansatz eine dynamische Echtzeitsimulation, um das Netzverhalten nicht nur abzubilden, sondern zukünftige Zustände präzise vorherzusagen. Basierend auf vielen heterogenen Datenquellen wird versucht, die Realität ganzheitlich abzubilden. Mithilfe von Fahrplänen in Verbindung mit historischen Erfahrungen wird untersucht, wie weit sich in die Zukunft blicken lässt. Besonderer Fokus liegt auf der Evaluierung von Infrastrukturkapazitäten, der Simulation von „Was-wäre-wenn“-Szenarien sowie der intelligenten Entscheidungsfindung zur Auflösung operativer Konflikte.
Der Digitale Zwilling unterstützt Entscheidungsträger bei der strategischen und operativen Planung in Szenarien wie:
- Vorausschauende Erkennung von Zugfolgekonflikten und Knotenüberlastungen vor deren Entstehung
- Simulation von Fahrplanänderungen und deren Auswirkungen auf die gesamte Netzstabilität
- Analyse von Kettenreaktionen bei punktuellen (künstlichen) Störungen im hochfrequenten Verkehr
- Einfach zu Verstehende Übersicht zur Entscheidungsfindungen im Schienennetz
Im Rahmen des Projekts arbeiten die Beteiligten mit realen Betriebsdaten, um eine interaktive Simulationsumgebung zu entwickeln, die Prognosen visuell aufbereitet und Handlungsempfehlungen transparent erklärt. Dieser Ansatz verbindet datengetriebene Forschung mit den konkreten Herausforderungen des modernen Schienenverkehrs und fördert die Entwicklung von Assistenzsystemen für die Mobilität von morgen.
Project goals
- Entwicklung eines digitalen Zwillings zur Spiegelung der physischen Schieneninfrastruktur, Topologie und aktueller Betriebszustände
- Integration und Synchronisation heterogener Datenquellen von verschiedenen Teilen des Netzwerkes wie Echtzeitdaten, Fahrpläne, Verspätungen zur Schaffung einer „Single Source of Truth“
- Implementierung von Prognosemodellen zur präzisen Vorhersage von Netzengpässen, Knotenauslastungen und kritischen Zugfolgekonflikten
- Aufbau einer Simulationsumgebung zur Evaluierung von „Was-wäre-wenn“-Szenarien für die Validierung von Fahrplanänderungen und Baustellenplanungen
- Konzeption eines intelligenten Entscheidungsunterstützungssystems mit automatisierten Lösungsvorschlägen zur Konfliktauflösung im Störungsfall
- Entwicklung von Algorithmen zur vorausschauenden Wartung (Predictive Maintenance) basierend auf historischen Fahrplandaten
- Evaluierung der operativen Resilienz durch den Vergleich simulierter Eingriffe mit historischen Störausfällen zur Optimierung der Reaktionszeiten
- Schaffung einer intuitiven Visualisierungsschicht zur Darstellung komplexer Netze für Disponenten und Netzplaner
Project team
Students
- Ailiyaer Maimaiti
- Isroil Khudoyberdiev
- Jiahui Tang
- Manali das Gupta
- Max Lütkemeyer
- Nikita Gorobets
- Niklas Ruppel
- Stephanie Sabine Kölker
- Uroljon Khidirboev
- Valentin Lieberknecht
Supervisor
- Mara Burger
- Jan vom Brocke