Kartengestützte GNSS/IMU-Datenfusion mit Kalman-Filter und Co.: Anwendungen im Bahnbereich

Abstract

Das DLR Institut für Verkehrssystemtechnik arbeitet an Ortungsverfahren für den Schienenverkehr, welche Daten von GNSS-Empfängern und Inertialsensoren (IMU) mithilfe von digitalen Schienenkarten zu gleisgenauen Positionen verarbeiten. Die Rahmenbedingungen und Architektur der Datenfusion hängen von der jeweiligen Anwendung ab: Während die Ortung von Rangierloks und Güterzügen in Echtzeit erfolgen soll, findet die Georeferenzierung von Messdaten im sogenannten Post-Processing statt. Der Vortrag illustriert, wie die Kombination gleisgebundener Bewegungsmodelle, digitaler Schienenkarten und Messdaten mithilfe von Fusions-Algorithmen wie dem Kalman-Filter (KF) und dem Rauch-Tung-Striebel-Smoother in den jeweiligen Anwendungen zu verlässlichen Ortungsergebnissen führt. Als Beispielanwendung für gleisgenaue Ortung im Post-Processing wird die Georeferenzierung von großen Mengen zuvor erfasster Achslagerbeschleunigungsdaten präsentiert. Hier werden aus gespeicherten GNSS- und IMU-Daten Positionsstempel hoher räumlicher Auflösung erzeugt, um Merkmale der Achslagerbeschleunigungen von Schienenfahrzeugen mit Fehlern des Gleisoberbaus zu assoziieren. Da nur die Daten bewegter Fahrzeuge interessant für eine solche Analyse sind, wird zunächst eine Einteilung in Fahrten (von Start zu Stopp) vorgenommen. Aus sämtlichen GNSS-Daten einer Fahrt und der Schienenkarte wird sodann der befahrene Pfad im Gleisnetz geschätzt. Mithilfe des befahrenen Pfades ist die Ortung zu einem eindimensionalen Problem reduziert: die Position ist vollständig durch die Distanz auf dem Pfad beschrieben. Die Schätzung der Distanz und Fahrzeuggeschwindigkeit wird durch ein Kalman-Filter mit gleisgebundenem Bewegungsmodell bewerkstelligt, welches die IMU- und GNSS-Daten systematisch kombiniert. Die variabel abgetasteten Sensordaten (GNSS: 1...5 Hz, IMU: etwa 100 Hz) werden hierbei zu Positionen und Geschwindigkeiten mit einer konstanten Abtastrate von 100 Hz verarbeitet. Das KF stellt zudem Informationen über die Schätzunsicherheiten bereit. Eine zusätzliche Glättung der KF-Ergebnisse wird durch Rauch-Tung-Striebel-Smoothing erreicht, einer einfachen aber weniger bekannten Offline-Erweiterung des KF. RTS-Smoothing ermöglicht verlässliche Ergebnisse, auch wenn die GNSS-Daten zwischenzeitlich durch schlechte Satellitensicht (in Unterführungen, neben hohen Gebäuden) beeinträchtigt sind. Die beschriebene Verarbeitungskette wird für die Georeferenzierung von Messdaten in mehreren DLR-Projekten genutzt und bildet z. B. die Grundlage für die Analyse jener Beschleunigungsdaten, welche im Rahmen des Projekts Trackscan seit Herbst 2015 kontinuierlich auf Rangierlokomotiven der Braunschweiger Hafenbahn erfasst werden. Die Online-Datenfusion von GNSS- und IMU-Daten mithilfe von KF-Varianten und Schienenkarten wird aktuell in mehreren Projekten entwickelt, u. a. zusammen mit dem Betreiber der Hamburger Hafenbahn (Hamburg Port Authority AöR). Auch hier werden Pfade geschätzt, um die gleisgebundene Fahrzeugbewegung zu nutzen. Allerdings werden in Echtzeit mehrere Pfadhypothesen betrachtet und kontinuierlich bewertet. Für jede der Hypothesen arbeitet ein KF in den entsprechenden Pfadkoordinaten. Bei Annäherung einer Weiche werden Hypothesen entsprechend der erlaubten Gleisverbindungen aufgespalten. Hypothesen, welche über einen bestimmten Zeitraum nur schwache Übereinstimmung mit den GNSS-Daten zeigen, werden systematisch entfernt. Ein potentielles Einsatzgebiet für die Verarbeitungskette ist die Erfassung von Rangierfahrten in der Hamburger Hafenbahn, um eine bessere Berechnungsgrundlage für den Infrastrukturbetreiber HPA zu schaffen.