Eisenbahnen haben einen relativ hohen Anteil am öffentlichen Verkehr und am Güterverkehr, denn sie sorgen für klimaneutrale, geldsparende und erlebnisreiche Mobilität im Alltag. Neben ihrem Marktanteil spielen der Betrieb und die Instandhaltung der Eisenbahninfrastruktur eine wichtige Rolle bei der Aufrechterhaltung der Nachhaltigkeit der hochkomplexen und aufwendigen Eisenbahnsysteme. Zu diesem Zweck wird die Eisenbahninfrastruktur tendenziell digitalisiert, was die vorausschauende Überwachung und Wartung verschiedener Teilsysteme des Systems wie Schienenfahrzeuge, Brücken, Tunnel, Gleise und Weichen in einer virtuellen Umgebung ermöglicht. Seit einigen Jahren wird die Technologie des digitalen Zwillings (DT) als ein potenzieller Kandidat zur Verbesserung der Digitalisierungsaufgabe im Eisenbahnsektor angesehen. In diesem Fall interagiert das reale System mit seiner virtuellen Variante, wobei die beiden Systeme Modelle und Daten sowie Simulationen untereinander austauschen. Für die Eisenbahndigitalisierung sind Simulationen von enormer Bedeutung, um die realen Szenarien zu beobachten und die daraus resultierenden Ergebnisse virtuell vorherzusagen. Dies liefert viele wertvolle Einblicke in die Maßnahmen, die im Rahmen des Bahnbetriebs und der Instandhaltung in Zukunft ergriffen werden sollten. Diese Dissertation zielt darauf ab, die Lücke zwischen Eisenbahnsimulationsressourcen (Modell+Daten) und einer DT-Plattform namens Rail for Future (R4F) zu schließen, indem verschiedene Integrationsstandards, Methoden und Ansätze vorgeschlagen werden, einschließlich Open-Source- oder kommerzieller Softwaretools, Pakete, Bibliotheken, Lizenzen, Schnittstellenstandards, Codebearbeitung, Modell- und Datenverarbeitung. Durch die Verwendung der gesamten Methodik, die in dieser Arbeit vorgestellt wird, können alle Simulationsressourcen, die mit dem Eisenbahninfrastruktursystem zusammenhängen, in die Plattform integriert und verarbeitet werden. Somit können die Eisenbahninfrastrukturmanager und Zugbetreiber in Zukunft die Simulationen, die auf verschiedenen Eisenbahnanwendungsfällen basieren, in der Plattform visualisieren und steuern.
Ozan Kugu (Sun,) studied this question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: