Vil bruke KI til å løse jernbanens kapasitetskrise

Ulven, Oslo: Før Claus Bahlmann går på scenen under Siemens’ teknologidag på Ulven, har han allerede tatt i bruk teknologien han skal snakke om. Han har bedt kunstig intelligens (KI) om hjelp til å strukturere presentasjonen og hente ut hovedbudskapet.

På scenen forteller han om systemer som kan forutse togkonflikter, oppdage feil før de stanser trafikken og bidra til at flere tog får plass på eksisterende spor.

Det er langt fra den kunstige intelligensen han møtte som fersk informatikkstudent ved Universität Bielefeld i Tyskland. Allerede i fjerde semester introduserte en professor ham for nevrale nettverk. Datasystemer inspirert av hvordan den menneskelige hjernen behandler informasjon.

– Jeg ble helt fanget, forteller Bahlmann.

Det er 33 år siden.

Umulig å forutse

At han en dag skulle stå på en scene og fortelle hvordan den samme grunnideen kunne brukes til å styre togtrafikk, effektivisere vedlikehold og gjøre jernbanen mer automatisert, kunne han aldri sett for seg.

– Utviklingen har tatt oss mye lenger enn vi så for oss i 1993. Det som overrasket meg mest, var hvor raskt det plutselig gikk, sier han.

Under diplomoppgaven og doktorgradsarbeidet ved Universitetet i Freiburg, der han arbeidet med håndskriftsgjenkjenning, fikk han praktisk erfaring med å programmere nevrale nettverk.

Det som fascinerte ham, var et av informatikkens store, uløste spørsmål.

Hvordan kunne en maskin lære å behandle informasjon på en måte som lignet menneskelig tenkning?

– Jeg så avstanden mellom hvor forskningen sto og hvilket potensial teknologien kunne få dersom vi løste problemene. Når avstanden er stor, finnes det mange interessante ting å arbeide med, sier han.

I 2004 begynte han i Siemens’ forsknings- og utviklingslaboratorium i Princeton i New Jersey. Der utviklet han KI for Siemens’ portefølje innen førerassistansesystemer for bil, bygningsteknologi og helse. Nå leder han arbeidet med kunstig intelligens i Siemens Mobility.

Nå skal teknologien blant annet bidra til å løse en av jernbanens største utfordringer, nemlig: Hvordan få plass til flere tog når det er dyrt, vanskelig eller umulig å bygge nye spor?

Må få mer ut av sporene

Kapasiteten gjennom Oslo er presset, samtidig som en eventuell ny rikstunnel ligger flere tiår fram i tid. Bahlmann mener KI og automatisering kan bidra lenge før en ny tunnel er på plass.

Teknologien kan brukes på minst tre områder:

• Til å disponere trafikken på nytt når en forsinkelse oppstår
• Til å oppdage feil før de stanser togene
• Til å automatisere deler av togframføringen

Når ett tog blir forsinket, kan konsekvensene spre seg til store deler av nettet. Da må trafikkstyrerne raskt avgjøre hvilke tog som skal prioriteres, hvor de skal møtes og hvordan resten av planen skal justeres.

Bahlmann mener en algoritme kan analysere alle togbevegelsene samtidig og foreslå en ny plan raskere enn en gruppe mennesker under press.

– KI er fleksibel og kan umiddelbart legge en ny plan for alle togene som er i bevegelse, sier han.

KI kan også finne mønstre i data fra aldrende tog og infrastruktur. Målet er å oppdage at en komponent er i ferd med å svikte, slik at den kan vedlikeholdes før feilen fører til innstillinger.

– Passasjerene vil ikke vente på tog som ikke kommer. Riktig tilgjengelighet gjennom service og vedlikehold er helt avgjørende, sier Bahlmann.

Samtidig kan automatisk togframføring gjøre kjøringen jevnere og togene i stand til å følge hverandre tettere. Slik kan kapasiteten økes på infrastrukturen som allerede finnes.

Viser til Hamburg

På Siemens’ teknologidag i Oslo viste selskapet til S-Bahn-systemet i Hamburg. Rundt 750.000 passasjerer bruker lokaltogene hver dag, og alle linjene går gjennom en sentral flaskehals ved hovedstasjonen. Det er svært begrenset plass til nye spor.

I stedet har Deutsche Bahn og Siemens etablert en pilotlinje for automatisk togframføring, ATO.

Siemens opplyser at teknologien kan øke kapasiteten på en linje med opptil 30 prosent, uten å bygge nye spor. I 2029 er målet å etablere den sjuende togavgangen i hvert timinuttersintervall. I løpet av 2030-årene er målet å øke tilbudet fra seks til åtte togavganger hvert tiende minutt.

Eksempelet viser ifølge Bahlmann at Norge ikke trenger å begynne med blanke ark. Teknologi, piloter og erfaringer fra andre jernbanesystemer kan tilpasses forholdene i Oslo.

Han vil likevel ikke love hvor raskt det kan skje. Bahlmann sier han ikke kjenner infrastrukturen, organiseringen og regelverket i Oslo godt nok til å angi et antall måneder eller år.

Rådet er å samle operatører, infrastruktureier og teknologileverandører i ett team, teste flere muligheter parallelt og måle resultatene tidlig.

– Det trenger ikke være perfekt i første forsøk. Begynn med en pilot som viser hva som er mulig, sier han.

KI kan ikke bygge nye spor

Bahlmann hevder ikke at algoritmer kan fjerne alle årsakene til forsinkelser. KI bygger ikke nye spor, fornyer ikke et gammelt signalanlegg og erstatter ikke utslitte komponenter.

Men teknologien kan ifølge ham gjøre det mulig å bruke infrastrukturen bedre, oppdage feil tidligere og få trafikken raskere tilbake til normalen når noe går galt.

Det er også et viktig skille mellom automatisk togframføring og KI-basert førerløs drift. ATO er allerede i bruk og testes i passasjertrafikk. KI som skal oppdage uventede mennesker eller gjenstander i et åpent jernbanemiljø, er langt vanskeligere å godkjenne.

Jernbanen har strenge krav til at sikkerhetskritiske funksjoner skal kunne dokumenteres. Det blir mer komplisert når systemet lærer fra eksempler i stedet for å følge et begrenset sett med forhåndsdefinerte regler.

– Vi har ennå ikke løst hvordan KI-systemer skal sikkerhetsgodkjennes, sier Bahlmann.

Siemens har imidlertid begynt å utvikle rammeverk for sikkerhetsgodkjenning av KI-baserte, førerløse togsystemer gjennom forskningsprosjekter med eksterne partnere og sakkyndige, blant annet i Safe.train-prosjektet. Bahlmann tror denne tilnærmingen vil føre til sikkerhetsgodkjente KI-systemer innen jernbanen.

Når teknologien er klar til å settes i produksjon, avhenger i stor grad av driftsforholdene for det førerløse systemet. Bahlmann tror teknologien kan være klar i løpet av få år i avgrensede områder, som togdepoter.

Strategien er å starte der risikoen og kompleksiteten er lavest og utvide bruken trinn for trinn. Et tog som beveger seg uten fører inne på et avstengt depot, er en enklere oppgave enn et passasjertog gjennom en åpen by.

Spranget som overrasket

I mange år forble KI først og fremst et forskningsfelt med begrenset innpass i hverdagen. Fram til omtrent 2010 utviklet teknologien seg omtrent slik Bahlmann hadde ventet.

Så kom to sprang som overrasket selv ekspertene. Gjennombruddet for dype nevrale nettverk og maskinsyn i 2012, og den eksplosive utbredelsen av generativ KI i 2023.

– Jeg og mange andre som arbeider med maskinlæring, ble overrasket over hastigheten, selv om vi jobbet med dette hver dag, sier han.

I dag bruker Siemens de samme språkmodellene som andre har tilgang til, men kjører dem i en sikret infrastruktur og kobler dem til selskapets egne data og dokumenter.

– Språkmodellene er på et vis papegøyer. De vet hvordan de skal kommunisere, men de har ikke all kunnskapen. De må få tilgang til de riktige informasjonskildene, sier Bahlmann.

Ser forbi samtalerobotene

På spørsmål om hvor KI-utviklingen befinner seg om fem år, advarer Bahlmann mot bastante spådommer.

Han tror dagens språkmodeller vil fortsette å bli bedre, men mener samtidig at språket setter en grense. Mennesker lærer ikke bare gjennom ord. Vi observerer verden, beveger oss i den og håndterer fysiske gjenstander.

Det neste store spranget kan derfor komme når KI i større grad kombineres med maskinsyn, sensorer og robotikk i systemer som ikke bare kan svare, men også oppfatte og påvirke omgivelsene.

– Robotene som kan danse i dag, vil etter hvert bli en del av verden, på godt og vondt, sier Bahlmann.