Problemstellung

Im Zuge des vom Menschen verursachten Klimawandels treten Brände entlang von Schienen in Deutschland inzwischen häufiger auf, mit teils massiven Folgen für den Betriebsablauf und betroffene Infrastruktur. Angesichts fehlender systematischer Untersuchungen ist wenig über die Ursachen solcher Brände bekannt. Da mit einer weiteren Zunahme dieser Gefährdungen zu rechnen ist, besteht Bedarf an fundiertem Wissen zu Auslösern und Treibern für Brände sowie methodischen Kenntnissen zu Vorhersagewerkzeugen.

Projektziel

Ziele von BurnML sind 1.) der Aufbau eines Datensatzes für das Training eines Modells, unter anderem mit Daten zu vergangenen Böschungsbränden. 2.) das Training eines Machine-Learning-Modells zur Vorhersage von Brandgefahren. und 3.) eine Pilot-Anwendung des Modells mit der DB Netz AG.

Durchführung

Zu den zentralen Aktivitäten des Vorhabens gehört die räumliche Identifikation vergangener Böschungsbrände mittels Auswertung von freien Satellitendaten zu Bränden und Landnutzung sowie unter Einbezug von Wetterdaten vom Deutschen WD Wetterdienst (DWD) und Infrastrukturdaten von der DB Netz. Anschließend werden die Daten rekombiniert und analysiert, um mögliche auslösende und beitragende Faktoren für Böschungsbrände zu identifizieren. Basierend auf diesen Vorarbeiten wählt das Projektteam einen Algorithmus aus und trainiert diesen auf die Vorhersage solcher Brände. Die Erprobung dieses Algorithmus mit der DB Netz AG und die begleitende Diskussion mit Stakeholdern runden die Durchführung dieses Vorhabens ab.