Das BMVI-Expertennetzwerk: Ressortforschung zur Anpassung von Verkehr und Infrastruktur an den Klimawandel und extreme Wetterereignisse

<p>Eine Forschungsinfrastruktur in der Wetter- und Klimaforschung ist das BMVI-Expertenwerk, in welchem sich sieben Bundesoberbehörden aus dem Ressort des BMVIs in einem Forschungsnetzwerk zusammengeschlossen haben, um gemeinsam die Auswirkungen des Klimawandels und die Folgen von extremen Wetterereignissen auf den Verkehrssektor zu untersuchen.</p> <p>Die Forschungen haben das Ziel Verkehre und Infrastrukturen der Bundesfernstraßen, Bundeswasserstraßen und des Bundesschienennetzes zu identifizieren, die heute und zukünftig negativ von Änderungen klimatischer Randbedingungen betroffen sind. Dazu nutzt das Netzwerk für alle Verkehrsträger einheitliche Datengrundlagen, Szenarienannahmen sowie Auswertemethoden und entwickelt (Impakt)-Modelle, um Wirkungszusammenhänge zwischen Klimawandel und Betroffenheit der Verkehrsinfrastruktur zu bewerten. Zu den untersuchten Klimawirkungen zählen u.a. die Themen Sturm/Sturmwurf, Starkregen/Sturzfluten, Hochwasser, Niedrigwasser, Trockenheit/Böschungsbrände, Erosion, Massenbewegungen und Meeresspiegelanstieg/Tidedynamik. Darüber hinaus werden Anpassungsmaßnahmen entwickelt, um die Resilienz der Verkehrsträger gegenüber dem Klimawandel zu erhöhen.</p> <p>Die Forschungen sind sehr praxisnah ausgelegt, d.h. Bedarfe der Infrastrukturbetreibenden (z. B. Deutsche Bahn) fließen in die Konzeption von Forschungsfragen ein und entwickelte Produkte werden wiederum über operationelle Dienste (DAS-Basisdienst „Klima und Wasser“) oder auf direktem Wege den Betreibenden zur Verfügung gestellt.</p> <p>Das BMVI-Netzwerk vereinigt die Expertisen der Behörden Bundesamt für Güterverkehr (BAG), Bundesanstalt für Straßenwesen (BASt), Bundesanstalt für Wasserbau (BAW), Bundesanstalt für Gewässerkunde (BfG), Bundesamt für Seeschifffahrt und Hydrographie (BSH), Deutscher Wetterdienst (DWD) und des Deutsche Zentrums für Schienenverkehrsforschung beim Eisenbahn-Bundesamt (DZSF/EBA). Den politischen Rahmen in Deutschland zur Anpassung des Verkehrssektors an den Klimawandel setzt die Deutsche Anpassungsstrategie (DAS) und das DAS-Handlungsfeld „Verkehr und Verkehrsinfrastruktur“.</p>

Deutsche Bahn: Entflechtung 2.0!

ZusammenfassungDie Eisenbahninfrastruktur des DB Konzerns wird seit der Bahnreform 1994 zusammen mit den Eisenbahnverkehrsunternehmen in einer vertikal integrierten Konzernstruktur organisiert. Diese Konzernstruktur steht jedoch im Verdacht, Wettbewerbsverzerrungen auf der Ebene der Eisenbahnverkehrsunternehmen zu verursachen. Eine eigentumsrechtliche Trennung der Eisenbahninfrastruktur von dem restlichen Betrieb des DB Konzerns könnte diese Wettbewerbsverzerrungen unterbinden. Bisher fehlte hierfür jedoch die politische Mehrheit. Die Monopolkommission stellt in ihrem aktuellen Gutachten daher Maßnahmen vor, um im geltenden Rahmen die derzeitigen Unabhängigkeits- und Transparenzprobleme zu beheben.

Impacts of extreme wind speeds and other factors on vegetation disturbances in the German railway network

<p><span>Winter windstorms are among the most dangerous and costly natural hazards in Central Europe. Their ability to cause tree and branch fall leads to disruptions and damages along railway systems. </span><span>Along the German railway network </span><span>the Deutsche Bahn is </span>preventively<span> removing about 30.000 trees per year. </span><span>Still</span><span>, each year </span><span>a multiplicity of</span><span> disturbances </span><span>occur</span> <span>which may lead to delays, economic damages or even train collisions.</span></p><p><span>A</span><span> data set with vegetation disturbance events between 2017 and 2020 along the German railway system </span><span>is provided by the Deutsche Bahn</span><span>. </span><span>The aim of this study is</span><span> to use exploratory statistics as well as machine learning methods like regression techniques or decision trees to explore the relationship between vegetation damages and meteorological parameters like wind gusts, precipitation or temperature. Additionally, tree related factors</span> <span>and surrounding conditions like </span><span>ground frost and soil moisture </span><span>will be taken into account. Finally, we want to derive critical thresholds and combinations of weather parameters leading to significant damage risk. </span></p><p><span>We find </span><span>a positive relationship between vegetation disturbance and wind speeds. Especially strong winter storms leave a very clear signal in the disturbance time series. </span><span>For example, t</span><span>he highest numbers of vegetation disturbances occurred during the winter storms Sabine (10.02.2020, 515 events) and Friderike (18.01.2018, 360 events). During winter storm days the majority of events occurs in th</span><span>ose</span><span> areas </span><span>affected by</span><span> high wind speeds. Tree fall </span><span>disturbance</span><span>s</span><span> pe</span><span>a</span><span>k during the winter storm season between January and March, while branch fall </span><span>disturbance</span><span>s</span><span> peak between June and August. </span><span>However</span><span>, a high number of events occurs </span><span>also </span><span>during times of low wind speeds. </span><span>Additionally, high wind speeds do not necessarily lead to vegetation disturbances.</span><span> It is clear that other meteorological and tree related factors need to be taken into account. Compound events as well as previous weather and soil conditions are expected to affect wind throw risks.</span></p>

Deutsche Bahn Schedules Train Rotations Using Hypergraph Optimization

Deutsche Bahn (DB) operates a large fleet of rolling stock (locomotives, wagons, and train sets) that must be combined into trains to perform rolling stock rotations. This train composition is a special characteristic of railway operations that distinguishes rolling stock rotation planning from the vehicle scheduling problems prevalent in other industries. DB models train compositions using hyperarcs. The resulting hypergraph models are addressed using a novel coarse-to-fine method that implements a hierarchical column generation over three levels of detail. This algorithm is the mathematical core of DB’s fleet employment optimization (FEO) system for rolling stock rotation planning. FEO’s impact within DB’s planning departments has been revolutionary. DB has used it to support the company’s procurements of its newest high-speed passenger train fleet and its intermodal cargo locomotive fleet for crossborder operations. FEO is the key to successful tendering in regional transport and to construction site management in daily operations. DB’s planning departments appreciate FEO’s high-quality results, ability to reoptimize (quickly), and ease of use. Both employees and customers benefit from the increased regularity of operations. DB attributes annual savings of 74 million euro, an annual reduction of 34,000 tons of CO2 emissions, and the elimination of 600 coupling operations in crossborder operations to the implementation of FEO.

Valora serviert der Bahn ihr erstes Scan&Go-Konzept

Die Deutsche Bahn startet erstmals ein eigenes Scan&Go-Angebot an einem ihrer sogenannten Zukunftsbahnhöfe. Die Technologie hinter dem Konzept stammt von Valora und basiert auf der Avec Box. Die Schweizer stellen damit zum ersten Mal ihre Technologie einem Drittunternehmen zur Verfügung.

Deutsche Bahn zielt auf die FMCG-Branche

Berlin. Die Deutsche Bahn nimmt mit ihrer Tochter DB Cargo die Lebensmittelbranche ins Visier. Mit dem Einzelwagen-Angebot EV-Plus will sie sich als End-to-End Logistiker stärker etablieren.