Die New Yorker U-Bahn hört mit sechs Google-Pixel-Telefonen auf gebrochene Schienen

Zwischen September und Januar fuhren sechs Google-Pixel-Smartphones in vier Wagen der New Yorker U-Bahn auf der A-Linie mit – in Kunststoffgehäusen unter den Wagen und in deren Innenräumen verschraubt – und sammelten dabei Beschleunigungs-, Magnetometer-, Gyroskop- und (bei den Außeneinheiten) Mikrofondaten auf den 32 Meilen zwischen dem oberen Manhattan und dem Süden Queens'. Das Experiment von MTA und Google mit dem Namen TrackInspect ging der Frage nach, ob günstige, überwiegend handelsübliche Technik die Gleisinspektion ergänzen kann; Google Public Sector stellte der Behörde dafür keine Rechnung.

Das Ausmaß der Alternative ist bedeutsam: Menschliche Inspektoren laufen alle 665 Meilen U-Bahn-Gleis ab, und mit Sensoren bestückte Gleisgeometriewagen fahren nur dreimal im Jahr. Über vier Monate hinweg identifizierte TrackInspect nach Angaben der MTA 92 Prozent der Defektstellen, die menschliche Inspektoren später genau lokalisierten. Eine Person leistete den Großteil der Etikettierung: Robert Sarno, stellvertretender Leiter der Gleisaufsicht von NYCT und 14-jähriger Veteran mit dem Spitznamen „Track Whisperer“, markierte anhand von Audioausschnitten lockere Verbindungen, lockere Bolzen sowie Schienen- und Schwellendefekte und erreichte dabei über 80 Prozent Übereinstimmung mit tatsächlichen Defekten.

Insgesamt kombinierte das Projekt 335 Millionen Sensormesswerte und 1.200 Stunden Audio mit der Defektdatenbank von New York City Transit, um eine Gruppe von etwa 200 einzelnen Vorhersagemodellen zu trainieren. Da die Modelle angeben, welche Art von Problem sie hören, können Inspektoren mit dem richtigen Werkzeug anrücken – das erklärte Ziel ist, dass sie „Zeit mit Reparieren statt mit Identifizieren verbringen“. US-Regulierungsbehörden verlangen weiterhin eine menschliche Inspektion, und der WSP-Berater Brian Poston erwartet, dass das so bleibt; New York ist einzigartig darin, Harmonische – Audio plus Vibration – einzusetzen statt Kameras am Gleisrand oder fest installierter Sensoren.

Handelsübliche Pixel-Geräte, unter U-Bahn-Wagen verschraubt, hören Gleisprobleme: Sensorströme plus das Gehör eines Veteranen als Etiketten trainieren rund 200 Modelle, die Inspektoren auf Defekte hinweisen.

Es verwandelt die Flotte selbst in das Sensornetzwerk: Jede planmäßige Fahrt wird zu einem Inspektionsdurchlauf, zu Grenzkosten von einer Halterung und einem Telefon.

Die knappe Ressource – ein fachkundiges Ohr – wird dort eingesetzt, wo sie unersetzlich ist (beim Etikettieren), und maschinelles Lernen trägt sie über Millionen von Messwerten weiter.

Die Modellausgabe ist handlungsfähig, nicht nur ein Alarm: Vorhergesagte Defekttypen sagen den Teams, welche Werkzeuge sie mitbringen müssen, und verkürzen so die Schleife aus Identifizieren und Reparieren.

Ein kostenloses erstes Experiment senkte das Risiko der Idee, bevor die MTA sich zu einem Produktionspiloten verpflichtete.

Der benötigte Sensor steckt möglicherweise schon in jemandes Tasche: Man kombiniere günstige handelsübliche Hardware mit knapper fachlicher Beurteilung – der Experte etikettiert, die Modelle skalieren das Gehör des Experten über das gesamte System.

Die Zusammenarbeit wird zu einem vollständigen Piloten ausgeweitet, in dem Google eine Produktionsversion baut und sie den Gleisinspektoren selbst in die Hand gibt. MTA-Präsident Demetrius Crichlow beschreibt den Endzustand als ein modernisiertes System, das Gleisreparaturen automatisch identifiziert und organisiert; der CTO von Google Public Sector sagt, er hoffe, das Projekt werde zum Katalysator für günstigere, vorbeugende Werkzeuge für die Sicherheit im Bahnverkehr in der gesamten Branche.