• Follow railtrack on WordPress.com
  • Laatste nieuws

    01/11/16
    Weblog (blogs) gesloten


    06/02/17 - Update CabDrive
    07/12/16 - Update TrainKit
    11/11/16 - Update TrainSim
  • Recent aangeraden

  • Blog statistiek

    • 569.451 hits
  • Categorieën

  • Arriva op de Vechtdallijn

    411 KRISHNAMURTI

    412 HERMAN BROOD

    413 JANNES

    514 THORBECKE

    515 HARRY MUSKEE

    516 DANIËL LOHUES

    517 WAR CHILD

    518 WILLEM JAN BARON VAN DEDEM

    519 JEROEN KRABBÉ

    520 ILSE DELANGE

    521 RELUS TER BEEK

    522 ROELOF ZEGERING HADDERS

    523 MIEN RUYS

    524 JAAP EN ALEID RENSEN

  • Advertenties

Arcadis: vertraging onnodig met big data

‘Railtracker’ Bert stuurde mij onderstaand stukje toe, dat hij afgelopen week gelezen had in het Eindhovens Dagblad.

20161029_arcadis

Vallende blaadjes zorgen in de herfst voor veel ellende op het spoor. Onnodig, zegt ingenieurs-bureau Arcadis: als ProRail de juiste data aan elkaar koppelt, hebben de meeste treinen nergens last van.

Het Amersfoortse ingenieursbureau denkt met een nieuw risicomodel precies te kunnen aangeven waar sporen glad zijn, en waar passerende machinisten dus voorzichtiger moeten gaan rijden. Het overige treinverkeer hoeft – in tegenstelling tot de huidige praktijk – zich van die plaatselijke gladheid niets aan te trekken.

Maarten Zanen, teamleider data-analyse bij Arcadis, voorspelt dat het nieuwe risicomodel veel vertragingen en schade aan het materieel voorkomt. “Nu gaan alle treinen van de NS zachter rijden als er ergens sprake is van gladde sporen. Dat betekent dat overwegen langer dicht blijven, wat tot extra wachttijd voor automobilisten leidt. Ook lopen de vertragingen op voor de treinreizigers. Wij kijken waar er risico bestaat op een glad spoor en laten daar de trein zachter rijden. Op de andere trajecten kunnen de treinen gewoon doorrijden.”

Om goed te kunnen voorspellen waar de problemen zich zullen voordoen maakt Arcadis gebruik van big data. Die gaan in het computermodel en worden geanalyseerd. “We weten bijvoorbeeld dat de windsnelheid invloed heeft. Richting de kust waait het harder en daar is dus meer kans op gladde sporen. En een zware trein heeft minder last van de bladeren dan een lichte”, geeft Zanen als voorbeeld van big data. “Maar het is ook van belang om wat voor soort bladeren het gaat. Eiken- en populierenbladeren leiden tot meer gladde sporen dan andere.”

Het weer speelt ook een rol. Als het zacht regent geeft dat meer kans op gladheid dan bij harde regen of droogte. “Al dat soort data verzamelen we. Maar ook de NS heeft data die we kunnen gebruiken. Zij meten bijvoorbeeld of de wielen van een trein doorslippen. Dat is een aanwijzing dat de sporen glad zijn. Al die data stoppen we in ons model en dan komt er uit waar de risicoplekken zijn en waar niet. Dat wordt weer doorgegeven aan de machinist zodat die weet of hij voorzichtig moet rijden of gewoon kan doorrijden”, verduidelijkt Zanen.

Arcadis heeft hoge verwachtingen van het risicomodel. Het is oorspronkelijk ontwikkeld voor wisselonderhoud. Door tijdig te voorspellen waar problemen met wissels zullen optreden kan preventief onderhoud aan de wissels worden gepleegd. “Door beter te voorspellen waar onderhoud nodig is heeft de aannemer al tien procent op de kosten bespaard. Dat betekent ook tien procent minder wisselstoringen en dat is goed nieuws voor de reiziger”, aldus Zanen.

Volgend jaar kan Arcadis pas testen of het model succesvol gladde sporen kan voorspellen. Het vertrouwen in het model is rotsvast. “Wij vergelijken het altijd met de Limburgse Formule 1-coureur Max Verstappen. Hoe komt het dat hij zo hard rijdt. Hij is een goede coureur natuurlijk, maar zijn team Red Bull is heel goed in data-analyse, bijvoorbeeld over de banden. Wij willen de machinist hetzelfde vertrouwen geven als Verstappen als hij door de bocht gaat.”
Wij willen de machinist hetzelfde vertrouwen geven als Max Verstappen.

Maarten Zanen, Arcadis

Advertenties

Geef een reactie

Vul je gegevens in of klik op een icoon om in te loggen.

WordPress.com logo

Je reageert onder je WordPress.com account. Log uit /  Bijwerken )

Google+ photo

Je reageert onder je Google+ account. Log uit /  Bijwerken )

Twitter-afbeelding

Je reageert onder je Twitter account. Log uit /  Bijwerken )

Facebook foto

Je reageert onder je Facebook account. Log uit /  Bijwerken )

Verbinden met %s