Big data tegen gladde rails

Dankzij een door Arcadis ontworpen computermodel kunnen machinisten beter rekening houden met gladde rails. Het model koppelt diverse gegevens, variërend van weer en boomtypen langs de rails tot type spoorstaaf en model trein, aan de gladheidsmeldingen van machinisten. Dat levert informatie op over de waarschijnlijkheid van gladheid op bepaalde trajecten onder bepaalde omstandigheden. Die informatie kunnen machinisten gebruiken om de verantwoorde snelheid ter plekke in te schatten.

‘We zijn eenvoudigweg begonnen met de gedachte: zou je iets kunnen met de combinatie van big data en gladde sporen?’, vertelt Maarten Zanen, teamleider data analyse bij Arcadis en voorheen storingsanalist bij ProRail. ‘Zo’n open benadering maakt dat je veel meeneemt. Tot nu toe werd steeds ingezoomd op deelproblemen: de mate van gladheid door blaadjes op de rails, de manier waarop wielen afslijten. Dat levert ook deeloplossingen op. Wij zijn begonnen met inventariseren wat allemaal tot verminderde tractie zou kunnen leiden. Vervolgens zijn we zoveel mogelijk data gaan verzamelen.’

Compleet is die collectie zeker nog niet. Zanen is momenteel bijvoorbeeld in overleg met de NS over wielslipgegegevens die hij graag in het model zou verdisconteren. Big data analysemethoden zijn immers gebaat bij zoveel mogelijk invoer om correlaties in te zoeken. Uiteindelijk zou hij alle factoren liefst ook correleren aan daadwerkelijke metingen van gebrekkige tractie in plaats van meldingen door machinisten.

‘Uit mijn ervaring bij ProRail weet ik dat er ook meldingen zijn die achteraf niet blijken te kloppen’, zegt Zanen. ‘Dat is niet zo gek. Een machinist neemt wel eens iets verkeerd waar. Als je een paar treinen hebt met meetapparatuur zou dat genoeg moeten zijn om in kaart te brengen wat op een bepaalde dag de risicotrajecten zijn.’

×