Met behulp van Big datatechnologie wil ProRail storingen en slijtage beter voorspellen en hiermee vertragingen op het spoor zoveel mogelijk voorkomen. In het Datalab worden de nieuwste big data technieken gebruikt om voorspellende modellen te ontwikkelen.

Aan voorspellende modellen moet bijvoorbeeld worden gedacht aan: wisselstoringen, verstoringen door mensen en dieren langs het spoor, spoorstaafdefecten en verzakkingen. Het bijkomende voordeel van het combineren van de verschillende data is dat het ook mogelijk wordt het onderhoud en het bijbehorende logistieke proces efficiënter in te richten.

Grote hoeveelheden data

ProRail heeft grote hoeveelheden met data verzameld in de afgelopen jaren, maar heeft er tot op heden nog niks mee gedaan. Maar daar brengen ze verandering in. "Met alle data gebeurt iets, maar gecombineerd kun je er nóg meer mee." ProRail zet big data in met als belangrijkste doel storingen te voorspellen. "We analyseren grote hoeveelheden gegevens, gericht op onze ‘spullen’ (rails, wissels, treinbeveiliging, seinen etc)  buiten. In eerste instantie is gestart met vier projecten: wisselstoringen voorspellen, derdenstoringen voorspellen (o.a. spoorlopers, suïcide en dieren), spoorverzakking en spoorstaafdefecten voorspellen." vermelden ze in een persbericht op hun website.

Zoeken naar onverwachte verbanden

"De computer zoekt voor ons de verbanden. Dat zijn verbanden die te complex of onverwacht zijn om zelf te verzinnen. Ons startpunt is altijd om met experts om tafel te gaan, zodat we problemen begrijpen om vervolgens data te verzamelen en klaar te maken voor gebruik. Daarna analyseren we de data, maken een model en kijken hoe goed het model situaties voorspelt. Dan gaan we weer terug naar de expert en herhalen we dit proces net zo vaak tot het voorspellend vermogen goed genoeg is om iets mee te doen in de praktijk." aldus ProRail.

Om bijvoorbeeld verzakking van het spoor te voorspellen zal de computer gebruik maken van een pakket van diverse verzamelde gegevens, waaronder die van de spoorconstructies, de ondergrond, uitgevoerde werkzaamheden, weersomstandigheden en de hoeveelheid treinen op het gedeelte van het spoor.

Spoorlopers voorspellen

Niet alleen verstoringen die voortvloeien uit infrastructurele problemen kunnen worden voorspeld, ook spoorlopers kunnen straks worden voorspeld.

Door de gegevens van diverse databronnen op gebied van onder meer: bevolking, weer, vakanties, gebiedskenmerken is er inmiddels een eerste prototype gemaakt van een model om te voorspellen waar en wanneer ProRail hotspots kunnen verwachten van mensen langs het spoor.

Samenwerking

In de DataLab projecten werkt ProRail samen met verschillende partijen zoals leveranciers, vervoerders, aannemers, kennisinstituten (TNO en Universiteiten in Delft en Twente) en innovatieve bedrijven en wordt er gezamelijk geleerd wat de mogelijkheden en beperkingen zijn van de gekozen aanpak.

Het gebouw van ProRail in Utrecht die ook 'De Inktpot' genoemd wordt.
Foto: Arjandb

Bron: ProRail