Christian Jongeneel
Dankzij een door Arcadis ontworpen computermodel kunnen machinisten in de toekomst beter rekening houden met gladde rails.
Het model koppelt zo veel mogelijk gegevens, variërend van het huidige weer en de boomtypen langs de rails tot het type spoorstaaf en het 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 vervolgens gebruiken om de verantwoorde snelheid ter plekke in te schatten. Nu nog laat de NS machinisten vaak overal langzamer rijden als er gladde sporen worden waargenomen.
‘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 er 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 wielslipgegevens die hij graag in het model zou integreren. Big data-analysemethoden zijn immers gebaat bij zoveel mogelijk invoer om correlaties 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 weleens 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.’
