Door slim combineren van informatie gaat ProRail vertragingen te lijf
Nieuws
Met behulp van Big datatechnologie wil ProRail storingen en slijtage beter voorspellen en hiermee vertragingen op het spoor zoveel mogelijk voorkomen. Dat gaat ProRail nu doen in een DataLab. Daarin worden de nieuwste big data technieken gebruikt om voorspellende modellen te ontwikkelen. Bijvoorbeeld voor wisselstoringen, verstoringen door mensen en dieren langs het spoor, spoorstaafdefecten en verzakkingen. Bijkomend 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.
Bakken data
ProRail heeft bakken met data. 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.
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. Om verzakking van het spoor te voorspellen zoekt de computer bijvoorbeeld verbanden tussen data over de spoorconstructie, ondergrond, werkzaamheden, weersomstandigheden en de hoeveelheid treinen op het gedeelte van het spoor.
Succes met voorspellen van spoorlopers
Dat zijn er meer dan 3000 per jaar, waardoor elke dag zo'n 13.000 reizigers vertraging ondervinden. Dat willen we verder terugdringen. Met voorlichting op scholen en aandacht in de media. En de nieuwe attractie de Spoorloper in het spoorwegmuseum. Het DataLab gaan we daar nu ook bij inzetten. Door onze eigen databases te combineren met zo'n 30 externe databronnen op gebied van bevolking, weer, vakanties, gebiedskenmerken etc. hebben we een eerste prototype gemaakt van een model om te voorspellen waar en wanneer we hotspots kunnen verwachten van mensen langs het spoor. Het model heeft er voor gezorgd dat wij vooraf risicodagen kunnen zien aankomen en vroegtijdig een aantal nieuwe spoorloper hotspots hebben gevonden.
Samenwerking
In de DataLab projecten werken we samen met verschillende partijen zoals leveranciers, vervoerders, aannemers, kennisinstituten (TNO en Universiteiten in Delft en Twente) en innovatieve bedrijven en leren we gezamenlijk wat de mogelijkheden en beperkingen zijn van de gekozen aanpak. Via een digitaal big data platform wordt data slim gecombineerd.