Automatische reconstructie, visualisatie en databasekoppeling van spoorwegobjecten
Dit is een gezamenlijke project van Strukton Rail en Saxion. Binnen het project wordt onderzocht hoe het ontwerpproces voor spoorbanen ondersteund kan worden met digital twin-technologie. Een digital twin is een virtuele, bij voorkeur real-time weergave van een fysieke situatie. Strukton Catenary Europe heeft al ervaring met digitale werkwijzen. Zij willen dit digital twin-concept toepassen op het treinbeveiligingsgedeelte van de railinfrastructuur, met name kabels en leidingen. Dit houdt in dat spoorwegobjecten automatisch worden gesegmenteerd, gevisualiseerd en gekoppeld aan bestaande databases. Het doel is om het ontwerp van spoorbanen te verbeteren door de huidige situatie digitaal in kaart te brengen en vervolgens te herontwerpen.
Volgens Ab Drijver, Designmanager bij Strukton Rail, zal een ontwerptool worden ontwikkeld vanuit de digital twin van de bestaande situatie. Deze tool zal de huidige toestand uitbreiden met nieuwe ERTMS-installaties, waardoor een nieuwe situatie ontstaat die volledig digitaal is gepland voordat de daadwerkelijke bouw begint.
Op basis van eerdere projectresultaten zullen verschillende onderzoeksrichtingen worden voortgezet, nu met een specifieke focus op digital twinning. Dit omvat de automatisering van spoorontwerp door middel van een data processing pipeline, met als eerste case study het traject Leeuwarden – Harlingen (17 km), gevolgd door de Hanzespoorlijn tussen Zwolle en Lelystad.
Aanleiding
Strukton Rail is een bedrijf met bijna 100 jaar ervaring in onderhoud en beheer van spoorwegen. Hun belang in het project is het verbeteren van de uitvoering van hun activiteiten voor het ASAP-ERTMS-programma. Door digital twin-technologie te gebruiken, kunnen ze het monitoren van spoorwegconstructies automatiseren en optimaliseren, wat leidt tot een nauwkeurige digitale registratie van spoorobjecten. Dit resulteert in betere beheersbaarheid en hogere uitvoeringskwaliteit tegen lagere kosten, zowel voor Strukton als voor ProRail.
Saxion biedt als hbo-instelling onderwijs en onderzoek. De focus voor het lectoraat Ambient Intelligence (AMI) ligt onder andere op ICT en gaming-technologie. Door de betrokkenheid in dit project doet het betrokken lectoraat meer kennis en ervaring op naar het uitvoeren van onderzoek naar geautomatiseerde methoden van objectherkenning met behulp van puntenwolken. Dit project biedt de kans kennis op het gebied van software-integratie en -automatisering te vergroten, wat waardevol is voor zowel huidige als toekomstige onderzoeksprojecten. Hierdoor kunnen zowel studenten als docent-onderzoekers hun ervaring en expertise verder ontwikkelen.
Kennis en stand van het onderzoek
In de huidige railinfrastructurele sector zijn renovatie, onderhoud en nieuwbouw van projecten vaak afhankelijk van een uitgebreide en tijdrovende inventarisatie van de bestaande situatie. Dit komt doordat de benodigde ontwerpinformatie vaak niet accuraat, niet digitaal of slechts in 2D beschikbaar is. Met de introductie van Building Information Modelling (BIM) en 3D-ontwerp is de behoefte aan actuele 3D-basisinformatie van de huidige situatie sterk toegenomen. Echter, bij de start van dit project wordt de digitalisatie van de bestaande situatie grotendeels handmatig uitgevoerd, wat een tijdrovend en foutgevoelig proces is.
Om deze uitdagingen aan te pakken, is er eerder onderzoek verricht binnen het TFF-project "Digitalisatie Bovenleidingen en Draagconstructies". In dit project werden 3D-scans, oftewel puntenwolken, gebruikt om automatisch objecten te herkennen met behulp van Artificial Intelligence (deep learning). Het onderzoek richtte zich specifiek op de segmentatie van objecten zoals bovenleidingen en draagconstructies, met datasets afkomstig van spoorbaanstukken in Delft en een eerste verkenning van een dataset van de Veluwe. De resultaten en technologieën uit dit project worden nu doorontwikkeld om een digital twin-aanpak voor het spoor te realiseren.
Strukton Rail heeft, in samenwerking met Saxion, een Innovatietender van ProRail gewonnen voor de invoering van het European Rail Traffic Management System (ERTMS), waarin digitalisering van het spoor een centrale rol speelt. Dit project vereist verder onderzoek naar de automatisering van het in kaart brengen van huidige situaties, het koppelen van deze informatie aan objectdatabases, en het creëren van inzichtelijke visualisaties. Tegelijkertijd werkt ProRail aan de ontwikkeling van een aparte 3D-Object Type Library (OTL) die direct gekoppeld kan worden aan de bestaande OTL voor treinbeveiligingsobjecten. Deze 3D-objectenbibliotheek is nog in ontwikkeling en zal een belangrijke rol spelen in toekomstige spoorprojecten.
(Beoogde) resultaten
Het beoogde resultaat van het project is het ontwikkelen van een ontwerptool die het spoorontwerpproces ondersteunt met behulp van digital twin-technologie. Dit houdt in dat bestaande spoorwegsituaties digitaal en in real-time worden gepresenteerd. Objecten worden daarbij automatisch worden gesegmenteerd, gevisualiseerd en gekoppeld aan bestaande databases. De huidige situatie wordt dan nauwkeurig in kaart gebracht en vervolgens digitaal herontworpen, specifiek met betrekking tot het treinbeveiligingsgedeelte van de railinfrastructuur. Hierdoor kan een nieuwe situatie worden gesimuleerd en geoptimaliseerd voordat de daadwerkelijke bouw begint, wat de efficiëntie en kwaliteit verhoogt.
Activiteiten & projectaanpak
De standaard van werken met data-gerelateerde opdrachten binnen het lectoraat Ambient Intelligence is CRISP-DM: het CRoss-Industry Standard Process for Data Mining (Pete, et al., 2000). Hierbij gaat het om een iteratieve aanpak, beginnend bij de business understanding, en vandaar uit de data inspecterend, modellerend en evaluerend. Met het uitgebreide stappenplan dat CRISP-DM biedt worden risico’s afgedekt, en dankzij de cyclische insteek wordt het resultaat iteratief verbeterd. Centraal daarbij staat dat, op basis van de beschikbare data, een model wordt gegenereerd dat informatie (in dit geval segmentaties) oplevert. Integratie hiervan in een softwareoplossing die input (puntenwolken) omzet in output (segmentaties) geschiedt in de ‘deployment’-fase.
Het project is opgedeeld in drie fases van ieder een half jaar, waarbinnen minimaal één CRISP-DM-cyclus per semester wordt doorlopen.
CRISP-DM
