Meten is weten, zo luidt het credo. Maar data verzamelen is geen doel op zich: wat je nodig hebt is informatie. Het engineeringteam Bovenleiding van Strukton Rail Nederland werkt samen met hogeschool Saxion aan een innovatieve oplossing om de digitalisering van het spoor een stap dichterbij te brengen.
Iedere dag opnieuw verzamelt Strukton Rail Nederland een enorme berg aan data, ten bate van onderhoud en vernieuwing van het spoor. Handmatig analyseren van alle data kost veel tijd. Dat moet anders kunnen, dacht Eddy Emck, Projectleider en Sr. Technisch Specialist. “Kunstmatige intelligentie biedt een oplossing; slimme algoritmes kunnen data automatisch verwerken, veel nauwkeuriger en sneller dan mensen. Maar die techniek staat nog in de kinderschoenen en wordt nog niet binnen Strukton Rail Nederland toegepast.”
Unieke kans
Toen het lectoraat Ambient Intelligence van Hogeschool Saxion zich meldde op zoek te zijn naar projecten voor hun onderzoekers en ICT-studenten, zag Emck een unieke kans om dat te veranderen. “We hadden al eerder een specialistisch bedrijf een baanvak van 20 km laten scannen en tot puntenwolk laten verwerken. Al pratend met Saxion besloten we een project op te starten waarbij die ruwe data uit de puntenwolk met behulp van kunstmatige intelligentie zou worden voorbewerkt en geanalyseerd om objecten zoals draagarmen, palen en isolatoren, inclusief hun positie, te herkennen.”
Een team van onderzoekers heeft samen met studenten deep-learning* algortimes ingezet waarmee nu een gemiddelde nauwkeurigheid van 70% herkenning kan worden bereikt. “Objecten in een puntenwolk nauwkeurig kunnen herkennen brengt grote voordelen met zich mee”, aldus Emck. “Met één keer scannen heb je alle gegevens over een baanvak bij de hand. Je hoeft niet voor handmatig meten en visuele opnames van de bestaande bovenleiding naar buiten, maar krijgt uiteindelijk een compleet CAD-ontwerp. Dat scheelt veel tijd, ook voor onze opdrachtgever.”
Digitalisering van het spoor
Eind oktober wordt de eerste fase van het project met Saxion opgeleverd. En: het krijgt een vervolg. Emck: “We gaan twee zaken onderzoeken: hoe de nauwkeurigheid verbeterd kan worden en hoe we de koppeling naar bestaande objectdatabases kunnen maken. Dan kunnen ook de CAD-tekeningen van herkende objecten worden opgehaald en in een overzicht van de gehele situatie worden geplaatst. Dat is een grote stap in de richting van automatische, complete digitalisering van het spoor.”
*Binnen de kunstmatige intelligentie wordt onderscheid gemaakt tussen machine learning en deep learning. Bij machine learning worden zelf-lerende algoritmes met behulp van gestructureerde data getraind om een steeds betere prestatie te leveren. Bij deep learning gebeurt dit met behulp van kunstmatige neurale netwerken die met grote hoeveelheden ongestructureerde data kunnen werken.
