Volgens Wouter was en is de ontwikkeling van de ERTMS Configurator ook voor Strukton een mooi en zinvol leerproces. "Het gebruik van innovatieve technologieën en kunstmatige intelligentie is nog niet overal in onze spoorwereld gemeengoed. Voor objectdetectie binnen een 3D-puntenwolk hebben we daarom de samenwerking gezocht met Saxion. Het herkennen van spoorobjecten ging zeker in het begin niet altijd even goed. Seinpalen werden aangezien voor bomen of omgekeerd. Maar door AI in te zetten en de computer te trainen zijn die schoonheidsfoutjes inmiddels zo goed als verdwenen. Andere leerpunten waren de grote hoeveelheden data waar we mee te maken kregen en het waarborgen van de kwaliteit van de dataset. Daarnaast was het belangrijk om goede werkafspraken te maken ten aanzien van het eenduidig vastleggen van de 3D-objecten, zodat iedereen hiermee kan werken. Deze standaardisering komt de nauwkeurigheid en efficiëntie ten goede."

Renzo: "Al met al kunnen we aan de hand van ons 3D Reality Model in de werkvoorbereidingsfase controleren of de balises en assentellers volgens het ontwerp geplaatst kunnen worden. Voorheen gebeurde dat allemaal handmatig en dat kan straks met deze techniek een stuk sneller. Onlangs hebben we dit succesvol getest op een baanvak nabij Dronten. Met de ervaringen en leermomenten uit deze test kunnen we de ERTMS Configurator verbeteren."

Succesvolle test

vastgelegd. Met de trackscan op de trein maken we een puntenwolk van het spoor. De scan kijkt naar de dwarsliggers, de spoorstaven en andere in de spoorbaan aanwezige objecten. Daarnaast maken we gebruik van ProRail- en openbare databronnen. Samen komen we tot een gecombineerde dataset. Vervolgens zetten we de ArcGIS Scene Viewer in voor het maken, bekijken en verkennen van 3D-scenes. Zo creëren we een realistische situatie op basis van actuele informatie", aldus Renzo.

Het proces draagt bij aan het versnellen van de transitie van een lineaire wegwerpeconomie naar een circulaire economie door deelbare inzichten te bieden in vrijkomende materiaalstromen. Dit bevordert zowel intern als extern hergebruik en vermarkting. Bovendien stelt Dusseldorp in staat om de optimale hergebruikstrategie (R-waarde) te bepalen, waardoor materialen een langere levensduur krijgen en efficiënter worden benut. Daarnaast optimaliseert het proces interne bedrijfsprocessen door menselijke administratieve handelingen te automatiseren, wat leidt tot een efficiënter ingericht werkproces en een kwalitatief betere output. Door het verminderen van menselijke tussenkomst worden fouten geminimaliseerd, wat de betrouwbaarheid en consistentie van de resultaten verbetert.

Door deze voorspelling te visualiseren op de kaart en via een app beschikbaar te stellen, hebben de mobiele verkeersleiders tijdens de patrouille continu inzicht in waar op de vaarweg, binnen nu en twee uur, risico’s ontstaan. Van Dijk: “Bekend is bijvoorbeeld dat schepen zonder lading bij windkracht 10 een hoger risico vormen dan geladen schepen. Doordat gegevens over vaarplannen en scheepsladingen worden gecombineerd met gegevens over het weer kunnen de verkeersleiders een risicovoorspelling maken. Zo is vrij nauwkeurig te lokaliseren op welke plek in het vaargebied zich onder slechte weersomstandigheden op een zeker moment meerdere lege schepen bevinden.”

Besparing

Objectdetectie

Ook aan de slag?

Ook meer waarde halen uit uw AEC-project? Ga naar Value4AEC.

De ERTMS Configurator maakt van een puntenwolk een 3D Reality Model van een baanvak vanuit verschillende standpunten. "Zo hebben we een model gemaakt van de Hanzelijn, het spoor tussen Lelystad en Zwolle. Ondergrondse objecten hebben we daarbij in beeld gebracht vanuit 2D tekeningen en van bovenaf brachten we objecten in kaart, zoals balises, bovenleidingpalen en seinen. Dit alles met data van onze Leonardo-inspectietrein. Deze is uitgerust met camera's, lasers, Lidar en grondradar om de railinfra en directe omgeving digitaal op te nemen. De trein rijdt met 80 km per uur over het spoor, waarbij beelden worden

ArcGIS Scene Viewer