ProRail en NS starten een proef met sensoren op het dak van reizigerstreinen. Het duurt soms een tijdje voor schade aan de bovenleiding wordt ontdekt, met alle gevolgen voor de treindienstleiding. Met de sensoren kunnen risicoplekken al voor de breuk worden ontdekt en op een geschikt moment worden hersteld.

De sensoren op de NS-reizigerstreinen checken de bovenleiding continue en sturen verdachte data door naar het ProRail Datalab voor analyse. Storingen aan de bovenleiding maken op dit moment zo’n 10 procent uit van het totaal aantal minuten vertraging met de infrastructuur als oorzaak. Herstel duurt vaak uren en al die tijd kan er op het traject waar de bovenleiding brak geen trein rijden.

Breuk bovenleiding

Een breuk in de bovenleiding ontstaat meestal als deze sneller slijt dan verwacht. Normaal gesproken komen gegevens vanuit de meettrein op het spoor maar een of twee keer per jaar beschikbaar. Op basis data die via de sensoren binnenkomt kan dit beter en sneller worden voorspeld. Doordat er op wekelijkse of dagelijkse basis meetdata binnenkomt en er op meerdere plekken kan worden gemeten komt achteruitgang van de bovenleiding sneller aan het licht.

ProRail en NS voeren de proef met sensoren uit met twee soorten NS reizigerstreinen: een Sprinter (SLT) en een Intercity (VIRM). Versnellingsmeters meten de bewegingen van de stroomafnemer terwijl deze langs de bovenleiding glijdt. Camera’s op het dak brengen het contactvlak van stroomafnemer en bovenleiding in beeld.

De data die de sensor verzamelt wordt al op de trein gefilterd. Zo worden via beeldherkenning diverse objecten in de bovenleiding automatisch herkend, zoals bovenleidingonderbrekers, kruisende draden en vonken. Die doen niet mee in de meting.

Algoritmes herkennen afwijkingen

De meest interessante metingen gaan naar ‘de cloud’. Op basis hiervan ontwikkelt het ProRail DataLab algoritmes voor automatische herkenning van afwijkingen. Zo zijn inmiddels de grootste onregelmatigheden geïdentificeerd op basis van deze versnellingsmeters.

Behalve aan het automatisch herkennen van objecten, wordt ook gewerkt aan het automatisch herkennen van afwijkingen in de bovenleiding. Het uiteindelijke doel is om deze meettechnieken te combineren tot één algoritme dat de meest risicovolle plekken identificeert. Als dat goed lukt, zijn volgens de spoorbedrijven meer gerichte inspecties mogelijk en zijn zwakke plekken te herstellen voordat een bovenleiding breekt.

Lees ook:

‘Flitscamera’ legt schade aan treinpantograaf vast