Tech

Wetenschap moet einde maken aan nationale sport: klagen over vertraagde treinen

Door 7 november 2018 No Comments
Het spoor bij Amsterdam Beeld Joost van den Broek

Als de wetenschap meewerkt, komt er straks een einde aan een nationale sport: klagen over vertraagde treinen. Een Deens onderzoeksteam met een Nederlands tintje heeft een computermodel ontwikkeld dat de NS moet helpen beter te voorspellen wat voor effect een vertraging zal hebben op de rest van de dienstregeling. Het model is gebaseerd op neurale netwerken, een vorm van kunstmatige intelligentie waarbij zelflerende systemen naar patronen zoeken in bergen willekeurige data.

De grootste ergernis van reizigers is niet dat een trein te laat binnenkomt op het station, maar dat de NS de reiziger vaak niet kan zeggen of hij elders op zijn traject vertraging gaat oplopen. ‘Op dit moment toont de reisplanner wel een verwachte vertraging, maar er komt weinig intelligentie bij kijken’, zegt Pieter-Jan Fioole, een econometrist van de afdeling prestatieregie van de NS. Het is een star systeem. ‘Zo gaan we er nog altijd van uit dat een vertraging van vijf minuten zo blijft’.

Maar dat hoeft niet. Een machinist kan een oponthoud goedmaken door sneller te rijden. De NS hanteert de vuistregel dat op elke twintig minuten een minuut vertraging valt in te halen. De verkeersleiding kan ook voorkomen dat een late trein de rest van de dienstregeling in het honderd laat lopen door die gewoon op te heffen, of korter halt te laten houden op tussenliggende stations. Dan zien de regelaars bijvoorbeeld af van het inkorten of verlengen van een trein.

Betere glazen bol

Beter en sneller inzicht in hoe een vertraging escaleert, betekent dat de reiziger betrouwbare informatie krijgt en dat verkeersleiders meer armslag hebben om in te grijpen. Daarvoor hebben we een betere glazen bol nodig, aldus de NS. Die mocht samen met netbeheerder ProRail dit jaar de opgave bedenken voor een jaarlijkse spoorcompetitie van Informs, een internationale organisatie van experts in de besliskunde. Dit vakgebied gebruikt wiskundige modellen en technieken om processen te verbeteren – processen als het spoorboekje.

Bijna vijftig teams uit alle hoeken van de wereld bogen zich de afgelopen maanden over de vraag of het mogelijk is om op de ultrakorte termijn – twintig minuten – te voorspellen of een vertraging zich als een olievlek over de treinenloop zal verspreiden. De traditionele manier om zo’n vraagstuk te tackelen is het uitrekenen van elk mogelijk scenario. Dat zijn er talloze; dagelijks wordt Nederland door zesduizend treinen doorkruist.

De deelnemende wetenschappers gingen de opgave te lijf met datamining, waarbij ze zelflerende computerprogramma’s loslieten op een berg gegevens. Daarbij zaten de NS-dienstregeling, het Nederlandse spoornet en de roosters van machinisten en hoofdconducteurs, en ook historische gegevens over de treinenloop en de weersomstandigheden.

Luchtfoto van het spoor bij Utrecht Centraal. Beeld ANP

Bijna altijd op tijd

Van de drie finalisten bleek het team van de Technische Universiteit van Denemarken en het bedrijf Qampo de meest beloftevolle aanpak te hebben. Dat was nog niet eenvoudig, zegt Evelien van der Hurk, teamlid en Rotterdamse econometrist die na haar promotie drie jaar geleden aan de slag ging in Denemarken. Ruim 93 procent van de NS-reizigers bereikt doorgaans zijn bestemming – inclusief overstap – binnen vijf minuten na de aankomsttijd zoals die vermeld staat in de reisplanner. Alleen de reizigerspunctualiteit van de Intercity Direct is met een score van 83 procent stukken slechter.

‘Juist omdat de treinen in Nederland overwegend redelijk op tijd rijden, is er weinig historische data waaruit het model het ontstaan van olievlekvertragingen kan leren’, legt Van der Hurk uit. Voorspellen dat een trein in Nederland op tijd rijdt is niet moeilijk. De onderzoekers aan de wedstrijd moesten dan ook laten zien hoe de vertragingen uitpakken die langer dan vijf minuten duren. De Denen konden in de helft van de vertragingen laten zien of die erger of minder zou worden, of hetzelfde zou blijven, en in eenvijfde van de gevallen een grote toename in vertraging voorspellen.

Een andere complicerende factor is het unieke karakter van het Nederlandse spoornet, zegt Van der Hurk. ‘Het is drukbezet en lijkt meer op een metro, met korte afstanden tussen de stations en veel haltes.’ De econometrist wil het computermodel nog wel verfijnen. Voor de wedstrijd was een beperkte hoeveelheid data en tijd beschikbaar: de teams moesten binnen twee maanden hun bevindingen insturen.

Fioole van de NS beaamt dat er nog meer gegevens in de computermodellen moeten. Zo hadden de onderzoekers geen inzicht in de geografie van Nederland of de indeling van het spoornet. ‘Een Amerikaans team, een van de finalisten, leverde een kaart waaruit je alleen met moeite Nederland kon opmaken. Maar je zag bijvoorbeeld wel dat er een groot knooppunt van sporen was. De computer had in alle data dus wel opgemerkt dat er zoiets was als de Randstad.’

 

Bron: Volkskrant