Hoe wiskunde machinisten helpt om op tijd en zuinig te rijden

Bij de planning van de rijtijden wordt over het algemeen de tweede wet van Newton gevolgd, die beschrijft hoeveel kracht nodig is voor een versnelling van de treinmassa. In de uitvoering spelen echter meer aspecten een rol, die leiden tot variatie in de rijtijd. Het omgaan daarmee kan beter, vindt Alex Cunillera. Hij is TU Delft-promovendus en onderzoekt robuustere voorspellingen van rijtijden, in samenwerking met de Nederlandse Spoorwegen.

Dienstregelingen maken is secondewerk. Door goede planning kan binnen de capaciteit voldoende kwaliteit geboden worden. “Waarom kijken we voor de rijtijden van morgen niet beter naar de situatie van morgen, inclusief bijvoorbeeld de weersverwachtingen?”, zegt Cunillera. “Door nieuwe data en algoritmes kunnen we grote stappen maken. Dat is niet alleen waardevol voor de huidige operatie, maar zeker ook voor de toekomst, bijvoorbeeld bij ontwikkelingen van Automatic Train Operation.” 

Voordelen 

Rijtijden goed kunnen voorspellen is ten eerste van belang voor het ontwerp van de dienstregeling om de beschikbare capaciteit op het spoor op de beste manier te gebruiken. Daarnaast is het van belang voor de ondersteuning van de machinist tijdens de uitvoering. Hij/zij krijgt informatie en advies over de huidige rit, zoals de actuele marge en snelheid bijvoorbeeld. “Dat is niet alleen om te zorgen dat de treinen op tijd rijden, maar bijvoorbeeld ook om energiezuinig te rijden,” weet Cunillera. ”Als er ruimte in de dienstregeling zit, kunnen treinen bijvoorbeeld langer ‘coasten’ of uitrollen. Dit kan tot 15 procent energie besparen.”  

Het is echter complex om realistische rijtijdvoorspellingen te maken, door de afhankelijkheid van veel dynamische aspecten. Naast wind en blaadjes op het spoor, spelen bijvoorbeeld tunnels en hellingen een rol. Cunillera ontwikkelt wiskundige modellen die dat kunnen berekenen binnen een zeer korte tijd, wat een belangrijke voorwaarde is voor realtime adviezen, die tijdens de uitvoering worden gebruikt en continu aangepast. “De rekentijd was tot voor kort de achilleshiel in onze rij-adviezen,” aldus Ramon Lentink, Innovator logistiek bij NS. “Door een combinatie van slimme wiskunde en enorme hoeveelheden data, kunnen we nu snellere én betere voorspellingen maken. In de algoritmes gebruiken we bijvoorbeeld de effecten van verschillende rijstijlen van machinisten.” 

In de praktijk 

Cunillera is blij dat zijn werk al direct toegepast wordt bij NS. “In team ‘Newton’ wordt gewerkt aan het realtime advies voor machinisten, genaamd TimTim. Inmiddels zijn eerste ideeën uit mijn onderzoek daarin geïmplementeerd en toegepast in de meeste treinen van NS. De berekeningen gaan nu twintig keer zo snel, waardoor het rij-advies aan de machinist veel beter en sneller beschikbaar is. Hierdoor kan een machinist nog beter en efficiënter op tijd rijden.”  

Lentink ziet nog veel meer toepassingen voor zich. Naast het rij-advies, is dat onder andere energiezuinig rijden. ”Een steeds verbeterend rij-advies leidt tot betere prestaties en verstevigt het fundament voor andere toepassingen, waaronder energiezuinig rijden en onderzoek naar Automatic Train Operation.” 

Lees meer op: nielsvanoort.weblog.tudelft.nl, 

Dit artikel is eerder gepubliceerd in OV-Magazine 4/2022. Wilt u OV-Magazine voortaan op papier of digitaal ontvangen? Neem dan een abonnement.