RET

Openbaar vervoer in regio Rotterdam veiliger door storingen via data-platform.

RET wil haar onderhoudsspecialisten in staat stellen om storingen in het camerasysteem van de metro efficiënter op te lossen, door data van signaalsterktemetingen te analyseren en visualiseren.

Ontwikkeling van een database, API’s in een NodeJS-omgeving, diverse algoritmes op basis van Python voor detectie van afwijkingen en een mobiele app voor tablets, met React Native.

Kostbare nachtelijke testritten zijn vanaf nu niet meer nodig.

OpdrachtgeverRET
ExpertiseWebapplicaties

De machinisten van de Rotterdamse metro hebben in hun cabine een beeldscherm waarop ze bij het wegrijden van een station kunnen zien of alle deuren van de trein goed dicht zitten en of er bijvoorbeeld niet iemand tussen perron en trein klem zit. Het werkte met een gedateerd systeem waar storingen in voorkomen. De voortdurende monitoring en onderhoud van dit systeem is belangrijk maar kost veel tijd.

Dit kon efficiënter. Daarom is er op enkele treinstellen meetapparatuur geplaatst die continu bijhoudt hoe de sterkte van videosignaal op een bepaald moment was. Ook liggen er op knooppunten in het metronetwerk NFC-tags, zodat we kunnen analyseren op welke stations de treinen zich bevinden. De keuze voor NFC-tags was logisch, want GPS werkt onder de grond immers niet. Al deze data komt binnen bij ons storingsplatform. De data wordt gelijk geanalyseerd met behulp van algoritmes. Zo kan RET automatisch afwijkingen detecteren die zichtbaar worden gemaakt per trein en station in een dashboard. 

Door dit inzicht kunnen de onderhoudsspecialisten van RET deze storingen efficiënter en doelgerichter oplossen. Het systeem is in de eerste helft van 2019 ontwikkeld en wordt sindsdien door ons incrementeel verbeterd en onderhouden.