DEL120 -11205887 RisicOmodel SpoordeformatiE

Aanleiding van het project

Economische groei en welvaart kan niet worden bereikt zonder interconnectiviteit en mobiliteit. Een veilig, efficiënt en betaalbaar transportnetwerk voor mensen en goederen is hiervoor cruciaal. De uitdaging is hierbij tweeledig (DG-Move TAG rapport mei 2016): er is behoefte aan veerkrachtiger, duurzamere en meer betaalbare infrastructuur bouwen, en we moeten bestaande structuren onderhouden en opnieuw gebruiken. Tegelijkertijd krijgen beheerders van infrastructuur te maken met onzekerheden als het gaat om de degradatie van infrastructuur of klimaatveranderingen en daarmee samenhangende sociaal-economische gevolgen. Hoe houd je rekening met het effect van deze onzekerheden op de mobiliteit en hoe neem je tijdig de juiste maatregelen (RoadApt, 2012)?
Bodemdaling is in Nederland een van de mechanismen die zorgt voor een doorgaande degradatie van infrastructuur (kabels en leidingen, wegen, spoorwegen en waterkeringen). Dit wordt hoofzakelijk veroorzaakt door consolidatie van de slappe ondergrond en verder versterkt door bijvoorbeeld droogte en grondwaterstandsveranderingen. De huidige bodemdalingsscenario’s (Deltares, 2017) laten onder invloed van klimaatverandering een stijging van de voorspelde bodemdaling zien voor de komende decennia.
Voor spoorwegen geldt dat er een maatschappelijke wens is om het spoorsysteem efficiënter te benutten. In de praktijk betekent dit dat er sinds kort op trajecten volgens het Programma Hoogfrequent Spoor iedere 10 minuten een intercity rijdt. Daarnaast is het spoor bij uitstek geschikt voor transport van goederen over middellange afstanden. Het volume goederen dat per spoor wordt vervoerd groeit jaarlijks met gemiddeld een tot een aantal procenten, daarbij ook geholpen door lage waterstanden die de binnenvaart parten speelt. Juist onder invloed van goederentreinen is op trajecten met een slappe ondergrond extra onderhoud noodzakelijk. Als gevolg van allerlei dynamische effecten heeft de belasting vanuit goederentreinen heeft

Doel van het project

Doel van dit project is om met het consortium tot modellen te komen om degradatie van het spoor als gevolg van veranderingen in de mobiliteitsvraag (meer treinen, zwaardere treinen) beter te voorspellen, gebaseerd op actuele monitoringsdata (satellietdata, treindata) en beschikbare (open) ondergronddata. Daarbij is de ambitie om tot methoden te komen waarmee modelresultaten betrouwbaar kunnen worden opgeschaald naar het niveau van een netwerk. Na afloop van dit project kunnen beheerders van infrastructuur deze methoden toepassen en daarmee deformatierisico’s op de schaal van een infrastructuurnetwerk bepalen. De leveranciers van monitoringsdata kunnen na afloop van dit project meerwaarde voor hun data genereren doordat deze worden geïntegreerd in een voorspellend model.

Omschrijving van de activiteiten

Ontwikkeling en toetsen rekenmodel. Update met meetdata Industrieel onderzoek Alle consortium deelnemers: definitie en review
Deltares, TU Delft en Ricardo: Ontwikkeling en validatie rekenmodel
Fugro, Ricardo: inbreng bestaande dataset
Sensar: ontwikkeling dataset
Beschouwing methodieken om op te schalen naar netwerkniveau en data model integratie Industrieel onderzoek Alle consortiumdeelnemers: bewaken toepasbaarheid en resultaten
Deltares: Ontwikkelactiviteiten in samenwerking met Fugro, Sensar en Ricardo Rail

Verwachte resultaten

Validatie risicomodel
• Valideren van bestaande casus
• Bepalen van limitatie en verbeter punten 2020
Ontwikkeling model en methodiek
• Karakteriseren van ondergrond langs spoorwegen. Met inbreng van stochastisch ondergrond model (SOS)
• Inventarisatie van beschikbare datasets (vanuit partners en publiek domeinen)
• Definitie van numerieke strategie
• Definitie van data assimilatie strategie
• Hoe kunnen onderhoudsdata worden geïntegreerd?
• Methodiek voor opschaling van lokaal naar landsdekkend
Framework voor nieuw model en methodiek 2020
Cases
• Toets van de ontwikkelde methodiek op cases in de A2 corridor 2020/2021
Software
• Delen Software Code 2021
Disseminatie & Businesscase
• Publicaties (nationaal of internationaal)
• Klankborgroep
• Businesscase vervolg 2021

Innovativiteit

De huidige aanpak voor het voorspellen van spoordegradatie en deformatie is vooral gebaseerd op empirische modellen en ervaring. In sommige gevallen zijn er geavanceerde modellen gebruikt, maar deze geven een lokaal antwoord en niet voor een heel tracé of netwerk.
De kern van de innovatie in dit TKI voorstel ligt bij het ontwikkelen van methoden waarmee een betrouwbare voorspelling van de spoordeformatie mogelijk wordt. Deze modellen zullen ontwikkeld worden met het oog op een opschaling naar een landsdekkend niveau. Hiervoor moeten kennis en vaardigheden worden ontwikkeld om gedragsmodellen te updaten met beschikbare meetdata vanuit satellieten en uit geotechnische data en geofysische meettechnieken. Modellen die het gedrag van de ondergrond beschrijven worden hierbij gecombineerd met modellen die de belasting (trein) en de interactie met het spoor, beschrijven. De gebruikte modellen worden getoetst aan state-of-the-art modellen vanuit de wetenschap (TU Delft, Chalmers UT).
Onderdeel van de organisatie is onder andere een klankbordgroep vanuit betrokken partijen en wetenschappelijke borging vanuit TU Delft en Chalmers in Zweden.

Valorisatie

1. Het eerste hoofdproduct uit dit TKI-project is een getest en gevalideerd model, voor het voorspellen van zakkingen, spoordegradatie e/o onderhoudsbehoefte. Dit model is algemeen beschikbaar voor deelnemers in het consortium en daarbuiten. Dit model is toepasbaar voor het voorspellen van individuele cases, maar vindt uiteindelijk ook een weg naar bredere toepassingen (bijvoorbeeld bij windmolens in dijken) .
2. Het tweede hoofdproduct van het TKI-project is een methodiek waarmee de spoorsector op basis van een bekende opbouw van het spoor, de scenario’s van de grondopbouw en verschillende toekomstscenario’s (aslast, snelheid, treinlengte) kunnen bepalen wat onderhoudsconsequenties van wijzigingen in de exploitatie zijn. ProRail maakt hiervan gebruik door dit op te schalen naar een landsdekkende risicokaart. Betrokken dataleveranciers (Fugro, Ricardo en Sensar) gebruiken deze methodiek om hun datasets in de toekomst ook commercieel toe te passen als onderdeel van risicobeschouwingen voor het spoor onderhoud. De remote sensing data van Sensar en de treingebonden data van Ricardo Rail, krijgen hierdoor een breder toepassingsbereik. RWS heeft aangeven geïnteresseerd te zijn in deze methodiek voor vergelijkbare toepassingen.
3. Naast bovenstaande producten wordt een businesscase opgeleverd als onderdeel van de implementatie. Hierin worden bovenstaande aannamen voor commerciële kansen voor betrokken partijen geconcretiseerd.

Link naar projectresultaten…