Ik zie, ik zie, wat jij niet ziet Veiligheid van spoorwegen verbeteren met Computer Vision

	Jeroen Kortus Mijn naam is Jeroen Kortus. Ik ben anderhalf jaar geleden begonnen bij Capgemini. Ik ben werkzaam als Data Scientist gespecialiseerd in Computer Vision en ik heb een achtergrond in wiskunde.
	Mathijn Wilkens Mijn naam is Mathijn Wilkens en ik ben sinds twee jaar Data Scientist bij Capgemini. Ik heb een achtergrond in economie en ik heb brede ervaring met het verkrijgen van inzichten en oplossingen uit data.

Kunnen jullie wat vertellen over het project waar jullie op dit moment aan werken?

Mathijn: “Sinds februari werken we binnen het DataLab van ProRail aan een project genaamd ‘Railspotting’. De vraag die ProRail stelt is: “In hoeverre kan beeldherkenning met camera’s op treinen en nabij treinsporen bijdragen aan het detecteren van onregelmatigheden die relevant zijn voor de veiligheid?” Het doel van dit proof-of-concept is om te onderzoeken of computer vision de veiligheid kan verbeteren. Dit onderzoeken wij in een aantal use-cases. Hierbij gaat het met name om camera’s bij overwegen en camera’s op de trein zelf. Ook wil ProRail zoveel mogelijk bestaande oplossingen benutten en een samenwerking opzetten met andere afdelingen zowel binnen als buiten ProRail (bijvoorbeeld de NS).”

Dat klinkt interessant, waarom is dit belangrijk voor ProRail?

Jeroen: “Veiligheid staat voorop voor ProRail. Data-gedreven oplossingen kunnen de monitoring van het spoor deels automatiseren en opschalen. Hierbij moet je denken aan het sneller, beter en vaker detecteren van onveilige situaties, zoals personen of takken en andere objecten rondom het spoor. Hiermee kunnen meer ongelukken en vertraging voorkomen worden. Het detecteren van plaatsen waar onderhoud nodig is en het verbreden van het zicht van de machinist zijn ook voorbeelden van use-cases waar computer vision kan worden ingezet.”

Hebben jullie al resultaten weten te boeken?

Mathijn: “Jazeker, we hebben een oplossing ontwikkeld die alarm slaat als personen, fietsers of andere voertuigen zich bij overwegen op plekken bevinden waar zij niet mogen zijn. Met ruim 200 camera’s houden medewerkers van ProRail momenteel de veiligheid bij overwegen in de gaten, maar niet elk beeld kan constant in de gaten gehouden worden. Onze oplossing kan ze daarbij helpen.

De eerste stap was het ontwikkelen van een algoritme die de stand van de slagbomen detecteert. Dit doen we tot nu toe met een nauwkeurigheid van 94%! Wanneer het donker is of het zicht van de camera’s is geblokkeerd dan is het lastiger detecteren. Hier valt nog wel winst te behalen om tot nog een hoger percentage te komen.”

Jeroen: “Naast het detecteren van de stand van de slagboom, gebruiken we een bekend object detectie algoritme genaamd: YOLO. Dit algoritme detecteert bijvoorbeeld of er een persoon in beeld is en waar deze persoon zich bevindt. In combinatie met de stand van de slagboom zijn we in staat om een alarm te versturen op het moment dat de slagbomen dicht gaan en er nog personen op de overgang staan. Ook detecteren we personen die zich op het spoor of andere plekken bevinden waar ze niet mogen zijn. ProRail kan vervolgens een seintje geven aan machinisten of werknemers in de buurt of bijvoorbeeld de politie inschakelen. De truc is zorgen dat zoveel mogelijk onveilige situaties herkend worden, zonder dat we te vaak een vals alarm slaan. ”

Fantastisch! Waar richt de rest van het project zich op?

Mathijn: “Met camera’s op een trein zelf kunnen we niet alleen bij overwegen, maar ook op en langs het gehele spoor onveilige situaties detecteren. Hiermee kunnen we in kaart brengen waar zich vaak gevaarlijke situaties voordoen zodat bekeken kan worden waarom die situaties zich nou juist op die plekken zo vaak voordoen.”

Wilt u contact op nemen naar aanleiding van deze blog? Stel uw vraag aan mathijn.wilkens@capgemini.com