In samenwerking met ProRail en de TU Eindhoven onderzoekt Siemens Mobility  de uitwerking van social distancing-maatregelen op treinperrons. Hierbij wordt technologie ingezet, die gebruikt wordt om reizigersstromen te optimaliseren. De eerste resultaten van dit onderzoek zijn inmiddels gereed.

Siemens Mobility, ProRail en de TU Eindhoven monitoren en analyseren de loopstromen van reizigers op het perron. In hoeverre houden zij zich aan de opgelegde COVID-19-maatregelen? Hiertoe worden data uit intelligente sensoren gebruikt die op strategische locaties op de perrons zijn aangebracht. Op die manier kan inzichtelijk worden gemaakt waar de minimale afstand tussen personen wordt overschreden. Deze inzichten geeft input om de situaties op stations verder te verbeteren.

Privacy geborgd

De toegepaste sensoren op basis van kunstmatige intelligente communiceren met een cloud-omgeving. Ze monitoren looproute van reizigers en zetten dit om in coördinaten. Siemens Mobility is de sensoren in opdracht van ProRail op diverse stations aan het aanbrengen om reizigersstromen te tellen en te monitoren. ProRail wil hiermee de doorstroming op de perrons verbeteren, waardoor het reizigerscomfort toeneemt. “Naar aanleiding van de COVID-19-crisis hebben we besloten om de data ook te gebruiken om mensen op een  veilige manier toegang te verlenen tot het openbaar vervoer”, aldus Emilio Tuinenburg, Digital Transformation Officer bij Siemens Mobility Nederland. “Vanzelfsprekend wordt alle data geanonimiseerd volgens het privacy-by-design principe.”

Optimale doorstroming

Door real time inzicht te krijgen in de reizigersstromen kunnen ProRail en NS hun dienstverlening verbeteren. Het systeem geeft inzicht in de verspreiding van reizigers op het perron en routes die reizigers afleggen. Siemens Mobility heeft een raamwerkovereenkomst met ProRail gesloten voor het tellen van reizigers op perron. ProRail geeft aan wanneer en op welke stations het systeem geïmplementeerd wordt. Door in het ontwerp rekening te houden met het uitrollen over meerdere stations, kunnen er in korte tijd veel stations worden uitgerust met deze technologie. Siemens Mobility zorgt ervoor dat de data uit de sensoren real-time voor ProRail inzichtelijk worden gemaakt en borgt een goede werking van de sensoren. Inmiddels is dit voor Utrecht, Schiphol en Amsterdam-Zuid het geval.

Zelflerende voorspellingen

Tuinenburg: “De COVID-19-maatregelen waren niet de aanleiding om dit systeem te implementeren, maar het laat wel zien hoe snel je op basis van intelligente technologie aanvullende services kunt ontwikkelen. We zouden bijvoorbeeld met deze technologie ook de drukte op perrons kunnen gaan voorspellen. NS zou op basis hiervan de dienstregeling of het ingezette materieel flexibel kunnen aanpassen, zodat op drukke dagen meer mensen een zitplaats hebben in de trein.” Deze activiteiten sluiten aan bij het groeigebied ‘Vehicle and Traveler Flow’ van het Digital Lab van Siemens Mobility. “Als het lukt om deze data om te zetten in zelflerende voorspellingen kunnen we stappen zetten naar Demand Driven Mobility: vraag-gestuurde mobiliteit.”

Breed toepasbaar

De oplossing kan uiteraard ook op metrostations worden ingezet om reizigersstromen in goede banen te leiden. Te denken valt aan de metrostations in grote steden en de Randstadrail-stations. Tuinenburg: “We kunnen met deze technologie ook bepalen hoe goed P&R en carpoollocaties worden gebruikt of fietsers en voetgangers in de binnensteden tellen. Siemens Mobility beperkt zich niet tot oplossingen voor één enkele vervoersmodaliteit. We bieden complete mobiliteitsoplossingen aan.”