NGinfra – Optimaliseren brugbediening van de Botlek- & Spijkernisserbrug

Havenbedrijf Rotterdam, ProRail en Rijkswaterstaat hebben besloten om de handen ineen te slaan en samen te kijken naar de beste oplossingen voor de infrastructuur van de toekomst. Onder de naam NGinfra, die staat voor Next Generation Infrastructures, delen en creëren ze kennis, kunde, wetenschappelijke onderzoeken, visies, werkwijzen en opinies met elkaar en denken ze alsof het één infrabedrijf is. Met als doelstelling: Een zo goed mogelijke infrastructuur realiseren om daarmee de basis te vormen voor een zo goed mogelijke economie en kwaliteit van leven binnen Nederland.

Impact van de brugopeningen minimaliseren voor alle vervoersmodaliteiten

Doel

Iedereen in Zuid-Holland kent de Botlek- en Spijkenisserbrug maar al te goed. De bruggen zijn namelijk een belangrijke schakel voor weg-,spoor- en scheepvaartverkeer. Het huidige brugopeningsregime luidt dat bij aanbod van hoge scheepvaart de bruggen moeten worden geopend, ongeacht de verkeersdrukte of aankomende treinen.

De vele openingen, lange wachttijden en de storingen leiden tot vele ergernissen bij weggebruikers, goederentreinen en de lokale politiek. Aan ons de vraag om samen met de Nginfra partners te onderzoeken met een eerste Proof of concept (Poc) of we door middel van data de brugbediening van de Botlek- & Spijkenisserbrug kunnen optimaliseren. We hopen hiermee de impact van de brugopeningen te minimaliseren voor alle vervoersmodaliteiten: Scheepvaart, goederentreinen en het wegverkeer.

Aanpak

Congestiemodel
Om de impact van een brugopening op het wegverkeer te meten hebben we voor beide bruggen een congestiemodel gemaakt waar het wegennetwerk rondom schematisch wordt doorgegeven. Het model simuleert een brugopening waardoor het verkeer opgehouden wordt. Op basis van deze configuratie wordt bepaald welke wegen vollopen. Zodra de brug weer gesloten wordt, wordt de rij dicht bij de brug opgelost en loopt vanuit daar door totdat in zijn geheel al het verkeer bij de kruispunten weer goed kan doorlopen. Alle voertuigen die nog staan te wachten door de hinder van de wegblokkade worden meegeteld als voertuig verlies uren (VVU).

Voorspellen verkeersdrukte
In dit onderzoek is gekozen voor Long Short-Term Memory (LSTM) om de verkeersintensiteiten voor de twee bruggen te voorspellen. In dit model wordt de verkeersintensiteit van de afgelopen 120 minuten ingevoerd. Op basis hiervan maakt het model vervolgens per minuut een voorspelling van de komende 60 minuten.

Voorspellen aankomsttijd van scheepvaart
Om een beeld te krijgen van het scheepvaartverkeer, maken we gebruik van AIS-data (Automatic Identification System).  Schepen hebben een AIS-transponder waarmee ze een bericht uitsturen met hun locatie. Dit AIS signaal wordt gekoppeld met het bestemmingsplan. Met bestaande algoritmes wordt bepaald of het schip de brug gaat passeren. Wanneer het schip de brug(gen) passeert wordt een voorspelling gemaakt van Expected Time of Arrival. Dit doet het model op basis van de afstand van het schip tot de brug en de gemiddelde snelheid van het schip over de afgelopen 3 minuten. De afstand die het schip nog moet afleggen wordt bepaald volgens bepaalde vaarwegen. Daarom maken we gebruik van een kortste pad algoritme op een netwerk gebaseerd op het Nationaal Wegenbestand Vaarwegen (een basisbestand die alle vaarwegen van Nederland weergeeft).

Resultaten

Onze PoC toont de mogelijkheid aan om door middel van data het brugopeningsprocess te optimaliseren.

We kunnen laten zien dat we de impact van een brugopening op filevorming kunnen simuleren. Uit het congestiemodel blijkt dat een gemiddelde brugopening in de avondspits leidt tot meer dan 100 VVU en meer dan 1 ton CO2-uitstoot ten gevolge van file. Wanneer de brugopeningen tijdens de avondspits in de maand juni verplaatst zouden worden naar buiten de spits scheelt dat ongeveer 4500 VVU en 24 ton C02 uitstoot.

Het is belangrijk dat we inzicht hebben in aankomende scheepvaartverkeer, treinverkeer en verkeersdrukte.  Zo kunnen we de tijden van brugopeningen beter inplannen. Met de huidige data is het mogelijk om een accurate voorspelling van de verkeersdrukte te maken met behulp van een LSTM model. Met de voorgestelde verbeteringen voor de analyses, hebben we ook vertrouwen in het accuraat voorspellen van aankomsttijden van schepen. Helaas blijft de voorspelling van aankomsttijden van goederentreinen nog een uitdaging, doordat deze planning vaak op het laatste moment aangepast wordt.

Toekomst?

Op de lange termijn willen wij een integraal-verkeersmanagement systeem ontwikkelen ter ondersteuning van de brugoperator. Dit zien wij voor ons als een dashboard waarin de informatiestromen van de verschillende vervoersmodaliteiten samenkomen. De verwachte treinen, schepen en verkeersdrukte voor de komende dag worden hierbij weergegeven. Op basis van deze gegevens wordt een optimale brugopeningstijd weergegeven, waarbij de totale impact veroorzaakt door de brugopening geminimaliseerd wordt.