SNCF wil 95% nauwkeurige LiDAR-technologie voor het scannen van geassen uitbreiden naar het hele netwerk

De LiDAR-technologie van de SNCF voor het scannen van vegetatie langs het Franse spoor is nu tot 95% nauwkeurig. Nu wil de Franse spoorbeheerder VEGESCAN uitbreiden naar het hele netwerk. En er is zelfs interesse in de technologie van snelwegbeheerders. Maar de SNCF is niet de enige die met deze technologie aan de weg timmert…

SNCF Réseau gaat verder met haar op LiDAR gebaseerde vegetatiedetectiesysteem in het kader van het VEGESCAN-project, nadat de analyse een nauwkeurigheid van 90-95 procent bevestigde. Met deze mijlpaal bereidt de Franse spoorweginfrastructuurbeheerder zich voor op uitbreiding van het systeem over het hele netwerk, na jaren van succesvolle tests en optimalisatie.

Met 28.000 kilometer aan spoorlijnen in Frankrijk, waarvan bijna 16.000 kilometer geëlektrificeerd met bovenleidingen, is vegetatiebeheer een belangrijke uitdaging op het gebied van veiligheid. Boomtakken die tijdens stormen worden afgerukt of overmatige vegetatiegroei kunnen bovenleidingen, de bovenleidingen die de verbinding vormen met treinen, verstoren en het treinverkeer verstoren. Ondanks regelmatige handmatige interventies blijft de groei van de vegetatie tussen geplande opruimingen een risico.

SNCF Réseau lanceerde in 2019 VEGESCAN om de vegetatiebewaking te verbeteren met behulp van LiDAR-technologie (Light Detection and Ranging), waarop het bedrijf nu patent heeft. De LiDAR-scanners zijn gemonteerd op spoorvoertuigen (ESV’s) en maken gedetailleerde 3D-kaarten van de omgeving door de tijd te meten die laserstralen nodig hebben om op objecten terug te kaatsen. Hierdoor kunnen ingenieurs de dichtheid van vegetatie en de nabijheid van spoorweginfrastructuur analyseren.

Jaarlijks 180.000 kilometer spoor scannen

De technologie wordt momenteel gebruikt op de drie ESV’s van SNCF Réseau, die samen 180.000 kilometer spoor per jaar scannen met een snelheid van 70 km/u. De ruwe gegevens, jaarlijks goed voor 150 tot 200 terabytes, worden opgeslagen in de cloud en verwerkt door ingenieurs van de eenheid Data 3D Heritage van SNCF Réseau.

Door de vegetatiedichtheid in verschillende lagen te analyseren, genereert het systeem warmtekaarten die gebieden markeren waar de vegetatie de belangrijkste spoorweginfrastructuur, zoals bovenleidingen, aantast. Deze gegevens worden vervolgens ingevoerd in SIGMA, de operationele applicatie van SNCF Réseau, waardoor onderhoudsteams nauwkeuriger en efficiënter prioriteiten kunnen stellen voor interventies.

Na een validatiecampagne over honderden kilometers in de Landes, Vogezen en Jura werd een nauwkeurigheid van 90-95 procent bevestigd. Zelfs bij het vergelijken van de gegevens dagen nadat de treinen waren gepasseerd, vonden de veldteams de waarnemingen van het systeem zeer betrouwbaar. Met zo’n hoog succespercentage is SNCF Réseau nu van plan om VEGESCAN uit te breiden over het hele nationale netwerk, waarbij de oplossing concurrerende kosten per kilometer biedt en naar verwachting de efficiëntie van het onderhoud zal verbeteren en tegelijkertijd de kosten zal verlagen.

Naast de spoorwegsector, zegt SNCF dat exploitanten van snelwegen interesse hebben getoond in het gebruik van de technologie om de vegetatiegroei langs snelwegen te monitoren, wat een potentiële nieuwe commerciële kans betekent voor SNCF Réseau.

LiDAR-spoortechnologie breidt zich uit over Europa

SNCF is niet de enige die investeert in op LiDAR gebaseerde vegetatiebewaking. Het Belgische Infrabel gebruikt LiDAR sinds 2018 ook in samenwerking met Kapernikov en ontwikkelde een geautomatiseerd systeem voor vegetatiedetectie. Het systeem, dat op spoortreinen is gemonteerd, scant twee keer per jaar het hele netwerk en gebruikt AI-gestuurde algoritmen om de vegetatie te classificeren en waarschuwingen te genereren om in te grijpen.

In tegenstelling tot VEGESCAN van de SNCF, dat LiDAR-gegevens integreert in zijn SIGMA-toepassing voor onderhoudsplanning, is het systeem van Infrabel en Kapernikov volledig geautomatiseerd, categoriseert het de vegetatie volgens risiconiveau en genereert het onmiddellijk waarschuwingen. Het systeem definieert veiligheids- en interventielijnen, zodat alleen problematische vegetatie aanleiding geeft tot onderhoudsmaatregelen. Met dit op prioriteiten gebaseerde interventiesysteem is Infrabel er in feite in geslaagd om de onderhoudsschema’s te optimaliseren, de operationele kosten te verlagen en de veiligheid op het spoor te verbeteren.

Gelukkig zal de CEO van Kapernikov, Rein Lemmens, aanwezig zijn op onze komende RailTech België-conferentie om te bespreken hoe de AI-gestuurde voorspellende onderhoudsoplossingen van zijn bedrijf in de praktijk helpen om het Belgische spoornetwerk een nieuwe vorm te geven. Zoals hij eerder deze week aan RailTech vertelde tijdens ons webinar voor RailTech België: “Voor bedrijven die nog steeds volledig vertrouwen op tijdgebaseerd onderhoud, kan het idee om schema’s aan te passen – sommige taken eerder doen en andere later – een schok of een grote operationele uitdaging zijn. Het is gewoon minder voorspelbaar.

Meer weten over AI-gedreven onderhoud? Met panels, key note speeches en tal van andere panels en workshops over de hot topics van onze sector, kom naar RailTech Belgium 2025 om bruikbare inzichten te krijgen, in contact te komen met marktleiders en de toekomst van het spoor in België en daarbuiten vorm te geven. Bekijk ons conferentieprogramma en verzeker je vandaag nog van een plaats – inschrijvingen zijn nu open!