Smart prediksjon av isdannelse gir tryggere drift av Bybanen i Bergen

Utfordringen

Bakgrunnen for at dette prosjektet ble satt i gang var todelt. Først og fremst var det behov for et varslingssystem som varsler om fare for isdannelse, men det var også et ønske fra Bybanen om å etablere en dataplattform – og dette prosjektet var et perfekt prøveprosjekt for å etablere en plattform for analyse av stordata.

Bybanen har i lengre tid hatt prosesser for isprediksjon, men disse har tatt utgangspunkt i manuell avlesning av data fra andre parter, som for eksempel YR.no. Vurderinger om behovet for avising har deretter blitt tatt ved å kryssjekke disse dataene opp mot modeller for vurdering av isdannelse.

Utfordringen med denne måten å løse det på har vært at det krever mye tid og ressurser. Fordi været ofte er så ustabilt, er det også lett å vurdere været feil. Uten et varslingssystem vil det i tillegg forekomme situasjoner hvor det blir glemt å vurdere fare for isdannelse fordi det opplevde været ikke tilsier at det skal danne seg is.

Bybanen har i løpet av de siste årene hatt flere driftsforstyrrelser på grunn av is på kjøreledningen. I disse tilfellene ble det store stans i trikketrafikken, noe som skapte problemer både for Bybanen og deres passasjerer. Disse hendelsene har vært en utløsende årsak til at Bybanen ønsket et nytt system som overvåker forholdene og som basert på forskningsmodeller alltid varsler når det kan være fare for isdannelse. Det har også vært viktig for Bybanen å standardisere hvordan været blir tolket for å ikke legge for mye ansvar på enkeltpersoner.

Løsningen

For å løse utfordringen ble det kartlagt hvordan den manuelle analysen ble utført, og modellen for denne analysen ble skissert slik at den kunne bli automatisert. Det gamle systemet hadde gode parametere som lå til grunn for å vurdere når det skulle avises, men utfordringene lå altså i brukervennlighet og tidsbruk. Den gamle modellen brukes fortsatt, men sammen med en vitenskapelig modell der de to modellene sammen utgjør et nytt system for varsling om fare for ising.

I det nye systemet har vi satt opp en dataplattform som henter ut data fra API-er hos Meteorologisk institutt, som har svært gode målinger på de parameterne Bybanen ønsker å måle. De aktuelle parameterne er blant annet duggpunktstemperatur, luftfuktighet, temperatur og skydekke. Disse fremlegges og visualiseres nå i en oversiktlig Power BI-rapport, hvor resultatene vurderes opp mot forskningsbaserte prediksjonsmodeller. Hvis tallene fra parameterne tilsier at det vil forekomme isdannelse, går det automatisk ut en varsling til operatørene av Bybanen. Disse har også vært svært delaktig i utviklingen av løsningen, og på denne måten har vi sørget for at verktøyet som er laget er et verktøy de har lyst til å ta i bruk

Modellene vi har bygget er laget i Python og kjører i Azure Databricks, og dataene som produseres der samles opp i dataplattformen, nærmere bestemt i en SQL-database som vi bruker i Power BI-rapportene.

Verdi for kunden

Det er flere gevinster av dette prosjektet. Bybanen får nå sikrere og grundigere prosesser for varsling av potensiell isdannelse på kjøreledning, samtidig som arbeidet for operatørene blir enklere. Varslingssystemet vil også føre til færre driftsforstyrrelser og dermed mindre stans i trafikken.

Det andre delen av prosjektet var at Bybanen skulle teste ut om de skulle ta i bruk dataplattform, og siden dette prosjektet var så vellykket, holder vi nå å integrere andre datakilder i Azure datasjø, som blant annet sensordata, tidsseriedata, RFID-data, og passasjerdata. Senere skal dette føre til at Bybanen skal kunne gjøre blant annet prediktivt vedlikehold, automatisk trigge arbeidsordre og ha bedre forståelse for hvordan ulike prosesser kan optimaliseres gjennom «Business Intelligence».