Waterdiepte Waal

Is het mogelijk om via machine learning de waterdiepte van de rivier de Waal te voorspellen? Zodat er efficiënter gebaggerd of slimmer beladen kan worden? Deze vraag gaat HKV verkennen met 10.000 euro seedmoney van DigiShape. We spraken projectleider Andries Paarlberg van HKV: wat gaan ze precies doen? En wat hopen ze hiermee te bereiken?

Wat ging er aan jullie innovatie vooraf?

Andries pitch440“Begin 2021 won Heijmans met onderaannemer Martens en Van Oord de aanbesteding van Rijkswaterstaat voor een 5-jarig contract om de vaargeulbodem van onder meer de Waal te onderhouden. Op de Waal zijn continu baggerwerkzaamheden nodig om de rivier veilig bevaarbaar te houden. HKV adviseert en ondersteunt de aannemer bij deze werkzaamheden. Voor de aannemer, maar ook voor Rijkswaterstaat en de scheepvaartsector, is het belangrijk om te allen tijde te weten hoe de rivier erbij ligt. Dat gebeurt met schepen die de waterdiepte doorlopend meten. In 2021 zijn we deze data gaan ontsluiten en hebben we een Digital Twin van de vaarweg gemaakt: een virtuele kopie van de rivierbodem. Alle data worden zo real-time mogelijk verwerkt. Zo geven we de aannemer en Rijkswaterstaat steeds inzicht in de ligging van de vaargeulbodem en onderhoudsvolumes. De volgende stap is om, naast meten, de waterdiepte enkele dagen tot een week vooruit te kunnen voorspellen.”

Wat is daarvan het voordeel?

“Met een voorspelling van de bodemligging en waterdiepte kan vaargeulonderhoud duurzamer worden ingericht. We kunnen onderhoudswerkzaamheden dan concentreren op precies dié locaties waar scheepvaartknelpunten kunnen ontstaan. Dat scheelt brandstof en CO2-uitstoot. Nu worden de ‘hotspots’ – locaties waar frequent onderhoud nodig is – iedere week volledig ingemeten; met voorspellingen kan dat straks veel gerichter. Zo sluiten we aan bij het gedachtengoed van datagedreven onderhoud. Daarnaast profiteert de scheepvaartsector van een voorspelling van ondieptes (Minstgepeilde Diepte, MGD) in de vaargeul, om de beladingsgraad in droge tijden beter af te stemmen op de verwachte condities.”

Wat gaan jullie precies doen?

“In juni zijn we aan de slag gegaan met een proof of concept. Bij HKV hebben we ervaring met veel typen algoritmes. Bijvoorbeeld algoritmes om hevige buien te voorspellen of scheuren in dijken te detecteren. We willen nu nagaan: hoe kunnen we het algoritme het beste ontwikkelen voor het voorspellen van de waterdiepte van een rivier?”

Wat levert dit de DigiShape community op?

“Dit project is een opstap richting voorspellingen van bodemliggingen van rivieren en watersystemen in het algemeen, dus niet alleen van de Waal. Daar kunnen anderen van profiteren. En we hebben de community ook nodig: we moeten ontdekken hoe bruikbaar machine learning is voor dit soort (rivier)vraagstukken. Machine learning heeft op andere vlakken haar waarde al bewezen, er is dus potentie. Hiervoor moeten we leren en durven te experimenteren. Dat is spannend, want meten geeft natuurlijk meer zekerheid. Maar samen kunnen we elkaars kennis versterken en steeds betere voorspellingen gaan doen.”

Meer weten of samenwerken?

Wil je meedenken over of meedoen met dit innovatieve project? Neem dan contact op met Andries Paarlberg via Dit e-mailadres wordt beveiligd tegen spambots. JavaScript dient ingeschakeld te zijn om het te bekijken. of met Joost Stenfert via Dit e-mailadres wordt beveiligd tegen spambots. JavaScript dient ingeschakeld te zijn om het te bekijken..

Dataopslag en uitwisseling

We werken zoveel mogelijk met open source producten en willen de tool zo goed mogelijk laten aansluiten op het daadwerkelijke gebruik. Daarom organiseren we in elke fase van het project workshops met de DigiShape community om input en feedback te vragen van eindgebruikers en specialisten. Zo krijgen we een compleet beeld van de mogelijke databronnen en kijken we ook samen naar de benodigde functionaliteit en de analysemogelijkheden.

Joost Stenfert, HKV Lijn in Water

Programmalijn Dataopslag en Uitwisseling