Par Frédéric de Kemmeter – Signalisation ferroviaire et rédacteur freelance – Inscrivez-vous au blog
24/08/2020 – (English version)
🟧 Nos brèves quotidiennes 🟧 Notre lexique ferroviaire 🟧 Nos newsletters 🟧 Nos fiches thématiques
La technologie permettant de comprendre la végétation peut sembler incongrue. Pourtant, les applications dans le domaine de l’intelligence artificielle et des données peuvent aider à mieux évaluer la végétation sur une zone donnée, à comprendre les systèmes dynamiques complexes de cette végétation et à prendre des mesures correctives si nécessaire.
Notre environnement est une structure complexe. Souvent, les processus qui agissent en son sein sont compris individuellement, mais leurs interactions et leurs rétroactions entre eux sont plus difficiles à appréhender avec des approches classiques. L’influence humaine sur l’environnement augmente également la complexité. Un exemple de la complexité de notre environnement est l’exploitation d’une centrale électrique refroidie à l’eau. Cette centrale prélève l’eau d’une rivière pour son refroidissement et renvoie l’eau chauffée à la rivière. Si l’eau devient rare en cas de sécheresse ou si l’eau disponible est trop chaude, la centrale va s’arrêter. Par conséquent, le système de contrôle de la centrale doit être capable de prévoir l’évolution de l’état thermique de l’eau et en même temps être capable de reconnaître sa propre influence sur l’état de l’environnement. Cette tâche ne peut être résolue que par l’utilisation d’une Intelligence Artificielle (IA) spécialisée. Elle doit être capable de reconnaître les conditions climatiques limites à un stade précoce et de développer indépendamment des scénarios d’action pour empêcher l’arrêt des installations. Les chemins de fer doivent avoir le même raisonnement pour offrir un réseau parfaitement en ordre de marche.
Selon le gestionnaire d’infrastructure britannique Network Rail, la résilience d’un réseau est la capacité des actifs, des réseaux et des systèmes à anticiper, absorber, s’adapter et/ou se remettre rapidement d’un événement perturbateur. Suite aux multiples défaillances de l’hiver 2013/14, le ministère britannique des transports avertissait que la résilience physique du réseau devait progressivement être renforcée dans les années à venir. Ces défaillances avaient été causées par des problèmes majeurs de stabilité du terrain, causés par des infiltrations d’eau ou de végétation non optimale.
En octobre 2016, Network Rail lançait un marathon de deux jours de défis à l’industrie. Elle devait démontrer des solutions, en utilisant des données satellitaires, qui auraient pu alerter Network Rail sur une détérioration quasi certaine des actifs et d’une perte de capacité de service à venir. Pour Network Rail, ce marathon a clairement démontré que les besoins ne pouvaient pas être satisfaits et qu’une infrastructure linéaire mince comme une ligne de chemin de fer, constituée de pentes principalement recouvertes de végétation, ne pouvait pas encore être surveillée de manière adéquate depuis l’espace. Les experts déclaraient à l’époque que « bien que l’on considère que les techniques ont déjà atteint le niveau opérationnel, il est évident que tant dans la recherche que dans la pratique, nous commençons seulement à bénéficier de l’imagerie haute résolution qui est actuellement acquise par les satellites de nouvelle génération. Il est très difficile de mesurer des déplacements dépassant quelques dizaines de cm par an et de fortes déformations non linéaires. » Mais la technologie s’est considérablement améliorée depuis.
Construit au XIXème siècle, le réseau ferroviaire est totalement inséré dans une végétation qui a repris ses droits au fil des décennies. En Allemagne, environ 70% des voies de la DB passent par des zones boisées. Ces dernières années, la DB, comme d’autres réseaux ferroviaires, a considérablement étendu l’entretien de la végétation le long de ses lignes pour les rendre plus résistantes aux tempêtes. Avec environ 33.400 kilomètres de voies ferrées, cela signifie que des millions d’arbres et de plantes doivent être examinés pour déterminer leur résistance aux tempêtes en raison de leur emplacement, de leur état ou de leur forme. En Allemagne, certaines tempêtes ont déjà provoqué l’arrêt d’un tiers du réseau ferré, particulièrement dans le nord et l’Est du pays. Rien qu’entre 2015 et 2017, il y a eu plus de 830 collisions de trains avec la végétation causées par des tempêtes, ce qui a coûté des millions à la compagnie publique allemande. Le phénomène est donc pris très au sérieux.
Les opérateurs de réseau d’infrastructure utilisent principalement des solutions manuelles, rigides et étroitement ciblées, par exemple l’utilisation de voitures ou d’hélicoptères pour surveiller les réseaux d’infrastructure, malgré la disponibilité de données satellitaires. Ces processus de surveillance manuels sont souvent inefficaces et entraînent des coûts d’exploitation réseau élevés. La surveillance ou l’inventaire à grande échelle des réseaux couvrant tout un pays peut prendre des années avec les méthodes utilisées jusqu’à présent.
C’est pourquoi la Deutsche Bahn s’est appuyée sur une gestion professionnelle de la végétation. Environ 1.000 employés de DB Netz sont impliqués dans tous les aspects de la gestion des forêts et de la végétation qui bordent les voies. Dorénavant, la technologie digitale les aide dans leur tâche. La Deutsche Bahn enregistre maintenant les arbres depuis l’espace pour s’assurer de leur résistance aux tempêtes. Les satellites enregistrent le nombre d’arbres, la distance entre la végétation et les traces et la hauteur à laquelle les arbres poussent tout au long du réseau ferroviaire. Pour ce programme, la Deutsche Bahn a considérablement augmenté les ressources financières, et 125 millions d’euros sont disponibles chaque année pour l’entretien de la végétation. DB Netz ne fait évidemment pas cela seul.
L’opérateur de réseau allemand s’appuie sur LiveEO, une start-up berlinoise qui a participé en 2018 à la mindbox, un incubateur de start-up de la Deutsche Bahn AG, qui donne aux innovateurs la possibilité de tester et d’accélérer leurs idées et leurs produits au sein de la compagnie ferroviaire. Avec ce programme, la Deutsche Bahn soutient les jeunes entrepreneurs et les innovateurs. Ce soutien dure 100 jours pour de jeunes entreprises qui ont des idées d’amélioration pour les chemins de fer – entre autres grâce à un coaching approfondi ainsi qu’à un capital de départ de 25.000 euros. Cette aide est complétée par des essais de prototypes en conditions réelles et par un travail en commun au sein de la mindbox de la DB.
C’est dans ce cadre que LiveEO développe une méthode d’observation de la terre sur de grandes surfaces, dans laquelle les images satellites sont évaluées à l’aide de l’apprentissage automatique (Machine Learning en anglais), un procédé typique de l’IA. Au sein de la mindbox, LiveEO a pu améliorer l’application et la mettre en œuvre pour la première fois avec succès.
Comme l’explique Sabina Jeschke, directrice de la numérisation et de la technologie à la Deutsche Bahn, l’idée est d’anticiper au maximum un possible incident. Où les experts en végétation du chemin de fer doivent-ils se rendre de toute urgence ? Quels sont les arbres et les plantes qui ne sont pas capables de supporter des conditions météorologiques de plus en plus extrêmes ? Quelle végétation est plus résistante que l’autre ? Que faut-il maintenir ou planter comme végétation pour consolider un talus ou une tranchée ? Jusqu’à quel niveau la végétation peut-elle pousser avant de provoquer des problèmes d’adhérence (patinage) ?
La DB envoie régulièrement des drones sur son réseau depuis 2015. Une flotte de 20 engins volants est désormais en service dans toute l’Allemagne. Ils sont équipés de caméras – la plupart du temps pour des vidéos, des images numériques haute résolution ou des enregistrements infrarouges. Pour le contrôle de la végétation le long des voies ferrées, les drones survolent les zones avec des caméras infrarouges. Les images sont vérifiées pour détecter les arbres malades qui pourraient tomber sur la voie en cas de vent violent. L’analyse photographique génère entre 3 et 5 gigaoctets de données par kilomètre de voie. Les données sont évaluées à l’aide de Big Data Analytics. La procédure est très fiable : les arbres qui ne résistent pas aux tempêtes sont détectés avec une probabilité de 95 %.
LiveEO ne dispose pas de ses propres satellites et doit alors utiliser des images optiques de la planète prises par le satellite Pléiades d’Airbus. La constellation de satellites Pléiades est composée de deux satellites optiques d’imagerie terrestre à très haute résolution qui couvrent la planète avec un cycle de répétition de 26 jours. Ces données satellitaires à haute résolution se présentent sous la forme d’images stéréoscopiques, ce qui permet à LiveEO d’en comparer et d’en déduire des profils de hauteur des arbres. LiveEO utilise l’imagerie multibande à différentes résolutions pour distinguer la végétation et les actifs du réseau, l’imagerie stéréo pour estimer la hauteur des arbres, la détection des différences pour identifier les changements, et l’interférométrie pour détecter les affaissements et autres distorsions du sol au niveau du cm près. LiveEO développe ses propres données de formation interne pour les algorithmes d’apprentissage machine.
Le fait de pouvoir détecter avec précision la hauteur des arbres à proximité des lignes de chemin de fer améliore la sécurité, permet d’identifier les arbres à risque élevé et à faible risque et réduit le coût du déboisement. Deutsche Bahn peut désormais économiser environ 25% de ses dépenses opérationnelles.
LiveEO produit actuellement une carte numérique des forêts le long des lignes de chemin de fer pour la Deutsche Bahn. Les images satellites sont utilisées pour enregistrer avec précision les populations d’arbres, la distance entre la végétation et les voies ferrées, et la hauteur à laquelle les arbres poussent. Cela permet à DB d’identifier encore mieux les arbres particulièrement sensibles aux tempêtes et de les traiter à temps. La particularité de LiveEO est qu’il ne reste que des données sur la végétation, alors que les drones capturent « tout ce qui se trouve à proximité de la piste », sans distinction, ce qui demandait beaucoup de travail et de temps pour nettoyer les cartes. Cela démontre toute l’importance des incubateurs, qui permettent de capter des idées qui ne peuvent pas toujours naître au sein de grande entreprise très hiérarchique comme une compagnie ferroviaire. Et surtout dans les matières digitales, qui demandent des connaissances sans grand rapport avec le métier ferroviaire.
Anticipation
La technologie de LiveEO permet de prioriser et d’optimiser non seulement la gestion de la végétation, mais aussi de revoir les processus en cas d’interruption de service. La quantité de données est telle que seule une IA peut les synthétiser en un temps record et réduire la durée des interruptions. La combinaison de la planification des ressources de l’entreprise, de l’imagerie satellite, de l’apprentissage machine (ML) et de l’intelligence artificielle (IA) permet de mieux répondre aux défis de la gestion de la végétation.
- L’imagerie satellitaire haute définition combinée à de multiples capteurs peut éliminer le processus laborieux d’envoi de personnel sur le terrain qui effectue manuellement un repérage sur le terrain et collecte des données.
- Les algorithmes ML/AI peuvent traiter les données pour identifier les endroits spécifiques où la végétation pourrait empiéter ou interrompre les opérations et aider les équipes des chemins de fer à repérer des endroits précis pour couper ou enlever la végétation.
- Des tableaux de bord peuvent repérer les alertes déclenchées par les algorithmes.
- L’utilisation simultanée de l’inventaire des espèces d’arbres et des données météorologiques permet d’optimiser encore davantage les systèmes.
- Les solutions ERP intégrées peuvent permettre d’automatiser davantage l’engagement des équipes en planifiant et en programmant les ordres de travail et en suivant les mises à jour de l’exécution dans le cadre des paramètres fixés par le budget.
- Les solutions ERP peuvent être combinées avec des solutions mobiles sur le terrain pour permettre aux équipes de terrain de saisir les détails pendant la coupe de la végétation.
LiveEO vend en fait deux produits. Le premier est le « frontend » qui est conçu pour les décideurs et les gestionnaires et qui fournit une vue d’ensemble du réseau. Le second est une application mobile qui permet au personnel sur le terrain de prendre en charge des tâches spécifiques de gestion et de documenter l’avancement du traitement. « Cela permet une communication transparente entre tous les niveaux d’utilisateurs, » explique Sven Przywarra, co-fondateur de LiveEO GmbH.
Mais la DB se concentre également sur la gestion des perturbations majeures, et en particulier sur l’information aux passagers. Si une perturbation empêche les trains de poursuivre leur route ou les détourne, le besoin d’information des voyageurs augmente drastiquement. Pour la Deutsche Bahn, la principale préoccupation est donc de ne pas créer un vide d’information et de tenir les clients informés aussi rapidement et continuellement que possible. Il est alors nécessaire de disposer des bonnes informations le plus rapidement possible. Où se trouve exactement « l’arbre sur la voie » ? Quelles lignes sont bloquées ? Quels sont les trains arrêtés ? Où les trains sont-ils garés ? Qu’est-ce que cela signifie pour l’ensemble de l’exploitation ferroviaire ? C’est là que LiveEO entre à nouveau en jeu. « Les données satellitaires pourraient nous être d’une aide énorme, même en cas de panne. Cette année (2020), nous prévoyons de tester si la technologie peut nous donner un aperçu plus rapide de la situation sur les lignes en cas de perturbation que ce qui est possible actuellement. L’objectif est de maintenir la phase d’incertitude pour les clients aussi courte que possible et de publier une prévision le plus tôt possible, » explique Sabina Jeschke. Qui montre aussi les possibilités de l’IA au sein des chemins de fer : « les assistants linguistiques ou les « chat bots » pourraient également être utiles, car les systèmes intelligents aident les employés à faire face rapidement à l’augmentation soudaine du besoin d’informations. »
LiveEO est un bon exemple d’entreprise qui applique des analyses d’énorme quantité de données d’observation de la Terre pour fournir un service précieux, plus sûr et moins coûteux que l’approche traditionnelle de surveillance de la végétation des lignes ferroviaires. De nos jours, il existe une pléthore d’images satellites avec une résolution allant jusqu’à un cm et une fréquence de plusieurs fois par jour. L’imagerie satellitaire est de plus en plus compétitive, ce qui en fait baisser le coût. Il existe d’autres applications innovantes qui utilisent l’interférométrie radar par satellite pour détecter les affaissements, qui sont un grand danger pour le réseau ferroviaire.
Avec près de 2000 satellites en direct autour du globe, obtenir une image détaillée de n’importe quelle partie de la surface de la Terre n’est plus un problème. Le défi consiste à déterminer ce qu’il faut faire de toutes ces images. L’analyse des données géospatiales est le prochain grand marché de l’espace. Il est certain que les prochaines années vont voir une forte hausse de l’utilisation combinée des images satellites et de l’IA pour augmenter la sécurité de la gestion des actifs d’un réseau ferroviaire et prévenir les dangers futurs, y compris par intégration en temps réel de données météo…
Sources :
2018 – Network Rail – Earthworks Technical Strategy
2019 – Sifted – Maija Palmer – Airbus launches satellite data platform
2020 – Geof Zeiss – Using satellite imagery to prioritize vegetation management for utilities
2020 – Deutsche Bahn – Prof. Dr. Sabina Jeschke – Ruhe in den Sturm bringen
2020 – Eisenbahn Journal – Stefan Hennigfeld – Vegetationspflege mit künstlicher Intelligenz
24/08/2020 – Par Frédéric de Kemmeter – Signalisation ferroviaire et rédacteur freelance
Inscrivez-vous au blog
Mediarail.be - Rail Europe News 