Het optimaliseren van het Real Time controlesysteem dat de besturing van het rioolstelsel regelt als het hard gaat regenen, was in Almelo de start naar het maken van een simulatiemodel en machine learning systeem voor efficiënt rioolbeheer, vertelt beleidsadviseur Marcel Roordink. In dit interview verkennen we de vraag: Hoever kun je gaan in het digitaliseren van het rioleringsbeheer?

Om destijds te voldoen aan de Basisinspanning is er in Almelo een RTC-besturingssysteem aangelegd en zijn in het gehele rioolstelsel op diverse punten sensoren geplaatst in stuwputten. Dit levert nu veel voordelen op, zo blijkt als Marcel Roordink daarover gaat vertellen. Hij is vanaf 2005 werkzaam bij gemeente Almelo en verantwoordelijk voor de steeds verder gaande digitale aanpak om inzicht te krijgen en het stelsel beter te benutten en te beheren. Nu het Fieldlab Camino-project RTC Almelo twee jaar draait, interviewen we hem om de eerste resultaten op te halen.

RIONED: Kun je ter kennismaking algemeen schetsen hoe jullie te werk gaan?

Marcel Roordink: De verbetering van de sturing van het rioolstelsel is in Almelo al jaren een hoofddoel. We zijn een klein en stabiel team dat verantwoordelijk is voor alle waterzaken in de gemeente, en we zijn nieuwsgierig en gedreven om de boel telkens te verbeteren.

We hebben dus al vrij lang op allerlei plaatsen sensoren hangen. Die sensoren geven ons inzicht in waar in het rioolstelsel delen (te) vollopen bij een regenbui, zodat we sneller kunnen reageren door te gaan pompen op specifieke plekken of water juist vast te houden. Daardoor kunnen we het water zo optimaal mogelijk door het rioolstelsel richting uiteindelijk de afvalwaterzuivering laten stromen en bijvoorbeeld overstortingen of water op straat zoveel mogelijk voorkomen.

Het RTC-systeem draait goed, maar verbetering is altijd mogelijk. Want veel is ervaringskennis, maar misschien kan het slimmer. Ook is er sprake van handwerk en menselijke inschattingen, terwijl een computer misschien wel slimmere keuzes kan maken. Gemeente Almelo en waterschap Vechtstromen zagen enkele jaren geleden daarom mooie kansen om nieuwe technologieën in de rioolwereld uit te proberen en besloten het Camino-project te starten. Met zeven organisaties wordt binnen dit project samengewerkt om via Artificial Intelligence waterstromen, onderhoud en energieverbruik te optimaliseren op basis van een logaritmen. We gebruiken hiervoor een simulatiemodel van het stelsel.

Om bij de basis te beginnen, je kunt alleen een goed werkend model krijgen als je data op orde is. Hoe doen jullie dat?

Marcel: Klopt, goede data is essentieel en het is echt een kwestie van consequent en continue steeds de verschillende delen van het rioolstelsel en de sensordata goed bekijken. In roulatie haal je steeds losse data (of een deel van de stad) eruit na een mooie bui. En ga je alles goed nakijken: klopt de data, haal de fouten eruit, kalibreren en valideren. Stuk voor stuk verbeter je daarmee de data van en inzicht in het stelsel van de stad. En dit doe je iedere keer omdat je goede data nodig hebt om goed te kunnen simuleren. Het model moet namelijk overeenkomen met de werkelijkheid. En niet te vergeten, voor een goed model is het ook belangrijk om de beheerdata op orde te hebben.

Wie werken er mee aan het simulatiemodel?

Marcel: We hebben daar verschillende partijen voor benaderd en aan tafel gekregen om een goed model te ontwikkelen. Dit doen we met onder meer Benchmark Electronics, een Amerikaans software bedrijf gevestigd hier in Almelo, met Deltares (i.v.m. gebruik van hun Sobek rekensoftware), Nelen en Schuurmans (i.v.m. het bouwen van de modellen), Inter Act (voor de telemetrie), World Class Maintenance (vanwege hun kennis over ‘voorspelbaar onderhoud’) en het waterschap Vechtstromen.

Hoe kies je je databronnen? En waar liep je tegen aan toen je die data ging verzamelen?

Marcel: Voor ons simulatiemodel zijn veel databronnen nodig die goed geborgd zijn in de gemeente. En dan ook alleen de databronnen waarvan de werkprocessen goed zijn en wat goed loopt. Denk aan beheerdata, kunstwerkendata, hydraulische data en ook de data van de aangesloten verharde oppervlakken. Je denkt: dan ben je er, maar dan kom je er opeens bijvoorbeeld achter dat er in een beheerpakket een overstortput op een bepaalde manier vermeld staat met een muur erin, wat net anders is dat het in werkelijkheid is. Voor een beheerder maakt het niet uit hoe die muur er precies in zit (hoogte/dikte) en hoe schuin die hoek precies is. Maar om te rekenen is het wel van belang. Waar zit de muur, zit het voor 1 of 2 leidingen en welk water loopt tegen de muur aan, etc.? Dat moesten we oplossen, stapje voor stapje. De details moeten kloppen.

Toen kwamen we op compartimentering uit, met behulp van GWSW-standaard. Hierdoor konden we alles goed beschrijven hoe het hydraulisch in elkaar steekt. Opgelost zou je denken. Alleen het beheerpakket GBI van Antea was hier nog niet helemaal op ingericht. Dus dat kostte nog even om het goed te krijgen. Het fijne was dat Antea al in gesprek was met jullie, Stichting RIONED, over het inbouwen van de standaard. Zij gingen in ons project meedenken en testen en kunnen voor hun software de puntjes op de ‘i’ zetten. Daardoor is binnenkort hun beheerpakket geschikt om data voor modellering conform het GWSW te leveren.

Het mooie is natuurlijk ook dat wat wij hier in Almelo ontwikkelen, dankzij de GWSW-standaard ook elders gebruikt kan worden. De software kan in principe met elke rioleringsdataset op basis van de standaard werken.

Met de data kan het model gevoed worden. Wanneer is het model bruikbaar?

Marcel: We zitten inmiddels in de laatste fase van het project. Het schiet al mooi op. We zijn nog bezig met kalibreren en valideren. Door het kiezen van bijvoorbeeld een mooie regenbui, die in het echt is gevallen, niet te veel en niet te weinig. Een mooie bui. En dat nabootsen in het simulatiemodel en dan vergelijken met wat we zien en meten in de werkelijkheid. Deze eindfase hebben we ook bereikt doordat we het Sobek systeem van Deltares gekoppeld hebben aan ons besturingssysteem. Dit was ook voor Deltares nieuw en nu weten we zeker dat voor de werkelijkheid en de theorie dezelfde besturingsregels gebruikt worden. Dat kostte nog wel wat extra ontwikkeltijd maar in de handleiding van Sobek is dit nu opgenomen met Almelo als voorbeeld. Da's toch leuk. Ik durf nu wel te zeggen dat we het project voor de zomer 2021 zouden willen gaan opleveren. Dan hebben we het RTC besturingssysteem weer een stuk verbeterd. Daarna moeten we besluiten of we de Machine-learning-tool nog verder gaan ontwikkelen zodat we die wellicht in de toekomst ook kunnen gebruiken. We zoeken daar nog nieuwe partners voor.

Ontwikkelmodel. bron: Fieldlab Camino Water - gemeente Almelo

De data en de koppeling RTC-model waren nodig om met kunstmatige intelligentie tot een zelflerend systeem te komen. Dat systeem kan de sturing overnemen bij grote regenbuien. Hoe gaat dat?

Marcel: We hebben gekozen voor een aanpak waarbij we het systeem niet continu laten ‘leren’, maar periodiek. Niet in de praktijk, maar in een simulatiemodel. Dan hebben we alles goed in de hand en kunnen we veel verschillende situaties en ook extremen doorrekenen, zonder afhankelijk te zijn van wat er in het echte stelsel en met het weer gebeurt. Maar let op, dit maakt dat het simulatiemodel dus wel heel goed moet kloppen met de werkelijkheid. Eerdergenoemde kalibratie en validatie zijn dus essentieel.

We hebben gekozen op het model een algoritme te zetten dat leert op basis van terugkoppeling, belonen en bestraffen eigenlijk. In het model wordt een groot aantal wijzigingen in sturingsparameters uitgeprobeerd en beoordeeld op de effecten. Waren die goed, dan krijgt het systeem bonuspunten. Pakten ze negatief uit, dan zal het algoritme dat voortaan minder makkelijk doen. Het is belangrijk om goed na te denken wat je gaat belonen zodat de computer weet waar hij op moet letten. Doe je dat niet goed dan kan het zo maar helemaal de verkeerde kant op gaan.

Omdat we niet alles tegelijk konden onderzoeken, hebben we ons eerst gericht op sturing van het water, waardoor er minder focus lag op de optimalisatie van energieverbruik, om maar wat te noemen. Dat zou een volgende stap kunnen zijn. We hebben als samenwerkingspartners vele plannen en ideeën, die we gaandeweg kunnen gaan simuleren.

Om nog wat voorbeelden te noemen: wat gebeurt er als je een aantal grotere buizen of extra berging gaat aanleggen op bepaalde plekken? Wat doet afkoppelen? Waar zou een interne stuwput kunnen helpen? Als er dan toch een overstorting moet plaatsvinden omdat de bui zo extreem is, welke locatie kan dat dan het beste om de minste problemen te veroorzaken? En wat gebeurt er als je het gemaal vaker of juist minder aanzet? Hoe voorkom je dat gemalen tegen elkaar in pompen? Is een flexibele overstort een goed idee?

Allemaal zaken die we nog kunnen onderzoeken. Met ons model kunnen we voorspellen wat beter werkt en het daarna in de werkelijkheid implementeren. En weer meten en daarmee het model weer verbeteren.

Grote projecten leveren ook inzichten op. Wat zijn de 3 wijze lessen?

Marcel: Je moet goed kijken waar je bepaalde zaken gaat beheren. Dat geldt niet alleen voor buizen, putten en meetsystemen, maar ook als het gaat om data en modellen. Als je het allemaal in één pakket stopt en een dataman of vrouw gaat er mee werken, dan loop je de kans dat als je daar naast beheerdata ook hydraulische data instopt, dat zo'n iemand weinig kennis heeft van hydraulische analyse en per ongeluk iets verandert en dat er zo fouten ontstaan. Wij hebben daarom van meet af aan afgesproken dat de hydraulische data niet in het beheerpakket worden bijgehouden maar in het telemetrie-systeem. Die keuze werd overigens gemaakt voordat ons duidelijk werd dat met het GWSW een beheerbestand óók als rekenbestand kan werken. Zo zie je dat ontwikkelingen in de tijd anders kunnen uitpakken en misschien op enig moment tot bijsturing gaan leiden.

Een andere wijze les is dat je het aan bestaande werkprocessen koppelt. En de derde wijze les is, heel logisch, maar toch wil ik het genoemd hebben, dat je alles vastlegt in een handleiding, zodat anderen er ook mee kunnen werken. Wat is waar aan gekoppeld en welke databronnen gebruik je, etc., etc. Alle stappen zoveel mogelijk vastleggen, want je wilt niet afhankelijk zijn van wat iemand in z’n hoofd heeft zitten.

Waren jullie nooit bang om data te verliezen door al dat gekoppel van datasets? Hoe houd je het overzicht?

Marcel: Nee, het klopt dat je data kunt verliezen, maar het verzamelen van de data bouw je rustig op. Al vinden rioolmensen de hoeveelheid data enorm, voor datamensen is het niet veel. Het is hun werk om overzicht te houden. Laat je daar niet door tegenhouden. En data waarvan je nu denkt: daar kunnen we niets mee, is over een paar jaar misschien waardevol.

Er was nog iets wat jullie beter in kaart wilden krijgen, namelijk het verhard oppervlak in Almelo. Ook daar hebben jullie gepionierd om tot een BGT-inlooptabel te komen. Welke inzichten heeft jullie dat gegeven?

Marcel: Ja, we hebben in ons systeem afgelopen jaren de data van het verhard oppervlak gekoppeld aan de BGT-vlakken. Dat scheelde veel uitzoekwerk en je blijft up-to-date. We hebben voor de hele stad bij elk vlakje aangeven waar het naar afwatert: regenwaterstelsel, gemengd stelsel, oppervlaktewater of infiltratie naar de bodem. Zowel voor openbaar als particulier terrein. En dit alles hebben we onder de BGT gehangen. Zodat we van alle oppervlakken weten hoe het regenwater afstroomt en in het simulatiemodel kunnen zien hoe het de werking van ons systeem beïnvloedt. Het voordeel voor bijhouden is nu dat elk vlakje een uniek id heeft. Bijvoorbeeld de stoep gaat eruit en wordt gras. Het vlakje krijgt ander id. Dan kun je een keer in de maand een uitdraai maken van de BGT en die leg je over onze kaarten en dan zie je welke id's er veranderd zijn. Dit passen we in het model nu nog deels handmatig aan, maar hierna is het simulatiemodel wel weer actueel en gebruiksklaar.

Daarnaast konden we met behulp van infraroodkaarten, die we hadden gebruikt voor de stresstesten, in tuinen zien wat verhard en onverhard is. En dat hebben we naast de BGT gehouden om te zien welk vlak begroeid terreindeel is en welke onbegroeid terreindeel (half verhard, met tegels of grind). Zo kregen we een beeld van de afwatering van de particuliere tuinen. Dat is heel bepalend, want zo'n 70% van de stad is particulier bezit en die regenbui kijkt niet waar hij valt. Zo konden we met verschillende varianten gaan rekenen hoeveel van het hemelwater uiteindelijk op het riool zou komen. Via trial & error hebben we een keuze gemaakt voor een percentage dat werkelijk tot afstroming komt. En die uiteindelijke berekening hebben we in het simuleringsmodel gestopt. En zoals al gezegd, dan kun je beter gaan bepalen waar afkoppelen effectief is en hoe regenwater verwerkt moet worden.

Kunnen andere gemeenten jullie aanpak ook toepassen?

Marcel: Zeker! Besef dat wij dit in vele jaren opgebouwd hebben, dus verwacht niet dat het een snelle invoering zal zijn. Je moet alle onderdelen opbouwen. We zijn nu bijna zo ver dat we als het ware met 1 druk op de knop automatisch een nieuw rioolmodel kunnen opbouwen. De data wordt steeds belangrijker, dus data van objecten, verharding, regenmeters en sensoren op orde hebben, dat is de eerste vereiste. Dan kunnen ze al met kaarten aan de slag. Dat proces hebben wij al uitgewerkt. De datachecker die wij met Nelen en Schuurmans hebben ontwikkeld, kunnen andere gemeenten ook gebruiken. De instrumenten en de processen, die kunnen ze van ons krijgen. De GWSW-standaard regelt Stichting RIONED, en de BGT-inlooptabel en een automatische tool om de toewijzing van BGT-vlakjes te maken, komen er ook aan, heb ik begrepen. En hopelijk kunnen wij in Almelo weer leren van anderen.

RIONED: Klopt, de handleiding voor een BGT-inlooptabel wordt eind deze maand door Stichting RIONED en STOWA gepubliceerd. De eerste versie van de BGT-inlooptool (plug-ins voor QGIS en ArcGIS) wordt op dit moment getest en zal over enkele maanden afgerond worden en voor gebruik vrijgegeven worden. Dankjewel voor dit inspirerende verhaal, Marcel. Hopelijk gaat jullie ontwikkelwerk veel beheerders, beleidsmedewerkers en adviseurs helpen in hun werk!

Meer weten?

GWSW-adviseurs kunnen gemeenten en waterschappen helpen met de GWSW-standaard en databeheer in het algemeen.

Van eenduidig uitwisseling naar open data

Het Gegevenswoordenboek Stedelijk Water (GWSW) is een open standaard voor het eenduidig uitwisselen en ontsluiten van gegevens in het stedelijk waterbeheer. In het beheer van stedelijk water en riolering worden data steeds belangrijker, mede door toenemende samenwerking bij meten en sturen van (afval)watersystemen. Zo’n 120 gemeenten en 6 waterschappen hebben nu een dataset op de GWSW-server en 39 van hen publiceren die ook op het veelgebruikte platform Publieke Dienstverlening op de Kaart (PDOK). De kaartlaag Stedelijk Water (Riolering) is zo voor iedereen te raadplegen. Bekijk de rioleringsdata op PDOK.

CROW definieert met InformatieModel Beheer Openbare Ruimte (IMBOR) alle typen beheerobjecten (bv. boom, brug, verhardingsobject). CROW en Stichting RIONED werken toe naar de situatie dat overheden conform de IMBOR en GWSW standaarden data eenduidig en via dezelfde talen en tools kunnen uitwisselen, delen en publiceren.

Stichting RIONED sprak eerder met:

Leendert van Wolfswinkel (Nelen & Schuurmans) en Jaco van den Bosch (J en L Datamanagement) over hoe gaan zij te werk en wat levert hun advies gemeenten op?

Ferry Heuvelman (Bodegraven-Reeuwijk) en Bob Zwartendijk (Nectaerra) over wat de GWSW-nulmeting de gemeente Bodegraven-Reeuwijk heeft opgeleverd.

GWSW-adviseurs zitten Marianne Kruger (Markrucon) en Marco van Bijnen (M. van Bijnen Advies) over Laat jezelf verrassen door de kracht van het GWSW.

Peter van Tilburg (gemeente Oosterhout) en Stefan Pols (Riox bv) over Aansluitleidingen mogen gezien worden en ook GWSW helpt daarbij.

Jeroen Lubbers en Frodo Reekers ( beide gemeente Almere) over Almere wil uniforme registratie voor beter beheer.

Freek Verhoef, programmamanager Stedelijk Beheer van Den Haag vertelt over het delen van riooldata op PDOK: Draai het om en zie de mogelijkheden.

Henrik Teeuwissen, (gemeente Almere) en Kees Groeneveld (RHDHV) over een pilot om met GWSW RibX beter inzicht te krijgen in de diverse calamiteiten aan het riool in Almere: Een schone auto was je ook niet.

Digitaal beheren krijgt in Almelo al jaren groen licht