Een wereld zonder riool, je wilt het je niet voorstellen! Met zo’n 150.000 km rioolpijp in de Nederlandse bodem is het rioleringssysteem een van de belangrijkste infrastructuren. Goed onderhoud is cruciaal, maar duur. Lisa Scholten onderzoekt een nieuwe inspectiemethode en een manier om de besluitvorming rondom rioolonderhoud beter te begrijpen.
Nu of later ingrijpen?
“Rioolbeheer begint bij een goede inspectie. Hiervoor heb je de juiste gegevens over de staat van het riool nodig, die je ook correct moet kunnen analyseren. Het doel is om een onderhoudsbeleid voor de lange termijn te kunnen opstellen die de mogelijke problemen voor is. Met de huidige inspectiemethode en besluitvorming is dat niet mogelijk” vertelt Scholten. Hoe komt dit? Een camera maakt beelden van het riool, een persoon beoordeelt deze en bepaalt de huidige staat van de rioolbuis. Is er sprake van een acuut defect, zoals een diepe scheur die de buis onbruikbaar dreigt te maken, of is het een onschuldige verkleuring en kan het ingrijpen nog een paar jaar wachten? Op de beelden is soms niet goed te zien, maar er moet wel een beoordeling gemaakt worden. Dit is nu foutgevoelig en erg afhankelijk van de beoordelaar. “Bovendien weten we niet op basis van de beoordeling hoelang een buis nog goed gebruikt kan worden. Dat maakt het moeilijk om doelgerichte beslissingen te nemen over ingrijpen in het riool” aldus Scholten. De oplossing? Door meer en betrouwbaardere informatie te verzamelen kunnen er straks verbanden gemaakt worden tussen, bijvoorbeeld, het ontstaan van een scheur en wanneer de rioolbuis vervangen moet worden. Dit maakt een doelgericht onderhoud van het riool mogelijk.
Een zelflerend inspectievoertuig
De benodigde informatie wordt verzameld door een in samenwerking met Leiden ontwikkeld inspectievoertuig met verschillende sensoren en camera’s. Dit voertuig heeft twee camera’s naast elkaar en kan hierdoor echt ‘kijken’ in het riool doordat het diepte waarneemt. Ook wordt er gebruik gemaakt van meerdere sensortechnieken tegelijk. Zo kan het voertuig data verzamelen zowel onder als boven het water in de buis. “Door gebruik te maken van een zelflerend algoritme is het mogelijk defecten automatisch te herkennen doordat het voertuig de beelden die het ‘ziet’ kan vergelijken met beelden die het eerder heeft ‘gezien’ van een defect”. Waar in de huidige methode het nog wel eens onduidelijk kan zijn of een verkleuring in het riool slechts een onschuldige vlek of een gevaarlijke scheur is, kunnen de betere kwaliteit beelden en data deze twijfel wegnemen. De automatische defectherkenning verminderd daarnaast menselijke fouten bij het beoordelen. Maar een nauwkeurig meetapparaat en geautomatiseerde defectherkenning is nog maar het begin, want hoe maak je besluiten over het onderhoud van het riool op basis van deze gegevens?
Hulp bij besluitvorming
Scholten en collega’s willen daarom weten hoe de besluitvorming rondom rioolbeheer werkt en hoe deze verbeterd kan worden. Zij besloten om workshops met vertegenwoordigers uit de praktijk te organiseren. Scholten: “Dit zijn de mensen die bij het rioolonderhoud vaststellen wat de onderhoudsdoelen zijn. De verwachting was dat we snel boven water zouden krijgen hoe dit proces in elkaar steekt en wat de precieze doelen zijn, maar dit bleek lastiger dan gedacht.” Wat bleek? Over de soorten strategische onderhoudsdoelen was men het eens, maar hoe men deze naar de praktijk vertaald en met welke onderhoudswerkzaamheden deze doelen bereikt worden niet.
“Het is als jam kiezen zonder etiket in een supermarkt. Je kiest op basis van kleur en vorm, maar je weet niet wat er precies in zit en of jij jouw doelen, bijvoorbeeld smaak of gezondheid, kan bereiken. Dit is daardoor een persoonlijke gok. Wanneer de jampotjes etiketten hebben, en jij goed geïnformeerd bent over de relatie tussen wat er op de ingrediëntenlijst staat en wat je wilt bereiken, kun je geïnformeerd een keuze maken.” Dat geldt ook voor de besluitvorming.
De Delftse onderzoekers willen hier ondersteuning bieden. Door bestaande data en de data van het inspectievoertuig en de Leidse algoritmen in een model te stoppen kan de situatie van het riool digitaal nagebootst worden. Op die manier kunnen verschillende inspectie- en onderhoudsstrategieën worden vergeleken en in verband gebracht worden met hoelang een rioolbuis nog veilig gebruikt kan worden. Elke actie die vervolgens ondernomen wordt zal dus een geïnformeerde keuze zijn geworden gebaseerd op betrouwbare data en de doelen die men wil bereiken.
Scholten: ‘Over onderzoeksresultaten kan ik nog niets zeggen. Wat ik hoop? Het zou mooi zijn als wij door deze nieuwe techniek, het beleid en beheer van het rioolstelsel vanuit een andere invalshoek kunnen benaderen door een systeem te ontwikkelen dat het mogelijk maakt om goed geïnformeerd keuzes te kunnen maken over rioolonderhoud.’ Maar eerst staan er experimenten in het laboratorium op de planning. “Het project duurt vier jaar. Op de levensduur van het rioleringssysteem is dat verwaarloosbaar, sommige rioolbuizen kunnen 100 jaar mee! Maar met de nieuwe methode weten we dit straks nog beter.”
Gepubliceerd: januari 2019
Lisa Scholten
Lisa Scholten, assistent professor Stedelijke Water Infrastructuur, werkt in het project ‘SewerSense’ samen met Francois Clemens en Juan Pablo Aguilar Lopez en met Arno Knobbe en Dirk Meijer, informatici van de Universiteit Leiden.