Dennis Huisman is parttime hoogleraar Openbaar vervoer optimalisatie aan de Erasmus School of Economics, en manager logistieke processen bij NS. Hij onderzoekt wiskundige modellen voor het plannen en bijsturen van personeel, materieel en dienstregelingen in het openbaar vervoer. Zijn onderzoek richt zich op zowel strategische als operationele vraagstukken, van investeringsbeslissingen op lange termijn tot real-time oplossingen bij verstoringen.
De verwondering
“Als kind reisde ik altijd al met het openbaar vervoer, want mijn ouders hadden geen auto. We gingen regelmatig van Spijkenisse met de metro naar Rotterdam, en een aantal keer per jaar gingen we met de trein naar Friesland voor familiebezoek. De voertuigen vond ik prachtig, maar het was vooral de dienstregeling die me fascineerde: hoe al die bussen en treinen volgens een strak schema bewogen. Pas tijdens mijn studie Econometrie ontdekte ik dat je daar ook onderzoek naar kan doen. Dat je met wiskundige modellen kon berekenen hoe je mensen en materieel het slimst inzet. Vanaf dat moment wist ik: dit is wat ik wil doen.”
Het onderzoek
“Aan het begin van een onderzoek vraag ik me altijd af: wat zijn de grootste problemen op het spoor? Verstoringen zullen er altijd zijn, maar je wil de schade zo klein mogelijk houden. In 2006 zette ik als co-promotor een onderzoek op naar het voorkomen van een sneeuwbaleffect. Dat gebeurt als één trein uitvalt, en vervolgens de hele dienstregeling in de soep loopt.
“Stel: een trein van Rotterdam naar Utrecht strandt bij Gouda. De machinist blijft daar steken, terwijl hij eigenlijk vanuit Utrecht ook naar Arnhem had moeten reizen. Dan wil je zo snel mogelijk een andere machinist vrijspelen die van Utrecht naar Arnhem kan. In ons onderzoek ontwikkelden we een algoritme dat op een slimme manier naar alle personeelsdiensten kijkt, en een herverdeling berekent die de olievlekwerking van de verstoring zoveel mogelijk beperkt.
“Dat is veel ingewikkelder dan het klinkt. De rekenlast van dit soort problemen neemt exponentieel toe naarmate het netwerk groeit: bij elk extra treinstel, elk station, elke machinist die je toevoegt verdubbelt de rekentijd. Zelfs met de computers van nu zijn dit geen berekeningen die je makkelijk laat draaien. Met slimme algoritmes vind je niet per se altijd de perfecte oplossing, maar wel een hele goede, en snel genoeg om echt iets te kunnen betekenen.”
Het eurekamoment
“De eerste keer dat we het echt konden toepassen was bij een grote verstoring in 2009. Ik was hier op de universiteit college aan het geven, toen de NS belde. Er was een grote calamiteit: een ontspoorde goederentrein vlakbij Vleuten. Het was duidelijk dat de situatie niet binnen een paar uur opgelost zou zijn. De vraag was of we ons algoritme konden gebruiken om nieuwe personeelsdiensten te maken.
“Ik ging meteen naar het regionale planningscentrum in Amsterdam. Daar hebben we onze berekeningen toegelicht, zodat de bijstuurders ze konden overnemen in het systeem. Het systeem draaide nog niet real-time, er was geen mooie interface, maar nadat ze al hun vragen gesteld hadden, begrepen de bijstuurders hoe het werkte. De volgende ochtend reed een groot deel van het treinverkeer weer volgens plan.”
De nasleep
“Dat model hebben we verder verfijnd. Het is niet zo dat al het onderzoek dat we doen in een keer gebruikt kan worden. In dit geval heeft de NS het wel in gebruik genomen in een commercieel personeelsplanningssysteem. Dat is natuurlijk het allerleukst, als dat wat we hebben gevonden ook echt werkt en gebruikt wordt. Het onderzoek maakt het ov een beetje beter.
“Ook mijn latere onderzoeksprojecten komen voort uit concrete vragen van de NS of andere openbaarvervoerbedrijven, over personeel, materieel of dienstregeling, en voeden zich tegelijk met ideeën uit de wetenschap. Die verbanden zien, tussen problemen, techniek, en nieuwigheid in de wiskunde, is wat me drijft.”
