



European rail networks have aged past their design life. Renewal trails the work each year. The same networks now carry more traffic on essentially fixed track. Since October 2024, EU Directive 2022/2557 (CER) obliges Member States to require recurring risk assessment on critical rail operators. Why now carries the full reading.
SAMRoute integra datos geoespaciales de propósito general (topología de la red, capas de referencia, datos de contexto) y añade entradas específicas de la tarea como inventarios de emisores y puntos críticos (y, cuando estén disponibles, datos del cliente). Las decisiones de modelado se basan en supuestos explícitos que pueden revisarse y ajustarse.
Genera pares origen–destino (OD) y calcula rutas modeladas, incluyendo una ruta primaria y una ruta alternativa que evita un punto crítico determinado. Conserva solo los pares OD que realmente atraviesan el punto, agrega resultados por punto crítico y los almacena para consulta en vivo en la interfaz.
La cadena es trazable de extremo a extremo (entradas → supuestos → resultados). Permite compartir. Y ofrecerá conexiones máquina a máquina cuando sea necesario, manteniendo los resultados actualizados a medida que cambian los datos.
Esta demo está pensada para equipos de infraestructura ferroviaria. Muestra cómo el contexto local alrededor de un paso a nivel—y las dependencias de los flujos viarios de riesgo—pueden describirse sobre una base coherente, y luego consolidarse en una vista de cartera que puede ordenar y comparar para apoyar la priorización.
— Para verlo en acción, solicite una demo guiada.
SAMRoute pulls in general-purpose geospatial data (network topology, reference layers, context datasets). It then adds task-specific inputs, such as inventories of emitters and critical points, and customer datasets where available. The modelling choices rest on explicit assumptions that owners can review and adjust.
The platform generates origin–destination (OD) pairs and computes a primary route plus an alternative that avoids a given critical point. It keeps only the OD pairs that actually traverse the point. It then aggregates results per critical point and stores them for live use in the UI.
The chain stays traceable end-to-end, from inputs through assumptions to results. It supports sharing today. It will support machine-to-machine hooks and keep outputs current as data evolves.
This demo targets rail-infrastructure teams. It shows how the platform describes the local context around a level crossing and the dependencies of at-risk road flows on a consistent basis. It then consolidates both into a portfolio view you can sort and compare to support prioritisation.
To see it in action, request a walkthrough.

Fabrice Colas founded Oriskami SAS and runs SAMRoute. PhD in statistical learning from Leiden University, postdoctoral research at UCLA, UMC Utrecht, and Leiden University Medical Center, and a personal CIR-approved consultant agrément from the French Ministry of Research (2022, renewed 2025–2027).
Who we are carries the fuller depth panel, including selected publications, prior production-shipping work, and applied epidemio-statistics.