VT1 meddelande
Nr 794 - 1996
Väglag - Trafikflöde - Hastighet
En studie av nyttan med att ta hänsyn till väglaget vid bortfallskomplettering av trafikflöde och hastighet
Staffan Möller
V T 1 meddelande
Nr 794 +- 1996
Väglag - Trafikflöde - Hastighet
En studie av nyttan med att ta hänsyn till väglaget vid bortfallskomplettering av trafikflöde och hastighet
Staffan Möller
Utgivare: Väg- och transport-Wforskningsinstitutet 581 95 Linköping Publikation: VTI meddelande 794 Utgivningsår: Projektnummer: 1996 30031 Projektnamn:
Väglagsstudier i TU-punkter av samband mellan väglag och hastighet
Författare: Uppdragsgivare:
Staffan Möller Vägverket
Titel:
VÄGLAG - TRAFIKFLÖDE - HASTIGHET. En studie av nyttan med att ta hänsyn till väglaget vid bortfallskomplettering av trafiktflöde och hastighet.
Referat
I ca 80 fasta mätplatser på landsbygdens vägnät spridda över landet mäts trafikflödet och fordonens punkthastigheter kontinuerligt under hela året. Ibland händer det att mätutrustningen inte fungerar, t.ex. därför att de gummislangar som registrerar passerande fordon plogats av. Detta resulterar i bort-fall av mätdata.
Eftersom avsikten med mätningarna är att erhålla mätvärden för hela året, finns det behov av att förse perioder som saknar mätvärden med data av acceptabel kvalitet, s.k. bortfallskomplettering. För när-varande bortfallskompletterar Vägverket trafikflödet men inte hastigheterna.
Huvudsyftet med projektet är att:
- Undersöka i vilken grad som nuvarande rutiner för bortfallskomplettering av trafikflödesdata kan förbättras om hänsyn också tas till vilket väglag som förekommit vid bortfallstillfället.
- Studera möjligheterna och nyttan av att bygga upp rutiner för att bortfallskomplettera hastighets-data.
Baserat på de analyser som gjorts i projektet kan följande slutsatser dras:
- -Det är inte motiverat att vid bortfallskomplettering av trafikflöden utvidga Vägverkets standard-rutiner så att hänsyn även tas till det väglag som förekommit vid bortfallstillfället.
- -Det är inte motiverat att vid bortfallskomplettering av fordonshastigheter införa rutiner så att hänsyn tas till det väglag som förekommit vid bortfallstillfället.
Det är dock i högsta grad motiverat att öka kvaliteten i mätdata. Kontroll och tillsyn av mätutrust-ningen bör därför i ett första steg skärpas så att längre bortfall än sju sammanhängande dygn inte till-låts förekomma.
Publisher: Publication:
VTI meddelande 794
Published: Project code:
Swedish National Road and 1996 30031
g Transport Research Institute
S-581 95 Linköping Sweden Project:
Studies of relationships between road conditions and speed at TD points
Author: Sponsor:
Staffan Möller Swedish National Road Administration
Title:
ROAD CONDITIONS - TRAFFIC FLOW - SPEED. A study of the benefit of taking road conditions into consideration in data substitution for traffic flow and speed.
Abstract
At about 80 sites in the rural road network spread throughout the country, continuous measurements are made of traffic flow and spot speed of vehicles during the year. Occasionally, the measuring equipment fails to work, for example because the rubber hoses registering vehicle passages have been cut off by snow ploughs, resulting in a loss of measuring data.
Since the intention of the measurements is to obtain data for the whole year, there is a need to provide periods deficient in measurements with data of acceptable quality, i.e. by data substitution. At present, the National Road Administration performs data substitution for traffic flows but not speeds.
The aim of the project is to:
- Examine the extent to which the present routines for substitution of traffic flow data can be improved if attention is also paid to road conditions at the time data were lost.
- Study the possibilities and benefit of building up routines for substituting speed data.
Based on the analysis performed in the project, the following conclusions can be drawn:
- In data substitution for traffic flows, it is not justifiable to extend the National Road Administration's standard routines so that attention is also paid to the road conditions prevailing at the time data were lost.
- In data substitution for vehicle speeds, it is not justifiable to introduce routines so that attention is also paid to the road conditions prevailing at the time data were lost.
It is, however, justifiable in the highest degree to increase the quality of the measurement data. Inspection of the measuring equipment should therefore be intensified in a first stage to prevent data losses longer than seven consecutive days.
FÖRORD
Denna undersökning har planerats och genomförts i samråd med Östen Johansson, sektion Miljö & Trafiksäkerhet vid Vägverket.
Grunddata från trafikmätningar har tagits fram av Edward af Sandeberg och Ann-Katrin Johansson, ADB-avdelningen, Vägverket.
Väglagsobservationer har utförts av speciella observatörer vid Vägverket som bevakat varje trafikmätplats i princip två gånger per vardag.
Alla datakörningar, dvs. regressionsanalyser, hastighetsprediktioner samt mängder av kontroller, övriga bearbetningar och sammanställningar, har gjorts av Anna Anund, VTL
Lektörer vid publiceringsseminariet har varit Carl-Gustaf Wallman och Mats Wiklund, VTTL. Ordförande var Karl-Olov Hedman, VTT, som också har gett tryck-lov.
Synpunkter på och kommentarer till rapportkonceptet har dessutom lämnats av Östen Johansson och Anna Anund samt av Gudrun Öberg, VTI
Slutlig utformning och redigering av manuskriptet har utförts av Annette Karls-son, VTT.
Ett stort tack till er alla och till andra som på olika sätt bidragit till att projektet kunnat genomföras!
Slutligen vill jag rikta det största tacket till min vapendragare i projektet, Anna, som aldrig sviktade inför de ofta mycket omfattande datakörningarna som vi måste ta oss igenom. Ibland t.o.m. flera gånger när vi blev tvungna att ändra på någon förutsättning eller upptäckte fel i det enorma datamaterialet.
INNEHÅLLSFÖRTECKNING 5.1 5.2 6. 1 6.2 6.3 6.4 7.1 7.2 7.3 7.4 10 11 11.1 11.2 11.3 12 13 14 SAMMANFATTNING SUMMARY BAKGRUND SYFTE DATAUNDERLAG UPPLÄGGNING AV PROJEKTARBETET
BEDÖMNING AV NYTTAN MED ATT TA HÄNSYN TILL VÄGLAG
Vid bortfallskomplettering av trafikflöden Vid bortfallskomplettering av hastigheter
VÄL AV METOD FÖR HASTIGHETSAÄNALYS Tänkbar sambandsmodell
Olika variablers ungefärliga påverkan på hastigheten Samband mellan oberoende variabler
Val av analysmetod
UTVIDGNING/KOMPLETTERING/JUSTERING AV DATAUNDERLAG
Väglagsinformation
Gräns mellan dagsljus och mörker
Siktförhållanden
'
Detaljeringsgrad på flödes- och hastighetsdata
REGRESSIONSAÄNALYS
BESKRIVNING AV PERIODER MED BORTFALL
ELLER DÅLIG VERKNINGSGRAD
PREDIKTTONSMODELLER
BORTFALLSKOMPLETTERING AV HAÄSTIGHETER
Beskrivning av väglag under bortfallsperioder
Metod för bortfallskomplettering
Resultat
DISKUSSION OCH SLUTSATSER
FÖRSLAG TILL FORTSATT ARBETE
REFERENSER
Sida
IV
11
12
13
15
15
16
17
17
19
24
27
28
28
30
31
33
36
37
BILAGOR
Bilaga 1: Beskrivning av mätplatser
Bilaga 2: för tabeller i bilaga 3 och 4 Bilaga 3: Regressionsekvationer, alla variabler ingår
Bilaga 4: alla variabler utom väglag ingår Bilaga 5: med bortfall eller dålig verkningsgrad
VÄGLAG - TRAFIKFLÖDE - HASTIGHET. En studie av nyttan med att ta hänsyn till väglaget vid bortfallskomplettering av trafikflöde och hastighet
av Staffan Möller
Statens väg- och transportforskningsinstitut (VTT) 581 95 LINKÖPING
SAMMANFATTNING
I ca 80 fasta mätplatser på landsbygdens vägnät spridda över landet mäts trafik-flödet och fordonens punkthastigheter kontinuerligt under hela året. Ett av syftena med mätningarna i dessa s.k. TU-punkter är att följa TrafikUtvecklingen från år till år. Ibland händer det att mätutrustningen inte fungerar, t.ex. på grund av fel på mätdatorn eller därför att gummislangar som registrerar passerande fordon plogats av eller skadats på annat sätt. Det resulterar då i ett bortfall av mätdata under kortare eller längre perioder.
Eftersom avsikten med mätningarna i TU-punkter är att erhålla mätvärden för hela året, finns det vid bortfall ett behov av att förse perioder som saknar mätvärden med data av acceptabel kvalitet, s.k. bortfallskomplettering. För närvarande bort-fallskompletterar Vägverket trafikflödet men inte hastigheterna.
Huvudsyftet med projektet är att:
- Undersöka i vilken grad som nuvarande rutiner för bortfallskomplettering av trafikflödesdata kan förbättras om hänsyn också tas till vilket väglag som förekommit vid bortfallstillfället.
- Studera möjligheterna och nyttan av att bygga upp rutiner för att bortfalls-komplettera hastighetsdata.
Följande dataunderlag samlades in under vintern 1991/92.
- Trafikflöden och fordonshastigheter timme för timme från 14 trafikmätplatser runt om i landet.
- Väglagsobservationer i princip två gånger per vardag från samma trafikmät-platser.
- Vidtagna vinterväghållningsåtgärder i trafikmätplatserna. - Meteorologiska uppgifter från närbelägna SMHI-stationer.
II
Det insamlade materialet är ovanligt i den meningen att relativt täta väglagsbe-skrivningar kan kopplas till mätningar av trafikflöde och hastighet under en hel vinterperiod, givetvis med undantag för de perioder då väglagsobservationer inte utförts eller trafikmätningsutrustningen inte fungerat. Man har således möjligheten att göra relativt omfattande analyser av hur väglaget, och även en del andra fakto-rer, som t.ex. väder och ljusförhållanden, påverkar trafikflöde och hastighet.
Innan sådana analyser påbörjades, gjordes en sammanställning av några under-sökningar som visar hur väglaget påverkar trafikflöde och hastighet. Det framkom då att väglaget sannolikt har ringa påverkan på trafikflödet. Nyttan med att ta hän-syn till väglaget vid bortfallskomplettering av trafikflöde torde inte motivera det arbete som krävs. Ytterligare undersökningar av sambanden mellan väglag och trafikflöde genomfördes heller inte.
Beträffande hastigheten erhölls motsatt resultat. De refererade undersökningarna visade att väglaget men även sikten och tidpunkten under vinterperioden -påverkar hastigheten väsentligt, framför allt för personbilar. Att då fallskomplettera hastigheten utan att försöka ta hänsyn till väglaget under bort-fallsperioden torde ge en alltför grov beskrivning av verkligheten.
Nästa steg i arbetet blev att konstruera prediktionsmodeller, dvs. modeller som beräknar hastigheten vid bortfall som funktion av ett antal oberoende variabler. Därefter gjordes väglagsbeskrivningar för bortfallsperioderna, hastighets-kompletteringen genomfördes och resultatet utvärderades. Eftersom väglagsbe-skrivningar är tidskrävande gjordes sådana bara för bortfallsperioder på minst 24 h och för tio av mätplatserna. Övriga perioder och platser hastighetskompletterades utan hänsyn till väglaget.
Som mått på den kvalitetsförbättring som åstadkoms vid hastighetskomplettering valdes skillnaden i medelhastighet före och efter komplettering. Det förutsätts då att en hastighetsbeskrivning är av högre kvalitet om den inkluderar kompletterade hastigheter än om den bara baseras på de hastigheter som finns tillgängliga.
Om hastighetsjämförelsen för olika mätplatser och fordonsgrupper gjordes för vinterperioden som helhet blev skillnaden före och efter komplettering i allmänhet mycket liten. Endast i ca 15 % av fallen uppgick skillnaden till mer än 0,2 km/h. Maximal hastighetsskillnad var 1,0 km/h. Om resultaten i stället jämfördes månadsvis blev naturligtvis skillnaderna större men det var ändå sällan - bara i ca
III
5 % av fallen - som hastighetsskillnaden översteg 1,0 km/h. I några enstaka fall var skillnaden större än 2,0 km/h.
Baserat på det som framkommit i detta projekt kan följande slutsatser dras om bortfallskomplettering:
- -Det är inte motiverat att vid bortfallskomplettering av trafikflöden utvidga Vägverkets standardrutiner så att hänsyn även tas till vilket väglag som före-kommit vid bortfallstillfället.
- -Det är inte motiverat att vid bortfallskomplettering av fordonshastigheter införa rutiner så att hänsyn tas till vilket väglag som förekommit vid bort-fallstillfället.
Det är dock i högsta grad motiverat att öka kvaliteten i mätdata. Kontroll och till-syn av mätdator och slangar bör därför i ett första steg skärpas så att längre bortfall än sju sammanhängande dygn inte tillåts förekomma.
IV
ROAD CONDITIONS - TRAFFIC FLOW - SPEED. A study of the benefit of taking road conditions into consideration in data substitution for traffic flow and speed.
by Staffan Möller
Swedish National Road and Transport Research Institute (VTT) SE-581 95 LINKÖPING, Sweden
SUMMARY
At about 80 sites in the rural road network spread throughout the country, traffic flows and vehicle spot speeds are measured continuously during the year. One of the purposes of obtaining measurements at these TD points is to follow Traffic Development from year to year. Occasionally, it is found that the measuring equipment has failed to operate, for example through a fault in the measuring computer or because the rubber hoses recording vehicle passages have been cut off by snow ploughs or damaged in other ways. This results in a loss of data for varying periods.
Since the intention of the TD measurements is to obtain data for the whole year, there is a need to provide periods lacking measurements with data of an acceptable quality, a process termed data substitution. At present, the National Road Administration performs data substitution for traffic flows but not for speeds.
The aim of the project is to:
- Examine the extent to which the present routines for substitution of traffic flow data can be improved if attention is also paid to road conditions at the time data were lost.
- Study the possibilities and benefit of building up routines for substituting speed data.
The following data were collected during winter 1991/92:
- Hourly traffic flows and speeds from 14 traffic measuring sites around the country.
- Road condition observations, in principle twice a day from the same traffic measuring sites.
V
- Winter road maintenance implemented at the traffic measuring sites. - Meteorological information from nearby SMHI stations.
The collected material is unusual in that relatively frequent descriptions of road conditions can be linked to measurements of traffic flows and speeds during a whole winter period, naturally with the exception of those periods when no observations of road conditions have been made or when the traffic measuring equipment has failed to operate. It is therefore possible to make relatively extensive analyses of how the road conditions, and also certain other factors such as weather and light conditions, affect traffic flows and speeds.
Before such analyses were begun, a compilation was made of some of the studies showing how road conditions affect traffic flows and speeds. It was found that road conditions probably have only a limited effect on traffic flows. The benefit of paying attention to road conditions in data substitution for traffic flows is unlikely to justify the work this entails. Neither were any further studies of the relationships between road conditions and traffic flows performed.
In regard to speeds, the opposite results were obtained. The studies described showed that road conditions - as well as visibility and time during the winter period - affect speeds considerably, especially for cars. Substituting speed data without paying attention to the road conditions prevailing when data were lost is likely to give an excessively imprecise description of reality.
The next step in the project was to design prediction models, i.e. models which, in the event of loss of data, calculate speed as a function of a number of independent variables. Descriptions of road conditions were then made for the deficient periods, after which speed substitution was carried out and the results evaluated. Since descriptions of road conditions are time-consuming, these were made only for data loss periods of at least 24 hours and for ten of the measuring sites. For other periods and sites, speed data substitution was performed without regard to the road conditions.
As a measure of the increase in quality achieved through speed data substitution, the difference in the average speed before and after data substitution was chosen. It was assumed that a speed description is of higher quality if it includes substituted speeds than if it is based on the available speeds.
VI
If the speed comparison for different measuring sites and vehicle groups is made for the winter period as a whole, the difference before and after data substitution is generally very small. Only in about 15 % of the cases is the difference more than 0.2 km/h. The greatest speed difference is 1.0 km/h. If the results are instead compared on a monthly basis, the differences are naturally greater, but even so the speed difference rarely exceeds 1.0 km/h (only about 5 % of the cases). In occasional cases, the difference is greater than 2.0 km/h.
Based on the results of this project, the following conclusions can be drawn concerning data substitution:
- In data substitution for traffic flows, it is not justifiable to extend the National Road Administration's standard routines so that attention is also paid to the road conditions prevailing at the time data were lost.
- In data substitution for vehicle speeds, it is not justifiable to introduce routines so that attention is also paid to the road conditions prevailing at the time data were lost.
It is, however, justifiable in the highest degree to increase the quality of the measurement data. Inspection of the measuring computer and hoses should therefore be intensified in a first stage to prevent data losses longer than seven consecutive days.
1 BAKGRUND
I ca 80 fasta mätplatser på landsbygdens vägnät spridda över landet mäts trafik-flödet och fordonens punkthastigheter kontinuerligt under hela året. Ett av syftena med mätningarna i dessa s.k. TU-punkter är att följa TrafikUtvecklingen från år till år. Resultaten kan redovisas på olika detaljeringsnivåer. På den mest detalje-rade nivån redovisas fordonsantal och hastigheter uppdelat på:
- 8 760 timmar. > Sexton fordonstyper. - Två riktningar.
m= Ca 20 hastighetspercentiler.
För att inte få ohanterligt mycket utdata väljs vanligen grövre redovisningsnivåer t.ex. medianhastighet och fordonsantal för personbil, personbil med släp, lastbil och lastbil med släp, dygn för dygn för båda riktningarna sammantaget.
Ibland händer det att mätutrustningen inte fungerar, t.ex. på grund av fel på mätda-torn eller därför att gummislangar som registrerar passerande fordon plogats av eller skadats på annat sätt. Det resulterar då i ett bortfall av mätdata under kortare eller längre perioder.
Eftersom målet med mätningarna i TU-punkter är att erhålla mätvärden för hela året, finns det vid bortfall ett behov av att förse perioder som saknar mätvärden med data av acceptabel kvalitet, s.k. bortfallskomplettering. För närvarande bort-fallskompletterar Vägverket trafikflödet men inte hastigheterna. Trafikflödet i hel-årsräknade trafikmätplatser kompletteras enligt principen: Veckodagar av samma typ har liknande variation mellan dygnets timmar. Modellen för bortfallskom-plettering beskrivs närmare i referens 1.
2 SYFTE
Huvudsyftet med projektet är att:
- Undersöka i vilken grad som nuvarande rutiner för bortfallskomplettering av trafikflödesdata kan förbättras om hänsyn också tas till vilket väglag som före-kommit vid bortfallstillfället.
- Studera möjligheterna och nyttan av att bygga upp rutiner för att bortfalls-komplettera hastighetsdata.
Därefter ska bortfallsperioderna i det mätmaterial från TU-punkter som Vägverket levererat kompletteras så att såväl trafikflöde som medelhastighet erhålls timme för timme under vinterperioden.
Genom att hastighetsdata i viss mån kan differentieras på väglag kan dessutom resultat från de mätplatser som behandlas i detta projekt utnyttjas i ett vidare sammanhang.
3 DATAUNDERLAG
Följande dataunderlag har samlats in under vintern 1991/92.
- Trafikflödes- och fordonshastighetsdata timme för timme under perioden 1 oktober - 31 mars från 14 trafikmätplatserl spridda över landet.
- Väglagsobservationer i princip två gånger per vardag under perioden 4 november - 27 mars från samma trafikmätplatser.
- Vidtagna vinterväghållningsåtgärder under perioden 4 november - 31 mars i trafikmätplatserna.
- Meteorologiska uppgifter under perioden 1 oktober - 31 mars från SMHI-stationer i närheten av respektive trafikmätplats.
4 UPPLÄGGNING AV PROJEKTARBETET
Utgångspunkten för arbetet är att såväl trafikflödet som hastigheten påverkas av många olika faktorer varav åtminstone en - väglaget - är mycket betydelsefull.
Det insamlade materialet är ovanligt i den meningen att relativt täta väglagsbe-skrivningar kan kopplas till hastighetsmätningar under en hel vinterperiod, givet-vis med undantag för de perioder då väglagsobservationer inte utförts eller trafik-mätningsutrustningen inte fungerat. Man har således möjligheten att göra relativt omfattande analyser av väglagets, och även en del andra faktorers, inverkan på trafikflöde och hastighet.
Innan sådana analyser påbörjas, görs en sammanställning av några undersökningar som visar hur väglaget påverkar trafikflöde och hastighet. En bedömning görs av nyttan med att ta hänsyn till väglaget vid bortfallskomplettering och det fortsatta arbetet avgränsas. Därefter preciseras vilken analysmetod som ska användas och dataunderlag och variabelbeskrivning för analyserna görs i ordning. Slutligen genomförs analyserna.
Nästa steg i arbetet blir att undersöka vad som utmärker bortfallsperioderna och att konstruera prediktionsmodeller, dvs. modeller som beräknar de variabelvärden som behövs vid bortfallskomplettering. Slutligen görs väglagsbeskrivningar för bortfallsperioderna, kompletteringen genomförs och resultatet utvärderas.
5 BEDÖMNING AV NYTTAN MED ATT TA HÄNSYN TILL VÄGLAG
5.1 Vid bortfallskomplettering av trafikflöden
I referens 2 har trafikflödets beroende av olika väglag undersökts i Östergötlands län. Då fann man att ett försämrat väglag i form av is eller snö på vägen kan sänka flödet med upp till fem procent jämfört med barmark. Det var emellertid svårt att korrekt mäta trafikflödet när det var is eller snö på vägen. Den konstaterade flö-desminskningen kunde bero på väglaget men också vara en effekt av registrerings-förfarandet.
I samband med MINSAÄLT-försöket undersöktes hur trafikflödet varierade med väglaget i Västerbottens län (referens 3). Resultatet blev att dagar med barmark i genomsnitt hade högre flöde än dagar med is/snöväglag. Detta uppges bero på att barmarksdagarna mest låg i början och slutet av vintern. Barmarksdagar mitt i vintern föreföll inte ha mer trafik än is/snödagar.
Om den sannolikt lilla påverkan på flödet som väglaget har jämförs med den osä-kerhet som uppkommer vid bortfallskompletteringen, så kan man ifrågasätta om man får någon väsentlig kvalitetsförbättring av flödesdata om väglaget beaktas. Förfarandet vid bortfallskomplettering är att man först ur mätdata från TU-punk-terna bestämmer sambandet mellan väglag och trafikflöde, därefter beräknar väg-laget vid bortfallsperioderna och slutligen justerar de bortfallskompletteringar av trafikflödet som gjorts enligt Vägverkets standardrutiner.
Nyttan, dvs. kvalitetsförbättringen, torde knappast kunna motivera det arbete som krävs för att kunna ta hänsyn till väglagets, sannolikt mycket begränsade, påverkan på trafikflödet.
5.2 Vid bortfallskomplettering av hastigheter
För närvarande är situationen att inga metoder för bortfallskomplettering av tighetsdata finns. Om endast godkända mätdata används, t.ex. för att beräkna has-tigheten i genomsnitt under ett år för olika fordonstyper, uppkommer med stor sannolikhet systematiska fel, överskattningar, i genomsnittshastigheterna. Skälet till detta är att bortfallsperioderna oftast inträffar på vinterhalvåret och speciellt i
samband med snöfall när risken för avplogade fordonsdetektorer (slangar) är störst. Då är även hastigheterna lägre än under resten av året.
Ett första steg för att förbättra kvaliteten i hastighetsdata kan vara att införa fallskomplettering genom att utgå från uppmätta hastigheter före och efter bort-fallsperioden. Därigenom tas en viss hänsyn till att vinterförhållanden råder. Ett andra, och mer detaljerat, steg är att direkt ta hänsyn till väglaget under bortfalls-perioden. Den intressanta frågan är hur stor kvalitetsförbättring som kan erhållas om det andra steget införs.
Hastighetens beroende av väglaget har studerats bl.a. i referens 2, 3 och 4.
Enligt referens 2 håller personbilarna vid is/snöväglag en hastighet som är mellan 70 och 90 % av hastigheten vid torr barmark. Lastbilarnas hastighet vid is eller snö på vägen är 75-100 % av barmarkshastigheten. Vid is/snöväglag är skillnaden ofta liten mellan personbilars och lastbilars hastighet. Dessa resultat bygger på jämförelser mellan enskilda mätperioder när friktionen i stort sett varit konstant.
Av referens 3 framgår att i Västerbottens län var i genomsnitt hastighetssänkning-en vid is/snöväglag (inklusive blandat väglag barmark - is/snö) jämfört med torr barmark 3-7 km/h för personbilar och 1-2 km/h för lastbilar. Det anges också att sikten skulle kunna ha större betydelse för hastigheten än väglaget samt att ovana vid att köra på is/snö (första halkan för vintersäsongen) kan sänka hastigheterna väsentligt.
I referens 4 anges att som medelvärden över olika mätperioder och mätsträckor i Östergötlands län var personbilarnas medianreshastighet 84 km/h vid torr barmark och 70-83 km/h vid is/snöväglag. Om jämförelser görs mellan olika mätperioder (som kunde variera i längd mellan 20 min på högtrafikerade vägar och 5-6 timmar på lågtrafikerade) ökar spridningen i resultaten. Sålunda har medianhastigheter för personbilar uppmätts till mellan 58 och 86 km/h vid is/snöväglag.
Som framgår av ovanstående sammanställning kan väglaget - men även sikten och tidpunkten under vinterperioden - påverka hastigheten väsentligt, framför allt för personbilar. Att då bortfallskomplettera hastigheten utan att försöka ta hänsyn till väglaget under bortfallsperioden torde ge en alltför grov beskrivning av verk-ligheten.
Även om det är förknippat med en hel del arbete att ta fram och bearbeta ett fak-taunderlag som gör det möjligt att bortfallskomplettera hastigheter med hänsyn tagen till väglaget, kan det inte uteslutas att kvalitetsförbättringen kan motivera arbetsinsatsen.
Arbetet i detta projekt inriktas därför först på att med hjälp av gjorda väglagsob-servationer, SMHT-data och förteckningar över vidtagna åtgärder beskriva väg-laget under bortfallsperioderna så noggrant som möjligt. Efter det att den kvalitets-förbättring som då åstadkommits - den maximala potentialen - har kvantifierats och värderats, tas ställning till om man ska gå vidare i projektet och undersöka om tillräckligt bra väglagsbeskrivningar kan göras med glesare väglagsobservationer eller enbart med hjälp av SMHI-data.
6 VAL AV METOD FÖR HASTIGHETSANALYS
6.1 Tänkbar sambandsmodell
På varje mätplats är hastigheten, förutom av rådande väglag, i större eller mindre grad beroende av bl.a. följande variabler:
- Trafikflödets storlek (fordon per timme). - Trafikflödets sammansättning (lastbilsandel). - Trafikanternas resärendefördelning.
- Klockslaget.
- Veckodagen (vardag, lördag, söndag, helgdagsafton, helgdag). - Månaden.
- Väderförhållandena. - Dubbdäcksanvändningen.
Som en följd av ovan nämnda beroenden varierar hastigheten till viss del syste-matiskt mellan olika månader, veckodagar och timmar. Även väglaget varierar i någon mån systematiskt både under vintersäsongen och dygnet. Exempelvis är förekomsten av lös snö/snömodd vanligare under högvintern än under höst och vår och även vanligare under lågtrafik- än under högtrafikperioder. För torr barmark förhåller det sig tvärtom. Detta gör att en analys av sambandet mellan väglag och hastighet inte kan baseras på en enkel gruppering av data där alla hastigheter vid samma väglag bara sammanförs. Det finns då tre möjligheter att lösa detta pro-blem.
Ett sätt är att hitta en beskrivning för den del av hastighetens variation timme för timme som inte beror på väglaget, dvs. variationen vid barmark. Denna beskriv-ning måste inte vara korrekt i alla detaljer men får inte innehålla systematiska skillnader jämfört med verkligheten. Så långt möjligt ska denna variation kalibre-ras mot uppmätta hastigheter vid barmark (eller kanske torr barmark). Genom att sedan applicera denna variation på alla vinterns timmar erhålls de hastigheter som kan förväntas vid barmarksväglag. Om man därefter jämför förväntade hastigheter vid barmark med mätta hastigheter vid olika is/snöväglag kan hastighetsskillnader beroende på väglag beräknas. Denna metod kan kallas för "differensmetoden".
Ett annat sätt att analysera väglagets påverkan på hastigheten är att studera par av timmar som t.ex. väljs ut med 7 x 24 = 168 timmars mellanrum och där ena
tim-men har barmark och andra timtim-men någon typ av is/snöväglag. Det antagande som görs vid sådana jämförelser är att hastigheten inte varierar väsentligt mellan när-liggande veckor. Ytterligare en approximation som är tänkbar är att jämställa has-tigheterna under måndagar t.o.m. torsdagar. Denna metod kan kallas "parjämförelsemetoden".
En tredje möjlighet är att använda multipel regressionsanalys. Med hjälp av denna metod kan påverkan på hastigheten av alla förklarande variabler beaktas samtidigt. Därefter kan inverkan av varje enskild förklaringsvariabel, t.ex. ett visst väglag, utläsas.
Utgående från tidigare beskrivning av vilka variabler som bedöms påverka hastigheten är sambanden i figur 1 tänkbara.
10 OBEROENDE VARIABLER Timtrafik-flöde 6 y 1 Lastbils- A andel 3 A
2
B
Resärende
C
BEROENDE
5
i
VARIABEL
,
D
Hastighet
Tidpunkt
o
hos olika
fordonstyper
E
Väder-förhållanden
F
8
7
f
G
Väglag
9
)
Dubbdäcks-användning
6.2
11
Olika variablers ungefärliga påverkan på hastigheten
De olika oberoende variablerna i figur 1 påverkar hastigheten olika mycket. Nedan görs ett försök att utifrån befintlig kunskap och bedömningar beskriva och kvanti-fiera respektive variabels påverkan på hastigheten.
A. Högre timtrafikflöde medför lägre hastighet hos alla fordonstyper p.g.a. ökade störningar mellan fordonen. Sänkningen är störst för personbilar, mindre för lastbilar utan släp och sannolikt minst för personbilar och last-bilar med släp. För en 7-metersväg med ganska god linjeföring (siktklass II) och med ÅDT = 3 000 kan hastighetsskillnaden för personbi-lar utan släp mellan mest (250 f/h) och minst (-0 f/h) belastade timme under ett vardagsdygn uppgå till ca 1,5 km/h. Referens 5.
Högre lastbilsandel medför lägre personbilshastighet vid givet totalflöde. För 7-metersvägen enligt ovan minskar personbilshastigheten med
1-1,5 km/h när lastbilsandelen ökar från 5 till 12 %. Referens 5.
Mätningar som gjorts sommartid på personbilar visar att hastigheten kan skilja upp till 5 km/h mellan bostads-arbetsresor/tjänsteresor och fritidsre-sor. Mellan övriga ärendetyper är hastighetsskillnaden mindre. Referens 6.
Gissningsvis är hastigheten vid gles trafik högre mitt i natten än på dagen för alla fordonstyper. Vid beräkning av genomsnittshastighet över ett dygn, då hastigheten för olika timmar viktas samman med hänsyn till timtrafi-kens storlek, minskas dock inverkan kraftigt av högre hastigheter några timmar på natten.
Dåliga väderförhållanden, t.ex. tät dimma, kraftigt regn eller tätt snöfall, borde sänka hastigheten kraftigt, bl.a. genom att siktsträckorna minskar. Med hänsyn till att sådana väderförhållanden förekommer relativt sällan, kommer inverkan sett över en hel vintersäsong dock att bli ganska liten. Även mörker borde resultera i lägre hastigheter, genom att siktsträckorna begränsas. Påverkan bör emellertid vara väsentligt lägre än vid dåligt väder.
6.3
12
Som framgått av avsnitt 5.2 kan hastigheterna för personbilar sjunka mycket, kanske upp till 25 km/h, vid vissa is/snöväglag jämfört med bar-mark. Hastighetssänkningen för lastbilar är mindre kraftig.
Av referens 7 framgår att personbilister med dubbdäck håller i genomsnitt ca 3 km/h högre hastighet än bilister utan dubbdäck vid is/snöväglag. På ' barmark är skillnaderna obetydliga. Enligt referens 8 visar undersökningar från 1989 ingen skillnad i hastighet mellan dubbade och odubbade person-bilar vid is/snöväglag.
Samband mellan oberoende variabler
Som visas i figur 1 finns också samband mellan de oberoende variablerna. Endast de samband som bedömts vara starkast har ritats ut. Dessa samband kan beskrivas enligt följande:
2, 3.
Timtrafikflödet påverkar lastbilsandelen på så sätt att högre timflöde ger lägre lastbilsandel och vice versa. Skälet till detta är att lastbilsflödet varie-rar väsentligt mindre under dygnet än vad personbilstlödet gör.
Resärendefördelningen varierar under dygnets timmar och mellan varda-gar, lördavarda-gar, söndagar och helgdagar. Ärendefördelningen påverkar i sin tur timtrafikflödets och lastbilsandelens storlek. Under t.ex. morgon- och kvällstopparna på vardagar sammanfaller stor andel resor mellan bostad och arbete med högt timflöde och låg lastbilsandel.
4, 5, 6. Tidpunkten, dvs. klockslag, veckodag och månad samvarierar med tim-trafikflöde, lastbilsandel och resärendefördelning. Timtrafikflöden och lastbilsandelar varierar systematiskt under dygnets timmar etc.
Det finns ett visst samband mellan dåliga väderförhållanden och väglaget. Några samband är entydiga, t.ex. kraftigt regn och våt
barmark, medan
andra är svårare att bestämma. Ett kraftigt snöfall kan resultera i olika
mängder lös snö på vägen beroende på snöfallets intensitet, vindhastighet,
vindriktning, väg- och lufttemperatur, vidtagna vinterväghållningsåtgärder
etc. Ytterligare andra väderförhållanden, t.ex. tät dimma saknar vanligen
samband med väglaget.
13
7,9. Dubbdäcksanvändningen på personbilar varierar under vintersäsongen och når ett högsta värde under högvintern. Under dåliga väglagsförhållanden ökar andelen personbilar med dubbdäck beroende på att bilister som använder dubbdäck är mindre benägna att ställa in eller skjuta på resor jämfört med bilister som kör på sommardäck.
Som framgått är flera av de oberoende variablerna starkt kopplade till varandra. Framför allt gäller det variabeln tidpunkt (klockslag, veckodag och månad) som samvarierar med timtrafikflöde, lastbilsandel, resärendefördelning och dubbdäcks-användning.
6.4 Val av analysmetod
Av de oberoende variabler som visas i figur 1 går det att, för varje TU-punkt och på timnivå, mäta eller med god noggrannhet beräkna/beskriva endast timtrafik-flöde, lastbilsandel, tidpunkt och ljusförhållanden. För variabeln väderförhållan-den kan visst, men inte heltäckande, underlag erhållas från närbelägna SMHT-sta-tioner. Väglaget observeras normalt bara två gånger per vardag. Resärende och dubbdäcksanvändning mäts inte i TU-punkterna, så om dessa variabler ska ingå i analyserna måste genomsnittsvärden användas.
Med hänsyn till dels att endast vissa variablers värden är kända, dels att kunska-perna om olika variablers påverkan på hastigheten är ofullständiga torde en analys enligt "differensmetoden" i avsnitt 6.1 inte bli framgångsrik. En klar nackdel med "parjämförelsemetoden" är att den sannolikt kräver mycket manuellt arbete. Som den bästa och effektivaste analysmetoden framstår då stegvis, multipel regres-sionsanalys.
Om de samband mellan hastighet och andra variabler som hittas visar sig vara någorlunda linjära kan graden av det linjära sambandet beräknas, samtidigt som effekten av andra variabler hålls under kontroll. På det viset kan man se om det finns ett samband mellan t.ex. hastighet och olika typer av väglag samt hur starkt det i så fall är.
14
Som en lämplig start för regressionsanalysen väljs följande linjära modellansats. Därvid har variablerna resärende och dubbdäcksanvändning uteslutits eftersom de bara kan beskrivas med genomsnittsvärden. Då avsikten är att ta fram en regres-sionsmodell för varje mätplats och fordonstyp kommer emellertid variationer i resärende och dubbdäcksanvändning mellan mätplatserna att fångas upp indirekt.
Y +B2X2 +.... + B;X; +
där
Y = den beroende variabeln, dvs. medelhastigheten. X] , X2 ... X; = de oberoende variabler som beskriver timtrafiktflöde,
lastbilsandel, tidpunkt, ljusförhållanden, siktsträckor och väglag.
& , B]; ,Bz ... Bj -= koefficienter som bestäms vid regressionen. = slumpvariation som inte förklaras av ekvationen.
15
7 UTVIDGNING/KOMPLETTERING/JUSTERING AV
DATAUNDERLAG
7.1 Väglagsinformation
Eftersom väglaget bara har observerats två gånger per vardag och ibland växlar mycket snabbt kan man strängt taget bara förutsätta att det observerade väglaget gäller vid observationstillfället. En godtagbar approximation torde dock vara att observerat väglag gäller under hela den timme då observationen gjorts. Det vore emellertid en stor fördel för analyserna av sambandet mellan hastighet och väglag om den väglagsinformation som erhållits genom direkta observationer kunde utsträckas till fler timmar.
En sådan utvidgning kan också göras utan väsentliga fel när s.k. stabila väglag finns samtidigt som vädret inte ändras. Med stabila väglag avses torr barmark, tjock is och packad snö samt spårslitage* med torr barmark i spåren och tjock is eller packad snö utanför spåren, vilka kombineras med uppehållsväder. Även våt barmark kombinerat med pågående regn kan anses vara ett stabilt väglag, om än kortvarigt.
Under oktober månad, innan väglagsobservationerna startade, har väglaget för vissa timmar bestämts enbart utifrån SMHIT-data och då endast som torr eller våt barmark. För senare delar av vinterperioden har tidsmässiga utvidgningar av väg-laget gjorts med stöd av såväl väglagsobservationer som väderdata.
Beroende på väder- och väglagssituationen under vintern vid de olika trafikmät-platserna har utvidgningen blivit mer eller mindre omfattande. För tio av trafikmät-platserna har antalet timmar med känt väglag ökat från knappt 200 timmar till 1 200 - 1 600 timmar, eller med 6 å 8 gånger. För tre platser i mellersta Sverige är ökningen lägre, ca 4 gånger, och för en mätplats i norr mycket högre, ca 20 gånger. Skälet till att ökningen är så stor i det sistnämnda fallet är att antalet väglagsobservatio-ner från början bara var 86 st. Det bör tilläggas att utvidgningar endast gjorts när väglaget med stor säkerhet kunnat förutsägas.
Med spårslitage menas att bilhjulen rullat eller slitit så mycket på ett is/snöväglag att belägg-ningen syns tydligt i hjulspåren. Detta innebär att i hjulspåren kan endast barmark eller tunn is förekomma.
7.2
16
Gräns mellan dagsljus och mörker
Eftersom en av de variabler som torde påverka hastigheten är ljusförhållandena, måste gränsen mellan dagsljus och mörker fastläggas. Detta görs enligt följande beräkningsmall.
Definitioner och förutsättningar
Timnummer XX definieras som 60-minutersperioden mellan kl XX.00 och XX.59.
På morgonen anses dagsljus råda fr.o.m. 30 min före solens uppgång. På kvällen anses dagsljus råda t.o.m. 30 min efter solens nergång.
En timme anses ha dagsljus om minst 30 min av timmen har dagsljus, i annat fall anses mörker råda.
Beräkningsmetod
Beräkningsmetoden har till stor del hämtats från referens 9.
1. Bestäm trafikmätplatsens polhöjd och tidsskillnad från svensk normaltid.
4a.
5a.
Under perioden 1/10 t.o.m. 1/4 förtecknas alla datum och klockslag då solens uppgång/nergång ligger på ömse sidor om hel timme (t.ex. 7.54 respektive 8.10 på ömse sidor om 8.00). Skälet till detta arbetssätt är att solens upp-gång/nergång endast anges en gång i veckan.
Datum för solens uppgång/nergång vid hel timme interpoleras fram. Vid dessa datum hoppar timnumren för gränsen mellan dagsljus och mörker ett steg.
Morgonfall.
Med förutsättningen att dagsljus råder fr.o.m. 30 min före solens uppgång kan de timnummer då det fortfarande är mörkt på morgonen beräknas som den hela timmen för solens uppgång minus 1 tim. Timmen efter har dagsljus. Före 21 december är det mörkt fr.o.m. det datum där timnumret för gräns mel-lan dagsljus och mörker hoppar ett steg, efter 21 december är det mörkt t.o.m. detta datum.
17
Kvällsfall.
4b. Med förutsättningen att dagsljus råder t.o.m. 30 min efter solens nergång kan de timnummer då det fortfarande är ljust på kvällen beräknas som precis den hela timmen för solens nergång. Timmen efter har mörker.
5b. Före 21 december är det ljust t.o.m. det datum där timnumret för gräns mellan dagsljus och mörker hoppar ett steg, efter 21 december är det ljust fr.o.m. detta datum.
7.3 Siktförhållanden
Från SMHI-data kan information om siktförhållandena hämtas. Sikten kan anges enligt två olika siktskalor, en noggrann och en förkortad skala. I detta projekt har genomgående en del av den noggranna skalan använts. Sikten anges då som en kod enligt följande.
Kod 0 betyder en siktlängd på mellan 0 och 100 m, kod 1 en siktlängd på 100-200 m, osv. i 100-metersintervall upp till kod 9 som innebär en siktlängd på 900-1 000 m. För sikt överstigande 1 000 m har kod 10 använts.
I SMHI-data redovisas en siktkod var tredje timme. Den avser sikten strax före angivet klockslag. Eftersom alla data i detta projekt knyts till timnummer anses redovisad siktkod gälla för två timmar, både timmen före och efter angivet klock-slag. Om t.ex. SMHI anger siktkod 3 kl. 16.00 anses denna kod gälla både för timme nummer 15, dvs. kl. 15.00 15.59 och timme nummer 16, dvs. kl. 16.00
-16.59.
7.4 Detaljeringsgrad på flödes- och hastighetsdata
I de hastighets- och flödesdata som Vägverket ursprungligen levererade valdes en uppdelning på följande sex fordonstyper.
m= Personbil utan släp. - Personbil med släp. - Tvåaxlig lastbil utan släp. - Tvåaxlig lastbil med släp. 2 Treaxlig lastbil utan släp. - Treaxlig lastbil med släp.
18
Det bör observeras att i de sex fordonstyperna ovan ingår vissa andra fordon såväl antals- som hastighetsmässigt. Motorcyklar hänförs till fordonstypen "personbil utan släp" och bussar till "tvåaxlig lastbil utan släp" eller "treaxlig lastbil utan släp". Kategorin oklassade fordon - X-fordon med Vägverkets beteckningar - för-delas på de tre fordonstyperna "personbil utan släp", "tvåaxlig lastbil med släp" och "treaxlig lastbil med släp" enligt en statistisk fördelningsmodell.
När data med denna detaljeringsgrad skulle användas i det fortsatta analysarbetet visade det sig att indelningen i fordonstyper inte var helt idealisk.
Avsikten är nämligen att senare ta fram hastighetsmodeller för varje fordonstyp och mätplats, se kapitel 10. Det gäller därvid att underlagsmaterialet för modell-konstruktionerna inte får vara alltför litet, eftersom precisionen i modellerna då blir dålig. Ett sätt att öka underlagsmaterialet är att begränsa antalet fordonstyper. Det handlar alltså om en balansgång mellan att differentiera och hålla samman underlagsmaterialet.
En konsekvens av indelningen ovan är att tre av de fyra lastbilstyperna samt per-sonbil med släp ofta endast omfattar en eller två procent vardera av det totala for-donsflödet. Det innebär att dessa fyra hastighetsmodeller kommer att baseras på data från mindre än 100 fordon per dygn i många av mätplatserna.
För att bredda basen för modellkonstruktionen måste fordonstyperna sammanföras till större grupper. Vad gäller lastbilar torde den bästa överensstämmelsen i has-tigheter erhållas om indelning görs efter om dragbilen har släp eller inte. Fordons-typen personbil med släp är mera problematisk. Hastighetsmässigt liknar den mera lastbil med släp än personbil utan släp. Samtidigt vill man försöka renodla for-donsgrupperna och inte blanda personbilar och lastbilar. Vart man än hänför per-sonbil med släp så uppkommer nackdelar. Att ha fordonstypen som egen grupp innebär, som sagts ovan, att underlagsmaterialet blir litet och hastighetsmodellen osäker. Tillsammans med Vägverket har då beslutats att personbil med släp inte ska ingå i analyserna.
Följande indelning i tre fordonsgrupper kommer fortsättningsvis att användas.
- Personbil utan släp.
- Två- och treaxlig lastbil utan släp. - Två- och treaxlig lastbil med släp.
19
8 REGRESSIONSAÄNALYS
Syftet med regressionsanalysen är att finna ekvationer som på ett bra sätt beskriver hastigheten för olika fordonsgrupper och mätplatser som funktion av ett antal för-klaringsvariabler. Efter att ha gjort ett antal stegvisa regressioner, där alla variabler haft möjlighet att komma med, står det klart att en handfull grupper av variabler behöver ingå i modellerna för att hastigheterna ska kunna beskrivas tillfredsstäl-lande.
För att bestämma vilka variabler som ska ingå i respektive modell har principen varit att samma uppsättning förklaringsvariabler ska definieras oberoende av for-donsgrupp och mätplats. Regressionerna kommer sedan att ge svar på om alla eller bara vissa av de definierade variablerna kommer att ingå i modellerna för respek-tive fordonsgrupp och mätplats.
Med ett sådant förfarande drunknar man inte i olika förklaringsvariabler som dessutom varierar från mätplats till mätplats. Man kan koncentrera sina fortsatta analyser av regressionsekvationerna till vilken påverkan på hastigheten som de väsentligaste variablerna har. T.ex. vore det intressant att studera vilka hastig-hetsminskningar som olika sorters is/snöväglag medför för olika grupper av for-don. Sådana analyser är ingen huvuduppgift i projektet men kommer att göras i viss utsträckning för att öka kunskapen om hur trafiken påverkas av olika faktorer.
Den uppsättning variabler som definieras består av följande fem grupper som till-sammans innehåller 17 variabler.
Säsongsvariabler
- Höst/förvinter (oktober och november). - Högvinter (december, januari och februari). - Senvinter/vår (mars).
Veckodagsvariabler
- Vardag (måndag - fredag).
20 Ljusvariabler - Dagsljus. - Mörker. Flödesvariabler - Timflöde personbil. - Timflöde lastbil.
- Produkten av timflöde personbil och timflöde lastbil.
Väglagsvariabler - Torr barmark. - Fuktig/våt barmark. - Lös snö/snömodd. - Tunn is /rimfrost. - Tjock is/packad snö.
- Spårslitage med barmark i hjulspåren. - Spårslitage med tunn is i hjulspåren.
Det bör observeras att valet av flödesvariabler har ändrats jämfört med den ursprungliga modellansatsen i avsnitt 6.4. Förklaringen till detta är följande.
Enligt avsnitt 6.2 och 6.3 gäller:
- Högre totaltrafikflöde medför lägre personbilshastighet p.g.a. ökade störningar mellan fordonen.
- Lägre lastbilsandel vid givet totaltrafikflöde medför högre personbilshastighet eftersom de långsammare lastbilarna hindrar mindre.
- Högre totaltrafikflöde samvarierar med lägre lastbilsandel eftersom lastbilsflö-det fluktuerar väsentligt mindre under dygnet än vad personbilsflölastbilsflö-det gör.
21
Vid en regressionsanalys kommer normalt en minskad personbilshastighet att anges som funktion av ökat totaltrafikflöde. Det kan emellertid inträffa att den samvarierande variabeln lägre lastbilsandel också ingår i regressionsekvationen. Detta kan ge upphov till den felaktiga tolkningen av regressionsekvationen att lägre lastbilsandel medför lägre personbilshastighet.
För att eliminera denna feltolkning har de oberoende variablerna totaltrafiktflöde och lastbilsandel ersatts av timflöde personbil, timflöde lastbil och produkten av dessa.
Resultatet av regressionsanalysen har sammanställts i bilaga 3, där ekvationer för varje fordonsgrupp och mätplats redovisas. Bilaga 2 är en anvisning för hur regressionsekvationerna ska läsas och tolkas.
Som exempel på resultat från regressionsanalysen visas i tabell 1 hastighetsnivåer för personbilar vid torr barmark och vilka hastighetssänkningar som vissa vinter-väglag medför. De variationer i hastighet på varje mätplats, t.ex. + 1,0 km/h, som anges i tabellen är ungefär 95-procentiga konfidensintervall, som inte återfinns i bilaga 3 utan har beräknats separat. Tolkningen av en hastighetsangivelse på ex-empelvis 94,2 + 1,0 km/h är att intervallet 93,2 - 95,2 km/h med 95 procents säkerhet täcker den "sanna" hastigheten.
Av tabell 1 kan bl.a. utläsas att hastighetssänkningen ofta är stor vid lös snö eller snömodd på vägen, i medeltal kring 10 km/h, och att konfidensintervallet är näs-tan lika stort som sänkningen; ibland t.o.m. större. Att konfidensintervallet är så stort beror till största delen på att endast ett fåtal timmar är mätta vid väglaget lös snö/snömodd.
22
Tabell 1 Punkthastighet (inklusive konfidensintervall) på vardagar under högvintern vid lågtrafik, dagsljus och torr barmark samt hastighets-skillnad (inklusive konfidensintervall) vid några olika vinterväglag. Fordonsgrupp: Personbil utan släp.
Stjärnmarkering ( * ) betyder att hastighetsskillnaden är signifikant skild från noll på 5 % risknivå. En ruta som markerats med streck (-) innebär att ingen hastighetsskillnad har kunnat beräknas p.g.a. bortfall eller därför att väglaget inte förekommit.
Mätplats Punkthastighet/hastighetsskillnad (km/h) vid olika väglag
torr barmark lös snö/ tjock is/ spårslitage snömodd packad snö med barmark
Nymö 81,8 +0,4 |- 19,4 + 13,0* - - 9,4 + 7,5* Knislinge 94,2 + 1,0 - - - 13,2 + 5,2* Gistad 99,3 + 0,8 - - -Vimmerby 99,0 + 1,5 - - - 13,0 + 5,8* Gödestad 95,4 + 1,0 - - -Ödeborg 89,2+0,4 - 10,1 +7,7* - - 7,2 + 1,9* Karlstad 103,6 + 0,8 - m - 9,0 + 3,2* Falun 100,4 + 0,9 - 3,8 + 5,4 -- - 8,8 + 3,8* Jordbro 82,9 + 0,7 - - 14,0 + 4,6" -Handen 79,7 + 1,2 - - 15,5 + 8,3" - 3,0 + 8,3 Ramsele 82,8 + 1,7 - 4,9 + 9,7 - 1,7 + 2,0 - 1,1 + 13,7 Svenstavik 96,8 + 1,4 - 12,8 +9,9* -9,9 + ],2* - 4,2 + 1,1* Boden 92,4 + 2,1 - 8,5 + 6,4* - 6,2 + 3,3* - 1,7 + 2,1 Norrfjärden 96,7 + 1,0 - - - 0,3 + 0,7
I tabell 2 visas ytterligare ett resultat från regressionsanalysen, nämligen skillna-den i hastighet mellan dagsljus och mörker. I två tredjedelar av de undersökta fal-len skiljer hastigheten signifikant mellan dagsljus och mörker. Man kör då alltid fortare i dagsljus. För alla tre fordonsgrupperna rör det sig i medeltal om ungefär
23
samma hastighetsskillnad, 2,0 - 2,5 km/h.
Tabell Hastighetsskillnad (inklusive konfidensintervall) mellan dagsljus och mörker för olika mätplatser och fordonsgrupper. Hastighetsskillnaden definieras som hastighet i dagsljus minus hastighet i mörker.
Stjärnmarkering ( * ) / streckmarkering (-) betyder att hastighetsskill-naden är signifikant / ej signifikant skild från noll på 5 % risknivå.
Mätplats Hastighetsskillnad dagsljus - mörker (km/h)
Personbil utan Lastbil utan Lastbil med
släp släp släp Nymö m= 3,1 + 2,2* 4,0 + 3,2* Knislinge 2,9 +0,7* 1,6 + 1,1* 1,8 + 0,9* Gistad - = 0 Vimmerby 2,1 +0,7* -- 0,9 + 0,7* Gödestad 2,4 + 0,6* 3,4 + 1,4* 1,9 + 0,8* Ödeborg 2,8 + 0,6* - 1,8 + 0,6* Karlstad 2,9 + 0,5* 2,0 +0,7* 1,8 + 0,4* Falun 2,4 + 0,6* 2,3 + 1,0* 1,8 + 0,7* Jordbro 2,2 + 0,5* 1,7 +0,7* -Handen 0,9 + 0,8* 2,2 + 1,0* -Ramsele m= 3,5 + 3,4* 1,9 + ],8* Svenstavik 2,9 + 0,8* 2,0 + 1,5* -Boden sm => m= Norrfjärden 1,6 + 0,6* - 1,7 + 0,5*
24
9 BESKRIVNING AV PERIODER MED BORTFALL ELLER
DÅLIG VERKNINGSGRAD
Innan arbetet med att bortfallskomplettera hastigheterna påbörjas bör man under-söka hur perioderna med bortfall eller dålig verkningsgrad, se nedan, är fördelade på olika mätplatser, väglag, väderförhållanden, långa respektive korta perioder etc.
Under trafikmätningarna inträffar det ibland att den ena eller båda slangarna ska-das eller att andra fel eller funktionsstörningar uppstår på mätutrustningen. Detta anges för varje mättimme med en timkod.
Timkod B (bortfall) används i två fall. För det första när mätdatorn inte registrerat någon trafik alls, dvs. det bara förekommer nollor för antalet fordon och deras hastigheter. Typexempel på detta är när båda slangarna plogats av. På lågtrafik-erade vägar nattetid kan det dock förekomma att inga fordon registreras under en eller flera timmar utan att det är något fel på mätutrustningen. Detta anges då med timkod stjärna (*). Det andra fallet då timkod B används är när de mätdata som registrerats har bedömts vara av så dålig kvalitet att de inte ska tillmätas någon betydelse. Ett exempel på en sådan situation är när ena slangen skadats.
Timkoderna 0-4 anger verkningsgraden, dvs. hur stor andel av pulsmönstret från slangarna som mätdatorn utan problem kunnat översätta till olika typer av fordon, t.ex. personbilar, personbilar med släp, lätta lastbilar etc. Koderna 0-4 står för följande verkningsgrader.
Timkod 0 = verkningsgrad > 95 %.
Timkod 1 = verkningsgrad > 85 och © 95 %.
Timkod 2 = verkningsgrad > 70 och © 85 %.
Timkod 3 = verkningsgrad > 50 och © 70 %.
Timkod 4 = verkningsgrad © 50 %.
Utöver dessa timkoder kan ytterligare två anges, vilka dock inte har något intresse i detta sammanhang.
25
I bilaga 5 redovisas för varje mätplats vilka perioder som haft bortfall eller dålig verkningsgrad tillsammans med de väglags- och väderförhållanden som kan utlä-sas ur väglagsprotokollen. Därvid har 85 % valts som gräns mellan bra och dålig verkningsgrad.
Som komplement till beskrivningen i bilagan sammanfattas i tabell 3 kvaliteten i mätresultaten i form av andelar av vinterns timmar (4 392 st) med bortfall, dålig och bra verkningsgrad.
Tabell 3 Kvalitet i mätresultat från olika mätplatser under vintern 1991/92.
Mätplats Andel timmar (%) med
bortfall dålig verkningsgrad bra verkningsgrad (timkod B) (timkod 2-4) (timkod 0-1)
Nymö 6,1 2,5 91,4 Knislinge 10,5 2,9 86,6 Gistad 2,5 4,5 93,0 Vimmerby 19,0 2,7 78,3 Gödestad 3,7 17,9 78,4 Ödeborg 14,9 2.8 82,3 Karlstad 7,5 0,4 92,1 Falun 15,0 1,5 83,5 Jordbro 15,3 3,7 81,0 Handen 4,6 1,9 93,5 Ramsele 34,2 23,0 42,8 Svenstavik 23,4 12,3 64,3 Boden 21,9 8,6 69,5 Norrfjärden 18,0 25,2 56,8
26
Som speciellt dåliga mätplatser framstår Ramsele, Norrfjärden, Svenstavik och Boden. Vimmerby, Odeborg, Falun och Jordbro har haft långa bortfall, samman-lagt 1 månad eller mer, medan Gödestad framför allt karakteriseras av dålig verk-ningsgrad.
27
10 PREDIKTIONSMODELLER
Prediktionsmodellerna, dvs. de modeller som vid bortfallskomplettering kommer att användas för att beräkna (prediktera) olika fordonsgruppers hastigheter, utgör slutresultatet av regressionsanalysen där de viktigaste variablerna har avgränsats och deras påverkan på hastigheten har bestämts.
Av bilaga 5 framgår att bortfall eller dålig verkningsgrad förekommer både som längre, sammanhängande perioder, från 42 dygn upp till nästan 1 månad, och som enstaka isolerade timmar. Det sistnämnda fallet innebär att det kommer att krävas ett mycket stort antal väglagsbeskrivningar om hastighetskomplettering alltid ska kunna göras med beaktande av väglaget. Eftersom väglagsbeskrivningar ofta är relativt tidsödande att ta fram, även om perioden är så kort som en timme, kom-mer en fullständig beskrivning av väglaget för alla timmar som ska hastighets-kompletteras, att innebära mycket arbete. Med hänsyn till den lilla kvalitetsför-bättring som ett begränsat antal strötimmar kan åstadkomma under en hel vinter-period är det därför rimligt att reservera väglagsbeskrivningarna för de längre perioderna. Tillsammans med Vägverket har bestämts att väglagsbeskrivningar endast ska tas fram om perioden med bortfall eller dålig verkningsgrad är minst 24 sammanhängande timmar lång.
Mot denna bakgrund behövs således två olika typer av prediktionsmodeller för att beräkna fordonens hastigheter. En fullständig modell, som tar hänsyn till alla väsentliga variabler, och en reducerad, som beaktar alla väsentliga variabler utom väglaget. För båda modelltyperna behövs en delmodell för varje mätplats och for-donsgrupp.
De prediktionsmodeller som tar hänsyn till väglaget finns sedan tidigare redovi-sade i bilaga 3. Modellerna utan väglagsvariabler, som även de tagits fram med stegvis, linjär, multipel regressionsanalys, beskrivs för varje mätplats och fordons-grupp i bilaga 4.
28
11 BORTFALLSKOMPLETTERING AV HASTIGHETER
11.1 Beskrivning av väglag under bortfallsperioder
Starten på en bortfallskomplettering av hastigheter är att beskriva väglaget under bortfallsperioden.
Följande två fall kan inträffa.
1. Väglaget är observerat någon eller några gånger under. bortfallsperioden, eller på ömse sidor om denna, och kan beskrivas tillfredsställande för alla timmar under bortfallsperioden.
2. Väglaget är observerat någon eller några gånger, eller inte alls, under bort-fallsperioden men kan inte beskrivas tillfredsställande för alla timmar under denna period.
För det sistnämnda fallet behövs en metod som med hjälp av andra uppgifter, t.ex. SMHI-data, kan beräkna väglaget under hela eller delar av bortfallsperioden. En sådan metod kan kallas en väglagsmodell.
Att utveckla en väglagsmodell som med acceptabel noggrannhet kan beräkna väglaget med hjälp av t.ex. data om väder, trafik och åtgärder är en forsknings-uppgift i sig, som är nog så komplicerad.
En rimlig ansats i detta projekt är att ambitionsnivån på väglagsmodellsdelen inte ska vara alltför hög eftersom det finns många andra problem att lösa. Det förut-sätts således att relativt enkla och grova metoder ska användas för att beskriva väglaget under bortfallsperioder och perioder med dålig verkningsgrad. Samma indelning i sju väglag som definierats vid regressionsanalysen, se kapitel 8, används även här.
Tre saker måste tilläggas.
- Om ett väglag består av lager-på-lager, dvs. två väglag ovanpå varandra, så beaktas bara det övre lagret vid väglagsbeskrivningen.
- -Om fläckvis väglag med barmark eller tunn is skulle förekomma, så ersätts det av motsvarande spårslitageväglag.
29
- Ovanstående sju grupper av väglag kan normalt inte särskiljas enbart med hjälp av väderdata, utan det förutsätts att även väglagsobservationer och åtgärdsdata finns tillgängliga. Saknas sådana försämras möjligheterna till bra beskrivningen av väglaget. Även om all information enligt ovan finns till-gänglig kommer det ibland att vara omöjligt att avgöra vilket av flera tänkbara väglag som är det mest sannolika. Någon väglagsbeskrivning görs då inte.
För att begränsa det tidsödande arbetet med väglagsbeskrivningarna har i samråd med Vägverket beslutats att inte göra sådana beskrivningarna för alla platser. För följande tio mätplatser görs väglagsbeskrivningar.
- Nymö. - Knislinge. - Gistad. - Jordbro. - Handen. - Ödeborg. - Karlstad. - Falun. - Svenstavik. - Boden.
Som hjälpmedel vid väglagsbeskrivningarna används följande schabloner och antaganden. Faktaunderlaget bakom dessa, som har hämtats från data som samlats in i projektet, är tunt och därmed relativt osäkert.
1. På körfält i södra och mellersta Sverige med ÅDT mellan 2 500 och 6 500 for-don tar upptorkning från våt till torr barmark i samband med nederbörd utan saltning 4 timmar under dagtid och 10 timmar nattetid.
2. På körfält i södra och mellersta Sverige med ÅDT mellan 2 500 och 6 500 for-don tar upptorkning från våt till torr barmark i samband med saltning 8 timmar under dagtid och 20 timmar nattetid.
3. På körfält i södra och mellersta Sverige med ÅDT mellan 11 000 och 21 000 fordon tar upptorkning från våt till torr barmark i samband med nederbörd utan saltning 2 timmar under dagtid och 5 timmar nattetid.
30
På körfält i södra och mellersta Sverige med ÅDT mellan 11 000 och 21 000 fordon tar upptorkning från våt till torr barmark i samband med saltning 4 timmar under dagtid och 10 timmar nattetid.
. På körfält i norra Sverige med ÅDT mellan 1 000 och 3 000 fordon tar upp-torkning från våt till torr barmark i samband med nederbörd utan saltning 6 timmar under dagtid och 12 timmar nattetid.
. Under pågående snöfall och inom maxtid därefter förutsätts att snödjupet högst uppgår till vad som anges för respektive standardklass enligt Driftreglerna, referens 10.
. När maxtiden efter nederbörd löpt ut förutsätts att kraven enligt Driftreglerna är uppfyllda för respektive standardklass. För saltade körfält innebär detta normalt att inget is/snöväglag förekommer. Väglaget antas då vara våt barmark. För osaltade körfält gäller att is/snöväglag är tillåtet. Vilket is/snöväglag som finns beror på nederbördstyp, temperatur och väglag före nederbördstillfället.
11.2 Metod för bortfallskomplettering
Som framgått har två prediktionsmodeller för hastighet tagits fram för varje for-donsgrupp och mätplats. Den fullständiga hastighetsmodellen tar hänsyn till alla förklarande variabler; den reducerade till alla variabler utom väglaget. När hastig-hetskomplettering ska göras används följande arbetssätt.
Timkod 0, 1 och 2.
Hastigheterna anses tillförlitliga, ingen prediktion behöver göras.
Timkod 3, 4 och B.
Om perioden är kortare än 24 sammanhängande timmar beräknas hastighe-terna med hjälp av den reducerade modellen. Den reducerade modellen används också för perioder som är 24 timmar eller längre om väglagsbeskriv-ningar med tillfredsställande kvalitet inte kan tas fram.
Om perioden är 24 timmar eller längre beskrivs väglaget för varje timme under denna period och hastigheterna beräknas med hjälp av den fullständiga modellen.
Det bör observeras att det har satts en lägre gräns för acceptabel kvalitet - timkod 2 i stället för 1 - vid prediktion än vid regressionsanalys. Skälet till detta är att osäkerheten totalt sett är betydligt större vid hastighetsprediktion varför det är rimligt att bara ändra de osäkraste hastigheterna. Trots allt har ju minst 70 % av de
31
mätta hastigheterna kunnat hänföras till entydiga fordonstyper när timkoden är lika med 2.
11.3 Resultat
Vid kompletteringen tilldelas hastigheter till alla timmar som saknar uppmätt has-tighet eller som mätts med dålig verkningsgrad. Det förutsätts att en hashas-tighetsbe- hastighetsbe-skrivning är av högre kvalitet om den inkluderar kompletterade hastigheter än om den bara baseras på de hastigheter som finns tillgängliga. Frågan är då hur stor kvalitetsförbättring som har åstadkommits? Som mått på förbättringen har valts skillnaden i medelhastighet före och efter hastighetskomplettering. I tabell 4 redo-visas medelhastighet för vinterperioden som helhet.
Av tabellen framgår att i allmänhet är hastighetsskillnaden före och efter kom-plettering mycket liten. Endast i ca 15 % av fallen uppgår skillnaden till mer än 0,2 km/h. Detta inträffar företrädesvis i de nordligaste mätplatserna. Maximal hastighetsskillnad är 1,0 km/h.
Om resultaten jämförs månadsvis blir naturligtvis skillnaderna större men det är ändå sällan - bara i ca 5 % av fallen - som hastighetsskillnaden överstiger 1,0 km/h. Även vid denna jämförelse hittas de största skillnaderna i de nordligaste mätplatserna. I några enstaka fall överstiger skillnaden 2,0 km/h.
Det bör också noteras att hastighetsskillnaden kan vara både positiv och negativ, vilket innebär att medelhastigheten både kan öka och minska efter komplettering.
32
Tabell Medelhastighet under vinterperioden oktober-mars 1991/92 för olika mätplatser och fordonsgrupper före och efter hastighetskomplettering. Hastighetsskillnaden definieras som hastighet efter komplettering minus hastighet före komplettering.
Mätplats
Medelhastighet (km/h)
Personbil utan släp
Lastbil utan släp
Lastbil med släp
före
efter
skill-
före
efter
skill-
före
efter
skill-kompl. skill-kompl.
nad |kompl. kompl.
nad |kompl. kompl.
nad
Nymö
81,8
81,8
0,0
69,5
69,4
|- 0,1
69,9
69,8
|- 0,1
Knislinge
87,2
87,2
0,0
81,2
81;2
0,0
78,0
78,1
|+0,1
Gistad
94,4
94,4
0,0
85,1
85,1
0,0
81,0
81,1
|+0,1
Vimmerby
98,5
98,7
|+0,2]
88,3
88,7
|[|+0,4
81,8
81,7
|-0,1
Gödestad
87,3
87,4
|+0,1
80,9
80,9
0,0
78,9
78,9
0,0
Ödeborg
88,4
88,3
|-0,1
81,3
81,2
|-0,1
75,4
75,4
0,0
Karlstad
88,9
88,9
0,0
84,0
84,1
|+0,1
80,0
80,1
|+0,1
Falun
86,2
86,1
|-0,1
82,8
83,0
|+0,2
78,7
78,5
|- 0,2
Jordbro
67,9
67,8
|-0,1
68,0
68,0
0,0
66,0
65,9
|- 0,1
Handen
75,9
75,9
0,0
74,5
74,5
0,0
72,5
72,5
0,0
Ramsele
83,8
83,0
|-0,8
77,0
76,9
|-0,1
75,5
75,0
|-0,5
Svenstavik
90,0
89,3
|-0,7
84,5
84,5
0,0
78,2
78,2
0,0
Boden
85,8
86,1
|+0,3
73,7
74,7
|+1,0
67,8
68,2
|+0,4
Norrfjärden
89,6
89,5
|-0,1
81,9
82,0
|+0,1]
77,1
77,2
+ 0,1
33
12 DISKUSSION OCH SLUTSATSER
Som framgått av föregående avsnitt blev skillnaderna i medelhastighet före och efter komplettering mycket små för vintern som helhet. Även vid månadsvisa jäm-förelser var skillnaderna små.
Efter hand som projektarbetet framskridit har det mer och mer stått klart att hastig-hetsskillnaderna inte skulle bli särskilt stora, men att de skulle vara så obetydliga blev ändå en överraskning. Det är också förvånande att det är så vanligt, i ungefär 50 % av fallen, att medelhastigheten ökar efter bortfallskomplettering.
När väglagsbeskrivningar gjordes för bortfallsperioderna kunde ganska ofta kon-stateras att bortfallet började i samband med ett snöfall. Eftersom regressionsana-lysen har visat att hastigheten på is/snöväglag är lägre eller mycket lägre än på barmark borde hastigheten under bortfallsperioderna vara lägre än under vintern i genomsnitt. Att detta så sällan ger utslag i medelhastigheten kan bero på åtmins-tone två saker.
- Perioderna med bortfall är så korta att de drunknar i resten av vintern.
- Perioderna med bortfall är så långa att väglagsfördelningen under bortfallspe-rioden blir relativt lik genomsnittet under vintern, trots att pebortfallspe-rioden ganska ofta inleds med is/snöväglag.
Frågan är om någon eller kanske båda orsakerna kan slå igenom i våra beräk-ningar.
Beträffande bortfallsperiodernas längd gäller följande i de fall där väglagsbeskriv-ningar har gjorts (det är ju bara då som skillnader i hastighet mellan olika väglag beaktas): I de olika mätplatserna har bortfallet sammanlagt under vintern varierat mellan 4 och 43 dygn med ett genomsnitt på 19 dygn. Omräknat till en vinter-månad betyder det bortfall under i genomsnitt 3 dygn med variationen 1-7 dygn.
Med dessa uppgifter som utgångspunkt ställs följande fråga: "Hur stor måste has-tighetsskillnaden vara mellan bortfalls- och icke bortfallsperioder för att medel-hastigheten under månaden ska minska med 1 km/h efter komplettering?"
Svaret är att om bortfallet är 1 dygn per månad måste hastigheten i genomsnitt under bortfallsperioden vara hela 30 km/h lägre än för perioden utan bortfall. Är
