Probabilistisk analys av Ölandsbron baserad på fordonens verkliga laster och sidopositioner

TRITA-BKN Rapport 127 ISSN 1103-4289

ISRN KTH/BKN/R-127-SE Byggkonstruktion 2008

Brobyggnad KTH Byggvetenskap KTH, SE-100 44 Stockholm www.byv.kth.se

Probabilistisk analys av Ölandsbron baserad på fordonens verkliga laster och

sidopositioner

Fredrik Carlsson & Raid Karoumi

0 2 4 6 8

0 200 400 600 800 1000 1200

Transversal Position of Tyres [m]

Frequency

1 2 3 4 5

0 500 1000 1500 2000 2500

Width [m]

1 2 3 4 5 6 7

0 2000 4000 6000 8000

Number of Axels

0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

3500 4000 4500

Moment [kN]

FX

Simulerade moment

Anpassad GEV-fördelning

Probabilistisk analys av Ölandsbron baserad på fordonens verkliga laster och sidopositioner

Uppdragsgivare: Adriano Maglica (Vägverket, Väg och trafik, syd) Robert Ronnebrant (Vägverket, Borlänge)

Projektledare (mätprojekt): Raid Karoumi (KTH) Rapport skriven av: Fredrik Carlsson (LTH)

Raid Karoumi (KTH) Rapport granskad av: Sven Thelandersson (LTH)

Håkan Sundquist (KTH)

Installation av mätsystem: Björn Gustavsson (Vägverket, Väg och trafik) Daniel Nilsson (Vägverket, Väg och trafik) Jimmy Dahlbom (Vägverket, Väg och trafik) Analys av mätdata: Raid Karoumi (KTH)

Statistisk behandling och sannolikhetsbaserad analys:

Fredrik Carlsson (LTH)

Copyright

Institutionen för Byggvetenskap KTH Stockholm, november 2008

Axellaster från tunga fordon svarar för en mycket stor del av nedbrytningen av det belagda vägnätet. Det är därför viktigt att ha information om den tunga trafikens omfattning och vilka laster som trafikerar vägnätet. I takt med ökad ålder hos våra broar har också behovet av mätning och övervakning ökat. Broarna representerar ett stort värde för ett samhälle. Med hjälp av modern mät- och övervakningsmetodik kan vi öka vår förståelse för hur broarna egentligen fungera och hur de mår. Detta resulterar i bättre förvaltning, förlängd livslängd samt bättre utnyttjande av gjorda investeringar.

Föreliggande rapport utgör en redovisning av projektet ”Probabilistisk analys av Ölandsbron baserad på fordonens verkliga laster och sidopositioner”. Syftena med projektet är att undersöka trafiklasterna vid Ölandsbron och att utvärdera brons säkerhetsnivå. För att utvärdera lasterna genomfördes mätningar i anslutning till bron.

För att få en så bra bild som möjligt av trafiklasterna genomfördes två typer av mätningar, en konventionell B-WIM mätning och en sidopositionsmätning. Baserat på dessa mätningar analyserades Ölandsbrons mest belastade snitt med sannolikhets- baserade metoder.

Arbetet har finansierats av Adriano Maglica på Vägverket, väg och trafik, syd. Analys av mätdata har utförts av Raid Karoumi på Kungliga Tekniska Högskolan, avdelning för brobyggnad. Statistisk behandling av mätdata och sannolikhetsbaserad analys har utförts av Fredrik Carlsson på Lunds Tekniska Högskola, avdelning för konstruktions- teknik.

Stockholm november 2008

Denna rapport behandlar trafiklaster på Ölandsbron och de snittkrafter som genereras i bron av de trafikerade fordonen. Ölandsbron räknas som Sveriges längsta bro med en totallängd på ca. 6 km. Bron förbinder fastlandet med Öland och trafikeras av nästan 6 miljoner fordon per år. Den 30 september 1972 invigdes bron. Totala kostnaden för att bygga bron, tillfartsvägar inkluderat, slutade på 86,3 miljoner kronor. Vilket omräknat till 2006 års penningvärde motsvarar ca. 475 miljoner kronor. Från 1972 fram till 2006 har bron förstärkts och byggts om till en kostnad av 1 miljard kronor. Det är ingen tvekan om att bron har ett stort ekonomiskt värde men den är också av framkomlighetsskäl en mycket viktig förbindelse.

Brons ägare Vägverket vill öka tillåten boogielast på bron från 18 till 20 ton. För att kontrollera om detta är möjligt klassades bron. Klassningen visade att bron i ett snitt inte riktigt uppfyllde ägarens önskemål. Snittet är beläget på Ölandsbrons lågbrodel och det är huvudbalkarnas momentkapacitet som är otillräcklig. Anledningen till att momentkapaciteten är låg i detta snitt beror på att mycket av armeringen i huvudbalkarna är skarvad här.

Eftersom bron är nära att uppfylla Vägverkets krav på säkerhetsnivå vid önskad boogielast, finns det anledning att försöka analysera bron med förfinade analysmetoder. I bästa fall kan man visa att bron uppfyller Vägverkets krav. I följande projekt analyseras brons kritiska snitt med en sannolikhetsbaserad metod där hänsyn tas till den aktuella trafikbelastningen vid Ölandsbron. För att kunna genomföra en sannolikhetsbaserad analys måste det finnas statistisk information om alla i brottekvationen ingående stokastiska variabler. För att inhämta denna information för trafiklasterna genomfördes mätningar av fordon som trafikerar bron.

Mätningar av trafiken utfördes vid tre tillfällen, maj, augusti och oktober 2007. Under tre veckor mättes ca. 9600 tunga fordon och ca. 200000 personbilar. Vid mätplatsen som är belägen på en plattrambro i anslutning till Ölandsbron gjordes två typer av mätningar, en konventionell B-WIM mätning och en sidopositionsmätning. Förutom dessa tre mättillfällen, gjordes en extra sidopositionsmätning november 2007 på själva Ölandbron. Sidopositionsmätningarna ger information om var i brons tvärriktning som bron trafikeras samt fordonens axelbredder. De viktigaste utdata ifrån en B-WIM mätning är fordonens axellaster och axelavstånd. Statistisk information angående dessa parametrar saknas i stor utsträckning i litteraturen. Var i tvärled som bron trafikeras är mycket viktigt eftersom Ölandsbrons lågbrodel är en sk. balkbro. Med dessa data är det möjligt att göra en noggrann tvådimensionell modell av trafik- belastningen på Ölandsbron. I rapporten redovisas de viktigaste resultaten från mätningarna i form av statistiska fördelningar.

Mätdata utnyttjades för att konstruera olika trafiksituationer som kan tänkas uppstå på bron. I analysen skapades fyra olika trafiksituationer, ett ensamt fordon, en omkörning mellan två tunga fordon, en karavan av tunga fordon och en fordonskö.

Samtliga trafiksituationer analyserades med sannolikhetsbaserade metoder och analyserna visade alla på säkerhetsindex större än kravet 4,75 vilket motsvarar säkerhetsnivån i säkerhetsklass 3. Slutligen genomfördes en sk. ”probabilistisk klassning”. Denna analys bygger på de typfordon som är definierade i Vägverket

This report deals with traffic loads on the Öland Bridge and the section forces generated in the bridge from passing vehicles. The bridge is Sweden's longest bridge with a total length of approximately 6 km. The bridge links the mainland with Öland and carries nearly 6 million vehicles per year. The bridge was inaugurated on September 30, 1972. The total construction cost, including access roads, was 86,3 million Swedish crowns (SEK). Which converted to 2006 value corresponds to approx.

475 million SEK. From 1972 until 2006, the bridge has been strengthened and partly retrofitted at a cost of 1 billion SEK. There is no question that the bridge has a great economic value and is a very important link to Öland.

The bridge owner Vägverket wants to increase the allowable bogie load on the bridge from 18 to 20 tons. To check if this is possible, the bearing capacity of the bridge was assessed. This work revealed that the bridge in one section does not really meet the owner's wishes. This section is located on the bridge lower part where it has been shown that the moment capacity of the main beams is insufficient. The reason for the moment capacity being low in this section is because much of the reinforcement of the main beams are spliced here.

Since the bridge is close to meet the owner's requirement of safety level at the desired bogie load, there is reason to try to analyze the bridge with more sophisticated analytical methods. At best, one can show that the bridge satisfies the requirements. In the following project, the critical section of the bridge was analyzed with a probability based approach which takes into account the current traffic load at the bridge. In order to conduct a probabilistic analysis, one must have statistical information on all random variables in the used equations. To obtain this information for the traffic loads, measurements of vehicles passing on the bridge were carried out.

Traffic measurements were carried out on three occasions, May, August and October 2007. Three weeks of data was collected including about 9600 heavy vehicles and 200 000 cars. At the test site which is located on an integral bridge in connection with the Öland Bridge, two types of measurements were performed, a conventional B-WIM measurement and a vehicle lateral position measurement. In addition to these three measurement occasions, an additional measurement campaign of vehicle lateral position was performed November 2007 on the Öland Bridge itself. The lateral position measurement gives information on where from the edge beam the vehicles are crossing the bridge and also information on vehicle axle widths. The main output from a B- WIM measurement is vehicle axle loads and axle distances. Statistical information regarding these parameters is largely lacking in the literature. Lateral position of vehicles is very important because the lower part of the Öland Bridge is a beam structure. With this data, it is possible to make an accurate two-dimensional model of the traffic load on the Öland Bridge. This report presents the main results of the measurements in the form of statistical distributions.

The collected data was used to construct various traffic situations that might occur on the bridge. Four different traffic situations were generated in the analysis and these are: one vehicle, overtaking between two heavy vehicles, a caravan of heavy vehicles and one vehicle queue. All traffic situations were analyzed with probabilistic methods.

bogie load that meet the safety requirement is obtained as the so-called load rating.

For the Öland Bridge, the calculated allowable bogie load was found to be 22,5 tons, which means that the bridge can safely carry the larger traffic load as the owner wishes.

Förord...v

Sammanfattning...vii

Summary ... ix

Innehållsförteckning... xi

1. Introduktion...1

1.1. Bakgrund...1

1.2. Målsättning ...2

1.3. Beskrivning av projektet...3

1.4. Avgränsningar ...3

1.5. Rapportens struktur...3

2. Mätmetoder...5

2.1. Generellt...5

2.2. Mätning av trafiklaster ...5

2.2.1. Bakgrund...5

2.2.2. Mätning med B-WIM ...6

2.2.3. Utvärdering av trafiklaster från en B-WIM mätning...8

2.3. Mätning av fordonens sidopositioner...12

2.3.1. Generellt...12

3. Genomförande och mätresultat ... 15

3.1. Instrumentering, kalibrering och mätning...15

3.1.1. Allmänt...15

3.1.2. Givare och mätsystem ...15

3.1.3. Datainsamling och dataöverföring ...17

3.1.4. Kalibrering av SiWIM ...17

3.2. Verifiering genom filmning och videoanalys ...18

3.3. Praktiska problem, svårigheter och felkällor ...18

3.4. Typiska mätresultat av sidopositioner ...20

3.5. Statistisk bearbetning av mätdata...22

3.5.1. B-WIM mätningarna ...22

3.5.2. Sidopositionsmätningar...26

4.2. Trafiksituationer...34

4.2.1. Ett ensamt extremt tungt fordon ...34

4.2.2. Omkörning mellan två tunga fordon...38

4.2.3. Karavaner med tunga fordon...44

4.2.4. Köer ...48

4.2.5. Sammanfattning ...50

5. Sannolikhetsbaserad analys av Ölandsbrons huvudbalkar ... 51

5.1. Momentkapacitet ...51

5.2. Momentbelastning ...52

5.2.1. Ensamt extremt tung fordon...53

5.2.2. Omkörning mellan två tunga fordon...54

5.2.3. Karavaner med tunga fordon...55

5.2.4. Fordonskö ...56

5.2.5. Sammanfattning och slutsatser...57

6. Resultat och Slutsatser... 61

6.1. Mätningar ...61

6.2. Sannolikhetsbaserad klassning av Ölandsbron ...63

6.3. Förslag till fortsatt arbete ...63

6.3.1. Fortsatt mätning av verklig trafik på Ölandsbron...64

6.3.2. Mätning av verklig trafik i övriga landet...64

6.3.3. Mätning av trafiklasteffekter på Ölandsbron...64

6.3.4. Förbättring av mätmetoder...64

7. Referenser ...65

Appendix A Tidpunkter för B-WIM mätningarna och beräknade trafikintensiteter...67

Appendix B Fordonens totalvikt och placering...69

Appendix C Statistik beskrivning av olika typfordons axelbredder ...73

Appendix D Statistiskt beskrivning av personbilars placering ...75

Appendix E Statistiskt beskrivning av placering av 2-4 axliga lastbilar ...79

Appendix F Statistiskt beskrivning av placering av 5-7 axliga lastbilar...83

H.1. Mätning 1...95

H.2. Mätning 2...102

H.3. Mätning 3...108

H.4. Mätning 4...114

Appendix I Placering av slangar och B-WIM givare...119

I.1. Placering av slangar på Ölandsleden (maj, augusti och oktober 2007)...119

I.2. Placering av slangar på Ölandsbron (november 2007) ...121

I.3. Plattrambron för B-WIM och placering av B-WIM givare (maj, augusti och oktober 2007)...122

Appendix J Bilder från trafikkamera... 125

1. Introduktion

1.1. Bakgrund

De allra flesta infrastrukturkonstruktioner i ett land är redan byggda och representerar ett stort värde för ett samhälle. Det är därför av största vikt att detta kapital utnyttjas och förvaltas på bästa sätt. En stor del av broarna i Sverige har uppnått en relativt hög ålder och olika nedbrytningsmekanismer pågår som kan förväntas minska broarnas kapacitet. Samtidigt ökar kraven på vägnätet såväl i form av ökad trafikmängd som ökade fordonslaster. Broarna är ofta gränssättande för vägnätets kapacitet, varför det är viktigt att kunna utnyttja dessa strukturer till högre laster och under längre tid. Att därför kunna förlänga livslängden vid bibehållna last- och andra funktionskrav eller helst kunna utnyttja broar och andra konstruktioner till högre last-, tids- och andra funktionskrav är därför till stor samhällsekonomisk nytta. För detta ändamål finns flera olika metoder. En metod är att med hjälp av probabilistisk analys, i kombination med modern mätteknik, noggrannare utvärdera konstruktionernas respons.

Probabilistisk klassning av vägbroar i Sverige är inte vanligt. Fördelen med att använda probabilistiska analyser i motsats till deterministiska analyser av existerande broar är att det finns stor möjlighet att implementera data som är specifika för den aktuella bron. Ett bra exempel på information som kan implementeras och på så sätt förbättra den probabilistiska modellen är trafikens karakteristika.

Ölandsbron invigdes den 30 september 1972. Ölandsbron är 6 072 meter lång vilket innebär att den är Sveriges längsta bro (Öresundsbron är längre men den delen som ligger inom Sveriges gränser är kortare och därför räknas Ölandsbron fortfarande som Sveriges längsta bro). Bron är en betongbro i 155 spann. Med hänsyn till konstruktionen kan den delas in i tre delar:

─ en 801 meter lång lågbro med 23 spann som till större delen ligger på Svinö på fastlandssidan

─ en 910 meter lång högbro med 8 spann över Kalmarsunds djupränna

─ en 4361 meter lång lågbro med 124 spann mellan Norra Skallö och Öland.

Figur 1.1: Ölandsbron

Lågbroarna uppfördes som kontinuerliga balkbroar av slakarmerad betong med spännvidden 35,12 meter. Högbron utformades som en sluten lådsektion med variabel höjd och maximala spännvidden 130 meter. Högbrosektionerna har förspänd armering i längsled medan farbanan är slakarmerad.

Ett så kallat sommarmedeldygn trafikerades Ölandsbron år 2007 av 22 545 fordon och

Totalt under 2007 var det 5 963 005 överfarter vilket är en ökning med 4,1 % jämfört med 2006. Det kan som jämförelse i sammanhanget nämnas att under 2007 trafikerades Öresundsbron av 6 745 968 fordon.

Bron har reparerats i flera omgångar och i relativt stor omfattning (sedan 1972 har bron byggts om och reparerats för ca. 1 miljard kronor vilket motsvarar 165 000 kronor per meter bro), men har hittills hållfasthetsmässigt ansetts ha tillräcklig kapacitet. Nu önskar man genomföra en noggrann klassningsberäkning som förhoppningsvis visar att bron kan klassas för högre laster. Därför är projektets målsättning att, genom noggrann probabilistisk analys, studera möjligheten att klassa bron för högre laster.

Som underlag för en sådan noggrann analys behövs bl.a. information om fordonens verkliga axellaster och sidopositioner. Arbetet har finansierats av Adriano Maglica på Vägverket, väg och trafik, syd. Analys av mätdata har utförts av Raid Karoumi på Kungliga Tekniska Högskolan (KTH), avdelningen för Brobyggnad. Statistisk behandling av mätdata och probabilistisk analys har utförts av Fredrik Carlsson på Lunds Tekniska Högskola (LTH), avdelningen för Konstruktionsteknik.

LTH konstruktionsteknik har stor erfarenhet av probabilistiska analyser och analyser av trafiklaster från WIM/B-WIM mätningar (dvs. vägning av fordon i rörelse).

Kunskap om instrumentering och mätteknik finns på KTH Brobyggnad. KTH Brobyggnad har dessutom flera doktorander med spetskompetens inom området signalanalys, B-WIM samt analys av dynamisk respons och interaktion mellan fordon och broar. Under de senaste åren har flera väg- och järnvägsbroar instrumenterats av KTH. Båda korttids- och långtidsmätningar av statisk och dynamisk respons, till följd av bl.a. trafiklaster och vind, har utförts. Beräkningsverktyg för signalanalys har utvecklats samt mätutrustning och sensorer har införskaffats. Omfattande litteraturstudier inom området har genomförts och flera artiklar, rapporter, doktors- och licentiatavhandlingar har skrivits av personerna i gruppen.

1.2. Målsättning

Målsättningen är att genom noggrann probabilistisk analys studera möjligheten att klassa bron för högre laster. Som underlag för en sådan noggrann analys behövs mätningar för att samla in information om trafikens sammansättning (d.v.s. andelen tung trafik, axelavstånd m.m.) samt fordonens axellaster, bredder och placering i tvärled på bron.

Projektet har två huvudsyften:

1. Mät verklig trafik på Ölandsbron

2. Genomföra en förfinad analys av Ölandsbrons mest utnyttjade snitt och om möjligt visa att bron uppfyller ägarens säkerhetskrav.

Syftet med mätningarna är att få en realistisk bild av trafiklasterna som genereras av de fordon som trafikerar bron. En viktigt del är att inhämta information om var i brons tvärriktning de tunga fordonen kör samt deras axelbredd. Statistisk information om dessa parametrar saknas i litteraturen. Den information som mätningarna ger utnyttjas för att genomföra en förfinad analys av bron. I detta fall en probabilistisk analys där trafiklasterna är direkt baserade på mätdata.

1.3. Beskrivning av projektet

Detta projekt är ett samarbetsprojekt mellan Vägverket, Kungliga Tekniska Högskolan och Lunds Tekniska Högskola. Projektet initierades av ägaren Vägverket 2006. Ägaren har önskemål om att höja tillåten boogikapacitet på Ölandsbron från 18 till 20 ton.

Första steget var att utföra en ordinär klassning av bron. Klassningen visade att momentkapaciteten i huvudbalkarna på Ölandsbrons lågbrodel var gränssättande och att huvudbalkarna inte riktigt klarar önskad boggikapacitet. Eftersom huvudbalkarna är nära att klara den önskade boggilasten kan det vara effektivt ur kostnadssynpunkt att göra en förfinad analys av bron och på så sätt visa att säkerhetsnivån är tillfredställande. Här utförs en probabilistisk klassning av Ölandsbrons huvudbalkar där hänsyn tas till aktuella förhållanden vid bron.

Trafiklasten är den variabla last som har den största inverkan på resultatet av en klassningsberäkning. För att kunna genomföra en sannolikhetsbaserad klassning av bron krävs statistisk information om trafiklaster vid Ölandsbron. För att införskaffa denna information beslutades det att mätningar av trafiklasten skulle genomföras.

Mätningarna utfördes vid tre skilda tillfällen under 2007 på en mindre bro i direkt anslutning till Ölandsbron. Utifrån dessa mätningar kontrollerades brons säkerhetsnivå för aktuell trafikbelastning och även möjligheten att höja tillåten boggilast på bron.

1.4. Avgränsningar

Mätningarna vid Ölandsbron har gjorts under en begränsad tid, tre tillfällen på vardera en veckas tid vid olika tidpunkter under år 2007. Under mätperioderna har ca.

9 600 tunga fordon och 200 000 fordon passerat mätstationen. Karakteristiska värden för trafiklaster i den svenska normen är definierade som 98 % fraktilen av års- maximumfördelningen. För att kunna ge exakta värden på trafiklastens storlek skulle man behöva utföra mätningar under mycket lång tid. Det är naturligtviss av ekonomiska och tidsmässiga skäl inte möjligt. Trots att mätning endast har genomförts under tre veckor kan mätresultaten antas var fullt tillräckliga för ändamålet.

Mätningarna av fordonens placering i brons tvärriktning visar att fordonen har en tydlig tendens att trafikera bron närmare vägmitt. Hypotesen före analysen av datamaterialet var att medelvärdet för fordonens sidoposition skulle vara i centrum av den fil de färdas, med mätningarna visar tydligt att fordonen kör närmare respektive fils vänstra begränsningslinje än centrum av filen. Detta är en klar fördel ur trafiklast- synpunkt för balkbroar eftersom lasten då fördelar sig jämnare mellan huvudbalkarna.

Det är kanske inte så konstigt rent psykologiskt att det är så eftersom att man som förare inte gärna kör för nära kanten av en bro. Det är dock svårt att uttala sig om att detta är ett generellt fenomen. För att kunna fastställa att det är så skulle man behöva utföra fler mätningar på andra broar.

1.5. Rapportens struktur

Rapporten är uppdelad i två delar, en huvuddel som består av 6 kapitel och en del som

I kapitel 2 beskrivs två olika mätsystem som använts vid. Kapitlet innehåller även en teoridel som beskriver bakgrunden till hur mätsystemen fungerar.

Kapitel 3 innehåller mätresultat för de tre olika mättillfällena vid Ölandsbron.

I kapitel 4 bestäms snittkrafterna i det kritiska snittet genererade av olika trafiksituationer, nämligen, ett ensamt tungt fordon, omkörning mellan två tunga fordon, karavaner av tunga fordon och en fordonskö. Samtliga snittkrafter beskrivs i form av extremvärdesfördelningar baserade på mätresultaten.

Kapitel 5 innehåller en probabilistisk analys av Ölandsbrons huvudbalkar. Analysen är baserad på de statistiska fördelningar som bestämdes i kapitel 4.

I kapitel 6 redovisas slutsatser och resultat från mätningar och analyser av bron.

Appendix A Innehåller detaljerad information om tidpunkter för de tre mätperioderna och även beräknade trafikintensiteter.

Appendix B Information om de uppmätta fordonens totalvikter.

Appendix C Statistik beskrivning av olika typfordons axelbredder.

Appendix D-F Sammanställning av sidopositionsmätningarna.

Appendix G Deterministisk klassning av Ölandsbrons huvudbalkar.

Appendix H Resultat för sidopositionsmätningarna.

Appendix I Beskrivning av instrumentering för sidopositionsmätningarna och B-WIM mätningar.

Appendix J Bilder från mätplatsen.

2. Mätmetoder

2.1. Generellt

Broarna är ofta gränssättande för vägnätets kapacitet, varför det är viktigt att kunna utnyttja dessa strukturer till högre laster och under längre tid. Ett sätt att kunna åstadkomma detta är att i fält mäta broarnas egenskaper och genom kombination av modern analysmetodik fastställa strukturernas svagheter och möjligheter. Med hjälp av modern mät- och övervakningsmetodik kan vi öka vår förståelse för hur våra broar egentligen fungerar och deras prestanda. Mätning används bland annat för att:

• Utvärdera och förstå broar verkningssätt.

• Verifiera och uppdatera beräkningsmetoder och beräkningsmodeller.

• Utvärdera brons dynamiska egenskaper (frekvens, dämpning och svängnings- moder).

• Verifiera använda beräkningsparametrar (t.ex. styvhet och dämpning).

• Samla information om laster, lasteffekter (dynamiskförstoringsfaktor) och last- fördelning.

• Uppgradering av befintliga broar till högre axellaster och/eller högre fart.

• Få ett slags fotavtryck av den oskadade bron (ger möjlighet till skade- detektering).

2.2. Mätning av trafiklaster

2.2.1. Bakgrund

Tunga fordons axellaster orsakar stora skador på infrastruturskonstruktioner. Det är känt att nedbrytningshastigheten, särskilt för vägbanor, är relaterad till fordonslasten upphöjt till fyra. Det är därför av stor betydelse att samla information om fordonens storlek, variation och sidoplacering för att bättre kunna ekonomiskt dimensionera och optimera våra bro- och vägkonstruktioner samt också för att bättre kunna planera underhållsoperationer. Flera undersökningar visar att stora besparingar kan göras om tunga fordons axellaster hålls inom tillåtna gränser. Förutom att överlastade fordon drabbar samhället i form av ökande kostnader för väg- och brounderhåll, de är också direkt trafikfarliga eftersom de får helt andra köregenskaper och rejält förlängda bromsträckor. I Sverige vägs tunga fordon idag med hjälp av:

För vägfordon:

1. polisens portabla vågar,

2. fasta vågstationer vid sidan av vägen,

3. fasta vågstationer (WIM instrumenterade vägar), 4. instrumenterade broar (B-WIM, portabla system).

För järnvägsfordon:

1. fasta vågstationer (WIM instrumenterade räls), 2. instrumenterade broar (B-WIM, portabla system).

För en utförlig beskrivning av dessa metoder hänvisas till licentiatavhandlingarna Quilligan (2003) och Liljencrantz (2007).

För vägtrafik är den första och andra metoden mycket kostsamma och tidskrävande då man är tvungen att stoppa lastbilarna. De fasta vågstationerna (metod 2 och 3) har dessutom visat sig vara ineffektiva då förarna försöker undvika dessa vägsträckor genom att köra alternativa vägar. Den sista metoden är den som idag är mest lovande.

Metoden kan ge information om en stor mängd fordons axellaster med stor noggrannhet utan att stoppa fordonen. Vidare har förarna svårare att undvika dessa mätplatser då det från vägen är omöjligt att se om en viss bro är instrumenterad.

Nästa avsnitt beskriver metoden för mätning av trafiklaster m.h.a. B-WIM.

2.2.2. Mätning med B-WIM

I Europa har man satsat väsentligt på forskning rörande WIM tekniken d.v.s. vägning av fordon i rörelse (eng. Weigh-In-Motion). WIM system har utvecklats de senaste tjugo åren. Det senaste framsteget inom WIM tekniken är utveckling av så kallade Bridge Weigh-In-Motion system (B-WIM). B-WIM system omvandlar en bro till en

”osynlig” våg som väger passerande fordon. I Sverige finns dels ett kommersiellt B- WIM system med namnet SiWIM som används av Vägverket och dels två B-WIM system (ett för vägtrafik och ett för järnvägstrafik) som har utvecklats av avdelningen för Brobyggnad vid KTH.

Avdelningen för Brobyggnad har sedan år 2000 arbetat intensivt med B-WIM tekniken. Den huvudsakliga målsättningen för detta arbete är att vidare förbättra noggrannheten hos WIM system genom att kombinera den existerande kunskapen om broar och B-WIM system med kunskapen om modern mätteknik och signalanalys.

Under åren har B-WIM algoritmer för vägning av både vägtrafik och järnvägstrafik utvecklats, se t.ex. Quilligan (2003) och Liljencrantz (2007). Snabba kalibrerings- metoder har utvecklats. För järnvägstrafik har automatiska algoritmer för tåg- identifiering och kalibrering implementerats. Noggrannheten i de nya B-WIM systemen för vägtrafik har kunnat ökas markant de sista åren eftersom KTHs nya algoritmer klarar dels att hantera situationer med flera fordon samtidigt på bron och dels kan den beakta var på vägen i sidled fordonen passerar.

Instrumenteringen av en bro för B-WIM är relativt enkelt. Generellt kan sägas att ett antal trådtöjningsmätare (oftast krävs minst treså kallade B-WIM töjningsmätare, se Figur 2.1) monteras fast på brons undersida för att mäta töjning längs bron.

Positionen bör väljas så störst signal (störst töjning) erhålls. Systemet kalibreras genom att låta fordon med kända axellaster, axelavstånd och hastigheter passera över bron. Genom kalibrering kan brons verkliga influenslinje beräknas (se kapitel 2.2.3).

Efter kalibrering av ett B-WIM system kan statiska axellaster för godtyckligt passerande fordon beräknas. Det krävs dock information om fordonens hastighet, antal axlar och axelavstånd. Dessa kan antigen fås genom att placera två pneumatiska slangar på farbanan (se kapitel 2.3) eller minst en B-WIM töjningsmätare på ett visst avstånd (i brons längsled) från de andra. Algoritmer för noggrann beräkning av fordonens hastighet och brons influenslinje från mätningar finns beskrivna i Liljencrantz (2007) och Quilligan (2003).

Signalinsamling &

signalbehandling Axeldetektorer

Instrumenterad bro KTHBrobyggnad

Redrawn from WAVE final report Signalinsamling &

signalbehandling Axeldetektorer

Instrumenterad bro KTHBrobyggnad

Signalinsamling &

signalbehandling Axeldetektorer

Instrumenterad bro

Signalinsamling &

signalbehandling Axeldetektorer

Instrumenterad bro KTHBrobyggnad

KTHBrobyggnad

Redrawn from WAVE final report Figur 2.1: B-WIM töjningsmätare från KTH monterad på farbanans undersida

(översta bilden). Ett B-WIM system med axeldetektorer på vägen (nedersta bilden).

Brister/nackdelar med B-WIM system:

1. Metoden förutsätter att fordonen passerar med konstant hastighet.

2. Svårt att bestämma axellaster från nära placerade axlar i en boggi och speciellt svårt blir det för broar med stor överfyllning.

3. Tillgängliga kommersiella system klarar inte att analysera fall med flera fordon samtidigt på bron.

För val av bro för en B-WIM mätning ska följande beaktas:

1. Fordonen ska ha en konstant fart på bron så bron ska därför inte ligga nära korsning, trafikljus eller där köar kan bildas.

2. Inga kraftiga lutningar och skevhet på bron. Helst ska bron ligga på en raksträcka.

4. Helst en plattrambro över GC-väg då dessa är lättast att instrumentera och ger noggranna resultat.

5. Bron ska helst ha ett spann och med spännvidd under 10-12 m. Detta för att kunna urskilja de enskilda axlarna samt för att undvika fall med flera bilar på bron.

6. Ej tjock platta (överfyllning).

7. Bra om trafiken är separerad i två broar, dvs. en bro per körrikning.

8. Tillgång till el.

Idealbron är med andra ord en plattrambro över GC-väg, spännvidd<10 m, och som trafikeras av fordon vilka kör med konstanta hastigheter.

2.2.3. Utvärdering av trafiklaster från en B-WIM mätning

Metoden för utvärdering av trafiklaster från töjningsmätningar på en bro utvecklades av Moses i slutet av 70-talet, se Moses (1979). En utförlig beskrivning av metoder för mätning av trafiklaster (inkl. B-WIM) ges i licentiatrapporten Quilligan (2003). I licentiatrapporten Liljencrantz (2007) beskrivs den första B-WIM algoritmen för mätning av axel-/boggilaster från tåg (en utveckling som också är baserad på Moses metod).

När ett fordon passerar över bron kommer B-WIM systemet (som avläser töjningsgivarna med t.ex. 1000 gånger per sekund eller mer) att samla information om töjningsförändring i vissa punkter under farbanan. Systemet mäter också fordonens hastighet och axelavstånd med t.ex. hjälp av gummislangar på vägen. Förenklat kan sägas att axellasterna beräknas ur:

( )_i ( )_{i n n}( )_i

i AI t AI t A I t

M = 1 1 + 2 2 +L+ (2.1)

där

M_i = böjmoment vid sensorn och för tiden t_i A_n = vikt av axel n

I_n (t_i) = influensvärde för böjmoment för axel n och tiden t_i

Det är alltså böjmomentet M_i som mäts. Eftersom systemet kalibreras kommer M_i att innehålla de mätta töjningarna i Volt, alltså ingen omvandling från töjningar till typ Nm behövs.

Enkelt exempel med ett 3-axligt fordon

För ett 3-axligt fordon (se Figur 2.2) kan vi skriva:

( ) ( ) ( ) ( ) ( ) ( )

t I A t I A t I A

M_{1 1 1 1 2 2 1 3 3 1} + +

=

+ +

=

M M

M

M (2.2)

KTH KTH KTH

Figur 2.2: Bro i två spann med teoretisk influenslinje för moment för en punkt i första spannets mitt.

Som syns ovan, det är bara A₁, A₂ och A₃ som är obekanta. Det görs R stycken avläsningar av töjningar M när fordonet passerar över bron och vi får alltså R stycken ekvationer som i matrisform kan skrivas som:

( ) ( ) ( ) ( ) ( ) ( )

{

) 1 3 (

3 2 1

) 3 (

3 2

1

1 3 1 2 1 1

) 1 (

1

× ×

×

⎥⎥

⎥

⎦

⎤

⎢⎢

⎢

⎣

⎡

⎥⎥

⎥

⎦

⎤

⎢⎢

⎢

⎣

⎡

=

⎥⎥

⎥

⎦

⎤

⎢⎢

⎢

⎣

⎡

I A M

A A A

t I t I t I

t I t I t I

M M

R

R R

R

R

R 14444244443

M M

M 3 2 1

M (2.3)

Det är alltså ett överbestämt ekvationssystem som ska lösas där vi har endast 3 obekanta men flera tusen ekvationer. Detta möjliggör ”filtrering” av dynamiken i mätta töjningar så att statiska axellaster erhålls. Antalet ekvationer (R stycken) bestäms av hur fort mätsystemet avläser givarna (s.k. samplingsfrekvens) samt hur fort fordonen kör. För att beräkna axellastvektorn A i ekvationssystemet ovan används minstakvadratmetoden i t.ex. Matlab som:

( )I I I M A

M I IA

I^T = ^T ⇒ = ^{T −1 T} (2.4)

Beräkning av trafiklaster med B-WIM förutsätter att man, genom kalibrering med kända fordon, har tagit fram brons verkliga influenslinje I för punkter på bron där givare sitter. Vid kalibrering med kända fordon (dvs. kända axellaster, axelavstånd och hastigheter på fordonen) är A och M kända men matrisen I med influensvärden är okänd och kan beräknas.

Som bäst kan felet i beräknade statiska axellaster vara så lågt som några få procent.

Felet i totala fordonslaster är vanligtvis lägre än för axellaster. Felet beror på noggrannhet i beräkningsalgoritmen, noggrannhet i kalibrering av systemet, noggrannhet i givare etc. Stora fel kan också fås om fordonen inte kör med konstanta hastigheter och om en mindre lämplig bro har valts där vägen har stora ojämnheter och/eller bron har stor överfyllning. Rekommendationer för klassificering av WIM- mätningar har tagits fram genom COST323 projektet och kan hittas på

http://wim.zag.si/cost323/wimspecs.htm.

Exempel: B-WIM mätningar på bron vid Östermalms-IP i Stockholm

Bron är en plattrambro med spännvidd på ca. 10,5 m och ligger inom gångavstånd från

givare och algoritmer. Som framgår av i Figur 2.3 har bron instrumenterats med 6 st töjningsmätare som har monterats på betongfarbanans undersida. Detaljerad information om instrumentering och analys samt resultat hittas i Michael Quilligans licentiatrapport från KTH, Quilligan (2003).

Figur 2.3: Plattrambron vid Östermalms-IP i Stockholm, sektion och plan skiss placering av givare.

Figur 2.4 visar den verkliga influenslinjen för moment i fältmitt (alltså punkten där töjningsmätarna sitter) som har erhållits från en kalibreringsmätning utförd med en 2- axlig och en 3-axlig lastbil körande i olika hastigheter.

Figur 2.5 visar mätta signaler, i microstrain från de 6 töjningsmätarna, när en 2-axlig lastbil passerar över bron. Den enklaste B-WIM algoritmen (dvs. den ursprungliga Moses algoritmen) beräknar vecktorn M i ekvation 2.3 genom att summera signalen från alla 6 givarna (A-F). Denna enkla metod ger tyvärr sämre noggrannhet för axellaster. Tekniken för att räkna statiska axellaster från flera töjningsmätare har därför vidareutvecklats och förfinats av bl.a. Raid Karoumi, Michael Quilligan och Axel Linljencrantz på avdelning för Brobyggnad vid KTH.

När de statiska axellasterna har bestämts kan en simulerad responskurva beräknas med hjälp av influenslinjen. Figur 2.6 visar hur bra en simulerad respons kan överensstämma med mätt respons för passage av en 7-axlig lastbil.

Figur 2.4: Verklig uppmätt influenslinje för moment i bron fältmitt.

Figur 2.5: Registrerad töjning när en 2-axlig lastbil kör över bron.

Figur 2.6: Mätt och simulerad respons för passage av en 7-axlig lastbil.

Flera tester har genomförts med antingen ett eller flera fordon på bron vid Östermalm- IP. Resultaten indikerar att den procentuella differensen mellan B-WIM beräknade och verkliga statiska totala fordonslaster är, Quilligan (2003):

Medelvärde (%) Standardavvikelse

(%)

Ett fordon på bron -0.37 1.01

Flera fordon på bron 0.05 3.06

B-WIM algoritmerna som har utvecklats på KTH kan även användas för mätning av broars verkliga influenslinjer, se (O’Brien, Quilligan & Karoumi, 2006). Dessa kan användas vid klassningsberäkning istället för teoretiska influenslinjer. De kan också användas för kalibrering av FE-modeller av befintliga broar.

2.3. Mätning av fordonens sidopositioner

2.3.1. Generellt

Information om var i sidled fordonen kör på bron är av stort intresse för normförfattare och brokonstruktörer. Speciellt intressant är det i samband med en förfinad sannolikhetsbaserad klassningsberäkningen av en befintlig bro. Mätta sidopositioner och axellaster möjliggör en mer realistisk definition av trafiklastens storlek och läge jämfört med trafiklastmodellerna i bronormen. För befintliga broar kan sådan information som gäller för en specifik plats leda till en noggrannare och med ekonomisk kontroll av brons kapacitet.

Metoden för sidopositionsmätning som beskriv här är utvecklat av Prof. Raid Karoumi på KTH och använder sig av tre pneumatiska gummislangar vilka placeras på vägen (metoden har implementerats i programmet SidoPos, se Figur 2.7). Fordons- klassificering med 2 st gummislangar är en gammal metod; vanligtvis placeras två slangar på vägen för att mäta fordonens hastighet, antal axlar och axelavstånd. Tack vare datorns utveckling och utveckling inom signalbehandling har metoden kunnat utvecklas för att nu även mäta fordonens sidoposition på vägen. Detta görs genom att man, förutom de två slangarna A och B som behövs för fordonsdetektering och för beräkning av hastighet, även lägger en tredje slang C diagonalt över vägen (se Figur 2.7 och Figur 2.8)

När en bil passerar genereras luftpulser för varje axel. Varje luftpuls omvandlas till en elektrisk signal som tidsätts i millisekunder. Med hjälp av dessa tidsatta pulser, instrumenterad vägbredd och avstånd mellan slangarna kan man sedan räkna ut var i sidled fordonen befinner sig.

Figur 2.7: SidoPos, ett program för analys av fordonens sidopositioner. Programmet har utvecklats av Raid Karoumi på avd. för brobyggnad, KTH.

Figur 2.8: Instrumentering av vägen över plattrambron vid Östermalm-IP i

Stockholm med tre gummislangar för mätning av fordonen sidopositioner.

Slang A och B används för vanlig fordonsklassificering, och i kombination med signalen från slang C kan sidopositionen bestämmas. Problemet är att slangarna kan träffas av flera fordon samtidigt så att algoritmen måste först avgöra vilka signaler (luftpulser) kommer från vilka fordon. Algoritmen i programmet SidoPos som gör detta kan enklast beskrivas visuellt. Figur 2.9 visar tiderna t1-t10 då två lastbilar kör över slangarna A och slang B. Förenklat kan sägas att programmet försöker kombinera dessa tider så att parallella vektorer erhålls. Vektorer med samma lutning härrör från ett och samma fordon. Från lutningen på vektorn kan även riktningen bestämmas. När vektorerna har bildats kan hastigheter och axelavstånd beräknas. Sidopositionen beräknas sedan med hjälp av enkla geometriska samband. Det är därför viktigt att mäta placering och slangavstånd noggrant efter instrumentering.

Hastigheten v för fordon 1 (3-axlig) och fordon 2 (2-axlig) med respektive axelavstånd s beräknas nu som följande (där L är avståndet mellan slang A och B):

V₁=L /(t₄ -t₁) Æ S₁₁= V₁ /(t₃ -t₁) och S₁₂= V₁ /(t₈ –t₃) V=L /(t –t ) Æ S = V /(t –t )

Slang A Slang B L

Slang B

Slang A

Tid (t) t₁ t₂ t₃ t₄ t₅t₆t₇ t₈ t₉ t₁₀

Slang A Slang B L

Slang B

Slang A

Tid (t) t₁ t₂ t₃ t₄ t₅t₆t₇ t₈ t₉ t₁₀

Slang B

Slang A

Time t₁ t₂ t₃ t₄ t₅t₆t₇ t₈ t₉ t₁₀ (t)

Slang B

slang A

Time t₁ t₂ t₃ t₄ t₅t₆t₇ t₈ t₉ t₁₀ (t)

Slang B

Slang A

Time t₁ t₂ t₃ t₄ t₅t₆t₇ t₈ t₉ t₁₀ (t)

Slang B

slang A

Time t₁ t₂ t₃ t₄ t₅t₆t₇ t₈ t₉ t₁₀ (t)

3. Genomförande och mätresultat

3.1. Instrumentering, kalibrering och mätning

3.1.1. Allmänt

I detta kapitel redovisas den instrumentering, kalibrering och mätning som genomfördes på Ölandsleden och Ölandsbron år 2007. Målsättningen med instrumenteringen och mätningen är huvudsakligen att samla in information om fordonens:

a) statiska axellaster

b) sammansättning/konfiguration c) placering i tvärled

d) bredd.

Mätningen utfördes under följande fyra mätperioder under 2007:

─ B-WIM och sidopositionsmätning på Ölandsleden österut och västerut Mätning 1: 7-16 maj

Mätning 2: 8-16 augusti Mätning 3: 10-18 oktober

─ Endast sidopositionsmätning på själva Ölandsbron österut Mätning 4: 20-22 november

3.1.2. Givare och mätsystem

För mätning enligt punkt a-b ovan användes i detta arbete ett så kallat B-WIM system (se avsnitt 2.2.2) med namnet SiWIM och för punkt b-d användes en KTH utvecklad metod som bygger på pneumatiska slangmätningar med systemet Metor (se avsnitt 2.3). En SiWIM-enhet installerades på en plattrambro strax före Ölandsbron och två Metor-enheter (en per körriktning) installerades i ett vägavsnitt som låg strax efter plattrambron mot Öland. Appendix I redovisar placering och mått.

Vägverket har sedan 2002 mätt axelaster och bruttovikter på ett antal platser i landet med SiWIM-systemet som är väsentligt enklare och billigare än de alternativ som tidigare funnits. Mätsystemet SiWIM är baserat på B-WIM tekniken och har utvecklats av ZAG i Slovenien (www.siwim.com).

Mätsystemen Metor och SiWIM består av givare (som även kallas mätare eller sensorer), förstärkare (för signalbehandling/signalkonditionering), dator/CPU (för analys och lagring av data) samt en kommunikationsenhet. Som givare till SiWIM användes 24 st töjningmätare av typ ST-500 och till Metor 6 st vanliga pneumatiska gummislangar (3 st per enhet), se Figur 3.1 och Figur 3.4. Mätdatorerna var monterade i skåp med ett batteri som strömkälla. Skåpet innehöll även en GSM- sändare som gör det möjligt att bl.a. med hjälp av dator ringa upp och fjärrövervaka installationen.

Figur 3.1: Plattrambron med 2×12 st installerade B-WIM givare (vänstra bild) och vägbanan med 2×3 st installerade slangar (högra bild). Se Appendix I.

Figur 3.2: En extra sidopositionsmätning gjordes november 2007 på Ölandsbron för trafiken österut. Avståndet från Svinö påfarten till mätplatsen var ca 150 m.

Figur 3.3: Mätsystemet Metor för sidopositionsmätning (vänstra bild) och

SiWIM installerades som ett så kallat FAD system (Free of Axle Detectors) vilket innebar att SiWIMs axeldetektering gjordes med hjälp av 4 st extra töjningsgivare som monteras under bron.

Metor 2

Metor 1

mot Öland mot Kalmar

Figur 3.4: Två Metor-system (en per körriktning) och sex gummislangar installerades för mätning av sidopositioner.

3.1.3. Datainsamling och dataöverföring

Ett stort antal fordon passerar mätplatsen varje dag vilket generade stora datamängder. Det var därför viktigt att planera dataöverföring, datahantering och datalagring noga. En hel del analyser utförs av mätsystemen i realtid på plats så att ointressanta fordonspassager kasserades istället för att sparas och överföras till kontoret. Det var nödvändigt här med tät tömning av mätsystemens minne för att inte riskera stopp i mätningen. Detta gjordes av Vägverkets personal både genom besök på plats och via telefonmodem.

3.1.4. Kalibrering av SiWIM

Axellastmätning med ett SiWIM system kräver kalibrering efter varje installation. Vid kalibrering görs överfarter med en kalibreringsbil som har kända statiska laster och axelkombinationer. Kalibreringen utfördes nattetid då det inte får vara för hög trafik på mätplatsen eftersom kalibreringsbilen måste vara ensam på bron. Som kalibrerings- bil användes här en 7-axlig lastbil (tre-axlig dragbil och ett fyraxligt släp). Se Vägverket (2004) för mera information om kalibrering av SiWIM.

0,29

2,4

0,56

2,55

Figur 3.5: Axelmått på dragbil och släp till kalibreringsbilen.

Kalibreringsbilens passager har även använts för verifiering av beräknade sido- positioner och axelbredder (dessa beräknas med programmet SidoPos som har utvecklats av avd. för Brobyggnad på KTH, se avsnitt 2.3). Tyvärr har Metor inte kunnat klassificera alla dessa passager (möjliga orsaker till detta redovisas i avsnitt 3.3) men i de fall detta fungerade har SidoPos beräknade axelbredder och sidopositioner överensstämt bra. Som ett exempel kan nämnas att medelbredd på kalibreringsbilen beräknades av SidoPos till ca. 2,3 m vilket bedöms vara bra i jämförelse med måtten i Figur 3.5.

3.2. Verifiering genom filmning och videoanalys

Signalanalysen för bestämning av fordonens sidopositioner utförs m.h.a. programmet SidoPos. En videofilmning gjordes för att kontrollera Metor-systemets förmåga att klassa passerande fordon samt SidoPos algoritmens noggrannhet. Filmningen gjordes den 7 maj 2007, för trafiken österut, med en digitalvideokamera. På mätplatsen målades gula streck med ett avstånd på 400 mm tvärs över vägen. Från videofilmen kunde utläsas fordonstyp, antal axlar som passerade samt viktigast av allt sidopositionen. Fordonspassager analyserades bildruta för bildruta och en ungefärlig sidoposition kunde noteras. Det var dock bara möjligt att se högra däckets position.

Resultaten analyserades och jämfördes sedan med det som erhölls från Metor och programmet SidoPos. Resultaten visade att fordonsidentifiering i Metor inte klarade av alla passerande fordon. Möjliga orsaker till detta redovisas i avsnitt 3.3. God överensstämmelse kunde dock konstateras beträffande sidopositioner beräknade m.h.a.

programmet SidoPos.

Validering av fordonsklassificeringen i SiWIM-systemet har tidigare genomförts av Vägverket med hjälp av videofilmning på några platser i Sverige. Denna videofilmning analyserades och jämfördes sedan med det som systemen lagrat. En mycket god överensstämmelse mellan registrerade fordon i SiWIM-systemen och de som filmats kunde konstateras, se Vägverket (2004).

3.3. Praktiska problem, svårigheter och felkällor

Följande praktiska problem och svårigheter fick mätprojektet erfara och som kan inverka på noggrannheten:

1. För att lättare separera sidopostionsmätningen för de två körriktningarna användes två mätsystem (2 st Metor enheter enligt Figur 3.4). Det gick dock inte att avsluta slangarna vid vägmitt då detta kan orsaka problem för trafiken.

Slangarna fick därför ligga tvärs över hela vägens bredd (se Figur 3.1 och Figur 3.4) vilket medförde att:

─ Även om slangarna spändes hårt så fick de stora rörelser av t.ex.

lastbilspassager. Mätfelet detta orsakar bedöms dock vara litet då alla slangar rörde sig ungefär lika mycket åt samma håll.

─ Den motsatta trafikens luftpulsar (d.v.s. ointressant trafik för ena Metor enheten) mättes också vilket gav onödiga signalstörningar och längre analystider.

2. Jämförelse med filmning visar att Metor missar att klassa flera fordon. Detta kan beror på störningar som nämnts i punkt 1 ovan. En ändring av inställningarna i systemet (t.ex. testa annat än ”default” värden) kan behövas.

Sidopositionsberäkning baseras på redan klassade fordon i Metor. Fordons- klassningsalgoritm fungerar på så sätt att den beräknar en hastighet för varje axel och sätter ihop alla axlar som har en hastighet som är inom 3,5 % (ett

”default” värde) till ett fordon (se Figur 2.9). Det som komplicerade denna mätning är att det är ofta tätt mellan fordonen och om dessa håller ungefär samma hastighet kan fordonsklassningen bli felaktig. Sådana felaktigheter har här åtgärdats genom filtrering av resultaten, se punkt 6.

3. Fordonsklasser (fordonsbenämning) i Metor och SiWIM skiljer sig. Metor systemet klarar dessutom idag inte av att klassa fordon med fler axlar än 7.

8-axliga fordon (typ L35) har setts i trafiken och håller på att bli ganska vanliga. Dessa klassas som xxx-fordon vilket är Metors benämning på fordon med okända axelkonfigurationer. xxx-fordon utgör här ca. 0,5 % av alla registrerade fordon.

4. Metors inställningar på rimliga axelavstånd är axel(min)=0,5 m och axel(max)=10,5 m. Värdet för största axelavstånd bör kanske justeras för att kunna hitta nya fordonstyper med längre axelavtånd än 10,5 m. Sådana fordon klassas idag också av Metor som xxx-fordon.

5. Fordon med två axlar med axelavstånd över 3,3 m klassas av Metor som 2- axliga lastbilar (L20). Detta betyder att några av dagens skåpbilar (typ SUV) kan klassas av misstag som lastbilar och därmed erhålls här en överskattning av antalet L20-fordon.

6. Filtrering av resultaten var nödvändig dels för att ta bort orimliga fordon som t.ex. beror på punkt 1 och 2 ovan och dels för att ta bort fordon med orimliga bredder som är ett resultat av att dess byter körfält över mätplatsen. Även fall där två fordon kör bredvid varandra med ungefär samma hastighet har orsakat problem då algoritmen tror att dessa två fordon är ett och samma och beräknar därefter en orimlig fordonsbredd. Antal fordon som har tagits bort motsvarar 8 % - 9 % av totalt antal registrerade fordon, se Appendix H.

Följande kriterier för filtrering har använts:

Ta bort alla MC-fordon

Ta bort personbilar med orimliga bredder och sidopositioner bredd > 2

bredd < 1,3 sidopositioner > 6,2 sidopositioner < 0

Ta bort lastbilar med orimliga bredder och sidopositioner bredd > 4,5

bredd < 1,5 sidopositioner > 6,2 sidopositioner < 0

7. Det finns idag inget system som kan mäta båda trafiklaster och sidopositioner