Slutrapport. BiFi Demonstrator. September, 2013

Transkript

1 Slutrapport BiFi Demonstrator September, 2013

2 Slutrapport - BiFi Demonstrator 2

3 Slutrapport - BiFi Demonstrator 3 Utfärdare Magnus Andersson Semcon Sweden AB Systems & Software Projektledare magnus.c.andersson@semcon.com +46(0) Eric Zachrisson Klimator AB Geovetare eric.zachrisson@klimator.se +46(0)

4 Slutrapport - BiFi Demonstrator 4 Kontaktperson hos Trafikverket Thomas Asp Trafikverket +46(0) thomas.asp@trafikverket.se Kruthusgatan GÖTEBORG SWEDEN

5 Slutrapport - BiFi Demonstrator 5 Inledning BiFi En gemensam insats för att öka framkomligheten på Sveriges grusvägar. BiFi är en förkortning av namnet Bärighetsinformation genom Fordonsintelligens och är ett initiativ av Semcon och Klimator till att utveckla ett nytt verktyg för att bedöma vägars bärighet i realtid. BiFi använder sig av en kombination av fordonsinformation och väderdata för att göra en bedömning av bärighetsläget på grusvägar. BiFi använder sig av redan befintliga fordonsflottor som t.ex. Postens lantbrevbärare. Genom att använda sig av befintliga fordonsflottor kan fordonsdata om statusen på vägen samlas in kostnads- och miljöeffektivt. I dagsläget innebär bärighetsnedsättning kopplat till tjällossningen stora kostnader för samhället, både i form av reparationskostnader för stat och kommun men också i ökade kostnader för t.ex. skogsnäringen som står still när tjälen släpper. Genom att ge en nulägesbild och en prognos på hur tjälen varierar i landskapet ger det möjlighet för väghållaren att dynamiskt anpassa viktrestriktioner och avstängningar och för skogsnäringen att effektivare planera avverkningar och upphämtning av virke. Trafikverket ansåg efter BiFi 1 och BiFi 2 att det fanns potential i BiFi teknologin och tog därför beslut om ett större demonstrationsprojekt. I denna rapport tas den bakomliggande tekniken upp, hur systemet fungerar samt hur informationen presenteras och tillslut används.

6 Slutrapport - BiFi Demonstrator 6 Sammanfattning BiFi Demonstrator är ett projekt utfört i Trafikverkets regi av Semcon och Klimator. Syftet med projektet är att ge Trafikverket möjlighet att utvärdera nyttan av teknologin genom ett operativt demonstrationsprojekt. BiFi är en förkortning av namnet Bärighetsinformation genom Fordonsintelligens och är ett initiativ av Semcon och Klimator till att utveckla ett nytt verktyg för att bedöma vägars bärighet i realtid. BiFi använder sig av en kombination av fordonsinformation och väderdata för att göra en bedömning av bärighetsläget på grusvägar. BiFi systemet består av fyra huvuddelar: Fordonsdata från sensorutrustade postbilar, en vägvädermodell som använder VViS och väderprognoser, en tolkmodell som kombinerar vägvädermodellens resultat med fordonsdata för att skapa en nulägesbild och prognos för bärigheten på grusvägar inom ett specifikt område. Resultatet presenteras i en webbaserad karttjänst som finns tillgänglig för de inblandade parterna, BiFi.se. BiFi Demonstrator har genomförts under vintern och våren Målet var att göra nulägesbedömning och prognoser för två driftsområden i Tiveden, Do. Hallsberg och Örebro. 11 postbilar utrustades med mäthårdvara och dess rutter koncentrerades till Do. Hallsberg efter konsultation med driftentreprenörer, Trafikverket och Sveaskog. Prognos och nulägesbedömning gjordes för hela Örebro län. Under säsongen genomfördes referensmätningar vid 11 tillfällen. Huvudmetod för referensmätningarna var dynamisk konpenetrometer för bestämning av bärighet på grusväg. Dessa mätningar koncentrerades till en mätslinga med 8 utvalda punkter söder om Laxå. Utöver DCP-mätningarna genomfördes också visuell kartering över ett större område. Som förstärkning till de genomförda referensmätningarna har VVIS, och tjäldjupsdata analyserats. Analysen av det insamlade data visar att BiFi-systemets nulägesbild stämmer väl överens med de referensmätningar som genomförts. När bärighetsproblemen är som störst påvisar BiFi-systemet nedsatt bärighet med god korrelation till de utförda referensmätningarna. Återkoppling från driftområdesansvariga, driftentreprenörer och Sveaskog har påvisat att BiFi-systemet har stor potential i deras verksamheter, vad gäller optimering av underhåll samt planering av uttag. Systemet kan användas för uppföljning efter säsong samt för att jämföra olika säsonger. För skogsnäringen finns det möjlighet att använda systemet som beslutsstöd, för att planer och effektivisera skogstransporter och uttag. Ovan nämna intressenter har under hela tjälsäsongen haft möjlighet att följa tjällossningsförloppet och utvärdera den bärighetsinformation som systemet levererar. Återkopplingen har också gett insikter om hur systemet kan förbättras för att ge större nytta. Av dessa har fyra konkreta förslag på vidareutveckling tagits fram inför en framtida implementering: Segmentering Övergång från presentation i form av ett rutnät till segment, vilket möjliggör högre detaljrikedom och säkerhet i den bärighetsinformation systemet levererar.

7 Slutrapport - BiFi Demonstrator 7 Ny indata Tjäldjupsgivare, MESAN-data, vägrelaterad data som bärighetsklass, etc. Dessa data används för att öka systemets träffsäkerhet vad gäller fordonssignaler, bärighetsinformation för nuläget samt prognos. Teknikuppdatering av mäthårdvara. Koppling till Trafikverkets miljö för grunddata väg och trafik (GVT).

8 Slutrapport - BiFi Demonstrator 8 Innehåll Syfte... 9 Bakgrund Teknik Systemöversikt Mäthårdvara Vägvädermodell Tolkmodell Karttjänst Tjälsäsong Fordonssignaler Tolkmodell - Utdata Referensmätningar Resultat Diskussion Slutsattser Fortsättning Referenser Appendix A.1. Kartjänst... 56

9 Slutrapport - BiFi Demonstrator 9 Syfte Syftet med BiFi är att utnyttja det befintliga vägnätet på ett mer optimalt sätt och därmed öka transporteffektiviteten och minska miljöbelastningen. Syftet med projektet BiFi Demonstrator var att driva ett bärighetsystemet operativt i två stycken driftområden under en tjälsäsong och därmed ge Trafikverket möjlighet att utvärdera nyttan med BiFi. Systemet använder en kombinaton av Floating Car Data (FCD) och väderinformation för att skapa ett underlag för bedömning av framkomligheten för tung trafik på grusvägnätet. Som ett komplement och en kvalitetssäkring till för den objektivt framtagna bärighetsinformationen genomfördes fältkontroller och referensmätningar i området innan, under och efter tjällossningen. En kontinuerlig återkoppling med skogsnäringen användes under projektet för att förbättra nyttan med systemet, med avseende på presentation och funktionalitet. Projektet hade som mål att via integrering av mätdata från fordon och befintliga vägväderdata möjliggöra en dynamisk hantering av vägavstängningar och identifiera var och när framkomlighetsstörningar finns. Vidare var en målsättning att framkomlighetsnedsättning skall graderas/kvantifieras.

10 Slutrapport - BiFi Demonstrator 10 Bakgrund Miljöbelastningen och samhällskostnaderna är i dagsläget onödigt höga för transporter beroende på driftstörningar i transportsystemet. Vägar med god bärighet är en förutsättning för att skörda Svenska naturresurser. Vid till exempel tjällossning tinar marken och vägar stängs av för tunga transporter under flera veckor och därmed lamslås hela landskapet. För att mildra effekterna av avstängningarna bygger industrin upp lager och planerar sina transporter med extra omlastningar. Industrin arbetar med allt mera just in time lösningar av ekonomiska och miljömässiga skäl. Lager och extra omlastningar motverkar dessa strävanden. Förändrat klimat kommer att öka denna problematik. I dagsläget saknas metodik för att objektivt bedöma bärigheten i hela vägnätet i realtid. En modell för detta skulle väsentligt kunna ändra avstängningsstrategin och därmed öka tillgängligheten. Att vägavstängningar leder till stora kostnader för transportnäringen har tydligt visats i en studie av Skogforsk/Trafikverket. Merkostnaden för skogsindustrin till följd av bristande bärighet i det allmänna vägnätet uppgår till årligen 650 miljoner 1. Vägavstängningar påverkar bland annat möjlighet till rundvirkestransporter, behov av stora lager hållning etc. Genom att öka kunskapen om aktuell bärighet kan framkomligheten ökas och kostnaderna som orsakas av detta minskas. Samtidigt erhålls även stora miljövinster, genom att kostsamma och miljömässigt dåliga längre transportsträckor undviks. Skogsindustrin undviker dessutom processer av typen blekning som kan behövas om virke ligger länge på lager. Att rätt kunna bedöma en vägs bärighet är av stort värde för att kunna optimera transporter. Vid nedsatt bärighet är det lätt att tunga transporter orsakar skador och att framkomlighetsproblem uppstår. Av denna anledning är det väsentligt att kunna bedöma en vägs status och också få en prognos på hur utvecklingen av bärigheten kommer att se ut under de närmaste dagarna. Omvänt gäller vid perioder med bra bärighet då information om aktuell status och prognos kan vara ett hjälpmedel för att dimensionera de laster som vägen klarar. Skogsindustrin är i behov av ett oberoende system som underlättar beslut gällande uttag och ruttplanering, samtidigt drar Trafikverket nytta av de uppföljningsmöjligheter som ett oberoende bärighetssystem medför. I ett EU-projekt (Roadidea) som Semcon och Klimator deltog i gjordes inledande försök med behandling av signaler från fabriksmonterade fordonssensorer. Dessa första försök var mycket lyckade och avsikten var att utveckla denna metodik till ett stadie där implementation var möjlig. Klimator, Semcon och Trafikverket har aktivt arbetat med ett projekt SRIS i vilket standardutrustningen i moderna bilar utnyttjas som informationskällor för väder och väglag, (för vidare information se Via kombination med fasta mätstationer kan en avsevärd förbättring erhållas vad det gäller väglagsbestämning och halka. En liknande teknik kan användas för att bestämma bärighet liksom olika vägars framkomlighet och beläggningsstatus. Bilar trafikerar vägnätet och via insamling av information från dessa fordon kan via kombination med befintliga klimatstationer en ny typ av information skapas aktuell bärighet. Informationen kan användas för att optimera transporter, dels 1 Skogforsk Nr : Vägstandardens inverkan på skogsnäringens transportarbete.

11 Slutrapport - BiFi Demonstrator 11 genom att ge rätt information om aktuellt status vilket kan påverka lastvolym och via prognos på den kommande utvecklingen av bärigheten vara vägledande för att minska skaderisker på bland annat det lågtrafikerade vägnätet. Semcon och Klimator har i samband med två tidigare forskningsprojekt (BiFi I, BiFi II) tagit fram tekniken som gör det möjligt att mäta, prognostisera och presentera en grusvägs bärighet.

12 Slutrapport - BiFi Demonstrator 12 Teknik Systemöversikt I detta kapitel ges en övergripande bild om hur ytuppmjukningsinformation flödar från grusväg och väderprognos, via ett antal delmodeller, till en web-baserad karttjänst. Figur 1, Övergripande systemillustration Systemet består av fyra delar. Ett ben innehållande mäthårdvara, vars syfte är att göra ytuppmjukningsmätningar på grusväg. Hårdvaran är monterade på en bilflotta och innehåller sensorer, minneskort och ett modem för överföring av data. Ben två utgörs av en vägvädermodell vilken, med hjälp av VVIS- och väder-data, genererar en prognos för bland annat vägtemperatur och nederbörd. Dessa ben tolkas samman till en bärighetsstatus. En nulägesstatus samverkar med en tiodygnsprognos för att agera som både beslutsstöd och uppföljningsverktyg. En karttjänst används slutligen för att presentera informationen på en karta, vars syfte är att vara länken mellan systemet och slutanvändaren. De stora delsystemen är således. Mäthårdvara Vägvädermodell Tolk Karttjänst

13 Slutrapport - BiFi Demonstrator 13 Mäthårdvara Mätteknik För att kunna dra nytta av de mätningar som utförs av fordonet krävs flera delar. Först behövs sensorer som gör mätningarna. Därefter behövs hårdvara och mjukvara för att behandla mätningarna och extrahera information ur mätsignalerna. Under utveckling av de modeller, algoritmer och filter som används för detektering av ytuppmjukning används två metoder. I ett tidigt skede användes främst ett CAN-interface för att logga all trafik på bilens CAN-buss. Där finns bland annat lateral acceleration, yttertemperatur, och hastighet. För att underlätta analysarbetet, vid senare tillfällen, loggades även data från en CAN-ansluten GPS-enhet. Dessa data användes därefter för att utveckla de första ansatserna till att detektera ytuppmjukning. Det framkom dock efter första mätsäsongen att den framtagna mättekniken behöver vidareutvecklas genom att använda rå sensorinformation uppmätt med samma hårdvara som används vid detektering. Mäthårdvaran modifierades därför att logga denna typ av rådata, vilken användes för att vidareutveckla modeller, algoritmer och filter. Algoritmer Systemet består utav två huvudblock, en underlagsbedömning samt en ytuppmjukningsdetektering. Underlagsbedömningen detekterar om fordonet befinner sig på en belagd eller grusad väg. Ytuppmjukningsdetekteringen bedömer om fordonet befinner sig i en kurva samt om samma kurva är mjuk eller hård i ytan. Båda algoritmerna använder sig av lateral acceleration för att detektera vägens beskaffenhet. Underlagsdetekteringen utförs med hjälp av fordonets laterala acceleration, vilken filtreras för att få ut de frekvenser som påvisar en skillnad mellan grusväg och belagd väg. Därefter frekvensanalyseras signalen och informationen passerar ett kalmanfilter, vilket på ett effektivt sätt gör systemet mer robust och minskar antalet felbeslut genom att inte fullt ut förlita sig på den uppmätta signalen. Ytuppmjukning detekteras enbart på grusväg och i kurvor. När fordonet svänger med en tillräckligt hög hastighet vill centrifugalaccelerationen pressa bilen utåt i kurvan.

14 Slutrapport - BiFi Demonstrator 14 Figur 2, Sidokrafter i kurva Detta ger upphov till en dämpning inom vissa frekvensband av dessa vibrationer som skiljer sig mellan underlag med och utan ytuppmjukning. Tester har visat att det behövs relativt lite sidokrafter för att detta ska ske därför kan en väg med endast mindre svängar ge flera detektioner. Systemet kräver att följande är uppfyllt för att definiera det som en sväng. Den laterala accelerationen håller ett värde över ett statiskt gränsvärde. Svängen varar i ett visst antal sekunder så att en lång nog signal genereras. Någon gång under svängen uppnås en lateral acceleration över ett statiskt gränsvärde. Spektrogrammen nedan visar hur mycket energi som finns inom ett visst frekvensband för två olika fall och för tydlighets skull ett längre tidsintervall.

15 Slutrapport - BiFi Demonstrator 15 Figur 3, Spektrogram av vibrationer på väg utan ytuppmjukning. Y-axeln representerar frekvens. Figur 4, Spektrogram av vibrationer på ytuppmjukad väg. Y-axeln representerar frekvens.

16 Slutrapport - BiFi Demonstrator 16 Det finns en tydlig skillnad mellan de två spektrogrammen ovan, speciellt inom ett antal frekvensintervall. Genom att isolera dessa frekvensband med ett filter liknande det i figur nedan kan man använda den återstående energin i signalen som beslutsunderlag för att detektera ytuppmjukning. Figur 5, Exempel på ett idealt frekvenssvar från filter Figur 5, Exempel på ett idealt frekvenssvar från filterfigur 5Error! Reference source not found. visar hur frekvenssvaret för ett optimalt filter för att isolera dessa skulle kunna se ut. Vibrationerna mäts med hjälp av en accelerationssensor som kan mäta ett stort spann av vibrationsfrekvenser. Det lägre frekvensintervallet som ligger mellan ca 0 Hz till 1 Hz går att använda för att upptäcka när fordonet svänger om det inte finns andra möjligheter att göra detta. Systemet består i huvudsak av 4 olika delar som var och en har veto då en signal om ytuppmjukning genereras. Dessa använder olika delar av frekvensspektret för vibrationerna samt fordonets hastighet.

17 Slutrapport - BiFi Demonstrator 17 Ytuppmjukning Sensor Kurvdetektion Underlag X Resultat Hastighetsintervall Figur 6, Systemskiss. Blå - Hårdvara, Grön - Mjukvara, Röd Information Del ett analyserar hur stor energi som finns kvar i vibrationssignalen efter filtret som visas i Figur 6, del två aktiveras vid kurvor enligt villkor ovan, del tre verifierar att fordonet kör på en grusväg och del fyra att fordonets hastighet är rimlig. Resultatet består i en indikation efter varje kurva om det analyserade vägavsnittet anses vara påverkad av ytuppmjukning.

18 Slutrapport - BiFi Demonstrator 18 Hårdvarulösning Systemets algoritmer behöver en hårdvarulösning, dels för att samla in de mätningar som genomförs men också för att utföra beräkningar. Resultatet av beräkningarna måste också kunna föras över till systemets centrala databas, där det sammanställs och presenteras i en karttjänst. En egenutvecklad hårdvarulösning är framtagen för att lösa ovan nämnda krav. Figur 7, Hårdvarulösning med synligt SD-kort, GSM- och GPS-ingång Hårdvarulösningen är utvecklad för att kunna hantera de tunga beräkningar som utförs vid en mätning. Den är därför utrustad med en 32-bitars MIPS processor. Den innehåller också ett modem för kommunikation med systemets webbserver. Med hjälp av det inbyggda modemet skickar enheten upp ytuppmjukningsindikationer till den centrala databasen. Den innehåller också GPS, accelerometer, gyro och CAN-transiver. De sistnämnda används för positionering, detektering av laterala vibrationer, kunskap om vägens lutning samt kommunikation med ett fordons CAN-buss. För att tillfälligt spara information under färd används ett SD-kort, som också innehåller filterparametrar, simkortsuppgifter, osv. Enheten har inga sensorer som monteras utanför bilen, vilket underlättar tvättning och vardagsbruk av det utrustade fordonet. Enheten behöver strömmatning (12V), vilket lättast ges genom att enheten kopplas in i bilens cigarettändaruttag.

19 Slutrapport - BiFi Demonstrator 19 När bilen stängs av tappar enheten matning och ett internt batteri tar över. Samtidigt som detta sker startar modemet upp och skickar över alla nyinsamlad ytuppmjukningsinformation till webbservern. Figur 8, Hårdvarulösning med synlig JAE-kontakt och USB

20 Slutrapport - BiFi Demonstrator 20 Vägvädermodell Vägvädermodellen som används som input till Tolken har två funktioner. Dels att sammanställs mätdata från VVIS-stationer och dels att beräkna en prognos för hur väglaget kommer att se ut framåt i tiden. Detta skapar ett underlag som möjliggör för Tolken att beräkna risken för nedsatt bärighet. Klimator har utvecklat en modell för vinterväglag (SSWM) som används som ramverk för vägvädermodellen. Vägvädermodellen använder följande indata: Observationsdata från VVIS-stationer (Väg Väder Informations System). Prognosdata från en numerisk vädermodell (HIRLAM) från Foreca i Finland. Modellen tar sin utgångspunkt i observationsdata från VVIS-stationerna för att sedan stega sig framåt i tiden med hjälp av prognosdata från den numeriska vädermodellen. Till skillnad från tidigare versioner av BiFi har modellen nu en prognoslängd på upp till tio dygn. Vägvädermodellens utdata: Prognosvärden med en datastruktur som liknas med den som fås från VVIS-stationer. För att täcka in ett större område har modellen under tidigare projekt uppdaterats för att göra prognoser för ett fördefinierat rutnät istället för mindre vägavsnitt. Rutnätet är detsamma som används i den numeriska vädermodell (HIRLAM) vilken körs av Foreca i Finland. Upplösningen är på rutnätet är 4x4 km, på så vis kan man smidigt koppla vädermodellens resultat till ett specifikt område.

21 Slutrapport - BiFi Demonstrator 21 Tolkmodell I tolkmodellen vägs väderdata ihop med fordonsdata för att bestämma vägarnas bärighet i varje 4x4 km ruta. I modellen avgörs om det finns risk för nedsatt bärighet inom rutan. Bärighetsnedsättningen är indelad i tre klasser: Låg risk (grön), Medelhög risk (orange) och Hög risk (röd). Det första steget i tolkmodellen är att bestämma vilken tjälstatus varje område/ruta befinner sig i. Figur 9 och Figur 10 visar en schematisk bild av ett idealt tjällossningsförlopp för en säsong. Bärighetsnedsättningen är som störst när innehållet av smält vatten i vägen är högst. Till att börja med är alla vägpartier frusna. Vid nästa steg (Avsmältning) är det fruset vid kalla vägpartier och uppmjukat vid varmare vägpartier. Därefter är det uppmjukat vid kalla vägpartier och upptorkat vid varmare vägpartier (Upptorkning). Slutligen torkar alla vägpartier upp och tjälproblematiken upphör. Dessa förlopp varierar i tid och inträffar tidigare för vägpartier som är varmare, t.ex. sydsluttningar (Figur 9) och senare för sådana som är kallare, t.ex. nordsluttningar (Figur 10). Figur 9, Idealt tjälförlopp Sydsluttning.

22 Slutrapport - BiFi Demonstrator 22 Figur 10, Idealt tjälförlopp - Nordsluttning För att göra en prognos av vägars bärighet är tjälstatusen mycket viktig. Då vägarna i ett område är i avsmältningsförloppet kommer en temperaturökning att leda till att problemen förvärras. Om vägarna däremot är i upptorkningsförloppet leder en temperaturökning istället till att de torkar snabbare och situationen på vägarna kan förbättras. I tolkmodellen bestäms både en nulägesstatus och en prognosstatus för varje ruta. Figur 11 och Figur 12 visar ett flödesschema där nulägesstatusen respektive prognosstatusen bestäms.

23 Slutrapport - BiFi Demonstrator Input (Tjäldjupsgivare) VVIS-stationer Fordonssignaler 2. Kombinationsfunktion Alla input-data kombineras till en nula ges-status fo r alla rutor i hela Sverige m h a en kombinationsfunktion. 4. Tolkfunktion Fordonsdata vägs mot observerade data. Utdata: Reliability + Nuläges BiFi-status 3. Finns fordonsdata? Ja: Fordonsdata används (tolkfuntion för tolkning av fordonsdata). Nej: Endast väderdata används. Figur 11, Schematisk bild av dataflödet i tolkmodellen där väderdata och fordonsdata kombineras till en BiFistatus för nuläget. Om det finns fordonsdata bestäms även tillförlitligheten, Reliability för fordonsdata. I steg 1 Tolkmodellen samlas all data som behövs för beräkningarna. I dagsläget saknas tillgång till kontinuerlig överföring av tjäldjupsdata, så VVIS-data har använts för att beräkna tjälstatus. I steg 2 bestäms en nulägesstatus genom att kombinera all ingående data. I kombinationsfunktionen beräknas först vilken tjälstatus vägarna i området befinner sig i, därefter vägs variabler som nederbörd och temperatur ihop för att ge en nulägesstatus. I steg 3 kontrolleras om det finns fordonsdata inom 4x4 km rutan. Det slutliga steget, steg 4, är en tolkfunktion som bestämmer hur väl fordonsdata och väderdata passar ihop. Om de stämmer bra, så anses de tillförlitliga och man får en hög Reliability. Om de inte passar ihop, t.ex. om temperaturen är -10 C och en stor andel av bilarna ger signaler, så anses de inte tillförlitliga och Reliability blir låg. I det fallet kommer tolkfunktionen att bestämma om fordonsdata eller väderdata ska vara mest tillförlitligt.

24 Slutrapport - BiFi Demonstrator Input Prognos Tjälstatus Reliability 2. Kombinationsfunktion Kombineras till en prognosstatus för rutor i hela Sverige m h a kombinationsfunktion. 4. Tolkfunktion Väderdata vägs ihop med fordonsdata. Prognosens säkerhet bestäms av Reliability. Utdata: BiFiStatus- Prognos 3. Finns fordonsdata? Ja: Reliability från fordonsdata används. Nej: Endast väderdata används. Förutbestämd Reliability. Figur 12, Schematisk bild av dataflödet i tolkmodellen där väderdata och fordonsdata kombineras till en prognos av BiFi-status. Om det finns fordonsdata används tillförlitligheten, Reliability för att väga samman fordonsdata och prognosdata. För att göra en prognos av bärighetsstatusen görs liknande beräkningar som vid bestämningen av nuläget. I steg 1 används prognosdata från vädermodellen, den uträknade tjälstatusen och Reliability. Likt nulägesförfarandet kombineras i steg 2 ingående data med hjälp av kombinationsfunktionen till en prognosstatus. I steg 3 kontrolleras om det finns fordonsdata i inom rutan. I det slutliga steget, steg 4, då väderdata och fordonsdata vägs ihop av tolkfunktionen, kommer Reliability att avgöra hur tillförlitlig prognosen är. Situationer med låg tillförlitlighet kan då ändras så att t.ex. Låg risk eller Hög risk justeras till Medelhög risk.

25 Slutrapport - BiFi Demonstrator 25 Karttjänst I ett stort system är det ofta problematiskt att få ut ett användarvänligt resultat. För att lösa detta används i detta fall en kraftfull och användarvänlig karttjänst. Vars syfte är att på ett enkelt sätt framhålla systemets resultat för ett antal olika användartyper. Karttjänsten innehåller en stor mängd information och är samtidigt användarvänlig. Detta för att nya användare ska kunna använda tjänsten utan att gå någon form av utbildning. Tekniskt sett går karttjänsten att dela upp i två huvuddelar. En av delarna innehåller samtlig funktionalitet som ligger på servern. Den andra de delar som exekveras på klientsidan, vilket i detta fall utgörs av någon form av webläsare verksam på en dator, surfplatta eller telefon. Serverdelen hämtar information från databasen, formaterar och paketerar den på ett sätt som gör den lätt att överföra till klienten. Samtliga funktioner och metoder på serversidan är skrivna i C#/.NET 2. Klientsidan innehåller hemsidan, kartapplikationen och ett antal omvandlings- och beräkningsfunktioner. Hemsidan innehåller ett antal delsidor med projektinformation samt en länk till kartapplikationen. Figur 13, BiFi Karttjänst - BiFi.se 2.NET är ett kluster av teknologier, utvecklat av Microsoft, på vilka utvecklare har möjlighet att bygga mjukvaruapplikationer. Klustret innehåller ett antal programmeringsspråk, där C# är ett av dem.

26 Slutrapport - BiFi Demonstrator 26 Kartapplikationen är grundad på Google Maps API V3 3, vilket är ett hjälpbibliotek som underlättar utritningen av objekt över en kartbild. Ett antal bakomliggande funktioner hanterar omvandlingen av användarinput till ett antal hämtnings- och visnings-aktiviteter. Data begärs från serversidan med hjälp av kommunikationsprotokollet HTTP 4 och vidarebefordras, efter behandling, till Googles API. Kartapplikationen består av två informationstyper, bärighet samt ytuppmjukning. Bärigheten genereras från en tolkmodell vilken väger samman information från de sensorutrustade bilarna med information från vägvädermodellen. Ytuppmjukningsinformationen kommer direkt från bilarna. De två informationstyperna är tilldelade varsin flik, med underliggande inställningsmöjligheter. Funktionalitet för att ändra bakgrundskarta hittas i kartans övre del. En kom-igång sektion finns tillgänglig, där användaren hittar applikationsinformation. Sektionen innehåller även information om de två informationstyperna, vad de representerar och hur de kan modifieras. Under fliken Export finns det möjlighet att exportera ett antal olika informationstyper, samtliga direkt kopplade till ytuppmjukning. Rådata Kan användas för att vidare förfina användandet av informationen. Grundläggande statistik Ett antal grafer och tabeller. Problemområden Områden som påvisar en högre andel ytuppmjukning. För att nå kart- och exportfunktionerna behöver användaren logga in. När en användare läggs till av en administratör skickas ett automatiskt ut till användaren med ett automatgenererat lösenord. När användaren är inloggad har denne möjlighet att uppdatera samt lösenord under fliken Account (Användarkonto). Samtlig kod på klientsidan är skriven i HTML, CSS och JavaScript. 3 Google Maps är en webbaserad karttjänst som tillhandahålls av Google. En andledning till att Google Maps är så stort är på grund av dess API, som tillåter tredjepartswebbsidor att inkludera kartor och fylla dem med kundanpassad information. 4 HyperText Transfer Protocol, HTTP, är ett kommunikationsprotokoll som innehåller metoder för att överföra data från en webbserver till en klient, eller tvärtom. I denna applikation används metoden GET som ber webbservern att skicka ett utpekat objekt till klienten.

27 Slutrapport - BiFi Demonstrator 27 Figur 14, Kartapplikation som visar ytuppmjukning för Sverige vid en specifik tidsstämpel

28 C Slutrapport - BiFi Demonstrator 28 Tjälsäsong 2013 Tjälsäsongen 2013 i Örebro län karakteriserades av fint väder. Torrt och soligt väder dominerade senvintern och våren fram till slutet på april då enstaka dagar med nederbörd förekom. Minusgrader dominerade från november till början på mars, med ett fåtal varma dagar då temperaturen höll sig runt nollan. I början på mars ökade temperaturen och under en vecka var medeltemperaturen över noll grader. Från den 7 mars sjönk medeltemperaturen under nollan och två veckor med kalla förhållanden följde innan dagstemperaturerna på allvar började ta sig över nollan igen. Inte förrän den 1 april tog sig medeltemperaturen upp över noll grader. Från den 23 mars och framåt var dagstemperaturerna över noll grader i solen. Medeltemperaturen stiger inte över noll grader för än den 2 april för att sedan hålla sig strax över till den 10 april då temperaturen stiger till ca 10 grader. Efter den 10 april når nattemperaturerna bara vid några få tillfällen ner under nollan Lufttemperatur: VVIS per. Mov. Avg. (1630) feb 23-feb 09-mar 23-mar 06-apr 20-apr 04-maj Datum: 9 Februari 15 Maj 2013 Figur 15, Visar lufttemperatur och dygnsmedeltemperatur för perioden 9e februari till 15 maj VVIS stationen är placerad Gullspång väster om Laxå. Tjäldjupsgivare I Örebro län finns två stycken tjäldjupsgivare i Nora och Askersund. Under vintern och våren 2013 var dock tjäldjupsgivaren i Askersund ur funktion och visade felvärden, och tjäldjupsgivare i Forssjö och Filipstad användes istället som referens. Även tjäldjupsgivaren i Filipstad användes då denna var belägen på grusväg till skillnad från de andra som är installerade på belagd väg.

29 Slutrapport - BiFi Demonstrator 29 Tjäldjupsmätarna följer till största del lufttemperaturen, med undantag för Filipstad som ligger på grus, och ligger efter på grund av is och sin nordligare placering. Under den varma veckan i mars sker en tining i ytan på dagarna ner till 20-30cm, för att sedan frysa igen när temperaturen föll. I slutet på börjar temperaturen på eftermiddagarna stiga, och temperaturer upp till 10 grader förekom. Detta återspeglas i tjäldjupsgivarna som visar en tining under eftermiddagarna och återfrysning under natten. Denna skiftning mellan fruset till upptinat i ytan återspeglades också på grusvägaran i området, men till skillnad från tjäldjupsgivarna som visar temperaturer över nollan ner till 30 cm så var upptiningen enbart i de översta 5-10 cm på många platser. I skuggade lägen låg tining upp till 20 dagar efter partier i solen. Figur 16, Tjäldjupsgivare, Forssjö november maj 2013

30 Slutrapport - BiFi Demonstrator 30 Fordonssignaler I ett tidigt skede av projektet beslöts det att fokusera mätningarna i de områden där Sveaskog och Trafikverket har grusvägar. Detta ansågs vara i Do. Hallsberg, där Sveaskog är väghållare för ett stort antal vägar i de sydvästra delarna och Trafikverket i de östra delarna. Ett samarbete med Posten startades upp och tre postkontor valdes ut för att sprida mätningarna jämt över området, samtidigt som det täcker in relevanta vägsträckor. Postkontoren i Laxå, Hallsberg och Askersund valdes ut och dess postbilar utrustades med mäthårdvara. Fiat Fiorino Renault Kangoo Laxå 2st 1st Hallsberg 4st 0st Askersund 4st 0st Tabell 1, Antal installerade mäthårdvaror Viss modifiering av gränsvärden behöver göras om enheten flyttas mellan olika bilmärken eller bilmodeller. Figur 17, Postbil - Fiat Fiorino Figur 18, Postbil - Renault Kangoo Under tjällossningsperioden skickade bilarna i snitt in 618 indikationer per dag, vilka indikerar om vägen är mjuk alternativt hård i ytan. Figuren nedan visar spridningen av de inskickade indikationerna under säsongen. Indikationer inskickade från bilarna är färglagda med svart. De gröna vägsegmenten är de vägar där Sveaskog är väghållare och de orangea vägsegmenten är Trafikverkets vägar. Enbart grusvägar är färglagda.

31 Slutrapport - BiFi Demonstrator 31 Figur 19, Grön: Sveaskog AB, Orange: Trafikverket, Svart: Inskickade indikationer Upptorkning av vägsträcka Det går med hjälp av fordonsindikationerna att följa en vägs förlopp från frusen till upptorkad, samt var under denna period vägen är ytuppmjukad. Avsaknad av information ger systemet en osäkerhet vilket påverkar slutanvändaren negativt. Figurerna nedan visar inskickade indikationer per vecka för samma vägsträcka.

32 Slutrapport - BiFi Demonstrator 32 Under vecka 12 är det en väldigt låg andel indikationer som påvisar ytuppmjukning. Vecka 16 påvisar en hög andel indikationer ytuppmjukning längs hela vägsträckan. Figur 20, Ytuppmjukning vecka 12 Figur 21, Ytuppmjukning vecka 16 Redan vecka 17 syns en markant minskning av andelen indikationer som påvisar att vägens yta är mjuk. Vecka 18 är det i stort sett ingen ytuppmjukning på vägsträckan. Figur 22, Ytuppmjukning vecka 17 Figur 23, Ytuppmjukning vecka 18

33 Slutrapport - BiFi Demonstrator 33 Val av uttagsplats I de fall där åkaren har möjlighet att välja uttagsplats bistår indikationer från bilarna i form av ett beslutsstöd. I Figur 24 väljer åkaren med fördel uttagsplats 1 före 2, på grund av den höga andelen mjuka indikationer vid uttagsplats 2. Timret vid uttagsplats 2 hämtas, om möjligt, vid ett senare tillfälle när vägsträckan är mindre ytuppmjukad och risken för dålig bärighet är lägre. Figur 24, Beslutsstöd till val av uttagsplats

34 Slutrapport - BiFi Demonstrator 34 Problemområden Efter avslutad tjälsäsong har användaren möjlighet att exportera ett dokument med troliga problemområden. Områdets problemklassning baseras på mängden mjuka indikationer inom en 50 meters radie. Informationen exporteras direkt från BiFi.se under fliken Export. Under samma flik går det även att exportera ett enklare statistiskt underlag med tabeller och grafer som sammanfattar säsongens bilindikationer. Ett exempel exporterat från BiFi.se visas i tabellen samt figuren nedan. Latitude Longitude Neighbours View Marker Map A Map B Map C Map D Map E Map F Tabell 2, Tabell med problemområden exporterad direkt från BiFi.se. Figur 25, Exporterad karta med utmärkta problemområden.

35 Slutrapport - BiFi Demonstrator 35 Åtgärdsuppföljning Indikationerna kan användas för att validera huruvida en utförd åtgärd ger det önskade resultatet eller inte. Ett exempel har tagits fram där samma område visas före och efter att en vägsträcka är skrapad samt omgrusad. Figur 26, Före utförd åtgärd Figur 27, Efter utförd åtgärd

36 Slutrapport - BiFi Demonstrator 36 Tolkmodell - Utdata Tolken levererar i huvudsak två olika utdata; en nulägesbild och en prognos. Nulägesbilden bygger på kombinationen av väderinformation från klimatmodellen och fordonsinformation som tillsammans vägs samman i tolken för att beräkna bärighetssituationen. Tolkens nulägesbild som syns nedan i Figur 28 visar hur systemet tolkat risken för nedsatt bärighet i området/rutan söder om Laxå där referensmätningarna framförallt koncentrerats. I mitten av april är enligt nulägesbilden tjällossningsläget som värst och modellen påvisar nedsatt bärighet (rött) från mitten på april till början på maj. BiFi tolken Output: Nuläge 14:00 Röd Gul Grön 27-feb 06-mar 13-mar 20-mar 27-mar 03-apr 10-apr 17-apr 24-apr 01-maj 08-maj 15-maj Figur 28, Tolken - Nuläge Prognos Nedan visas en prognos för tio dagar som utfärdades klockan den 9 april. Varje bild visar fyra tidssteg med 6 timmars intervall. Varje område/ruta representeras av en rund cirkel med klassningen röd, gul eller grön. Dessa motsvarar rutorna som visats i projektets karttjänst. I början på april var nätterna fortfarande kalla och dagarna började bli varma. Prognosen visar en tydlig skillnad mellan norr och syd i området, den tydliga avdelaren är Kilsbergen som sträcker sig SV-NO, och är en tydlig klimatologisk gräns. På eftermiddagen den 10 april visar södra delen rött, och norra delen gult, för att sedan på natten återigen visa grönt i norr och gult i söder. Detta mönster med uppmjukning på dagen och mindre risk på kvällen, natten och morgonen upprepas även den 11e, men nu är hela området gult på natten. Succesivt ökar mängden rött mot slutet av prognosen, och det som i början av prognosen var gult har efter den 14e blivit rödklassat dygnet runt, och det som var grönklassat i starten är nu gult. Prognosens tillförlitlighet och träffsäkerhet bygger till stor del på säkerheten i väderprognosen som ligger till grund. Om väderprognosen visar stora osäkerheter vad gäller nederbörd, instrålning och temperatur så kommer detta återspeglas i BiFis prognos. Detta gäller generellt för alla typer av prognoser och är inget ovanligt. Osäkerheten ökar därför i korrelation med prognosens sträckning in i framtiden. Följande figurer visar det ovan beskrivna förloppet, vilket är taget från tjällossningssäsongen 2013.

37 Slutrapport - BiFi Demonstrator 37

38 Slutrapport - BiFi Demonstrator 38

39 Slutrapport - BiFi Demonstrator 39

40 Slutrapport - BiFi Demonstrator 40 Referensmätningar Under tjälsäsongen 2013 har referensmätningar och fältkontroller genomförts under månaderna mars till april. Syftet med referensmätningarna är att ta fram ett underlag för att kunna beskriva hur tjälförloppet sett ut och jämföra med systemets output. Huvudmetoden för referensmätningar är som i tidigare BiFi-projekt; Dynamisk konpentetrometer (DCP), en handhållen metod för estimering av skjuvhållfasthet i obundna material. I samband med DCP mätningar har visuella kontroller, kartering samt videologgning genomförts av samma sträckor. Visuell kartering har gjorts för att skapa översikt av hur tjälförloppet varit över hela området. Under säsongen genomfördes referensmätningar och fältkontroll vid 11 tillfällen (Tabell 3). Datum 1/3 8/3 13/3 27/3 3/4 4/4 11/4 12/4 17/4 18/4 24/4 30/4 DCP X X X X X X X X X X X X Video X X X X X X X X X X Visuell X X X X X X X X X X X X Tabell 3, Tabell över utförda DCP-mätningar, visuella kontroller samt videologgning

41 Slutrapport - BiFi Demonstrator 41 Videologgning Fältobservationer tillsammans med videodokumentation har använts för att bedöma ett större område än det som kan åstakommas med bara DCP, vilket är begränsad till så många punkter man hinner mäta vid ett givet tillfälle. Videodokumentation har utförts med hjälp av en GoPro Hero2 HD videokamera som monterades på insidan av framrutan i det fordon som använts vid fältobservationerna. Sammanlagt har 45h videologgats. Detta tillsammans med fältanteckningar har använts för att skapa en logg med övergripande bedömning av tjällossningsläget i de olika områdena. I Figur 29 visas ett exempel på hur videodokumentationen ser ut. Figur 29, Utdrag ur videologgningen. a. visar en sväng på Laxsjöslingan 8 mars, is och snö. b. visar en svägn söder om Örebro, skuggmönstret tydligt i isen, 8 Mars. c) Samma sväng som a, tydlig spårbildning, 18 april. d) samma sväng som a och c, 29 april, spår fortfarande synliga trots grusning. Visuell kartering Den visuella karteringen består av en grov indelning av vägnätets tillstånd uppdelat i tre kategorier; is/snö, upptorkat och uppmjukat. Syftet med den visuella kartering är att skapa en översiktlig bild över tjällossningsförloppet som är bredare än de DCP mätningarna. Uppmjukat är en bred kategori där bedömningen har gjorts från bil i rörelse och är en uppskattning av områdets tillstånd. Resultaten från den visuella karteringen visar att området är is- och snötäckt fram till i mitten på mars. Då har solstråliningen och en kort värmeperiod kombinerat med skrapning töat de vägpartier som är exponerade för solen. När säsongen närmar sig slutet på mars tinar blir området mer och mer isfritt, med is nu enbart på partier med mindre solinstrålning. Under denna period är ungefär 35 % av vägnätet

42 Slutrapport - BiFi Demonstrator 42 ytuppmjukat och 35 % upptorkat i ytan. I början på april har isen dragit sig tillbaka ännu mer och nu finns den endast kvar på partier utan solinstrålning (djup skog). Vägnätet är till ca 45 % upptorkat och 45 % uppmjukat. Vid denna tidpunkt börjar hävningar och sjunkhål uppstå men inga skador orsakade av trafik, t.ex. djupa hjulspår april kommer värmen snabbt in och nu finns mer eller mindre ingen is kvar i området. Det är nu jämt fördelat mellan uppmjukat och upptorkat. Nu börjar skador synas på vägarna från uppmjukningen, och djupa hjulspår finns på vissa platser. Närmare slutet på april minskar mängden ytuppmjukad väg och upptorkningen ökar allt eftersom tiden går. Under denna period finns ett par nederbördstillfällen och vattenståndet är relativt högt. Trotts detta fortsätter upptorkningen. På ställen som varit utsatta för trafikrelaterade skador som djupa hjulspår finns dessa kvar fram till slutet på perioden. 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% Visuell kartering av grusvägnät i Hallsberg Is/Snö Upptorkat Uppmjukat 0% 01-mar 08-mar 15-mar 22-mar 29-mar 05-apr 12-apr 19-apr 26-apr Figur 30, Visuell kartering av grusvägnätet i Hallsberg driftsområde. Vägarna har klassats i tre klasser, snö/is, uppmjukat och upptorkat Dynamisk Konpenetrometer Dynamisk konpenetrometer (DCP) har använts vid 11 tillfällen. I den inledande fasen valdes 8 mätpunkter ut för att svara mot variationerna i terrängen; solinstrålning, väguppbyggnad, landskapsformer och den generella lokalklimatologiska karaktären. Mätområdet valdes till ett antal vägar söder om Laxå, i området runt Laxsjöarna. Se Figur 31 för exakta positioner. Totalt har 110 mätningar genomförts under månaderna mars och april. Alla mätpunkterna ligger inom en av systemets 20x20 km rutor vilket tillåter att ett medelvärde från mätningarna används som referensvärde mot systemets output. Även andra mätpunkter mättes i den inledande fasen av referensmätningar, men dock endast sporadiskt, bland annat för att mäta skillnaden i hållfasthet mellan förmiddag och eftermiddag. I Figur 31 visas 8 stycken mätpunkter där specifikationerna för varje punkt beskrivs i Tabell 4.

43 Slutrapport - BiFi Demonstrator 43 Figur 31, Mätpunkter vid Laxsjöarna. Totalt 8st mätpunkter. Mätpunkt Specifikation 1 Skugga, platt mark, väldikat 2 Öppet, platt mark, väldikat 3 Skugga, platt mark 4 Öppet, sluttande mot sydväst 5 Skugga, i sänka och korsning 6 Halvöppet, sol på förmiddag, östligt sluttande 7 Djup skog, ingen direkt sol 8 Öppet, sydsluttning Tabell 4, Mätpunksspecifikation

44 CBR % Slutrapport - BiFi Demonstrator 44 För den generella jämförelsen används här medelvärdet från de översta 15cm från alla punkter på mätslingan. De flesta mätningarna på frusen väg har mätvärden ner till ca 5-10cm. På grund av den långsamma penetrationshastigheten och risken att man förstör utrustningen så har antal slag begränsats till ca 40, i de fall då det är fruset. Många mätningar, framförallt under mitten till slutet på april, gjordes ner till ca 45 cm djup vilket är DCP-utrustningens maxkapacitet. Inledande mätningar i slutet på februari och början på mars visar att hela området är fruset, CBR värden mellan % uppmättes i de översta 15cm. I realiteten är skillnaden mellan CBR 200 och CBR 600 marginell, skillnaden mellan 0.5mm/slag och 1mm/slag, och allt över CBR 150 räknas som fruset. I slutet på mars syns en minskning av CBR värdena i ytan något. Medelvärdet (medel för de översta 15cm) är fortfarande över 150, men den mjukaste punkten har CBR 50 i ytan. Detta visar på en viss upptining i ytan på utsatta platser. En vecka senare i början på april märks temperaturhöjningen tydligt i CBR värdena. Skillnaden mellan den mjukaste och den hårdaste punkten har minskat, och medelvärdet i ytan har sjunkit till strax över CBR 50. Medelvärdet håller sig relativt stabilt sedan hela vägen in mot maj månad, dock kan man se en viktig skillnad, på högsta och minsta värdena, där man kan se att skillnaden mellan extremerna minskar markant. Mätningarna den april uppmäts de lägsta CBR värdena i ytan och skillnaden mellan högt och lågt är också nu bland de lägsta under säsongen. Högsta värdet på CBR är nu som mest (motsvarar torkad grusväg). Sista mätningen på Valborgsmässoafton visar en marginel ökning av medelvärdet, medan max och min värden verkar konvergera mot medelvärdet, området är på väg mot att torka upp helt och hållet DCP mätningar Yta Max Yta Min 0-15 cm Mean 0 27-feb 06-mar 13-mar 20-mar 27-mar 03-apr 10-apr 17-apr 24-apr 01-maj Figur 32, DCP mätning - Medelvärde för de översta 15 cm och max-min värden för översta 5 cm.

45 CBR % Slutrapport - BiFi Demonstrator 45 Mätningar på djupet ner mot 45cm kunde bara genomföras efter det att tjälen gått ur tillräckligt. Figur 33 visar hur medelvärdet för de sämsta 10 cm mellan 20-40cm djup och värdet för alla punkter. Dessa mätningar visar att många partier stundtals har varit kraftigt uppmjukade en bit ner i marken. Detta stämmer väl överens med tajmingen på allvarligare skador i samma område. De första mätningarna då DCP nådde ner i djupet var mätningarna den april. Båda dagarna hade medelvärde på mellan 60-70CBR och några enstaka värden under CBR 40, med en utstickande punkt med CBR 10. Mätningarna den visar en sänkning på medelvärdet till strax över 30 CBR, med flera punkter med värden under CBR10, detta stämmer väl överens med en ökning i skador och deformation av vägbanan. Den sista mätningen i slutet på april visar en generell ökning av hålfastheten djupare ner i vägen, och nu finns inga punkter med värden under CBR10 kvar, merparten av punkter har värden mellan CBR och medelvärdet har nu ökat till CBR 41. DCP mätningar yta och 20-40cm djup cm Mean Yta Min Yta Max Medel 20-40cm feb 06-mar 13-mar 20-mar 27-mar 03-apr 10-apr 17-apr 24-apr 01-maj Figur 33, DCP mätresultat, medelvärde och punktvärden från djupmätningar mellan 20-40cm djup, ytmedelvärde och yt- max och min värden april är djupmedelvärdena högre än ytmedelvärdet, den april är detta längre inte fallet och djupmedelvärdet har nu sjunkit

46 Slutrapport - BiFi Demonstrator 46 Resultat För att jämföra resultaten från tolkmodellen, referensmätningar och fordonssignaler valdes den 20x20 km rutan i vilken DCP mätningarna genomförts. Resultaten från tolkmodellen som visas och jämförs är resultaten för kl. 14:00. Vid jämförelse mellan DCP mätningarna från Laxsjöarna och tolkmodellense nulägesoutput visar att dessa stämmer bra, då man måste beakta att outputet från tolkmodellen avser en ruta på 20x20km och DCP mätpunkterna försöker i bästa möjliga mån avspegla fårhållandena i rutan. Initialt skiljer sig DCP mätningarna och tolkmodellens output åt. I februari är marken fortfarande frusen, med ett lager isolerande is på vägbanana. Detta islager håller vägen frusen under hela den värmeperioden som pågår under stora delar av februari. DCP och tolkmodellen stämmer väl överens in mot slutet av mars, med grönt och hög bärighet i området, se Figur 34. Mot slutet av mars installeras också sensorerna i postbilarna, och introduktionen av fordonsdata i kombination med stigande temperaturer gör då att systemet tolkar läget som gult. I början på april har området börjat tina till viss del, men enbart i ytan och ingen risk för bärighetsnedsättning verkar föreligga. Den april visar DCP mätningarna låga värden, och bärigheten börjar bli sämre, i detta läge är området troligen känsligt för tyngre trafik, nu visar dock tolkmodellen grönt vilket har härletts till den temporära nedgången i fordonsdata, se Figur 34. Kombinationen av en minskning av mjuka signaler strax före och varmare väder ledde till ett mindre avvikelse från DCP mätningarna, något som rättades till så fort antalet mjuka signaler ökade. Den är mättillfället med lägst CBR värden, både i ytan och på djupet, se Figur 35. Under denna period uppstod kraftiga skador i ytan i form av djupa hjulspår samt deformationer av vägbanan. Här påvisar tolkmodellen nedsatt bärighet (rött) vilket stämmer väl överens med bärighetssituationen i området. Efter denna period med nedsatt bärighet som varar ca en vecka sjunker graden till gult för att senare öka till rött igen vid ett par tillfällen, då i samband med nederbörd. Vid tiden för den sista mätningen i slutet på april har CBR värdena ökat generellt både i ytan och på djupet. Detta återspeglas både i kartering med en ökad upptorkningsgrad och på fordonsdata där det är en stor skillnad mot den stora toppen runt den 17 april, se Figur 35.

47 CBR % Andel mjuka fordonsindikationer i % Slutrapport - BiFi Demonstrator 47 DCP mätningar och fordonsignaler Yta Max Yta Min 0-15 cm Mean Röd Gul Grön Bildata feb 06-mar 13-mar 20-mar 27-mar 03-apr 10-apr 17-apr 24-apr 01-maj 08-maj 15-maj Figur 34, DCP resultat i jämförelse med resultaten från tolken för samma ruta. De gråa linjerna visar max- och minvärden för varje mätning och den gula visar medelvärdet. Stor skillnad speciellt i början på säsongen då det är stor skillnad på sol och skugga. DCP och tolken jämförs med fordonsdata. Topp i andelen mjuka bilsignaler i början på april samt i mitten på april. Första toppen får ej genomslag i tolken då det fortfarande är för kallt, och endast är ytuppmjukat, den senare toppen får genomslag på tolkens output då upptiningen vid det här laget nått djupare ner i marken, vilket också stämmer väl överens med DCP resultaten från samma period.

48 CBR % Slutrapport - BiFi Demonstrator 48 DCP mätningar yta och 20-40cm djup 200 Röd Gul Grön cm Mean Yta Min Yta Max Medel 20-40cm feb 06-mar 13-mar 20-mar 27-mar 03-apr 10-apr 17-apr 24-apr 01-maj Figur 35, DCP mätningar i ytan och på djupet jämförs med BiFi tolken. 10cm medelvärde tagen mellan cm djup visar att de lägsta CBR värden sammanfaller med Rött klassificering från tolken.