STATENS VÄG- OCH TRAFIKINSTITUT

Relevanta dokument
STATENS VÄG- OCH TRAFIKINSTITUT

Publikation 1994:40 Mätning av tvärfall med mätbil

Statistiska samband: regression och korrelation

Trafiksäkerhet landsväg före ändring

Sänkningen av parasitnivåerna i blodet

Höftledsdysplasi hos dansk-svensk gårdshund

Samband mellan hastighet och olyckor. Basfakta.

VTT notat. Nr Utgivningsår: Titel: Lågtrafik på vägar med breda körfält. Författare: Sven-Olof Lundkvist. Programområde: Trafikteknik

Kapitel 3. Standardatmosfären

Revidering av VQ-samband för vägar med hastighetsgräns 100 och 120 km/h

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):

VTInotat. Statens väg- och trafikinstitut

Prediktera. Statistik för modellval och prediktion. Trend? - Syrehalt beroende på kovariater. Sambands- och trendanalys

13 Stigningsfält och omkörningsfält

Korrelation kausalitet. ˆ Y =bx +a KAPITEL 6: LINEAR REGRESSION: PREDICTION

Distribution: fri / nyförvärv / begränsad / Statens väg- och trafikinstitut. Projektnummer: _ Projektnamn:

Effekter av dedicerade körfält för tung trafik på flerfältsväg

Effekter på landsbygd: Hastigheter Trafiksäkerhet Miljö. Anna Vadeby, Åsa Forsman Mohammad-Reza Yahya, Arne Carlsson Urban Björketun

Första sidan är ett försättsblad (laddas ned från kurshemsidan) Alla frågor som nns i uppgiftstexten är besvarade

Nollvisionen, hastigheterna och samhällsekonomin. Föredrag vid VTIs och KFBs Transportforum januari 1999 i Linköping.

Föreläsning 12: Regression

Laboration 5: Regressionsanalys. 1 Förberedelseuppgifter. 2 Enkel linjär regression DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08

Utvärdering av nya hastighetsgränser i tätort Karl-Lennart Bång, KTH. Utvärdering av nya hastighetsgränser i tätort

Envägs variansanalys (ANOVA) för test av olika väntevärde i flera grupper

VTlnotat. Statens väg- och trafikinstitut

Förslag till "Förkastelsekriterier" av Ulf Isacssonoch Ylva Colldin

Sammanställning av aktörsmätningar hastighet

Introduktion till Biomekanik, Dynamik - kinetik VT 2006

Berä kning äv stoppsträ ckä fo r skyddsfordon

Göta älvutredningen. Varia 624:2. Beräkningsförutsättningar för erosion vid stabilitetsanalys

1 Grundvärden för trafikmiljön

Matematisk statistik kompletterande projekt, FMSF25 Övning om regression

Inga vanliga medelvärden

Högskoleprovet Kvantitativ del

RÖRELSE. - Mätningar och mätinstrument och hur de kan kombineras för att mäta storheter, till exempel fart, tryck och effekt.

Sammanställning av aktörsmätningar - hastighet

Linjär regressionsanalys. Wieland Wermke

EXAMINATION KVANTITATIV METOD vt-11 (110204)

Lektionsanteckningar 11-12: Normalfördelningen

F12 Regression. Måns Thulin. Uppsala universitet Statistik för ingenjörer 28/ /24

BLASTEC BAKGRUND TILL BERÄKNINGAR INOM PALLSPRÄNGNINGSDELEN. Innehåll

SVÄNGNINGSTIDEN FÖR EN PENDEL

Fysikaliska modeller. Skapa modeller av en fysikalisk verklighet med hjälp av experiment. Peter Andersson IFM fysik, adjunkt

TENTAMEN I MATEMATISK STATISTIK

Sveriges bruttonationalprodukt Årsdata. En kraftig trend.

v, Va -och Trafik- Pa:58101 Linköping. Tel Telex50125 VTISGIS. Telefax [ St/.tulet Besök: OlausMagnus väg37linköping VZfnotat

VTInotat. w ägna/17mm_ Statens vag- och trafiklnstltut. Titel: Återkallelse av körkort vid hastighetsöverträdelser. Projektnummer:

OBS! Vi har nya rutiner.

Mätning av W-värde i Bromsprovare med MKII enhet

Sweco Management Trafikmätning:

Experimentella metoder, FK3001. Datorövning: Finn ett samband

VTInotat. (db. Titel: Hastighetsmätares felvisning. Projektnummer: Uppdragsgivare: Egen FoU. NUmmer: T 112 Datum:

Vatten och samhällsteknik AB Trafikmätning:

PM Åtg.plan - SAMKALK: K restidsvinster

STOCKHOLMS UNIVERSITET FYSIKUM

STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Linda Wänström. Omtentamen i Regressionsanalys

Ingenjörsmetodik IT & ME 2011 Föreläsning 11

Framkomlighet och fördröjningar på E22 Fjälkinge Gualöv

Högskoleprovet Kvantitativ del

Matematik 3c Kap 2 Förändringshastighet och derivator

Hur måttsätta osäkerheter?

Minnesanteckningar Referensgrupp utvärdering hastighetsgränser i Stockholm

VT1 notat. Nummer: 3-94 Datum: Titel: Alternativt utformade stigningsfält. Författare: Sven-Olof Lundkvist

ALTERNATIVA KOORDINATSYSTEM -Cylindriska koordinatsystem. De polära koordinaterna r och " kan beskriva rörelsen i ett xyplan,

Kapitel 12: TEST GÄLLANDE EN GRUPP KOEFFICIENTER - ANOVA

Labbrapport svängande skivor

Diskussionsproblem för Statistik för ingenjörer

Tentamen Tillämpad statistik A5 (15hp)

Föreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi

Projektförslag. Trafikmätningar - apparatur

Nya hastighetsgränser i tätort uppföljning

Dragbilar. Allmänt om dragbilar. Rekommendationer. Axelavstånd

Arntorps verksamhetsområde, Kungälvs kommun.

Trafikverket Trafikmätning:

Statistik 1 för biologer, logopeder och psykologer

Kontrollera att följande punkter är uppfyllda innan rapporten lämnas in: Första sidan är ett försättsblad (laddas ned från kurshemsidan)

4 rörelsemängd. en modell för gaser. Innehåll

repetera begreppen sannolikhetsfunktion, frekvensfunktion och fördelningsfunktion

EUROPEISKA GEMENSKAPERNAS KOMMISSION MEDDELANDE FRÅN KOMMISSIONEN TILL EUROPAPARLAMENTET. enligt artikel andra stycket i EG-fördraget

Tentamen för kursen. Linjära statistiska modeller. 22 augusti

Vetenskaplig metod och statistik

Statistiska analysmetoder, en introduktion. Fördjupad forskningsmetodik, allmän del Våren 2018

Högskoleprovet Kvantitativ del

Statistik 1 för biologer, logopeder och psykologer

Föreläsning G60 Statistiska metoder

Instuderingsfrågor till avsnittet om statistik, kursen Statistik och Metod, Psykologprogrammet på KI, T8

RAPPORT. Kvarteret Alen KATRINEHOLMS KOMMUN BULLERUTREDNING UPPDRAGSNUMMER SWECO ENVIRONMENT AB. Uppdragsledare Handläggare

Analytisk statistik. Mattias Nilsson Benfatto, PhD.

VTInotat. vi Vägval Trafik_ Statens vag- och trafiklnstltut. Distribution: ;Ei/nyförvärv/begrânsad/ Ola Junghard. Projektnummer:

Summor av slumpvariabler

En trafikmodell. Leif Arkeryd. Göteborgs Universitet. 0 x 1 x 2 x 3 x 4. Fig.1

STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Johan Andersson

Regressionsanalys. - en fråga om balans. Kimmo Sorjonen Sektionen för Psykologi Karolinska Institutet

STOCKHOLMS UNIVERSITET VT 2009 Statistiska institutionen Jörgen Säve-Söderbergh

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3

RAPPORT. Simulering av variabel hastighet i korsning

Laboration 1 Mekanik baskurs

LAB 3. INTERPOLATION. 1 Inledning. 2 Interpolation med polynom. 3 Splineinterpolation. 1.1 Innehåll. 3.1 Problembeskrivning

Användning. Fixed & Random. Centrering. Multilevel Modeling (MLM) Var sak på sin nivå

Transkript:

STATENS VÄG- OCH TRAFIKINSTITUT National Swedish Road and Traffic Research Institute RESTIDSMODELL FÖR TUNGA FORDON av Gunnar Carlsson Särtryck ur Vc'ig- och vattenbyggaren nr 5 1975

Restidsmodell för tunga fordon Gunnar Carlsson* Inledning Vid PIARC:s 15:e världskongress i Prag 1971 presenterades en fysikaliskt baserad modell för beräkning av fria tunga fordons hastighetsförändringar i lutningar. Det matematiska uttrycket för modellen var följande: dv P 1 Cl-A <1) - - E: m v m wv2 Cr g sini där 1) =hastighet t =tid P = av dragkraft utvecklad effekt m = fordonets massa Cl = formfaktor för fordonet A = fordonets frontarea C,. = rullmotstånd g = tyngdacceleration i = lutningsvinkel I modellen behandlades effekten (P) som en konstant och luftmotståndskoefficienten gavs olika konstanta värden för olika fordonsgrupper. Den gruppindelning som användes var: Grupp 1. 2-axliga tunga fordon Grupp 2. 3- och 4 axliga tunga fordon Grupp 3. 5- och fleraxliga tunga fordon För att testa modellen hade studier av hastighetsförlopp utförts i 18 backar med varierande lutning och längd. Ur det uppmätta hastighetsförloppet bestämdes för varje fordon medelvärdet över backen av parametern. Därm efter beräknades ett teoretiskt hastighetsförlopp med hjälp av den uppställda * 1 :e nfo-rskningsingenjör Statens väg och trafikinstitut Kvarnbacksvägen 30 16149 Bromma. Tel 08-98 04-50 modellen. Detta jämfördes med det uppmätta hastighetsförloppet och överensstämmelsen visade sig vara mycket god. Studierna av hur främst tunga fordons hastigheter påverkas av vägens vertikala linjeföring har sedan den förra kongressen fortsatt inom följande områden: 1. Studier av fria fordons acceleration efter backkrön. 2. Studier av uttagen effekt per mass- P... enhet 1 ollka lutningar. m 3. Studier av tunga fordons restider över längre sträckor. I denna artikel redogöres i första hand för det arbete som utförts under punkt 3 ovan. Problemställning Metoder att beräkna fordons restider vid olika väg- och trafikförhållanden är nödvändiga bl a i samband med de lönsamhetsberäkningar som utförs för att prioritera mellan olika aktuella vägbyggnadsprojekt. I dessa sammanhang är det ofta tillräckligt att kunna prognosticera hur en given vägutformning kommer att påverka den genomsnittliga restiden för olika grupper av fordon. Den vertikala linjeföringen torde vara den mest väsentliga variabeln för att förklara variationer i tunga fordons restider vid normala * flöden. Det ansågs därför troligt att den beskrivande modellen för retardationer och accelerationer i samband med lutningar skulle vara väl lämpad att utgöra den grundläggande delen i en modell för beräkning av tunga fordons genomsnittliga restider över längre sträckor vid känd vä geometrisk utformning. * Med normala avses flöden från helt fria körförhållanden upp till ca 1000) f/h för tvåfältiga vägar. Vid utarbetande av restidmodellen måste en avvägning göras mellan hur väl modellen skall beskriva verkligheten och hur detaljerade ingångsdata modellen skall förutsätta. Denna avvägning resulterade i att utifrån en känd vertikal linjeföring (t ex genom byggnadsritningar) och känd tvärsektion så skulle modellen kunna prognosticera den genomsnittliga restiden för de tidigare nämnda grupperna av tunga fordon. Beskrivning av reslidsmodell Modellen beräknar restider för en tänkt population av tunga fordon inom en given fordonsgrupp. Variationer i fordonens effektresurser inom gruppen beskrivs av en standardiserad fördelning P av parameter se ekv (1). Dessa förm delningar har erhållits genom empiriska studier i olika backar och anses utgöra typiska fördelningar för huvudvägnätet. De använda fördelningarna redovisas i fig 1. Beräkningar utförs för olika be-.. P. stämda percentller 1 -fördeln1ngarna. m Vidare införs en högsta hastighet (Dmax) som modellfordonen får hålla då effektresurserna medger detta. vmax är detsamma för samtliga beräknade fordon och har endast gjorts beroende av vägens tvärsektion. Dettaberoende redovisas i fig 2 och bygger på mätningar av tunga fordons hastigheter från platser där linje-föringens inverkan på hastigheterna bedömts vara liten. Då den erforderliga effekten per massenhet för att hålla hastigheten om överskrider -värdet så beräknas tidsförbrukningm en med hjälp av differentialekvationen (1). Genom att samliga modellfordan givits samma Dmax så kommer det fordon som utgör den izte percen-

25 1. v : v Kumulativ procent 100 V.-*. VARIABLA /, 1 INDATA [ Vertikalprofil] [Tvärsektion 75 / 'I. r _ _.. - t / /' KONSTANTA P INDATA E / /- [ - fördelning /. / / 50 ', /' / 1 /' Välj izte v / f percentilen max / f ) 1 max Ne] Beräkna ], I» / / 5 Och /,/. 0 / / 40'4, d/ 0 5 10 15 Beräkna s, t och v " om ste v's lösp _ BERAKNINGAR 9? 9 ; (h/kg) nlng av dlf eren m tialekvation L 1 l l 0 5 10 15 20 L P, m Gp/ *I ' ton) sträckan slut? Ja t. Grupp l: 2 axliga tunga fordon, Grupp 2: 3 och 4 axliga tunga fordon loo i:te percentilen i restidsfördelningen Grupp 3: 5 och fleraxliga tunga fordon erhålles..... P Fig I. Använda fordelningar av 7,7 samtliga per centiler be RESULTAT # Beräkna medelvärdet i restidsfördel Fig 2. (t v) Samband vmax (km/h) mellan tunga fordons..... o s = vag V = max1mal hastighet medelhastighet pa rak, t tid max ".. v : hasti het g = nettoeffekt per massenhet plan vag och vägens 9 m tvärsektion Fig 3. Förenklat flödesschema ningen 6 8 10 12 6 Tvärsektion' t m Fig 4. Medelvärdet av restiden för 22 olika sträckor och riktningar. Fig 5. Medelvärdet av restiden för 22 olika sträckor och riktningar. Jämförelse mellan modell och uppmätta data. Fordonsgrupp ] (2- Jämförelse mellan modell och uppmätta data. Fordonsgrupp 2 (3- axliga tunga fordon) och 4-axliga tunga fordon) Uppmätt restid (sek/km) 100 100 Uppmätt restid (sek/km) 90 90 / // 80 / 80 70 / 70 O 5/ o o 60 ii 00 O Q 5 st O O O \ 5 00 o o \ JU so x r [OO / 100 Ä/ 8 o 30 30 i s 5 0 0 0 V' 30 40 50 00 70 80 90 100 0 " 30 40 50 &) 70 80 90 100 Modellrestid (sek/km)... Modell och uppmätta data överensstämmer _ Reqressionslinje Modellrestld (sek/km) Modell och uppmätta data överensstämmer _ Regressionslinje

P. tilen i -fördeln1ngen att utgöra den m 100 izte percentilen i den resulterande restidsfördelningen. Beräkningarna har utförts i dator och en förenklad översikt av beräkningsflödet redovisas i fig 3. Fig 6. Medelvärdet av restålen för 22 Uppmatt restid (sek/km) olika sträckor och 100 riktningar. Jämförelse mellan modell och uppmätta data. For- 90 donsgrapp 3 (5- och fleraxliga tunga fordon) 80 'l'est av modellen För att testa modellen har mätningar av tunga fordons restider utförts på 12 vägsträckor med mycket varierande vertikal linjeföring. Samtliga mätsträckor ligger på tvåfältiga landsbygdsvägar och årsmedeldygnstrafiken har varierat mellan 2 500 och 8 000 fordon. Mätsträckorna är mellan 5 och 12 km långa och är hastighetsbegränsade till 90 km/h. Samtliga tunga fordon som passerat har använts i modelltesten således även de som inte farit fria över mätsträckan. Totalt omfattar materialet 2 800 tunga fordon. Medelvärdet av restiden uttryckt i sek/km har beräknats för varje mätsträcka, riktning och fordonsgrupp. Motsvarande beräkningar har utförts med hjälp av den uppställda modellen. En jämförelse mellan modelldata och uppmätta data redovisas för de tre fordonsgrupperna i fig 4r 6. Som framgår av dessa fig är överensstämmelsen mellan beräknade och uppmätta data relativt god. För endast 4 av de 66 observationerna är avvikelsen större än 10 %. Av fig framgår vidare att variationerna i de uppmätta restiderna är något större än för de beräknade. Detta är speciellt markant för fordon sgrupp 2. En orsak till detta torde vara att modellen endast tar hänsyn till vägens vertikala linjeföring och tvärsektion. Det finns säkerligen en korrelation mellan olika linjeföringselement, tvärsektion, siktförhållanden och vägbanans kvalitet där samtliga faktorer är korrelerade så att de påverkar hastigheterna i samma riktning. Detta innebär att en modell som endast tar hänsyn till vissa variationsorsaker kommer att uppvisa en mindre variation än den som förekommer i verkligheten. I de t empiriska materialet ingår såväl fria som hindrade fordon. Även detta kan medföra en systematisk avvikelse av observerat slag. För att korrigera de systematiska avvikelserna har en regressionsanalys utförts där modellens värden fått utgöra den oberoende variabeln och de uppmätta värdena den beroende variabeln. Följande regressionsekvationer erhölls: Fordonsgrupp 2: tm2= 1,52 - tm1 26 Fordonsgrupp 3: tm2= 1,11 - tml 6 Fordonsgrupp 4: tm2= 1,18 - tml 10 där tm1 är restiden i s/km enligt den fysikaliska modellen och tm2 är restiden i s/km enligt regressionsmodellen. De beräknade regressionslinjerna har införts i fig 4 6. 70 60 50 40 r f 30 ///// / b.1o vi 30 Modell och uppmätta data överensstämmer Regressionslinje 50 60 70 80 90 100 Tabell 1. S för olika modeller och fordonsgrupper Model1restid (sek/km) Modell 1 Modell 2,,..],, Fysikalisk modell Enbart fysslkahslk kompletterad med modell regressaonsmodell -. Fordonsgrupp 1 2-axliga tunga fordon.... 0,32 0,16 Fordonsgrupp 2 3- och 4-axliga tunga fordon 0,18 0,17 Fordonsgrupp 3 5- och fleraxliga tunga fordon... 0,11 0,08 För att få ett mått på den fysikaliska modellens förklaringsstyrka och på vad som vinnes i förklaringsstyrka genom kompletteringen med regressionsmodellen så har förhållandet mellan residualkvadratsumman och kvadratsumman kring medelvärdet beräknats: där Di (modell) _Z D732 (modell) S _ 2 th (medelvärde) =Skillnaden mellan uppmätt värde och modellvärde för ize observationen. D,- (medelvärde) =Skillnaden mellan uppmätt värde för den ize observationen och medelvärdet för samtliga observationer. Vid en perfekt anpassning skall S vara lika med 0. Resultaten är sammanställda i tahell 1. Som framgår av tabellen så ger modell 1 det minsta värdet på S för grupp 3 och det högsta för grupp 1. Detta beror på att de tyngsta bilarnas hastighetsvariationer bäst förklaras av den vertikala linjeföringen. Jämföres de båda modellerna så erhålls med hjälp av regressionsmodellen en betydande minskning i S för grupp 1, medan minskningen är obetydlig för grupperna 2 och 3. Slutsatser Den använda fysikaliska modellen förklarar en stor del av de variationer i tunga fordons restider som observeras på landsbygdsvägar vid inte alltför höga flöden. För den lättaste gruppen (2-axliga fordon) är det dock lämpligt att korrigera de erhållna resultaten med hjälp av den angivna regressionsmodellen. Det bör vidare observeras att modellen bygger på givna fördelningar av fordonens effektresurser per massenhet. Ändras dessa förhållanden p g a förändrade motorstyrkor och laster måste de använda fördelningarna korrigeras. E]