| dc.description.abstract | Temaet i denne masteroppgaven er et ønske fra Statens vegvesen for å øke norsk kunnskap på valg av fart i store horisontalkurvaturer. Bakgrunnen for dette er at det er åpnet gjennom Statens vegvesen sine normaler å øke mange av linjeføringsparameterne fra minste/ makskrav ved nasjonale hovedveger (Håndbok N100). Dette innebærer planlegging med horisontalkurveradier på flere tusen meter. Hovedstudien i denne oppgaven er å undersøke om farten øker ved bruk av store horisontalkurvaturer istedenfor å legge seg tett opp til minimums verdier selv om fartsgrensen er den samme. Det eneste kravet som begrenser bruk av store horisontalkurveradier er kravet til nabokurve. Studien innehar horisontalkurveradier mellom Rh 300 og Rh 3000, plassert utenfor tettbyggede strøk med fartsgrense ≥ 80 km/t. Studien har bestått av å samle inn hastighetsdata gjennom Trafikkdata i Statens vegvesen fra målestasjoner som er plassert rundtomkring i Norge. Majoriteten av fartsdataene er fra nasjonale hovedveger hentet fra nivå 1 målere med kontinuerlig registering. For å analysere dataene har det blitt utarbeidet en database som blant annet inneholder, ÅDT, trafikkulykker, kurvevinkel og 6 forskjellige hastighetsparametere. Analysen ble utført med Spearman Rank og lineære modeller, hvor oppgaven var å identifisere modellene som beskriver korrelasjon mellom horisontalkurvatur og fart. Ved analyse på hver enkelt fartsgrense mellom 80 og 110 er det lav korrelasjon eller ingen korrelasjon. Ved å samle alle dataene i en analyse får vi resultater ved Spearman rank som gjør det mulig å bygge lineære modeller. Trafikkdata i Statens vegvesen hvor dataene er hentet fra, har plukket ut 2 tilfeldige døgn mellom mai og september 2018, i et forsøk på å få dataene så tilfeldige som mulig. Vi ser med fordel at korrelasjonene blir noe bedre ved analyse av flere data og det bør derfor vurderes å analysere på flere data i eventuell videre forskning. Ved å bruke resultatene fra de lineære modellerene i formelen Z=ax + by + c, hvor x, y og c er modulerte, vil dette gi en gi en statistisk forventet hastighet gjennom en valgt kurvatur (a) med valgt ÅDT (b). Eller det kan beregnes ved (ax) hvor mye hastigheten eksempelvis øker pr 1000 meter kurvatur, eller hvor mye hastigheten øker ved en stigning i ÅDT gjennom leddet (by). | |
| dc.description.abstract | The theme of this master thesis is a desire from Statens vegvesen to increase Norwegian knowledge on the choice of speed in large horizontal curvatures. The background for this is, that it is opened through Statens Vegvesen`s normals to increase many of the line guiding parametres from the minimum-/maksimum requirements of the national mainroads (Håndbok N100, Statens vegvesen). This involves planning with horizontal curvatures of several thousand meters. The main study in this master is to investigate whether the speed increases with the use of large horizontal curvatures rather than laying up close to minimum values even if the speed limit is the same. The only requirement that restricts the use of large sized horizontal curvatures is the requirement to the neighboring curve. The study holds large horizontal curvatures between Rh 300 and Rh 3000, located outside urban areas and with a speed limit ≥ 80 km/h. The study has consisted of collecting speed data through Trafikkdata in Statens Vegvesen from measurement stations located inn Norway. The majority of the speed data are from Norwegian state road system sourced from level 1 measurement stations with continuous registration. In order to analyze the data, we have developed a database that includes, ÅDT (Average Daily Traffic), traffic accidents, curve angle and six different speed parameters. The analysis was conducted with Spearman Rank and linear models, in which the task was to identify the models describing the correlation between horizontal curvature and speed. When analyzing on every single speed limit between 80 - 110 km/t, there is a low correlation or no correlation. By gathering all the data in an analysis we get results by Spearman Rank that allows us to build linear models. Trafikkdata (Statens vegvesen) where the data is sourced, have picked out two random days between May and September in 2018, in an attempt to get the data as random as possible. We see with the advantage that correlation is somewhat better when analyzing more data and should therefore be considered analyzing on more data in any further research. By using the results of the linear modeling in the formula Z = ax + by + c, where x, y, and c are modulated, this will yield a statistically expected rate through a selected curvature (a) with the selected ÅDT (b). Or it can be calculated by (ax) how much speed rate increases per 1000 meters of curvature, or how much speed increases by a higher number of ÅDT through the by in the formula. | |
