Kartlegging av tømmervogntogs totalvekt gjennom bruk av ATK-punkter

Abstract

Denne masteroppgaven har forsøkt å benytte punkter for automatisk trafikkontroll (ATK) til å hente ut vektdata fra tømmervogntog. Informasjon om vekter som kjøretøy opererer med har verdi ved planlegging av veger, samt innenfor drift og rehabilitering. Videre er det ønskelig å avdekke hvilke vekter tømmervogntog faktisk opererer med i dag da overlast er med på å bidra til økt vegslitasje og redusert trafikksikkerhet.

Fire ATK-punkter i nærheten av Elverum har blitt valgt ut som kilder til vektdata. Punktene registrerer alle kjøretøy som passerer, dermed er det utarbeidet metode basert på filter i Python som tar utgangspunkt i akselkonfigurasjonen til tømmervogntog med syv aksler. På denne måten kan slike kjøretøy isoleres fra den tilgjengelige dataen. Vektdata fra ATK har gjennom tidligere studier vist seg å være variert. Ved å benytte tidligere utviklet kalibreringsmetode som baserer seg på vekt av første aksel på semitrailer har vektdata blitt kalibrert. Feltforsøk har blitt utført der tømmervogntog med kjent vekt trafikkerer ATK-punktene. På denne måten har utarbeidet filter for å isolere tømmervogntog blitt testet, samtidig som kvalitet på vektdata avdekkes. Den kalibrerte vektdataen fra tømmervogntog identifisert gjennom filter i Python er presentert i histogrammer for å kartlegge hvilke vekter kjøretøyene har blitt registrert med.

Resultater viser at registrert akselavstand fra ATK er nøyaktig, dermed vil det utarbeidede filteret for å isolere tømmervogntog i datamaterialet kunne fange opp tømmervogntog. Samtidig er det knyttet usikkerhet til at filteret også kan fange opp kjøretøy med lignende akselkonfigurasjon for den til tømmervogntog med syv aksler. Vektdata fra ATK har i likhet med tidligere studier vist seg å underestimere den reelle vekten. Kalibrert vektdata forbedrer vektdata, men viser fortsatt en tilbøyelighet til underestimering, samt ulik forbedring ved forskjellige punkter. Histogrammer ut fra totalvekt til identifiserte tømmervogntog viser for et av punktene at 34,6 % av registrerte kjøretøy opererer med totalvekt over 60 tonn. Resterende analyserte punkter viser ikke kjøretøy over 60 tonn.

Resultatene av oppgaven er todelt i form av at enkelte punkter viser overlast samtidig som andre ikke viser dette. Implikasjoner av dette er at det kan foreligge et problem ved at tunge tømmervogntog bidrar i økende grad til vegslitasje og redusert trafikksikkerhet. Arbeidet med masteroppgaven har avdekket bruksområder for data fra ATK-punkter der en spesiell type kjøretøy kan identifiseres og analyseres. Ettersom det allerede eksisterer om lag 430 ATK-punkter i Norge bør punktene utnyttes ut over kun hastighetsdata, da de ansees som kilde til verdifull trafikkdata.

This master thesis will utilize data extracted from traffic enforcement cameras (TECs) in order to determine spread of gross vehicle weight (GVW) from timber trucks in Norway. Vehicle weight data is beneficial in planning of new roads, but also for predicting future needs for rehabilitaion and maintenance. Insight in GVWs of timber trucks is further of interest given the fact that overloaded heavy vehicles are a considerable contributor to increased deterioration of roads and reduced traffic safety.

Data from four TEC-units in proximity to the Norwegian town of Elverum have been picked as sources for weight data. All types of vehicles are registered at the TEC, thus a method to isolate timber trucks is needed. This thesis suggests a method of developing a filter in Python based on known axle configuration of a seven axle timber truck. Weight data from TECs have through prior studies been shown to be of deviating quality. Using a formerly developed calibration method based on the registered weight of the first axle of a six axle semi trailer at the TEC, the weight data is calibrated. Fields tests using a seven axle timber truck to pass the TECs have been performed. The generated data was used to evaluete the effectiveness of the filter developed in Python, as well as the quality of the weight data. The spread of the calibrated GVW from timber trucks have been graphically displayed using histograms, thus aiding the task of determining the GVWs.

The results show that the registered axle spacings from TECs are within acceptable limits to be using the filter based on known axle configuration of a seven axle timber truck, thus making it possible to isolate such vehicles from the data material. Vehicles with similar axle configuration as that of a seven axle timber truck may be present at the TEC, causing a degree of uncertainty as to whereas the filter only isolates these vehicles. The weight data from TECs has in this thesis, as well as in earlier studies, shown to be underestimating the real weight in most cases. Applying the calibration method on the data improves the quality, but the calibration value tends to be too small in order to predict the real weight value. Results from one of the TEC-units in this study show that 34,6 % of the registered timber trucks operate above the legal GVW limit of 60 tons. The rest of the TECs show no vehicles above this limit.

The results related to GVW of timber trucks is ambiguous given different results from different TECs. Problems related to overloaded vehicles are indicated by some of the results, but not all. Results show that increased deterioration of roads and reduced traffic safety induced by overloaded timber trucks could be a problem, but the results are not definitive. The method of identifying a certain type of vehicle based on known axle configuration has given encouraging results for potential future research. Reflecting on the fact that there are approximately 430 TEC-units scattered across Norway, the potential for traffic data that TECs represent should be utilized also in the future.