Bibliografie

Detailansicht

Entwicklungen für eine streckenbezogene Glättevorhersage

Berichte der Bundesanstalt für Strassenwesen - Verkehrstechnik (V) 329
Schedler, Karl E/Gutbrod, Karl G/Müller, Mathias u a
ISBN/EAN: 9783956065095
Umbreit-Nr.: 9547364

Sprache: Deutsch
Umfang: 198 S., 146 farbige Illustr., 111 s/w Tab., 257 Il
Format in cm:
Einband: kartoniertes Buch

Erschienen am 24.06.2020
€ 24,50
(inklusive MwSt.)
Lieferbar innerhalb 1 - 2 Wochen
  • Zusatztext
    • V 329: Karl E. Schedler, Karl G. Gutbrod, Mathias Müller, Olav Schröder: Entwicklungen für eine streckenbezogene Glättevorhersage 198 S., 146 Abb., 111 Tab., ISBN 978-3-95606-509-5, 2020 EUR 24,50 Durch den immer mehr zunehmenden Bedarf an Automatisierung und Optimierung des Winterdienstes und neuerdings auch im Hinblick auf autonomes Fahren steigen auch die Anforderungen an kleinräumige Vorhersagen des Straßenwetters, welche die streckenspezifischen Eigenschaften abbilden können. Im Projekt FE FE040279 "Streckenbezogene Glättevorhersage" war die Aufgabe zu lösen, den derzeitigen Stand der Technik bezüglich Straßenwettervorhersagen darzustellen und die Frage zu klären, inwieweit Straßenzustandserfassung durch mobile Sensoren, zusammen mit stationären Straßenwetterstationen geeignet sind, die unterschiedlichen Streckeneigenschaften abzubilden und die Prognosen zu verbessern. Zu diesem Zweck wurden über zwei Winter (2015/16 und 2016/17) auf drei ausgesuchten Teststrecken (BAB A 4, BAB A 9, St2139) Methoden zur genaueren Vorhersage der winterbedingten Glätte für die einzelnen Abschnitte innerhalb eines zu bearbeitenden Straßennetzes untersucht. Dabei kam es hauptsächlich auf die Größen Fahrbahntemperatur, Wasserfilmdicke und Taupunkt temperatur an. Dafür wurden in einem 5-Schritte-Prozess (1) Wettermodelle, (2) Punktprognosen, (3) Fahrbahnzustands- Prognosen, (4) Streckenprognosen und (5) zeitliche Variabilität (Verläufe) verglichen und neue Konzepte getestet. Die Strecken A 9 (ca. 50 km, 380-520 m ü. NN) und St2139 (ca. 15 km, 480-901 m ü. NN) haben für meteorologischen Verhältnisse, abwechslungsreiche Topografie- und Geländeeigenschaften. Zur Charakterisierung sind sie mit drei bzw. einer Wetterstation ausgestattet und es wurden von den Lkw der AM Greding und der SM Viechtach, welche mit mobiler Sensorik (MARWIS v. Fa. Lufft) bestückt worden sind, in den beiden Winterhalbjahren fast täglich und insgesamt mehrere hundertmal im normalen Betriebsablauf befahren. Erfasst wurden dabei Taupunkt und Fahrbahntemperatur, Wasserfilmdicke und Eisprozent, sowie Straßenzustand. Mit speziell ausgerüsteten Fahrzeugen des Auftragnehmers und der BASt (IceCar) wurde auf allen drei Teststrecken eine sogenannte erweiterte Thermalkartierung (Thermal mapping) mit zusätzlich Taupunkt- und Bilanzstrahlungsmessung zur Charakterisierung der Strahlungsbedingungen der Strecke bei standardisierten Wetterbedingungen aufgenommen. Die Messungen zeigten eine hohe Variabilität auf den Strecken, die innerhalb einer Fahrt bei Temperatur bis zu 17 °C und bei Wasserfilmdicke bis über 2.000 µm erreicht. Diese Variabilität korreliert wenig mit den Messungen an den Sta tionen und wird von keinem Prognose-Anbieter sehr gut erfasst. Die bei den Recherchen zum Stand der Technik gefundenen Dienste-Anbietern, speziell von Straßenwettervorhersagen haben sich, neben den projektbeteiligten Wetterdiensten DWD und meteoblue, drei weitere private Wetterdienstleister bereit erklärt, über die gesamte Projektlaufzeit online Vorhersagedaten für die Teststrecken zu liefern, welche ausgewertet und validiert worden sind. Die Prognosen erreichten für Stationen im besten Falle einen MAE (mittl. abs. Fehler - siehe Glossar) von ±2.3 °C und verglichen mit mobilen Messungen auf der Strecke einen MAE von ±2.1 °C. Für die Wasserfilmdicke werden im Schnitt bestenfalls ±180 µm erreicht. Die stationären und mobilen Messdaten wurden ausführlich zur Plausibilisierung und Beurteilung der Messunsicherheiten ausgewertet. Außerdem wurde untersucht, wie anhand der zahlreich erfassten Daten sich statistische Modelle finden lassen, welche die spezifischen Streckeneigenschaften mit möglichst geringen Fehlern wiedergeben können. Dabei kann gezeigt werden, dass durch die im normalen betrieblichen Ablauf zu unterschiedlichsten Wetterbedingungen erfassten mobilen Messdaten eine deutlich bessere Bild der Streckeneigenschaften erreichen lässt, als dies beispielsweise durch eine einfache The

Lädt …