Rapport. NonStop innovasjonsprosjekt. Effektivisering av kontroll av tunge kjøretøyer

Transkript

1 SINTEF A Åpen Rapport NonStop innovasjonsprosjekt Effektivisering av kontroll av tunge kjøretøyer Forfattere: Lone-Eirin Lervåg Trond Foss Terje Moen Erlend H. Aakre SINTEF Teknologi og samfunn Transportforskning

2 SINTEF Teknologi og samfunn Transportforskning

3

4 Historikk VERSJON DATO VERSJONSBESKRIVELSE 1, Endelig versjon av rapport PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 2 av 85

5 Innholdsfortegnelse Forord... 7 Sammendrag... 9 Summary Innledning Bakgrunn for prosjekt Innovasjonsgrad FoU-prosjektets mål og betydning for innovasjonen FoU-utfordringer i prosjektet Organisering Aktører og ansvarsområder Prosjekt kjernegruppe Styringsgruppe Konseptbeskrivelse Roller og ansvarsområder i NonStop NonStop arkitektur basert på ETSI sin referansearkitektur Mulighetsstudier Kartlegging av muligheter med ulike sensorer og datakilder/registre Metodikk for evaluering av effekter av Weigh-in-motion (WIM) Behovsundersøkelse i transportbransjen Formål, metodikk og utvalg Opplevelse av transportbransjen Kontroll erfaring Utforming av NonStop-systemet Personvern Resultater for Sandmoen kontrollstasjon Konklusjoner Behovsundersøkelse i kontrollvirksomheten Innledning Resultater Forventet effekt Diskusjon av resultater og konklusjon PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 3 av 85

6 6 Demonstrator Utvikling av konsept Spesifisering av NonStop kontrollsystem Etablering av demonstratoren Gjennomføring av demonstratoren og innsamling av data Data fra Klett Punching av data fra Sandmoen Kobling av data i fra demonstrator Oppsummering av erfaringene med demonstratoren Evaluering Evalueringsmetodikk Problemstillinger Prosjektets programteori/forventede effekter Evalueringskriterier Evalueringsdesign Nøkkelindikatorer (KPI) Datainnsamling Planlagte aktiviteter Metodiske vurderinger Gjennomførte aktiviteter Analyse og resultater Funksjonelt og teknisk Opplevd brukervennlighet Nytte-effekter Nytte-kostnadsberegning Nyttevurderinger Kostnader Grunnlag for beregning av samfunnsøkonomisk lønnsomhet Nytte-kostnadsberegning Følsomhet og usikkerhet Konklusjoner samfunnsøkonomisk lønnsomhet Konklusjoner fra evalueringsarbeidet Nytte for involverte partnere Statens vegvesen Norsk Lastebileier-Forbund, NLF Ciber SINTEF Formidling PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 4 av 85

7 9.1 Brukerrettede formidlingstiltak Allmennrettede formidlingstiltak Ferdigstilte nye/forbedrede metoder/modeller/prototyper Artikler og presentasjoner på nasjonale og internasjonale konferanser BILAG/VEDLEGG Vedlegg A: The NonStop Concept Vedlegg B: NonStop: Automatic selection of vehicles for inspection Vedlegg C: Kartlegging av muligheter med ulike sensorer og datakilder/registre Vedlegg D: Impact evaluation methodologies of WIM systems Vedlegg E: Targeted selection of overweight vehicles in Norway Vedlegg F: Kontrollvirksomhet i transportbransjen Vedlegg G: NonStop: Beslutningsstøttesystem for utvelgelse av kontrollkandidater v2.0 Vedlegg H: NonStop Specification of decision support for heavy vehicle controls Vedlegg I: Report on WIM-system data analysis Vedlegg J: Innspill til NonStop datainnsamling Vedlegg K: An innovative and cost-effective solution for reducing road safety risk related to heavy goods vehicles Vedlegg L: Deployment and evaluation of an innovative system for targeted selection of heavy vehicles for safety inspection PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 5 av 85

8 PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 6 av 85

9

10 PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 8 av 85

11 Sammendrag Denne rapporten er en oppsummering av det arbeidet som er utført i prosjektet NonStop som var klassifisert som et Innovasjonsprosjekt i Offentlig sektor (IPO) i Norges Forskningsråd. Den overordnede ideen med NonStop var å etablere, demonstrere og evaluere et system for automatisk utvelgelse av tunge kjøretøy for kontroll. Prosjektet har hatt følgende partnere: Statens vegvesen Vegdirektoratet, SINTEF, Norges Lastebileier-Forbund (NLF) og CIBER. De sentrale FoU-utfordringene i prosjektet var å evaluere virkningen av å ta i bruk et målrettet system for utvelgelse av kjøretøy for kontroll. Prosjektet skulle ha fokus på effekter for transportnæringen og utøvende kontrollmyndighet. Sekundært skulle forskningsbidrag i en tidlig fase av prosessen sikre optimal utforming av systemet med hensyn til å samle inn data og informasjon som var etterspurt i forbindelse med planlegging og investering i infrastruktur. I prosjektet er det utarbeidet en rolle og ansvarsmodell for roller som er involvert i system for automatisk utvelgelse av tunge kjøretøy for kontroll. Denne rolle og ansvarsmodellen bygger på ARKTRANS. Videre er det definert en fysisk modell for systemet som bygger på ETSI sin arkitektur for kooperativ ITS (C-ITS). Det er også utarbeidet et forslag til en beslutningsmodell som skal være et støttesystem for kontrollørene ved at dette systemet foretar en utvelgelse av kjøretøyer som bør kontrolleres ut i fra et regelverk hvor de ulike parameterne kan justeres. Det er også etablert en prosess- og datamodell som kan inngå som en del av en kravspesifikasjon for NonStop systemer. Gjennom en mulighetsstudie og et konseptstudie ble det utviklet et forslag til et kontrollsystem for Sandmoen kontrollstasjon ved E6 sør for Trondheim. Opprinnelig skulle dette forslaget implementeres i demonstrator som skulle samle inn data over en lengre periode. Av ulike årsaker var det ikke mulig å få etablert et fullskala forsøk og en forenklet demonstrator ble i stedet implementert som grunnlag for innsamling av essensielle data. Det er gjennomført en spørreundersøkelse med deltakere fra ulike aktører i transportbransjen i Norge. Resultatene har gitt nyttig innsikt i forhold knyttet til transportbransjen og kontrollvirksomhet av tunge kjøretøy. Hensikten med undersøkelsen har vært å kartlegge transportbransjens behov og interesser i forbindelse med utviklingen av fremtidens kontrollsystemer, i tillegg til å etablere et sammenligningsgrunnlag (før-studie) for senere effektstudier av NonStop-systemet. Undersøkelsen ble gjennomført som en web-undersøkelse blant medlemmer av bransjeorganisasjoner som Norsk Lastebileier-Forbund (NLF), Maskinentreprenørenes forbund (MEF), NHO transport og logistikk og Transportarbeiderforbundet. Undersøkelsen viser at dagens kontrollvirksomhet oppleves utilstrekkelig med hensyn til å oppnå god trafikksikkerhet og like konkurransevilkår i transportbransjen. Etterspørselen etter et effektivt og målrettet system for utvelgelse av kontrollkandidater er høy, og et system tilsvarende NonStop forventes å få positiv effekt og ha oppdragende virkning på transportbransjen. Aktørene er også i overvekt positive til automatisk deling av data og informasjon om transportoppdraget, dersom dette gir gevinster i form av mer rettferdig og effektiv kontrollvirksomhet. Det er også gjennomført en forenklet undersøkelse blant kontrollørene mht. hvordan de ser på et støttesystem som NonStop. Undersøkelsen avdekker et reelt behov for å effektivisere dagens kontroll av tunge kjøretøy. Et beslutningsstøttesystem som kan bidra til mer målrettet utvelgelse av kontrollkandidater ønskes velkommen. Kontrollørene erfarer selv at dagens kontrollvirksomhet har beskjeden effekt med hensyn til å sikre god trafikksikkerhet og like konkurransevilkår for transportbransjen. Dette er i tråd med transportbransjens opplevelser, selv om aktørene i transportbransjen vurderer dagens kontrollvirksomhet å ha enda mindre effekt. Resultatene fra denne spørreundersøkelsen viser en sterk etterspørsel etter et beslutningsstøttesystem som kan bidra til å effektivisere dagens kontrollvirksomhet. Selv om utvalget er forholdsvis lite (17 kontrollører), tyder både svarprosent (100 %) og den høye graden av frivillige svar i fritekstfelt at dette er et tema som engasjerer kontrollørene. Alle tilbakemeldinger tyder på en høy grad av aksept blant kontrollørene, dette til tross for at den løsningen som ble testet i demonstratoren var forholdsvis teknisk umoden og med en del unøyaktigheter knyttet både til funksjonalitet og datakvalitet. Når resultatene sees i sammenheng med tilbakemeldingene fra den omfattende brukerundersøkelsen i transportbransjen, kan det konkluderes med at de ulike interessegruppene (kontrollører og transportaktører) har samsvarende interesser i å effektivisere kontrollvirksomheten og det eksisterer et sterkt felles ønske om at NonStopkonseptet videreføres og tas i bruk i større skala. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 9 av 85

12 Tidlig i prosjektet var det ambisjoner om å kjøre en demonstrator med datainnsamling i et helt år. Her var tanken i utgangspunktet å etablere en hoved-demonstrator som ikke ligger Trondheimsområdet, men ved en kontrollstasjon lokalisert i Region Sør. Selve utviklingen av demonstratoren og uttestingen i tidlig fase kunne skje ved Sandmoen kontrollstasjon i Trondheim. Tanken bak å legge demonstratoren til Region Sør, var at personellet ved denne stasjonen ikke ville være så påvirket av utviklingen av NonStop kontrollsystemet, og på denne måten være mer objektiv i en testsituasjon. Etter hvert som tiden gikk, måtte prosjektet redusere ambisjonsnivået til en mindre demonstrator ved Sandmoen kontrollstasjon. Denne ble brukt til å samle inn data som er brukt i evalueringen av prosjektet. Evaluering av NonStop-systemet har vært en av de sentrale forskningsutfordringene i NonStop-prosjektet. Tidlig i prosjektet ble det utarbeidet en evalueringsmetodikk med fokus på kartlegging av effekter og vurdering av potensielle virkninger for kontrollmyndighet, transportører og samfunnet forøvrig. Det foreligger per i dag ikke en felles etablert og akseptert metodikk for evaluering av ITS. Prosjektets evalueringsdesign ble derfor basert på og inspirert av en kombinasjon av generell evalueringsteori (OECD, Concept), foreliggende rammeverk for evaluering av ITS (bl.a. FESTA, ConduITS) og foreløpige anbefalinger fra europeiske ekspertgrupper innenfor ITS-evaluering (EasyWay Viking). En ex-ante evalueringsstudie har demonstrert at NonStop-systemet som konsept har et stort potensiale med hensyn til samfunnsøkonomisk lønnsomhet. Allerede etter første implementering (1 kontrollstasjon) vil nyttegevinstene i form av spart reisetid for transportbransjen alene være dobbelt så stor som kostnadene ved å ta systemet i bruk. Evalueringen har også demonstrert nytteeffekter i form av effektivitet for kontrollvirksomheten, selv om dette ikke er prissatt eller inkludert i de samfunnsøkonomiske beregningene. Når det gjelder effekter for trafikksikkerhet og miljø vil dette avhenge av den tekniske og funksjonelle kvaliteten på det endelige beslutningsstøttesystemet. Evalueringen har også vist at systemet per i dag er teknologisk umodent og det var i løpet av prosjektperioden ikke mulig å oppnå en tilfredsstillende funksjonalitet for implementering i større skala. Tabellen nedenfor gir en oppsummering av evalueringen i forhold til de viktigste evalueringskriteriene. Evalueringskriterier og resultater Mer effektiv Evalueringen gir grunn til å tro at NonStop beslutningsstøttesystem vil effektivisere kontrollvirksomhet kontrollvirksomheten, både med hensyn til at ressursbruk flyttes fra kjøretøy som er i orden til kjøretøy med feil/mangler og at lekkasjen av kjøretøy som passerer uregistrert i kontrollperioden reduseres. I tillegg vil NonStop-systemet fremskaffe statistikk som øker kunnskapen om transportvirksomheten slik at fremtidig kontrollvirksomhet kan målrettes mot steder og tidspunkt med høyere grad av ulovlig aktivitet. Mer effektiv transport Bedre trafikksikkerhet Mer rettferdige konkurransevilkår Økt lovlydighet på sikt Evalueringen har avdekket at NonStop-systemet kan gi en vesentlig tidsbesparelse for transportbransjen. Dersom utvelgelsen av kjøretøy skjer i forkant av kontrollstasjonen representerer dette en gjennomsnittlig besparelse på 2,33 min per kjøretøy som sendes videre ukontrollert. Med dagens kontrollomfang utgjør dette totalt timer/år tilknyttet Sandmoen kontrollstasjon alene, hvilket utgjør en besparelse på kr ,- pr år for transportbransjen. Trafikksikkerhetseffekten vil avhenge av NonStop-systemets teknologiske modenhet og hvilken grad av presisjon som oppnås med hensyn til å plukke ut kjøretøy med feil og mangler. Dette forholdet er ikke inkludert i evalueringen. Evalueringen gir indikasjoner på at NonStop-systemet vil bidra til mer rettferdige konkurransevilkår, gjennom tidsbesparelse for de kjøretøyene som opererer i henhold til lovverk og forskrifter. Kunnskapsgrunnlag som målretter kontrollvirksomheten og det at færre kjøretøy slippes forbi kontrollstasjonen på grunn av kapasitetsproblemer (redusert lekkasje) vil også bidra til økt oppdagelsesrisiko og større grad av rettferdighet. En reell effekt vil imidlertid være avhengig av at systemet oppnår høy teknologisk modenhet og god presisjon, slik at treffsikkerheten ved utvelgelse av kontrollkandidater økes. Dette forholdet er ikke inkludert i evalueringen, da det ikke forventes målbare effekter i løpet av prosjektperioden. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 10 av 85

13 Evalueringskriterier og resultater Bedre miljø Dette forholdet er ikke inkludert i evalueringen, da det ikke forventes målbare effekter i løpet av prosjektperioden. For Statens vegvesen som prosjekteier, har NonStop bidratt til å definere hva som er viktig å satse på når det gjelder utviklingen av et fremtidig automatisert kontrollsystem. I løpet av prosjektet har ulike teknologiske systemer blitt satt på praktisk prøve i virkelig trafikk. Her er det høstet verdifull erfaring når det gjelder utforming av fremtidige krav til slike systemer. Likeledes har prosjektet bidratt til å gi input til den fysiske utformingen av fremtidens kontrollstasjon. NLF har i prosjektperioden lagt til grunn at seriøse transportører med «papirene i orden» i fremtiden skal slippe å bli kontrollert. Dette for å sørge for mer like og rettferdige konkurransevilkår i transportnæringen ved at useriøse aktører effektivt plukkes ut. I prosjektet har NLF bidratt med verdifull kunnskap i retning av å utvikle fremtidas kontrollregime. Likeledes har prosjektet gitt NLF verdifull kunnskap om hvilke muligheter som teknologien gir. For Ciber har prosjektet bidratt til økt kunnskap om teknologi og internasjonale standarder og trender innenfor prosjektets hovedtema. Dette er et fortrinn som vil kunne føre til verdiskapning nå det gjelder utvikling av nye produkter og tjenester i fremtiden. SINTEF har fått testet en praktisk anvendelse av ARKTRANS/META i forbindelse med spesifikasjon av NonStop programsystem. Dette er også viktig input til et doktorgradsarbeid ved NTNU, der man blant annet ser på verdien av arbeidet utført i META med hensyn til å bruke resultatene i NonStop. Likeledes ser man på om det er grensesnittspesifikasjoner utviklet i NonStop som eventuelt kan tilbakeføres til ARKTRANS. Resultatene fra NonStop inngår i et doktorgradsarbeid som en ansatt ved SINTEF gjennomfører ved NTNU. Her er det spesielt utvikling av metodikk for evaluering av ITS-tiltak som står sentralt. I den forbindelse er datagrunnlaget fra demonstratoren viktig. Denne evalueringsmetodikken vil SINTEF benytte videre i sin forskning på ITS-løsninger, og vil kunne tilby evalueringstjenester til produktutviklere og myndigheter. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 11 av 85

14 Summary This report is a summary of the work performed in the project NonStop which was classified as an Innovation Project for the Public Sector (IPO) in the Norwegian Research Council. The overall idea of NonStop was to establish, demonstrate and evaluate a system for automatic selection of heavy vehicles to be controlled. The project has the following partners: Norwegian Public Roads Administration (NPRA), SINTEF, the Norwegian Truck Owners Federation (NLF) and CIBER. The key research challenges of the project were to evaluate the effect of adopting a targeted system for selecting vehicles for inspection. The project should focus on the effects for the transport industry and the executive control authority. The research in an early stage of the process should ensure optimal design of the system for collecting data and information that was requested and needed in connection with the planning and investment in system infrastructure. The project has drawn up a role and responsibility model for roles that are involved in the system for automatic selection of heavy vehicles for inspection. The role and responsibility model is based on ARKTRANS. Moreover, it defined a physical model of the system based on the ETSI architecture for cooperative ITS (C-ITS). It is also prepared a proposal for a decision model that will be a support for the vehicle controllers in that this system performs a selection of vehicles that should be checked on the basis of a set of rules and guidelines in which the various parameters can be adjusted. It is also established a process and data model that can be used as part of a requirements specification for NonStop systems. Through a feasibility study and a concept study, a proposal for a control system for Sandmoen control station at E6 south of Trondheim was developed. Originally this proposal should have been implemented in a demonstrator that was collecting data for a longer period. For various reasons it was not possible to establish a full-scale test and a simplified demonstrator was implemented instead and used as a basis for the collection of essential data. A survey with 1,018 participants from different actors in the transport industry in Norway was carried through. The results have provided useful insights into matters related to the transportation industry and the controlling of heavy vehicles. The purpose of the study was to collect the transport industry's needs and interests in connection with the development of future control systems, in addition to establishing a basis for comparison (pre-trial) for subsequent impact studies of the NonStop system. The survey was conducted as a web survey among members of transport industry associations like Norwegian Truck Owners Federation (NLF), Constructors Federation (MEF), NHO Transport, NHO Transport and Logistics and Transport Workers Union. The survey shows that the current control activities are perceived inadequate in terms of achieving traffic safety and equal conditions of competition in the transport industry. The demand for an effective and targeted system for the selection of control candidates is high, and a system similar to NonStop is expected to have a positive effect and have educational impact on the transport industry. The actors are also mostly positive for automatically sharing of data and information on transport assignments, in case the sharing of data provides benefits in terms of more equitable and effective control activities. A simplified survey amongst the vehicle controllers was also carried through in relation to how they look on a support system like NonStop. The survey revealed a real need for improving the present controlling of heavy vehicles. A decision support system that can help to have more targeted selection of control candidates is welcomed. The controllers had experienced that the current control activities have modest effect to ensure traffic safety and equal conditions of competition for the transportation industry. This is in line with what the transport industry experiences, although participants in the transport industry consider the current control activities to have even less impact. The results of this survey show a strong demand for a decision support system that can help in improving current control activities. Although the number in the controller survey is relatively small (17 controllers), both the response rate (100%) and the high degree of voluntary answers in the free text field show that this is a topic that attracts the attention of the controllers. All feedback indicates a high degree of acceptance among the controllers, this despite the fact that the solution that was tested in the demonstrator was relatively technically immature and with some PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 12 av 85

15 inaccuracy both as for the functionality and data quality. When the results are seen in conjunction with the feedback from the extensive user survey in the transportation industry, it can be concluded that the interested parties (controllers and transport operators) have common interests in improving control activities and there is a strong and common request that the NonStop concept is to be continued and implemented in full scale. Early in the project it was the goal to run a demonstrator with data collection during a whole year. The idea was basically to establish a main demonstrator that was not the in Trondheim area, but at a control station located in the Southern Region of Norway. The development of the demonstrator and testing in early stages could take place at the Sandmoen control station in Trondheim. The idea behind adding a demonstrator for the Southern Region was that the personnel at the station in the south would not be affected by the development of NonStop control, and thus be more objective in a test situation. As time went on, the project had to reduce the level of ambition for a smaller demonstrator at Sandmoen control station. This was used to collect data that was used to evaluate the project. The evaluation of the NonStop system has been one of the central research challenges in the NonStop project. Early in the project an evaluation methodology was developed with a focus on mapping of effects and assessment of potential impacts of the control authority, transporters and society. Currently there is not a common established and accepted methodology for evaluation of ITS. Project evaluation design was therefore based on and inspired by a combination of general evaluation theory (OECD, Concept), the present framework for evaluating ITS (e.g. FESTA, Conduit) and preliminary recommendations of European expert groups within ITS evaluation (EasyWay Viking). An ex-ante evaluation study has demonstrated that the NonStop system concept has great potential with regard to economic profitability. Already after the first implementation (1 control station) the benefits in the form of saving travel time for the transport industry will be twice as big as the cost of taking the system into use. The evaluation also demonstrated beneficial effects in terms of efficiency for controlling activities, although this is not priced or included in the economic calculations. Regarding effects for road safety and the environment it will depend on the technical and functional quality of the final decision and support system. The evaluation has also shown that the system currently is technologically immature and that during the project period one did not succeed in achieving a satisfactory functionality for implementation on a larger scale. The table below shows a summary of the evaluation in relation to the most important evaluation criteria. Evaluation criteria and results More effective The evaluation gives reason to believe that NonStop decision support system will improve control activities inspection activities, both with regard to the use of resources transferred from vehicles in order to vehicles with incorrect / missing attributes. Further, that the number of vehicles that should have been controlled but escape due to lack of capacity is reduced. In addition, the NonStop system provides statistics that increase the knowledge of transport operations - so that future control activities may target locations and time with a high degree of illegal activity, i.e. vehicles that are violating the regulations. More effective transport Increased traffic safety More fair competition conditions The evaluation has revealed that the NonStop system can provide significant time savings for the transport industry. If the selection of vehicles takes place in advance of the control station, this represents an average saving of 2.33 min per vehicle for the vehicles that can pass without being stopped and controlled. With current control scope, this represents a total of 1,100 hours / year for just the Sandmoen control station, which represents a savings of NOK 705,000, - per year for the transport industry. The traffic safety impact will depend on the NonStop system's technological maturity and the degree of precision obtained with regard to selecting vehicles with defects. This relationship is not included in the evaluation. The evaluation indicates that the NonStop system will contribute to more fair competition conditions, through time savings for the vehicles that operate in accordance with laws and regulations. Knowledge that enables more targeted control activities and the fact that less vehicles are by-passing the control station because of capacity problems will also contribute PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 13 av 85

16 Evaluation criteria and results to increased risk of detection and a greater degree of fairness. A real impact, however, will be dependent on that the system achieves high technological maturity and good quality, so that the accuracy in the selection of control candidates is increased. Increased lawabidingness on longer terms Improved environment This matter is not included in the evaluation, since it is not expected measurable effects during the project period. This matter is not included in the evaluation, since it is not expected measurable effects during the project period. For NPRA as project owner, NonStop has helped to define what is important to focus on when it comes to the development of a future automated control system. During the project, various technological systems have been tested in real traffic. Valuable experience has been collected in the specification of future requirements for such systems. Likewise, the project has helped to provide input to the physical design of future control stations based on the NonStop concept. NLF has in the project period taken as granted that serious transport operators with "documents and vehicles in order" should not have to be checked in the future. This is to ensure more equal and fair conditions of competition in transport by unserious operators being effectively selected for control. NLF has contributed with valuable knowledge in the process of developing our future control regime. Likewise, the project has given NLF valuable knowledge of the opportunities that technology offers. For Ciber, the project has contributed to increased knowledge about technologies and international standards and trends within the project's main theme. This is an advantage that will be beneficial when it comes to developing new products and services in the future. SINTEF have tested a practical application of ARKTRANS / META in connection with the specification of the NonStop system. This is also an important input to a doctoral thesis at NTNU that studies how the work performed in another EU project called META has an impact for the NonStop concept. Results from NonStop are also part of a doctoral thesis carried through by a SINTEF employee. In this thesis it is the development of the methodology for evaluation of ITS measures that is crucial, which implies that the data from the demonstrator are important. This evaluation methodology will be used by SINTEF further in their research on ITS solutions and will provide evaluation services to ITS product developers and authorities. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 14 av 85

17 1 Innledning 1.1 Bakgrunn for prosjekt Den overordnede ideen med NonStop var å etablere, demonstrere og evaluere et system for automatisk utvelgelse av tunge kjøretøy for kontroll. Statens vegvesen har ansvaret for kontroll av tunge kjøretøy med formål å avdekke forhold som angår både trafikksikkerhet og forhold som påvirker konkurransesituasjonen i transportnæringen. Eksempler er kjøring med overvekt, brudd på kjøre-/hviletidsbestemmelsene eller kjøring med materiell som ikke er i forskriftsmessig teknisk stand. Norges Lastebileier-Forbund (NLF) mener at dagens kontroller er for få og for lite effektive. NLF ønsker at det etableres et system som plukker ut transportører som spekulerer i å bryte gjeldende lover og regler. På grunn av at kontrollene er bygd opp rundt manuelt betjente kontrollstasjoner er sjansene for å bli kontrollert liten. Samtidig opplever transportører som driver nærdistribusjon innen bygg- og anleggsbransjen å bli stanset flere ganger i løpet av samme dag. Dette representerer både en tids- og miljøkostnad. Bruk av ITS-løsninger gjør det mulig å etablere nye tjenester som åpner for mer effektive og kostnadsbesparende kjøretøykontroller gjennom en selektiv utvelgelse av kjøretøy for kontroll, også kalt kontrollkandidater. Som vist i Figur 1, var NonStop tenkt å bestå av et beslutningsstøttesystem og tilhørende styringssystem. Disse systemene kommuniserer med eksisterende vegkant- og kjøretøysystem. I tillegg benyttes eksisterende registre med kjøretøyrelaterte data. NonStop skulle spesifisere og utvikle et system for selektiv utvelgelse av kontrollkandidater. Det ferdige systemet skulle lages slik at utvelgelse av kontrollkandidater ble gjort uten at kjøretøyet behøvde å stanse. I tillegg skulle systemet inneholde et dataregister som blant annet lagret status fra tidligere kontroller. NonStop skulle utvikle og demonstrere et styringssystem for hvordan man rent praktisk dirigerer kjøretøy som skal kontrolleres ut av trafikkstrømmen. Dette kunne gjøres med bruk av variable skilt, friteksttavler, manuell dirigering eller informasjon direkte til sjåfør. Det skulle i realiseringsarbeidet legges vekt på å bruke eksisterende utstyr som allerede er installert eller som finnes som hyllevare, men det skulle fokuseres på åpne grensesnitt slik at man ikke ble låst til enkelte leverandører. Fører Kjøretøysystem NonStop System for selektiv utvelgelse av kjøretøy som skal kontrolleres Beslutningsstøttesystem Eksterne registre med kjøretøyrelaterte data Vegkantsystem/ dynamisk skilting Styringssystem Kontrollør/ utvelger Figur 1: NonStop systemskisse Operatør NonStop skulle også utvikle og velge evalueringsmetodikk. Denne skulle benyttes for å evaluere kontrollsystemet både i forhold til teknisk kvalitet og robusthet, nytteverdi for transportør og kontrollmyndighet samt brukeraksept sett fra operatør, transportør og fører. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 15 av 85

18 Et selektivt målrettet kontrollsystem ville gi økt effektivitet for næringslivet samt sørge for mer like og rettferdige konkurransevilkår i transportnæringen ved at useriøse transportører som spekulerer i å kjøre med overvekt eller dårlig utstyr oftere ble stanset enn tilfellet er i dag. Kjøretøy med overvekt og feil lastfordeling representerer et betydelig miljøproblem og en økonomisk kostnad knyttet til unødvendig slitasje på vegnettet i Norge. Dette medfører dårligere standard på vegnettet noe som igjen har en negativ innvirkning på trafikksikkerheten og gir et økt behov for vedlikehold og hyppigere reasfaltering. 1.2 Innovasjonsgrad Realisering av et beslutningsstøttesystem for målrettet utvelgelse av kjøretøy for kontroll skulle endre måten Statens vegvesen jobber på i utekontrollvirksomheten. Systemet skulle gjøre det mulig å stanse langt flere kjøretøy med feil og mangler enn det som er tilfelle i dag. Systemet skulle omfatte både sensorer som måler fysiske egenskaper som vekt, høyde, lengde og bremseegenskaper tilknyttet kjøretøyet, samt kobling til databaser med oversikt over heftelser som manglende periodisk kjøretøykontroll, forsikring o.l. For norsk kontrollvirksomhet representerer dette en særdeles høy innovasjonsgrad. I internasjonal sammenheng er det bl.a. i Storbritannia testet ut løsninger basert på automatisk nummerskiltgjenkjenning for utplukking av kjøretøy som tidligere er knyttet til heftelser eller forseelser. Dette er løsninger som ikke automatisk kan overføres til Norge fordi kontrollvirksomheten foregår på en annen måte (mindre bruk av følgekjøretøy i Norge), i tillegg til at de utenlandske systemene vil kunne komme i konflikt med norsk lovgivning på personvernområdet. NonStop skulle i den utstrekning det var mulig benytte det utstyret som nå kommer i form av obligatoriske OBE-er 1. Samferdselsdepartement og Vegdirektoratet har arbeidet med en innføring av obligatorisk AutoPASS brikker i tunge kjøretøy og dette ble innført den 1. januar Den europeiske bompengetjenesten vil også medføre at veldig mange utenlandske tunge kjøretøy vil få EETS 2 -kompatible OBE-er som vil inneholde mange kjøretøyparametre som vil kunne benyttes til å plukke ut kjøretøy som skal kontrolleres, eksempelvis parameterne tillatt totalvekt og antall akslinger. Finansdepartementet arbeider med en omlegging av vegavgiften og dette vil medføre innføringen av en OBE for tunge kjøretøyer. Denne teknologien er også grunnlaget for elektronisk vognkort. Tabellen nedenfor er hentet fra søknaden og beskriver det viktigste punktene mht. hva som var nytt og hva som var nyttig for prosjektdeltakerne. Tabell 1 Innovasjon for offentlig sektor og målgrupper Sektor Statens vegvesen Transportører CIBER Hva er nytt og nyttig for sektoren? Et nytt, målrettet og mindre ressurskrevende kontrollregime vil gjøre Statens vegvesen i stand til å effektivisere sin kontrollvirksomhet og gjennom det kunne stanse flere kjøretøy med feil eller mangler. Etablere datagrunnlag for mer optimalt vedlikehold av vegnettet samt gi informasjon om last/fyllingsgrad/tomkjøring. Seriøse transportører med "papirene i orden" slipper å kontrolleres. Dette gir mer like og rettferdige konkurransevilkår i transportnæringen ved at useriøse aktører effektivt plukkes ut Utvikling av nye tjenester åpner nytt marked med nye produkter basert på eksisterende teknologi 1 On Board Equipment, kjøretøyenhet 2 European Electronic Toll Service, felles europeisk elektronisk bompengesystem PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 16 av 85

19 1.3 FoU-prosjektets mål og betydning for innovasjonen Hovedmålet med NonStop var å effektivisere transportnæringen og offentlig sektor gjennom å etablere, demonstrere og evaluere et automatisk kontrollsystem for tunge kjøretøy hvor kun kjøretøy med feil eller mangler eller der kjøre- /hviletid er brutt, blir stanset. Prosjektet skulle bidra til utløsning av dette potensialet gjennom oppnåelse av følgende delmål og resultater av FoUprosjektet (fra søknaden): 1. NonStop vil bidra til økt effektivitet for transportnæringen, gjennom reduksjon av antall unødvendige stopp i kontroller og større forutsigbarhet mht. kontrollsituasjon 2. NonStop vil bidra til mer rettferdige konkurransevilkår for transportnæringen, gjennom økt sannsynlighet for å avdekke transportører som ikke overholder gjeldende lover og regler 3. NonStop vil bidra til mer effektiv ressursbruk for kontrollmyndighet, ved å sikre en mer målrettet utvelgelse av kjøretøy som kontrolleres 4. NonStop vil bidra til samfunnsøkonomiske gevinster gjennom bedre miljø, økt trafikksikkerhet og mer kunnskap om dagens transporter Forskningen skulle bidra til å evaluere innovasjonens effekter og virkninger for næringslivet og samfunnet forøvrig. Dette var nødvendig for å avdekke gevinstpotensialet og dokumentere grad av oppnåelse for hovedmål og delmål. Videre skulle FoU-innsatsen sikre at systemet som ble utviklet var i henhold til forskningsfronten innenfor fagområdet ITS, teknologi og datainnsamling. Vurdering av systemets effekter har stor betydning for avgjørelsen om hvorvidt systemet bør realiseres i stor skala (utrulling på landsbasis). 1.4 FoU-utfordringer i prosjektet De sentrale FoU-utfordringene i prosjektet var å evaluere virkningen av å ta i bruk et målrettet system for utvelgelse av kjøretøy for kontroll. Prosjektet skulle ha fokus på effekter for transportnæringen og utøvende kontrollmyndighet. Sekundært skulle forskningsbidrag i en tidlig fase av prosessen sikre optimal utforming av systemet med hensyn til å samle inn data og informasjon som var etterspurt i forbindelse med planlegging og investering i infrastruktur. Forskningsutfordringene kunne oppsummeres med følgende spørsmål: Hvordan kan automatisk kontroll av kjøretøy etableres for å gi mest mulig effektivitetsgevinster for Statens vegvesens kontrollmiljø og for transportørene? Hvordan kan teknologi integreres for best tilpasning til norske forhold? Hvordan skal sensor- og registerdata sammenstilles for best mulig treffrate på kjøretøy med heftelser eller mangler? Hvordan kan beslutningsstøttesystemet utvides med informasjon som i dag betraktes å være i konflikt med Personopplysningsloven? Hva er virkningen av å ta i bruk et målrettet system for utvelgelse av kjøretøy for kontroll? Er systemet teknisk godt ift. robusthet og modenhet for utrulling? Hvilke effekter har systemet for transportør, kontrollmyndighet og samfunnet forøvrig? Hvilken aksept har systemet for kontrollmyndighet, transportør og sjåfør? PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 17 av 85

20 1.5 Organisering Aktører og ansvarsområder Prosjektet NonStop var klassifisert som et Innovasjonsprosjekt i Offentlig sektor (IPO) i Norges Forskningsråd. Formålet med slike prosjekt er å utløse FoU-aktivitet i offentlig sektor som spesielt bidrar til innovasjon og bærekraftig verdiskaping i sektoren og hos brukere. Organisasjonsmodellen for prosjektet NonStop går fram av følgende tabell: Deltaker Rolle i prosjekter Kunnskap/kompetanse Statens Vegvesen v/ Terje Reitaas Prosjekteier. Systemeier og ansvarlig for å integrere kontrollsystemet med operativ kontrollvirksomhet. Drift og vedlikehold av vegsystemet, kontrollvirksomhet Norges Lastebileier- Forbund (NLF) v/ Rune Damm CIBER v/sven L. Phil SINTEF Teknologi og Samfunn v/ Terje Moen og SINTEF IKT v/ Marit Natvig Prosjektdeltager med ansvar for å formidle transportnæringens interesser. Prosjektdeltager med ansvar for å integrere systemene for realisering av NonStopløsningen Prosjektledelse og FoU partner. Ansvarlig for systemspesifikasjon, demonstrasjon og evaluering av kontrollsystemet. Også ansvarlig for spredning og publisering. Transportnæringens behov og muligheter Applikasjonsutvikling, automatiserer nødvendige forretningsregler og integrasjon mot sensorer og baksystemer. Prosjektledelse, trafikkteknikk, IKT, systemutvikling, utvikling av demonstrator og evaluerings-metodikk Prosjekt kjernegruppe Prosjektgruppa besto av følgende partnere: Statens vegvesen, Vegdirektoratet SINTEF Norges Lastebileier-Forbund CIBER Styringsgruppe Det ble etablert en styringsgruppe med representanter fra følgende aktører: Statens vegvesen, Vegdirektoratet, Trafikksikkerhet, Miljø og Teknologi Statens vegvesen, Vegdirektoratet, Trafikant og kjøretøy Norsk Lastebileierforbund SINTEF CIBER Observatør fra Forskningsrådet PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 18 av 85

21 2 Konseptbeskrivelse Dette kapitlet gir bare en oppsummering av den konseptbeskrivelsen som er gitt i Vedlegg A: The NonStop Concept. 2.1 Roller og ansvarsområder i NonStop I prosjektet ble det utarbeidet en rolle og ansvarsmodell for NonStop konseptet. Listen nedenfor gir en forenklet oversikt over de viktigste rollene som ble definert: Transportregulator rollen er vanligvis delt av aktører som styrer og overvåker aktivitetene i et transportsystem. I NonStop sitt tilfelle vil det være aktører som gir generell informasjon om regler og forskrifter for vegtransport og vegnettverk, samler inn, behandler og tar vare på vegtransport relatert informasjon, utarbeider regelverket (f.eks. Vegtrafikkloven) og håndhever lover og forskrifter. I NonStop konseptet vil Statens vegvesen være den viktigste aktøren, men Datatilsynet vil også være med å dele rollen som Transport Regulator. Andre myndigheter representerer myndigheter som har ansvaret for regler og forskrifter som kan være relevant for kontroll av kjøretøy og automatisk valg av mulige kandidater for kontroll. Typiske eksempler på aktører er Toll og Politi som vil kunne lagre og gi informasjon som kunne brukes som utvalgskriterier. Vegholder forvalter veginfrastrukturen og er ansvarlig for den daglige driften av infrastrukturen og utstyr knyttet til infrastrukturen. Utstyret omfatter sensorer, kommunikasjonsnettverk, Vegkant ITS stasjoner og trafikkskilt og signal som brukes til både innsamling av informasjon av kjøretøyene, kjøretøyenes last og for levering av trafikkstyringsinformasjon gitt til førerne av kjøretøyet. Den eneste aktøren i NonStop konseptet vil være Statens vegvesen som er ansvarlig for driften av vegkantutstyr og kommunikasjonsfasiliteter som trengs for å få NonStop konseptet til å fungere som planlagt. Fører vil i NonStop konseptet være føreren av kjøretøyet som er gjenstand for kontroll. Oppgavene som føreren vil ha er å kontrollere kjøretøyet, følge instruksjonene gitt av kjøretøykontrollørene og gi nødvendig informasjon relatert til kjøretøy, tillatelser, last osv. til kontrollørene. Aktører vil være en person, enten norske eller utenlandske, som kjører en lastebil eller kjøretøy som hører hjemme i kategorien Tunge kjøretøyer. 2.2 NonStop arkitektur basert på ETSI sin referansearkitektur NonStop sin fysiske arkitektur bygger på ETSI sin referansearkitektur for ITS og ITS stasjoner[etsi, 2010], se Figur 2. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 19 av 85

22 Figur 2: NonStop arkitektur basert på ETSI referansearkitektur ITS stasjonsarkitekturen for NonStop er vist i Figur 3. Den Personlige ITS-stasjon er et værbestandig og håndholdt nettbrett med NonStop applikasjonen installert. Nettbrettet brukes av kjøretøykontrollørene på vegvesenets faste og mobile kontrollstasjoner. Nettbrettet kommuniserer med Sentral ITS stasjonen via et trådløst grensesnitt når det brukes og et kablet grensesnitt ved lading og installasjon / oppdatering av programvare og grunnlagsdata for NonStop applikasjonen. Nettbrettet kan også kommunisere med Vegkant ITS stasjon, for eksempel sende meldinger til førere av kjøretøy som skal inspiseres. Figur 3: NonStop ITS stasjonsarkitektur Kjøretøy ITS-stasjon er ikke inkludert i NonStop arkitekturen i de tidlige implementasjonene, men vil inngå så snart kjøretøy ITS-stasjon har blitt tilgjengelig for de fleste tunge kjøretøyer. Kjøretøyets ITS stasjonen kommuniserer via trådløse forbindelser med Personlig og Vegkant ITS stasjon. Sentral ITS stasjonen er implementert, drives og vedlikeholdes av Statens vegvesen som også har ansvar for utvikling PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 20 av 85

23 og vedlikehold av NonStop applikasjonen som er implementert i alle fire ITS stasjoner. Vegkant Road ITS-stasjon er det utstyret som installeres, vedlikeholdes og drives av Statens vegvesen. Vegkant ITS stasjonen er koblet til sensorene som brukes for å samle inn informasjon om kjøretøyene som er underlagt kontroll, og det er også koblet til trafikkskilt og signaler som brukes for å instruere sjåførene. I Vedlegg A: The NonStop Concept utarbeidet av Trond Foss er det vist en funksjonell arkitektur for alle ITS stasjonene som inngår i NonStop prosjektet. I Vedlegg B: NonStop: Automatic selection of vehicles for inspection utarbeidet av Terje Moen, Lone-Eirin Lervåg og Erlend H. Aakre presentert på ITS World Congress i 2012 er det gitt en oversikt over NonStop prosjektet. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 21 av 85

24 3 Mulighetsstudier 3.1 Kartlegging av muligheter med ulike sensorer og datakilder/registre I prosjektet ble det gjennomført en omfattende kartlegging av muligheter med utgangspunkt i dagens teknologi og datakilder. Dette notatet er gitt i Vedlegg C: Kartlegging av muligheter med ulike sensorer og datakilder/registre utarbeidet av Erlend H. Aakre. Basert på arbeidet med mulighetsstudier, blir det i dette kapitlet presentert et forslag til kontrollsystem. Det må presiseres at kostnader må veies opp mot nytten ved enkelte av elementene. Forslaget beskriver det systemet som vil kunne oppfylle kravene til et ideelt NonStop system og ikke den demonstratoren som ble etablert i prosjektet. Den demonstratoren som ble etablert i prosjektet er beskrevet i kapittel 6. Figur 4 viser en oversikt over noen av de viktigste delene i et foreslått kontrollsystem på strekningen Klett-Sandmoen. Figur 4 Oversikt over forslag til kontrollsystem Den aktuelle strekningen er langs E6 fra Klett til Sandmoen (nordøstgående kjøreretning). Første steg er en grovsortering på teststrekningen for trafikkdata på Klett. Denne er vist i Figur 5. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 22 av 85

25 Figur 5 Eksisterende og aktuelle installasjoner på teststrekningen på Klett På strekningen finnes i dag (2012) blant annet en bod med internett, Viper WIM (system for veiing av kjøretøy i fart), Kistler WIM (system for veiing av kjøretøy i fart), og et oversiktskamera. Det finnes også en portal, med mulighet for å trekke kabler inn i boden. ANPR-kamera til bruk i NonStop og DSRC-leser finnes per høsten 2012 ikke, men arbeidet med å utrede dette er i gang. Det kan være mulig å benytte andre løsninger enn DSRC, for eksempel Volvo Dynafleet. På teststrekningen for trafikkdata skal tunge kjøretøy grovsorteres. Ved hjelp av ANPR-kamera og DSRC-leser kan kjøretøy identifiseres, og det kan gjøres oppslag i ulike registre (Autosys, VaDIS, EUCARIS, VegSak). Dermed kan opplysninger om tillatte vekter og dimensjoner, kontrollhistorikk, dispensasjoner og liknende sammenliknes med sensordata. I tillegg kan informasjon fra kjøretøy utstyrt med FMS-standarden og en On board unit sende informasjon om blant annet kjøre-/hviletid og vekt fra kjøretøyets sensorer til vegkantutstyret (DSRC-leser). Gjennom dette systemet, kan også føreren identifiseres gjennom sjåførkortet i fartsskriveren. Dersom sensordata indikerer overtredelser i forhold til regelverk, kan sjåføren kalles inn til kontroll på Sandmoen kontrollstasjon. Figur 6 viser hvordan dette kan tenkes å foregå. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 23 av 85

26 Figur 6 Varsling av førere i Klettbakken, m før Sandmoen kontrollstasjon For kjøretøy som har en DSRC-brikke, kan denne benyttes til å gjenkjenne kjøretøyet ved varsling av fører. På samme måte som i et AutoPASS-anlegg, kan et lyssignal og/eller et variabelt skilt aktiveres på bakgrunn av gjenkjenning fra brikken. Tunge kjøretøy vil antakeligvis holde lav hastighet opp bakken, og dermed ha en relativt lang luke til forankjørende. Dette betyr at det vil være gode muligheter for å kunne varsle riktig fører ved denne metoden. Kjøretøy uten DSRC-brikke må detekteres og identifiseres på annet vis. Alternativene kan variere fra gjenkjenning av Bluetooth-enheter, lesing av nummerskilt, gjenkjenning av induktivt mønster (med sløyfer) til gjenkjenning av akselkonfigurasjon (ved piezokabler eller IR-stråler). Et annet alternativ er at mannskapet på Sandmoen kontrollstasjon blir varslet om at det er behov for manuell styring (med overvåkning via video) av skilt/lys eller manuell dirigering. Det kan også tenkes mer avanserte former for varsling av førere. I USA benyttes for eksempel en On board unit på dashbordet i bilen, som lyser rødt eller grønt. Et rødt lys slukker ikke umiddelbart, og det er derfor mulig å påvise at rødt signal er gitt for de kjøretøy som ikke stopper på kommando. Varsling på smarttelefon er en annen mulighet. Figur 7 viser Sandmoen kontrollstasjon, med eksisterende og aktuelle installasjoner. Et foreslått kjøremønster er også tegnet inn. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 24 av 85

27 Figur 7 Installasjoner og kjøremønster på Sandmoen kontrollstasjon Kjøretøy som etter grovsorteringen ser ut til å ha alt i orden, kan kjøre uhindret forbi kontrollstasjonen (grønn strek på E6). Det bør likevel legges inn stikkprøver. Kjøretøy eller sjåfører som har indikasjoner på overtredelser, må svinge inn til kontrollstasjonen (gul strek). Inne på kontrollområdet passerer kjøretøyene et Low speed WIM-system i 5-10 km/t. Samtidig registreres kjøretøyenes dimensjoner av en 3d-laser, og et IR-kamera søker etter unormalt kalde eller varme bremser og hjul. DSRC-leser eller ANPR-kamera kan benyttes til å identifisere kjøretøyet, og koble disse registreringene av kjøretøyet med de foregående registreringene. Mannskapet på Sandmoen kontrollstasjon ser også behov for å la en kontrollør overvåke kjøretøyene når de passerer. Etter registreringer i lav hastighet skjer sorteringsprosess nummer to, finsorteringen. Kjøretøy med indikasjoner om overtredelser (oransje strek) må holde til venstre, og la seg kontrollveie på statisk vekt. Når kjøretøyet har stoppet, kan kontrollørene også se dokumenter eller kontrollere kjøretøyet nærmere, på samme måte som i dag. Enten kalles kjøretøyet inn til siden for grundigere kontroll og eventuell sanksjonering (rød strek), eller så kan kjøretøyet fortsette ut på E6 (grønn strek). Kjøretøy som overholder alle regler ved kontroller i lav hastighet kan holde til høyre (grønn strek i høyre ytterkant av kontrollstasjonen) og fortsette ut på E6 uten å stoppe. En bekymring kan være hvorvidt et Low speed WIM-system vil føre til kø og tilbakeblokkering ut på E6. Det har blitt gjort en enkel vurdering av dette. Dersom man antar en fart på 10 km/t, en gjennomsnittlig lengde for tunge kjøretøy på 16 m, og en gjennomsnittlig luke på 5 sekunder mellom kjøretøyene (fra bakre støtfanger av kjøretøy 1 til fremre støtfanger på kjøretøy 2), får systemet en kapasitet på om lag 5 kjøretøy/min. Dette tilsvarer 300 kjøretøy/time. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 25 av 85

28 En gjennomgang av en tellefil fra Viper WIM i nordgående retning , antyder at i maksimaltimen ankommer ca. 110 kjøretøy med en lengde over 8 m. Vekten var ikke kalibrert på dette tidspunktet. I den travleste 10- minuttersperioden i maksimaltimen (kl ) ankom 30 kjøretøy med lengde over 8 m. Dette viser at selv om man skulle kalle inn alle kjøretøy med en lengde over 8 m og regner en romslig luke mellom kjøretøyene, vil volumet fortsatt bare være rundt 60 % av kapasiteten i de travleste periodene. Med hastighet på 5 km/t vil man i maksimalperiodene kunne oppleve at kapasitetsgrensen er nådd, dersom man kaller inn alle kjøretøy med lengde over 8 m. Når man tar hensyn til at det kun er liten andel av de tunge kjøretøyene som skal kalles inn til kontroll etter grovsorteringen på Klett, og at det i tillegg vil være en bufferkapasitet på om lag 7 tunge kjøretøy mellom starten på avkjøringsrampen og Low speed WIM-systemet, er det ikke sannsynlig at tilbakeblokkering vil utgjøre et problem. Målsettingen i NonStop er at flest mulig lovlydige sjåfører skal kunne kjøre uhindret forbi kontrollstasjonen. På denne måten oppnår man en differensiering: - Førere og kjøretøy som åpenbart overholder alle regler kan kjøre helt uhindret forbi. - Førere og kjøretøy som kanskje er overtredere må inn til en lavhastighetskontroll, før de eventuelt kan kjøre ut på hovedvegen igjen. Dette vil medføre minimalt med tidstap (1-2 min) - Førere og kjøretøy med stor sannsynlighet for overtredelser (også etter lavhastighetskontroll) må inn til manuell kontroll. Dette medfører større tidstap. Med dagens situasjon må selv åpenbart lovlydige førere tåle et tidstap på 5-10 minutter ved kontroll. 3.2 Metodikk for evaluering av effekter av Weigh-in-motion (WIM) Det ble gjennomført en studie av ulike metodikker for å evaluere effekter av WIM for å finne relevante effektindikatorer som kunne være relevante for NonStop prosjektet. Studien er nærmere beskrevet i Vedlegg D: Impact evaluation methodologies of WIM systems utarbeidet av Isabelle Roche-Cerasi.. Følgende forskningsspørsmål forelå som grunnlag for studien: 1. Hva er de potensielle effektene som er beskrevet i litteraturen om WIM og ANPR (Automatic Number Plate Recognition)? Hva er forventet og har de vært evaluert? 2. Hvilke metoder er utviklet og tatt i bruk for å evaluere disse effektene og fordelene? 3. Hva er de tilhørende effektindikatorene? 4. Hvordan blir førerne varslet om at de er utvalgt for nærmere kontroll og hvordan er de ledet inn på kontrollplassen? Resultatet av denne litteraturundersøkelsen viste at det ikke var noen felles og omforent praksis relatert til bruken av WIM og ANPR. Den fulle effekten av å fjerne overbelastede tunge kjøretøyer fra vegen er enda ikke kjent. De effektene som foreløpig er kvantifisert er effektiviteten av den nye overvåkingsmetoden, endringer i transportørens adferd og reduksjon i skadekostnader på infrastrukturen. Publisering av resultatene for Kartlegging av muligheter med ulike sensorer og datakilder/registre og Metodikk for evaluering av effekter av Weigh-in-motion (WIM) ble publisert på TRA Artikkelen er gjengitt i sin helhet i Vedlegg E: Targeted selction of Overwieght Vehicles in Norway utarbeidet av Erlend Aakre, Thomas Engen og Isabelle Roche-Cerasi. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 26 av 85

29 4 Behovsundersøkelse i transportbransjen Dette avsnittet presenterer et utvalg av resultatene fra en omfattende behovsundersøkelse i transportbransjen, gjennomført som en del av NonStop-prosjektet. En mer fullstendig rapportering og drøfting av resultater er vist i Vedlegg F: Kontrollvirksomhet i transportbransjen utarbeidet av Lone-Eirin Lervåg og Marianne Elvsaas Nordtømme. 4.1 Formål, metodikk og utvalg Det er gjennomført en spørreundersøkelse med deltakere fra ulike aktører i transportbransjen i Norge. Resultatene har gitt nyttig innsikt i forhold knyttet til transportbransjen og kontrollvirksomhet av tunge kjøretøy. Hensikten med undersøkelsen har vært å kartlegge transportbransjens behov og interesser i forbindelse med utviklingen av fremtidens kontrollsystemer, i tillegg til å etablere et sammenligningsgrunnlag (før-studie) for senere effektstudier av NonStop-systemet. Undersøkelsen er gjennomført som en web-undersøkelse blant medlemmer av bransjeorganisasjoner som Norsk Lastebileier-Forbund (NLF), Maskinentreprenørenes forbund (MEF), NHO transport og logistikk og Transportarbeiderforbundet. I tillegg ble ASKO og TINE invitert til å delta i undersøkelsen. Undersøkelsen ble sendt på e-post til disse aktørene i mars 2013, med oppfordring fra organisasjonen om å delta, samt sende link videre til de sjåførene som er ansatt i bedriften. Spørreundersøkelsen er utarbeidet av SINTEF, i tett samarbeid med NLF som både har kvalitetssikret innholdet og bidratt med innspill til spørsmålsstilling. Undersøkelsen er avgrenset til å dekke norske aktører eller sjåfører som kjører for norske transportører. Over halvparten av deltakerne representerer små bedrifter (som eier i størrelsesorden 1-5 tungbiler). Dette samsvarer i stor grad med resultatene fra NLFs konjunkturundersøkelse fra 2012 som viser at lastebilnæringen er en typisk småbedriftsnæring med stort privat eierskap. Transportoppdragene omfatter både lokaltransport/bydistribusjon, regiontransport og langtransport og hele landet er representert i undersøkelsen. 4.2 Opplevelse av transportbransjen Transportørene opplever at deres egen bransje er preget av svært urettferdige konkurransevilkår, og at det er dårlig lønnsomhet forbundet med lovlydig atferd. Det er en felles oppfatning av at kontrollvirksomheten er for lite effektiv med hensyn til å avdekke tilfeller av juks og useriøse aktører, i tillegg til at sanksjonene er svake når avvik oppdages. Figur 8 viser hvordan respondentene i undersøkelsen forholder seg til en rekke utsagn om forhold som kan beskrive transportbransjen, herunder trafikksikkerhet- og miljøfokus, hensyn til personvern, samt konkurransevilkår. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 27 av 85

30 I hvilken grad er du enig i følgende utsagn? N=(996,1012) Det er for lite fokus på trafikksikkerhet i transportbransjen Det er for lite fokus på miljø i transportbransjen Transportbransjen er preget av ulike konkurransevilkår (urettferdighet) Hensynet til personvern blir ikke tilstrekkelig ivaretatt i transportbransjen Det er for liten kontroll av useriøse aktører i transportbransjen Det er for lite sanksjonering mot useriøse aktører i transportbransjen = svært uenig 2 = svært enig 4.3 Kontroll erfaring Figur 8: Transportaktørenes oppfatning av transportbransjen. Totalt 69 % av sjåførene oppgir at de er blitt kontrollert en eller flere ganger i løpet av en periode på tre måneder. Disse kontrollene avdekket feil eller mangler som resulterte i anmeldelse eller bruksforbud hos 5 % av de kontrollerte sjåførene. Dette impliserer at minst 95 % av kontrollaktivitetene var resultatløs og dermed ineffektiv bruk av kontrollressursene i tillegg til at det forårsaket unødvendig venting for transportørene. Så mange som 25 % av sjåførene oppga også at de i løpet av den samme perioden hadde blitt stoppet for flere kontroller i løpet av samme dag. Tidsforbruket i forbindelse med tungbilkontroll vil naturlig nok variere med type kontroll. I Statens vegvesens utekontrollveiledning (2011) anslås gjennomsnittlig tidsforbruk for en typisk tungbilkontroll å være 15 minutter, mens en enkel vektkontroll (inkl. vurdering av last og dokumentkontroll) estimeres til 8 minutter. Sjåførene har anslått tidsforbruket i forbindelse med en typisk inspeksjon å være i størrelsesorden minutter. Omtrent 15 % av respondentene i undersøkelsen opplever at kontrollvirksomheten påfører dem vesentlige forsinkelser, som igjen resulterer i økte leveringskostnader, tap av oppdrag/kunder, dårligere rennommé og dårligere arbeidsmiljø (stress) for sjåførene. Transportbransjen opplever tungbilkontrollene som lite effektive både med hensyn til å sikre like konkurransevilkår og å fange opp juks og useriøse aktører. For begge disse forholdene har mer enn 40 % av deltakerne krysset av for at tungbilkontrollene har svært liten effekt. Kontrollvirksomhetens virkning på trafikksikkerheten scorer heller ikke spesielt høyt, med en gjennomsnittsverdi så vidt på negativ side av skalaen. Se resultatene i Figur 9. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 28 av 85

31 Hvor effektive er dagens tungbilkontroller med henyn til følgende forhold? N=(1011) Oppnå trafikksikker transport på det norske vegnettet? Sikre like konkurransevilkår i transportbransjen? Fange opp tilfeller av juks og useriøse aktører? = svært lite effektive 2 = svært effektive Figur 9: Effekten av dagens tungbilkontroller. N=1011. De som har svart at tungbilkontrollene har svært liten eller nokså liten effekt med hensyn til å oppnå de målene som er skissert i figuren over, har også fått mulighet til å utdype eller forklare hvorfor de mener det er slik i et fritekstfelt. Hele 563 personer (66 % av de som har besvart spørsmålet overfor) har benyttet seg av denne muligheten, og bidrar dermed til et omfattende datagrunnlag som beskriver hvordan kontrollsituasjonen og virksomheten i sin helhet oppleves av sjåfører og transportører i Norge. Hovedinntrykket blant aktørene er at kontrollvirksomheten i transportbransjen er lite effektiv, med lav oppdagelsesrisiko og for svake sanksjoner. Forhold som trekkes frem som særlig problematiske er knyttet til kjøretøyenes tekniske tilstand (spesielt for utenlandske transportører), samt mer kompliserte forhold som kabotasjevirksomhet og juks med kjøre- og hviletid. Det pekes på at kontrollvirksomheten i dag har feil fokus, er for lite effektiv og for forutsigbar med hensyn til tid og sted. Tilsammen bidrar forholdene som er beskrevet til en bransje preget av ulike konkurransevilkår og det er en utbredt oppfatning at overholdelse av lover og regler gir liten lønnsomhet. Transportnæringen er i utgangspunktet preget av lave profittmarginer og det oppleves et tydelig press fra utenlandske aktører som opererer under andre betingelser. 4.4 Utforming av NonStop-systemet En del av spørreundersøkelsen fokuserte på aktørenes oppfatning og forventninger til det nye NonStop-systemet som utvikles. Før spørsmålene ble besvart, fikk deltakerne informasjon om NonStop-systemet og dets funksjonalitet. Aktørene fra transportbransjen mener det er viktig å inkludere følgende elementer som utvelgelseskriterier i et fremtidig NonStop-system (i prioritert rekkefølge); 1) dekkutrustning, 2) bremsetilstand, 3) forsikringer/begjæringer, 4) kjøre- og hviletid, 5) dokumentkontroll og 6) vekt/aksellast. Miljøfaktorer (utslipp, støy) og kjøretøyets lengde/bredde er ikke prioriterte forhold. Se Figur 10. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 29 av 85

32 Antall svar 700 Hvilke tre elementer mener du det er viktigst å inkludere i NonStop-systemet? N=1018 (x3) Figur 10: Indikasjoner for automatisk utvelgelse av kontrollkandidater - ønsker fra sjåfører/transportører til NonStopsystemet. N=1018 (x3) Både sjåfører og andre representanter fra transportbransjen har høye forventninger til NonStop-systemet og mener at en innføring på landsbasis vil gi dem positive effekter i form av mer rettferdige konkurranseforhold, redusert tidsforbruk på kontroller, bedre punktlighet/forutsigbarhet i framføringstid, økt trafikksikkerhet, økt lønnsomhet, høyere grad av lovlydighet og bedre arbeidsmiljø (mindre stress og frustrasjoner). Se Figur 11. Punktlighet/ forutsigbarhet i fremføringstid Hva slags endringer vil NonStop-systemet få for deg/din bedrift? N=(982,993) Stress, frustrasjon i arbeidshverdagen Arbeidsmiljø Trafikksikkerhet Lovlydighet Konkurransevilkår/ rettferdighet Økonomisk lønnsomhet Tidsforbruk på kontroller = svært negativ 2 = svært positiv 4.5 Personvern Figur 11: Forventet virkning av NonStop-systemet. N=( ). I dag er det teknologisk mulig å utvikle et beslutningsstøttesystem hvor flere typer kjøretøydata og informasjon om det enkelte transportoppdrag gjøres tilgjengelig for kontrollører via sikker trådløs kommunikasjon mens kjøretøyet er på vegen. Dette kan gjøres via kjøretøyenes flåtestyringssystem eller med egne enheter som monteres i kjøretøyene. Man kan tenke seg løsninger hvor sjåfører og operatører frivillig deler informasjon om transporten elektronisk i bytte mot at de da slipper å bli vinket inn for kontroll hvis kjøretøy og last er i henhold til lovverk og forskrifter. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 30 av 85

33 Undersøkelsen viste at det var forholdsvis høy villighet til å dele data på denne måten i transportbransjen. I størrelsesorden % av sjåførene ønsket å dele data automatisk i bytte mot en mer effektiv kontrollsituasjon, avhengig av type data. Tilsvarende uttrykte % at de ikke ønsket å gi fra seg data på denne måten, med størst skepsis knyttet til automatisk deling av sjåfør-id. Se detaljerte resultater i Figur 12. Er du villig til å dele følgende data automatisk - dersom det gir deg mulighet til å passere kontrollstasjonen uten å stanse? N=(774,799) Ja Nei Vet ikke 16 % 14 % 18 % 12 % 19 % 14 % 13 % 18 % 27 % 18 % 18 % 23 % 67 % 59 % 64 % 75 % 63 % 63 % Vekt, aksellast Sjåfør-ID Fraktbrev Bremsetilstand Miljødata/ utslipp Kjøre-/ hviletid Figur 12: Villighet til automatisk deling av informasjon. N=( ). De som har svart at de ikke ønsker å dele informasjon om kjøretøyet eller transportoppdraget automatisk, begrunner dette i hovedsak med personvernhensyn eller at de tror et slikt system vil være for enkelt å jukse med for de som ønsker å unndra seg kontroll. 4.6 Resultater for Sandmoen kontrollstasjon Det er gjort spesifikke analyser for de sjåførene som regelmessig passerer Sandmoen kontrollstasjon (minst månedlig), hvilket utgjør et utvalg på 169 personer (av totalt personer). Hensikten med dette er å sikre et mest mulig riktig sammenligningsgrunnlag for effektstudier i forbindelse med demonstrator på Sandmoen kontrollstasjon. Sammenlignet med resten av undersøkelsen består utvalget fra Sandmoen av flere sjåfører (færre respondenter som kun er administrativt ansatt), og litt større transportbedrifter (målt i antall biler). Videre foretar deltakerne fra Sandmoen større andel langtransport (54 % av respondentene på Sandmoen vs. 27 % totalt) og tilsvarende mindre lokaltransport/bydistribusjon. Dette gjenspeiles også i type transportoppdrag, hvor nasjonal/internasjonal transport og tank, bulk, ADR utgjør en større andel av omsetningen hos deltakerne fra Sandmoen, mens transport knyttet til vei, anlegg og bygg har litt mindre omfang. Deltakerne fra Sandmoen-utvalget har opplevd en noe større kontrollhyppighet enn resten av deltakerne i undersøkelsen, med (selvrapportert): 80 % vs. 69 % av sjåførene/kjøretøy kontrollert i løpet av de tre siste måneder 33 % vs. 25 % av sjåførene/kjøretøy kontrollert mer enn én gang i løpet av samme dag, 7 % vs. 5 % av sjåførene/kjøretøy ilagt bruksforbud eller anmeldelse PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 31 av 85

34 De opplever forøvrig kontrollsituasjonen nokså likt som de øvrige sjåførene, og det er ingen vesentlige forskjeller hverken med hensyn til opplevd tidsbruk på kontroller eller hvordan de vurderer kontrollvirksomhetens effekt på trafikksikkerhet og konkurransevilkår i transportbransjen. Utvalget fra Sandmoen har imidlertid svart at tidsbruk i forbindelse med kontroller generelt gir noe større konsekvenser for bedriften. I tråd med resten av deltakerne er det faktorene økte kostnader ved levering og tap av oppdrag og/eller kunder som hyppigst er angitt som konsekvens. I tillegg viser undersøkelsen at en større andel av deltakerne fra Sandmoen opplever straffegebyr ved forsinket levering som et resultat av tidsbruken på kontroller. I likhet med øvrige deltakere i undersøkelsen, har utvalget fra Sandmoen positive forventninger til NonStop-systemet, spesielt med hensyn til å oppnå bedre rettferdighet (like konkurransevilkår) og redusert tidsforbruk i forbindelse med kontrollvirksomhet. Sammenlignet med resten av gruppen, har utvalget noe høyere forventning om at NonStopsystemet også vil ha positiv effekt for arbeidsmiljøet. Alle forhold tatt i betraktning kan det synes som om utvalget på Sandmoen i all hovedsak er samstemt med øvrige respondenter, og datamaterialet i sin helhet må kunne betraktes som et egnet grunnlag for sammenligning i en fremtidig effektstudie. 4.7 Konklusjoner Resultatene fra behovsundersøkelsen har gitt nyttig innsikt i forhold knyttet til transportbransjen og kontrollvirksomhet av tunge kjøretøy. Undersøkelsen viser at dagens kontrollvirksomhet oppleves utilstrekkelig med hensyn til å oppnå god trafikksikkerhet og like konkurransevilkår i transportbransjen. Etterspørselen etter et effektivt og målrettet system for utvelgelse av kontrollkandidater er høy, og et system tilsvarende NonStop forventes å få positiv effekt og ha oppdragende virkning på transportbransjen. Aktørene er også i overvekt positive til automatisk deling av data og informasjon om transportoppdraget, dersom dette gir gevinster i form av mer rettferdig og effektiv kontrollvirksomhet. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 32 av 85

35 5 Behovsundersøkelse i kontrollvirksomheten 5.1 Innledning Ved prosjektets oppstart var det planlagt en landsomfattende undersøkelse blant kontrollørene på Statens vegvesens kontrollstasjoner. Av ulike årsaker ble det valgt å ikke gjennomføre denne aktiviteten. Behov og innspill fra kontrollvirksomheten ble isteden ivaretatt gjennom fokusgruppemøter med kontrollører og kontrolleder fra Sandmoen kontrollstasjon i forbindelse med utarbeidelse av NonStop-systemet med tilhørende regelmotor og i planlegging av selve demonstratoren. Dette delkapitlet oppsummerer resultatene fra en spørreundersøkelse gjennomført blant kontrollører på Sandmoen, høsten Spørreundersøkelsen er utført og analysert som del av PhD-arbeidet til Lone-Eirin Lervåg om Evaluering av ITS-applikasjoner. Hensikten med undersøkelsen har vært å avdekke kontrollørenes erfaring og forventning til NonStop-konseptet, i etterkant av deres deltakelse i NonStop-prosjektet. Spørreundersøkelsen ble gjennomført i forbindelse med avslutningen av NonStop-prosjektet, hvor resultatene fra NonStop-demonstratoren ble presentert. Innledningsvis presenteres analysen fra spørreundersøkelsen, deretter sees resultatene i samsvar med en større behovsundersøkelse gjennomført blant mer enn aktører i transportbransjen i 2013 (se dokumentasjon i Vedlegg F: SINTEF-notatet Kontrollvirksomhet i transportbransjen datert ). 5.2 Resultater Utvalg Utvalget besto av 17 kontrollører, både kvinner og menn, som er ansatt ved Sandmoen kontrollstasjon. Alle som ble spurt om å delta i undersøkelsen var positiv, hvilket har gitt en svarandel på 100 %. Erfaring med dagens tungbilkontroller Hensikten med dagens tungbilkontroller er å sikre at transporten som foregår på veinettet er i henhold til lovverk og forskrifter, slik at man oppnår størst mulig grad av trafikksikkerhet og ivaretar rettferdige konkurranseforhold i transportbransjen. Kontrollørene ble spurt om i hvilken grad de opplever at dagens tungbilkontroller lykkes i å oppnå trafikksikkerhet, like konkurransevilkår, samt å fange opp tilfeller av juks og useriøse aktører. Resultatet er presentert i Figur 13. Kontrollørene har angitt svar på en fem-punkts-skala fra -2 = svært lite effektiv til 2 = svært effektiv. Figuren viser gjennomsnittsverdier for hvert tema. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 33 av 85

36 Figur 13: Kontrollørenes vurdering av tungbilkontrollenes effekt. Svarene viser at dagens tungbilkontroller vurderes å ha en begrenset positiv effekt med hensyn til å oppnå god trafikksikkerhet og rettferdige konkurransevilkår. Alle tre forholdene som er vurdert har en beskjeden positiv verdi, med minst effekt knyttet til å fange opp tilfeller av juks og useriøse aktører (0,18) og å sikre like konkurransevilkår i transportbransjen (0,35). Tungbilkontrollene anses å være noe mer effektive med hensyn til å oppnå trafikksikker transport på det norske vegnettet, men fortsatt med en relativt lav verdi (0,65) på en skala som går fra -2 (svært lite effektiv) til 2 (svært effektiv). Utforming av NonStop-systemet NonStop-konseptet innebærer at kjøretøyene velges ut til kontroll mens de ennå er på veien i forkant av kontrollstasjonen. Utvelgelsen må baseres på noen indikatorer som kan registreres mens kjøretøyet er i ordinær transport. I NonStop-piloten som ble testet i prosjektet inngår vekt-/aksellast og forsikringer/begjæringer som indikatorer for utvelgelse til ytterligere kontroll. Kontrollørene har vurdert hvilke elementer som bør inngå i et system som velger ut kontrollkandidater i forkant av kontrollstasjonen. Spørreskjemaet presenterte en rekke alternativer, hvor det var mulighet for å velge de tre elementene man mener er viktigst å inkludere: Vekt, aksellast Dokumenter (vognkort, fraktbrev, kompetansebevis, ADR, etc.) Forsikringer og begjæringer (EU-kontroll, heftelser, mangler etc.) Dekkutrustning Bremsetilstand Utslipp Støy Kjøre-/hviletid Lengde og bredde Resultatene er vist i Figur 14. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 34 av 85

37 Figur 14: Kontrollørenes vurdering av hvilke elementer som bør inngå i NonStop-systemet Resultatene viser at de forholdene som vurderes som viktigst å inkludere i et beslutningssystem for utvelgelse av kontrollkandidater er (i prioritert rekkefølge): 1) Vekt, aksellast 2) Kjøre-/hviletid 3) Bremsetilstand 4) Forsikringer og begjæringer Dekkutrustning og lengde/bredde inngår i besvarelsen hos noen få kontrollører, mens dokumenter, støy og utslipp ikke vurderes som viktige i denne sammenhengen. Kontrollørene har også fått et åpent spørsmål om de har forslag til virkemidler som kan bedre dagens kontrollsituasjon, eller om de har øvrige kommentarer til NonStop-systemet. Her har de hatt mulighet til å formulere svar i et fritekstfelt. I alt 13 kontrollører (76 %) har benyttet denne muligheten. I hovedsak handler tilbakemeldingene om at man ønsker et beslutningsstøttesystem (i tråd med NonStop-konseptet) som muliggjør bruk av flere datatyper som indikator for utvelgelse i forkant av kontrollstasjonen. Spesielt nevnes bruk av f.eks. termokanner for registrering av bremsetilstand, tilgang til data om bompasseringer for vurdering av kjøre-/hviletid, samt vektdata. Videre nevnes fordelen med bruk av ANPR-kamera, med tilgang til informasjon om begjæringer/betalingsanmerkninger på nettbrettet uten at kontrolløren manuelt må taste inn registreringsnummer på trekkvogn og henger. Det er også flere som etterspør tilgang til kjøretøyenes kontrollhistorikk. Videre pekes det på at det er viktig å få tilgang til relevante registre for utenlandske kjøretøy, slik at disse kan behandles likt med norske kjøretøy i NonStop-systemet. Noen har kommentert at arealet på kontrollstasjonen bør utformes slik at man får en "fastback" uten forsinkelser for kjøretøy som ikke blir flagget for videre kontroll, og et par av kontrollørene har synspunkt på hvordan selve utvelgelsen og inn-vinking av enkeltkjøretøy bør foregå. En av deltakerne i undersøkelsen sier også at det er nyttig for kontrollørene å få tilgang til NonStop-systemet, selv om det ikke er helt nøyaktig fordi det oppleves å være en støtte til kontrollørenes egne vurderinger. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 35 av 85

38 Avslutningsvis er det også et par synspunkt på at det fortsatt er nødvendig med stikkprøver utover de kjøretøyene som velges ut som kontrollkandidater i NonStop og det pekes på at det også i fremtiden vil være bruk for kontrollørenes teft basert på synsinntrykk, lyd og lukt i det kjøretøyet passerer over kontrollstasjonen. 5.3 Forventet effekt Et beslutningsstøttesystem som NonStop representerer et potensiale for å effektivisere både kontrollvirksomheten og transportbransjen, gjennom at kun kjøretøy med feil eller mangler stanses for tungbilkontroll mens lovlydige kjøretøy får passere uhindret. Realisering av dette potensialet forutsetter at beslutningsstøttesystemet gir minst like god treffsikkerhet som dagens ordning med hensyn til å fange opp juks og avdekke kjøretøy med feil og mangler, samt at tidsbruken på kjøretøy som ikke gjennomgår ytterligere kontroll etter utvelgelsen reduseres. I tillegg forutsetter en vellykket implementering og utbredelse av systemet, at det er brukervennlig og oppnår en høy grad av aksept blant kontrollørene som skal benytte dette som et verktøy i sitt daglige virke. Kontrollørenes forventninger til NonStop-systemet er presentert i Figur 15, som viser i hvilken grad NonStop-systemet vil gi positive eller negative endringer for kontrollørenes virksomhet. Søylene representerer gjennomsnittsverdier på en fem-punkts-skala fra -2 = svært negative endringer til 2 = svært positive endringer. Figur 15: Kontrollørenes forventninger til NonStop-systemet Resultatene viser at kontrollørene forventer utelukkende positive effekter på alle forhold rundt arbeidssituasjonen som inngikk i spørreundersøkelsen. Størst effekt forventes knyttet til effektivitet mht. å avdekke juks (1,29) og tidsbruk på kontroller (1,24), mens systemet forventes å ha en mer beskjeden effekt på stress i kontrollsituasjonen (0,82) og arbeidsmiljø (0,59). Kommentarene i fritekstfeltet ga også inntrykk av en entydig positiv forventning til hvordan NonStop-konseptet vil endre arbeidssituasjonen for kontrollørene. 5.4 Diskusjon av resultater og konklusjon Undersøkelsen avdekker et reelt behov for å effektivisere dagens kontroll av tunge kjøretøy og et beslutningsstøttesystem som kan bidra til mer målrettet utvelgelse av kontrollkandidater ønskes velkommen. Kontrollørene erfarer selv at dagens kontrollvirksomhet har beskjeden effekt med hensyn til å sikre god trafikksikkerhet og like konkurransevilkår for transportbransjen. Dette er i tråd med transportbransjens opplevelser, selv om aktørene i transportbransjen vurderer dagens kontrollvirksomhet å ha enda mindre effekt (Se Vedlegg F: SINTEF-notatet Kontrollvirksomhet i transportbransjen datert ). PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 36 av 85

39 Kontrollørene ønsker generelt at flere datatyper inkluderes i beslutningsstøttesystemet som grunnlag for utvelgelse av kontrollkandidater i forkant av kontrollstasjonen. I tillegg til dagens indikatorer vekt/aksellast og forsikringer/begjæringer, er det også et sterkt ønske om å inkludere kjøre-/hviletid og bremsetilstand i systemet. Dette er i samsvar med transportørenes vurderinger, men sistnevnte gruppe vektlegger i større grad indikatorene dekkutrustning og dokumenter i tillegg. Også når det gjelder vurdering av NonStop-systemets konsekvenser, er det stor grad av samsvar mellom kontrollørene og transportbransjen forøvrig. Begge brukergruppene forventer at NonStop-konseptet vil få jevnt over positive virkninger for deres arbeidshverdag spesielt når det gjelder tidsbruk på kontroller og graden av juks som avdekkes/ivaretakelse av rettferdige konkurranseforhold. Dette må oppfattes som et forholdsvis sterkt signal fra kontrollørene. Resultatene fra denne spørreundersøkelsen viser en sterk etterspørsel etter et beslutningsstøttesystem som kan bidra til å effektivisere dagens kontrollvirksomhet. Selv om utvalget er forholdsvis lite (17 kontrollører), tyder både svarprosent (100 %) og den høye graden av frivillige svar i fritekstfelt at dette er et tema som engasjerer kontrollørene. Alle tilbakemeldinger tyder på en høy grad av aksept blant kontrollørene, dette til tross for at den løsningen som ble testet i demonstratoren var forholdsvis teknisk umoden og med en del unøyaktighet både knyttet til funksjonalitet og datakvalitet. Når resultatene sees i sammenheng med tilbakemeldingene fra en omfattende brukerundersøkelse i transportbransjen (dokumentert i tidligere refererte SINTEF-notat fra 2013), kan det konkluderes med at de ulike interessegruppene (kontrollører og transportaktører) har samsvarende interesser i å effektivisere kontrollvirksomheten og det eksisterer et sterkt felles ønske om at NonStop-konseptet videreføres og tas i bruk i større skala. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 37 av 85

40 6 Demonstrator Dette avsnittet beskriver utvikling og gjennomføring av demonstrator undervegs i prosjektet. 6.1 Utvikling av konsept Tidlig i prosjektet var det ambisjoner om å kjøre en demonstrator med datainnsamling i et helt år. Her var tanken i utgangspunktet å etablere en hoveddemonstrator som ikke ligger i Trondheimsområdet, men ved en kontrollstasjon lokalisert i Region Sør. Selve utviklingen av demonstratoren og uttestingen i tidlig fase kunne skje ved Sandmoen kontrollstasjon i Trondheim. Tanken bak å legge demonstratoren til Region Sør, var at personellet ved denne stasjonen ikke ville være så påvirket av utviklingen av NonStop kontrollsystemet, og på denne måten være mer objektiv i en testsituasjon. Etter hvert som tiden gikk, måtte prosjektet redusere ambisjonsnivået til en mindre demonstrator ved Sandmoen kontrollstasjon. Sandmoen kontrollstasjon Klett: ANPR, WIM og ITS Roadside Station Figur 16: Lokalisering av demonstrator Ved prosjektstart, var tanken at demonstratoren skulle utvikles på eksisterende ANPR-kamera og Viper WIM vektsensorer på Klett, knyttet til Sandmoen kontrollstasjon. Kort tid etter prosjektstart ble det klart at disse to systemene likevel ikke var tilgjengelig for prosjektet, da disse var prioritert brukt til andre formål i Statens vegvesen. Det betød at prosjektet måtte ta høyde for å anskaffe både et nytt ANPR-system samt WIM. Dette viste seg å ha både en kostnadsmessig og tidsmessig konsekvens. Kapittel 3.1 i mulighetsstudien viste en løsning der man kombinerte high-speed WIM for grovseleksjon med low-speed WIM for finseleksjon av kjøretøy. Undervegs i prosjektet ble vi advart av leder ved Sandmoen kontrollstasjon mot å varsle for kontroll av spesifikke kjøretøy for tidlig, da disse da ville ha en mulighet for å snu og stikke av. Det ble tenkt på flere alternative steder for å varsle at et kjøretøy var plukket ut for kontroll, men utformingen på vegsystemet langs E6 var slik at en automatisk grovsortering før kontrollstasjonen ikke var forsvarlig. Det betød at man i en kontrollsituasjon måtte ta høyde for å lede alle tunge kjøretøy inn på kontrollstasjonen. Det ble også vurdert om en kontrollør i tidlig fase kunne velge ut kjøretøy for kontroll, og sende de andre direkte tilbake til E6 for å minimere tidsforbruket for kjøretøyene. Dette ble avvist da det ikke kunne etableres et forsvarlig opplegg med utgangspunkt i sikkerheten til kontrollørene. Det endte derfor med at alle kjøretøy måtte kjøre en sløyfe rundt selve kontrollstasjonen som vist på Figur 7, og at kjøretøy måtte plukkes ut av køen undervegs basert på input fra NonStop kontrollsystem. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 38 av 85

41 Undervegs under utvikling av programsystemet som skulle benyttes under demonstratoren, opplevde vi ved gjentatte anledninger at ITS Roadside Station på Klett ikke var tilgjengelig fordi SVV teknisk nett i bua på Klett var ute av drift. Årsaken viste seg å skyldes mus som hadde gnagd av fiberledningene, se Figur 17 og Figur 18. Figur 17: Avgnagde optiske fiber Figur 18: Den skyldige 6.2 Spesifisering av NonStop kontrollsystem Spesifisering av NonStop beslutningsstøttesystem (NBS), også kalt NonStop kontrollsystem, ble utarbeidet ved at det ble avholdt flere prosjektmøter i prosjektets kjernegruppe samt to runder med fokusgruppemøter for å involvere flere personer, spesielt i Statens vegvesen. Hensikten med fokusgruppemøtene var å konkretisere og prioritere krav til NBS. Involverte parter i disse møtene var: Statens vegvesen TMT og TK med representanter fra både fra utekontrollvirksomheten og VADIS-prosjektet Ciber AS Norges Lastebileier-Forbund SINTEF Det ble også tatt høyde for at NBS skulle kunne fungere på kjøretøy som ikke var norskregistrert og dermed ikke hadde informasjon tilgjengelig fra AUTOSYS. Spesifikasjon av NBS er oppsummert i to notater, et notat skrevet på norsk og som spesifiserte reglene som skulle benyttes for utvelgelse av kontrollkandidater, se Vedlegg G: NonStop: Beslutningsstøttesystem for utvelgelse av kontrollkandidater v2.0 utarbeidet av Marit Natvig. Det ble også utarbeidet en overordnet spesifikasjon skrevet på engelsk med noen norske vedlegg, se Vedlegg H: NonStop Specification of decision support for heavy vehicle controls utarbeidet av Marit Natvig Systemoversikt Figur 19 viser en oversikt over delsystemene i NonStop. Selve beslutningsstøttesystemet inkludert regelmotoren kjører på en egen PC beskrevet som NBS i figuren. Den henter ANPR og WIM data fra ITS Roadside Station, og AUTOSYS data fra TMVOP. NBS-PC var lokalisert hos TMT i Abels gate 5, Trondheim, under gjennomføring av demonstrator og ITS Roadside Station var plassert i bua på Klett. TMVOP var plassert hos SVV i Oslo. Resultatet fra NBS presenteres via et web-grensesnitt som hentes opp via en nettleser på ipad. Figuren viser også hvilke datanett som benyttes for de ulike delsystemene. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 39 av 85

42 Figur 19: Oversikt over delsystemer og kommunikasjon i NonStop NBS samlet sensordata fra WIM og ANPR og overførte disse til et beslutningsstøttesystem. Beslutningsstøttesystemet benyttet en "regelmotor" for å velge ut kandidater og overførte informasjon til styringssystemet som kontrolløren skulle betjene. Målet var at styringssystemet skulle gi kontrolløren status "på armen" før kjøretøy ankommer kontrollstasjon. NBS Figur 20: Forenklet beskrivelse av NonStop system ipad NBS skjermbilde Brukergrensesnittet for NBS består av et web-grensesnitt som vis i Figur 21. Her blir kjøretøyene vist i kronologisk rekkefølge etter hvert som de passerer WIM og ANPR på Klett. På bildet vises også en score samt en fargekode som har en flytende overgang fra grønt via gult til rødt. Grønt: 0 i score Gult: 50 i score Rødt: 100 i score Rekkefølgen ved ankomst Sandmoen kontrollstasjon kan godt være en annen, da kjøretøy har passert hverandre opp Storlerbakken fra Klett. Ved å klikke på et av kjøretøyene, får man opp detaljer om dette som vist i Figur 22 hvor kjøretøyet har overvekt og en score på 100. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 40 av 85

43 Figur 21: Skjermbilde på ipad Figur 22: Kjøretøy med overvekt (anonymisert reg.nr) PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 41 av 85

44 6.3 Etablering av demonstratoren Demonstratoren ble kjørt i tre faser: 1. Førregistrering: Hensikten var å kartlegge tidsforbruk på kontrollstasjonen uten bruk av ipad og NBS. Her ble kjøretøy manuelt registrert med tidspunkt inn og ut fra kontrollstasjon samt på vekt. I tillegg ble det gjennomført en automatisert datainnsamling av WIM og ANPR data fra Klett, samt tilhørende AUTOSYS data for norskregistrerte kjøretøy. 2. Etterregistrering: Her ble NonStop NBS testet ut ved å benytte ipad som støtte for utvelgelse av kontrollkandidater. Data ble registrert som for førregistrering. 3. Kontinuerlig registrering: Datainnsamling over en lengere periode og både dag og natt. Datainnsamling av WIM og ANPR data fra Klett, samt tilhørende AUTOSYS data for norskregistrerte kjøretøy. Demonstratoren ble gjennomført på to typer kontrollsituasjoner: 1. Tungtransportkontroll: Generelle tungtransportkontroller omfatter ca. 80 % av kontrollaktivitetene på Sandmoen. I disse kontrollene er ikke aktivitetene styrt inn mot et spesielt fokusområde, men kontrollene som foretas avhenger både av kontrollørens spesialkompetanse og kjøretøyene som vinkes inn. En tungtransportkontroll inneholder alltid dokumentkontroll (førerkort, vognkort, løyve, fellesskapstillatelser for kjøretøy fra EØS-medlemsland og andre internasjonale transporttillatelser). 2. Tilstandsundersøkelse: I disse kontrollene er det i større grad spesifisert hva som skal gjennomgås, herunder kontroll av vekt, bremser, dimensjoner, dokumenter, farlig gods og sikring av last. Demonstratoren ble bemannet med mannskap på tre lokasjoner, se Figur 23: 1. Innkjøring til kontrollstasjonen 2. Utkjøring fra kontrollstasjonen 3. Ved vekt Figur 23: Lokalisering av mannskap under demonstrator PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 42 av 85

45 6.4 Gjennomføring av demonstratoren og innsamling av data Demonstratoren ble gjennomført i perioden 3. juni til 21. juli 2014 og var delt inn i tre deler: 1. Førregistrering, tre dager; Uten bruk av ipad. Her ble kjøretøy manuelt registrert med tidspunkt inn og ut fra kontrollstasjon samt på vekt. I tillegg ble det gjort en automatisert datainnsamling av WIM og ANPR data fra Klett, samt tilhørende AUTOSYS data for norskregistrerte kjøretøy. 2. Etterregistrering, fire dager. Her benyttet NonStop forsøksleder ipad med NBS programsystem som støtte for utvelgelse av kjøretøy i samråd med kontrolløren. Data ble registrert som for førregistrering. 3. Kontinuerlige data, fire uker; Datainnsamling av WIM og ANPR data fra Klett, samt tilhørende AUTOSYS data for norskregistrerte kjøretøy. På Klett ble alle kjøretøy med totalvekt over 7,5 tonn registrert og logget til fil. NBS sørget for at data fra WIM, ANPR og AUTOSYS ble logget til fil med en datarecord pr kjøretøy. På Sandmoen besørget fire personer manuell registrering på tilpassede skjema: (se Figur 19): 1. Innkjøring til kontrollstasjonen: En person registrerte registreringsnummer samt tidspunkt inn registrert. 2. Utkjøring fra kontrollstasjonen: En person registrerte registreringsnummer samt tidspunkt ut registrert. 3. Ved vekt: En person registrerte registreringsnummer samt tidspunkt på vekt, og en annen person registrerte registreringsnummer samt vekt (det som ble målt, både enkeltaksler og akselgrupper). 6.5 Data fra Klett Data ble samlet inn i perioden 2. juni til 21. juli 2014, totalt 42 dager. I alt kjøretøy med totalvekt over 7,5 tonn er registrert. På grunn av ustabilitet i loggesystemet så ble ikke alle kjøretøy over 7,5 tonn registrert. Tabell 2 viser fordelingen av de som ble registrert. Tabell 2: Data registrert på Klett i Fordeling av antall kjøretøy fordelt på uke og dag Punching av data fra Sandmoen All data på Sandmoen ble registrert manuelt på et papirskjema: Registrering av reg.nr og tid inn på Sandmoen Registrering av reg.nr, tid og vekt ved vekta Forsøksleders notater Registrering av reg.nr og tid ut fra Sandmoen PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 43 av 85

46 Data måtte punsjes inn i et datasystem for å kunne benyttes i analysen. Punchingen bød på noen utfordringer, da det ikke alltid var enkelt å tolke det som var skrevet på skjemaet, se Tabell 3. Det var også en del feilpunchinger som det tok tid å rette opp. Tabell 3: Utfordringer med tolkning av håndskrift for reg.nr Regnr punsjet Regnr ANPR Kommentar MAK066 NAK066 VH25762 VH25782 Punsjer skriver «VH25762 i inn. VH25782 i ut» UD50046 JD50046 Punsjer skriver «I tvil om det er J eller U» NO0085K NO0085 VH VH35223 Punsjer skriver «VH i inn. VH35223 i ut» Feilkoding gjorde det vanskelig med hensyn til å kunne analysere data Kobling av data i fra demonstrator Data ble samlet inn som beskrevet i kap 6.4. Før man kunne gjøre en analyse, måtte data fra de ulike kildene kobles. Kort oppsummering av hvordan data ble prosessert: 1. Lest inn data fra Klett (fra logg generert av CIBER) 2. Punchet data fra de manuelle registreringene på Sandmoen 3. Koblet data fra Klett og Sandmoen Koblingen av data mellom de ulike kildene ble gjort basert på kjøretøyets registreringsnummer og dato og tidspunkt for registrering. Det ble utviklet et programsystem som godtok enkle punchefeil, typisk der feilen var på kun ett til to bokstaver eller tall. Kobling mellom data fra Klett og fra Sandmoen ble også sannsynliggjort ved å se på tidspunkt for passering. Det tar typisk ca. 4 minutter å kjøre fra Klett til Sandmoen. For hver bil som var innom Sandmoen, skulle det finnes en tilhørende logging fra Klett. Det viste seg å ikke stemme biler er registret på Sandmoen i løpet av FØR og ETTER- perioden. Kun 1926 av disse kunne kobles til loggedata fra Klett (ANPR+WIM) Dette gir 74,1 % av data som er «koblet» 6.6 Oppsummering av erfaringene med demonstratoren Det manuelle registreringsarbeidet fungerte godt. Vi hadde et dyktig tellemannskap som jobbet nøyaktig og var pliktoppfyllende, selv om håndskriften til enkelte viste seg å være vanskelig å tyde. Samarbeidet med kontrollørene fungerte svært godt og alle var meget samarbeidsvillige og tok seg tid til å gi opplysninger og forklare resultater av kontrollene. Ressursinnsatsen (4 studenter i tillegg til forskningsleder) passet for en situasjon med 4-5 kontrollører på jobb. Brukergrensesnittet til NBS på ipad var ikke tilfredsstillende. Det var ikke tid og ressurser tilgjengelig i prosjektet til å gjøre programvaren optimal mht. at dette skal håndteres av kontrollørene i en til tider hektisk jobbsituasjon. Eksempelvis er "knappen" for å gå tilbake til oversiktsbildet for liten og ulogisk plassert, teksten er generelt for liten - spesielt når det gjelder registreringsnummer, regelscore og begrunnelse. I tillegg er skjermen på enheten vanskelig å PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 44 av 85

47 bruke både i sol, sterkt lys (også når det er overskyet) og når det kommer mye regn. Dette førte til at ipad måtte håndteres av SINTEF forsøksleder som gir innspill om regelscore til ansvarlig kontrollør. WIM-registreringene synes å ha tilfredsstillende kvalitet under demonstratoren. Torbjørn Haugen ved Statens vegvesen tok stikkprøver, og det syntes å være greit samsvar mellom WIM og vekta på Sandmoen, med små avvik (ikke systematisk, avvik i begge retninger), se Vedlegg I: Report on WIM-system data analysis utarbeidet av Maria Elena Palma Tello. Teknologien knyttet til ANPR fremstår som atskillig mer umoden. Resultatet er at kjøretøy manglet, personbiler fikk tildelt WIM-data til vogntog, og det har til tider vært stor forsinkelse (opp til 15 minutter) på bildene/info som kom opp på skjermen (bilene hadde passert kontrollplass for lengst). I tillegg hang NBS-systemet seg av og til og var periodevis ute av drift. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 45 av 85

48 7 Evaluering 7.1 Evalueringsmetodikk Evaluering av NonStop-systemet har vært en av de sentrale forskningsutfordringene i NonStop-prosjektet. Tidlig i prosjektet ble det utarbeidet en evalueringsmetodikk med fokus på kartlegging av effekter og vurdering av potensielle virkninger for kontrollmyndighet, transportører og samfunnet forøvrig. Bakgrunn for evalueringsdesign og opplegg for datainnsamling er nærmere beskrevet i Vedlegg J: Innspill til NonStop datainnsamling datert Ytterligere drøfting av metodikk vil dokumenteres i pågående PhD-arbeid (Lervåg, NTNU). Forskningsspørsmålene i prosjektet som evalueringen søker å gi svar på er: 1. Hvordan bør NonStop-systemet utformes og implementeres for å oppnå best mulig effekt for kontrollmyndighet og transportbransjen? 2. Hva er virkningen av å ta i bruk NonStop beslutningsstøttesystem? Det foreligger per i dag ikke en felles etablert og akseptert metodikk for evaluering av ITS. Prosjektets evalueringsdesign ble derfor basert på og inspirert av en kombinasjon av generell evalueringsteori (OECD, Concept), foreliggende rammeverk for evaluering av ITS (bl.a. FESTA, ConduITS) og foreløpige anbefalinger fra europeiske ekspertgrupper innenfor ITS-evaluering (EasyWay Viking). Figur 24: Prosjektets overordnede plan for evaluering Det ble valgt å gjennomføre en målorientert evaluering, hvor effektene av NonStop-systemet vurderes i relasjon til tiltakets målsettinger og intensjoner. Evalueringen inkluderer perspektiver på ulike nivå: Operasjonelt nivå: Gjennomførte man det man skulle på en effektiv måte? Taktisk nivå: Realiserte man de tiltenkte gevinstene for målgruppene? Strategisk nivå: Var tiltaket relevant og nyttig i et samfunnsmessig perspektiv? 7.2 Problemstillinger Basert på behovs- og mulighetsstudiene som er presentert i kapittel 3, ble det identifisert et utvalg problemstillinger som danner grunnlaget for evalueringsarbeidet: Dagens kontrollvirksomhet har for dårlig effektivitet, både med hensyn til antall kjøretøy som kontrolleres og ved at virksomheten påfører transportbransjen unødvendige forsinkelser. Det er urettferdige konkurransevilkår i transportbransjen. Lav oppdagelsesrisiko og svake sanksjoner har medført en utbredt oppfatning av at overholdelse av lover og regler gir dårlig lønnsomhet. Tungbiltransport er forbundet med trafikksikkerhetsutfordringer knyttet til feil og mangler ved kjøretøyet eller lasten, og i enkelte tilfeller også useriøse aktører som bevisst bryter lover og forskrifter. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 46 av 85

49 7.3 Prosjektets programteori/forventede effekter Prosjektets programteori - forholdet mellom prosjektets virkemidler/tiltak og forventede effekter er beskrevet i figuren nedenfor. Figur 25: NonStop-prosjektets programteori (forventede effekter). 7.4 Evalueringskriterier Prosjektet definerte ved oppstart fire delmål: M1: NonStop vil bidra til økt effektivitet for transportnæringen, gjennom reduksjon av antall unødvendige stopp i kontroller og større forutsigbarhet mht. kontrollsituasjon. M2: NonStop vil bidra til mer rettferdige konkurransevilkår for transportnæringen, gjennom økt sannsynlighet for å avdekke transportører som ikke overholder gjeldende lover og regler. M3: NonStop vil bidra til mer effektiv ressursbruk for kontrollmyndighet, ved å sikre en mer målrettet utvelgelse av kjøretøy som kontrolleres. M4: NonStop vil bidra til samfunnsøkonomiske gevinster gjennom bedre miljø, økt trafikksikkerhet og mer kunnskap om dagens transporter. Basert på prosjektets målsettinger ble det utarbeidet en rekke kriterier for suksess/måloppnåelse, se Tabell 4. Tabell 4: Evalueringskriterier i NonStop Evalueringskriterier i NonStop Mer effektiv Andel kontrollerte kjøretøy med feil og mangler øker kontrollvirksomhet Andel kontrollerte kjøretøy som er ok reduseres Færre kjøretøy slipper forbi kontrollstasjonen ukontrollert (ila. kontrollperioden) Kontrollsituasjonen oppleves mer effektiv av kontrollører (brukeraksept) Bedre planlegging og tilrettelegging av kontrollvirksomheten ved bruk av statistikk PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 47 av 85

50 Evalueringskriterier i NonStop Mer effektiv Kjøretøy som er ok bruker mindre tid på kontrollstasjonen; transport - Antall stopp reduseres - Kontrollen gjennomføres raskere Kontrollvirksomheten oppleves mer effektiv av aktører i transportbransjen (brukeraksept) Bedre Flere kjøretøy med feil og mangler kontrolleres/antall feil som avdekkes øker trafikksikkerhet Mer rettferdige konkurransevilkår Økt lovlydighet på sikt Bedre miljø Økt oppdagelsesrisiko: - Andel feil som avdekkes øker - Andel kontrollerte kjøretøy med feil og mangler øker - Færre kjøretøy "slipper forbi" kontrollstasjonen pga. kapasitetsproblemer (redusert lekkasje) Andel kontrollerte kjøretøy som er ok reduseres Fanges ikke opp i løpet av prosjektperioden men holdningsendringer på kort sikt kan gi indikasjoner Fanges ikke opp i prosjektperioden (forventer ikke målbare miljøeffekter). Kan muligens gi indikasjoner basert på antall stopp, lastfordeling/vekt o.l. 7.5 Evalueringsdesign Det ble utarbeidet et evalueringsdesign som omfatter tre ulike dimensjoner; systemets tekniske og funksjonelle kvalitet, oppnådde effekter og nytteverdi for samfunnet, samt brukeraksept. Se Figur 26. Figur 26: Evalueringsdesign for NonStop-prosjektet Følgende premisser ble lagt til grunn for å anta kausal sammenheng mellom tiltakets virkemidler og eventuelle effekter som avdekkes i evalueringen: Generell grad av lovlydighet i transportbransjen er uforandret gjennom prosjektperioden (ingen vesentlige endringer som påvirker transportørenes atferd). Kontrollregimet er uforandret gjennom prosjektperioden (ikke vesentlige endringer i f.eks. økonomi som påvirker kontrollvirksomheten mht. antall eller type kontroller). Det forekommer ikke vesentlige endringer i lovverk/forskrifter knyttet til transportvirksomhet NonStop-systemet fungerer stabilt, med moden teknologi og god brukervennlighet Nøkkelindikatorer (KPI) Basert på tiltakets programteori og evalueringskriteriene, ble det definert en rekke nøkkelindikatorer (KPI) som gjør det mulig å vurdere oppnådde effekter av NonStop-systemet. Se Tabell 5. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 48 av 85

51 Tabell 5: Nøkkelindikatorer (KPI) for evaluering av NonStop-systemet, samt forslag til datainnsamling KPI Beskrivelse Datainnsamling KPI 1 Andel kontrollerte og "tiltaksbelagte" enheter i forhold til alle kontrollerte kjøretøy/førere over en bestemt periode. KPI 1 er forventet å øke etter innføring av NonStop Datainnsamling ifm. kontrollaktiviteter. Forutsetter samme type kontroll i før- og etter-situasjon. KPI 2 KPI 3 KPI 4 KPI 5 KPI 6 KPI 7 KPI 8 KPI 9 KPI 10 Andel kontrollerte og "ikke-tiltaksbelagte" enheter i forhold til alle kontrollerte kjøretøy/førere over en bestemt periode. KPI 2 er forventet å avta etter innføring av NonStop. Andel ukontrollerte kjøretøy som passerer i kontrollperioden (lekkasje bl.a. forårsaket av kapasitetsproblemer). KPI 3 er forventet å avta etter innføring av NonStop. Andel kontrollører som opplever NonStop-systemet som et nyttig verktøy for utvelgelsen av kontrollobjekter. KPI 4 er forventet å øke etter innføring av NonStop. Antall minutter/sekunder tilbragt i kontrollområdet for kjøretøy/førere som ikke skal kontrolleres. KPI 5 er forventet å avta etter innføring av NonStop. Andel førere som oppfyller regelverk og som opplever kortere oppholdstid på kontrollstasjon. KPI 6 forventes å ha en verdi større enn 0. Andel førere og transportører som aksepterer kontrollaktivitetene (gjennomsnittsverdi brukeraksept). KPI 7 er forvente å øke etter innføring av NonStop. Andel kjøretøy som ville blitt utvalgt til kontroll i forhold til alle kjøretøy som passerer oppstrøms. KPI 8 forventes å reduseres på sikt etter som den effektiviserte kontrollen fanges opp av transportnæringen. Andel førere som er villig til å dele fører- og kjøretøyrelatert informasjon automatisk med kontrollører dersom dette fører til færre stopp og kontroller. KPI 9 forventes å øke. Antall tunge kjøretøy som er involvert i hendelser (ulykker) der egenskaper ved kjøretøy, last eller fører er medvirkende årsak til hendelsen. KPI 10 forventes å avta, men kan ikke måles på kort sikt. Datainnsamling ifm. kontrollaktiviteter. Forutsetter samme type kontroll i før- og etter-situasjon Datainnsamling ifm. kontrollaktiviteter. Kjøretøy som passerer kontrollplassen ukontrollert i kontrollperioden + kjøretøy som passerer på FV 900 i kontrollperioden Spørreundersøkelse Datainnsamling ifm. kontrollaktiviteter. Forutsetter samme type kontroll i før- og etter-situasjon Spørreundersøkelse etter innføring av NonStop. Intervjuobjektene velges ut fra observerte registreringsnummer i de periodene det har vært gjennomført kontroll med NonStop utvelgelse. Spørreundersøkelse (før/etter). Kontinuerlig datainnsamling uavhengig av kontrollaktiviteter gir svar på forventet eller potensiell effekt. Reell effekt vil trolig bare kunne måles etter noen års drift av NonStop. Spørreundersøkelse. KPI 9 er vanskelig å måle annet enn gjennom hypotetiske spørsmål i spørreundersøkelser siden det per i dag ikke finnes nødvendig utstyr i kjøretøyene. Ikke målbart i NonStop-evalueringen. 7.6 Datainnsamling Det ble utarbeidet en plan for evalueringsopplegget som identifiserer målgrupper/brukergrupper, tidsplan (når data skal samles inn) og metodikk. Underveis i prosjektet ble det imidlertid slått fast at teknologien som skulle benyttes i PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 49 av 85

52 NonStop-løsningen hadde en vesentlig lavere grad av modenhet enn først antatt, og kvaliteten på dataene som skulle legges til grunn for beslutningene var ikke tilstrekkelig. Se nærmere beskrivelser i kapittel 6. Dette medførte vesentlige implikasjoner for gjennomføring av evalueringen i prosjektet: 1. Ressurser ble allokert fra implementering og evaluering til teknologiutvikling, for at prosjektet skulle kunne etablere et fungerende NonStop beslutningsstøttesystem. Dette medførte reduksjoner i planlagt datainnsamling (begrenset demonstrator og færre brukerundersøkelser). 2. Det teknologiske systemet (NonStop) som skulle evalueres hadde en vesentlig lavere grad av modenhet enn det som lå til grunn for det planlagte evalueringsdesignet. Det var derfor ikke hensiktsmessig eller mulig å gjennomføre evalueringen slik den først var planlagt, og det ble gjort tilpasninger av omfang og metodikk. Vi velger derfor først å presentere en kort oversikt over evalueringsaktivitetene slik de opprinnelig var planlagt (avsnitt og 7.6.2), og deretter hva som faktisk ble gjennomført (avsnitt og videre utover) Planlagte aktiviteter Opprinnelig var det planlagt et omfattende opplegg for registrering og innsamling av data i forbindelse med implementering av NonStop-systemet (demonstrator), samt ved bruk av spørreundersøkelser/intervju av relevante interessegrupper før og etter implementering. Det overordnede opplegget for datainnsamling er vist i Tabell 6. Tabell 6: Planlagt datainnsamling for evaluering av NonStop Målgruppe Perspektiv Metode for datainnsamling Tidsplan Kontrollmyndighet/ Teknisk/funksjonell ytelse kontrollør Transportbransjen Samfunnet Nytte i form av bedre effektivitet (treffrate) Nytte i form av bedre kunnskapsgrunnlag for planlegging av kontroll Brukeraksept/HMI Effektivitet/tidsforbruk ifm. kontrollvirksomhet. Nytte i form av mer rettferdige konkurransevilkår. Brukeraksept Nytte i form av bedre trafikksikkerhet Demonstratorer - Sandmoen kontrollstasjon - Region Øst eller Sør med fullverdig WIM, ANPR, oppslag i AutoSys og kontrollhistorikk, samt akseptert HMI. Spørreundersøkelse blant kontrollører i hele landet. Intervju av kontrollører på Sandmoen. Demonstrator (dokumentert tidsforbruk og treffrate) Spørreundersøkelse blant aktører i transportbransjen. Demonstrator (dokumentert treffrate, kostnader m.m.) Demonstrator med innsamling av data over en periode på 12 mnd. Spørreundersøkelse og intervju før- og etter innføring av NonStop Demonstrator med innsamling av data over en periode på 12 mnd. Spørreundersøkelse før og etter innføring av NonStop. Etter gjennomføring av demonstrator. Nytteeffekter vs. kostnad Nytte-kostnadsanalyse På operativt nivå (gjennomførte man det man skulle på en effektiv måte?) inngår spørsmålet om teknisk og funksjonell ytelse som evalueres basert på data innsamlet i forbindelse med demonstratoraktiviteten, herunder spørsmål om systemets oppetid, kvalitet på data osv. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 50 av 85

53 På taktisk nivå (realiserte man de tiltenkte gevinster for målgruppen?) håndteres effekter av systemet både basert på registrerte data og statistikk fra demonstratoraktivitetene, supplert med kvalitative data i form av opplevd nytte og brukeraksept fra spørreundersøkelser. På strategisk nivå (var tiltaket relevant og nyttig i et samfunnsperspektiv?) avdekkes samfunnsmessig lønnsomhet ved bruk av nyttekostnadsanalyser Metodiske vurderinger På grunn av begrensede ressurser tilgjengelig til implementering og evaluering, ble NonStop-demonstratoren avgrenset til ett geografisk område (Sandmoen kontrollstasjon) og implementeringen ble redusert fra fullskala feltforsøk (12 mnd.) til en pilotstudie. I forbindelse med planlegging av demonstratoraktivitetene, ble det gjennomført en rekke metodiske vurderinger som er gjengitt i dette avsnittet. Type kontrollsituasjon Kontrollsituasjonen bør være representativ for normale kontrollaktiviteter, og samtidig være så lik som mulig i før- og etter-situasjonen. Samtidig er det ønskelig at kontrollene omfatter de forholdene som inngår i NonStop-systemet (vekt og oppslag basert på nummerskilt). Generelle tungtransportkontroller omfatter ca. 80 % av kontrollaktivitetene på Sandmoen (ref. kontrolleder Jan Ivar Moen). I disse kontrollene er ikke aktivitetene styrt inn mot et spesielt fokusområde, men kontrollene som foretas avhenger både av kontrollørens spesialkompetanse og kjøretøyene som vinkes inn. En tungtransportkontroll inneholder alltid dokumentkontroll (førerkort, vognkort, løyve, fellesskapstillatelser for kjøretøy fra EØS-medlemsland og andre internasjonale transporttillatelser). I tillegg kontrolleres minst en av de følgende kontrolltypene; farlig gods, teknisk kontroll/miljøkontroll, sikring av last, avgifter, dimensjoner og spesialtransporter, hjulutrustning, bilbeltebruk. Forhold som avdekkes og tidsforbruk på utvelgelse, venting og gjennomføring av kontroller vil derfor være meget variabelt fra gang til gang. Det foretas en rekke tilstandsundersøkelser av tekniske og administrative forhold hvert år. I disse kontrollene er det i større grad spesifisert hva som skal gjennomgås, herunder kontroll av vekt, bremser, dimensjoner, dokumenter, farlig gods og sikring av last. Det er krav om at hver region skal gjennomføre et visst antall tilstandsundersøkelser per år, og for Sandmoen kontrollstasjon omfatter dette 400 kontrollerte tunge kjøretøy per år (ref. kontrolleder Jan Ivar Moen). Selv om dette representerer et begrenset antall kontroller 3, egner kontrollaktiviteten seg til datainnsamling, fordi selve undersøkelsen er standardisert i større grad enn hva som gjelder for de generelle tungtransportkontrollene. Dette gjør det i større grad mulig å sammenligne data i en før- og etter-situasjon. Det foretas også en rekke mer spesifikke kontroller med fokus på f.eks. bremser, kjøre-/hviletid, farlig gods m.m. Disse vurderes å være mindre egnet til datainnsamling for evaluering av NonStop-systemet. I følge kontrollplanen for Sandmoen kontrollstasjon skulle det i løpet av høsten 2013 gjennomføres en rekke bremsekontroller og tungtransportkontroller, både på dagtid, kveldstid og natt. Bremsekontrollene vil gjennomføres med fokus på opplæring av nye kontrollører. Nye tilstandsundersøkelser var planlagt gjennomført f.o.m. januar Antall kontrollører som deltar på de ulike kontrolltypene og tidspunktene vil variere. Dette må tas hensyn til ved datainnsamling og analyse. 3 På landsbasis ble det i 2011 gjennomført 4190 tilstandsundersøkelser av tekniske og administrative forhold knyttet til tungtransport. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 51 av 85

54 Fordeler og ulemper knyttet til de ulike kontrollsituasjonene Tungtransportkontroll Tilstandsundersøkelse + Representativ for typisk kontrollsituasjon + Standardisert kontrollopplegg gir mindre spredning i data og bedre grunnlag for sammenligning + Det er planlagt flere kontroller som muliggjør - Det er ikke planlagt kontroller høsten 2013, så datainnsamling høsten 2013 innsamling av før-data må enten skje ved ekstraordinære kontroller eller utsettes til januar Stor variasjon i kontrollsituasjonen vil gi stor - Kun representativ for et utvalg kontroller spredning i datamaterialet. Dette gjør det nødvendig å samle inn et større datagrunnlag Konklusjon: Det anbefales at det gjennomføres datainnsamling knyttet til både tungtransportkontroller og tilstandsundersøkelser. I den utstrekning det er mulig vil de ytre omstendighetene rundt de ulike kontrollene/undersøkelsene bli kartlagt slik at omstendigheter som kan forklare store avvik i resultater blir tatt hensyn til i evalueringen. Eksempel på slike ytre omstendigheter er personell som deltar i kontrollen, type kontroll og dag/tid på døgnet. Tid på døgnet Det gjennomføres tungbilkontroller både på dagtid og på kveld/natt. Forholdene som kontrolleres til ulike tider av døgnet kan variere noe, med mest fokus på kjøre-/hviletid på kveld og natt. Det antas at data som samles inn på ulike tider av døgnet vil være av såpass ulik art, at det er hensiktsmessig å sammenligne samme tidsperioder i en før- og etter-situasjon. Effekten av NonStop-systemet med hensyn til å redusere forsinkelser og øke effektivitet vil sannsynligvis være størst på dagtid, når også kapasitetsproblemene på kontrollstasjonen er størst. Det kan imidlertid tenkes at en del av de mest useriøse aktørene spekulerer i å passere kontrollstasjonene på kveld og natt når det forekommer færre kontroller. For den praktiske gjennomføringen av datainnsamling i prosjektet kan fravær av dagslys medføre problemer for videoregistrering og analyse av bilder fra ANPR-kameraet. Samtidig vil uttesting av løsningen under vanskelige forhold gi svar på om systemet er tilstrekkelig robust for utrulling i større skala. Fordeler og ulemper knyttet til datainnsamling på ulike tidspunkt Dagtid Kveld/natt + Representerer størst NonStop-effekt m.h.t. + Omfatter useriøse aktører som spekulerer i å unngå effektivitet og reduksjon i forsinkelse kontroll ved å kjøre på kveld/natt + Representerer kontrollområder med stor relevans for + Gir god indikasjon på systemets robusthet NonStop + Enklere forhold for datainnsamling (større - Færre kjøretøypasseringer per tidsenhet gir behov for sannsynlighet for høy datakvalitet) mer omfattende (lengre) datainnsamling - Omfatter ikke useriøse aktører som spekulerer i å - Krevende forhold for datainnsamling (risiko for støy unngå kontroll ved å kjøre på kveld/natt og tap av data) - Gir mindre indikasjoner på systemets robusthet Konklusjon: Ut i fra hensynet til ressursforbruk anbefales at datainnsamling avgrenses til å gjelde kontroller på dagtid. Dette bør imidlertid kombineres med en mer begrenset og automatisk datainnsamling over hele døgnet i en lengre periode for statistikkformål. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 52 av 85

55 Bruksområder NonStop-systemet kan anvendes til ulike formål, avhengig av hvordan systemet utformes og tas i bruk. Det er i prosjektet definert fire relevante bruksområder: 1) Helautomatisk utvelgelsessystem: Utvelgelsen av kontrollkandidater er fullstendig basert på NonStopsystemets indikasjoner, og innkjøring til kontrollstasjonen kan i utgangspunktet reguleres med automatiske lyssignaler som styres av informasjon fra WIM og ANPR-registreringer. 2) Beslutningsstøttesystem: Utvelgelsen av kontrollkandidater styres av den enkelte kontrollør, som mottar indikasjoner fra NonStop-systemet som en støtte til vurderingen som foretas. Informasjon fra WIM og ANPRregistreringer (NonStop-systemet) suppleres av kontrollørens subjektive vurderinger knyttet til tidligere erfaringer og kjøretøyets tilstand, last og bremser m.m. 3) Varslingssystem (basert på kontinuerlig datainnsamling): Det foretas kontinuerlig registrering av de variablene som inngår i NonStop-systemet, uavhengig av øvrig kontrollvirksomhet. Ved deteksjon av alvorlige overtredelser sendes et varsel/alarm til kontrollørene. 4) Planleggingssystem/statistikkformål: Det foretas kontinuerlig registrering av de variablene som inngår i NonStop-systemet, uavhengig av øvrig kontrollvirksomhet. Dette datagrunnlaget benyttes til planlegging av kontrollvirksomheten gjennom identifisering av hyppige overtredelser og passeringstidspunkt. Fordeler og ulemper knyttet til datainnsamling for ulike bruksområder: Helautomatisk utvelgelsessystem + Viser NonStop-systemets fulle potensiale med hensyn til tidsbesparelse/effektivitet og redusert forsinkelse. + Viser hvilke forhold som faller utenfor/ ikke fanges opp av NonStop-systemet - Forutsetter at kontrollørene er villig til å følge NonStopindikasjonene 100 % i datainnsamlingsperioden, selv om dette medfører at enkelte kjøretøy som ellers ville blitt stoppet får kjøre forbi ukontrollert Beslutningsstøttesystem Varslingssystem Planleggingssystem/ statistikkformål + Viser effekten av en realistisk bruk av NonStopsystemet på kort sikt + Antatt større aksept for dette bruksområdet blant kontrollørene - Effektene som avdekkes vil ikke være rendyrkede effekter av NonStop, men også avhengig av kompetanse og treffrate hos den enkelte kontrollør + Datainnsamling kan foretas automatisk uten å forstyrre ordinær kontrollvirksomhet + Viser systemets effekt mht. å fange opp aktører utenfor ordinær kontrollvirksomhet - Fanger ikke opp NonStop-effekter knyttet til tidsbesparelse og reduksjon av ventetid + Datainnsamling kan foretas automatisk uten å forstyrre ordinær kontrollvirksomhet + Gir nyttig informasjon til kontrollmyndighet og fagmiljø - Fanger ikke opp NonStop-effekter knyttet til tidsbesparelse og reduksjon av ventetid Konklusjon: Det anbefales å samle inn data tilknyttet alle bruksområder. 1) helautomatisk kontrollsystem og 2) beslutningsstøttesystem krever at datainnsamling foregår under kontrollvirksomhet (som spesifiseres av prosjektet) både i en før- og etter-situasjon, mens 3) varslingssystem og 4) planlegging/statistikk ivaretas gjennom en kontinuerlig, automatisk datainnsamling gjennom demonstratorperioden. Organisering av kontrollplassen Det er diskutert ulike måter å organisere kontrollplassen på i datainnsamlingsperioden. Fra prosjektets side hadde det vært ønskelig å teste ut et helautomatisk system (bruksområde 1 ref. forrige avsnitt) hvor kjøretøy blir plukket ut langs hovedvegen, slik at de som ikke skal kontrolleres kan få passere kontrollstasjonen tilnærmet uhindret. Dette anbefales ikke av kontrollaktørene på Sandmoen, begrunnet ut i fra hensynet til kontrollørenes arbeidsforhold og sikkerhet. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 53 av 85

56 Et annet alternativ er å foreta utvelgelsen umiddelbart inne på kontrollstasjonen, slik at de kjøretøyene som ikke velges ut for kontroll kan passere videre i en såkalt "fast lane". Dette medfører en beskjeden forsinkelse for transportørene, samtidig som det representerer en vesentlig endring fra dagens situasjon, hvor utvelgelsen foregår på vektstasjonen. Denne løsningen forutsetter imidlertid at det plasseres en kontrollør ved innkjøringen på kontrollstasjonen. En tredje mulighet er å beholde dagens organisering av kontrollstasjonen, med utvelgelse i forbindelse med vektområdet. Dette medfører minimale endringer for kontrollørene, men gjør overgangen til et NonStop-system mindre tydelig for transportørene/sjåførene. NonStop-systemets effekt med hensyn til effektivitet, tidsbesparelse og redusert forsinkelse forventes å være størst når utvelgelsen skjer på hovedvegen. Det forventes videre en større effekt dersom utvelgelsen skjer umiddelbart inne på kontrollområdet (med bruk av "fast lane"), enn hvis utvelgelsen skjer ved vektstasjonen. Med hensyn til måling av opplevd nytte i en etter-situasjon, er det imidlertid en fordel at sjåførene/transportørene er klar over at det er NonStop-systemet som forårsaker at enkelte kjøretøy får passere kontrollstasjonen uten ytterligere vektkontroll. I de alternativene hvor alle kjøretøyene er innom kontrollplassen (utvelgelse ved innkjøring eller ved vekt) kan det vurderes å iverksette enkle informasjonstiltak. Fordeler og ulemper knyttet til organisering av kontrollplassen: Utvelgelse på vegen Utvelgelse ved innkjøring Utvelgelse ved vektstasjon + Gir størst effekt med hensyn til tidsbesparelse og redusert forsinkelse + Antas å gi god effekt med hensyn til tidsbesparelse og redusert forsinkelse + Krever minimale endringer for kontrollørene sammenlignet med dagens organisering, da vektkontroll og utvelgelse kan gjennomføres av samme person - Gir HMS-utfordringer + Tydeliggjør skillet mellom kontrollobjekter og de som får passere, hvilket kan være nyttig ifm. evalueringen. Gjør det også mulig å gi noe informasjon om at det foregår NonStop-testing. - Sjåførene som ikke plukkes ut til kontroll vil ikke nødvendigvis være klar over at de har deltatt i NonStop-demonstrator. Dette gjør det vanskeligere å måle opplevd nytte og aksept i evalueringen. - Krever at en kontrollør plasseres fast ved innkjøringen til kontrollplassen - Antas å gi mindre effekter med hensyn til tidsbesparelse og redusert forsinkelse - Gir et mindre klart skille mellom kontrollobjekter og de som får passere. Gjør det imidlertid mulig å gi noe informasjon om at det foregår NonStop-testing. - Krever en egen kontrollør eller montering av lyssignal e.l. for å styre utvelgelsen/innkjøringen Konklusjon: Ut ifra en samlet vurdering med vektlegging av hensynet til HMS, anbefales det at utvelgelsen av kontrollobjekter skjer umiddelbart etter innkjøring på kontrollplassen. Omfang av datainnsamling Det er vanskelig å estimere hvor stort datatilfang som er nødvendig for å foreta de planlagte evalueringer og sammenlikninger av tilstand i en før- og etter-situasjon. I utgangspunktet er det ønskelig med mest mulig datainnsamling over en lengre periode, men dette må også sees i lys av tilgjengelige ressurser. Behovet for datamengde vil variere med hensyn til antall usikre variabler i de ulike testsituasjonene, og det vil også avhenge av spredningen i innsamlet datamateriale. Dersom det er stor variasjon i de indikatorene vi ønsker å måle, trengs flere registreringer for å sikre at eventuelle målte endringer ikke skyldes tilfeldige variasjoner. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 54 av 85

57 Forutsatt at våre anbefalinger med hensyn til type kontrollsituasjon, tidspunkt og organisering av kontrollplassen følges, foreslår vi at det samles inn data over en periode på minimum tre dager tilknyttet tungtransportkontroller og to-tre dager tilknyttet tilstandsundersøkelser i både før-situasjonen og etter-situasjonen. Dette er kun et anslag basert på tidligere erfaringer med evalueringsarbeid og forventninger om antall kontrollobjekter som passerer m.m., og omfanget av datainnsamlingen kan bli foreslått justert etter at data fra før-situasjonen er gjennomgått og analysert. Konklusjon Det anbefales at datainnsamlingen i NonStop-prosjektet har det omfanget som er skissert i tabellen nedenfor. Datainnsamlingen for bruksområde 1 (helautomatisk utvelgelsessystem) og bruksområde 2 (beslutningsstøttesystem) skjer i forbindelse med kontrollaktiviteter på dagtid (kl ), hvor utvelgelse av kontrollkandidater skjer umiddelbart etter innkjøring på kontrollplass og hvor kjøretøy som ikke skal kontrolleres nærmere blir kanalisert i en egen "fast lane" som fører dem ut på hovedvegen uten ytterligere forsinkelse. Bruksområde 1: Helautomatisk utvelgelsessystem Bruksområde 2: Beslutningsstøttesystem Bruksområde 3 og 4: Varslingssystem Planleggingsverktøy/statistikk Tungtransportkontroll Tilstandsundersøkelse 3 dager før-situasjon 4 2 dager før-situasjon 5 3 dager etter-situasjon 2 dager etter-situasjon 3 dager før-situasjon 2 2 dager før-situasjon 3 3 dager etter-situasjon 2 dager etter-situasjon Kontinuerlig innsamling av WIM/ANPR-data over hele døgnet i minimum 3 uker, uavhengig av kontrollaktiviteter. Merk at datasettet fra førsituasjonen kan benyttes i analysene for både bruksområde 1 og 2, slik at totalt omfang på innsamling av før-data for disse bruksområdene blir 5 dager (3 dager tungtransportkontroll og 2 dager tilstandsundersøkelse) Gjennomførte aktiviteter Spørreundersøkelser i transportbransjen Det ble gjennomført en web-undersøkelse blant aktører i transportbransjen, hvor hensikten var todelt; 1) kartlegge behov og ivareta transportbransjens interesser i forbindelse med utviklingen av NonStop beslutningsstøttesystem, og 2) avdekke forventninger til NonStop og kartlegge grunnlaget for sammenligning av effekter og opplevd nytte i en fremtidig ex-post-evaluering av systemet. Undersøkelsen ble gjennomført i mars 2013 med et solid utvalg (1.018 respondenter fra ulike aktører) og bidro med nyttig kunnskap og innspill til utformingen av NonStop-systemet. Resultatene fra undersøkelsen er rapportert i avsnitt 4 og i et eget notat: Vedlegg F: Kontrollvirksomhet i transportbransjen, datert En planlagt oppfølgingsstudie i etterkant av implementeringen ble ikke gjennomført, gitt at NonStop-systemets tekniske og funksjonelle tilstand, samt demonstratorens varighet ikke var egnet til å påvise effekter blant transportørene. Spørreundersøkelser blant kontrollørene På grunn av omfordeling av prosjektressursene, ble planlagte komparative spørreundersøkelser blant kontrollørene erstattet med deltakelse i fokusgrupper i forbindelse med utvikling av NonStop-systemet og tilhørende 4 Felles datainnsamling i førsituasjon for bruksområde 1 og 2 (totalt 3 dager for tungtransportkontroll) 5 Felles datainnsamling i førsituasjon for bruksområde 1 og 2 (totalt 2 dager for tilstandsundersøkelse) PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 55 av 85

58 regelmotor/beslutningsstøttesystem. Dette sikret kontrollørenes medvirkning og ivaretakelse av interesser i utformingen av systemet, men ga ikke grunnlag for sammenligning av opplevd nytte. Videre ble planlagte tester og brukerundersøkelser for aksept av brukergrensesnitt (HMI) skrinlagt på grunnlag av systemet tekniske og funksjonelle tilstand. NonStop demonstrator NonStop demonstrator ble gjennomført på Sandmoen kontrollstasjon våren 2014, med formål å demonstrere NonStop systemet, samt samle inn data i tilknytning til kontrollsituasjonen. Totalt ble det ved hjelp av WIM (Weight- In-Motion) og ANPR (Automatic Number Plate Recognition) registrert vektdata og registreringsnummer på ca kjøretøy som passerte E6 forbi kontrollstasjonen over en periode på 42 døgn (ikke kontinuerlige registreringer). I tillegg ble det gjennomført manuelle registreringer av ventetid på kontrollstasjonen over en periode på åtte dager med tungbilkontroll (totalt kjøretøy). 7.7 Analyse og resultater Opprinnelig var det planlagt en komparativ effektstudie med datainnsamling i to perioder hhv. uten og med anvendelse av NonStop-systemet. Den tekniske og funksjonelle evalueringen av systemet viste at systemet ikke var modent for fullskala demonstrator på tidspunktet hvor datainnsamlingen ble foretatt, og det ble isteden gjennomført en ex-ante evalueringsstudie for å vurdere lønnsomhet ved fremtidig anvendelse av et beslutningsstøttesystem som NonStop. I avsnittene nedenfor gis en oversikt over analyser og vurdering av potensielle virkninger av NonStop-systemet Funksjonelt og teknisk Et mål for den tekniske og funksjonelle evalueringen var å få bekreftet at alle funksjonelle og tekniske krav var oppfylt (baseres på målinger, observasjoner og evt. leverandørens dokumentasjon). Den planlagte tekniske og funksjonelle evalueringen ble ikke gjennomført i den grad som var ønskelig pga. teknisk umodenhet og en demonstrator som var vesentlig enklere enn det komplekse systemet som opprinnelig var tenkt. Kapittel 6 beskriver imidlertid noen av erfaringene en gjorde seg mht. funksjonell og teknisk kvalitet av den demonstratoren som ble gjennomført Opplevd brukervennlighet Prosjektet hadde en målsetting om å identifisere hvorvidt kontrollører, sjåfører, transportører og myndigheter opplever NonStop-systemet som nyttig, effektivt, nøyaktig nok, pålitelig og rettferdig basert på spørreundersøkelser og intervjuer. Systemets brukervennlighet er imidlertid ikke dokumentert, da systemets tekniske funksjonalitet og brukergrensesnitt ikke oppnådde en teknisk modenhet som gjorde det hensiktsmessig å implementere disse forholdene i analysen. Det ble imidlertid avdekket et sterkt behov i transportbransjen for et mer målrettet og rettferdig system for utvelgelse av kjøretøy for tungbilkontroll (se kapittel 4) Nytte-effekter Det er gjort vurderinger av nytte-effekter for kontrollvirksomhet og transportbransjen basert på demonstratoraktivitetene. Tabell 7 presenterer noen hovedtall fra datainnsamling og demonstratoraktivitet. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 56 av 85

59 Dato Tabell 7: Trafikktall (tunge kjøretøy) ved tungbilkontroller på Sandmoen kontrollstasjon i demo-perioden. Tidsperiode tungbilkontroll Antall kjøretøy på E6 i perioden 6 Antall kjøretøy innom kontrollstasjon Antall kjøretøy kontrollert :00-15: :00-15: :00-15: :00-15: :00-15: :00-15: :00-15: :00-13: TOTALT Gjennomsnitt pr dag 7,5 time Kontrollrate Registreringer og påfølgende beregninger viser at det i snitt passerer 938 tunge kjøretøy på E6 i løpet av en kontrolldag. Se Tabell 7. Av disse blir 361 kjøretøy (39 %) sluset gjennom kontrollstasjonen på Sandmoen, hvorav 23 kjøretøy blir plukket ut til nærmere kontroll. Dette gir en kontrollrate på 6,4 % av alle tunge kjøretøy som er innom kontrollstasjonen, og 2,5 % av alle kjøretøy som totalt passerer kontrollpunktet på E6. Lekkasje Ved tungbilkontroller blir alle kjøretøy som passerer på E6 vinket inn på kontrollområdet, inntil kapasiteten på kontrollplassen (enten mht. areal eller antall kontrollører) er nådd. Skiltet som varsler tungbilkontroll skrus da av, og kjøretøyene passerer uforstyrret på E6. Differansen mellom antall passeringer på E6 og antall registreringer på kontrollstasjonen utgjør 577 kjøretøy pr kontrolldag. Denne "lekkasjen" av kjøretøy som passerer strekningen i kontrollperioden mens skiltet er midlertidig avslått, representerer 62 % av total trafikk (tungtransport) i perioden. Forsinkelse for transportbransjen På kontrollplassen veies alle kjøretøyene som grunnlag for utvelgelse av kjøretøy for videre kontroll. For de kjøretøyene som sendes videre uten ytterligere kontroll, kunne ventetiden på kontrollområdet vært unngått med et beslutningsstøttesystem som foretar utvelgelsen av kontrollkandidater i forkant av kontrollstasjonen. I løpet av en kontrolldag er det 338 kjøretøy som passerer gjennom kontrollstasjonen på Sandmoen uten å bli ytterligere kontrollert (utover vekt). Dette er kjøretøy som opplever unødvendig ventetid og som tar opp unødvendig kapasitet på kontrollstasjonen. Det er også gjort registreringer av de enkelte kjøretøyenes tidsforbruk på kontrollstasjonen, og beregninger av gjennomsnittsverdier for ulike kategorier kjøretøy er vist i Tabell 8. Tabell 8: Gjennomsnittlig tidsforbruk ved tungbilkontroll på Sandmoen kontrollstasjon i demo-perioden. Ventetid kontrollstasjon (fra innkjøring til utkjøring) Gjennomsnitt Median Min. ventetid Maks. ventetid Alle kjøretøy 4,37 min 2,10 min 24 sek 5,31 timer De som ikke plukkes ut til kontroll 2,33 min 2,00 min 24 sek 8,67 min 6 Trafikkvolumet er beregnet basert på registrerte trafikktall i demonstratoren. Teknisk svikt av ulike årsaker medførte en gjennomsnittlig registreringstid på E6 på drøyt 5 timer pr kontrolldag, mens registreringene på kontrollstasjonen representerer hele kontrollperioden på 7,5 timer pr kontrolldag. Dette er det tatt høyde for i beregningen av trafikkvolum. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 57 av 85

60 De som faktisk kontrolleres 39 min 26 min 1,57 min 5,31 timer For kjøretøy som sendes videre ukontrollert, utgjør ventetiden en unødvendig forsinkelse på i gjennomsnitt 2,33 minutt. I periodene hvor kapasiteten på kontrollstasjonen er fylt, øker ventetiden til 8-9 minutt per kjøretøy. For transportbransjen representerer dette tapt reisetid. Kunnskap om tungtransportens døgnfordeling Det er gjennomført en statistisk analyse av døgnfordelingen av kjøretøy med overvekt eller andre feil og mangler, se Figur 27. Utgangspunktet for beregningen er ca kjøretøy som har passert på E6 ved kontrollstasjonen, mens NonStop-systemet har vært aktivert, sommeren Det er tatt utgangspunkt i antall tunge kjøretøy som flagges med feil/mangler per time som andel av totalt antall passerte tunge kjøretøy per time. Figur 27: Andel biler som flagges med feil/mangler i NonStop-systemet som funksjon av tidsintervall (1 time=et intervall), med tilhørende konfidensintervaller. Figuren viser en tendens til at en større andel av kjøretøyene som passerer på kvelds- og nattestid har feil/mangler. Selv om det er store usikkerheter i disse estimatene (lav presisjon på NonStop-dataene) er trenden relativt klar, og resultatene tyder på en større grad av ulovlig aktivitet i tidsperioden kl En grov inndeling i tidsintervallene dag (kl 08:00-16:00), kveld (kl 16:00-24:00) og natt (kl 00:00-08:00), viser at andel ulovlig aktivitet er signifikant større på kveldstid enn på øvrige tidsperioder. Se Tabell 9. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 58 av 85

61 Tabell 9: Sammenligning av tidsperioder Tidsintervall Gjen.andel Std.avvik Konf. interval Sign. Natt (00:00-08:00) (0.213,0.272) NEI Dag (08:00-16:00) (0.204,0.247) NEI Kveld (16:00-24:00) (0.262,0.356) JA I denne testen er det ikke påvist at forskjellene mellom natt og dag er signifikante. Dette skyldes nok at datamaterialet er for mye aggregert (tidsintervallet er for langt). I henhold til figuren kan det se ut til at det også er høy grad av ulovlige passeringer på nattestid, men at dette avtar i 05-tiden om morgenen. Trafikksikkerhet Det har ikke vært tilstrekkelig datagrunnlag til å utføre egne vurderinger av nytteeffekter for trafikksikkerhet. Effektivitet for kontrollvirksomheten Analysene viser at det er et stort potensiale for effektivisering av kontrollvirksomheten. Et fungerende NonStopsystem som medfører mer målrettet utvelgelse av kontrollkandidater (mindre tid brukt på kjøretøy med last og papirer i orden) vil både kunne bidra til økt kontrollrate (redusert lekkasje av kjøretøy som passerer ukontrollert) og økt treffrate (kontrollerer flere kjøretøy med feil og mangler). Undersøkelsen gir ikke grunnlag for å vurdere hvor stor gevinst det er realistisk å oppnå, men det er gjort noen vurderinger av potensialet. Se Tabell 10. Tabell 10: NonStops potensiale for økt effektivitet av kontrollvirksomheten Effektmål Dagens nivå Potensiale med NonStop Kontrollrate for kjøretøy som er innom kontrollstasjonen i kontrollperioden. Kontrollrate totalt for antall passerte kjøretøy i kontrollperioden. Antall kontrollerte kjøretøy per kontrolldag Lekkasje av kjøretøy som passerer uregistrert på E6 i løpet av kontrollperioden Forutsetning 6,5 % 100 % Optimalt fungerende NonStopsystem 2,5 % 23 stk. 5,7 % 7 53 stk 7 Tiden som i dag brukes på kjøretøy som vinkes videre etter vektkontroll, kan tas ut i utvidet kontroll av kjøretøy. (Økning på 130 %) 62 % av alle kjt 577 stk./kontrolldag 0 % Alle kjøretøy vil bli registrert i NonStopsystemet. Tilstrekkelig kapasitet på kontrollstasjonen. I realiteten vil man sannsynligvis fortsatt ha lekkasje i lunsjpauser o.l. NonStop-systemet bidrar også til kunnskap om trafikken som passerer når det ikke er aktiv kontrollvirksomhet på kontrollstasjonen. Statistikk som viser når og hvor det er størst ulovlig aktivitet på vegnettet kan brukes til å planlegge fremtidig kontrollvirksomhet noe som igjen vil føre til mer effektiv bruk av kontrollressursene og større oppdagelsesrisiko for useriøse aktører. Effektivitet for transportbransjen Analysene viser at 94 % av kjøretøyene som er innom kontrollstasjonen sendes videre uten ytterligere kontroll enn vekt. Dette tilsvarer 36 % av kjøretøyene som passerer på E6 i kontrollperioden. I snitt opplever disse en 7 Med utgangspunkt i følgende registreringer: - Antall kjøretøy med unødvendig ventetid på kontrollstasjonen: 338 kjt/kontrolldag - Tidsforbruk på ukontrollerte kjøretøy: 2,33 min/kjt (gjennomsnitt) - Tidsforbruk på kontrollerte kjøretøy: 26 min/kjt (median) PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 59 av 85

62 gjennomsnittlig forsinkelse på 2,33 min hver, hvilket utgjør totalt timer per år tilknyttet Sandmoen kontrollstasjon gitt dagens omfang av kontrollvirksomheten. Allerede ved én NonStop-instrumentert kontrollstasjon (Sandmoen) hvor den fysiske utformingen sikrer at disse kjøretøyene kan passere uhindret, vil dette representere en besparelse for transportbransjen (i form av redusert reisetid) på kr ,- pr år og totalt kr 5,6 mill (diskontert) i løpet av systemets levetid 8. 8 Datagrunnlaget for beregningene er nærmere beskrevet i avsnitt 7.8. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 60 av 85

63 7.8 Nytte-kostnadsberegning Hensikten med dette avsnittet er å gi oversikt over grunnlaget for og resultatene av nytte-kostnadsberegninger (NK) gjennomført i prosjektet NonStop. Målet med analysene har vært å avdekke hvorvidt investering og driftskostnader ved et fremtidig NonStop system er besparende i forhold til dagens ordning. Beregninger er basert på metodikk beskrevet i SVV Håndbok V712 Konsekvensanalyser (2014). Nyttevurderinger er basert på data samlet inn i NonStop-demonstrator på Sandmoen kontrollstasjon våren Resultatet av NK-analysen er avgrenset til samfunnsnytte i form av sparte tidskostnader for transportbransjen. Investerings- og driftskostnader for installering av et NonStop punkt er basert på norske anslag og svenske erfaringer for disse to kostnadstypene Nyttevurderinger Nyttevurderinger er basert på data samlet inn i forbindelse med demonstratoraktiviteter for NonStop-systemet på Sandmoen kontrollstasjon våren Datagrunnlaget og analysene er nærmere beskrevet i avsnitt Følgende nyttekomponenter inngår i nytte-kostnadsanalysen: Antall kjøretøy som forsinkes unødvendig på kontrollstasjonen utgjør 338 kjt/kontrolldag. Dette er de kjøretøyene som vinkes inn på kontrollstasjonen, men som sendes videre ukontrollert etter å ha passert vektpunktet. Ventetid for ukontrollerte kjøretøy (ref. punktet over) er beregnet å være i snitt 2,33 min/kjt Kostnader Investeringskostnad Statens vegvesen har laget et kostnadsoverslag for en komplett NonStop stasjon som inneholder et Weigh-In-Motion (WIM) system og et Automatic Number Plate Recognition (ANPR) system for ett kjørefelt. Kostnadene, se Tabell 11 og Tabell 12 viser tilsammen den engangskostnaden en må regne med ved nyetablering av et NonStop punkt. Tabell 11: Statens vegvesens anslag på komponentkostnader for et NonStop punkt Investeringskostnad komponent (inkl. mva) WIM-sensor (Kiestler) kr ANPR (Q-Free) kr NBS-Server/Håndholdt enhet til kontrollør kr Sum komponenter (inkl mva) kr Tabell 12: Statens vegvesens anslag på installasjonskostnader for et NonStop punkt Investeringskostnad installasjon (inkl mva) Installasjon av WIM (fresing, tilkobling, reasfaltering) kr Installasjon av ANPR kr Stenging av veg under installasjon kr Kalibrering WIM v/nyinstallasjon kr Sum installasjon (inkl mva) kr Totalt er kostnaden anslått til kroner inkl. mva. I en nytte-kostnadsberegning må en imidlertid ta utgangspunkt i at deler av WIM-systemet (sensorer som er installert i kjørebanen) må skiftes ved reasfaltering. Det PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 61 av 85

64 anslås at systemets levetid er 7 år, og at reasfaltering vil skje minst en gang i leveperioden, i verste fall oftere dersom det er stor trafikk og stor slitasje på kjørebanen. Det har vært litt vanskelig å få frem nøyaktige kostnader for WIM sensorene (type Kistler) inkl. kostnaden for legging av nye sensorer. Kistler oppgir prisen for 4 sensorer som er nødvendig for en standard installasjon i ett kjørefelt til Euro eller ca kroner. I tillegg kommer installasjon (fresing, tilkopling, reasfaltering) på WIM sensoren på kr., stenging av veg under installasjon på kr. og kalibrering på kr iht. vegvesenets anslag. Til sammen blir dette kroner, dvs. en total investeringskostnad på 725 kkr kkr. = kkr. i systemets levetid på 7 år. Til sammenligning oppgir Kistler en total kostnad på Euro inkl. 4 sensorer. Denne prisen dekker sensorer, forsterkere, data logger, strømforsyning, installasjon og kalibrering. Dette tilsvarer 1,4 mill. kroner hvilket er vesentlig mer enn det vegvesenet har anslått selv man om inkluderer både strøm og kommunikasjon. Svenske kilder oppgir totalentreprisen for en WIM stasjon på E4/E20 ved Hallunda i nærheten av Stockholm til 1,5 2 mill kr. Installasjonen er gjort på en motorveg og dette har nok en viss innvirkning på installasjons- og stengekostnadene. Installasjonen har også portaler med skilt om vektmåling. Konklusjon investeringskostnad: Vi tar utgangspunkt i vegvesenets anslag på kostnader med et tillegg på ca for utskifting av sensorer i levetiden på 7 år. I tillegg legger vi på 10 % i usikkerhet slik at vi totalt kommer opp på et investeringsbehov på kroner i WIM- og ANPR-systemets levetid på 7 år. Da har vi også tatt høyde for en viss utskifting/oppgradering av ANPR systemet. Driftskostnad En vanlig tommelfingerregel er å si at driftskostnadene for et IT system ligger på 10 % av investeringskostnaden. Dette skulle tilsi en årlig driftskostnad på kroner. Statens vegvesen har oppgitt kr. per år inkludert kalibreringskostnader. I tillegg kommer årlig rengjøring av ANPR-kameraet på kr. per år, til sammen kroner per år. De svenske kildene oppgir en årlig kalibrering på kkr. og en total driftskostnad på kkr/år. Konklusjon driftskostnad: Ved å ta utgangspunkt i tommelfingerregelen på 10 %, Statens vegvesens vurderinger og de svenske erfaringene på driftskostnader har vi brukt kr/år for å beskrive driftskostnadene i våre nytte-kostnadsberegninger. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 62 av 85

65 7.8.3 Grunnlag for beregning av samfunnsøkonomisk lønnsomhet Forutsetningene som er lagt til grunn for NK-kalkulasjoner av prissatte konsekvenser er presentert i Tabell 13. Nytteverdien i analysen er avgrenset til sparte tidskostnader for yrkestrafikk. Eksempler på andre potensielle nytteeffekter omfatter bedre trafikksikkerhet gjennom at flere useriøse aktører kontrolleres, mer rettferdige konkurransevilkår i transportbransjen, reduserte forsinkelser for øvrig trafikk i forbindelse forårsaket av hendelser, redusert slitasje på vegnettet på grunn av overlast og sparte miljø- og drivstoffkostnader. Dette er nyttevirkninger som er holdt utenfor beregningene og som må vurderes som eventuell tilleggsnytte. Tabell 13: Grunnlag for NK-analysen. Variabel Verdi Kommentar Felles prisnivå 2014 Tidspunkt for demonstrator Levetid ITS-installasjon 7 år Forventet levetid for ITS-installasjonen Analyseperiode 7 år Tilsvarer forventet levetid på ITS-installasjonen Kalkulasjonsrente 4 % Finansdep. R-109/14: Prinsipper og krav ved utarbeidelse av samfunnsøkonomiske analyser mv. Skattekostnad 0,20 Finansdep. R-109/14: Prinsipper og krav ved utarbeidelse av samfunnsøkonomiske analyser mv. Realprisutvikling yrkestrafikk 1,30 % Finansdep. R-109/14: Prinsipper og krav ved utarbeidelse av samfunnsøkonomiske analyser mv. Tidsavhengige driftskostnader 641 kr/t Antar 60 % lastebiler, 40 % vogntog, prognose 2014 Kontrolldata Sandmoen: Antall kontrolldøgn per år 92 Antar 75 % kontroller på dag og 25 % på natt, ref. Kontrolleder og arbeidslister for Antall kjøretøy 9 dagkontroll 338 Kilde: Demonstrator Antall kjøretøy 2 nattkontroll 169 Antar 50 % av kjøretøy på dag, ref. Kontrolleder Gjennomsnittlig ventetid 2,33 min/kjt Kilde: Demonstrator Kostnader Investeringskostnader kr Statens vegvesen/svenske erfaringer, se avsnitt Driftskostnader kr/år Statens vegvesen/svenske erfaringer, se avsnitt Det forutsettes at bemanningssituasjonen hos kontrollmyndighet holdes uendret, og at eventuelle effektiviseringsgevinster tas ut i kontroll av et større antall kjøretøy (med feil og mangler). Videre tas det ikke hensyn til trafikkutvikling i perioden, da det antas at det er kapasiteten på kontrollstasjonen og ikke trafikkvolum som er dimensjonerende for antall kontrollerte kjøretøy per år. 9 Med antall kjøretøy menes kjøretøy som sluses gjennom kontrollstasjonen uten å kontrolleres ytterligere. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 63 av 85

66 7.8.4 Nytte-kostnadsberegning Ved beregning av lønnsomhet er begrepet netto nytte sentralt. Netto nytte er et uttrykk for hva samfunnet får igjen for investeringen i form av prissatte konsekvenser. Et kriterium for at prosjektet skal være lønnsomt, er at netto nytte er større enn eller lik null (positiv). Hvis netto nytte er negativ er ikke tiltaket lønnsomt, det vil si at tiltaket har en avkastning som er lavere enn kalkulasjonsrenten (Statens vegvesen, 2014: HB V712). Med utgangspunkt i grunnlaget som er presentert i avsnitt er det gjennomført NK-kalkulasjoner som viser god samfunnsøkonomisk lønnsomhet av NonStop-systemet. Etablering av et målrettet beslutningsstøttesystem på Sandmoen (1 stk kontrollstasjon) er beregnet å gi netto nytte (overskudd etter at kostnader er dekt inn) på kr ,- i form av spart reisetid for transportbransjen. Sett i forhold til investeringen gir dette en netto nytte per budsjettkrone (NNB) lik 1,1. I praksis betyr dette at samfunnsnytten er dobbelt så stor som kostnadene ved prosjektet (110 %). NNB større enn eller lik null beskriver et lønnsomt prosjekt. Se detaljer i Tabell 14. Tabell 14: Nytte-kostnadsanalyse for NonStop beslutningsstøttesystem. Aktører Komponenter Endring (1.000 kr diskontert) Trafikanter og transportbrukere Nytte av spart reisetid Det offentlige Investering Drift og vedlikehold Samfunnet forøvrig SUM Restverdi Skattekostnad Nytte Kostnad (budsjettkrone) Netto nytte Netto nytte/budsjettkrone ,1 PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 64 av 85

67 7.8.5 Følsomhet og usikkerhet Usikkerhet Beregningene representerer NonStop-systemets potensielle lønnsomhet på Sandmoen kontrollstasjon. For at effekten skal kunne oppnås i en virkelig kontrollsituasjon må teknologien og samspillet mellom de ulike komponentene fungere godt. Beslutningsstøttesystemet må også oppnå aksept blant kontrollørene, slik at det faktisk blir tatt i bruk. Det er i beregningene antatt at systemet har en teknologisk levetid på 7 år. Dersom systemet viser seg å ha lengre levetid, eller at det er en restverdi på hele eller deler av systemet utover denne perioden, vil dette påvirke lønnsomheten positivt. I motsatt fall, vil kortere levetid bidra til lavere lønnsomhet. Hovedkomponenten i nyttevurderingene er spart ventetid på kontrollstasjonen for kjøretøy som har papirer og utstyr i orden. En forutsetning for at denne gevinsten kan oppnås, er at vegsystemet og kontrollstasjonen fysisk kan utformes slik at utvelgelsen skjer i forkant at kontrollstasjonen, og at kjøretøy som ikke skal kontrolleres kan passere området uforstyrret. Hensikten med NonStop beslutningsstøttesystem er å oppnå en mer målrettet utvelgelse av kjøretøy for kontroll, ved hjelp av sensorer knyttet til infrastruktur og oppslag i relevante dataregister. Hvis systemet oppnår bedre treffrate enn dagens mer tilfeldige utvelgelse av kontrollkandidater, kan man anta at dette bidrar til å avdekke flere trafikkfarlige forhold og dermed øker trafikksikkerheten på vegnettet. Dette er ikke hensyntatt i beregningene, både fordi det er vanskelig å tallfeste virkningen av forbedret kontrollvirksomhet i form av faktisk effekt på trafikksikkerhet, og fordi det per i dag ikke er dokumentert om den tekniske og funksjonelle tilstanden på beslutningsstøttesystemet er tilstrekkelig til å opprettholde og aller helst forbedre dagens effekt av kontrollvirksomheten med hensyn til trafikksikkerhet. I beregningene forutsettes det altså at et fremtidig teknologisk beslutningsstøttesystem minimum opprettholder dagens trafikksikkerhetsnivå. Videre er heller ikke miljøeffekter inkludert i NK-analysen, men det synes greit å anta at systemet ikke vil gi negativt utslag på miljøvirkninger og at eventuelle miljøgevinster i form av redusert vegslitasje og utslipp kommer i tillegg til beregnet nettonytte av tiltaket. Det antas at antall kontrollører som betjener stasjonene holdes uendret, slik at eventuell operatørnytte tas ut i form av bedre treffrate og økt trafikksikkerhet. Til sist er kostnadssiden i beregningene avgrenset til investering og drift av et beslutningsstøttesystem som er ferdig utviklet. Utviklingskostnadene i NonStop-prosjektet er ikke inkludert i kalkulasjonen. Dette fordi det først og fremst antas å utgjøre en vedlig liten del av kostnadssiden, når det skal fordeles på et uvisst antall fremtidige kontrollstasjoner. Videre vil grunnlagsdataene i analysen alltid være beheftet med en viss grad av usikkerhet, og ved tvil om verdisetting av variabler er det gjennom hele analysen forsøkt å gjøre konservative valg for å unngå at evalueringen gir urealistisk høye forventninger til systemet. Følsomhet i beregninger Følsomheten i NK-beregningen er synliggjort ved å variere verdien av de ulike nytte- og kostnadselementene i analysen (hhv. spart reisetid, antall ukontrollerte kjøretøy, antall kontrolldager per år, investeringskostnad og driftskostnad), mens øvrige variabler holdes konstant. Figurene på neste side viser i hvilken grad usikkerhet i estimeringen av variablene påvirker NNB-verdien (netto nytte pr budsjettkrone). Y-aksen viser NNB-verdi, mens de ulike variablene er presentert langs X-aksen. Den røde markeringen angir hvilket estimat som er benyttet i hovedanalysen (avsnitt 7.8.4). PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 65 av 85

68 Variabelen spart reisetid angir gjennomsnittlig ventetid for hvert tunge kjøretøy som må innom kontrollstasjonen uten at det kontrolleres. I NK-analysen er spart reisetid satt lik 2,33 min. Kalkulasjoner i intervallet 1,5-3,5 min gir NNB-verdier i størrelsesorden (0,3-2,2). Variabelen antall ukontrollerte kjøretøy angir hvor mange kjøretøy som passerer gjennom kontrollstasjonen uten å bli kontrollert, i løpet av en kontrolldag. I NKanalysen er antall kjøretøy satt lik 338 kjt/kontroll. Kalkulasjoner i intervallet kjt gir NNB-verdier i størrelsesorden (0,1-2,2). Variabelen antall kontrolldager angir hvor mange kontroller (dag eller natt) som gjennomføres i løpet av et år. I NK-analysen er antall kontrolldager satt lik 92 kontroller/år. Kalkulasjoner i intervallet kontroller gir NNB-verdier i størrelsesorden (0,1-2,4). Variabelen investeringskostnad angir kostnader ved kjøp og installasjon av NonStop-systemet. I NK-analysen er investeringskostnaden satt lik 1.300' kr. Kalkulasjoner i intervallet 500'-2.000' kr gir NNB-verdier i størrelsesorden (0,4-4,7). Variabelen driftskostnad angir kostnader til drift og vedlikehold av NonStop-systemet over analyseperioden. I NK-analysen er driftskostnaden satt lik 150' kr pr år (11,5 % av invest.kost.). Kalkulasjoner i intervallet 5 % - 30 % pr år (av investeringskostnad=1.300'kr) gir NNB-verdier i størrelsesorden (0,2-1,9). PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 66 av 85

69 Følsomhetsberegningene viser at lønnsomheten i prosjektet er forholdsvis robust. Også når verdiene til enkeltkomponentene i analysen varieres, er NNB-verdien positiv hvilket tilsier at prosjektet er lønnsomt i et samfunnsøkonomisk perspektiv. For å teste følsomheten i analysen ytterligere, er det beregnet to pessimistiske scenarier hvor flere variabler er trukket i negativ retning samtidig; enten ved at nyttekomponentene er redusert eller at kostnadsvariablene er økt vesentlig. Til tross for dette synes prosjektet å gi positiv lønnsomhet. Se detaljer nedenfor: Scenario "redusert nytte" Spart reisetid: 2,0 min Antall ukontrollerte kjøretøy pr kontroll: 250 Antall kontroller: 92 kontrolldager/år Investeringskostnad: ,- Driftskostnad: 11,5 % av driftskostnad pr år NNB=0,3 Scenario "økte kostnader" Spart reisetid: 2,33 min Antall ukontrollerte kjøretøy pr kontroll: 338 Antall kontroller: 92 kontrolldager/år Investeringskostnad: ,- Driftskostnad: 20 % av driftskostnad pr år NNB= Konklusjoner samfunnsøkonomisk lønnsomhet Evalueringen av NonStop beslutningsstøttesystem viser at det ligger stort potensiale i å ta i bruk teknologiske system for målrettet utvelgelse av kandidater for tungbilkontroll. Nytte-kostnadsberegninger basert på datainnsamling ved Sandmoen kontrollstasjon, viser at virkningen av spart reisetid for transportbransjen alene vil gi positiv lønnsomhet for prosjektet; med netto nytte (for én kontrollstasjon) på 2,86 mill og netto nytte pr kostnad (NNB) lik 1,1. Dette betyr at samfunnsnytten av tiltaket er dobbelt så stor som kostnadene ved å ta det i bruk (110 %). Eventuelle nytteeffekter med hensyn til trafikksikkerhet, miljø og mer rettferdige konkurransevilkår i transportnæringen kommer i tillegg som ren gevinst. Effektene av NonStop-systemet forutsetter at kontrollstasjonen fysisk kan utformes slik at kjøretøy som ikke skal kontrolleres kan passere området uforstyrret. Hensikten med systemet å øke kontrollvirksomhetens treffrate med hensyn til kjøretøy og sjåfører som ikke overholder lover og forskrifter. For å oppnå den samfunnsøkonomiske lønnsomheten som er beregnet, forutsettes det at systemet teknisk og funksjonelt implementeres på en slik måte at kontrollvirksomheten minimum opprettholder dagens treffrate, slik at trafikksikkerheten ikke påvirkes negativt. NonStop-systemet som ble testet i pilotstudien er basert på sensorer langs infrastrukturen (WIM for registrering av vekt og ANPR for nummerskiltgjenkjenning) og oppslag i relevante dataregistre. Det betyr at kjøretøyene velges ut for kontroll basert på indikatorer som overvekt og begjæringer/manglende forsikring. I utvikling og etablering av fremtidige systemer vil det være av interesse å se på muligheter for elektronisk overføring av tilstandsdata direkte fra kjøretøyet (i fart). Fordelen med dette er blant annet at det muliggjør direkte avlesing av flere relevante indikatorer som f.eks. bremsetilstand, informasjon om last og kjøre-/hviletid for sjåfører. 7.9 Konklusjoner fra evalueringsarbeidet En ex-ante evalueringsstudie har demonstrert at NonStop-systemet som konsept har et stort potensiale med hensyn til samfunnsøkonomisk lønnsomhet. Allerede etter første implementering (1 kontrollstasjon) vil nyttegevinstene i form av spart reisetid for transportbransjen alene være dobbelt så stor som kostnadene ved å ta systemet i bruk. Evalueringen har også demonstrert nytteeffekter i form av effektivitet for kontrollvirksomheten, selv om dette ikke er prissatt eller inkludert i de samfunnsøkonomiske beregningene. Når det gjelder effekter for trafikksikkerhet og miljø vil dette avhenge av den tekniske og funksjonelle kvaliteten på det endelige beslutningsstøttesystemet. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 67 av 85

70 Evalueringen har også vist at systemet per i dag er teknologisk umodent og det var i løpet av prosjektperioden ikke mulig å oppnå en tilfredsstillende funksjonalitet for implementering i større skala. Tabellene nedenfor oppsummerer resultatene fra evalueringsarbeidet i relasjon til evalueringskriterier som ble definert i en tidligere fase av prosjektet. Tabell 15 Resultater fra evalueringen i relasjon til prosjektets nøkkelindikatorer KPI Beskrivelse Resultat KPI 1 Andel kontrollerte og "tiltaksbelagte" enheter i forhold til alle kontrollerte kjøretøy/førere over en bestemt periode. KPI 1 er forventet å øke etter innføring av NonStop Det er ikke gjort egne analyser av antall tiltaksbelagte kjøretøy, da NonStop-systemet kun ble demonstrert og ikke tatt i bruk over en lengre periode. KPI 2 KPI 3 KPI 4 KPI 5 KPI 6 KPI 7 KPI 8 KPI 9 KPI 10 Andel kontrollerte og "ikke-tiltaksbelagte" enheter i forhold til alle kontrollerte kjøretøy/førere over en bestemt periode. KPI 2 er forvente å avta etter innføring av NonStop. Andel ukontrollerte kjøretøy som passerer i kontrollperioden. KPI 3 er forvente å avta etter innføring av NonStop. Andel kontrollører som opplever NonStopsystemet som et nyttig verktøy for utvelgelsen av kontrollobjekter. KPI 4 er forvente å øke etter innføring av NonStop. Antall minutter/sekunder tilbragt i kontrollområdet for kjøretøy/førere som ikke skal kontrolleres. KPI 5 er forvente å avta etter innføring av NonStop. Andel førere som oppfyller regelverk og som opplever kortere oppholdstid på kontrollstasjon. KPI 6 forventes å ha en verdi større enn 0. Andel førere og transportører som aksepterer kontrollaktivitetene (gjennomsnittsverdi brukeraksept). KPI 7 er forvente å øke etter innføring av NonStop. Andel kjøretøy som ville blitt utvalgt til kontroll i forhold til alle kjøretøy som passerer oppstrøms. KPI 8 forventes å reduseres på sikt etter som den effektiviserte kontrollen fanges opp av transportnæringen. Andel førere som er villig til å dele fører- og kjøretøyrelatert informasjon automatisk med kontrollører dersom dette fører til færre stopp og kontroller. KPI 9 forventes å øke. Antall tunge kjøretøy som er involvert i hendelser (ulykker) der egenskaper ved kjøretøy, last eller fører er medvirkende årsak til hendelsen. KPI 10 forventes å avta, men kan ikke måles på kort sikt. Det er ikke gjort egne analyser av antall tiltaksbelagte kjøretøy, da NonStop-systemet kun ble demonstrert og ikke tatt i bruk over en lengre periode. Det er beregnet at dagens lekkasje (uregistrerte kjøretøy) utgjør 62 % av all tungtransport som passerer E6 ved kontrollstasjonen. Potensielt kan man med NonStop-systemet oppnå 0 % lekkasje fordi alle kjøretøy som passeres registreres av systemet, uavhengig av kapasitet på kontrollstasjonen. Det er dog realistisk å anta en viss lekkasje ifm lunsjpauser o.l. Evalueringen gir imidlertid grunn til å anta en vesentlig reduksjon av KPI 3 ved innføring av NonStop. KPI 4 er ikke inkludert i den endelige evalueringen. Det er beregnet en potensiell besparelse på 2,33 min/kjt. KPI 6 er ikke inkludert i den endelige evalueringen. KPI 7 er ikke inkludert i den endelige evalueringen. Det er imidlertid gjennomført en før-undersøkelse som kan danne sammenligningsgrunnlag for en fremtidig effektundersøkelse av brukeraksept. Reell effekt vil bare kunne måles etter lengre tids drift av NonStop. Det er samlet inn data som grunnlag for sammenligning i en fremtidig effektstudie, men det antas at presisjonsnivået på dagens NonStop-system er utilstrekkelig mht. datakvalitet. Andel førere som er villig til å dele data automatisk (KPI 9) er i størrelsesorden %, avhengig av type data. Resultatet er basert på hypotetiske spørsmål i spørreundersøkelse i forkant av NonStop-implementering. Ikke målbart i NonStop-evalueringen. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 68 av 85

71 Tabell 16 gir en oppsummering av prosjektets resultater i relasjon til prosjektets evalueringskriterier. Tabell 16: Prosjektets resultater i relasjon til evalueringskriteriene Evalueringskriterier og resultater Mer effektiv Evalueringen gir grunn til å tro at NonStop beslutningsstøttesystem vil effektivisere kontrollvirksomhet kontrollvirksomheten, både med hensyn til at ressursbruk flyttes fra kjøretøy som er i orden til kjøretøy med feil/mangler og at lekkasjen av kjøretøy som passerer uregistrert i kontrollperioden reduseres. I tillegg vil NonStop-systemet fremskaffe statistikk som øker kunnskapen om transportvirksomheten slik at fremtidig kontrollvirksomhet kan målrettes mot steder og tidspunkt med høy grad av ulovlig aktivitet. Mer effektiv transport Bedre trafikksikkerhet Mer rettferdige konkurransevilkår Økt lovlydighet på sikt Bedre miljø Evalueringen har avdekket at NonStop-systemet kan gi en vesentlig tidsbesparelse for transportbransjen. Dersom utvelgelsen av kjøretøy skjer i forkant av kontrollstasjonen representerer dette en gjennomsnittlig besparelse på 2,33 min per kjøretøy som sendes videre ukontrollert. Med dagens kontrollomfang utgjør dette totalt timer/år tilknyttet Sandmoen kontrollstasjon alene, hvilket utgjør en besparelse på kr ,- pr år for transportbransjen. Trafikksikkerhetseffekten vil avhenge av NonStop-systemets teknologiske modenhet og hvilken grad av presisjon som oppnås med hensyn til å plukke ut kjøretøy med feil og mangler. Dette forholdet er ikke inkludert i evalueringen. Evalueringen gir indikasjoner på at NonStop-systemet vil bidra til mer rettferdige konkurransevilkår, gjennom tidsbesparelse for de kjøretøyene som opererer i henhold til lovverk og forskrifter. Kunnskapsgrunnlag som målretter kontrollvirksomheten og det at færre kjøretøy slippes forbi kontrollstasjonen på grunn av kapasitetsproblemer (redusert lekkasje) vil også bidra til økt oppdagelsesrisiko og større grad av rettferdighet. En reell effekt vil imidlertid være avhengig av at systemet oppnår høy teknologisk modenhet og god presisjon, slik at treffsikkerheten ved utvelgelse av kontrollkandidater økes. Dette forholdet er ikke inkludert i evalueringen, da det ikke forventes målbare effekter i løpet av prosjektperioden. Dette forholdet er ikke inkludert i evalueringen, da det ikke forventes målbare effekter i løpet av prosjektperioden. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 69 av 85

72 8 Nytte for involverte partnere 8.1 Statens vegvesen For Statens vegvesen som prosjekteier, har NonStop bidratt til å definere hva som er viktig å satse på når det gjelder utviklingen av et fremtidig automatisert kontrollsystem. I løpet av prosjektet har ulike teknologiske systemer blitt satt på praktisk prøve i virkelig trafikk. Her er det høstet verdifull erfaring når det gjelder utforming av fremtidige krav til slike systemer. Likeledes har prosjektet bidratt til å gi input til den fysiske utformingen av fremtidens kontrollstasjon. Kunnskap og resultater fra NonStop anvendes videre i EU-prosjektet MOBiNET, hvor både Statens vegvesen og SINTEF deltar. Her planlegges veiing av kjøretøy i fart, basert på kjøretøyets egne sensorer. NonStop-systemet planlegges også utvidet med nye sensorer for å registrere for eksempel varmgang i bremser. Dette er spesielt viktig for å unngå ulykker med tunge kjøretøy i bratte nedoverbakker, så som i undersjøiske tunneler. 8.2 Norsk Lastebileier-Forbund, NLF NLF har i prosjektperioden lagt til grunn at seriøse transportører med «papirene i orden» i fremtiden skal slippe å bli kontrollert. Dette for å sørge for mer like og rettferdige konkurransevilkår i transportnæringen ved at useriøse aktører effektivt plukkes ut. I prosjektet har NLF bidratt med verdifull kunnskap i retning av å utvikle fremtidas kontrollregime. Likeledes har prosjektet gitt NLF verdifull kunnskap om hvilke muligheter som teknologien gir. 8.3 Ciber For Ciber har prosjektet bidratt til økt kunnskap om teknologi og internasjonale standarder og trender innenfor prosjektets hovedtema. Rent konkret har Ciber fått praktisk erfaring med å anvende ETSIs standard på en ITS Stasjon (ETSI EN ). Denne standarden er benyttet så langt det er mulig i planlegging, utvikling og installasjon av programvare og vegkantutstyr i NonStop. Dette er et fortrinn som vil kunne føre til verdiskapning nå det gjelder utvikling av nye produkter og tjenester i fremtiden. 8.4 SINTEF SINTEF har fått testet en praktisk anvendelse av ARKTRANS/META i forbindelse med spesifikasjon av NonStop programsystem. Dette er også viktig input til et doktorgradsarbeid ved NTNU, der man blant annet ser på verdien av arbeidet utført i META har for NonStop. Likeledes ser man på om det er grensesnittspesifikasjoner utviklet i NonStop som eventuelt kan tilbakeføres til ARKTRANS. Resultatene fra NonStop inngår i et doktorgradsarbeid som en ansatt ved SINTEF gjennomfører ved NTNU. Her er det spesielt utvikling av metodikk for evaluering av ITS-tiltak som står sentralt. I den forbindelse er datagrunnlaget fra demonstratoren viktig. Denne evalueringsmetodikken vil SINTEF benytte videre i sin forskning på ITS-løsninger, og vil kunne tilby evalueringstjenester til produktutviklere og myndigheter. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 70 av 85

73 9 Formidling 9.1 Brukerrettede formidlingstiltak NonStop prosjektet har vært presentert i forhold til brukerne ved følgende anledninger: 18. juni 2012, Presentasjon av NonStop ved Sandmoen kontrollstasjon, fellesmøte mellom SINTEF og SVV ved oppstart av prosjektet (forankringsmøte). 17. oktober 2012, Terje Moen, Rica Hell. Presentasjon under Vegvesenets Utekontrollsamling, Statens vegvesen (ref. Silje Alund, SVV) 24. oktober 2012, Terje Moen, ITS World, Session: IS02, Session Title: INTERACTIVE 2 Intelligent Infrastructure 29 mars 2012, Bjørn A Lund (SVV), artikkel i Vegen og vi, nr 03,. Revolusjon i tungbilkontrollen Oktober 2012, Rune Damm (NLF), NonStop: Skal gjøre det mer lønnsomt å følge regelverket. Artikkel i Bladet Norsk Transport, nr april 2013, Terje Moen, Gemini " Trailerne skal veies i fart" 11. april 2013, Terje Moen, The Engineer " In-road sensors weigh lorries in motion". Web-artikkel 11. April 2013, Terje Moen, Forskning.no, "Trailere veies i fart". Web-artikkel 14. april 2013, Terje Moen, ScienceNordic, "Weighing trailers on the road". Web-artikkel 30. Mai 2013, Terje Moen, "NonStop, Et innovasjonsprosjekt i offentlig sektor", presentasjon for Norges Vegteknisk Forening (NVTF) 13. juni 2013, NLF, Terje Moen, presentasjon av NonStop for NLFs Forbundsstyre 24. oktober 2013, Terje Moen, presentasjon under Teknologidagene (Statens vegvesen) januar 2014, Terje Moen, «NonStop - et innovasjonsprosjekt i offentlig sektor», presentasjon på ITSseminar for studentene ved NTNU 13. januar 2014, Lone-Eirin Lervåg, «NonStop Effektiv kontroll av tunge kjøretøy», presentasjon for samferdselspolitikerne i Midt-Norge som sitter på Stortinget. 17. april 2014, Gunnar D. Jenssen, «NonStop». Presentasjon hos TNO, Amsterdam. 29. april 2014, Per Lillestøl, «Prosjekt NonStop», presentasjon for Stortingets transport- og kommunikasjonskomité i forbindelse med besøket i Trondheim. 29. april 2014, Terje Moen, «Intelligente Transportsystemer», presentasjon for representanter for Høyre g FrP i Stortingets transport- og kommunikasjonskomité, Rica Nidelven, Trondheim. 6. oktober, Bjørn A. Lund (SVV), «Effektivisering av tungbilkontroll» på Teknologidagene Allmennrettede formidlingstiltak Oppslag i massemedia (aviser, radio, TV..) 1. Adresseavisen 14. mars 2012, Vil luke ut flere av de verste. 2. Nyhetsinnslag i NRK P1 radio 6. april Fædrelandsvennen 20. mai 2014, Skal skanne trailere i fart 4. Gemini.no, 10. juni 2014, Trailer-synderne skal tas 5. Adresse.no 10. juni 2014, Trailer-synderne skal tas 6. Nyhetsinnslag NRK TV, Midtnytt, 10. juni Nyhetsinnslag NRK TV, Dagsrevyen 21, 10. juni 2014 PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 71 av 85

74 9.3 Ferdigstilte nye/forbedrede metoder/modeller/prototyper NonStop BeslutningsstøtteSystem (NBS) programsystem prototype utviklet av Ciber. Regelbasert programsystem for selektering av kontrollkandidater for tungbilkontroll. 9.4 Artikler og presentasjoner på nasjonale og internasjonale konferanser NonStop: Automatic selection of vehicles for inspection (Vedlegg A) Sted: ITS World Congress 2012, Wien Forfattere: Terje Moen, Lone-Eirin Lervåg og Erlend Aakre Vegvesenets oppdaterte ITS-Strategi skaper nye muligheter - mer om NonStop-prosjektet Sted: ITS-konferansen i Trondheim 2013 Forfatter: Terje Moen FoU-prosjektet NonStop Sted: NVF ITS Nordisk utvalgsmøte- og seminar. Bergen 27. august NVF-deltakere fra alle nordiske land, inkl Island og Færøyene ca 40 deltakere. Forfatter: Bjørn A Lund (SVV) Bruk av ITS løsninger for effektiv og selektiv tungbilkontroll Sted: Presentasjon på Transport og logistikk 2013, Gardermoen Forfattere: Terje Moen og Rune Damm (NLF) An innovative and cost-effective solution for reducing road safety risks related to heavy goods vehicles (Vedlegg K) Sted: European Transport Conference 2013, Frankfurt Forfattere: Lone-Eirin Lervåg og Trond Foss NonStop - et innovasjonsprosjekt i offentlig sektor Sted: Samferdsel 2014, Trondheim Forfatter: Terje Moen Deployment of an innovative system for target selection of heavy vehicles for safety inspection (Vedlegg L) Sted: Transport Research Arena (TRA), 2014, Paris Forfattere: Trond Foss og Lone-Eirin Lervåg. Targeted Selection of Overweight Vehicles in Norway (Vedlegg E) Sted: Transport Research Arena (TRA), 2014, Paris. Forfattere: Erlend Aakre (NTNU), Thomas Engen og Isabelle Roche Cerasi. PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 72 av 85

75 Vedlegg A: The NonStop Concept PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 73 av 85

76 The NonStop Concept Trond Foss SINTEF Technology and Society Introduction This document describes the NonStop concept as developed in the research and development project NonStop funded by the Research Council of Norway and the Norwegian Public Roads Administration (NPRA). The main objective of the project is to specify, develop, implement and evaluate an Intelligent Transport System (ITS) application for automatic selection of control candidates for inspection of Heavy Goods Vehicle (HGV) condition, driver licences and permissions and cargo status and documents. The selection of the control candidates is mainly based on measurements of vehicle characteristics and collection of relevant information from other registers and sources to be used in a decision model with configurable selection criteria. The collection of information and selection of control candidates is done while the vehicle is upstream the control area enabling the transport means inspection authority (NPRA) to instruct the driver(s) to enter the control area by traffic signs and/or individual messages (future facility). Roles and responsibilities in NonStop Methodology The role and responsibility model is based on the ARKTRANS reference model [Natvig et al. 2009] which is a model for the whole transport domain and where the transport domain is further divided into sub-domains. Each sub-domain represents a group of roles where the roles are logically linked together and related to common responsibilities and focus and business areas. The Figure 1 shows the ARKTRANS reference model with its 5 sub-domains. The arrows represent the information flows between the sub-domains. Figure 1 The ARKTRANS reference model 1

77 The Transport Demand subdomain covers all roles that demand or request a transport service, e.g. a company that wants to move a transport item from A to B or a person that wants to be transported from C to D. The Transport Supply subdomain includes all roles that sell and sign contracts related to a transport service, organises and deliver the transport service and manages/manoeuvres the transport means used for the transport service. The Transportation Area Management subdomain covers all roles related to the management, operation and maintenance of the infrastructure in a transport system, e.g. a road network. It also covers all roles related to the utilisation of the infrastructure, e.g. the management of vehicles in a road network. The sub-domain also covers all roles related to Emergency management. The Transportation Regulation subdomain includes all roles related to the regulation and monitoring of the transport domain. The subdomain includes typical roles as transport departments and authorities, financial authorities etc. preparing and issuing laws, regulations, prescriptions and recommendations on how the transport in a transport system shall be carried through and controlled and/or monitored. It also includes roles that prepare and issue laws and regulations that are applicable for any type of transport system. The Transport Sector Support covers all roles that provide any type of service that could be used to operate a transport system. Their core business is not related to transport but their services are used to enable and/or facilitate an effective and secure operation of a transport system, e.g. the communication services provided by a telecom operator or the positioning services from the GPS system. The development of the NonStop concept, partly based on the outcome of the META project [Moseng et al. 2012], resulted in the four roles shown in Figure 2 [Natvig, 2012]. A role may fulfilled by one actor or shared between different actors. One actor, e.g. a person, enterprise or an organisation, may fulfil one or more roles. In the NonStop project the Norwegian Public Roads Administration (NPRA) fulfils several roles. Figure 2 The NonStop role model The NonStop roles The Transport Regulator role is usually shared by actors that govern and monitor the activities in a transport system. In the NonStop case it will be actors that together provide general information about rules and regulations for the road transport and networks, take care of road transport related 2

78 information collection and processing, decide on regulations (e.g. Traffic rules & The Road Traffic Act) and enforce laws and regulations. In the NonStop concept the Norwegian Public Roads Administration (NPRA) will be the main actor but the Data Inspectorate (DI) will also be sharing the role as Transport Regulator. Table 1 shows a more detailed description of the sub-roles, their responsibilities and the actor(s) taking the responsibilities, i.e. sharing the Transport Regulator role. Table 1: Transport regulator sub-roles and responsibilities [Natvig, 2012] Transport regulator sub-role Responsibilities Actor(s) Licence Authority Issue licences, certificates, permissions etc. to - NPRA persons and/or companies based on qualifications and fulfilment to laws and regulations. - Foreign road and transport authorities Transport Means Regulatory Authority Transport Means Inspection Authority Core role in NonStop Transport Means Inspection Manager Sub-role of Transport Means Inspection Authority Transport Means Inspection Operator Sub-role of Transport Means Inspection Authority Approval, certification and registration of vehicles Inspection of vehicles, drivers and cargo to ensure that the vehicle is compliant with the regulations, that the driver has the required licences, certificates and permissions and the cargo is transported according to regulations and permissions. Overall management of the inspections, information management included Execution of individual vehicle, driver and cargo inspections - NPRA - Foreign road and transport authorities NPRA NPRA NPRA Privacy Regulatory Authority Enforcement of privacy legislation Data Inspectorate Other Authorities represents authorities that provide information that could be relevant for the control of the vehicles and the automatic selection of possible candidates for control. Typical examples on actors are Customs and Police who could store and provide information that could be used as selection criteria. The Transportation Infrastructure Operator is responsible for the daily operation of the equipment related to the infrastructure. The equipment includes the sensors, communication network, Roadside ITS stations and traffic signs and signal used for both the collection of information of the vehicles and eventually its cargo and for the provision of the traffic control information given to the drivers of the vehicle. The only actor in the NonStop concept will be NPRA being responsible for the operation of the roadside equipment and the communication facilities needed for the NonStop concept to function as planned. The On-Board Manager will in the NonStop concept be the Driver of the vehicle subject to control. The responsibilities of the driver will be to control the vehicle, follow the traffic guidance of the 3

79 Transport Means Inspection Manager and provide the requested information related to the vehicle, permissions, cargo etc. to the Transport Means Inspection Operator. Actors will be any person, either Norwegian or foreign, driving a truck or vehicle that would be in the category Heavy Goods Vehicle (HGV). Functional architecture Methodology The functional architecture is described by use case diagrams for the four main components in the NonStop system and to a large extend based on [Natvig, 2012]. The main components are based on the European standard for Intelligent Transport Systems and their communications architecture [ETSI, 2010]. The NonStop system comprises 4 different ITS stations that are described in the Physical architecture (page 7): The Roadside ITS station, the Vehicle ITS station, the Central ITS station and the Personal ITS station (used by the Transport Means Inspection Operators). Each of the ITS stations has their station specific NonStop application. Altogether the complementary ITS station applications constitute the NonStop application. Use cases (main functions) are shown inside the ITS station boundary, e.g. as seen in Figure 4 below. Actors outside the ITS station boundary are either persons, organisations, data bases, other components or systems or any object associated to the ITS station. The functional requirements for the NonStop concept have been collected through user surveys, interviews, focus groups and literature reviews. NonStop Central ITS station The NonStop Central ITS station functionality is described by the three use cases Configure Decision Support Strategies, Manage Transport Means Inspections and Select control candidates as shown in Figure 4. Figure 3 The Central ITS station use case diagram 4

80 The Transport Means Inspection Manager (sub-role of the Transport Regulator role) is the major operator role in this diagram. In the NonStop concept the role will be fulfilled by NPRA who will also be responsible for most of the sub-roles defined in Table 1: Transport regulator sub-roles and responsibilities. The NPRA will configure the system to reflect the control strategies of NPRA and how the system shall support the Transport Means Inspection Operators (the NPRA controllers) by automatically selecting the control candidates (Configure Decision Support Strategies). Further, the NPRA will give instructions via the Central ITS station on how the NPRA controllers shall carry through the transport means inspections and it will receive control reports back from the NPRA controllers via the same interface (Manage Transport means Inspections). The interface between the NonStop system and the Foreign Transport Controllers will be realised via the same use case. Vehicle and driver information as well as other relevant information will be collected from foreign Transport Regulators, e.g. managers of foreign national vehicle registers, and reports and statistics will be returned. The core use case is the Select control candidates. Based on instructions from the use case Manage Transport Means Inspections and information collected from the vehicle register, driver licence register, other registers, information collected by the Roadside ITS station, customs and police the use case Select control candidates provides a list of control candidates that are forwarded to the Personal ITS station held and operated by the Transport Means Inspection Operators, in this case the NPRA controllers. NonStop Roadside ITS station The NonStop Roadside ITS station functionality is described by the three use cases Operate and monitor the Roadside ITS station, Collect vehicle, driver and cargo information and Inform driver as shown in Figure 5. Figure 4 Roadside ITS station use cases The Transportation Infrastructure Operator is responsible for the installation and operation of the equipment related to the infrastructure, i.e. the road. This implies that he is also responsible for the daily operation and monitoring of the Roadside ITS station and the sensors, traffic signs and signals that are connected to the Roadside ITS station, i.e. the use case Operate and monitor the Roadside ITS station. 5

81 The core use case is the Collect vehicle, driver and cargo information. The use case collects information both from the sensors, e.g. weigh-in-motion sensors and automatic license plate reader equipment, and from the vehicle itself via the Vehicle ITS station (future implementations). The collected information is forwarded to the Central ITS station and the use case Select control candidates. The use case Inform driver includes the functionality required for informing the driver of the vehicle subject to control. The information message may be sent either by the Central ITS station or the Personal ITS station and may be given to the driver via variable message signs (VMS) or via the Vehicle ITS station (future implementations). The message may include instructions to the driver to enter the vehicle control area. The message could be given to individual drivers or to a platoon of vehicles within a certain period in those cases where individual messaging is not feasible. A Roadside ITS station may only include the Inform Driver and Operate and monitor the Roadside ITS station use cases in those cases where there is one Roadside ITS station for collecting information and one or more Roadside ITS stations for instructing the driver to enter the control area by traffic sign, signals and/or individual messages. Vehicle ITS station The Vehicle ITS station functionality (future implementations) is described by the two use cases Collect vehicle, driver and cargo information and Inform driver shown in Figure 6. The Collect vehicle, driver and cargo information use case has associations with vehicle sensors and Electronic Control Units (ECUs) in the vehicle, On-Goods Equipment on the cargo and eventually driver information stored on a media connected to the Vehicles ITS station, e.g. a driver ID smartcard inserted in the Vehicle ITS station. The connection to the internal network of the vehicle enable the NonStop application in the vehicle ITS station to request crucial information from the vehicle itself, e.g. the load for each of the axles. It may also collect information on the cargo as future developments and implementations related to intelligent goods will enable the NonStop application to gather information on the goods carried by the vehicle, e.g. type and weight. The collected information is sent to the use case Select Control candidates in the Central ITS station via the Roadside ITS station. The use case Inform driver enables the Roadside ITS station and the Personal ITS station to inform and eventually instruct the driver via the MMI interface of the Vehicle ITS station. Figure 5 Vehicle ITS station use cases 6

82 Personal ITS station The Personal ITS station functionality is described by the use cases Configure Inspection Strategy and Perform Transport Means inspection. The Configure Inspection Support Strategies enables the Transport Means Inspection Operator to configure the NonStop application for specific purposes, e.g. specific types of vehicle control. By this the use case will filter out all selected control candidates (coming from the Central ITS station) that are not relevant for the specific control. The use case could also enable the Transport Means Inspection Operator to personalise the MMI interface to the Personal ITS station. The core use case is the Perform Transport Means inspection. In [Natvig, M. 2012] the use case has been further detailed to the sub use cases Acquire Vehicle info, Perform inspection of Vehicle, Perform control of driver, Perform inspection of cargo and Assess Control Results and act accordingly. Figure 6 Personal ITS station use cases The use case Perform Transport Means inspection supports the Transport Means Inspection Operator (NPRA controller) in collecting and analysing the information collected from the driver, vehicle and cargo documents and data as well as the visual inspection and technical tests. The inspection is based on the selection results from the use case Select Control Candidates managed by the Central ITS station and the inspection strategy configured by the Transport Means Inspection Operator. The use case also supports the Transport Means Inspection Operator in sending messages/instructions to control candidates who are on their way towards the vehicle control area. The messages/instructions are supposed to be sent to the Roadside ITS station, see Figure 5. The results of the inspection are sent back from the Personal ITS station to the Central ITS station, e.g. control results and notifications on violations of rules and regulations. NonStop ITS station architecture Methodology The NonStop ITS station architecture is based on the reference model developed by the European Telecommunication Standardisation Institute [ETSI, 2010]. The reference model for Information and Communication Technology (ICT) systems in Intelligent Transport Systems is build on 4 sub-systems as shown in Figure 8. Each sub-system is build on the same internal architecture and consists of an 7

83 ITS station that hosts the ITS application(s), communication devices (e.g. routers), gateways to peripheral equipment and the peripheral equipment, e.g. roadside sensors, vehicle sensors and traffic signs and signals. The internal communication in a sub-system is not defined in the standards but the communication between the ITS stations in different sub-systems has been defined in [ETSI, 210] and other ETSI standards not referenced here. Figure 7 The ITS/ICT reference model The NonStop ITS station architecture The NonStop ITS station architecture is shown in Figure 9. The Personal ITS station is a weatherproof and handheld pad with the NonStop application installed. The pad is operated by the Transport Means Inspection Operator, i.e. in the NonStop case the NPRA controller. The pad communicates with the Central ITS station via a wireless interface when it is operated and a wired interface when charging and installation/update of software and basic data for the NonStop application. The pad could also communicate with the Roadside ITS station, e.g. sending messages to drivers of vehicles subject to inspection. Figure 8 The NonStop ITS station architecture 8

84 The Vehicle ITS station is not included in the NonStop architecture in the early implementations but will be included as soon as the Vehicle ITS station has become available for most heavy goods vehicles. The Vehicle ITS station communicates via wireless connections with the Personal and Roadside ITS station. The Central ITS station is implemented, operated and maintained by the Transport Means Inspection Authority, i.e. the NPRA Road user and Vehicle Department and the Transport Means Inspection Manager. The Transport Means Inspection Authority is also responsible for the development and maintenance of the NonStop ITS application that is implemented in all four ITS stations. The Roadside ITS station is the equipment installed, maintained and operated by the Transportation Infrastructure Operator, i.e. in this case the NPRA. The Roadside ITS station is connected to the sensors that are used for collecting information about the vehicles subject to control and it is also connected to traffic signs and signals used for instructing the drivers. References Natvig, M., Westerheim, H. Moseng, T.K., Vennesland. A. (2009) ARKTRANS The Multimodal ITS framework architecture. Version 6. SINTEF report A Moseng, T.K. (21012) META Automated Vehicle Control Natvig, M., (2012) NonStop Overall heavy vehicle control specification (Project memo SINTEF) ETSI (European Telecommunications Standardisation Institute) (2010) EN ITS Communications Architecture 9

85 Vedlegg B: NonStop: Automatic selection of vehicles for inspection PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 74 av 85

86 NonStop: Automatic selection of vehicles for inspection Terje Moen 1, Lone-Eirin Lervåg 1 and Erlend Aakre 1 1. SINTEF Technology and Society, Department of Transport Research * PB 4760 Sluppen, 7465 Trondheim, Norway, Phone terje.moen@sintef.no Abstract The Norwegian Public Roads Administration (NPRA) will in cooperation with SINTEF develop, demonstrate and evaluate a system for automatic and targeted selection of heavy vehicles for inspection, based on cooperative ITS and information from multiple data records. ITS deployment will make it possible to establish new services that allow for more efficient and cost-effective vehicle controls. The system will be evaluated with regards to impacts on transport industry, road authorities and society. Successful deployment of the system will result in a more sustainable transport system, in terms of increased efficiency of transport, more equitable conditions of competition for transport industry, more efficient use of enforcement authorities and socio-economic benefit such as improved traffic safety and reduced pavement deterioration and environmental impacts. Keywords: Automated HGV control system, public sector innovation Introduction The Public Norwegian Road Administration (NPRA) is responsible for control of heavy vehicles with the aim to identify factors that affect traffic safety and the competitive situation in the transport industry. This includes e.g. driving with excess weight, failure to comply with the regulations relating to driving and rest time or driving with vehicles or equipment that is not in proper condition. Today, the inspections are considered to be too few and not sufficiently efficient. The control situation is based on manually operated control stations and the chances of being selected for 1

87 inspection are small. ITS deployment will make it possible to establish new services that allow for more efficient and cost-effective vehicle controls through a targeted selection of vehicles for inspection, letting compliant companies, drivers and vehicles bypass the vehicle control station. A research project developed in cooperation between NPRA and SINTEF, and financed by The Norwegian Research Council, will develop, demonstrate and evaluate a system for automatic selection of vehicles for inspection based on cooperative ITS and information from multiple data sources. Brief description of the NonStop system The research project will specify and develop a system ("NonStop") for stratified selection of HGV control candidates, and it will be designed in such a way that the selection is done without the vehicles having to stop. NonStop consists of a decision support system and associated management system. These systems communicate with existing road side and vehicle systems, as well as records of vehicle related data (e.g. Vehicle Register Database). See figure 1. The system will also include a record of data from previous inspections. Driver Vehicle system NonStop System for stratified selection of vehicles for inspection Decision support system Records of vehicle related data Road side system/ VMS Management system Inspector Operator Figure 1: the NonStop system overview The system will include solutions for automatic number plate recognition (ANPR) and sensors that measure physical attributes of the vehicles such as weight, height, length and brake conditions, as well as links to data records of legal obligations and misdemeanours, lack of mandatory periodic controls, insurance etc. For Norwegian authorities this represents a high degree of innovation. 2

88 Site selection and Technology The test-sites The NonStop project plans to establish two test-sites in Norway. The primary test-site is located at Sandmoen, by E6, 10 km south of the city of Trondheim. Here the NPRA already have a test-site including ANPR and Weigh-In-Motion technology (WIM). In addition, the project plan to establish a second test-site located at the NPRA Region South area. Specific location will be decided later on in the project. The reason for adding a second test-site is to verify the setup from Trondheim, by doing a clean install at a second site. The personnel at the Sandmoen control station is used to work with this type of technology. On the second site, personnel who are not that accommodated to such systems will be used. This way the project will verify how easy the system is to establish and operate. Databases and the Norwegian Data Protection Authority Establishing the NonStop decision support system requires access to several databases. This includes a database for historical data, which must be created. Important databases are: 1. AutoSys: Vehicle database including key data such as vehicle class, length, weight etc. 2. VaDis: Vehicle and Driver Inspection System database In addition to these databases, the project will establish databases containing historical data: 1. Sensor statistics from the WIM and ANPR sensors 2. Control statistics from vehicles which has been inspected by the NonStop system A key challenge within the NonStop project, is to keep records of historical data from all vehicles, including vehicles which where found to be ok in the latest controls. In Norway, the Data Protection Authority is very restrictive to allow such types of databases due to protection of personal privacy. Control activities based on automatic number plate recognition and data of previous legal obligations or misdemeanours are tested in an international context [1]. However, these solutions can not be automatically transferred to Norway because of conflicts with privacy legislations, in addition to the control activities taking place in a way that is less suitable for these solutions (less use of following vehicles). 3

89 Sensor interfacing On-goods / In-vehicle equipment National Authorities EU Customs Police Roadside equipment ANPR Control system Driving registry EU Driving registry Sensors Cameras Decision support system History Control support system EU History Sensor statistics Control statistics Figure 1: The NonStop decision support system interfaces [2] Road side system The Sandmoen test-site consist of two parts: The fixed weigh station at Sandmoen control station, and a test-site for traffic data collection 2 kilometres south of the weigh station. This enables pre-selection, at mainline speed, for enforcement. There is one lane in each direction of travel, and the speed limit is 70 km/h. According to NPRA, the Annual Average Daily Traffic (AADT) is approximately vehicles / day, with a heavy vehicle share of 14 %. The Norwegian Vehicle Register Database contains information on, among other factors, maximum weights (total weight and axle loads), vehicle class, character of driving (commercial / private), engine power and vehicle credentials status. An ANPR-system at the pre-selection site can provide entries in the Vehicle Register Database, in order to establish bypass criteria for heavy vehicles. Verification of bypass criteria will be done by using sensors as described below. 4

90 Currently, two systems for Weigh-in-Motion (WIM) are installed at the pilot test-site Sandmoen, VIPERWIM (Applied Traffics Ltd) and Datarec 410 (AADI). Both utilize piezo electric sensors. A previous study at the test-site has determined that VIPERWIM has the best accuracy among the two, with 95 % of the heavy vehicles being weighed within an error of ±25 % [3]. This is not adequate for pre-selection purposes [4]. In comparison, VOSA report that the High Speed WIM system Hi-Trac 100 with RoadtraxBL piezo electric sensors achieve an accuracy of ±10 % [5]. High Speed WIM systems typically operate at speeds of up to 200 km/h. Vehicle dimensions will be measured at the pre-selection site using 3D-laser technology, mounted on an overhead portal. Previous studies have shown that high accuracy can be achieved with laser based traffic monitoring devices [6]. Hot spots, such as brakes, engine parts or exhaust system, can be detected with an infrared camera, mounted at the preselection site portal. A possible solution is illustrated by the pilot installation of a Hot Spot Detector installed at the St. Gotthard Tunnel in 2010 [7]. Figure 2: The WIM and ANPR sensors at the Sandmoen test-site 5

91 Vehicle system The major truck producers in Europe give third-parties access to vehicle data through the Fleet Management System Standard [7]. The FMS system collects data from on board sensors. Some of the most relevant data types include axle weights, driver identification, vehicle identification, tachograph data, vehicle speed and engine coolant temperature. Through secure wireless communication, FMS data can be used for pre-selection of vehicles to be controlled at the fixed weigh station. Drivers and transport agencies will be able to voluntarily register for a specific part of the NonStop system. Registered participants will be invited to test an On-Board-Unit (OBU) for installation within the vehicle. This OBU will be connected to the FMS system. The OBU will transfer FMS-data to a Road-Side-Unit (RSU) by means of wireless technology. This willingness to share data will give additional benefit for the users, including: Mainline speed credentials checks Mainline speed control of tachograph data More accurate weight data, thereby reducing the chances of stopping compliant drivers Research and development challenges The main research challenge in this project is to evaluate the impacts of utilising a targeted system for selecting vehicles for inspection. The project focuses on the effects of the transport industry, the road authorities and the society, and important research questions include: 1. How can the system be established in order to provide optimum efficiency gains for road authorities and the transport industry? How can the technology be integrated for optimal adaption to Norwegian conditions? How can sensor data and records be compiled in order to achieve the highest hit rate of vehicles not complying with legal obligations? How can the decision support system be expanded with information that is currently considered to be in conflict with privacy legislation? 2. What are the impacts of utilising a targeted system for selecting vehicles for inspection? Is the system technically adequate in relation to robustness and maturity of the deployment? What effects have the system on transport industry, road authorities and society? Is the system accepted by the users (transport agency, inspector and driver)? 6

92 Large-scale deployment of the system will depend on the results from the evaluation study. Expected outcome Utilisation of the NonStop system will result in a more sustainable transport system, through achievement of the following objectives: 1. NonStop will contribute to increased efficiency of transport, through the reduction of the number of unnecessary stops in controls and greater predictability with respect to the control situation. 2. NonStop will contribute to more equitable conditions of competition for transport, through the increased likelihood of detecting vehicles and companies who fail to comply with applicable laws and regulations. 3. NonStop will contribute to more efficient use of enforcement authorities, by ensuring a more targeted selection of vehicles for inspection. 4. NonStop will remove overloaded trucks and this way contribute to reduce road damages including pavement deterioration. 5. NonStop will contribute to socio-economic benefits with regards to improved traffic safety, reduced environmental impacts, reduced unnecessary land use and more knowledge of the current transport situation (increased traffic data collection). Acknowledgements The Research Council of Norway (the SMARTRANS programme) and the Norwegian Public Roads Administration References 1. VOSA (Vehicle & Operator Services Agency, 2006). Effectiveness Report 2005/2006. Department for Transport, United Kingdom 2. More Efficient Transport with ARKTRANS (META). Research project partly financed by the Research Council of Norway within the SMARTRANS programme ( ). SINTEF, Trondheim, NORWAY 3. Aakre, E. (2011). Evaluation of a vehicle classification system. Norwegian text with English summary. Project assignment, NTNU (Norwegian University for Science and Technology), Trondheim, Norway 7

93 4. ASTM E , (2009). Standard Specification for Highway Weigh-in-Motion (WIM) Systems with User Requirements and Test Methods, ASTM International, Jones M. (2008) Targeted Roadside Enforcement using WIM and ANPR. Paper for the International Conference on Heavy Vehicles Paris VOSA, Bristol, United Kingdom. 6. Monsi, M. S. H. (2009). Laser Radar for Precise Vehicle Velocity Measurement. Doctoral Thesis at the University of Kassel 2009, Germany 7. Fischer, L Durrer, C, Hoffmann, U, (2011). Thermo Portal at the Gotthard Road Tunnel, In Proceedings SENSOR+TEST Conferences 2011, Nürnberg, Germany 8. FMS Standard. FMS-Standard interface description according SAE J1939. Issue FMS-Standard Working Group

94

95 Vedlegg C: Kartlegging av muligheter med ulike sensorer og datakilder PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 75 av 85

96 SINTEF Teknologi og samfunn Postadresse: Notat Kartlegging av muligheter med ulike sensorer og datakilder / registre SAKSBEHANDLER / FORFATTER Erlend Hoksrud Aakre Sentralbord: Telefaks: ts@sintef.no Foretaksregister: NO MVA BEHANDLING UTTALELSE ORIENTERING ETTER AVTALE GÅR TIL Erlend Hoksrud Aakre PROSJEKTNR / SAK NR 60R14101 DATO GRADERING Åpen Dette notatet inneholder prosjektinformasjon og foreløpige resultater som underlag for endelig prosjektrapport. SINTEF hefter ikke for innholdet, og tar forbehold mot gjengivelse. 1 av 71

97 Contents 1 Innledning Hva kontrolleres ved Statens vegvesens kontrollstasjoner Hvordan kan teknologi benyttes til å effektivisere kontroller? Statistics Collection and Planning Informed placement Preselection Intervention Direct Enforcement Bruk av sensorer og registre for å effektivisere tungbilkontroller Lover og regler Vegkantutstyr for effektivisering av kontrollvirksomhet Identifisering av sjåfør og kjøretøy Vekt Dimensjoner Bremser og hjul Avgasser Fart og kjøre-/hviletid Sensorer om bord i kjøretøyet Dimensjoner, vekt og tekniske krav Fart og kjøre-/hviletid Andre kilder om On board weighing Registerdata og organisasjoner Autosys VaDIS VegSak DIFAS ERRU EUCARIS TACHOnet RESPER ECR CORTE CITA PRISM (USA) Eksempler på bruk av teknologi ved kontroll av tunge kjøretøy Teknologi innen kjøretøykontroll i Europa Teknologi innen kjøretøykontroll i USA Statens vegvesens teststrekning for trafikkdata på E6 Klett WIM-systemer som er installert på teststrekningen for trafikkdata på Klett: Andre sensorer på Klett Kommunikasjon PROSJEKTNR / SAK NR 60R av 71

98 7.1 Teknologier for kommunikasjon Short range og Ad-Hoc Cellular Digital Broadcast Eksempler på kommunikasjonsløsninger GOOD ROUTE OpenOBU Q-FREE Security and Privacy in Smartphone Based Intelligent Transportation Systems Volvo Dynafleet Forslag til NonStop-system basert på arbeid med A Bibliografi Vedlegg Tungtransportkontroll Kjøre- og hviletid veg Vektkontroll Sjåførkort Bedriftskort Kontrollkort Verkstedkort Datatyper i kjøretøyregisteret TACHOnet: Aktører og bruksområder Data fra VIPERWIM: Data fra Datarec 410: PROSJEKTNR / SAK NR 60R av 71

99 1 Innledning NonStop skal være et system for effektivisering av kontroll av tunge kjøretøy. Dagens utvelgelse av kjøretøy til kontroll (på kontrollstasjon) består av to deler: Den første delen er preget av tilfeldigheter. Kapasiteten på kontrollstasjonen (både fysisk plass og antall tilgjengelige kontrollører) avgjør når skiltet for tungtransportkontroll skrus av og på. Når skiltet er på, må alle tunge kjøretøy svinge av til kontroll. Når skiltet er av, kan alle tunge kjøretøy passere uhindret. Dette er en lite målrettet utvelgelse. Når kjøretøyene først har svingt av hovedvegen, og befinner seg inne på kontrollområdet, er det kontrollørenes erfaring og teft som i stor grad avgjør hvilke kjøretøy som skal kontrolleres (og hvor nøye). I denne fasen er utvelgelsen av kjøretøy mer målrettet. Utfordringen i NonStop er å utvikle hele utvelgelsesprosessen, slik at den blir mer gjennomgående målrettet. Det optimale er å stoppe alle kjøretøy, sjåfører og bedrifter som bryter lover og regler, mens alle andre får kjøre uhindret forbi. For å oppnå en mer målrettet kontrollvirksomhet må man allerede før kjøretøyet ankommer kontrollstasjonen ha informasjon om mulige overtredelser. Det er behov for å koble informasjon fra flere ulike kilder. På et overordnet nivå kan man dele inn informasjonskildene i følgende grupper: Tabell 1 Inndeling av ulike informasjonskilder Kilde Anvendelse Beskrivelse Sensordata Identifisering Identifisering av fører og kjøretøy er grunnlaget for å kunne gjøre oppslag i et register. Måling Sensorer kan benyttes for å måle kjøretøyenes vekt, dimensjoner, temperatur, hastighet og utslipp. I tillegg kan sjåførenes kjøre- /hviletid registreres. Registerdata Historikk Historiske registre kan inneholde data fra tidligere kontroller, men også sensordata. Tillatelser Med tillatelser menes i denne sammenheng all informasjon som beskriver sjåførens, kjøretøyets og bedriftens tillatelser, rettigheter og begrensninger. Eksempler kan være maksimale vekter og størrelser, krav til og innehav av dokumenter og kompetanse. Dette er med andre ord sammenlikningsgrunnlaget for de målte sensordata. Statens vegvesen lagrer kjøretøy-, sjåfør- og trafikkdata i en rekke registre. I tillegg finnes en del europeiske registre. Registrene omfatter data om blant annet kjøretøy, førerkort, fartsskriverkort, dispensasjoner og kontrollhistorikk. Ifølge en europeisk studie, er sjåførenes og transportselskapenes vilje til investering avhengig av at nytten/fordelene er direkte og umiddelbare (TNO, TRL & SISTRON, 2011). Dette kan sies å være tilfelle for NonStop, i og med at man ikke er avhengig av høy penetrasjon i markedet for at den enkelte transportør skal høste fordeler av å delta. En målsetting for kontrollvirksomheten bør være at det skal lønne seg å være lovlydig. Dersom fordelene ved å opptre lovlydig er store, vil det også kunne oppfattes som en fordel å "få lov til" å gi fra seg informasjon som bekrefter at både kjøretøy og sjåfør er i henhold til regelverket. Fordelene ved å være lovlydig kan innebære: PROSJEKTNR / SAK NR 60R av 71

100 - Muligheten til å passere uhindret forbi kontrollstasjoner - Avgiftsmessige fordeler - Forsikringsmessige fordeler En kan også tenke seg at NonStop-systemet kan fungere som en sertifisering og kvalitetsmerking, og at transportører dermed kan markedsføre seg som seriøse og lovlydige aktører gjennom deltakelse/medlemskap. Tilsvarende eksempler fra andre områder er sertifiseringer som Svanemerket, Fairtrade, Økologisk, Grønt Flagg og Miljøgodkjent arrangement. Figur 1 Oversikt over beslutningsstøttesystem (utarbeidet av META-prosjektet) Figur 1 viser sammenhengen mellom de ulike delene som kan inngå eller medvirke i et NonStopbeslutningsstøttesystem. Flere av disse delene behandles i mer detalj i denne rapporten. PROSJEKTNR / SAK NR 60R av 71

101 2 Hva kontrolleres ved Statens vegvesens kontrollstasjoner For at kontrollvirksomheten skal kunne effektiviseres, og bli mer målrettet, er det nødvendig å ta utgangspunkt i dagens situasjon og de kontrolltypene som finnes. Dokumentet Kontrollveiledning utekontroll (Statens vegvesen, 2011) beskriver alle deler av en utekontroll. En oversikt over ulike tema som ønskes dekket er vist i Tabell 2. Tabell 2 Oversikt over kontrolltema i Statens vegvesens kontroller Tema Innhold Tidsforbruk Tungtransportkontroll Dokumentkontroll og i tillegg minst ett av temaene: ADR, Gjennomsnittlig tidsforbruk inkludert alt for- og etterarbeid: teknisk, sikring av last, 15 min. pr. kontroll. avgifter/diesel eller 25 pr. dagsverk. bruksforskriften foretatt på et 5000 pr. årsverk. kjøretøy med tillatt totalvekt over 3500 kg. Kjøre- og hviletid veg Førerkort, vognkort og det antall diagramskiver som er nødvendig for å kontrollere en døgnhvile, regnes som en kontroll. Kan ikke angi konkret tidsforbruk i forbindelse med kontroll av kjøre- og hviletid langs veg, grunnet innføring av VaDIS. Vektkontroll Lette kjøretøy Bilbeltekontroll En vektkontroll defineres som et kjøretøy veid på vekt eller stoppet og vurdert m.h.t. last, samt dokumentkontroll. En kontroll skal inneholde: Dokumentkontroll og teknisk kontroll og/eller bruksmessig forhold av et kjøretøy med totalvekt 3500 kg eller lavere En kontroll defineres som en kontroll av både fører og eventuelt passasjerer i ethvert kjøretøy som omfattes av forskrift om bruk av personlig verneutstyr under kjøring med motorvogn. Gjennomsnittlig tidsforbruk inkludert alt for- og etterarbeid: 8 min. pr. kontroll. 45 pr. dagsverk pr. årsverk Gjennomsnittlig tidsforbruk inkludert alt for- og etterarbeid: 8 min. pr. kontroll. 45 pr. dagsverk pr. årsverk. Gjennomsnittlig tidsforbruk inkludert alt for- og etterarbeid: 3 min. pr. kontroll I NONSTOP-prosjektet er kontroll av tunge kjøretøy hovedfokus. Alle tema i Tabell 2, bortsett fra Lette kjøretøy er aktuelle i forbindelse med kontrollvirksomhet av tunge kjøretøy. PROSJEKTNR / SAK NR 60R av 71

102 3 Hvordan kan teknologi benyttes til å effektivisere kontroller? Federal Highway Administration har satt opp en oversikt over ulike teknologier, informasjonskilder og aktiviteter knyttet til effektiv kontroll av kjøretøy. (Cambridge Systematics, INC., 2009). Effektiv er i denne sammenheng både knyttet til det å få gjennomført mange kontroller, samtidig som kontrollene skal være målrettet og gi ønsket virkning. Figur 2 viser status per Figur 2 Teknologier, informasjonskilder og aktiviteter knyttet til effektiv kontroll (Cambridge Systematics, INC., 2009) De ulike nivåene i denne oversikten er nærmere beskrevet i Figur 3 og de etterfølgende underkapitler. PROSJEKTNR / SAK NR 60R av 71

103 Statistics Collection and Planning Innhente data for langsiktig planlegging av kontroller Informed Placement Innsamling av data for målrettet kartlegging av behov for kontrollvirksomhet Preselection Innsamling av data før kontrollstasjon for å identifisere overtredere Intervention Innsamling av data for å overvåke, og eventuelt følge opp, transportselskaper Direct enforcement Automatiske kontroller, med håndheving utelukkende på bakgrunn av sensordata Figur 3 Bruksområder for trafikkdata i kontrollsammenheng 3.1 Statistics Collection and Planning Dette er traffic monitoring for å fremskaffe relevant trafikkdata. Utviklingen av årsdøgntrafikk, andel tunge kjøretøy og fordelingen av totalvekter og aksellaster blant tunge kjøretøy kan være indikatorer på behovet for kjøretøykontroller på lang sikt. 3.2 Informed placement Ulikt utstyr for innsamling av trafikkdata kan installeres på strategiske veglenker, for å kartlegge behovet for kontrollvirksomhet. Kontroller kan planlegges ut fra hvor og når sensorer tilsier at overtredelsene skjer. 3.3 Preselection Forhåndsutvelgelse av kjøretøy kan føre til en vesentlig mer målrettet kontrollvirksomhet. Målet er å stoppe kjøretøy som ikke overholder gjeldende regler, mens lovlydige sjåfører kan kjøre uhindret videre. Det finnes ulike metoder, nivåer og tidspunkt for forhåndsutvelgelse. Utvelgelsen kan baseres på sensordata (for eksempel vekt, lengde, høyde, bredde, bremser) og / eller på transportselskapets historikk. Mobile screening Mobile screening innebærer gjerne et Weigh In Motion-system (sensorer og en roadside processor), der real-time data fra vektregistreringer overføres til kontrollørens laptop. Det kreves derfor trådløs PROSJEKTNR / SAK NR 60R av 71

104 kommunikasjon via Wi-Fi eller et annet short-range kommunikasjon, med en sender ved WIMlokasjonen og en mottaker hos kontrollmannskapet. Kontrollmannskapet overvåker trafikken, og varsler kolleger nedstrøms om kjøretøy med mulige overtredelser. Kjøretøyene kan da kalles inn til kontroll, for eksempel på mobile statiske vekter. Det oppgis at meget begrensede kostnader er påkrevd for å oppgradere et WIM-system til et system for mobile screening. Virtual Weigh Stations En Virtual Weigh Station er en avansert form for mobile screening. Behovet for manuell overvåkning elimineres ved innføring av kamerasystem og høyhastighetskommunikasjon. Systemet kan dermed overvåkes uten at mannskap er fysisk til stede ved WIM-lokasjonen. WIM-systemet kan samle vektdata og overføre dette til en datamaskin ved vegkanten. Denne kan utløse kamera, og ta videobilder av kjøretøy med mulige overtredelser. Software benyttes til å sammenkoble bilder og vektdata. Trådløst (mobil)nettverk overfører filer til FTP eller web-server. Informasjonen kan dermed vises på en datamaskin på kontrollstasjonen. I tillegg til WIM kan det installeres sensorer som måler bredde, lengde og høyde på kjøretøy og akselavstander. Ved å legge til ANPR (nummerskiltlesing) kan kjøretøyet identifiseres, og en On Board Unit kan benyttes til å identifisere fører. Det kan dermed gjøres oppslag i registre, for å kontrollere at alle formelle tillatelser er i orden. En Virtual Weigh Station er velegnet til å dekke omkjøringsruter. Reaksjonsformen ved indikasjoner på overtredelser kan variere fra utrykning og bøtelegging til oppfølging av transportselskap. Screening før en kontrollstasjon Screening før en kontrollstasjon innebærer en utvelgelsesprosess, der det skal skilles mellom førere/kjøretøy som opererer innenfor eller utenfor regelverket. Dette kan gjøres på to nivåer: Fixed Site Based Mainline Screening innebærer gjerne High-speed WIM og nummerskiltlesing. Systemet kan utvides ved å utstyre kjøretøy med transpondere, som i NORPASS, PrePass eller Green Light. Highspeed WIM innebærer at kjøretøy blir veid av et WIM-system mens de kjører i normal hastighet på hovedvegen. Samtidig blir nummerskiltet lest automatisk, for oppslag i ulike registre. Transpondere (eller brikker) kan fungere som en form for egenerklæring om at alle regler er overholdt. Dersom sensorer eller registre tilsier at det er grunn til mistanke om brudd på regler, kan sjåføren få beskjed om å svinge av vegen for kontroll. Ramp Sorting innebærer bruk av Low-speed WIM. Veiing av kjøretøy i høy hastighet medfører relativt stor grad av usikkerhet (de beste systemene har en nøyaktighet på om lag ±5 %). Derfor kan kjøretøy som har vekt i nærheten av vektgrensene bli vist inn på en rampe for veiing av kjøretøy i lav fart, med høyere nøyaktighet. Dersom vekten er innenfor grenseverdiene kan sjåføren få tillatelse til å kjøre videre, uten å stoppe. Ved grunn til mistanke om vektovertredelse kalles sjåføren inn til vektkontroll på statisk vekt. Dette prinsippet kan også benyttes til måling av andre parametere enn vekt. Ved en slik sortering med ulike nivåer, kan kjøretøy som åpenbart er innenfor grensene kjøre helt uhindret forbi kontrollstasjonen. De som har vekt oppunder grensen behøver kun å redusere farten, for å gjennomføre en lavhastighetsmåling. Kjøretøy med vektovertredelse må foreta full stopp og grundigere kontroll. Ved Statens vegvesens kontrollstasjon på E6 i Verdal benyttes Low-speed WIM (5 km/t) til direkte håndheving. PROSJEKTNR / SAK NR 60R av 71

105 3.4 Intervention Ved hjelp av sensordata og nummerskiltlesing kan transportselskaper som til stadighet begår overtredelser av gjeldende regler avsløres. Reaksjonsformen kan være å "svarteliste" selskapet (og dermed kalle deres kjøretøy inn til kontroll ofte) eller besøke selskapet for oppfølging, opplæring eller inspeksjon av rutiner. 3.5 Direct Enforcement Direkte håndheving av regler gjøres allerede i forbindelse med fartsovertredelser (Automatisk Trafikkontroll, ATK). Det samme kan gjøres på bakgrunn av sensor- og / eller registerdata om vekt, dimensjoner eller dokumenter og tillatelser. Direkte håndheving av vektregler ved hjelp av WIMsystemer vil antakeligvis kreve at Justervesenet godkjenner utstyret til dette formålet. PROSJEKTNR / SAK NR 60R av 71

106 4 Bruk av sensorer og registre for å effektivisere tungbilkontroller Informasjon om mulige overtredelser av regler kan komme fra ulike kilder. De viktigste er kontrollørens subjektive vurdering, sensordata og data fra lokale eller sentrale registre. Bruk av sensorer og registre til å effektivisere tungbilkontroller bør sees i sammenheng med de eksisterende kontrollformene. Disse er beskrevet i Kontrollveiledning Utekontroll (Statens vegvesen, 2011). Følgende kontrolltyper er de mest relevante for NonStop: Tungtransportkontroll o Dokumentkontroll o Kontroll av transport av farlig gods o Teknisk kontroll o Kontroll av lastsikring o Avgifter og oppslag i Autosys o Bruksforskriften Kjøre- og hviletid veg Vektkontroll Kontroll etter yrkestransportloven Mer utfyllende informasjon om hva som skal inngå i de ulike kontrolltypene er gitt i vedlegg. 4.1 Lover og regler Vekter og dimensjoner Maksimalt tillatte vekter og for ulike typer kjøretøy, tilhengere og veger begrenses av flere ulike faktorer. Blant disse faktorene er kjøretøytype, antall akslinger, akselavstander, akselkonfigurasjoner, type fjæring og vegens bruksklasse. I tillegg kan tillatt vekt begrenses av opplysninger oppført i vognkortet eller Autosys (kjøretøyregisteret). Dersom kjøretøy er i internasjonal trafikk gjelder andre regler. For nasjonal trafikk i Norge (uavhengig av sjåførens og kjøretøyets nasjonalitet) gjelder Vegliste 2012 Vedlegg 1 til forskrift om bruk av kjøretøy (Statens vegvesen, 2012). Veglisten består av blant annet følgende tabeller: Tabell 1: Tabell 2: Tabell 3a: Tabell 3b: Tillatt aksellast, boggilast og trippelboggilast for offentlig veg Tillatt totalvekt for enkeltkjøretøy på offentlig veg Tillatt aktuell totalvekt for vogntog på offentlig veg (for motorvogn + slepevogn) Tillatt aktuell totalvekt for vogntog på offentlig veg (for motorvogn + påhengsvogn) Maksimalt tillatte lengder er oppført i kapittel 4 i Vegliste 2012 "Tillatt kjøretøy- og vogntoglengde for offentlig veg". Maksimalt tillatte bredder er omtalt i kapittel 5 "Tillatt kjøretøybredde for offentlig veg". Tillatte vekter og dimensjoner for internasjonal trafikk reguleres av Forenklet oversikt over tillatte dimensjoner og vekter etter direktiv 96/53 (finnes også i Vegliste 2012). Tillatte vekter som er oppført i Autosys er ikke nødvendigvis sammenfallende med generelle tillatte vekter i Vegliste 2012 eller den forenklede oversikten. Tillatt vekt oppført i Autosys er den tekniske vekten kjøretøyet er godkjent for, men tillatte vekter på norske veger kan begrenses av andre forhold, som tidligere nevnt. PROSJEKTNR / SAK NR 60R av 71

107 For nasjonale transporter er det 112 ulike krav til vekt, avhengig av kjøretøyets karakteristika. Det er åpenbart at nøyaktige manuelle kontroller i henhold til vekttabellene vil være meget tidkrevende. Enkelte av inngangsparameterne er heller ikke oppført i register, og må derfor måles. Eksempel på dette kan være avstanden fra bakerste aksel på motorvogn til fremste aksel på tilhenger, kalt minsteavstand både i forskriften og i eksempelet under Eksempel på utfordring: Et vogntog bestående av en motorvogn med 3 akslinger og en slepvogn med 3 akslinger har tillatt totalvekt 26 tonn dersom minsteavstanden er under 3 meter, 47 tonn dersom minsteavstanden er mellom 3,00 og 3,69 meter, og 50 tonn dersom minsteavstanden er 3,70 meter eller mer. Avstanden mellom de to nevnte akslingene er med andre ord helt avgjørende for den tillatte vekten. Liknende eksempler kan finnes for en hvilken som helst kombinasjon av motorvogner, tilhengere, akselkombinasjoner, akselavstander og bruksklasser. I praksis kontrolleres ikke alle parametere i det detaljerte regelverket for hvert enkelt kjøretøy, men forenklede metoder benyttes i stedet. Det kan derfor være grunn til å spørre om et særnorsk reglement, som uansett ikke benyttes, er fornuftig eller nødvendig. Med et automatisk system for veiing av kjøretøy i fart registreres akselavstander med relativt god nøyaktighet, og det kan være mulig å gi gode indikasjoner på om det mest detaljerte regelverket er overholdt. Teststrekningen på Klett og kontrollstasjonen på Sandmoen ligger på en strekning som er inkludert i Veglisten over riksveger for modulvogntog med lengde inntil 25,25 meter og totalvekt inntil 60 tonn. Dette gjør det enda mer nødvendig å ha oversikt over hvilke kjøretøy som har slike tillatelser. Kjøre og hviletid Bestemmelser om arbeidstid, hvilepauser, nattarbeid og liknende for sjåfører finnes i Forskrift om arbeidstid for sjåfører og andre innenfor vegtransport (Samferdselsdepartementet, 2005). Arbeidsgiver har ansvar for å registrere arbeidstiden til de ansatte, og registrerte opplysninger skal oppbevares i minimum 2 år. Det finnes regler for alminnelig arbeidstid. Alminnelig arbeidstid skal være maksimalt 9 timer i løpet av 24 timer, og 40 timer (38 timer ved skift- eller nattarbeid) i løpet av 7 dager. Det finnes også utfyllende regler for økt arbeidstid i kortere perioder, i tillegg til overtid. Tilsvarende finnes krav til hvilepauser i løpet av arbeidsdagen, sammenhengende døgnhvil og ukehvil. 4.2 Vegkantutstyr for effektivisering av kontrollvirksomhet For å samle inn målbare data om kjøretøy, kan vegkantutstyr basert på flere ulike teknologier benyttes. I dette kapittelet er det tatt utgangspunkt i databehov (for eksempel vekt, dimensjoner...), og deretter redegjort for hvilke teknologier som kan benyttes. Det er tidligere utført analyser av hvordan ulike teknologiske hjelpemidler kan benyttes til å effektivisere kjøretøykontroller. Et eksempel er (Carson, 2008). Det skilles mellom følgende mål eller bruksområder: 1. Commercial Motor Vehicle Size Enforcement 2. Commercial Motor Vehicle Weight Enforcement 3. Weigh in motion system calibration 4. Oversize/Overweight Vehicle Permitting, Routing and Monitoring 5. Bridge Infrastructure Preservation Figur 4 viser en oversikt over bruksområdene til ulike teknologier eller informasjonskilder. PROSJEKTNR / SAK NR 60R av 71

108 Figur 4 Oversikt over systemer eller informasjonskilder for kjøretøykontroll Det å benytte kjøretøyenes egne sensorer er lite beskrevet i litteraturen om kontroll av tunge kjøretøy. Fleet Management System Standard ( er en overensstemmelse mellom de største lastebil- og bussprodusentene i Europa, der det er satt i stand en standardisert måte å gi tredjepart tilgang til kjøretøyets sensorer. Dette er en mulighet som kan gjøre NonStop-prosjektet unikt Identifisering av sjåfør og kjøretøy Det finnes i hovedprinsipp to ulike teknologier når det gjelder vegkantutstyr for identifisering av kjøretøy. Den ene, ANPR (automatisk nummerskiltlesing) kan ved hjelp av video og programvare registrere nummerskiltene til kjøretøyene som passerer. Den andre, trådløs kommunikasjon mot en brikke i kjøretøyet kan identifisere både kjøretøy og sjåfør. Statens vegvesen har allerede et system for ANPR, beskrevet i kapittel 6.2. Dette systemet tillater ikke lagring av data, og er således ikke egnet til bruk i NonStop i sin nåværende form. Det finnes flere andre systemer, med varierende pris, nøyaktighet, innkapslingsgrad, muligheter for samspill med andre systemer og så videre. Q-Free har implementert et system i Göteborg, som inkluderer systemer for lesing av nummerskilt forfra og bakfra, måling av kjøretøyets dimensjoner og i tillegg mulighet for trådløs kommunikasjon (DSRC) med en enhet ombord i kjøretøyet (OBU, On board unit). ANPR-kamera kan også programmeres til å gjenkjenne ADR-skilt (merking av kjøretøy med farlig gods), men dette krever som oftest kjøp av tilleggsprogramvare. Trådløs kommunikasjon med en enhet ombord i kjøretøyet kan skje gjennom DSRC. Dette er tilsvarende løsning som benyttes i bomstasjoner med Autopass. Dette vil kreve at brukere er utstyrt med en brikke, som for eksempel kommuniserer med kjøretøyets fartsskriver. Dette er derfor nærmere beskrevet i kapittel 4.3 Sensorer om bord i kjøretøyet. Høy grad av nøyaktighet ved identifisering av kjøretøy (og eventuelt sjåfør) er viktig. Identifiseringen legger grunnlaget for oppslag i alle registre som omtales senere i kapitlet. Dette gjelder for eksempel oppslag i Autosys, hvor vektårsavgift, begjæring om avskilting, bruksforbud på grunn av manglende periodisk kjøretøykontroll, ikke utbedrede mangler eller alvorlige feil kan kontrolleres. PROSJEKTNR / SAK NR 60R av 71

109 4.2.2 Vekt Weigh in motion (WIM) er prosessen ved å registrere et kjøretøys dynamiske vekt (i fart), for deretter å estimere den statiske vekten. Bruksområdene eller fordelene med bruk av WIM ved vektkontroller kan deles opp i 5 forskjellige deler: 1. Forhåndsutvelging av kjøretøy til vektkontroll 2. Effektiv bruk av ressurser 3. Preventive tiltak i møte med transportselskaper 4. Direkte håndheving av vektgrenser 5. Redusere mulighetene for å velge alternative ruter Vektgrenser for kjøretøy er hovedsakelig satt for å fremme trafikksikkerhet og å beskytte vegkonstruksjonen mot akselerert nedbrytning. Det finnes vektgrenser for kjøretøyets totalvekt, for akselgrupper og for enkeltakslinger. Håndheving av vektgrensene har tradisjonelt skjedd gjennom vektkontroller, der tunge kjøretøy blir dirigert inn til en vektstasjon. Det benyttes hovedsakelig statiske vekter, slik at kjøretøyet må stå i ro på vekten. På Sandmoen kontrollstasjon har vekten en lengde på 4 meter, og en bredde på 3 meter. Dette medfører at det vanligvis veies én akselgruppe av gangen. For de fleste tunge kjøretøy betyr dette 2 til 4 stopp på vekten. Kontrollørene kan veie 2-3 tunge kjøretøy per minutt. Køen kan bli opptil 200 meter lang, eller om lag 10 kjøretøy. Dette gir 3-5 minutter ventetid per kjøretøy ved god flyt. Stikkprøver utført ved besøk på kontrollstasjonen viser at ventetiden ofte er om lag 7 minutter. Det er ikke mulig å veie enkeltakslinger innenfor en akselgruppe. Per i dag er det ikke noe automatisk system for effektiv utvelgelse av hvilke kjøretøy som skal kontrolleres på Sandmoen kontrollstasjon. Et skilt før kontrollstasjonen, med beskjed om at alle tunge kjøretøy må inn til kontroll, blir manuelt slått av og på avhengig av kapasiteten på kontrollstasjonen. Når køen blir for lang, slås skiltet av. Det finnes et system for nummerskiltlesning og oppslag i registre, men sensordata tas ikke inn. Systemer for veiing av kjøretøy i fart (WIM) ble først utviklet på 1960-tallet (Bernard & van Loo, 2008). I begynnelsen var bruksområdet først og fremst datainnsamling for dimensjonering av veger og bruer. I perioden 1993 til 2002 ble det gjennomført en rekke europeiske WIM-relaterte forskningsprosjekter, der noen av de viktigste var: - COST 323 ( ) utviklet en europeisk standard for WIM-sensorer og systemer og en rekke rapporter om behov og bruksområder for WIM-systemer. - WAVE-prosjektet ( ) fullførte arbeidet som ble påbegynt av COST 323. Dette resulterte i nye algoritmer for MS-WIM (Multiple Sensor WIM) og B-WIM (Bridge WIM), og flere resultater om WIM-sensorenes holdbarhet og anvendelighet under kaldt klima. - Top-Trial ( ) fokuserte på utforming, bygging og testing av et MS-WIM-system - REMOVE-prosjektet fokuserte på samordning av bruk av WIM for håndheving av vektgrenser for tunge kjøretøy Tabell 3 viser krav til nøyaktighet for ulike WIM-klasser i anbefalingene fra COST 323-prosjektet. Tabell 3 COST 323, toleransegrenser ved WIM (COST 323, 2001) Kriterie Gyldighet Klasser: Konfidensintervall ± δ [%] A(5) B+(7) B(10) C(15) D+(20) D(25) E Totalvekt Totalvekt > 3.5 t >25 Akselgruppelast Aksellast > 1 t >28 PROSJEKTNR / SAK NR 60R av 71

110 Enkeltaksellast Aksellast > 1 t >30 Aksellast i Aksellast > 1 t >35 en gruppe Fart V > 30 km/t >10 Akselavstand >10 Trafikkvolum >5 De ulike klassene har forskjellige bruksområder. Hver klasse oppfyller selvsagt også kravene til bruksområdene nevnt i klassene med lavere rang. Klasse A(5) kan, dersom lovgivningen tillater det, brukes til å kontrollere vekt (i stedet for statisk vekt). Klasse B(7) er egnet til effektiv sortering før en vektstasjon. Klasse B(10) kan brukes til å gi relativt nøyaktig input til vegbyggingsformål, i tillegg til sortering før vektstasjoner. Klasse C(15) og D+(20) kan benyttes ved statistiske studier, lasthistogrammer med klassebredde på 1-2 tonn, klassifisering av kjøretøy, samt gi input til vegbyggingsformål. Klasse D(25) kan blant annet benyttes til økonomiske studier, klassifisering av kjøretøy i grupper med bredde 5 tonn. Klasse E kan være nyttig til å gi indikasjoner om trafikksammensetningen. Ifølge denne oversikten må WIM-systemet i NonStop minimum oppfylle krav til klasse B(10), helst høyere. Det er ikke tilstrekkelig at WIM-systemet gir presise resultater (i betydningen at gjentatte forsøk vil gi tilnærmet samme resultat). Målingene må også være nøyaktige (altså at en serie målinger er fordelt rundt den sanne vekten). For å oppnå dette må vegen ha en geometri og konstruksjon som er egnet for WIM, WIM-systemet må ta hensyn til dynamiske svingninger, samtidig som systemet blir kalibrert jevnlig. Kalibrering av WIM-systemer kan gjøres på tre måter: 1. Autokalibrering 2. Kalibrering ved bruk av testkjøretøy med kjent vekt 3. Kontinuerlig kalibrering ved bruk av feed-back fra statisk vekt Autokalibrering benyttes blant annet av Datarec410 fra AADI. Det antas en vektfordeling for både lette og tunge kjøretøy, og måleresultatene justeres mot dette. For lette kjøretøy benyttes gjennomsnittet for de siste 100 kjøretøy med akselavstand mellom 2,4 og 2,9 meter. For å kalibrere den øvre delen av skalaen, benyttes 95 %-fraktilen for enkeltakslinger på tunge kjøretøy. Forsøk har vist at autokalibreringen ikke fungerer optimalt (Aakre, 2011) (COST 323, 2002). PROSJEKTNR / SAK NR 60R av 71

111 Kalibrering ved bruk av testkjøretøy med kjent vekt benyttes i forbindelse med ViperWIM på E6 Klett. Også dette har i praksis vist seg å innebære stor grad av unøyaktighet, i og med at kalibrering må gjentas ofte (Aakre, 2011). Det bør derfor tilstrebes å benytte kontinuerlig kalibrering ved bruk av feed-back fra statisk vekt. Kalibreringens gyldighetsområde må også vurderes. Det mest interessante ved vektkontroller er å kunne skille akslinger under 10 tonn fra akslinger over 10 tonn (i tillegg til ulike boggi-kombinasjoner). Det må derfor kanskje tilstrebes å optimalisere nøyaktigheten for dette vektområdet, på bekostning av nøyaktighet ved måling av lettere akslinger. Et WIM-system kan måle aktuelle aksellaster og totalvekt. Antall akslinger og akselavstander registreres også. Ved hjelp av ANPR kan man finne Autosys-data om maksimalt tillatte vekter. Det må også tas hensyn til vegens maksimalt tillatte aksellaster og totalvekttabellen. Ved manuell kontroll vil det være en meget tidkrevende oppgave å utføre nøyaktige kontroller i henhold til vekttabellene i Forskrift om vekter og dimensjoner, offentlig veg. På bakgrunn av dette kan aktuell vekt sammenlignes med de nevnte maksimalvektene, og benyttes til forhåndsutvelgelse før kontrollstasjon. I og med at WIM-systemet registrerer vekt på hver enkelt aksling, kan det også benyttes til å kontrollere at forholdet mellom vekt på styrende aksling og totalvekt og forholdet mellom tilhengervekt og vogntogvekt er innenfor regelverket. Dersom aktuell vogntogvekt er over 40 tonn er det krav til kjøretøyets motorytelse. Motorytelsen er oppgitt i Autosys, og kan dermed finnes ved hjelp av ANPR. Dersom det er tvil om vekten er innenfor det tillatte, kan kjøretøyet henvises til avkjøringsrampe for Low Speed WIM (LS WIM). Dette innebærer noe forsinkelse, i og med at farten må senkes. Nøyaktigheten er imidlertid bedre enn ved High Speed WIM. Dersom registreringer ved LS WIM indikerer at vekten er OK, kan kjøretøyet kjøre rett ut på hovedvegen igjen. Hvis ikke, må kjøretøyet inn til kontroll på statisk vekt. Det finnes en rekke ulike teknologier som kan benyttes for å veie kjøretøy i fart. Vanligvis består et WIM-system av en eller flere vektsensorer, en signalforsterker, en processing unit og eventuelt induktive sløyfer. De to hovedgruppene, med et utvalg sensorteknologier, er nevnt under: High speed WIM er veiing av kjøretøy i hastigheter over km/t. Vanligvis skjer dette på hovedvegen, uten at kjøretøy og sjåfører behøver å ta hensyn til vektregistreringen. Piezoelektriske sensorer omdanner et mekanisk trykk fra hjullasten til en elektrisk spenning. Piezosensorene kan bestå av polymer, keramisk materiale eller kvarts. Kvarts er kjent for å ha høyest nøyaktighet av disse, og er samtidig tilnærmet temperaturuavhengig. Signaler fra piezopolymer- og piezokeramiske sensorer må korrigeres for temperatur. Bending plate sensorer består av en stålplate med sensorer som måler nedbøyning eller strekk i platen. Bending plate-sensorer er kjent for å ha høy nøyaktighet, men også noe høyere installasjonskostnader enn piezoelektriske sensorer. Bør helst installeres i betong, ikke asfalt. Load cell sensorer består av en metallplate med lastceller under. Veieprinsippet er tilsvarende som med en vanlig badevekt. Med lastceller kan man også veie kjøretøy som står i ro. Lastceller medfører vesentlig høyere installasjonskostnader enn de øvrige, men til gjengjeld er nøyaktigheten god og vedlikeholdsbehovet begrenset. Bør helst installeres i betong, ikke asfalt. PROSJEKTNR / SAK NR 60R av 71

112 Bridge WIM benytter selve brokonstruksjonen eller kulverten som en del av veiesystemet. Det installeres sensorer som måler belastningen på de ulike elementene i konstruksjonen. Bridge WIM kan gi god nøyaktighet, men man er helt avhengig av å ha en brokonstruksjon som passer til formålet. Multiple sensor WIM er bruken av et større antall sensorer for å veie kjøretøyene. Med økende antall sensorer kan den tilfeldige delen av WIM-relaterte feil elimineres eller reduseres. De dynamiske svingningene kan registreres, og kjøretøyets sanne vekt kan estimeres med høyere nøyaktighet. Low speed WIM er veiing av kjøretøy i hastigheter under km/t. Det kan oppnås høyere nøyaktighet ved bruk av Low speed WIM enn ved High speed WIM. For eksempel er Kistler Type 9193A sertifisert for nøyaktighet opptil 0,2 % (i henhold til OIML R134) (Kistler, 2011). Nøyaktigheten bør imidlertid testes nærmere, fordi all erfaring tilsier at feilen ved WIM-målinger er større enn utstyrets teoretiske nøyaktighet. Low speed WIM-systemer består gjerne av en eller flere lastceller, en induktiv sløyfe og en processing unit. Low speed WIM kan benyttes til såkalt ramp sorting, gjerne andre steg i sorteringsprosessen før en vektstasjon. Dersom lovgivningen tillater det, kan Low speed WIM-systemer også benyttes til direkte håndheving av vektgrenser Dimensjoner Kjøretøyets dimensjoner kan måles på flere ulike måter. Radar- og (3D-)laserbaserte løsninger finnes som hyllevare. Disse kan måle bredde, høyde og lengde, og i tillegg tegne et bilde av kjøretøyet. Det er usikkert hvor nøyaktig disse kan måle, da det ikke har vært mulig å oppdrive uavhengige tester. Et godt system basert på induktive sløyfer kan måle kjøretøyenes lengde innenfor ±5 % ved hastigheter i området km/t (Aakre, 2012). Det vil imidlertid ikke tas hensyn til ikke-metalliske objekter/deler. Det er ikke mulig å måle kjøretøyenes bredde og høyde med induktive sløyfer. Sveitsiske kontrollmyndigheter benytter et system kalt HGV Profiler fra ECTN (FHWA, 2007). Ved fart under 7 km/t skal høyde og bredde kunne måles innenfor ±1,5 cm, mens lengde måles innenfor ±2,5 cm (ECTN, 2012). En 3D-modell av kjøretøyet blir generert, og ulike fargekoder viser områder av kjøretøyet som ikke overholder regler for dimensjoner. Akslinger kan identifiseres, og måleresultatene kan kombineres med vektdata. Utstyret er sertifisert av METAS (Swiss Federal Office of Metrology). En måling tar om lag 10 sekunder, men kan utføres samtidig som flere andre parametere måles i lav hastighet. Merking av lang/bred transport skal gjøres på en standardisert måte, både med hensyn til plassering og utforming av skilt. Dette gir meget gode betingelser for ANPR. Sammen med målinger av kjøretøyets dimensjoner, kan man dermed sjekke om kjøretøyet er merket på forskriftsmessig måte. Dispensasjoner for spesialtransport behandles i IT-systemet VegSak. VegSak henter inn kjøretøydata fra Autosys på bakgrunn av registreringsnummer. Alle søknader som brukeren har sendt inn er lagret i VegSak, enten man har fått dispensasjon eller avslag. Dermed kan nummerskiltlesning, sensordata og oppslag i VegSak gi grunnlag for å vurdere om transporten er i henhold til dispensasjonen. En slik løsning kan gi fordeler for lovlydige transportører, ved at de slipper å stoppe for kontroll så lenge dispensasjoner er i orden. Hvis dette ikke tas i bruk, kan NonStop-systemet føre til at spesialtransporter vil ha meget stor sjanse for å bli stoppet i kontroll, uavhengig av dispensasjoner. I tillegg kan det være interessant å se om 3D-laser kan benyttes til å kontrollere om underkjøringshinder er tilstede/korrekt montert. Q-Free implementerer høsten 2012 en "single gantry" ANPR-løsning i Göteborg. Det samme systemet er aktuelt å benytte i NonStop. Systemet inkluderer lesing av nummerskilt forfra og bakfra, laserscanning, tracking-kamera for å sikre riktige koblinger mellom PROSJEKTNR / SAK NR 60R av 71

113 registreringer og DSRC-leser. Det kan være aktuelt å la ANPR-systemet inngå i en NorSIKT-test, både med tanke på å etablere en referanse og for å teste utstyrets nøyaktighet Bremser og hjul Varmesøkende IR-kamera (infrarød) kan benyttes til å avdekke bremser som ikke fungerer. Defekte bremser er ofte kalde, og kan dermed skilles fra bremser som fungerer ordentlig. Allerede for et tiår siden ble denne teknologien grundig testet ut i USA (Minor, 2002). Studien viste at IR-kamera var et effektivt hjelpemiddel for å avsløre kjøretøy med defekte bremser, men også punkterte dekk, lavt lufttrykk i dekkene, varme kulelager. Om lag 70 % av kjøretøyene som ble antatt å ha mangler på bakgrunn av IR-målinger, viste seg også å ha mangler ved manuell kontroll. Kontrollørene ble under forsøkene ikke varslet om resultatene fra IRmålingene. Screening ved IR-kamera førte til mer enn en fordobling av antall kjøretøy som fikk kjøreforbud på bakgrunn av defekte bremser. Forsøk gjort ved St. Gotthard-tunnelen i Sveits viser et annet eksempel på hvordan dette kan løses (Fischer, et al., 2011). Hjulutrustning kontrolleres best ved lave hastigheter. Det betyr at målinger bør utføres når kjøretøyet kalles inn til en kontrollstasjon (eller mobil kontroll). Dekktrykk og mønsterdybde kan likevel kontrolleres samtidig som for eksempel vektkontroll, uten unødvendige stopp. Et eksempel på utstyr som måler akselvekter, dekktrykk og mønsterdybde er Ventech Pneuscan ( Et slikt system kan derfor inngå i en mellomsortering, mellom en High speed preselection site og en fast kontrollstasjon. Bremseprøver krever at en aksling har minst 70 % av tillatt aksellast. Dette kriteriet kan registreres ved hjelp av WIM, og aktuelle kandidater til bremseprøver kan kalles inn. Samtaler med mannskapet på Sandmoen kontrollstasjon antyder at systemer for deteksjon av defekte bremser og hjul kan være interessant i NonStop-sammenheng Avgasser Avgasser kan detekteres ved hjelp av IR og UV. Tester har vist høyst varierende resultater. Forsøk gjort i 1999 i Washington konkluderte med at et system for detektering av avgasser ikke ville gi noen nytte utover det man oppnår ved manuelle kontroller (Swayne, 1999). Nøyaktighet på ±5 % for CO og ±15 % for HC ble rapportert i California for snart to tiår siden (Stedman, et al., 1994). Også nyere forskning viser at gode resultater kan oppnås (Rahai & Lu, 2011). Et annet eksempel på at denne teknologien er usikker, stammer fra USA. Det er gjort ulike forsøk med såkalte Remote Sensing Devices (RSD) for kontroll av utslipp fra passerende kjøretøy. RSD sender en infrarød og en ultraviolett lysstråle over vegbanen. En enhet på motsatt side av vegbanen reflekterer strålene, og sender dem tilbake til kilden. Ved å analysere energinivå ved ulike bølgelengder kan en RSD estimere konsentrasjon av ulike gasser. IR benyttes for å måle konsentrasjonen av CO, CO 2 og HC. UV benyttes for å måle konsentrasjonen av NO x. En evaluering av RSD konkluderer med at systemet måler konsentrasjon av gasser i utslipp fra kjøretøy med relativt god nøyaktighet (Burnette, et al., 2008). Det påpekes likevel at andre metoder kan være like effektive for å velge ut mulige kjøretøy med høye utslipp til kontroll, for eksempel bruk av data fra kjøretøyregisteret. PROSJEKTNR / SAK NR 60R av 71

114 SINTEF IKT er i gang med et prosjekt som skal utvikle utstyr for måling av utslipp og støy på enkeltkjøretøy i fart. Det kan være interessant for NonStop-prosjektet å se på dette, spesielt dersom utstyret skal testes på Klett Fart og kjøre-/hviletid Det finnes en rekke teknologier som kan benyttes for å måle kjøretøyets fart. Disse nevnes kun kort: - Radar - Laser - IR - Induktiv sløyfe - Slanger - Magnetometer - Piezo - AVI (strekningshastighet, gjenkjenning) Antakelig finnes flere teknologier til dette formålet. Resultater fra tidligere tester innenfor NorSIKTprosjektet viser at de fleste teknologier kan registrere fart med tilfredsstillende nøyaktighet (±3 %). Måling av fart kan avsløre om fartsbegrenseren i tunge kjøretøy er ute av drift, og således være interessant ved en teknisk kontroll. Kjøretøyets fartsskriver (som beskrevet i neste kapittel) kan sende informasjon til en On board unit, som igjen kommuniserer både fart og kjøre-/hviletid til vegkantutstyr. Vegkantutstyret kan for eksempel være en DSRC-leser, på linje med de som benyttes i Autopass-anlegg. 4.3 Sensorer om bord i kjøretøyet Fleet Management System Standard (FMS-standard) er et samarbeid mellom de største europeiske lastebilprodusentene. Så langt har Daimler, Man, Scania, DAF Trucks, IVECO, Volvo Trucks og Renault Trucks blitt med i samarbeidet, hvor de gir tredjepart tilgang til data fra kjøretøyets sensorer. Det er laget et forslag til standard for hvilke parametere som skal måles, hvordan data lagres og hvordan det skal overføres. Med FMS og sensorer om bord i kjøretøyet oppstår en ny mulighet for kjøretøykontroll (eller forhåndsutvelgelse til kontroll / oppfølging). Kontroller kan utføres på valgte tidspunkter, uavhengig av kjøretøyets lokasjon. Med vegkantutstyr er man avhengig av at kjøretøyet faktisk befinner seg ved et operativt kontrollpunkt. Bruk av kjøretøyets egne sensorer i kontrollsammenheng kan være med på å gjøre NonStop-prosjektet unikt. Mulighetene for å inkludere dette i den kommende demonstratoren vil undersøkes. Det bør tilstrebes å finne en stor aktør, som har gode relasjoner til både bilprodusent og verksted. Det er viktig at kjøretøy(ene) er av så ny dato som mulig. Et annet viktig punkt er at kjøretøyet må passere teststrekningen og kontrollstasjonen jevnlig. De ulike data som finnes i FMS-standarden er godt dokumentert (ACEA Working Group HDEI/BCEI, 2012), og hovedpunktene er gjengitt i de følgende underkapitler. Data kan kommuniseres til vegkantutstyr ved hjelp av for eksempel DSRC, tilsvarende teknologi som benyttes i Autopass-anlegg. FMS-standarden identifiserer kjøretøy og sjåfør gjennom fartsskriveren, og man har dermed mange av de samme mulighetene som ved nummerskiltlesing når det gjelder oppslag i registre. PROSJEKTNR / SAK NR 60R av 71

115 4.3.1 Dimensjoner, vekt og tekniske krav Vekt Hjullast for hvert enkelt hjul i kjøretøyet registreres. Hjulenes plassering på en aksling angis ved telling fra venstre til høyre (sett i normal fartsretning). Akslingens plassering angis ved telling fra første aksling (styreakslingen) og bakover. I tillegg måles dekktrykk. Data oppdateres for en aksling hvert sekund. Ved for eksempel tre akslinger vil akselvekt for hver aksling bli oppdatert hvert tredje sekund. Dette anses å være mer enn tilstrekkelig for kontrollformål. I og med at kjøretøyet kan identifiseres, kan aktuell vekt sjekkes opp mot Autosys (tillatte vekter for kjøretøyet) og generelle regler (totalvekttabell, vegens vektgrense). Dimensjoner Kjøretøyets dimensjoner måles ikke. Det oppgis likevel en kjøretøy-id, som kan inneholde data på linje med Autosys. Sensorene om bord i kjøretøyet vil derfor ikke avsløre om last er for høy, lang eller bred. Bremser Det registreres sensordata om bruk av bremser (pedal released / pedal depressed), men ikke bremsenes funksjon. Avgasser / utslipp Utslippsdata registreres ikke. Drivstofforbruk, motorens temperatur, turtall og belastning registreres 10 ganger per sekund. Det gjøres oppmerksom på at oppgitte verdier kun er indikasjoner. Annet FMS registrerer motortemperatur, dekktrykk og drivstofforbruk. Dette kan gi indikasjoner på om det er behov for å kalle inn et kjøretøy til teknisk kontroll Fart og kjøre-/hviletid Fart Kjøretøyets fart registreres på to ulike måter. Wheel based speed registrerer fart basert på hjulenes omdreining, og oppdateres 10 ganger per sekund. Tachograph vehicle speed er basert på data fra fartsskriveren, og registreres ganger per sekund. Det gjøres oppmerksom på at de to parameterne ikke behøver å være like. Fart omtales også i avsnitt om kjøre-/hviletid. Kjøre/hviletid Føreren identifiseres ved hjelp av et sjåførkort, og førerens identitet representeres av en kode. To førere kan være registrert samtidig (CORTE, 2011). Først registreres det om kjøretøyet er i bevegelse eller ikke. Dette sammenkobles med informasjon om hver enkelt førers rolle / tilstand (hvile, tilgjengelig, på arbeid, kjører, feilmelding, utilgjengelig). Deretter registreres eventuelle fartsovertredelser. Fartsovertredelser kobles sammen med fører. Det gis også ulike koder for når de forskjellige grenser for kjøre- / hviletid er nådd. Alle parametere oppdateres ganger per sekund. Det finnes fire typer fartsskriverkort: Bedriftskort, verkstedkort, kontrollkort og sjåførkort. Bedriftskortet tilhører transportbedriften. En transportbedrift kan ha flere bedriftskort. Minst en gang i måneden må transportbedriften laste ned data fra fartsskrivere og fra sjåførkort. Data skal systematiseres, sikres og lagres i minimum ett år. PROSJEKTNR / SAK NR 60R av 71

116 Verkstedkortet tilhører et godkjent verksted for installering, kalibrering, aktivering og reparasjon av fartsskrivere. Kontrollkortet tilhører Statens vegvesens kontrollører. Sjåførkortet er personlig, og tilhører den enkelte sjåfør. Sjåførkortet benyttes for å skrive data til fartsskriveren, ikke for å laste ned. Data lagres også på sjåførkortet. Sjåførkortet omtales i enkelte tilfeller også som kun fartsskriverkort. Fartsskriveren i kjøretøyet registrerer kjøretøyets aktivitet i løpet av de siste 12 måneder: - Kjøre- og hviletid til alle sjåfører (sjåførkort) som har benyttet kjøretøyet - Identifisering av sjåfør (sjåførkort) - Eventuell bruk uten sjåførkort - Hastighet siste 24 timer - Fartsoverskridelser (i forhold til fartsbegrenser) - Sted (land) for start og stopp for hver tur - Kilometerstand ved start og stopp for hver tur - Manuelt registrerte data - Bruk av sjåførkort, kontrollkort, verkstedkort og bedriftskort - Justering av klokke - Strømbrudd og andre uregelmessigheter De eksakte datatypene som blir lagret i hver enkelt type kort er vist i vedlegg. Kommunikasjon og dataoverføring for sensorer om bord i kjøretøyet Kommunikasjon og dataoverføring innen FMS-standarden er utførlig beskrevet (Heavy Truck Electronic Interfaces Working Group - DTCO, 2012) (Working Group HDEI, 2012). Figur 5 System for kommunikasjon i FMS-standarden (ACEA-HDEI) Tachografen eller fartsskriveren blir også kalt kjøretøyenheten (vehicle unit, VU). Fleet Back Office System forutsettes å ha en kortleser som kan kommunisere med bedriftskortet, og være tilkoblet en datamaskin som kan kommunisere med kjøretøy (valgfri metode). Sett fra kjøretøyets side, skal følgende gjennomføres: - En specific diagnostic session (remotesession) åpnes - Autentiseringsprosess: Kjøretøyet mottar en forespørsel om at et remote company card er klar til å starte autentiseringsprosessen. Kjøretøyenheten er master, og utveksler beskjeder med remote company card. Kjøretøyenheten mottar informasjon om hvilke datatyper som ønskes overført. - Dataoverføring: Data lastes ned fra kjøretøyenheten til FMS (master), som igjen overfører data til Fleet Back Office System. - RemoteSession avsluttes PROSJEKTNR / SAK NR 60R av 71

117 FMS skal fungere som klient, mens kjøretøyenheten fungerer som server. Det anbefales sikker kommunikasjon mellom kjøretøy og company, uten at dette spesifiseres nærmere. Dokumentet FESTA Handbook Version 2 (FESTA Consortium, 2008) beskriver hvordan proprietære data fra kjøretøyets interne sensorer kan avleses (CAN, LIN, MOST eller FlexRay). Et alternativ er å kun lese av et utvalg av data. Gjennom en gateway kan man lese data uten å få ut informasjon om hvordan vehicle-bus (for eksempel CAN) egentlig fungerer, som vist i Figur 6: Figur 6 Avlesning av sensorer om bord i kjøretøyet (FESTA) Gateway programmeres av OEM (Original Equipment Manufacturer) til å lese visse deler av informasjonen, dekode informasjonen og deretter sende det videre til en logger. Det kan også tenkes at en slik logger (eller On board unit) kan overføre kommunikasjon trådløst til vegkantutstyr (for eksempel via DSRC) Andre kilder om On board weighing Det finnes flere typer ettermonterbart On board weighing-utstyr. Det finnes få uavhengige tester av utstyr for dette formål. Typisk oppgitt feilmargin er i området 1-3 %, men metoden feilmarginen er beregnet beskrives ikke ( ( ( Det er mulig å få komplette systemer med sensorer på kjøretøyet, display på dashbordet, ulike typer kommunikasjon til en sentral enhet, GPS og software som behandler data. En studie fra Australia har testet 12 ulike systemer for On board weighing (Karl, et al., 2009). Totalt 12 systemer er testet, og både nøyaktighet og presisjon ser ut til å være meget god for de fleste systemer (som vist i Figur 7). PROSJEKTNR / SAK NR 60R av 71

118 Figur 7 Nøyaktighet ved On board weighing (Karl, et al, 2009) 4.4 Registerdata og organisasjoner I dette kapittelet gis en oversikt over ulike registre og organisasjoner som er relevante for kontrollvirksomhet av tunge kjøretøy Autosys Autosys er et nasjonalt register for førekort- og kjøretøyrelatert informasjon. I den kjøretøyrelaterte delen av Autosys finnes informasjon om blant annet: - Tillatte vekter - Dimensjoner - Akselavstander - Hjulutrusting - Avgifter - Avskilting, godkjenning osv Kjøretøyregisteret gir mulighet for mer detaljerte undersøkelser med hensyn til tillatt vekt enn generelle regler for aksellast og totalvekt. Det finnes tre opplysninger om tillatt vekt i kjøretøyregisteret: Tillatt totalvekt, Tillatt Forakselvekt og Tillatt Bakakselvekt. Det bør sjekkes opp hva disse egentlig betyr, hvordan antall akslinger påvirker, hvordan ulike akselkonfigurasjoner påvirker dette, samt hvordan/om disse tallene påvirkes av tilhengere. Dette er avgjørende for mulighetene for å kontrollere aksel(gruppe)last. Dersom disse tallene ikke gir mening, må alternative metoder benyttes. Dette har også betydning for muligheten til å luke ut lette lastebiler (under 7500 kg) på bakgrunn av WIM-data. Eksempel på tre forskjellige kjøretøy i klasse 340 (trekkvogn): Kjøretøy Antall akslinger Tillatt totalvekt Tillatt forakselvekt Tillatt bakakselvekt Totalt for+bakaksel PROSJEKTNR / SAK NR 60R av 71

119 I og med at alle disse tre kjøretøyene tilhører klasse 340 (trekkvogn), må det antas at de har tillatelse til å trekke en semitrailer. Det må igjen bety at tillatt totalvekt for hele vogntoget må bli større enn kg, og at den oppgitte tillatte totalvekten derfor gjelder for trekkvognen. Spørsmålet blir da hvorfor summen av akselvektene kan innta verdier som enten er mindre enn, lik eller større enn tillatt totalvekt. Hvilken logikk kan benyttes for å kombinere kjøretøyregisterdata og WIM-data? Kanskje må WIM-data kontrolleres mot generelle bestemmelser om tillatt aksellast og totalvekttabellen. Ellers kan følgende sjekkes ved hjelp av ANPR og kjøretøyregister: - Omregistrering - Periodisk kjøretøykontroll - (Ikke i stand) - Forsikring - Vektavgift - Årsavgift Figur 8 Skjermbilde fra Statens vegvesens mobile kontrollenheter ( 2012) Det arbeides med utvikling av et nytt Autosys-system. Den første leveransen skal implementeres i november 2012, mens prosjektet skal være helt ferdig i Målet med Autosys-prosjektet er å modernisere førerkort- og motorvognregisteret (Statens vegvesen, 2012) VaDIS VaDIS er et elektronisk kontrollregister for tunge kjøretøy (Statens vegvesen, 2009). Tidligere har kontrollørene benyttet papirskjema ved kontroller. VaDIS gir mulighet for bruk av håndholdte terminaler (PDA). Terminalene er trådløst koblet opp mot kjøretøy-, sjåførkort- og førerkortregisteret. Dermed kan kontroller utføres hvor som helst, forutsatt tilgang til internett eller GSM-dekning. Ved hjelp av VaDIS kan kontrollører utføre dokumentkontroller, tekniske kontroller eller kontroll av kjøre-/hviletid og PROSJEKTNR / SAK NR 60R av 71

120 lastsikring. Dersom data skal overføres fra en fartsskriver må det settes inn enten et bedriftskort, verkstedkort eller et kontrollkort. Se avsnitt om FMS. Historikk fra kontroller lagres i VaDIS, i de tilfeller hvor VaDIS blir benyttet. VaDIS 2 er under planlegging, men det vites foreløpig ikke hvilke endringer dette vil medføre VegSak VegSak er Statens Vegvesens IT-system for søknader om og behandling og lagring av dispensasjoner for spesialtransport (Statens vegvesen, ukjent dato). VegSak gjør oppslag i Autosys ved hjelp av registreringsnummer. Transportører (sjåfører eller bedrifter) legger inn søknader om dispensasjon i forhold til vekt, lengde eller andre regler, og søknaden behandles av en av Statens vegvesens regioner. I og med at førerens identitet, søknadens status og innhold og kjøretøyets identitet er lagret, gir dette gode muligheter for å sammenlikne sensordata med en eventuell dispensasjon. VegSak bør være ett av elementene som inngår i et NonStop-system. Det må sikres entydig identifisering i VegSak, NonStop og Autosys DIFAS DIFAS er et register med oversikt over ulike fartsskriverkort (sjåfør, kontroll, verksted, bedrift). Det kalles også et IT-verktøy for kjøre- / hviletid. Melding sendes til DIFAS ved for eksempel inndragning av fartsskriverkort (Statens vegvesen, 2011) ERRU ERRU (European Register of Road Transport Undertakings) skal gi myndigheter i medlemslandene bedre muligheter for å overvåke tungtransporten på tvers av landegrensene i Europa. Regelbrudd i ett land vil bli synlig også i de andre medlemslandene. Norge er et av medlemmene, og ERRU er under utvikling. ERRU tar inn data fra EUCARIS og TACHOnet EUCARIS EUCARIS (EUropean CAR and driving license Information System) er et europeisk system for utveksling av kjøretøy- og førerkortrelatert informasjon (EUCARIS, 2012). Per mai 2012 er det 24 europeiske land som i større eller mindre grad er involvert i EUCARIS. Norge er et av landene som har uttrykt interesse for å delta i fremtiden. Innen 2013 skal alle EU-land ha implementert EUCARIS for utveksling av kjøretøy og førerkortrelatert informasjon. Det er fire hovedprosesser i informasjonsutvekslingen i EUCARIS: Registrering av kjøretøy: Kjøretøy kan søkes opp ved bruk av registreringsnummer eller "chassis number". Resultatet fra et søk inneholder registreringsnummer, Vehicle Identification Number (VIN), Document ID, registreringsdato, tilleggsopplysninger som farge, merke, modell osv., i tillegg til alle data som er EU-standard i vognkortet. Utstedelse av førerkort: Førerkort kan søkes opp ved hjelp av registreringsnummer(?) eller navn og fødselsdato. Resultatene inneholder førerkortnummer, utstedende myndighet, gyldighetsdato, personlige data, kjøretøykategorier, sanksjoner og restriksjoner. Innsamling av trafikkbøter: Det kan overføres data om personer, kjøretøy og hendelser. PROSJEKTNR / SAK NR 60R av 71

121 Håndheving: Ved håndheving og kontroll av kjøretøy kan EUCARIS benyttes til å fremskaffe opplysninger om kjøretøy og sjåfør. Det gis samme muligheter som nevnt i Registrering av kjøretøy og Utstedelse av førerkort. I tillegg kan man søke opp kjøretøyets eier og forsikringsopplysninger. EUCARIS består av to deler. Den første delen er en web-klient, som tilbyr brukere mulighet til å sende en forespørsel til andre land. Et svar vil normalt komme innen få sekunder. Alle beskjeder oversettes til brukerens eget språk. Den andre delen er "the Core application". Dette er en rekke webtjenester og et bibliotek med generiske funksjoner, som har som oppgave å route beskjeder, ivareta sikkerhet, føre logg osv. Det er mulig å sende en såkalt Multi Country Inquiry, som er en forespørsel som går ut til alle deltakerland. Denne "kjerneapplikasjonen " er tilkoblet kjøretøy- og førerkortregisteret i hvert enkelt deltakerland. Alle data blir kodet og oversatt til ett standardisert sett med verdier. Applikasjonen kan også kobles til andre (mer spesialiserte) applikasjoner, for eksempel politiets eller Statens vegvesens kontrollregister. All informasjon som utveksles i EUCARIS-systemet sendes ved hjelp av XML-protokoll. Alle data blir dermed kodet slik at det oppstår et felles språk i grensesnittet mellom de ulike lands register. EUCARIS forutsetter at det benyttes Microsoft 2003 eller 2008 server (engelsk versjon) og Microsoft.NET Framework 3.5. Ellers kan det nevnes at systemet er fullstendig skalerbart, slik at det kan bygges ut til å tåle enhver belastning. Alle data som utveksles lagres i en database. EUCARIS kan benytte Microsoft SQL 2000 MSDE, Microsoft SQL 2000/2005 eller Oracle 9/10. Databasen kan installeres på EUCARIS-plattformen, men eksterne databaser kan også benyttes. Utveksling av informasjon skjer over et sikret privat TCP/IP-nettverk, stesta. Informasjonen blir kryptert ved bruk av SSL. Brukere av systemet kan gis ulike rettigheter og tilganger. EUCARIS gir inndata til ERRU (European Register of Road Transport Undertakings) TACHOnet TACHOnet er et nettverk blant EU-land. Det skal fungere som et "central hub" for utveksling av informasjon mellom nasjonale myndigheter som utsteder fartsskrivere (engelsk: tachograph) (CORTE, 2012). TACHOnet skal minimerere dobbeltarbeidet som blir gjort av ulike land i forbindelse med overvåking av kjøre- og hviletider. Norge er medlem i TACHOnet. TACHOnet har to hovedmålsettinger: - Å sikre rettferdig konkurranse mellom sjåfører, transportbedrifter og andre transportformer - Å ivareta trafikksikkerhet ved å unngå utslitte førere og sikre overholdelse av fartsgrenser For å innfri disse målsettingene har TACHOnet definert og beskrevet en rekke aktører og bruksområder. Disse finnes i vedlegg. Det mest interessante for NonStop er antakeligvis muligheten til å gjøre oppslag på førerkort, sjåførkort og lese av fartsskriver for sjåfører fra europeiske land. Gjennom TACHOnet skal det sikres at hver sjåfør kun har ett sjåførkort, og dermed ikke kan veksle mellom kort for å "utvide" kjøretiden sin. TACHOnet gir inndata til ERRU. PROSJEKTNR / SAK NR 60R av 71

122 4.4.8 RESPER RESPER (RESeau PERmis de conduire) er et europeisk system (med en tilhørende ekspertgruppe) for utveksling av førerkortrelatert informasjon (EReg, 2011). Den europeiske organisasjonen EReg (Association of European Vehicle and Driver Registration Authorities) står bak systemet. Norge (representert ved Statens vegvesen) er ett av 36 medlemsland i EReg-samarbeidet ECR ECR (Euro Control Route) er en gruppe med europeiske kontrollmyndigheter, som samarbeider for å forbedre kvaliteten på håndheving av regler om kjøre- og hviletid, tillatelser og førerkort (Euro Control Route, 2012) CORTE CORTE (Confederation of Organisations in Road Transport Enforcement) ble etablert i 2004, og har nå 53 medlemsorganisasjoner (CORTE, 2012). Organisasjonens målsetting er å fremme og medvirke til utvikling og implementering av regelverk og metoder for håndheving av regelverk innen transportsektoren CITA CITA er en internasjonal organisasjon bestående av både offentlige og private aktører som har interesse av kjøretøykontroll og inspeksjoner (CITA, 2009). CITA utvikler "best practice" på dette området. I tillegg arbeider CITA for å forbedre og harmonisere: - Inspeksjonsmetoder, standarder og utstyr - Kvalitetssikring og godkjenning - Opplæring av kontrollører - Informasjonssystemer som blir benyttet til å forbedre effektiviteten på inspeksjoner PRISM (USA) PRISM (Performance and Registration Information Systems Management) ble utviklet i Systemet innebærer at tunge kjøretøy registreres (får et USDOT-nummer). Alle registrerte bedrifter/sjåfører har en sikkerhetsrating, og kontrolleres i henhold til det (PRISM, 2012). 5 Eksempler på bruk av teknologi ved kontroll av tunge kjøretøy 5.1 Teknologi innen kjøretøykontroll i Europa Siden omkring år 2000 har WIM blitt benyttet i forbindelse med vektkontroller i en rekke europeiske land (FHWA, 2007): I Nederland benyttes et nettverk bestående av 8 lokasjoner med WIM-teknologi. Systemet WIM+VID består av to induktive sløyfer, og to piezo-kvarts-sensorer fra Kistler i hvert kjørefelt. Det er satt et krav om at WIM-systemet skal måle 95 % av alle aksellaster innenfor ±15 %, sammenlignet med statisk vekt. Trafikkpolitiet benytter systemet til forhåndsutvelgelse av kjøretøy til vektkontroller. I tillegg benytter politiet WIM-data for å planlegge kontroller, samt å evaluere effekten av disse. WIM-data blir lagret, sammen med bilder av alle tunge kjøretøy med overlast. Nummerskiltlesning benyttes til å generere en liste over selskaper som til stadighet begår overtredelser. Disse selskapene følges opp av en inspektør, som undersøker rutinene. PROSJEKTNR / SAK NR 60R av 71

123 Det har også blitt gjort forsøk på å utvikle et system for direkte håndheving av vektgrenser for tunge kjøretøy, basert på Multiple sensor WIM. Dette systemet benytter 32 sensorer, og befinner seg utenfor Arnhem. Et spesialbygget kjøretøy brukes til kalibrering, med kostnad på om lag 1 million Euro. I Frankrike ble det i 2002 oppgitt at 36,1 % av kontrollerte kjøretøy ikke overholdt vektgrensene. Kjøretøyene ble imidlertid delvis valgt ut på grunn av mistanke om overvekt, og det antas derfor at andelen kjøretøy med overvekt er vesentlig lavere (omkring 10 %). I 2005 startet arbeidet med å bygge et nettverk med WIM og video-systemer. Siden 2007 har disse systemene blitt brukt til forhåndsutvelgelse av kjøretøy til vektkontroll. Til forhåndsutvelgelse benyttes videokamera og én induktiv sløyfe og to piezoelektriske kabler per kjørefelt. I enkelte tilfeller benyttes også et Automatic Vehicle Identification (AVI) system for å måle gjennomsnittsfart over en strekning på noen hundre meter. Selve vektkontrollen utføres på statisk vekt, eller ved hjelp av LS-WIM (Low Speed WIM). Det hevdes at LS-WIM gir opp til 10 ganger mer effektive vektkontroller (effektivitet målt i tid per kjøretøy). De første systemene ble satt opp langs RN4 ved Rupt-aux-Nonains, Châlon-sur-Saône, omkring I tillegg benyttes et WIM-video-system til kontinuerlig overvåkning, uavhengig av om vektkontroll foregår eller ikke. Selskaper som til stadighet ser ut til å kjøre med overlast blir fulgt mer nøye enn selskaper som overholder vektgrensene. I Slovenia begynte man i 2000 å samle inn WIM-data. Det er i utgangspunktet vegmyndighetene som samler inn data for statistikk på trafikklaster. Minimumskravet er COST 323 klasse C(15), men mange av WIM-systemene tilfredsstiller også klasse B(10). Siden 2005 har politiet begynt å benytte WIM-data for å planlegge kontroller, samt å velge ut enkeltkjøretøy til statisk veiing. Slovenia fremstod tidlig som ledende i Europa på Bridge-WIMteknologi (FHWA, 2007). Dette går ut på å instrumentere broer eller kulverter. Tøyningen i brokonstruksjonen omformes til elektrisk spenning, og på bakgrunn av dette estimeres kjøretøyets vekt. Slovenske SiWIM har oppfylt kravene til klasse A(5)-B(10), avhengig av hvor det installeres. I Sveits benyttes Kistler piezo-kvarts sensorer. Disse krever kun årlige kalibreringer ( timeverk). I Tyskland finnes om lag 40 WIM-stasjoner, som benyttes både til datainnsamling og forhåndsutvelgelse av kjøretøy for vektkontroll. BAST anbefaler at alle WIM-systemer, uavhengig av teknologi, bør kalibreres minst to ganger årlig. I Storbritannia ble det i 2005 igangsatt et samarbeidsprosjekt (Weight and Safety Partnership) mellom Highways Agency (HA), Vehicle and Operator Services Agency (VOSA) og Central Motorway Police Group (CMPG). Prosjektet skulle undersøke effektiviteten av å kombinere WIM-systemer med automatisk nummerskiltlesning (ANPR). WIM-systemene i VOSA benytter piezo-polymer sensorer. Målingene for hver aksling blir sammenlignet med data fra kjøretøyregisteret, hvor det er oppgitt maksimalt tillatt vekt på aksel- og kjøretøynivå. Utenlandske kjøretøy blir sjekket mot generelle aksellast- og totalvektgrenser Dette kan benyttes til å velge ut kjøretøy til vektkontroller. Systemet er nå i bruk. Ett ANPR-kamera per kjørefelt blir benyttet til å identifisere kjøretøy, noe som resulterer i korrekt identifisering av 80 % av kjøretøyene. I tillegg benyttes et videokamera som filmer normalt på kjøreretningen. WIM-systemet er TDC Systems Limited HI-TRAC 100, som benytter MEAS Class 1 BL piezoelektriske kabler. Systemet benytter GPS til tidssynkronisering. Dette sørger for nøyaktig tidsstempling av både WIM- og ANPR-registreringer (Jones, u.d.). En variant av dette systemet, tilpasset til bruk i andre land er ViperWIM, som finnes på Statens vegvesens teststrekning for trafikkdata på E6 Klett. PROSJEKTNR / SAK NR 60R av 71

124 Hver enkelt aksling blir veid, og på bakgrunn av nummerskilt fra ANPR blir det gjort oppslag i kjøretøyregisteret. Dersom vekten registrert av WIM-systemet overstiger en viss grenseverdi i forhold til tillatte grenser, blir operatøren på kontrollstasjonen varslet. Denne grensen er satt til 8 % overvekt. Systemet kan vise til meget gode resultater. Over en periode på 6 måneder målte WIM-systemet 100 % av kjøretøyene som ble stoppet og kontrollert på en "calibrated dynamic enforcement weigh bridge" med en nøyaktighet på ±10 %. 74 % av WIM-registreringene hadde en nøyaktighet på ±5 %. 90 % av kjøretøyene som blir valgt ut av WIM-systemet har faktisk vektovertredelse, mot 24 % i gjennomsnitt for andre VOSA-vektstasjoner. VOSA benytter seg også av et system for innsamling, bearbeiding og bruk av historiske data. VOSAs Operator Targeting Reports har vært brukt siden Transportfirma vurderes etter bestemte kriterier, og gis en score ut fra tidligere kontroller. På den måten bruker kontrollmyndighetene mest tid på de som har en dårlig score, og mindre tid på de som har en god score. Dette kalles Operator Compliance Risk Scores (OCRS). OCRS har både historiske og prediktive elementer (Vehicle and Operator Sevices Agency, 2006). Testhistorikk, vegkantkontroller, flåteinspeksjoner og resultater av rettsforfølgelse er eksempler på historiske data. Prediktive data kan være antall kjøretøy og aldersfordeling i en kjøretøyflåte. Fra 2004/05 ble ANPR tatt i bruk. Det ble også opprettet en Strategic Analysis Unit, som skal undersøke og etterforske ulike datakilder for å finne transportfirma som ikke er lovlydige. 5.2 Teknologi innen kjøretøykontroll i USA I Montana, USA, ble det i 2003 gjennomført en evaluering med hensyn til effektene ved bruk av WIMsystemer som støtte til utvelgelse av kjøretøy for vektkontroll. Det ble anslått at andel kjøretøy med overlast ble redusert med 22 % etter innføringen av systemet STARS (Stevens & Carson, 2003). Stars er et system for overvåkning av tungtrafikken ved hjelp av WIM. NORPASS-systemet (North American Preclearance and Safety System) er operativt i 11 stater/provinser i USA og Canada (NORPASS, 2012). Disse er Alaska, British Columbia, Connecticut, Idaho, Kentucky, New York, Quebec, South Dakota, Washington, North Carolina og Oregon. Sjåfører og transportselskaper som velger å være brukere av systemet får tilsendt en transponder som monteres i frontruten. Når kjøretøyet ankommer en NORPASS kontrollstasjon, blir transponderen detektert, og sjåførens "credentials" blir sjekket mot sentrale registre. I tillegg finnes WIM-systemer ved enkelte kontrollstasjoner. Dersom alt er i orden, viser transponderen et grønt lys, og sjåføren kan kjøre videre uhindret. Dersom papirene ikke er i orden, eller at WIM-systemet antyder overvekt, vises et rødt lys. Det betyr at sjåføren må svinge av til kontrollstasjonen for nærmere inspeksjon. Alle førere må regne med å bli stoppet en sjelden gang, fordi systemet også velger ut tilfeldige kjøretøy og sjåfører til kontroll. En transponder koster 45 USD, og er den eneste kostnaden for sjåfør/transportselskap. Det anslås at hver bypass medfører 8-9 USD i besparelser. Samlet sett gir dette (med 3 millioner bypass/år) om lag 26 millioner USD per år i besparelser for transportindustrien. Siden 1. januar 2010 har NORPASS-systemet gitt grønt lys til over 7,1 millioner kjøretøy (per ), med en anslått besparelse for transportindustrien på over 62 millioner USD. I Washington er NORPASS-systemet installert ved 12 vektstasjoner (Washington State Department of Transportation, 2012)( Det benyttes WIM, AVI (Automatic Vehicle Identification) og ALPR (Automated License Plate Readers) for å utføre screening meter før kontrollstasjonen. Dersom et kjøretøy ikke kan identifiseres ved hjelp av nummerskilt eller transponder, benyttes variable skilt (VMS) til å dirigere kjøretøyet inn til kontrollstasjonen. For å få grønt lys, og tillatelse til å kjøre uhindret forbi kontrollstasjonen, må følgende kriterier være oppfylt: - Gyldig registreringsnummer - Kjøretøyet må ha et USDOT-nummer (være registrert hos PRISM) PROSJEKTNR / SAK NR 60R av 71

125 - Transportselskapet må ha en safety score på 74 eller under (?) - Alle skatter og avgifter må være betalt - WIM-systemet må indikere lovlig vekt - Høydemåler må indikere lovlig høyde 5 % av kjøretøyene blir tilfeldig utvalgt til kontroll. Det anslås at hver sjåfør sparer 3-5 minutter for hver gang han får kjøre uhindret forbi kontrollstasjonen. I Oregon benyttes et tilsvarende system som NORPASS, kalt Green Light (Oregon Department of Transportation, 2012). Dette systemet benytter samme type transpondere som NORPASS, men Oregon gir brukerne sin første transponder gratis. Til sammen har over brukere registrert seg hos Green Light. Det finnes 22 kontrollstasjoner i Oregon hvor systemet er implementert. For å kunne registrere seg som Green Light-brukere, må følgende krav være oppfylt: - Kjøretøyet må være registrert i "Oregon Motor Carrier Registration" - Kjøretøyet må ha minst 3 akslinger, og en tillatt totalvekt på minimum pund ( kg) - Kjøretøy passerer vektstasjoner i Oregon minst 1 gang per måned - Må tilfredstille krav til "safety fitness rating" Kriteriene for bypass er omtrent de samme som i NORPASS. I blant annet Florida finnes et system som heter PrePass, som har tilsvarende funksjonalitet som NORPASS og Green Light. 6 Statens vegvesens teststrekning for trafikkdata på E6 Klett På Klett, 15 km sør for Trondheim, har Statens vegvesen en teststrekning for testing av trafikkregistreringsutstyr. En rekke ulike teknologier benyttes for å registrere trafikk, og strekningen benyttes til testing av utstyr i forbindelse med NorSIKT-prosjektet. Teststrekningen er lokalisert om lag 2 km før kontrollstasjonen på Sandmoen, ved kjøring i retning Trondheim. 6.1 WIM-systemer som er installert på teststrekningen for trafikkdata på Klett: På Statens vegvesens teststrekning for trafikkdata på E6 Klett, sør for Trondheim er det installert to systemer for veiing av kjøretøy i fart, hvor begge benytter piezoelektriske kabler som sensorer: - Datarec 410, AADI - VIPERWIM, Applied Traffic Limited I tillegg vil et WIM-system fra Kistler bli installert i september/oktober På Sandmoen kontrollstasjon finnes det statisk vekt. Datarec 410, beskrivelse Datarec 410 leveres av Datainstrument/AADI. Utstyret kan blant annet brukes til trafikktellinger, klassifisering, registrering av vekt og automatisk trafikkontroll (ATK). Data kan lagres på enkeltkjøretøy, eller aggregerte data over ulike tidsperioder (Datainstrument AS, 1995). PROSJEKTNR / SAK NR 60R av 71

126 Figur 9 Datarec410 (Foto: Hver enkelt datatype tilordnes et nummer, og kalles en tellegruppe. Brukeren kan sette opp hvilke tellegrupper, eller datatype, som skal registreres. I tillegg kan man bestemme hvordan beregningene skal skje. Denne prosedyren for hvordan registreringene skal foregå, kalles en registreringsnøkkel. En registreringsnøkkel må inneholde data om tidsintervaller, sløyfer, kjørefelt, hvilke datatyper man vil lagre og beregningsmetoder. Hver enkelt registreringsnøkkel produserer en datafil. En kan benytte flere registreringsnøkler samtidig, og hver enkelt registreringsnøkkel kan innhente flere typer data. Generelt skilles det mellom statistiske data, data om enkeltkjøretøy (lagret som fil), øyeblikksdata og passering av enkeltkjøretøy: Statistiske data kan lagres for ulike tidsintervaller. Det vil si at man kan få aggregerte data for eksempel for hvert 5. minutt, eller hver time. Når data tappes til PC konverteres de automatisk fra et internt format til RTD-format. Data om enkeltkjøretøy krever mer lagringsplass enn statistiske data. Typiske data for enkeltkjøretøy er hastighet, passeringstidspunkt, kjørefelt og retning, lengde, akselavstand(er) og akselvekter. Når data tappes til PC konverteres de automatisk fra et internt format til SWA-format. Øyeblikksdata beregnes ved behov, altså når Datarec410 får en henvendelse fra brukeren. Data lagres ikke permanent, men er tilgjengelig for de siste 30 til 300 sekund. Typiske data kan være gjennomsnittlig hastighet, gjennomsnittlig tidsluke, oppfyllingsgrad (occupancy) og volum på 5 minutters basis. Tilsvarende finnes sanntidsdata om enkeltkjøretøy. Data lagres ikke i Datarec410. Sensorene kan bestå av induktive sløyfer eller piezoelektriske kabler. På Klett brukes registreringsnøkkelen Twinbil, med både piezoelektriske kabler og induktive sløyfer. De piezoelektriske kablene er av type Vibrocoax Class 1, 30 mm. Fra juni 1997 til juni 1998 ble det utført en test av WIM-systemer i regi av WAVE-programmet, WP3.1 (COST 323, 2002). Testen foregikk i Luleå, Sverige. Datarec410 var med på testen, og resultatene var ikke særlig overbevisende. Det ble benyttet et oppsett med 4 piezoelektriske sensorer, med 3 m mellomrom, i tillegg til induktive sløyfer. Oppsettet og utstyret er i overensstemmelse med det som er installert på teststrekningen E6 Klett, bortsett fra at det på Klett kun er 2 piezoelektriske sensorer i hvert felt. PROSJEKTNR / SAK NR 60R av 71

127 Gjennom testingen ble det vist at hastighet (50-80 km/t) spiller liten rolle for resultatene i WIMmålingene. Derimot er det betydelig effekt av ulik last, altså at nøyaktigheten varierte med lasten. Også akselkonfigurasjonen spilte en betydelig rolle. I perioden juni 1997 til juni 1998 ble det påvist en systematisk feil ved måling av totalvekt i området %. Under den beste testen ble Datarec410 godkjent i klasse E(50). Det ble ikke gjort noe forsøk på å korrigere resultatene. Dette var således en test på hvor gode resultater man kan vente seg å få fra Datarec410 uten å gjøre kalibrering og vedlikehold. Det har også blitt utført tester på Klett, hvor har fokuset i stedet vært på hvor gode resultater man kan oppnå ved optimal kalibrering (Aakre, 2011). Figur 10 Eksempel på fremstilling av testresultater i WAVE WP 3.1 Final Report Figur 10 viser en periode med lav nøyaktighet, men relativt høy presisjon under testperioden på 1 år. Vi ser at den lineære trendlinjen ikke passer helt til resultatene, og at den gjennomsnittlige relative feilen dermed ikke kan sies å være konstant over hele vektskalaen. Dette fenomenet er til stede også på Klett. VIPERWIM, beskrivelse VIPERWIM er et weigh-in-motion-system fra Applied Traffic Limited, England. Det benyttes to piezoelektriske sensorer og en induktiv sløyfe per kjørefelt. Med standard oppsett er det mulig å overvåke 4 felt samtidig, men utstyret kan oppgraderes til 8 felt. For WIM-formål benyttes Roadtrax BL Class 1 sensor. Figur 11 Venstre: Piezoelektriske kabler på Klett (Foto: Eget) Høyre: VIPERWIM (Foto: Applied Traffic Limited) En rekke parametere kan måles, deriblant hastighet, vekt på hver aksling, volum, tidsluker og antall akslinger. Alle data kan lagres på enkeltkjøretøy. Data kan deretter kombineres eller aggregeres for å PROSJEKTNR / SAK NR 60R av 71

128 finne statistiske sammenhenger eller nye parametere. VIPERWIM har innebygget GPS, slik at klokken alltid er korrekt (for alle praktiske formål). Ifølge brukermanualen vil VIPERWIM typisk oppnå følgende nøyaktighet (Applied Traffic Limited, 2009): Tabell 4 Oppgitt nøyaktighet VIPERWIM Parameter Oppgitt typisk nøyaktighet Hastighet ± 1,5 % Lengde ± 8 % Tidsluker ± 7 % Aksellast ± 7 % Klassifisering ± % Det antas at «accuracy» i brukermanualen egentlig innebærer både nøyaktighet og presisjon (signifikansnivå er ikke oppgitt). På Klett viser det seg at den oppgitte typiske spredningen stemmer for de fleste klasser, men kun på 50 %-nivå. Dersom man ønsker å sikre at 95 % av målingene ligger innenfor feilmarginen, må intervallet økes betraktelig. VIPERWIM tillater manuell kalibrering, og hevdes å kunne oppnå COST 323 B(10)-standard. Brukeren kan selv velge og definere klassifiseringsskjema, med opptil 256 ulik klasser. Dette WIM-systemet har også mulighet for tilkobling av en rekke andre applikasjoner eller instrumenter, som for eksempel automatiske videoopptak ved overtredelse av vektrestriksjoner, styring av variable skilt og visning av data i sanntid på eksterne enheter. Systemet tillater også tilkobling av temperatursensor i vegbanen, og har derfor mulighet for å korrigere for temperaturendringer. Viktigheten av å styre denne prosessen korrekt påpekes. Ved feil inngangsdata kan det oppstå et hopp i korreksjonskurven. Det kan være grunn til å anta at dette er tilfelle for VIPERWIM-installasjonen på Klett. Nye sensorer ble installert i nordgående retning (retning Sandmoen kontrollstasjon) høsten 2012, etter at de eksisterende sensorene ble ødelagt høsten Kalibreringen viste bedre resultater enn man har oppnådd med ViperWIM i Norge tidligere, men det ser fortsatt ut til å være en utfordring med temperaturfølsomheten og korreksjonen for denne. Kistler Lineas Type 9195A med Kistler EzBox, beskrivelse Et WIM-system fra Kistler er ble installert høsten Sensorene benytter et piezokvarts-materiale til å omdanne mekanisk trykk til en elektrisk spenning. Kistler oppgir en feilmargin som er lavere enn 5 % (Kistler, 2010). Gjennom kalibreringsprosessen ble denne feilmarginen sannsynliggjort. Det ble først kjørt 16 runder med et kjøretøy med kjent vekt. Kjøretøyet var et vogntog bestående av en lastebil og en tilhenger. Lastebilen hadde en enkel styreaksling foran, og en boggi bak (2 akslinger). Hengeren hadde en trippel boggi. Kjøretøyets totalvekt på den statiske vekten var 46,6 tonn. Ved de 16 kalibreringspasseringene, ble totalvekten målt med en spredning som var under ±3 %. Etter at kalibreringen var gjennomført, ble det kjørt 2 kontrollpasseringer. Avvikene for disse var -1,4 % og -2,8 % av faktisk totalvekt. Det betyr at Kistler-systemet ser ut til å være godt egnet til bruk i en grovsortering før Sandmoen kontrollstasjon. Det er imidlertid fortsatt usikkert om nøyaktigheten og presisjonen blir påvirket av variasjon i kjøretøytype, hastighet eller andre forhold. PROSJEKTNR / SAK NR 60R av 71

129 Figur 12 Kontrollpassering etter kalibrering av Kistler (statisk vekt 46,6 tonn) Dataloggeren som overvåker, behandler og presenterer data fra Kistler-sensorene heter Kistler EzBox Traffic Unit Type 5257A (Kistler, 2010). Datatypene er de samme som ved andre WIM-systemer. De viktigste data som lagres er kjørefelt, retning, passeringstidspunkt, hastighet, aksellaster, totalvekt, akselavstander, og antall akslinger. De individuelle hastighetene per aksling hadde under kalibrering innbyrdes avvik innenfor ±1 km/t. Akselavstandene var de i hovedsak de samme ved hver passering, men med en oppløsning kun på dm-nivå. EzBox kan kommunisere via RS232 eller LAN, og er bygget for å kunne integreres med andre systemer. En god løsning vil være å koble EzBox til Statens vegvesens ITS-nettverk (fiber). Dette er et lukket nettverk som Statens vegvesen har tilgang til både fra Sandmoen kontrollstasjon, boden på teststrekningen på Klett og fra Statens vegvesens lokaler i Abels gate 5, Trondheim. OneCo jobber for tiden med å sette opp en løsning som gir VPN-tilgang for eksterne brukere. EzBox leveres med programvaren EzPro. Denne programvaren gir mulighet for å overvåke sensorstatus, gjennomføre kalibrering, lagre og analysere trafikkdata, i tillegg til å konfigurere systemet. Alle måledata sendes via ethernet eller RS-232, og data overføres som en tekststreng (ASCII-kode). For å ta ut data som skal virke sammen med andre eksterne enheter, må systemintegrator selv utvikle brukergrensesnitt og kontrollenhet. Det kan se ut til at eksterne enheter bør kommunisere med EzBox via RS232 (for å ta ut valgfrie data), mens EzBox er koblet til en PC via ethernet for oppsett og styring gjennom programvaren EzPro. Kombinasjon av data fra ulike kilder Kistler-systemet på Klett ser foreløpig ut til å være det mest nøyaktige WIM-systemet NonStopprosjektet har til rådighet. Det betyr likevel ikke nødvendigvis at Kistler-systemet er det eneste som bør ligge til grunn for å finne kontrollkandidater med overvekt. En enkel test med 2 tilfeldige Kistler- PROSJEKTNR / SAK NR 60R av 71

130 målinger og 5 tilfeldige ViperWIM-målinger fra kalibreringen viser at en kombinasjon av måledata kan redusere feilmarginen noe. Forutsatt at begge systemer settes opp til en kontinuerlig kalibreringsprosess (med feedback fra statisk vekt på Sandmoen kontrollstasjon), kan kombinasjon av data være en god løsning. Sensordata må i så fall vektes, slik at mest vekt legges på det mest nøyaktige systemet. En av årsakene til at kombinasjon av data kan gi bedre resultater, er at kjøretøyets dynamiske bevegelser får mindre innvirkning jo flere sensorer som benyttes. Dette er også vist ved tidligere forsøk, da med ViperWIM og Datarec 410 (Aakre, 2011). Figur 13 viser dette på en relativt tydelig måte. På X-aksen vises akslingens nummer i rekken, når man teller forfra på kjøretøyet. Aksling nummer 7 er kjøretøyets totalvekt. På Y-aksen vises forholdet mellom WIM-systemets måling og referansen fra den statiske vekten. Et forholdstall over 1 betyr at den estimerte WIM-vekten er for høy på den aktuelle aksling, mens et forholdstall under 1 betyr at WIM-vekten er for lav i forhold til referansen. Det optimale ville vært om alle målingene plasserte seg langs den gule streken med likning y=1. De to røde strekene er målinger fra Kistler-systemet, mens de fem grønne strekene er målinger fra ViperWIM. Det er tydelig at de to gruppene med målinger har forskjellig form, og stort sett fordeler seg på hver sin side av fasiten. Selv om utvalget i denne enkle testen er lite, er mønsteret såpass tydelig at det er sannsynlig at en kombinasjon av data fra ulike kilder kan gi bedre nøyaktighet på enkeltakslingnivå. Figur 13 WIM-målinger på enkeltakslingnivå fra Kistler og ViperWIM Det kan også være mulig å innhente data fra kjøretøyets egne sensorer, og la dette inngå i kombinasjonen med WIM-systemene. Så lenge systemene er riktig kalibrert (systematisk avvik er lavt), vil data fra flere kilder bidra til at virkningen av de tilfeldige variasjonene (spredningen i målingene) blir redusert. PROSJEKTNR / SAK NR 60R av 71

131 Selv en liten forbedring i målenøyaktighet vil kunne gi stor gevinst i form av man kan skille flere lovlydige sjåfører fra de som har vektovertredelser. Tabell 5 Statistisk beregning av feilmargin på enkeltakslingnivå Enkeltakslinger Kistler ViperWIM Kombinasjon Gjennomsnitt 0,972 0,988 0,977 Standardavvik 0,053 0,059 0,031 max 1,089 1,108 1,038 min 0,855 0,868 0,915 N Statisk vekt på Sandmoen Den statiske vekten på Sandmoen har dimensjonene 4*3 meter (lengde*bredde). Oppløsningen er 0,05 tonn (50 kg). Vekten kalibreres av Justervesenet. Under kalibrering av Kistler-systemet ble vogntoget veid på statisk vekt både på Sluppen og på Sandmoen. Erfaringen var at de to vektene måler aksellaster med et innbyrdes avvik på under 50 kg, og at avrundingen dermed antakeligvis er den største feilkilden. 6.2 Andre sensorer på Klett Induktive sløyfer Det finnes flere typer registreringsenheter for induktive sløyfer på teststrekningen. Datarec 7 og Datarec Loop Monitor fra AADI, Profiler Type F fra CA Traffic og FMA (Feig Moxa ATKI) fra ATKI er foreløpig på plass. Alle disse registreringsenhetene benytter induktive sløyfer. Dette gir gode tellinger (registrerer 99,5-100,0 % av alle kjøretøy), med riktig retning og feltangivelse. Kjøretøylengde (kun påvirket av metall) kan måles innenfor ±5-10 %. Hastighet måles med relativt høy nøyaktighet. Klassifisering etter kjøretøykategori er ikke nøyaktig. Magnetometer Sensebit Traffic Measurement System (STMS) er en magnetometerbasert enhet beregnet for korttidsmålinger. Det bores et hull i asfalten, og STMS senkes ned. I og med at batterikapasiteten er begrenset, må måletidspunktene velges med omhu. Kommunikasjon foregår trådløst. Registrerer om lag 98 % av alle kjøretøy, men både fart og klassifisering er beheftet med større usikkerhet enn utstyret som benytter induktive sløyfer. I oktober 2012 ble det installert nye enheter, som har Power-over-Ethernettilkobling. Det betyr at STMS nå har strømtilførsel, og kan benyttes uten fare for at batteriet tømmes. Registrerer felt/retning, passeringstidspunkt, fart, kjøretøyklasse og skal etterhvert settes opp for å måle lengde. Radar Wavetronix Smartsensor HD benytter 2 radar-stråler, og kan dermed fungere som et alternativ til induktive sløyfer. Måler alle de trafikkparametere som måles med induktive sløyfer. Tester på Klett viser at fartsdata mangler på en stor andel av kjøretøyene. RTMS på Klett gir ikke gode resultater, hverken på telling eller måling av fart. Det arbeides med å utrede årsaken, og det var forventet at utstyret skulle være i orden innen Foreløpige tester (oktober 2012) viser at utstyret fortsatt ikke fungerer optimalt. PROSJEKTNR / SAK NR 60R av 71

132 ANPR ANPR-systemet på Klett er av typen Cleartone, som også utrykningspolitiet benytter. Det er gjort tilpasninger i programvaren til norske forhold av leverandøren TC Connect. Endringene omfatter blant annet lagring av nummerskiltene, som ikke er tillatt i Norge. Dette systemet kan leveres som mobile (i kjøretøy), statiske eller bærbare løsninger. Cleartone Stealth ANPR skal kunne gi høy nøyaktighet i vanskelige værforhold og høye hastigheter (over 240 km/t). Systemet kan gjøre oppslag i databaser for å avdekke eventuelle lovbrudd. Opptil 4 kamera kan kobles til, men kun 2 kan operere samtidig. Når et kjøretøy nærmer seg ANPR-kameraet blir det tatt en rekke bilder. Når avstanden mellom kamera og skilt er så liten at tegnene har tilstrekkelig størrelse for OCR-software, blir bildet scannet. Registreringsnummeret gjøres om til en ASCII-kode, og legges i en liste. Det benyttes logikk for å sammenlikne bilder og avgjøre hva som hører sammen. Vanligvis scannes bilder, og omkring 5 bilder som tilfredsstiller kvalitetskrav blir lagret. Med dagens installasjon må vegen stenges for trafikk for å rengjøre og vedlikeholde kameraene. Dette fører til at intervallene mellom rengjøring øker. Når skiltene er skitne faller treffraten, og fører i enkelte perioder til svært mange feillesinger. Ved en eventuell innføring av nye ANPR-systemer må dette tas i betraktning. Det finnes minst 5 aktuelle løsninger: Montering ved siden av vegen, høyere montering, montering på en svingbar arm, montering på en vogn som kan trekkes ut til siden eller et selvrensende system. Figur 14 Cleartone ANPR (Foto: Per Melen, Trafikverket) PROSJEKTNR / SAK NR 60R av 71

133 Figur 15 ANPR Klett, registerdata (Foto: Per Melen, Trafikverket) Figur 16 ANPR Klett, E6 og omkjøringsveg (Heimdal) (Foto: Per Melen, Trafikverket) PROSJEKTNR / SAK NR 60R av 71

134 De ansatte på Sandmoen kontrollstasjon har merket seg at ikke alle kjøretøy blir registrert, og stiller spørsmålstegn ved volumet. Spesielt gjelder dette ved i køsituasjon og ved tett trafikk i høyere hastigheter. Enkelte kjøretøy blir registrert med feil registreringsnummer. Nøyaktigheten i dette systemet bør testes nærmere, og alternativer vurderes. Nummerskilt leses forfra og bakfra. Dette betyr at man også får registrert tilhengere. IR TIRTL registrerer blant annet felt, retning, passeringstidspunkt, fart, antall akslinger, akselavstander, sporbredde og sidevegsplassering. Mange kjøretøy setter ned/trekker opp akslinger på veg inn til kontrollstasjonen, og akseltellinger kan derfor være nyttig. Det har blitt diskutert om TIRTL kan benyttes for å registrere singel-, supersingel- og tvillinghjul. Dette er fortsatt uavklart. Autopass Det finnes en bomstasjon like sør for teststrekningen. Det vil si at kjøretøy blir identifisert på strekningen allerede. Det ville vært meget nyttig for NonStop-prosjektet å få tilgang til denne informasjonen. Dette vil imidlertid kreve behandling hos Datatilsynet. Værstasjon Det finnes en værstasjon ved siden av boden på teststrekningen. Spør Torgeir om hva denne inneholder Videokamera Det finnes videokamera på stolpe, koblet til vegtrafikksentralen. Dette fungerer ikke optimalt. Nytt kamera ble installert i stolpe høsten Dette fungerer bedre, og har opptaksmulighet gjennom Statens vegvesens lisenser på programvaren Milestone. Det må imidlertid vurderes tiltak mot vibrasjoner på grunn av vind. Et tredje kamera skal bli installert på portalen i oktober/november Dette kan gi muligheter for nummerskiltlesing, i og med at denne funksjonaliteten finnes innebygd i Milestone. PROSJEKTNR / SAK NR 60R av 71

135 7 Kommunikasjon I NonStop-systemet kan det legges inn funksjonalitet som tillater kommunikasjon mellom kjøretøy og vegkantutstyr. Gjennom EU-prosjektet COMeSafety er en europeisk ITS-kommunikasjonsarkitektur beskrevet, i samarbeid med COOPERS, CVIS, SAFESPOT, Car2Car Communication Consortium, ETSI, IETF, ISO, IEEE og SAE (COMeSafety, 2009). Figur 17 Scenarios for Cooperative Systems (COMeSafety) Figur 17 viser ulike scenario for bruk av kommunikasjon i forbindelse med ITS. PROSJEKTNR / SAK NR 60R av 71

136 Figur 18 European ITS Communication Architecture Components (COMeSafety) Figur 18 viser de ulike komponentene i European ITS Communication Architecture. Figur 19 Security Discussion Areas (COMeSafety) Figur 19 viser en oversikt over mulige sikkerhetsutfordringer. PROSJEKTNR / SAK NR 60R av 71

137 7.1 Teknologier for kommunikasjon Short range og Ad-Hoc CEN DSRC 5.8 GHz Dette er et radiosystem for short range communication, først og fremst beregnet for ETC (Electronic Toll Collection). En stasjon i vegkanten fungerer som master, mens OBU fungerer som slave. Rekkevidden er kort (3-15 m). Kommunikasjon kan skje både fra vegkantutstyr til OBU og motsatt. Antakeligvis vil dette være en god løsning i NonStop. European 5.9 GHz ITS Radiosystem basert på WLAN-standard, men med fokus på lav forsinkelse. Denne teknologien er anvendbar for tids- og sikkerhetskritiske applikasjoner. Rekkevidden er opptil 500 meter. Overføringshastighet kan variere fra 3-27 Mbps. Lave overføringshastigheter gir større rekkevidde og høyere "reliability". Kommunikasjon kan foregå både fra vegkantutstyr til OBU og motsatt. WLAN 5 GHz Lignende funksjonalitet og spesifikasjoner som European 5.9 GHz ITS, men annet frekvensområde. IR Radiosystem for meget korte avstander (typisk under 10 meter). Kan peke ut kjøretøy i et spesifikt kjørefelt. Lav overføringshastighet, vanligvis 1-2 Mbps Cellular WiFi Radiosystem basert på WLAN, men med fokus på høyhastighets dataoverføring. Spesielt godt når kjøretøyenes hastighet ikke er for høye. Behov for "access points". WiMAX Radiosystem for høyhastighets dataoverføring. Et såkalt MAN (Metropolitan Area Network). Behøver infrastruktur ("access points". GSM/GPRS Opprinnelig laget for tale, og er derfor designet for å ivareta lav forsinkelse fremfor kvalitet. Lang rekkevidde (kommunikasjon går gjennom basestasjoner), men lav overføringshastighet. UMTS Digital Broadcast Dab og DMB DVB-T og DVB-H GPS PROSJEKTNR / SAK NR 60R av 71

138 7.2 Eksempler på kommunikasjonsløsninger GOOD ROUTE Gjennom prosjektet GOOD ROUTE har det blitt utviklet en løsning for kommunikasjon mellom kjøretøy, tilhenger, vegkantutstyr og GOOD ROUTE kontrollsenter (Bianconi, 2009). Prosjektet omhandler overvåkning av farlig gods, men kan likevel være relevant for NonStop. En oversikt over systemet er presentert i Figur 20: Figur 20 Oversikt over GOOD ROUTE-systemet (Bianconi, 2009) Systemet består av 3 hoveddeler: - Kjøretøy (Motorisert kjøretøy og tilhenger) - Kontrollsenter - Lokale noder (vegkantutstyr eller andre kjøretøy) Det finnes 2 On Board Units i kjøretøyet. Den ene er installert i det motoriserte kjøretøyet, mens den andre er installert i tilhengeren. Kjøretøyenheten: - Samler informasjon om kjøretøyet gjennom CAN FMS-protokollen - Kommuniserer med vegkantutstyr eller andre kjøretøy gjennom DSRC (Dedicated Short Range Communication) - Kommuniserer med GOOD ROUTE kontrollsenter gjenom GPRS - Kommuniserer med tilhengerenheten gjennom en CAN-link Tilhengerenheten: - Kommuniserer med lasten gjennom RFID-tager og en RFID-leser PROSJEKTNR / SAK NR 60R av 71

139 - Overvåker temperatur, fuktighet, akselerasjon/vibrasjon osv gjennom et WSN (Wireless Sensor Network) Kontrollsenteret skal overvåke kjøretøyet og verifisere at føreren overholder reglementet. Ved behov kan kontrollsenteret sende informasjon til føreren over GSM/GPRS, med for eksempel anmodning om å stoppe kjøretøyet OpenOBU OpenOBU ble lansert i 2011 i Slovenia. Den har en rekke tilkoblingsmuligheter for sensorer og andre enheter i kjøretøyet, i tillegg til flere ulike kommunikasjonsløsninger: Figur 21 Oversikt over mulige koblinger i OpenOBU ( Som vist i Figur 21 er det mulig å koble til fartsskriver, og dermed overvåke både hastighet og kjøre- /hviletid Q-FREE Q-FREE OBU610 er en transponder med mulighet for DSRC-kommunikasjon (Q-FREE, 2012). Kommunikasjon med kjøretøyet er antakeligvis ikke mulig. Løsningen kan likevel være interessant, i og med at det finnes en bomstasjon få hundre meter sør for teststrekningen for trafikkdata på Klett Security and Privacy in Smartphone Based Intelligent Transportation Systems Effektiv bruk av allerede eksisterende infrastruktur er fordelaktig, fremfor kostbar utbygging av ny infrastruktur. Bruk av mobilnettverket og smarttelefoner kan være en løsning. Dette innebærer likevel en utfordring med tanke på personvern. Ved KTH er det foreslått en løsning som tilfredsstiller krav til personvern ved bruk av smarttelefoner i forbindelse med ITS (Manolopoulos, 2012). Systemet er basert på å skille autentisering og identifisering fra ITS-løsningen, slik at kun autoriserte myndigheter har tilgang til begge deler. Det er ikke sikkert at prinsippet er direkte overførbart til mer automatisert kontroll av kjøretøy, men muligheten for å benytte mobiltelefoner som On Board Unit er likevel verdt å se videre på Volvo Dynafleet Dynafleet er et flåtestyringsverktøy fra Volvo. Systemet finnes som applikasjon til nettbrett og smarttelefoner, og kan dermed kommunisere over mobilnettverk overalt hvor det er dekning. PROSJEKTNR / SAK NR 60R av 71

140 Figur 22 Volvo Dynafleet på ipad ( Kjøre- og hviletid, kjøretøyenes last og utnyttelsesgrad, beregnet drivstofforbruk og posisjon er blant parameterne som registreres i Dynafleet (Volvo Trucks, 2012). Dette systemet kan være et meget godt alternativ til bruk i NonStop demonstrator i 2013, i og med at systemet allerede er operativt og benyttes av en rekke transportører. PROSJEKTNR / SAK NR 60R av 71

141 8 Forslag til NonStop-system basert på arbeid med A1.2 Basert på arbeidet med mulighetsstudier, blir det i dette kapitlet presentert et forslag til kontrollsystem. Det må presiseres at kostnader må veies opp mot nytten ved enkelte av elementene. Figur 23 viser en oversikt over noen av de viktigste delene i et foreslått kontrollsystem på strekningen Klett-Sandmoen. Figur 23 Oversikt over forslag til kontrollsystem Den aktuelle strekningen er langs E6 fra Klett til Sandmoen (nordøstgående kjøreretning). Første steg er en grovsortering på teststrekningen for trafikkdata på Klett. Denne er vist i Figur 24. Figur 24 Eksisterende og aktuelle installasjoner på teststrekningen på Klett På strekningen finnes idag blant annet en bod med internett, ViperWIM (system for veiing av kjøretøy i fart), Kistler WIM (system for veiing av kjøretøy i fart), og et oversiktskamera. Det finnes også en portal, PROSJEKTNR / SAK NR 60R av 71

142 med mulighet for å trekke kabler inn i boden. ANPR-kamera til bruk i NonStop og DSRC-leser finnes per høsten 2012 ikke, men arbeidet med å utrede dette er i gang. Det kan være mulig å benytte andre løsninger enn DSRC, for eksempel Volvo Dynafleet. På teststrekningen for trafikkdata skal tunge kjøretøy grovsorteres. Ved hjelp av ANPR-kamera og DSRC-leser kan kjøretøy identifiseres, og det kan gjøres oppslag i ulike registre (Autosys, VaDIS, EUCARIS, VegSak, eventuelt andre som beskrevet i kapittel 4). Dermed kan opplysninger om tillatte vekter og dimensjoner, kontrollhistorikk, dispensasjoner og liknende sammenliknes med sensordata. I tillegg kan informasjon fra kjøretøy utstyrt med FMS-standarden og en On board unit sende informasjon om blant annet kjøre-/hviletid og vekt fra kjøretøyets sensorer til vegkantutstyret (DSRCleser). Gjennom dette systemet, kan også føreren identifiseres gjennom sjåførkortet i fartsskriveren. Dersom sensordata indikerer overtredelser i forhold til regelverk, kan sjåføren kalles inn til kontroll på Sandmoen kontrollstasjon. Figur 25 viser hvordan dette kan tenkes å foregå. Figur 25 Varsling av førere i Klettbakken, m før Sandmoen kontrollstasjon For kjøretøy som har en DSRC-brikke, kan denne benyttes til å gjenkjenne kjøretøyet ved varsling av fører. På samme måte som i et Autopass-anlegg, kan et lyssignal og/eller et variabelt skilt aktiveres på bakgrunn av gjenkjenning fra brikken. Tunge kjøretøy vil antakeligvis holde lav hastighet opp bakken, og dermed ha en relativt lang luke til forankjørende. Dette betyr at det vil være gode muligheter for å kunne varsle riktig fører ved denne metoden. Kjøretøy uten DSRC-brikke må detekteres og identifiseres på annet vis. Alternativene kan variere fra gjenkjenning av Bluetooth-enheter, lesing av nummerskilt, gjenkjenning av induktivt mønster (med sløyfer) til gjenkjenning av akselkonfigurasjon (ved piezokabler eller IR-stråler). Et annet alternativ er at mannskapet på Sandmoen kontrollstasjon blir varslet om at det er behov for manuell styring (med overvåkning via video) av skilt/lys eller manuell dirigering. Det kan også tenkes mer avanserte former for varsling av førere. I USA benyttes for eksempel en On board unit på dashbordet i bilen, som lyser rødt eller grønt. Et rødt lys slukker ikke umiddelbart, og det er derfor mulig å påvise at rødt signal er gitt for de kjøretøy som ikke stopper på kommando. Varsling på smarttelefon er en annen mulighet. Figur 26 viser Sandmoen kontrollstasjon, med eksisterende og aktuelle installasjoner. Et foreslått kjøremønster er også tegnet inn. PROSJEKTNR / SAK NR 60R av 71

143 Figur 26 Installasjoner og kjøremønster på Sandmoen kontrollstasjon Kjøretøy som etter grovsorteringen ser ut til å ha alt i orden, kan kjøre uhindret forbi kontrollstasjonen (grønn strek på E6). Det bør likevel legges inn stikkprøver. Kjøretøy eller sjåfører som har indikasjoner på overtredelser, må svinge inn til kontrollstasjonen (gul strek). Inne på kontrollområdet passerer kjøretøyene et Low speed WIM-system i 5-10 km/t. Samtidig registreres kjøretøyenes dimensjoner av en 3d-laser, og et IR-kamera søker etter unormalt kalde eller varme bremser og hjul. DSRC-leser eller ANPR-kamera kan benyttes til å identifisere kjøretøyet, og koble disse registreringene av kjøretøyet med de foregående registreringene. Mannskapet på Sandmoen kontrollstasjon ser også behov for å la en kontrollør overvåke kjøretøyene når de passerer. Etter registreringer i lav hastighet skjer sorteringsprosess nummer to, finsorteringen. Kjøretøy med indikasjoner om overtredelser (oransje strek) må holde til venstre, og la seg kontrollveie på statisk vekt. Når kjøretøyet har stoppet, kan kontollørene også se dokumenter eller kontrollere kjøretøyet nærmere, på samme måte som i dag. Enten kalles kjøretøyet inn til siden for grundigere kontroll og eventuell sanksjonering (rød strek), eller så kan kjøretøyet fortsette ut på E6 (grønn strek). Kjøretøy som overholder alle regler ved kontroller i lav hastighet kan holde til til høyre (grønn strek i høyre ytterkant av kontrollstasjonen) og fortsette ut på E6 uten å stoppe. En bekymring kan være hvorvidt et Low speed WIM-system vil føre til kø og tilbakeblokkering ut på E6. Det har blitt gjort en enkel vurdering av dette. Dersom man antar en fart på 10 km/t, en gjennomsnittlig lengde for tunge kjøretøy på 16 m, og en gjennomsnittlig luke på 5 sekunder mellom kjøretøyene (fra bakre støtfanger av kjøretøy 1 til fremre støtfanger på kjøretøy 2), får systemet en kapasitet på om lag 5 kjøretøy/min. Dette tilsvarer 300 kjøretøy/time. En gjennomgang av en tellefil fra ViperWIM i nordgående retning , antyder at i maksimaltimen ankommer ca 110 kjøretøy med en lengde over 8 m. Vekten var ikke kalibrert på dette PROSJEKTNR / SAK NR 60R av 71

144 tidspunktet. I den travleste 10-minuttersperioden i maksimaltimen (kl ) ankom 30 kjøretøy med lengde over 8 m. Dette viser at selv om man skulle kalle inn alle kjøretøy med en lengde over 8 m og regner en romslig luke mellom kjøretøyene, vil volumet fortsatt bare være rundt 60 % av kapasiteten i de travleste periodene. Med hastighet på 5 km/t vil man i maksimalperiodene kunne oppleve at kapasitetsgrensen er nådd, dersom man kaller inn alle kjøretøy med lengde over 8 m. Når man tar hensyn til at det kun er liten andel av de tunge kjøretøyene som skal kalles inn til kontroll etter grovsorteringen på Klett, og at det i tillegg vil være en bufferkapasitet på om lag 7 tunge kjøretøy mellom starten på avkjøringsrampen og Low speed WIM-systemet, er det ikke sannsynlig at tilbakeblokkering vil utgjøre et problem. Målsettingen i NonStop er at flest mulig lovlydige sjåfører skal kunne kjøre uhindret forbi kontrollstasjonen. På denne måten oppnår man en differensiering: - Førere og kjøretøy som åpenbart overholder alle regler kan kjøre helt uhindret forbi. - Førere og kjøretøy som kanskje er overtredere må inn til en lavhastighetskontroll, før de eventuelt kan kjøre ut på hovedvegen igjen. Dette vil medføre minimalt med tidstap (1-2 min) - Førere og kjøretøy med stor sannsynlighet for overtredelser (også etter lavhastighetskontroll) må inn til manuell kontroll. Dette medfører større tidstap. Med dagens situasjon må selv åpenbart lovlydige førere tåle et tidstap på 5-10 minutter ved kontroll. PROSJEKTNR / SAK NR 60R av 71

145 9 Bibliografi Aakre, E., Prosjektoppgave: Vurdering av klassifiseringssystem for kjøretøy, Trondheim: NTNU (prosjektoppgave). Aakre, E., Masteroppgave: Evaluering av kvaliteten på trafikkdata, Trondheim: NTNU. ACEA Working Group HDEI/BCEI, FMS-Standard Description Version 03, s.l.: HDEI/BCEI Working Group. Applied Traffic Limited, VIPERWIM Manual, s.l.: s.n. Bernard, J. & van Loo, H., Weigh-in-motion for Enforcement in Europe. s.l., s.n. Bianconi, M. P., GOOD ROUTE On Board Unit (OBU) Short public version, s.l.: Information Society Technologies Programme. Burnette, A. D., Sandeep, K. & DeFries, T. H., Evaluation of Remote Sensing for Improving California's Smog Check Program, Austin: Eastern Research Group, Inc.. Cambridge Systematics, Inc., Concept of Operations for Virtual Weigh Station, s.l.: Federal Highway Administration. Cambridge Systematics, INC., State of the Practice Truck Size and Weight Enforcement Technologies, Cambridge: Federal Highway Administration. Carson, J. L., Commercial Motor Vehicle Size and Weight Management, Agency-wide Benefits, s.l.: Texas A&M Research Institute. Carson, J. L., Commercial Motor Vehicle Size Enforcement, s.l.: Transportation Research Board. CITA, CITA - International Motor Vehicle Inspection Comittee. [Internett] Available at: [Funnet ]. COMeSafety, D31 European ITS Communication Architecture - Overall Framework - Proof of Concept Implementation, s.l.: Information Society Technologies. CORTE, CORTE Monitoring of the Implementation of Digital Tachograph. [Internett] Available at: [Funnet ]. CORTE, CORTE - Confederation of Organisations in Road Transport Enforcement. [Internett] Available at: [Funnet ]. CORTE, Monitoring of the Implementation of Digital Tachographs. [Internett] Available at: [Funnet ]. PROSJEKTNR / SAK NR 60R av 71

146 COST 323, Weighing-in-motion of Axles and Vehicles for Europe (WAVE) General Report, s.l.: European Comission DG VII - Transport. COST 323, Weigh-in-motion of Road Vehicles for Europe (WAVE) Report of WP 3.1 Durability of WIM Systems in Cold Climates, s.l.: s.n. Datainstrument AS, Datarec410 TWIN Brukerveiledning Ver. 1.0, s.l.: s.n. ECTN, ECTN. [Internett] Available at: %3Aproducts-its&Itemid=60&lang=en [Funnet ]. EReg, EReg Association of European Vehicle and Driver Registration Authorities. [Internett] Available at: [Funnet ]. EUCARIS, European Car and Driving License Information System. [Internett] Available at: [Funnet ]. Euro Control Route, ECR. [Internett] Available at: [Funnet ]. FESTA Consortium, Festa Handbook Version 2, s.l.: FESTA. FHWA, Commercial Vehicle Size and Weight Enforcement in Europe, s.l.: FHWA. Fischer, L., Durrer, C. & Hoffmann, U., Thermo Portal at the Gotthard Road Tunnel. Nürnberg, SENSOR+TEST Conferences 2011, Proceedings IRS Heavy Truck Electronic Interfaces Working Group - DTCO, Digital Tachograph Specification for remote company card authentication and remote data downloading Version 02.00, s.l.: ACEA-HDEI. Jones, M., u.d. Targeted Roadside Enforcement Using WIM and ANPR. s.l., s.n. Karl, C. et al., On-Board Mass Monitoring Test Report (Final), Melbourne: Transport Certification Australia Ltd. Kistler, Draft Instruction Manual EzBox Traffic Unit Type 5275A, Winterthur: Kistler. Kistler, Certified Axle Scale, Low Speed Vehicle Weighing System Type 9193A, Winterthur: Kistler Group. Manolopoulos, V., Security and Privacy in Smartphone Based Intelligent Transportation Systems - Licentiate Thesis, Stockholm: KTH. PROSJEKTNR / SAK NR 60R av 71

147 Minor, L., Tech Brief: Evaluation of Infrared Brake Screening Technology. [Internett] Available at: [Funnet ]. NORPASS, NORPASS - North American Preclearance and Safety Systems. [Internett] Available at: [Funnet ]. Oregon Department of Transportation, ODOT Motor Carrier Transportation. [Internett] Available at: [Funnet ]. PRISM, PRISM - Performance and Registration Information Systems Management. [Internett] Available at: [Funnet ]. Q-FREE, Q-FREE Products. [Internett] Available at: [Funnet ]. Rahai, H. R. & Lu, B., Development of a Portable Remote Sensing System for Measurement of Diesel Emissions from Passing Diesel Trucks, s.l.: METRANS Transportation Center. Samferdselsdepartementet, FOR nr 543: Forskrift om arbeidstid for sjåfører og andre innenfor vegtransport., s.l.: Samferdselsdepartementet. Silvestre, F., TACHOnet Software Requirements Specification 01_00, s.l.: DG Energy & Transport. Statens vegvesen, Statens vegvesen. [Internett] Available at: [Funnet ]. Statens vegvesen, Kontrollveiledning - utekontroll, Oslo: Statens vegvesen, seksjon for tilsyn og kontroll. Statens vegvesen, Vegliste 2012, Vedlegg 1 til forskrift om bruk av kjøretøy, RIKSVEGER Forskrift om vekter og dimensjoner, s.l.: Statens vegvesen. Statens vegvesen, [Internett] Available at: [Funnet ]. Statens vegvesen, ukjent dato. Brukerdokumentasjon VegSak Transportør Versjon 1.2, s.l.: Statens vegvesen. Stedman, D. H. et al., On-Road Remote Sensing of CO and HC Emissions in California, Sacramento: California Air Resources Board. PROSJEKTNR / SAK NR 60R av 71

148 Stevens, J. & Carson, J., An Evaluation of Montana's State Truck Activities Reporting System, s.l.: State of Montana Department of Transportation. Swayne, K. L., Infrared Remote Sensing Of On-Road Motor Vehicle Emissions in Washington State, Bellevue: Washington State Department of Ecology. TNO, TRL & SISTRON, SMART 2010/0065 Final Report, s.l.: European Union. Vegdirektoratet, Lovdata.no. [Internett] Available at: [Funnet ]. Vehicle and Operator Sevices Agency, Effectiveness Report 2005/06, s.l.: VOSA. Volvo Trucks, Volvo Trucks Norway webpage. [Internett] Available at: [Funnet ]. Washington State Department of Transportation, WSDOT - CVISN. [Internett] Available at: [Funnet ]. Working Group HDEI, FMS-Standard / Tachograph Remote Download Connector Description, s.l.: Working Group HDEI Flere blir tatt for å kjøre ulovlig. [Internett] Available at: [Funnet ]. PROSJEKTNR / SAK NR 60R av 71

149 10 Vedlegg PROSJEKTNR / SAK NR 60R av 71

150 10.1 Tungtransportkontroll En Tungtransportkontroll kan settes sammen på flere ulike måter. Dokumentkontroll (punkt 1) skal alltid inngå. I tillegg skal minst ett av punktene 2-6 være dekket. 1. Dokumentkontroll skal inneholde kontroll av: førerkort, vognkort, løyve (kontrolløren kan kreve innsyn i lasterommet for å avgjøre løyveplikten), fellesskapstillatelser for kjøretøyer fra EØSmedlemsland, og andre internasjonale transporttillatelser. 2. Kontroll av transport av farlig gods i samsvar med direktiv 2008/68/EF med utfylling av kontrolliste. 3. Teknisk kontroll i hovedsak rettet mot bremser, dekk, lys og sikt. 4. Kontroll av lastsikring 5. Avgifter - oppslag i Autosys: Vektårsavgift, begjæringer, kontroll av avgiftsfri diesel 6. Bruksforskriften: Dimensjoner, spesialtransporter, merking av last, dispensasjoner, hjulutrusting vinter, antall kjettinger, bruk av utenlandske kjøretøy m.v. Nærmere beskrivelser av innholdet i de ulike kontrollpunktene er gitt i de påfølgende avsnitt. Dokumentkontroll Følgende elementer skal som hovedregel inngå i en dokumentkontroll: 1. Kontroll av førerkort og eventuelt kjøreseddel (for kjøring mot vederlag), førerattest (for sjåfør som ikke er statsborger i EØS-land, men ansatt i bedrift fra EØS-land), dokumentasjon av yrkessjåførkompetanse 2. Vognkort (skal alltid følge kjøretøyet) 3. Kjennemerke Kontroll av transport farlig gods Kontrollen skal foregå i tråd med forskrift om transport av farlig gods på veg og jernbane, fastsatt kontrolliste og sanksjonsliste. Kontrollisten er i henhold til direktiv 95/50/EF, sist endret ved direktiv 2008/57/EF. Sanksjonslisten finnes i vedlegg 4 i Kontrollveiledning utekontroll. Teknisk kontroll / miljøkontroll etter direktiv 2000/30/EF For alle kjøretøy som blir kontrollert etter direktiv 2000/30/EF skal det utstedes kontrollrapport til fører. Når fører kan fremvise rapport på at et kontrollpunkt er gjennomført de siste 3 måneder, kontrolleres ikke dette punktet på ny. Det samme gjelder dersom kontroll etter periodisk kjøretøykontroll eller annen kontrollattest utstedt av godkjent kontrollorgan fremvises. I en teknisk kontroll skal følgende kontrolleres (ikke nødvendigvis alle punkter): 1. Bremsesystem med deler, tilpasset direktiv 2000/30/EF og vedlegg 6 i Kontrollveiledning utekontroll 2. At ABS-bremser finnes på tilhenger med største tillatte totalvekt over 3,5 tonn når motorvognen har ABS-bremser 3. Eksosanlegg lekkasje oppheng og godkjent utstyr 4. Røykgass (diesel) 5. Avgass (bensin) 6. Styring 7. Lykter, lys og lyssignalinnretninger (både funksjon og formell godkjenning) 8. Hjul og dekk (mønster, dimensjoner, skader, hjulbolter) 9. Fjæring PROSJEKTNR / SAK NR 60R av 71

151 10. Understell, tilhengerkopling 11. Fartsskriver 12. Hastighetsbegrenser 13. Lekkasjer fra drivstoffanlegg og oljelekkasjer 14. Frontale beskyttelsessytem I tillegg kan det utføres kontroll av utsyn fra førerplass. Kontroll av lastsikring Det arbeides med en egen veiledning om lastsikring. Inntil videre gjelder Kontrollveiledning utekontroll. Følgende skal kontrolleres: 1. Kontroll av kjøretøyets lastbærere, lemmer, støtter, festeanordninger 2. Surringsmateriell anbrakt innenfor lemmer 3. Forsvarlig lasting av kjøretøyet I tillegg må friksjonskoeffisient mellom last og underlag vurderes (tabell i Kontrollveiledning utekontroll), som grunnlag for å kontrollere om tilstrekkelig antall surringer er utført. Avgifter og oppslag i Autosys Følgende skal kontrolleres i forbindelse med avgifter: 1. Oppslag i Autosys: Skyldig årsavgift er betalt, riktig vektårsavgift oppført i vognkortet 2. Oppslag i Autosys: Begjæring om avskilting for manglende omregistrering 3. Oppslag i Autosys: Bruksforbud for manglende fremvisning for kontroll, ikke utbedret mangler innen frist eller at kontrollorgan har påpekt alvorlige feil 4. Oppslag i Autosys: Avskiltingsbegjæring for manglende trafikktrygd, skyldig årsavgift, vektårsavgift eller omregistreringsavgift 5. Overholdelse av bestemmelser om bruk av mineralolje (autodiesel) 6. Kontrollmerker 7. Vurdere om ombygde eller oppbygde kjøretøy må svare ny engangsavgift Punkt 2 ser ut til å være delvis sammenfallende med punkt 4. Bruksforskriften I forbindelse med bruksforskriften skal følgende kontrolleres: 1. Måling av lengde og bredde, inklusive innbyrdes lengder og lastelengder i vogntoget 2. Høyde på tilhenger 3. Høyde i forhold til høydebegrensning på vegstrekningen 4. Ett udelbart kolli uten dispensasjon 5. Om gods strekker seg utenfor kjøretøyets sider 6. Bred / lang transport uten dispensasjon 7. Bred / lang transport med dispensasjon uten tidsbegrensning 8. Bred / lang transport med dispensasjon med tidsbegrensning 9. Transport av flere kolli 10. Transport av biler 11. Krav til ledsagerkjøretøy, tidspunkt for gjennomføring og merking av transporten PROSJEKTNR / SAK NR 60R av 71

152 12. Kolonnekjøring av spesialtransporter 13. Landbruksmaskiner, bredde 3,5-4,1 meter (dispensasjon og merking) 14. Landbruksmaskiner, bredde 3,5 meter (merking) 15. Underkjøringshinder 16. Sporingskrav I tillegg skal hjulutrustning kontrolleres om vinteren PROSJEKTNR / SAK NR 60R av 71

153 10.2 Kjøre- og hviletid veg Følgende skal inngå i en kontroll av kjøre- og hviletid: 1. Førerkort og vognkort i samsvar med navn påført diagramskive 2. Digital fartsskriver, sjåførkort 3. Alderskrav og kompetansekrav 4. Passasjerer / medsjåfører 5. Fartskriver: Installert av godkjent verksted, installasjonsplate og forseglinger intakt. 6. Toårskontroll av fartsskriver 7. Korrekte opplysninger på diagramskiver og utskrifter 8. Korrekt bruk av fartsskriverens tidsgruppevelger 9. Manuelle opptegninger bak på diagramskive/utskrift dersom fartsskriveren har vært ute av funksjon 10. Utskrift eller notater ved manglende/ødelagt sjåførkort 11. Fartsskriverkort tapt eller stjålet 12. Om utskrifter og diagramskiver er tilgjengelige 13. Pauser 14. Døgnhvile og ukeshvile 15. Daglige og ukentlige kjøretider, samlet kjøretid i to etterfølgende uker PROSJEKTNR / SAK NR 60R av 71

154 10.3 Vektkontroll Følgende elementer inngår i en vektkontroll: 1. Tillatte akselvekter og totalvekt i forhold til vognkort. Også avgiftsmessige nedregistrerte totalvekter 2. Kontroll av king pin-trykk 3. Vekt i forhold til vegens tillatte vekt (også ved spesiell kunngjøring, oppsatt forbudsskilt osv) 4. Vekt mot totalvekttabellen, brukstillatelsen eller dispensasjonen % av aktuell totalvekt skal være på styrende hjul 6. Aktuell totalvekt på tilhenger skal ikke være større enn 1,5 ganger trekkvognas aktuelle totalvekt 7. Vogntog med aktuell totalvekt over 40 tonn skal ha minst 206 kw ECE motorytelse PROSJEKTNR / SAK NR 60R av 71

155 10.4 Sjåførkort Sjåførkortet lagrer data om sjåførens aktiviteter de siste 28 dager: Card Identification: - Kortnummer - Utstedt av, dato - Gyldighetsperiode Card Holder Identification: - Navn - Fødselsdato - Foretrukket språk Driving License Information: - Utstedt av - Førerkortnummer Vehicle-used Data: - Tidspunkt for første bruk av kjøretøyet - Kilometerstand - Tidspunkt for siste bruk av kjøretøyet - Registreringsnummer og Vehicle Identification Number, i tillegg til myndigheten som har registrert kjøretøyet Driver Activity Data - Manuelt oppgitte data - Daily Presence Counter - Dato og totalt utkjørt distanse - Sjåførens status ved kl Kjørestatus (Crew, Single) - Slot'en som er brukt (Driver, Co-Driver) - Kortstatus (inserted, not inserted) - Aktivitet (Kjører, tilgjengelig, jobber, hviler) - Tidspunkt for hver endring av aktivitet - Tidspunkt for endring av kjørestatus Work Location: - Dato og tid - Type (Start, slutt) - Land og region - Kilometerstand Events Data: - Time overlap - Innsetting av kort under kjøring - Card Session not correctlyclosed - Power supply interruption - Motion data error PROSJEKTNR / SAK NR 60R av 71

156 - Security breach attempt Faults Data: - Feil på kortet - Feil på fartsskriver Control Activity Data: - Tidspunkt for kontroll - Kontrollkortnummer og land - Type kontroll - Periode nedlastet - Registreringsnummer, Vehicle Identification Number og registreringsland PROSJEKTNR / SAK NR 60R av 71

157 10.5 Bedriftskort Bedriftskortet lagrer følgende data: Card Identification: - Kortnummer - Utstedt av, dato - Gyldighetsperiode Card Holder Identification: - Bedriftens navn - Adresse Company Activity Data: - Dato og tid - Type aktivitet (VU locking in/out, VU downloading, card downloading) - Nedlastet periode - Registreringsnummer og Vehicle Identification Number - Kortnummer og utstedende myndighet PROSJEKTNR / SAK NR 60R av 71

158 10.6 Kontrollkort Kontrollkortet lagrer følgende data: Card Identification: - Kortnummer - Utstedende myndighet, dato - Gyldighetsperiode Card Holder Identification: - Control body name and address - Navn på kortholder - Foretrukket språk Control Activity Data: - Dato og tid - Type kontroll - Nedlastet periode - Registreringsnummer og registrerende myndighet - Kortnummer og utstedende myndighet for kontrollert sjåførkort PROSJEKTNR / SAK NR 60R av 71

159 10.7 Verkstedkort Verkstedkortet lagrer følgende data: Card Identification: - Kortnummer - Utstedt av, dato - Gyldighetsperiode Card Holder Identification: - Verkstedets navn og adresse - Navn på kortholder - Foretrukket språk Vehicle-used Data: - Tidspunkt for første bruk av kjøretøyet - Kilometerstand - Tidspunkt for siste bruk av kjøretøyet - Registreringsnummer og Vehicle Identification Number, i tillegg til myndigheten som har registrert kjøretøyet Driver Activity Data - Manuelt oppgitte data - Daily Presence Counter - Dato og totalt utkjørt distanse - Sjåførens status ved kl Kjørestatus (Crew, Single) - Slot'en som er brukt (Driver, Co-Driver) - Kortstatus (inserted, not inserted) - Aktivitet (Kjører, tilgjengelig, jobber, hviler) - Tidspunkt for hver endring av aktivitet - Tidspunkt for endring av kjørestatus Work Location: - Dato og tid - Type (Start, slutt) - Land og region - Kilometerstand Events Data: - Time overlap - Innsetting av kort under kjøring - Card Session not correctlyclosed - Power supply interruption - Motion data error - Security breach attempt Faults Data: - Feil på kortet PROSJEKTNR / SAK NR 60R av 71

160 - Feil på fartsskriver Control Activity Data: - Tidspunkt for kontroll - Kontrollkortnummer og land - Type kontroll - Periode nedlastet - Registreringsnummer, Vehicle Identification Number og registreringsland Calibration and Time Adjustment Data: - Kalibreringens formål - Identifisering av kjøretøyet - Hvilke parametere som er oppdatert, nye og gamle verdier - Identifisering av fartsskriveren og bevegelsessensor Specific Conditions Data: PROSJEKTNR / SAK NR 60R av 71

161 10.8 Datatyper i kjøretøyregisteret I kjøretøyregisteret lagres data om følgende felt: NASJONALITET_KODE, BILNR, BILNR_FARGE, SisteRegDato, ForsteRegDato, RegAar, KjøringensArt, Aarsavgiftsgruppe, AUTO_MERKE_ID, AUTO_MODEL, Typegodkjenningsnummer, KJORETOYGRUPPE_ID, Motoreffekt, Slagvolum, Drivstoff, Bredde, Lengde, StandardDekkForan, StandardDekkBak, MaksSporForan, MaksSporBak, MinLoadIndexForan, MinLoadIndexBak, AKSEL_ANT, AntallAkslerMedDrift, AKSEL_AVST1, AKSEL_AVST2, AKSEL_AVST3, AKSEL_AVST4, AUTO_FARGE, TillattTotalvekt, Egenvekt, TillattForakselvekt, TillattBakakselvekt, EgenvektPaaForaksel, EgenvektPaaBakaksel, AntallSitteplasserIAlt, AntallSitteplasserForan, Luftfjering, Utrykningskjt, ikke_omreg, ikke_kontrollert, ikke_i_stand, ikke_forsikring, skyldig_vektavgift, skyldig_aaravgift, alt_aarsak PROSJEKTNR / SAK NR 60R av 71

162 10.9 TACHOnet: Aktører og bruksområder TACHOnet definerer følgende aktører: Deretter beskrives følgende "use cases" (Silvestre, 2003): PROSJEKTNR / SAK NR 60R av 71

163 PROSJEKTNR / SAK NR 60R av 71

164 PROSJEKTNR / SAK NR 60R av 71

165 10.10 Data fra VIPERWIM: Det lagres data på enkeltkjøretøynivå, innenfor følgende felt: yyyy/mm/dd, HH:mm:ss:ff,Site Number,Site ID,Serial Number,Lane,Speed KPH,Speed MPH,Vehicle Direction,Class Description,Class Index,Class Sub Index,Length CM,WheelBase CM,TimeGap MS,Headway CM,Validity Code,Validity Code Int,Temperature C,Loop On Time MS,Loop Threshold1,Loop Threshold2,Loop Threshold3,Loop Threshold4,Loop Threshold5,Chassis Height Code,Loop Min Height,Total Overhang Percent,Front Overhang Percent,Gross Weight KG,Axles,Axle Weight1,Axle SpacingCM1,Axle Weight2,Axle SpacingCM2,Axle Weight3,Axle SpacingCM3,Axle Weight4,Axle SpacingCM4,Axle Weight5,Axle SpacingCM5,Axle Weight6,Axle SpacingCM6,Axle Weight7,Axle SpacingCM7,Axle Weight8,Axle SpacingCM8,Axle Weight9,Axle SpacingCM9,Axle Weight10,Axle SpacingCM10,Axle Weight11,Axle SpacingCM11,Axle Weight12,Axle SpacingCM12,Axle Weight13,Axle SpacingCM13,Axle Weight14,Axle SpacingCM14,Axle Weight15,Axle SpacingCM15,Axle Weight16,Axle SpacingCM16,Axle Weight17,Axle SpacingCM17,Axle Weight18,Axle SpacingCM18,Axle Weight19,Axle SpacingCM19,Axle Weight20 En tellefil i tekstformat på kjøretøy fra til blir på bytes. Dette tilsvarer omtrent 250 bytes per kjøretøy. PROSJEKTNR / SAK NR 60R av 71

166 10.11 Data fra Datarec 410: Datarec 410 kan lagre data på enkeltkjøretøynivå. Det lagres data innen en rekke felt: Datotid, FeltHast(Km/t) QHast(Km/t), Lengde(m), Luke(s), U-max1, U-max2, Enheter, Port, Løpe, Diffsek(s), P-hast(Km/t), PQ-hast(Km/t), Antaks, P-luke(s), P-max1, P-max2, P-Enheter, Avekt1(T), Aavst1(m), Avekt2(T), Aavst2(m), Avekt3(T), Aavst3(m), Avekt4(T), Aavst4(m), Avekt5(T), Aavst5(m), Avekt6(T), Aavst6(m), Avekt7(T), RestVekt(T) En tellefil i tekstformat på kjøretøy fra til , ble på bytes. Dette tilsvarer om lag 110 bytes per kjøretøy. PROSJEKTNR / SAK NR 60R av 71

167 Vedlegg D: Metodikk for evaluering av effekter av Weigh-in-motion (WIM) PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 76 av 85

168 Memo Impact evaluation methodologies of WIM systems SINTEF Teknologi og samfunn SINTEF Technology and Society Address: Postboks 4760 Sluppen NO-7465 Trondheim NORWAY Telephone: Enterprise /VAT No: NO MVA PERSON RESPONSIBLE / AUTHOR Isabelle Roche-Cerasi FOR YOUR ATTENTION COMMENTS ARE INVITED FOR YOUR INFORMATION AS AGREED DISTRIBUTION Isabelle Roche-Cerasi PROJECT NO / FILE CODE Project No. or File code DATE CLASSIFICATION Restricted Introduction Weigh in motion systems associated with sensors and video cameras enable to collect data, to detect and select overloaded Heavy Goods Vehicle for further inspection control. The objective of this memo is to examine the methods employed to evaluate the impacts and the benefits of these new road systems and to identify a list of relevant impact assessment indicators that could be relevant for the NonStop project. The research questions are the following: 1. What are the potential impacts reported in the literature for the WIM/ANPR systems? Which of them are expected and have they been evaluated? 2. Which methods are developed and employed to evaluate these impacts and benefits? 3. What are the corresponding impact assessment indicators? In addition we will examine the methods used to inform the drivers of overloaded vehicles that they have been selected for further control. 4. How the drivers are informed that they have been selected? How are they deviated from their route for further control? The issues related to the data quality and reliability delivered by the WIM/ANPR systems will not be part of this memo. This memo contains project information and preliminary results as a basis for final report(s). SINTEF accepts no responsibility of this memo and no part of it may be copied. 1 of 19

169 Contents 1 Potential impacts and benefits Carrier behaviour Effects on carriers, France Change in loading behaviour, The Netherlands Pavement and road infrastructure Case Study, Montana, USA Traffic safety Traffic management Freight planning and operation safety Environmental impacts Economical benefits Methods to inform the drivers Mobile enforcement unit Variable Message Signs Conclusion Figures Figure 1: Enforcement results at Boulou, France. (Stanczyk, 2012) Figure 2: WIM/Video systems on a French motorway. (Jacob, 2010) Figure 3: Example of overweight vehicles observed at a typical site in USA, as a function of Day of week and time of day. (Stephens, 2003) Figure 4: Vehicle statistics in France. (Stanczyk, 2012) Figure 5: Mobile enforcement in The Netherlands. (FHWA, 2007) Figure 6: Overloaded vehicles passing over a bridge. (Jacob, 2010) Figure 7: Typical pavement damage from overweight vehicles for each STARS site for one month (baseline year). Figure 8: Gross vehicle weight distribution, Class 9 vehicles, with and without focused enforcement. (Stephens, 2003) Figure 9: Percentage of vehicles operating overweight at all sites during the baseline (control) and focused enforcement years. (Stephens, 2003) Figure 10: Change in pavement damage from overweight on vehicles across sites for a typical month. (Stephens, 2003) Figure 11: Overloaded truck rollover and collapsing bridge after a truck accident in 1986 in France. (Jacob, 2010) Figure 12: Maximum axle load and maximum noise emission. (Poulikakos, 2008) Figure 13: Footprint parameters per vehicle in Switzerland. (Poulikakos, 2010) Figure 14: Benefit diagram of WIM Figure 15: Interception of overweight vehicles by police officer in France. (FHWA, 2007) Figure 16: Expanded Virtual Weigh Station Concept of Operations Figure 17: Control area after a toll station in France. (Stanczyk, 2012) Figure 18: Roadside Variable Message signs and lane deviation to inspection station (Jacob, 2010) PROJECT NO / FILE NO Project No. or File code 2 of 19

170 1 Potential impacts and benefits The last decade, research studies have focused more on the efficiency of the new WIM systems. Consequently the most cited benefit is the enforcement efficiency (e.g. number of penalties per number of trucks stopped and inspected) (Figure 1). Figure 1: Enforcement results at Boulou, France. (Stanczyk, 2012) This targeted weight enforcement contributes also to more efficient and effective controls by traffic police officers (B. Jacob, 2010) and this efficiency of police resources leads also to a reduction of the weight control costs. This new control system induces in general a behaviour change among the carriers. They have a tendency to avoid loading their vehicles above the tolerated weight limit (e.g. 5-10% over the legal limit). This behaviour change is therefore the primary impact of the WIM systems on the freight operations. 1. Carrier behaviour - Changes in carrier behaviour, - Reduce number of overloaded vehicles, - Reduce average amount of overweight. By reducing the number of overweight vehicles in the traffic stream and the average amount of overweight, the use of the WIM/ANPR systems lead consequently to other interesting benefits. The following benefits are reported in the literature: 2. Pavement and road infrastructure - Protect and preserve road pavement and infrastructure, - Reduce pavement damages from overweight vehicles, - Preserve and protect road infrastructure (e.g. bridge, tunnel), - Improve knowledge about pavement fatigue related to overweight vehicles, - Improve pavement design planning, - Improve road maintenance and optimize resurfacing work. 3. Traffic safety - Improve road safety, - Reduce road traffic risks, - Reduce the number of incidents and accidents, - Improve road infrastructure safety. 4. Traffic management - Reduce traffic congestion and road closures, - Provide traffic prognostics to optimise traffic stream. 5. Freight planning and operation safety - Improve freight data collection to planners, PROJECT NO / FILE NO Project No. or File code 3 of 19

171 - Reduce unnecessary delays for weight controls, - Improve efficiency and effectiveness of freight operations by avoiding unnecessary stops for weight controls, - Safer freight operations by reducing overweight. 6. Environmental impacts - Reduce harmful emissions and pollution related to road closures and congestion, - Reduce fuel consumption from weight compliant vehicles, - Reduce vibrations and noise. 7. Economical impacts - Reduce economical consequences of overweight vehicles, - Increase overweight violation capture rates, - Reduce violation of taxes and fees, - Reduce costs for weight enforcement resources, - Reduce costs associated with resurfacing works and reparations of infrastructure. The list of potential benefits is quite long and impressive but only limited quantified benefits have been investigated and evaluated. Some of these impacts are not even detailed and described. The WIM data were first recognised as useful for weight enforcement and pavement design (e.g. especially in USA). There is today a new tendency to broaden the use of these data for infrastructure analysis, safety analysis, traffic control and freight management. However these developments are quite recent and only few studies propose evaluation methods and indicators to measure the impacts and benefits. 1.1 Carrier behaviour Weigh-in-motion technologies allow the control of vehicle weights in the traffic flow without disrupting the traffic, the freight transport and operations. Only overweight vehicles are stopped for further control by police mobile units. The additional procedure that consists of sending warnings to the transport companies seems to be very efficient in reducing the number of overloads in several countries (e.g. France, The Netherlands, Sweden and Japan). The behaviour of the carriers who previously most used illegally overweight vehicles has changed over time Effects on carriers, France Description: D. Stanczyk in 2012 reported a study with 25 detection systems installed on the French road network. vehicle size and weight enforcement is performed through: - Real time pre-selection for mobile enforcement - Scheduling time and location of enforcement activities - Directing carrier/company advisory notices of noncompliance and preventive visits The Static Control Weighting Area (SCWA) is located a few km from the WIM equipment and received images and parameters of the suspected vehicles to be controlled. Only the information of suspected vehicles in excess by more than 5 % above the legal threshold of speed, length and load are transmitted in real time. PROJECT NO / FILE NO Project No. or File code 4 of 19

172 Figure 2: WIM/Video systems on a French motorway. (Jacob, 2010) The list of suspected vehicles is provided in real time and the operator knows their time of arrival on the control site, the type of offense and its level (colour code; red, yellow and blue). A traffic police officer stops the vehicle to be controlled on a rest area; the truck is weighed either in static or at low speed with a static instrument and administrative procedures are applied if the offense is confirmed. Between Toulouse and Bayonne, the static sensors are installed on a slow lane and the weighing area is located 3 km after a toll barrier. This enables a quick and easy interception of the infringing vehicles. Method: The systems were connected to a national database, which can give real time information on the HGV traffic and can be used for statistics. An internet server collects the daily event logbook from each system and data are processed monthly and annually. - A software application provides information about the most overloaded days and hours and histograms of the daily truck flow and the daily overloaded truck flow as well as traffic. PROJECT NO / FILE NO Project No. or File code 5 of 19

173 Figure 3: Example of overweight vehicles observed at a typical site in USA, as a function of Day of week and time of day. (Stephens, 2003) - A second application provides results on the traffic by category, truck size, speed, length and gross weight. - The weight related aggressivity is calculated for each truck and for each truck category. - Carriers in offense are identified and statistics are performed. Indicators: - Daily traffic/truck flow - Daily overloaded truck flow - Overloaded hours and days, - Aggregated data; i.e. speed, load and length for 22 different vehicle categories. - Individual characteristics of trucks; i.e. weight of each axle, total weight, speed, day time, distances between axles. Data are linked to an image in case of overloading and/or speed offense. - An aggressiveness factor increasing with the weight of the vehicle, A is calculated for each truck (i.e. A=N axles.k correcting factor *P mean weight /13) α (road type factor ) and for the four truck categories. PROJECT NO / FILE NO Project No. or File code 6 of 19

174 Figure 4: Vehicle statistics in France. (Stanczyk, 2012) Results: This study reports a direct effect on carriers and overloaded vehicles. A decline of the percentage of the axle's overloads and in the total weight overloads were noticed Change in loading behaviour, The Netherlands Description: The pre-selection of overweight vehicles from the traffic stream is performed by WIM and video cameras. The vehicle image and licence plate are captured and information (data and video) is received from an upstream WIM/VID system on portable computers by officers at the mobile enforcement site (Figure 5). They intercept the suspected overloaded vehicles and perform a vehicle inspection. The database is managed by the Ministry of Transport. Even when there are no police officers at the weighing area, the suspected vehicles are recorded and a warning is sent to the company (B. Jacob, 2010). Figure 5: Mobile enforcement in The Netherlands. (FHWA, 2007) Method: Review of information on a monthly basis to determine the offending vehicles and the corresponding companies. The behaviour of each carrier is followed with an on-site visit for carriers for the companies with a red code (highest monthly offenses). After the visit, a 2 month monitoring period is PROJECT NO / FILE NO Project No. or File code 7 of 19

175 performed to examine if a positive change is observed in loading behaviour. When a positive change occurs, the company is not so intensively monitored and changed to the yellow list. If the behaviour remains positive, the company is categorized by a green code. In the worst cases, all vehicles are stopped by the police and a scale can be placed at the entrance of their site to release only the vehicles with no overloading.. Indicators: - Vehicle characteristics per company - Identification of the offending vehicles and their companies each month - History of the loading behaviour per company Result: - Increase of efficiency (number of citations issued compared to the number of vehicles stopped) - Positive change in loading behaviour - Truck companies invest more in new vehicles (with additional lightweight axles) and in-vehicle weighting systems to better self monitor truck load behaviour. 1.2 Pavement and road infrastructure Illegally overweight vehicles are estimated to cause a large amount of costs in damages to the pavement and the road infrastructure each year (Figure 6). The WIM/ANPR systems have the potential to dramatically reduce these damages. In addition, reducing the number of severely overweight vehicles lead to fewer costs due to pavement resurfacing work and infrastructure repairs. Figure 6: Overloaded vehicles passing over a bridge. (Jacob, 2010) Case Study, Montana, USA Objective: The objective of the pilot project in the state of Montana (2003) was to reduce the pavement damage caused by overweight vehicles. Description: A coordinated system of WIM stations around the state collected data about overweight vehicles (State Truck Activities Reporting System, STARS) and reports were provided weekly, monthly and yearly for each site (Measurement of Enforcement Activities Reporting System, MEARS). Five sites that had experienced the greatest pavement damage from overweight vehicles before the installation of the WIM systems were selected. Method: The method consisted in evaluating the pavement damage from overweight vehicles the year before and the years after focused weight enforcement. The damage at each site is estimated in terms of Equivalent Single Axle Loads (ESAL) factor, concept developed at the American Association of State Highway Officials (AASHO). Calculations were performed monthly to estimate the portion of the pavement demands attributed to the weight excess of the vehicles at each site. PROJECT NO / FILE NO Project No. or File code 8 of 19

176 These "excess" ESAL factors are measures of effectiveness of the sites. These sites with high excess factors are selected for focused enforcement activities (Figure 7). In addition to pavement damage, traditional measures of effectiveness of enforcement were also calculated. Figure 7: Typical pavement damage from overweight vehicles for each STARS site for one month (baseline year). General Indicators: - Traditional metrics about vehicle characteristics, per vehicle configuration - Number of commercial vehicles - Gross vehicle weight distribution per vehicle class, - Proportion of overweight vehicles in the traffic flow per month, - Proportion of overweight vehicles per vehicle configuration, - Number of overweight citations written, - Number of overweight citations per vehicle configuration, - Severity of overweight violations per vehicle configuration, per vehicle, - Average overweight per vehicle configuration, - Overweight vehicles by days of the week, hours of the day per site - Directions of travel, Specific indicators for pavement damage: - Monthly variation of pavement damage from the entire traffic stream per site, - Monthly variation of pavement damage from overweight vehicles per site, - Variation of pavement damage from overweight vehicles for all sites (ESAL-miles) - Pavement cost associated with the pavement damage, Results: The results showed: o Increase in weight compliant trucks during the enforcement period (Gross weight distribution), (Figure 8) PROJECT NO / FILE NO Project No. or File code 9 of 19

177 Figure 8: Gross vehicle weight distribution, Class 9 vehicles, with and without focused enforcement. (Stephens, 2003) o Reduction in the percentage of overweight vehicles (Figure 9), Figure 9: Percentage of vehicles operating overweight at all sites during the baseline (control) and focused enforcement years. (Stephens, 2003) o Reduction in the average amount of the overweight by these vehicles, The pavement damage varied significantly from month to month for each site, correlated with season activities. The data collection allowed to: o Predict a yearly pattern of overweight vehicle activities and pavement damage, o Establish historical information for different vehicle configurations, o Select sites to be controlled, time of day, direction of travel and vehicle configurations, PROJECT NO / FILE NO Project No. or File code 10 of 19

178 A reduction in pavement damage from overweight vehicles (ESAL-miles) attributed to the focused enforcement was calculated from the data collection (compensated partly by an increase of overweight vehicles at sites with no focused weight enforcement). This change in ESAL-miles of damage corresponded to a reduction in pavement cost. (Figure 10) Figure 10: Change in pavement damage from overweight on vehicles across sites for a typical month. (Stephens, 2003) Residual enforcement effects were observed during the following months after the focused enforcement activities but long-term change in vehicle loading patterns were not shown in this study. 1.3 Traffic safety A load excess is dangerous and leads to truck instability, braking default and loss of manoeuvrability. An overloaded truck is therefore more likely to be involved in an accident and in case of accident, the consequences are more severe than for a legally loaded truck (Jacob, 2010). PROJECT NO / FILE NO Project No. or File code 11 of 19

179 Figure 11: Overloaded truck rollover and collapsing bridge after a truck accident in 1986 in France. (Jacob, 2010) Statistics on overloaded trucks and weight data related to road accidents and incidents are data that could be collected. This information could contribute to a better knowledge about the impact of overloaded vehicles on road safety. In addition, changes in carrier behaviour after the installation of WIM/ANPR systems may also be followed to examine the decrease in the number of accidents and incidents. No article or report about the impact of these systems on road safety has been found. In several cases, truckers are suspected of using alternate routes to avoid set of weigh-in scales. The routes are often less adapted to heavy goods vehicles and a series of trucking accidents are reported. To catch drivers who are using alternate routes as a way to avoid weighing, a system of weight control is also installed on these routes. This has an impact on road safety and the level of truck traffic on the different routes. The data collected from the different WIM systems can show the changes in carrier behaviour and can be related to the trucking accidents and the level of traffic. 1.4 Traffic management The heavy goods vehicle data from WIM scales provide to the traffic management centres an overview of the national and regional overloading. WIM systems collect data on traffic volumes, vehicle types and weight profiles. Accurate, up to date and reliable information about vehicle weight and classification are useful for the management of traffic volume, lane occupancy and speed. This information about the composition of the heavy vehicle traffic will enhance the decision making processes of traffic centres. No article or report was found to examine how these data could be/is used by traffic management centres. However the future planned developments for the WIM data management systems show that new data applications will be developed for improving the effective use of WIM data by traffic management centres. 1.5 Freight planning and operation safety The WIM data can be sent to the carriers to better plan freight operations. The overview of the company's performances in terms of overloading allows them to find solutions for better organising the repartition of the goods over their vehicles. Consequently the delays provoked by the weight controls will be reduced over time and the efficiency and effectiveness of the freight operations will increase. The reduction in overloading will generate safer transport operations for drivers and terminal operators. No article or report was found to examine concretely how the WIM data generate benefits from carriers. 1.6 Environmental impacts Each overloaded vehicle must be assessed separately for the various environmental effects associated with the excess of overload. Vibrations and noise PROJECT NO / FILE NO Project No. or File code 12 of 19

180 The Swiss case study data showed that the heaviest vehicles are not necessarily the vehicles with the highest axle loads causing the most damage to the pavement, and nor are they the noisiest or the ones causing the most vibrations (Poulikakos, 2008). To measure the impacts in terms of vibrations and noise, supplementary equipment is necessary (e.g. ground borne vibrations). Figure 12: Maximum axle load and maximum noise emission. (Poulikakos, 2008) Pollution Exhaust gas from heavy duty vehicles depend on a combination of factors (e.g. driving style, road gradients and loading). Even if pollutant emissions could be measured remotely, a single-shot information of a vehicle passing a measurement station would not give any useful information on the pollutants the vehicle produces on the average (Mayer, 2012). It is common to estimate pollutant emissions from traffic by using a comprehensive emission factor database (Mayer, 2012). The handbook of Emission Factors for Road Transport is based on HGV engine emission measurements from European laboratories. An estimation of the emission factors was made in Switzerland using the vehicle class, the engine emission classification, the measured gross weight and speed by interpolating emission data from this handbook (Poulikakos, 2010). Figure 13: Footprint parameters per vehicle in Switzerland. (Poulikakos, 2010) An example is given in Figure 13 with three vehicles. Vehicle 21 could potentially be the most polluting vehicle in terms of gaseous and particle emissions (which is proportional to fuel consumption). vehicle 20 produces the highest noise and axle load. Vehicle 22 has the highest gross weight, high axle load and tyre pressure. Figure 13 shows the potential of following up the environmental footprint generated by overloaded vehicles. It is realistic to imagine a bonus-malus fee system related to the vehicle footprint measurements and to encourage a reduction of the environmental impact from Heavy Goods vehicles (Poulikakos, 2010). 1.7 Economical benefits Overloaded vehicles generate economical benefits for carriers by violating the rules of taxes and fees (Jacob, 2010). It creates also an unfair competition between the carriers. The following economical benefits can be evaluated for the authorities: - Capture of overweight violations and payment of fines, - Payment of taxes and fees (e.g. vehicle registration fees, axle taxes and toll collection fees), The weight enforcement has also an economical impact for road authorities. - The increased efficiency of the controls reduces the costs for weight enforcement resources. Police officer's time is used in a more effective and efficient way. Associated cost savings related to operational enhancement in weight enforcement can be evaluated. PROJECT NO / FILE NO Project No. or File code 13 of 19

181 Costs related to the infrastructure damage (e.g. tunnel, bridge), roadway closures and traffic detours can be also evaluated. Significant cost savings concerning the impact on road infrastructure are reported. - Reduce costs associated with resurfacing works and reparations of infrastructure. - Reduce costs associated with repairs for each bridge and tunnel. Other general costs and benefits can be also evaluated: - Annual costs attributable to overweight vehicles nationally and at county level, Zhang (2008) proposed three models for evaluating the economical feasibility of the WIM system in Canada; A benefit-cost study is quantified in three aspects, a WIM delay benefit, a WIM capacity enforcement benefit and a WIM safety benefit (Figure 14). Figure 14: Benefit diagram of WIM WIM delay benefit The WIM delay benefit is based on: - The annual truck time cost saving that results from reduced travel time, - The annual vehicle operating cost per stop saving that results from less travel distance. The model proposed by Zhang includes the following variables: PROJECT NO / FILE NO Project No. or File code 14 of 19

182 WIM capacity enforcement benefit The WIM capacity enforcement benefit is evaluated in terms of the amount of fines. The model proposed by Zhang includes the following variables: PROJECT NO / FILE NO Project No. or File code 15 of 19

183 WIM safety benefit The WIM safety benefit is evaluated in terms of reduced number of accidents. The model proposed by Zhang includes the following variables: The benefit-cost ratios were significantly high for the three benefit analyses done by Zhang in Canada. The results showed that the system was economically beneficial in reducing congestion and making the road safer. 2 Methods to inform the drivers Two current methods have been identified. The first one is based on mobile police officers and physical interception of vehicles (Figure 15), the second one on a message sent to the driver by a Roadside Variable Message Sign located before the fixed inspection station. PROJECT NO / FILE NO Project No. or File code 16 of 19

184 Figure 15: Interception of overweight vehicles by police officer in France. (FHWA, 2007) 2.1 Mobile enforcement unit The concept of operations for what it is called, a Virtual Weight Station (2009) has been described by the U.S. Department of Transportation. Figure 16 below represents the most sophisticated version with the data flows between the different actors.13 important steps for the operations have been identified. In the first step, the truck is weighed on the WIM scales and measured by sensors. The steps from 2 and 5 correspond to the data flow about the vehicle being weighed. In step 6, the mobile enforcement officer positioned downstream from the virtual station and the enforcement personnel at the fixed station receive this information. At step 7, the officer at the fixed station proceeds to a vehicle inspection. The mobile enforcement unit intercepts the overweight and non compliant vehicle for inspection. If the vehicle is not intercepted, a warning letter or a citation is sent to the carrier (step 8). At step 13, the data are made available to the carrier to track the assets and performances of the company. Figure 16: Expanded Virtual Weigh Station Concept of Operations PROJECT NO / FILE NO Project No. or File code 17 of 19

185 In many cases, the vehicles are often intercepted after a non automatic toll station or near a parking lot by a mobile patrol (Figure 17). Figure 17: Control area after a toll station in France. (Stanczyk, 2012) 2.2 Variable Message Signs The fixed station has often a special dedicated area for performing the control. In the example below from Canada, the WIM station is situated before the fixed inspection station and a Variable Message Sign is used to inform the drivers that they have been selected and they must take the deviation to the static scale and inspection station (Figure 18). Figure 18: Roadside Variable Message signs and lane deviation to inspection station (Jacob, 2010) Conclusion The literature review shows an absence of best practices consensus relative to the use of WIM/ANPR data. The full impact of removing overloaded vehicles from roads is not yet known. The impacts the most currently quantified are the efficiency of the new enforcement method, the changes in carrier behaviour and the reduction in costs and damages of pavement and infrastructure. It seems too early to get a real status of the other quantified benefits; the NonStop project has therefore the opportunity to propose a global method of evaluation and impact assessment indicators of WIM systems. It may be easier to develop a method based on methods already used by NPRA traffic centres to evaluate the impacts of other ITS applications (e.g. queue warning, surveillance of dangerous goods, etc.). PROJECT NO / FILE NO Project No. or File code 18 of 19

186 References Commercial Motor Vehicle Size and Weight Management. Agency-wide benefits. AASHTO. FHWA, Commercial Motor Vehicle Size and Weight enforcement in Europe. US department of transportation. Hanscom, F., Developing Measures of Effectiveness for Truck Weight Enforcement Activities. National Cooperative Highway Research Programme, TRB. Calderara, R., Barz, D., Doupal, E., ITS and overload enforcement. Kistler. Measure. Analyse. Innovate. Jacob, B., Improving truck safety: Potential of weigh-in-motion technology. IATSS Research, Jones, M. Targeted roadside enforcement using WIM and ANPR. Mayer, R. M., Poulikatos, L.D., Lees, A.R., Heutschi, K., Kalivoda, M.T., Soltic, P., Reducing the environmental impact of road and rail vehicles. Environmental Impact Assessment Review. 32, Poulikakos, L.D., Arraigada, M., Morgan, G.C.J., Heutschi, K., Anderegg, P., Partl, M.N., Soltic, P., In situ measurement of the environmental footprint of freight vehicles in Switzerland. Transportation Research Part D 13, Poulikakos, L.D., Heutschi, K., Arraigada, M., Anderegg, P., Soltic, P., Environmental footprint of road freight: Case studies from Switzerland. Transport Policy Poulikakos, L.D., Lees, A.R., Heutschi, K., Anderegg, P., Comparisons of the environmental footprint of heavy vehicles in the UK and Switzerland. Transportation Research Part D, 14, Stanczyk, D., Klein, E., (2012). Heavy traffic data collection and detection of overloaded HGV. Transport Research Arena Europe Procedia Social and Behavioral Sciences, 48, Stephens, J., Carson, J., Hult, D.A., Bisom, D., Infrastructure Preservation Using WIM Coordinated Weight Enforcement. TRB Meeting. Construction and materials tips, What is ESAL?. Third Quarter U.S. Department of Transportation (2007). Commercial Motor Vehicle Size and Weight Enforcement in Europe. Winter, K., Campbell, B., Technology helps us Do things Better: Virtual Weigh Stations, Other New Methods for Enforcing the Law Prolong Highway Life and Increase Vehicle Citations. VDOT Research Library. Zhang, L.A., Haas, C., Tighe, S.L., Evaluation of the Economic Feasability of Weigh-In-Motion in Canada. Pavement Evaluation, Performance and Management Session. Annuel Conference of the Transportation Association of Canada. PROJECT NO / FILE NO Project No. or File code 19 of 19

187 Vedlegg E: Targeted selection of overweight vehicles in Norway PROSJEKTNR RAPPORTNR SINTEF A27254 VERSJON 1,0 77 av 85

188 Transport Research Arena 2014, Paris Targeted Selection of Overweight Vehicles in Norway Erlend Aakre a, Thomas Engen b, Isabelle Roche Cerasi b a Department of Civil and Transport Engineering, Norwegian University of Science and Technology, Trondheim, Norway b SINTEF Technology and Society, Trondheim, Norway Abstract The aim of the project is to develop, deploy and evaluate a decision support system for vehicle control officers. Avoiding the inconvenience for compliant vehicles to be stopped and delayed, and redirecting the attention to the non-compliant actors is a challenging task. This paper describes the use of Weigh-in-motion systems (WIM) to select overweight vehicles; as well as a literature review showing an absence of best practice consensus relative to the use of WIM data for evaluating the overall impact of removing overloaded trucks from the roads. Methods related to the evaluation of the potential impacts of WIM systems are discussed in the paper. Three WIM systems were tested and compared with the static weight control. They had different reliability and accuracy and this have implications on the errors that must be minimized in order to use WIM for selection of probable overweight vehicles: false negatives and false positives. A model was developed to study these effects. Keywords: Sensors ; WIM ; Vehicle inspection ; Overweight. Résumé L'objectif du projet était de développer, de mettre en place et d'évaluer un système fiable qui aidera les agents de contrôle à sélectionner les véhicules en surcharge. Concentrer le travail des agents sur les camions nonconformes et éviter d'arrêter et de retarder les véhicules en règle n'est pas une tâche si facile. Cet article décrit différents systèmes de pesage en mouvement (WIM); ainsi qu'une revue de la littérature montrant une absence de consensus, quant à l'utilisation des données de ces systèmes; et ceci afin d'évaluer le bénéfice global du retrait des camions en surcharge des routes. Différentes méthodes, pour déterminer les impacts potentiels des systèmes WIM sont présentées dans cet article. Trois systèmes WIM ont été testés et comparés au système de pesage statique: des valeurs différentes de fiabilité et de précision ont été obtenues. Ce qui a pour conséquence des erreurs qui doivent être réduites au minimum afin de pouvoir utiliser un système WIM pour la sélection des véhicules suspectés d'être en surcharge: des faux négatifs et des faux positifs. Un modèle a été développé pour étudier ces effets. Mots-clé: Capteurs; WIM; Contrôle du véhicule; Surcharge.

189 Erlend Aakre, Thomas Engen, Isabelle Roche Cerasi / Transport Research Arena 2014, Paris 2 1. Introduction NonStop is a Norwegian Research and Development project, funded by the Research Council of Norway and the Norwegian Public Roads Administration (NPRA). The aim of the project is to develop, deploy and evaluate a decision support system for vehicle control officers. By combining information from various sensors and databases, vehicle inspections will be more targeted. Avoiding the inconvenience for compliant vehicles to be stopped and delayed, and redirecting the attention to the non-compliant actors is a challenging task. This paper discusses the impacts of Weigh-in-motion systems (WIM) systems and describes the use of WIM to select overweight vehicles. The consequences of data accuracy and reliability of three different WIM systems are described. 2. Impact of WIM systems. By reducing the number of overweight vehicles on the roads and by encouraging changes in carrier behaviour, the use of WIM systems consequently leads to interesting benefits. The literature review showed an absence of best practice consensus relative to the use of WIM data for evaluating the overall impact of removing overloaded trucks from the roads. The WIM systems were first developed to preserve the road pavement and infrastructure, and to reduce the costs for weight enforcement resources. There is a new tendency to evaluate other effects on the carrier behaviour (e.g. reduction of the average amount of overweight and number of overloaded vehicles), the environment (e.g. reduction of harmful emissions, vibrations, noise and fuel consumption), traffic management (e.g. reduction of congestion and road closures), traffic safety (e.g. reduction of traffic risks and accidents) and costs (e.g. reduction of taxes and fees violation, increase of overweight violation capture rates). In the NonStop project, one of the objectives was to identify potential impacts reported in the literature, evaluation methods and corresponding assessment indicators Carrier behaviour change Weigh-in-motion technologies allow the control of vehicle weights without disrupting the traffic and the freight operations. The procedure consisting of warnings sent to the transport companies seems to be very efficient in encouraging carrier behaviour change over time. Two best practices in France and in the Netherlands hold our attention. In France, the list of suspected vehicles is known in real time thanks to WIM systems dispatched on the national road network, as well as the types of offense coded with colours. An internet server collects the daily event logbook from each WIM system and data are processed monthly and annually (Stanczyk et al., 2012 and Jacob et al., 2010). The data are connected to the national registration database, which can give information on the vehicle owners and can be used for statistics. In the Netherlands, results from video-wim systems are analysed on a monthly basis and determine the offending vehicles and the corresponding companies. The behaviour of each carrier is followed with an on-site visit for carriers for the companies with a red code (highest monthly offenses). After the visit, a 2 month monitoring period is performed to examine if a positive change is confirmed in loading behaviour. When a positive change occurs, the company is kept under less intense surveillance and the company name moved to the yellow list (FHWA, 2007). If the behaviour remains positive, the company is then categorized by a green code. In the worst cases, all vehicles are stopped by the police and a scale can be placed at the entrance of their site to release only the vehicles with no overloading (FHWA, 2007). These practices connect automatically the overloaded vehicles with the vehicle registration database. Carriers who committed repeatedly weight vehicle violations can then be automatically identified and classified by severity level and types of offenses. This software application of automatic enforcement is of high interest for the Norwegian system; the colour coding makes the system simple and user-friendly. The French application is based on an aggressiveness factor increasing with the weight of the vehicle whereas the Dutch version provides the history of the loading behaviour by carrier. This second practice from the Netherlands is more restrictive for carriers and may require significant human resources, not yet available among the Norwegian traffic road station staff.

190 Erlend Aakre, Thomas Engen, Isabelle Roche Cerasi / Transport Research Arena 2014, Paris 2.2. Protection of road pavement and infrastructure Illegally overweight vehicles cause damages to the pavement and the road infrastructure. The WIM/ANPR systems have the potential to reduce the number of severely overweight and the associated costs for pavement resurfacing work and infrastructure repairs. Several studies in the USA showed experiences in following large pavement damages caused by overweight vehicles with reporting systems provided weekly, monthly and yearly (STARS). This method consists of evaluating the damage the year before the installation of the WIM system and the years after the set up of the weight enforcement. The damage is estimated in Equivalent Single Axle Loads (ESAL) factors; a concept developed at the American Association of State Highway Officials (AASHO). Calculations were performed monthly to estimate the portion of the pavement damage attributed to the weight excess of the vehicles at each study site. Such a system to calculate the reduction in road pavement and infrastructure damages is of high interest and may show substantial reduction in costs in Norway; especially if there is no alternative routes available to avoid the weight control set up on the main motorway Traffic safety An excess weight is always dangerous for the stability of a truck, even if it is safely loaded. This can cause brake system faults and the truck could become difficult to manoeuvre and control. The risk for a driver of an overloaded truck to be involved in an accident is therefore higher than for a legally loaded truck. In addition, the involvement of overweight vehicles in traffic accidents increases the severity of the consequences of accidents. Jacob et al. (2010) showed that there is a lack of statistics on overweight vehicles related to road accidents and incidents due to weight data not being collected by the police. This information is also missing in Norway and it will be difficult to relate any reduction in the number of accidents to the direct installation of the WIM system. In several studies, truckers are suspected of using alternate routes to avoid a set of weigh-in scales. This may increase the risk of accidents on these secondary roads. This is a great concern in Norway where alternative roads are not adapted to heavy vehicles. The impact of WIM systems on road and tunnel safety is of high importance in Norway and a reduction in the number of accidents and incidents is expected. No alternative routes should be possible for the heavy vehicles to avoid an increase in truck traffic and accident risk level on poorly adapted roads Traffic management The WIM systems may provide to traffic management centres, an overview of national and regional geographical location of overloaded vehicles. Data from the systems could be relevant information for the 5 regional centres in Norway. Accurate, reliable and up to date information about the heavy traffic, vehicle weight and classification are useful for the management of traffic volume, lane occupancy and speed. Future WIM data management systems may include new applications especially developed for traffic management centres; such as real time traffic data collection, heavy traffic flow information, dangerous goods tracking, tunnel traffic safety, traffic/congestion monitoring and prognosis, etc Freight planning The WIM data can also be useful for carriers to better plan freight operations. In Norway, a simple notification is sent to them for each overweight truck. However, an annual report would provide them an interesting overview of the company's performances in terms of overloading. This could be helpful for large companies to find solutions for better organising the repartition of the goods over their vehicles. Consequently, the delays provoked by the weight controls will be reduced over time and the efficiency of the freight operations will increase. The reduction in overloading will generate safer transport operations for drivers and terminal operators. This may be assessed by means of data collection and questionnaires among the carriers and their employees Environmental impacts The assessment of the various environmental effects associated with the excess of overload; vibrations, noise and pollution is quite complex. To measure the impacts in terms of vibrations and noise, special equipment is

191 Erlend Aakre, Thomas Engen, Isabelle Roche Cerasi / Transport Research Arena 2014, Paris 4 necessary (e.g. ground borne vibrations). Exhaust gas emissions depend on a combination of parameters (e.g. driving style, road gradients and loading) and are usually estimated by means of factors related to the vehicle class, the engine emission classification, the measured gross weight and speed (Poulikakos, 2010). This can be implemented rapidly Economical benefits Overloaded vehicles generate economical benefits for carriers by violating the rules of taxes and fees (Jacob et al., 2010). It creates therefore an unfair competition between the carriers. The economical benefits expected for the authorities with the WIM system are few payments of fines, taxes and fees (e.g. vehicle registration fees, axle taxes and toll collection fees). The increased efficiency of the weight control reduces also the costs for weight enforcement resources and operations. Costs related to the infrastructure damage (e.g. tunnel, bridge), road and tunnel closures, resurfacing works and repairs of infrastructure are also reduced. It will be interesting to calculate the annual reduced costs attributable to overweight vehicles nationally and at a regional level in Norway with a benefit-cost study quantifying the most relevant aspects. 3. Use of WIM to select overweight vehicles 3.1. Description of WIM site The WIM systems used in this paper site are located at Klett, approximately 15 km south of Trondheim, Norway. A static weight station at Sandmoen is located 5 km to the north of the WIM site. The European WIM Specification sets recommendations to road geometry parameters for the road section 50 meters upstream to 25 meters downstream of the WIM system. (Jacob B et.al. 2002) Longitudinal slope should be less than 1 % for a class 1 site, or less than 2 % for other site classes. As far as possible, the longitudinal slope should be constant. At the Klett test site, the longitudinal slope is 0.9 % (constant). The transverse slope should be less than 3 %. The test site has a transverse slope of approximately this value. The radius of horizontal curvature should be more than 1000 meters. The test site is located at a straight road section. There are no areas of acceleration or deceleration close to the WIM site, and speeds are measured to be uniform at single vehicle level along the test site. The speed limit is 70 km/h. The road consists of two lanes (one in each direction), with a low proportion of overtaking or lane changing. The evenness and deflection of the pavement is not measured, but the road section has no significant bumps. Pavement grinding was performed on the last 100 meters prior to the WIM sensors Potential of detecting overloaded vehicles The project Remove (De Groot, 2005) indicates that more than 95 % of overloaded vehicles can be detected when using a WIM-based pre-selection site. At the same time, almost no correctly loaded vehicles are stopped. The accuracy of the WIM system needed is not explicitly stated, but it seems reasonable to assume that these numbers refer to WIM systems recommended for preselection purposes, meaning Class B(10) or better. With a class B(10) WIM system in Muret, France, 102 heavy vehicles were preselected, assumed to be more than 5 % overloaded (Stanczyk et.al., 2008). 98 out of 102 were found to be overloaded at the static weigh station, and 79 of these were fined for an overload of more than 5 %. In the UK, VOSA have reported that WIM accuracy was better than 10 % in 100 % of the cases with stopped vehicles. In 74 % of the cases, WIM accuracy was better than 5 %. Over 90 % of the preselected vehicles were fined (8 % overweight threshold), compared to 24 % using manual methods (Jones, 2008). The stopped vehicles were chosen from the approximately 240 daily overweight alerts, but due to staff issues only 6 % of these were statically weighed Accuracy and precision of the WIM systems Through field observations, the distribution of Gross Vehicle Weights at the site and WIM-precision for the three systems has been calculated. The main point is not to test the systems themselves, but to provide data for a

192 Erlend Aakre, Thomas Engen, Isabelle Roche Cerasi / Transport Research Arena 2014, Paris stochastic simulation model for rates of detection with WIM systems of varying quality. In order to describe the performance of a WIM system, the performance measures must be clearly defined. Assuming that the objective of installing the WIM system is to estimate the static weight of vehicles, it is common to consider three major components of WIM errors (Krukar et.al. 1996): WIM scale error Errors due to vehicle dynamic forces Static scale error It is difficult to precisely determine the effects of each individual error component, and it is therefore more common to treat the three WIM error components as one. The error can be described by accuracy and precision: Accuracy, in this context, is defined as the average (or systematic) bias of the WIM measurements, compared to static weighing. It is necessary to establish a reference, or ground truth, therefore the static weight error is assumed to be zero. Precision is defined as the closeness of repeated measurements, for instance represented by the standard deviation or a confidence interval for the errors. The accuracy of a WIM system is mainly an issue of calibration. Therefore, all WIM measurements used in this paper are adjusted by a correction factor, in order to eliminate systematic bias. Through the application of the correction factor, the accuracy of the gross vehicle weight measurements is near perfect: ) (1) For single vehicle measurements, the following formula is used to obtain a calibrated WIM weight from the raw data WIM measurements: Although the accuracy is improved by applying a correction factor, this does not improve the precision. The precision of each system is calculated by finding the relative error in each WIM measurement (single vehicle data): (2) Even though the average relative error is now zero, the average calibrated WIM weights are not the same for each system. The weight at the static weight at Sandmoen was used for reference. Initially system 1 and 2 was installed at the Klett and tested by measuring the weight of 114 vehicles. System 3 was subsequently installed to try to improve the accuracy of the WIM system used for NonStop. System 3 has been tested with 75 vehicles, but will be further tested in the future. The results from these tests were: System 1 (WIM system based on piezoelectric cables, with two sensors in each lane) The relative error has a standard deviation of 13 % (equivalent to COST323 class E) System 2 (WIM system based on piezoelectric cables, with two sensors in each lane) The relative error has a standard deviation of 7 % (equivalent to COST323 class C(15)) System 3 (WIM system with piezo quartz sensors) The relative error has a standard deviation of 4 % (equivalent to COST323 class B(10)). System ½ is a combination of System 1 (30 % impact) and System 2 (70 % impact). The relative error has a standard deviation of 6 % (equivalent to COST323 class C(15)). The relative error rate of system ½, is better than system 1 and 2 separately. Even though System 1 has significantly lower precision than System 2, the combination of the systems reduces the overall error rate. First (3)

193 Erlend Aakre, Thomas Engen, Isabelle Roche Cerasi / Transport Research Arena 2014, Paris 6 all weights were recorded separately for each system. The ratio of impact between the two systems was chosen after the ground truth (static weight) was known, in order to minimize the standard deviation of the relative error. During the project work, System 2 and System 3 will also be combined, but so far there hasn't been a common data set. The precision is expected to be better than 4 % (standard deviation) Observed rates of detection Due to the amount of work needed in order to create the dataset, and the long intervals between each weight control performed at Sandmoen, the numbers of observations are lower than one would prefer. The number of overweight vehicles is low compared to the total heavy vehicle volume, and therefore it will take time to obtain a good dataset on rates of detection of overweight vehicles. A (semi)automatic system for coupling of ANPR, WIM and static weight data is being implemented at the test site as part of the NonStop project, and there is reason to believe that this system will improve the data acquisition process. In order to estimate the rates of detection, the results need to be simulated on basis of the gross vehicle weight distributions and WIM precision distributions Description of Simulation Model for Estimating Overweight Detection Rates The model assumes that gross vehicle weights and WIM errors can be described by the normal distribution. Gross vehicle weight legal limit is assumed to be a fixed number. The weights and WIM errors need not follow a normal distribution, and other distributions are possible to implement if later research demonstrates the need for this. It is also possible to implement other submodels or parameters. Relevant examples could be axle weights or axle group weights. From the two normal distributions, a static weight and a WIM error is generated. Combined, this generates a stochastic single vehicle dynamic weight. The dynamic weight is compared with the gross vehicle weight legal limit, to see if the vehicle should be marked as overweight in the screening process. The components of the model are shown in Fig Model testing Fig. 1 Components of the simulation model The model has been tested using Microsoft Excel. To check that the model is working, results from the model have been compared to an analytical model (Bergan et. al. 1995). The analytical model assumes normally distributed random WIM errors (deviation), and also displays the effect of systematic errors (lack of calibration). However, the analytical model does not account for the distribution of Gross Vehicle Weight among heavy vehicles. Results from the first run, with 1000 vehicles, are shown in Fig. 2. Repeated runs gave similar results. The small variations will even out if the number of vehicles is increased.

194 Erlend Aakre, Thomas Engen, Isabelle Roche Cerasi / Transport Research Arena 2014, Paris Fig. 2 Probability of weight station bypass The graph shows a single vehicle s overweight percentage (10 on the x-axis means that the vehicle is 10 % heavier than the legal limit), and the probability of the overweight vehicle bypassing the weigh station. The lines in the graph are the results from the NonStop model, while the dots are the results from the analytical model. The three different alternatives are three WIM systems with varying precision (all systems are perfectly calibrated). The precision is given as a standard deviation of WIM error; 10 %, 5 % and 1,5 % of the gross vehicle weight. It can be concluded that the WIM error part of the NonStop model generates results that are similar to the analytical model. The distribution of the gross vehicle weights is the other important part of the NonStop model (this feature is not covered by the analytical model of Bergan and colleagues). The observed gross vehicle weights may be described by two normal distributions, one for vehicles over 40 tons (N=19, average weight = 48,8 tons, standard deviation = 2,9 tons) and one for vehicles under 40 tons (N=95, average weight = 18,1 tons, standard deviation = 8,4 tons). This approach gives a good fit to the observed data, as can be seen in Fig. 3. In this paper it will be assumed that the vehicles with gross vehicle weight over 40 tons are the most interesting, although the model could also be extended to cover the whole range of heavy vehicles. Fig. 3 Gross vehicle weight distribution In order to check that the model generates reasonable gross vehicle weights for the group of vehicles over 40 tons, data from September 2011 was used as input data in the model. They were compared to a set of independent data from May 2013 (only 22 observations over 40 tons). Although there is an obvious need for more data, it can be concluded that the NonStop model seems to generate realistic gross vehicle weights. The comparison can be viewed in Fig. 4.

195 Erlend Aakre, Thomas Engen, Isabelle Roche Cerasi / Transport Research Arena 2014, Paris 8 Fig. 4 Distribution of gross vehicle weights Initial testing of the NonStop model indicates that the two main parts generate realistic results individually. However, the model assumes that the two parts are independent. This may not be entirely true Model results Three different WIM systems and two different thresholds for overweight screening have been tested. Alternative 1 has a threshold equal to the gross vehicle weight legal limit (in this case set to 50 tonnes). However, vehicles are not fined unless the gross vehicle weight legal limit is exceeded by more than 2 tonnes. Therefore, Alternative 2 has a threshold of 52 tonnes. In the simulation this means that all vehicles with a dynamic weight of less than 52 tonnes will be allowed to bypass the weigh station. Since the first two WIM systems (System 1 and System 2) use the same data set, a fourth WIM system has been tested (System ½). System ½ results are a combination of WIM results from System 1 (30 %) and System 2 (70 %). Even though System 1 has a significantly lower precision than System 2, the effect of adding more sensors has a high impact; the results are improved. System 3 was not part of the first test in 2011, and uses a separate data set from May 2013 (same location as the first test). Fig. 5 shows the 4 different outcomes of the preselection process of one vehicle. For instance, if the WIM system indicates no overweight (according to the threshold, not legal limit), there are two possible outcomes; 0 or 2. 0 means that the static weight was OK (below the legal limit), while 2 means that the vehicle actually was overweight. WIM system Weigh station Overweight? Fig. 5 Different outcomes of the preselection process In short, 0 and 1 are the correct preselection or screening results (true negative and true positive). 2 and 3 are the two incorrect preselection or screening results (false negative and false positive). High error 2 rates mean that a lot of overweight vehicles are bypassing the weigh station. High error 3 rates mean that a lot of vehicles are stopped without actually being overweight. Table 1 shows the distribution of results for the 3 (4) different WIM systems, with a 50 ton preselection threshold and a 50 ton gross vehicle weight legal limit. The weight distribution of the heavy vehicles used in the simulation is a normal distribution, with a 48,8 ton average and 2,9 ton standard deviation heavy vehicles are simulated.

196 Erlend Aakre, Thomas Engen, Isabelle Roche Cerasi / Transport Research Arena 2014, Paris Table 1 Results for the 3 (4) different WIM systems, with a 50 ton preselection threshold Precision(st.dev) Result System 1 System 2 System 1/2 System It is clear that the share of result 0 and 1 increases with increasing WIM precision, while the share of result 2 and 3 (errors) are reduced with increasing WIM precision. Table 2 shows results equivalent to Table 1, but with a 52 ton preselection threshold. In Norway, the driver of an overloaded truck is not fined unless the gross vehicle weight overload exceeds 2 tons. This is, in most cases, equivalent to a 4 % overload. Table 2 Results for the 3 (4) different WIM systems, with a 52 ton preselection threshold Result System 1 System 2 System 1/2 System Obviously, a higher weight threshold for preselecting a heavy vehicle results in a reduced amount of trucks being stopped. It is also obvious that this results in fewer overloaded vehicles being fined (result 1), and also fewer legally loaded vehicles being stopped unnecessarily (result 3). However, one can also discover that the share of result 1 and 2 seem to be almost independent of the WIM precision at this preselection threshold. Results 0 and 3 are still highly dependent of the WIM precision. This indicates that there is good reason to fine tune the WIM system calibration, and make an effort in order to set the right weight thresholds according to the WIM precision, the weight distribution of the heavy traffic and user preferences on false positive and false negative outcomes. It is near impossible to give absolute recommendations on the optimum threshold for preselection, but some general guidelines on how to find a threshold that suits a specific WIM site may be suggested: If the static weigh station has low capacity, a high threshold should be set in order to target the most critical offences. With a higher capacity, a lower threshold may be chosen. In some cases, the WIM site may be installed primarily in order to let legally loaded trucks bypass the static weigh station. In that case, a high threshold should be chosen. If it is critical that the weight limits are respected (for instance due to pavement or bridge design), a low threshold should be selected. Also, a highly accurate WIM system allows a lower threshold than a WIM system with low accuracy. It seems that most evaluations of WIM data quality use different measures, with unique definitions of detection rates. From Fig. 5 and Table 1 or Table 2, it should be possible to calculate most of the error rates or detection rates. For instance: The number of vehicles preselected is the sum of result 1 and result 3 The number of overloaded vehicles is the sum of result 1 and result 2 The number of legally loaded vehicles is the sum of result 0 and result 3 4. Conclusions In summary, the literature review showed an absence of best practices consensus relative to the use of WIM/ANPR data. The full impact of removing overloaded vehicles from roads is not yet fully evaluated. The most quantified impacts are the efficiency of the enforcement, the changes in carrier behaviour and the reduction in costs and damages of pavement and infrastructure. It seems too early to get a real status of the other quantified benefits. The NonStop project will develop a method adapted to systems already in use in traffic stations.

197 Erlend Aakre, Thomas Engen, Isabelle Roche Cerasi / Transport Research Arena 2014, Paris 10 A model have been developed to use information about weight distribution of the vehicles passing the WIM site, weight threshold for enforcement and level of accuracy of the WIM to calculate optimal selection parameters for further controls at the static weight. There are two possible errors that must be minimized in order to use WIM for selection of probable overweight vehicles: false negatives and false positives. A targeted selection of vehicles for inspection, based on ITS, will make it possible to focus inspection time and effort on potential violators and complex, time consuming issues like cargo status, documents and legislation. The drivers and transport operators especially demand a better enforcement on cabotage and drivers or operators deliberately cheating on driving time, break and resting periods. The on-going pilot and evaluation assessment will help adjusting the system in order to provide the optimal impacts for the society, the enforcement authorities and the transport industry. References Bergan, A. T., Berthelot, C. F., & Taylor, B. (1995). Effect of weigh in motion accuracy on weight enforcement efficiency. In Steps Forward. Intelligent Transport Systems World Congress (No. Volume 1). Commercial Motor Vehicle. (2008). Size and Weight Management. Agency-wide benefits. AASHTO. De Groot, K M (2005) Project REMOVE: WP3 - Future Enforcement Strategy FHWA. (2007). Commercial Motor Vehicle Size and Weight enforcement in Europe. US department of transportation. Jacob B., O brien E. J. and Jehaes S. (eds) (2002). COST 323 ( ). Weigh-In-Motion of Road Vehicles Final Report of the Cost 323 Action (WIM-LOAD). LCPC Publications Jacob, B., & Feypell-de la Beaumelle, V. (2010). Improving truck safety: Potential of weigh-in-motion technology. IATSS Research, Jones, M. (2008). Targeted roadside enforcement using WIM and ANPR. In International Conference on Heavy Vehicles, 2008, Paris, France. Krukar M., Evert K. R. Martin H. (1996) Double threshold weigh-in-motion scales preliminary accuracy test results from the pass project, National Traffic Data Acquisition Conference Albuquerque, New Mexico Poulikakos, L.D., Heutschi, K., Arraigada, M., Anderegg, P., & Soltic, P. (2010). Environmental footprint of road freight: Case studies from Switzerland. Transport Policy Stanczyk, D., Geroudet, B., Thiounn, C., & Millot, A. (2008). Pre-selection of overloaded Vehicles. In Proceedings of Int. Heavy Vehicle Conference HVParis2008 (HVTT10-ICWIM5), Paris, May (pp ). Stanczyk, D., & Klein, E., (2012). Heavy traffic data collection and detection of overloaded HGV. Transport Research Arena Europe Procedia Social and Behavioral Sciences, 48,