ROSTMOS - en väg till förbättrad väglagsinformation Vintervägforum 9-10 mars 2016

Transkript

1 ROSTMOS - en väg till förbättrad väglagsinformation

2 ROSTMOS Road State Monitoring System NordFou prosjekt: Danmark, Sverige, Island og Norge Finland er assosiert partner Varighet Hovedaktiviteter: State of the art sensorer, både stasjonære og mobile sensorer State of the art værprognoser Testing med vekt på mobile løsninger System for beslutningsstøtte

3 Forecasting and monitoring of road conditions in winter time State of the art contact: Bent Hansen Sass, Centre for Meteorological Models, Claus Petersen, Centre for Meteorological Models,

4 Road Condition Model Other Processes Melting of snow/ice Freezing of rain/water Heat conduction Traffic Friction Turbulence Mechanical removement of water and ice

5 State of the art - sensorer

6 State of the art - sensorer

7 State of the art - sensorer MetSense non- MetRoad Mobile X X X X invasive Mobile målinger

8 RCI - Gevsjön værstasjon

9 Road Condition Imaging (RCI)

10 Optisk sensor montert sammen med etterhengende friksjonsmåler Teconer RCM411

11 Optisk sensor MetRoad Mobile fra MetSense MetRoad Mobile

12 Optisk sensor Marwis fra Lufft Marwis

13 Marwis sensor fra Lufft

14 RCM411 montert på en inspeksjonsbil

15 RCM411 montert på brøyte- og strøbil

16 Roar5 referansemåler for friksjon

17 Test 24. mars 2015

18 Test 24. mars 2015, Roar5 som referanse

19 Resultater fra tester i NTNU s vinterlab Sensorer som inngikk i testen: Vaisala: DSC111 (RWS200) (Vaisala DST111) Teconer: RCM411 Lufft: Marwis, 1 meter versjon MetSense: MetRoad Mobile MetSense: 2DRoad

20 Resultater fra tester i NTNU s vinterlab Laboppsett RCM411 og MetRoad Mobile

21 Laboppsett - prøveplater Torr väg Gammal asfalt Ny asfalt Våt väg bägge plattor 0,5 mm 1 mm 2 mm 3 mm 5 mm

22 Undersøkte føretilstander Isig väg bägge plattor 0,5 mm 4 mm Snöig väg Nysnö 150 kg/m3 450 kg/m3 750 kg/m3 Gammal snö 420 kg/m3 620 kg/m3 Vårsnö 540 kg/m3

23 Results dry plates P1 P2

24 Results - water conditions Water road conditions 0.5 mm 1 mm 2 mm 3 mm 5 mm Vaisala P1 Wet Wet Wet Wet Wet P2 Wet Wet Wet Wet Teconer P1 Wet Moist Slush Wet Wet P2 Moist Wet +slush Wet Wet MARWIS P1 Wet Wet Wet Wet Wet P2 Wet Wet Wet Wet Metroad P1 Moist Frost Ice Wet Wet P2 Moist Wet Wet Wet 2D road P1 Moist Wet Wet Wet Wet P2 Wet Wet Moist Wet

25 Results ice conditions Icy road conditions 0.5 mm 0.85mm 2.15 mm 3.5 mm Vaisala P1 Ice Ice Ice Ice P2 Ice Ice Ice Ice Teconer P1 Ice Ice + snow Ice Ice P2 Ice Ice Ice + slush Ice MARWIS P1 Ice Ice Wet Wet P2 Ice Ice Wet Wet Metroad P1 Frost Ice Ice Ice P2 Frost Ice Wet Wet 2D road P1 Ice Ice Ice Ice P2 Ice Ice Ice Ice

26 Results snow conditions Snow road conditions Fresh loose Fresh 450 Fresh 750 Old loose Old comp Spring snow Vaisala P1 Snow Snow Snow Snow Snow Ice Teconer P1 Snow Snow Snow Snow Snow Snow MARWIS P1 Snow Snow Snow Snow Snow Ice + snow Metroad P1 Snow Snow Snow Snow Snow Snow 2D road P1 Snow Snow Snow Snow Snow Snow Fresh Old Springsnow

27 Fjernmåling av vegtilstand Nye datakilder i tillegg til værstasjonsdata Kamerasyn Optiske sensorer Bilen som sensor (ABS, ESP, etc.) Vil både forbedre vinterdriften og skape mer forutsigbare forhold på vegnettet Det er utfordringer både i forhold til teknologi, tolking/kvalitetssikring av data og integrasjon i ulike applikasjoner og informasjonssystem

28 Utvikling av system for beslutningsstøtte Ta i bruk ulike datakilder og sette observasjoner av føretilstanden (vann/is/snø og friksjon) inn i et system Tiltaksdata fra entreprenørene i tilnærmet sann tid Forbedre prognosemodellene for temperatur- og føreutvikling

29 Vegvær

30 Data from RCM411 Friction Road Map

31 Project Profile Goal Web service for road surface classification based on camera images Methodology Machine learning for pattern classification Manual categorization of road surfaces Dry Wet Full Snowy Full Snowy & Icy Partial Snowy & Icy Web application responding classification results upon request

32 Isbilen - Vejdirektoratet

33 Takk for oppmerksomheten