FORFATTER(E) Einar Værnes OPPDRAGSGIVER(E) Statens vegvesen Sør-Trøndelag GRADER. DENNE SIDE ISBN PROSJEKTNR. ANTALL SIDER OG BILAG

SINTEF RAPPORT TITTEL SINTEF Bygg og miljø Veg og samferdsel Postadresse: 7465 Trondheim Besøksadresse: Klæbuveien 153 Telefon: 73 59 46 6 Telefaks: 73 59 46 56 Foretaksregisteret: NO 948 7 29 MVA Måling av svevestøv i Helltunnelen i overgangen mellom sommer- og vintersesongen 22. FORFATTER(E) Einar Værnes OPPDRAGSGIVER(E) Statens vegvesen Sør-Trøndelag RAPPORTNR. GRADERING OPPDRAGSGIVERS REF. STF22 A339 Åpen Hans D. Skjelbred GRADER. DENNE SIDE ISBN PROSJEKTNR. ANTALL SIDER OG BILAG 82-14-3141-9 223181 16 / 2 ELEKTRONISK ARKIVKODE PROSJEKTLEDER (NAVN, SIGN.) VERIFISERT AV (NAVN, SIGN.) RAPPORT_Helltunnelen.doc Einar Værnes Leif Jørgen Bakløkk ARKIVKODE DATO GODKJENT AV (NAVN, STILLING, SIGN.) 223181 23-3-14 Tore Knudsen, forskningssjef SAMMENDRAG Det er utført støvmålinger i Helltunnelen for å undersøke hvordan konsentrasjonen av PM1 varierte med piggdekkbruk og støvdempende tiltak. Det er en del usikkerhet i målt PM1, og det mangler data for mange forhold som påvirker det faktiske støvnivået. Ut fra en forenklet modell for støvproduksjon og støvoppvirvling finner vi en klar virkning av de støvdempende tiltakene. En trafikkstrøm på 1 kjøretøy pr. time vil rett etter et tiltak gi en PM1 på ca. 6 til 7 µg/m 3. Ved en døgntrafikk på 1 med piggdekkandel på 47% vil PM1 med samme trafikkstrøm etter to uker ha økt til mellom 12 til 19 µg/m 3. Effekten av piggdekkandelen er det vanskeligere å si noe om, den overskygges av støvdempingstiltakene. Vi ser slike målinger som nyttige for å gi grunnlag og retningslinjer for støvdempende tiltak i tunneler, og anbefaler at det settes i gang et forsøksprogram med bedre kontroll med de parametre som påvirker både støvproduksjon, støvoppvirvling og støvdemping. STIKKORD NORSK ENGELSK GRUPPE 1 Miljø, Vegteknikk Environment, Highway engineering GRUPPE 2 Tunnel Tunnel EGENVALGTE Svevestøv Road dust

2 INNHOLDSFORTEGNELSE 1 Bakgrunn...3 2 Støvmålinger...3 2.1 Måleinstrumentet DustTrak...3 2.2 Utplassering...3 3 Siktmåler...4 4 Meteorologiske data...4 5 Data for trafikktelling...4 5.1 Piggdekkandel...4 5.2 Trafikkmengde...6 6 Støvdempende tiltak...8 7 Resultater...8 7.1 Meteorologiske data...8 7.2 Støvmålingsdata...9 8 Konklusjoner...16 9 Referanser...16

3 1 Bakgrunn SINTEF Bygg og miljø ble sommeren 22 forespurt om å måle hvordan svevestøvkonsentrasjonen i Helltunnelen endrer seg når piggdekksesongen starter rundt 1. november. Vegvesenet ville samtidig sørge for å måle total trafikk og antall kjøretøy med piggdekk i måleperioden. De ville også gjennomføre en del støvdempende tiltak i perioden. 2 Støvmålinger 2.1 Måleinstrumentet DustTrak Støvmålingene ble utført med to støvmålere av type DustTrak Aerosol Monitor Model 852, med serienummer 22952 og 22677 (heretter kalt nr.52 og nr.77). Målerne var montert i hver sin værbestandige kofferter av type DustTrak Environmental Enclosure Model 852-1. Før målingene startet ble de to støvmålerne renset, og de interne filtrene ble byttet. Nullpunktet ble justert. De ble deretter kjørt omtrent to døgn innendørs i værkoffertene for å se at de fungerte normalt. De første 1 timene viste måler 52 litt høyere støvverdier enn måler 77, deretter viste de så å si identiske verdier, som vist i figur 1. Det ble derfor konkludert med at målerne fungerte bra. PM1 (µg/m), middelverdi over 1 minutter 3. 2.5 2. 1.5 1..5 Utprøving av Dusttrak før måling i Helltunnelen 22952 22677 Differanse. 22-1-16 9: 22-1-16 21: 22-1-17 9: 22-1-17 21: 22-1-18 9: -.5 Figur 1 Funksjonstest av støvmålerne før forsøket startet 2.2 Utplassering Målerne ble satt ut i Hell-tunnelen om morgenen 16.oktober, i den første havarilomma på høyre side sett fra Stjørdals-sida. De ble montert i sine værkofferter på stativer omtrent en meter fra tunnelveggen og fem meter fra kjørefeltet og med luftinntaket i en høyde på 1.8 meter. Se figur 2. Avstanden mellom målernes luftinntak var knapt en meter. De ble plassert slik at støvkonsentrasjon og luftstrømningsforhold skulle være lik rundt målerne. De første tre døgn ble målerne drevet av blybatterier, deretter ble det lagt opp nettstrøm. Målerne fikk tilsyn med jevne mellomrom en til to ganger pr. uke. Samtidig ble de tømt for måledata. Målingene ble avsluttet 18.november.

4 Figur 2 Støvmålernes plassering i Helltunnelen 3 Siktmåler I tunnelen står det fastmontert en siktmåler av type SICK VISIC 61 (se figur 3). Den er plassert på taket av en nødtelefonkiosk i den første havarilomma på tunnelens høyre side sett fra Stjørdalssida, i en høyde på omtrent 2,5 meter over kjørebanen. Den har et måleområde på ca 5 meter på tvers av tunnelen. Siktmåleren betjenes av Sør-Trøndelag Vegkontor, som også har sendt oss måledata for perioden. Måledata består av siktdata (mg/m 3 ) og vindhastighet (m/s). Vi har ikke fått oppgitt hvilke partikkelfraksjoner som påvirker siktdatamålingene, men vi antar at måleverdien angir PM1. Figur 3 Siktmåler SICK VISIC 61 4 Meteorologiske data Vi har fått tilsendt meteorologiske data for måleperioden fra meteorologisk institutt. Målingene er foretatt på Planteforsk Kvithamar forskningssenter, som var den målestasjonen som lå nærmest målepunktet. 5 Data for trafikktelling 5.1 Piggdekkandel Trafikkmengden og piggdekkandelen av trafikken ble målt med en akustisk piggdekksensor utviklet av SINTEF i samarbeid med Datainstrument AS og Norsonic as. Målingene er utført av SINTEF Tele og Data. De foretok også manuelle tellinger i samme periode. Resultatene er rapportert i form av et SINTEF-notat (1). Tabell 1 og 2 viser telleresultatene. Notatet konkluderer med at de akustiske tellingene gir noe høyere piggdekkandel enn de manuelle, særlig i første del av perioden. Piggdekkandelen viste seg å variere en del over døgnet, den var størst om morgenen og sank utover dagen og mot kvelden. Det var lavere piggdekkandel i helgene enn på arbeidsdagene. Generelt viste tellingene at piggdekkandelen var i størrelsesorden 25-3% i perioden 17-21.1, deretter steg den til ca. 4-45% i perioden fram til 15.11.

5 Tabell 1 Resultater av akustisk deteksjon av dekktype ved Helltunnelen Dato Klokkeslett Totalt Antall % Antall % Kommentarer antall uten piggfri- med piggkjøretoy pigg andel pigg andel 21.1 14:6-14:5 12 42 35 78 65 22.1 6:5-14: 153 48 46,3 565 53,7 22.1 14:4-23:59 1461 81 54,8 66 45,2 23.1 :-23:59 3314 1696 51,2 1618 48,8 24.1 :-13:55 164 622 37,9 118 62,1 Våt veibane i perioder 24.1 15:1-23:57 169 89 5,3 8 49,7 25.1 :2-23:53 2498 899 36 1599 64 Våt veibane i perioder 25.1 8:-2: 155 652 43,3 853 56,7 Fjernet peri. med våt veib. 26.1 8:-22:56 2188 11 45,7 1187 54,3 29.1 5:4-16:59 1475 664 45 811 55 3.1 :2-12:38 989 343 34,7 646 65,3 Regnvær 2.11 12:1-23:52 1456 862 59,2 594 4,8 Lørdag 3.11 :1-22:59 2522 164 65 882 35 Søndag 5.11 9:3-23:59 235 1353 57,6 997 42,4 6.11 :-14:25 1565 121 7,7 1444 92,3 Regnvær 7.11 1:1-23:59 2448 1385 56,6 163 43,4 8.11 :-13:47 1445 698 48,3 747 51,7 9.11 11:3-22:57 1654 965 58,3 689 41,7 Lørdag 1.11 :2-22;59 2795 1589 59,6 126 43,1 Søndag 11.11 15:2-23:58 1446 844 58,4 62 41,6 12.11 :-23:58 3556 189 5,9 1747 49,1 13.11 :-13:4 1649 824 5 825 5 14.11 9:5-23:56 2559 149 55,1 115 44,9 15.11 :-13:51 153 817 54,4 686 45,6 Tabell 2 Resultater av manuell telling av dekktype ved Helltunnelen Dato Tidsrom Sted Retning Tot. Antall Andel (ca) antall uten med kj.tøy pigg % pigg % 17.1 11.15-11.4 I tunnel Mot Tr.heim 99 83 83 16 16 17.1 13.1-13.45 Før tunnel, Hommelvik Begge retninger 219 16 73 59 27 21.1 14.15-14.5 I tunnel Begge r. 241 183 76 58 24 22.1 14.3-15.2 Før tunnel, Hell Begge r. 439 266 61 173 39 23.1 15.-15.3 Før tunnel, Hell Begge r. 335 27 62 128 38 24.1 14.5-14.3 Før tunnel, Hell Begge r. 228 143 53 85 37 25.1 13.1-14. Før tunnel, Hell Begge r. 432 26 6 172 4 3.1 11.4-12.15 Før tunnel, Hell Begge r. 216 131 61 85 41 1.11 14.15-14.45 Før tunnel, Hell Begge r. 361 19 53 171 47 8.11 13.35-14.3 Før tunnel, Hell Begge r. 439 237 54 22 46 11.11 14.25-15. Før tunnel, Hell Begge r. 239 133 56 16 44 13.11 13.3-14.3 Før tunnel, Hell Begge r. 49 215 53 194 47 Vi har sett nærmere på data for å finne en regresjonskurve som kan anslå piggdekkandel som funksjon av dato. Vi antar at piggdekkandelen går fra en lav verdi og i løpet av måleperioden asymptotisk tilnærmer seg en viss prosentandel c. Dette kan beskrives ved hjelp av en funksjon på formen y = c - a e -b x. Vi tar bort data fra den akustiske måleren for de dagene det var regn eller våt vegbane, og får resultater som vist i figur 4. Vi har her benyttet

6 Det er tydelig at de automatiske målingene viser alt for høy andel i starten av perioden. Vi benytter derfor de manuelle registreringene, og finner at piggdekkandelen går fra ca 21% den 17.oktober til nesten 47% den 2. november. 7 Regresjonsanalyse for manuelle registreringer, y = c - ae -bx 6 Piggdekkandel (%) 5 4 3 2 Akustisk måling Manuell registrering 1 Regresjonslinje for manuelle registreringer: c = 47., a = 34.9, b =.145. X= ved 15.okt 16.okt 21.okt 26.okt 31.okt 5.nov 1.nov 15.nov 2.nov Data for regresjonskurve: 17. okt 18. okt 19. okt 2. okt 21. okt 22. okt 23. okt 24. okt 25. okt 26. okt 27. okt 28. okt 29. okt 3. okt 31. okt 1. nov 2. nov 3. nov 4. nov 5. nov 6. nov 7. nov 8. nov 9. nov 1. nov 11. nov 12. nov 13. nov 14. nov 15. nov 16. nov 17. nov 18. nov 2.8 24.4 27.4 3. 32.3 34.3 36. 37.5 38.7 39.9 4.8 41.6 42.4 43. 43.5 44. 44.4 44.7 45. 45.3 45.5 45.7 45.9 46. 46.1 46.3 46.3 46.4 46.5 46.6 46.6 46.7 46.7 Figur 4 Regresjonskurve for piggdekkandel som funksjon av dato, beregnet ut fra de manuelle registreringene. 5.2 Trafikkmengde Vi har fått tilsendt trafikkdata fra tellepunkt 161438 Helltunnelen (se figur 5 og bilag 1 for detaljdata) og fra bomstasjonen på Hommelvik. Tellingene viser stort sett samme trafikkmengde, midlere antall passeringer pr. dag i måleperioden var på 12 for tellepunktet, 169 for bomstasjonen. Vi benytter derfor trafikkmengden registrert på tellepunktet. Figur 6 viser trafikkmengde pr. dag i måleperioden. Som vi ser er det et klart ukebasert mønster i trafikkmengden, og den totale trafikken pr uke er ganske lik.

7 Antall kjøretøy 14 12 1 8 6 4 2 12-14 1-12 8-1 6-8 4-6 2-4 -2 16-okt 19-okt 22-okt 25-okt 28-okt 31-okt Dato 3-nov 6-nov 9-nov 12-nov 15-nov 18-nov 21-nov 24-nov 6: : 18: 12: Klokketime Figur 5 Trafikkdata fra tellepunkt161438 Helltunnelen 14 Døgntrafikk Antall tusen passeringer 12 1 8 6 4 2 1.2 1.5 12.8 7.2 8.4 1.6 1.4 1.5 11.5 12.8 7. 9. 1.7 1.5 1.8 11.7 12.5 7.2 8. 1.6 1.4 1.7 11.4 12.1 6.8 8.2 1.8 11.3 11.5 11.3 12.6 7.2 7.7 1.4 1.3 1.9 11.8 12.9 7.2 8.1 15-okt 2-okt 25-okt 3-okt 4-nov 9-nov 14-nov 19-nov Dato 24-nov Figur 6 Døgntrafikk som funksjon av dato

8 6 Støvdempende tiltak Vi har fått data om salting og vasking av tunnelen fra Sør-Trøndelag vegkontor: Det ble foretatt helvask i Helltunnelen i uke 42. 14.okt fra kl. 22. - 6. 15. okt fra kl. 2. - 6. Magnesiumklorid. 24.1.2 kl 14. Magnesiumklorid. 1.11.2 kl. 23. Magnesiumklorid. 4.11.2 kl.13. Spyling/kosting. 11.11.2 kl. 23. - 5. Spyling/kosting. 12.11.2 kl. 23. - 5. Magnesiumklorid 14.11.2 kl. 21. Helvask omfatter spyling også av tak og vegger. Spyling/kosting utføres på vegbanen og banketten. Ved salting benyttes 1 kg magnesiumklorid oppløst i 14 liter vann som fordeles på 4 km veg. 7 Resultater 7.1 Meteorologiske data Den dagen støvmålerne ble satt ut var det et markant værskifte, det gikk over fra mildvær til kuldegrader, se figur 7. I nordre inngang til Helltunnelen var det en tendens til tåkedannelse, og biler som kjørte inn i tunnelen fikk straks kondens og til dels is på frontruta. 15 Lufttemperatur på målestasjonen Støvmålinger 1 Temperatur ( C) 5-5 -1 22-1-1 22-1-6 22-1-11 22-1-16 22-1-21 22-1-26 22-1-31 22-11-5 22-11-1 22-11-15 22-11-2 Figur 7 Lufttemperatur (timeverdier) målt på Kvithamar Siktmåleren ga ikke data for denne perioden, antakelig på grunn av tåkedannelsen. Siktmåleren manglet også målinger for noen små tidsrom inne i måleserien. For å lettere kunne sammenlikne data ble det sett bort fra målingene for DustTrak for periodene da siktmåleren ikke fungerte. Vindhastighet ble registrert både på værstasjonen og ved siktstasjonen i tunnelen. Resultatene er vist i figur 8. Positivt fortegn på vindretningen i tunnelen betyr vind fra Hommelviksida mot Stjørdalsida. Vi ser at vindretningen i hovedsak har vært fra Hommelviksida mot Stjørdalsida. Dette har antakelig vært gunstig for støvmålingene da målestasjonen lå nærmest Stjørdalsida.

9 Nedbør og luftfuktighet registerert på målestasjonen er vist i figur 9. Vi har ingen registreringer i tunnelen av relativ luftfuktighet, eller om vegdekket er tørt eller fuktig. Det er sannsynlig at vegdekket ved målestasjonen har vært fuktig i alle fall i deler av måleperioden. Det er helt klart at et fuktig vegdekke på grunn av at kjøretøyene drar med vann fra vegen utenfor tunnelen vil gi mindre støv enn et tørt dekke. 15 Vindhastigheter 1 Støvmålinger Hastighet (m/s) 5-5 Vindhastighet på målestasjonen (m/s) Vindhastighet i tunnel (FLOW-829-MV) Støvmålingsperiode -1 22-1-15 22-1-2 22-1-25 22-1-3 22-11-4 22-11-9 22-11-14 22-11-19 Figur 8 Vindhastighet målt på værstasjonen og i tunnelen 5 Nedbør og fuktighet på målestasjonen 125. 4 Støvmålinger 1. Nedbør (mm/t) 3 2 Nedbør mm Støvmålingsperiode 75. 5. Relativ fuktighet Rel. Fuktighet % 1 25.. 22-1-15 22-1-2 22-1-25 22-1-3 22-11-4 22-11-9 22-11-14 22-11-19 Figur 9 Nedbør og luftfuktighet registerert på værstasjonen 7.2 Støvmålingsdata Støvmålerne var satt opp til å måle midlere PM1verdi hvert minutt, mens siktmåleren lagret data hvert femte minutt. Ut fra disse målingene ble det for hver måler beregnet midlere timeverdier. Sammenstilling av støvmålingsdata (PM1) fra de tre målerne er vist i fig 1.

1 Målt støvkonsentrasjon (PM1), midlere timeverdier Siktmåler Nr 52 Nr 77 2.5 PM1 (mg/m³) 2. 1.5 1..5. 22-1-17 22-1-18 22-1-19 22-1-2 22-1-21 22-1-22 22-1-23 22-1-24 22-1-25 2.5 PM1 (mg/m³) 2. 1.5 1..5. 22-1-25 22-1-26 22-1-27 22-1-28 22-1-29 22-1-3 22-1-31 22-11-1 22-11-2 2.5 PM1 (mg/m³) 2. 1.5 1..5. 22-11-2 22-11-3 22-11-4 22-11-5 22-11-6 22-11-7 22-11-8 22-11-9 22-11-1 2.5 PM1 (mg/m³) 2. 1.5 1..5. 22-11-1 22-11-11 22-11-12 22-11-13 22-11-14 22-11-15 22-11-16 22-11-17 22-11-18 Figur 1 Sammenstilling av data fra DustTrak-målerne og siktmåleren Vi legger umiddelbart merke til to forhold: Det er tydelig at DustTrak-målerne måler lavere verdier på PM1 ved lav støvkonsentrasjon og høyere verdier ved høy støvkonsentrasjon enn siktmåleren. De to DustTrak-målerne viser til dels stor forskjell i midlere støvkonsentrasjonen i løpet av en og samme time.

11 Figur 11 viser forholdet mellom samtidige målinger med de to DustTrak-målerne. Vi ser at de ikke er stabile i forhold til hverandre, i starten viser nr.52 høyere støvkonsentrasjon enn nr.77. Senere snur dette seg slik at nr.77 viser høyest konsentrasjon. Forholdet mellom midlere timeverdi for samtidige målinger varierer mellom 1,61 og,49. Det ser ikke ut som om forholdet er avhengig av støvkonsentrasjonen, hvis vi beregner ei regresjonslinje mellom midlere støvkonsentrasjon og forholdet mellom måleverdiene for de to støvmålerne får vi ingen korrelasjon, se fig 12. Siden forholdet mellom målingene med de to DustTrak-målerne ikke er stabilt, har vi forsøkt å korrelere data fra disse målerne med data fra siktmåleren for å se om en av DustTrak-målerne avviker mer fra siktmåleren enn den andre. Figur 13 viser at de to DustTrakmålerne har forskjellig skalafaktorer og nullpunkt i forhold til siktmåleren. Nr. 77 viste litt høyere korrelasjon med siktmåleren (R²=,793, R=,89) enn nr. 52 (R²=,734, R=,86). Forskjellen er imidlertid ikke så stor at vi kan konkludere med at en av DustTrak-målerne gir vesentlig bedre korrelasjon med siktmåleren enn den andre. Vi velger derfor å benytte middelverdien av målingene fra DustTrak-målerne i den videre behandlingen av data. Vi antar at ustabiliteten i målerne kommer av høy relativ luftfuktighet og tåkedannelse. Dusttrak har ingen forvarming av lufta slik andre målere som er beregnet til utendørs bruk ofte har. Lufta suges gjennom et filter som fjerner grovpartikler før måling, og hvis det har vært tåke og vanndråper i lufta kan disse filtrene ha blitt fuktige. Vi ser det som sannsynlig at et slikt forhold vil påvirke målingene. 2.5 Målt støvkonsentrasjon (PM1) med DustTrak. Middelverdi Nr.52/Nr.77 2. 1.5 PM1 (mg/m³) 1..5. -.5-1. 22-1-16 22-1-21 22-1-26 22-1-31 22-11-5 22-11-1 22-11-15 Figur 11 Forholdet mellom samtidige målinger med DustTrak-målerne

12 1.75 1.5 y = -.2x +.885 R 2 = 3E-7 1.25 Nr.52/Nr.77 1..75.5.25..5 1 1.5 2 2.5 Midlere støvkonsentrasjon Figur 12 Forholdet mellom samtidige støvmålinger for DustTrak-målerne som funksjon av midlere måleverdi viser ingen korrelasjon 2.5 2. y = 1.5312x -.1842 R 2 =.7395 2.5 2. y = 1.9537x -.2451 R 2 =.7933 1.5 1.5 Nr.52 Nr.77 1. 1..5.5..5 1 1.5 Siktmåler..5 1 1.5 Siktmåler Figur 13 DustTrak-målernes korrelasjon med siktmåleren (støvmengde målt i mg/m 3 ). For å vurdere hvilken trafikkmengde vi skal korrelere støvmålingene med må vi ha et visst begrep om sedimenteringshastigheten for støvet. Hvis vi ser på trafikken om kvelden 17. oktober ser vi at trafikken går raskt ned til nesten ingen ting (det kan virke som tunnelen er stengt). Støvkonsentrasjonen går også ned til nesten null. Hvis vi antar at støvmengden avtar eksponentielt når trafikken stanser (konstant halveringstid), får vi som figur 14 viser en halveringstid på 13,4 minutter.

13 Sedimenteringstid 1.9 PM1 Expon. (PM1) PM1 g/m 3.8.7.6.5.4.3.2.1 Regresjonslikning: y =.8737e -.518x R 2 =.9733 Halveringstid: y1/y2 = 2 e -bx1 /e -bx2 = 2 x2-x1 = ln(2)/b = 13.4. 1. 2. 3. 4. 5. 6. Minutter Figur 14 Beregning av sedimenteringshastighet for svevestøvet Sedimentasjonstida vil ganske sikkert være avhengig av en del variable faktorer, slik som partikkelstørrelser, vindretning og vindhastighet i tunnelen, kanskje også luftfuktighet og temperatur. I tillegg vil en eventuell luftutskiftning (utlufting) kunne gi rask nedgang i støvkonsentrasjonen. Det ser imidlertid ikke ut som om støvmengden i lufta er avhengig av trafikken lang tid tidligere. Når vi betrakter støvmengden, velger vi derfor å korrelere med trafikken som er registrert i løpet av samme time som målingen er gjort. For å regne videre på tallmaterialet må vi gjøre visse forenklinger: Det er opplagt at mengden støv et gitt kjøretøy virvler opp er avhengig av kjøretøyets størrelse, utforming og hastighet. Siden trafikktellingene bare viser antall kjøretøy i en tidsperiode, og ikke fordelingen mellom små og store, lett og tunge etc, betrakter vi alle kjøretøy som gjennomsnittskjøretøy. Vi må også forutsette at trafikkfordelingen mellom små og store, og piggdekkandel er det samme hele døgnet. Vi har heller ikke opplysninger om kjørebanen er tørr eller fuktig, så vi må anta like forhold i hele perioden. Vi antar videre at bare piggdekk-kjøretøy produserer vegstøv, mens alle kjøretøy virvler opp støv som befinner seg på vegen. Vi ser bort fra annet støv enn vegstøv, slik som eksospartikler etc. En gitt mengde støv s ligger igjen på vegen etter vasking og salting. Ved et gitt tidspunkt er den totale støvmengden som er tilgjengelig for oppvirvling, s, proporsjonal, k p, med hvor mange piggdekk-kjøretøy som har passert siden siste vasking/salting, p, slik at

14 s = s + k p * p (1) Denne støvmengden er fordelt mellom vegbanen, s v, og lufta, s l, slik at s = s v + s l. (2) Vi antar at målt PM1-støvkonsentrasjonen (PM1) i lufta ved et gitt tidspunkt er proporsjonal, k s, med støvmengden i lufta, s l : PM1 = k s * s l. (3) s l er igjen en funksjon av følgende faktorer: Trafikken siste time, t. Mengden støv som ligger på vegen, s v. Et kjøretøy kan bare virvle opp støv som ligger på vegen, siden støvet i lufta allerede er virvlet opp av tidligere kjøretøy. Vi antar en lineær sammenheng slik at s l = k l * t * s v (4) Proporsjonalitetskonstanten k l vil igjen være avhengig av parametre som tunneltverrsnittets form (areal) og eventuell lufttransport i tunnelen (vind). Ved å kombinere disse likningene får vi at PM1 ved et gitt tidspunkt er gitt ved PM1 = k s * k l * t * (s + k p * p )/(1 + k l * t) (5) Vi har beregnet denne funksjonen i tabeller i Microsoft Excel, og bestemt optimale verdier for s og proporsjonalitetskonstantene k s, k l og k p for å få minst mulig kvadratavvik fra målte PM1- verdier ved samme tidspunkt. Figur 1 i bilag 2 viser beregnede PM1-verdier sammen med tilsvarende målte verdier. Tidspunkt for tiltak er også plottet inn sammen med akkumulert antall piggdekk-kjøretøy siden siste tiltak (høyre Y-akse). Optimaliseringen gir følgende sammenheng mellom PM1, trafikk og antall piggdekk-kjøretøy siden siste tiltak: PM1 =,191 * t * ( 1,44 +,18 * p) / ( 1 +,318 * t ) (6) Ut fra figuren kan det se ut som om tidspunktene for tiltak ikke samsvarer helt med nivåendringene i målt PM1-nivå. Etter saltingen 24.1.2 kl 14. fortsetter støvnivået å være høyt et døgn til, før det plutselig synker uten at det er angitt noe tiltak. Den 1.11.2 kl. 23. er det angitt salting, støvmålingene indikerer derimot at noe har skjedd 31.1.2 ca. kl.2.. Dersom tiltakstidspunktene ikke er rett angitt vil det føre til at modellen i starten av en periode etter tiltak måler usedvanlige høye PM1verdier. Dette vil gi en for stor verdi på s (reststøv etter tiltak) og en flatere utviklingskurve enn om tidspunktene er rett angitt. Vi har derfor forsøkt å justere disse tidspunktene for å se om dette ga bedre korrelasjon mellom målt og beregnet PM1, se fig. 2 i bilag 2. Vi får følgende sammenheng: PM1 =,715 * t * (,32 +,125 * p) / ( 1 +,354 * t ) (7)

15 Figur 15 viser korrelasjonen mellom målte og beregnede PM1-verdier i de to tilfellene. Vi ser at R 2 øker fra,37 til,384, altså en del bedre, men ingen dramatisk forskjell. 1.2 1 Sammenhengen mellom målt og beregnet PM1 R 2 =.369 Sammenhengen mellom målt og beregnet PM1 Justerte tiltakstidspunkt. 1.4 1.2 R 2 =.3843 Beregnet PM1 (mg/m³).8.6.4.2 Beregnet PM1 (mg/m³) 1.8.6.4.2..5 1. 1.5 2. 2.5 Målt PM1..5 1. 1.5 2. 2.5 Målt PM1 Figur 15 Korrelasjon mellom målt og beregnet PM1 før og etter justering av tiltakstidspunkt I begge tilfelle ser vi at modellen har problem med å gjenskape de høyeste toppene midt på dagen når det har gått noen dager siden siste tiltak. Ut fra trafikktellingene ser vi at gjennomsnittlig døgntrafikk ligger på omtrent 1 kjøretøy. I de mest belastede timene på dagen er trafikken på vel 1 kjøretøy/time. Bruker vi formlene til å beregne PM1-nivå under trafikktoppene (1 kjøretøy/time) som funksjon av antall døgn siden siste tiltak, forutsatt døgntrafikk på 1 og piggdekkandel på 47%, får vi som vist i figur 16 en vesentlig forskjell i utviklingen. 3 2.5 Beregnet PM1 Beregnet PM1 etter justering av tiltakstidspunkt Beregnet PM1 (mg/m³) 2 1.5 1.5 5 1 15 2 25 Antall døgn siden siste tiltak Figur 16 Beregnet PM1 ved timetrafikk på 1 kjøretøy som funksjon av antall døgn siden siste tiltak, forutsatt døgntrafikk på 1 med piggdekkandel på 47%.

16 8 Konklusjoner Vi har utført støvmålinger i Helltunnelen for å undersøke hvordan konsentrasjonen av PM1 varierte med piggdekkbruk og støvdempende tiltak. Ustabilt målenivå på støvmålerne har gitt en del usikkerhet i målt PM1. Våre målinger avviker også ganske mye fra siktmålerens målinger. Det er i tillegg mange forhold vi ikke har data for som påvirker det faktiske støvnivået, og vi er usikre på tidspunkt for støvdempende tiltak. Ut fra en forenklet modell for støvproduksjon og støvoppvirvling finner vi en klar virkning av de støvdempende tiltakene. En trafikkstrøm på 1 kjøretøy pr. time vil rett etter et tiltak gi en PM1 på ca. 6 til 7 µg/m 3. Ved en døgntrafikk på 1 med piggdekkandel på 47% vil PM1 med den samme trafikkstrømmen etter to uker ha økt til mellom 12 til 19 µg/m 3. Effekten av piggdekkandelen er det vanskeligere å si noe om, den overskygges av støvdempingstiltakene. Det stilles i dag ikke spesielle krav til maksimalt tillatt svevestøvinnhold i tunnel-luft. I følge Forskrift om lokal luftkvalitet (FOR 22-1-4 nr 188), omfatter de gjeldende regler bare utendørs luft, der et døgnmiddel på 5 µg/m 3 PM1 ikke må overskrides mer enn 35 ganger pr. år. I forskrift til forurensningsloven er 15 µg/m 3 og 3 µg/ m 3 fastsatt som henholdsvis kartleggings- og tiltaksgrense. Anbefalte luftkvalitetskriterier fra SFT og Folkehelsa er på 35 µg/m 3 (24 timers middelverdi). I tunneler kan de maksimale verdiene komme langt høyere enn dette. Vi ser derfor slike målinger som svært nyttige for å gi grunnlag og retningslinjer for støvdempende tiltak i tunneler. Det må imidlertid gjøres målinger under mer kontrollerte forhold enn disse. Vi anbefaler at det settes i gang et forsøksprogram der vi har mye bedre styring med de parametre som påvirker både støvproduksjon, støvoppvirvling og støvdemping. Støvmålerne bør kunne måle både PM1 og PM2,5 for å skille mellom små (sot) og store (steinstøv) partikler. Både etter helvask, spyling og salting må det settes av nok tid uten nye tiltak til at langtidseffektene kan komme fram. Det må gjøres målinger som viser støvdempingseffekt som funksjon av saltmengde, gjerne også med forskjellige typer salt. Salting må også utføres i tidsrom med stor trafikk for å undersøke den umiddelbare effekten. Det må gjøres sommermålinger for å se på støvkonsentrasjonen når piggdekkene mangler, om vinteren kan støvmålingene suppleres med spormålinger for å se på sammenhengen mellom piggdekktrafikk, støvmengde og bortslitt asfaltmasse. Videre må effekten av relativ luftfuktighet, tåkedannelse og fuktig vegdekke kartlegges. Under fuktige forhold må det benyttes støvmålere med forvarming av lufta. Luftutskiftingen i tunnelen må måles eller kunne beregnes. Utstyret for automatisk registrering av piggdekkandel bør videreutvikles så vi får kontinuerlige målinger og pålitelige tall for døgnvariasjon i piggdekkbruken. Siden store kjøretøy virvler opp mer støv enn små trengs det målinger av fordelingen mellom små og store kjøretøy over døgnet. Det er også viktig å ha kontroll med kjørehastigheten. 9 Referanser (1) Berge, Truls,(23), Måling av piggdekkandel ved Helltunnelen, E6. Fra 22.1 15.11.22, SINTEF Tele og data, Notat 4-NO 316.

Timetrafikk registrert i tellepunkt 161438 Helltunnelen: Time 16-okt 17-okt 18-okt 19-okt 2-okt 21-okt 22-okt 23-okt 24-okt 25-okt 26-okt 27-okt 28-okt 29-okt 3-okt 31-okt 1-nov : 6 6 7 54 35 25 25 31 37 81 78 62 4 49 43 67 11 61 68 47 5 41 82 97 62 6 48 176 46 7 87 8 43 1: 2 8 2 36 53 13 16 24 2 33 39 54 29 27 21 25 37 6 45 21 32 28 33 3 66 63 26 23 66 29 42 52 51 26 2: 6 8 31 25 59 19 2 21 19 26 31 68 9 11 9 13 24 31 38 27 9 15 14 24 44 41 12 13 32 22 21 34 42 13 3: 5 4 53 26 28 25 28 21 27 31 2 25 2 24 22 26 21 33 37 11 18 16 26 1 36 3 24 23 31 18 22 25 38 18 4: 111 135 195 64 63 23 25 192 24 24 65 21 32 33 32 28 29 25 29 29 29 28 37 35 29 28 43 34 33 32 31 24 32 35 5: 547 556 511 94 42 684 55 525 547 486 96 48 248 211 189 174 165 32 27 259 173 139 27 169 43 13 227 185 217 194 16 37 26 249 6: 885 784 767 167 61 928 84 827 821 783 144 49 698 584 555 548 48 133 22 685 564 64 575 466 96 22 635 55 539 529 422 12 26 673 7: 8 744 769 237 133 837 823 788 78 762 196 75 985 875 835 827 761 155 51 911 871 87 79 726 148 64 914 78 861 81 746 162 45 922 8: 66 572 582 44 169 737 646 62 652 63 381 128 86 828 781 738 78 211 19 86 794 759 761 751 194 98 83 823 83 74 692 24 91 782 9: 564 569 562 599 253 55 562 529 588 577 567 166 697 662 648 625 629 393 114 652 62 61 77 562 32 133 649 667 691 674 587 431 121 621 1: 512 58 61 691 341 49 483 43 54 589 62 37 57 54 56 576 583 594 247 63 536 562 558 538 536 238 592 65 587 573 586 598 222 536 11: 555 51 746 585 46 52 51 56 582 664 598 832 473 466 468 526 57 628 372 488 51 451 494 57 62 314 55 564 556 5 586 67 32 461 12: 491 6 744 536 532 546 537 567 641 753 54 528 525 484 559 611 78 641 41 53 531 535 54 696 573 444 529 549 633 57 721 644 478 514 13: 727 776 111 56 585 628 686 638 787 979 566 59 525 567 598 614 74 529 497 496 494 568 554 75 588 567 562 614 62 597 737 598 521 538 14: 971 117 1225 553 71 875 948 938 113 1237 64 554 61 657 789 768 956 589 597 64 666 72 754 911 559 638 652 628 757 714 938 63 599 627 15: 981 128 1178 561 778 872 956 931 143 1252 552 964 869 936 954 192 1286 652 78 891 916 974 149 1239 658 667 97 993 16 16 1254 65 642 837 16: 76 787 189 523 865 683 663 71 791 131 51 869 852 913 938 183 1214 65 87 844 921 973 128 1132 575 937 9 842 973 129 1358 579 715 92 17: 765 768 84 422 796 571 536 624 666 93 485 97 657 634 737 758 978 584 846 615 68 68 69 16 492 787 678 355 78 732 972 511 824 59 18: 432 493 563 262 742 359 38 524 46 527 251 796 524 623 647 686 893 447 856 576 62 629 795 82 394 94 599 724 635 757 915 453 792 557 19: 412 425 426 28 583 349 384 49 459 436 196 66 389 351 419 553 555 24 663 332 341 375 455 516 237 642 386 683 429 478 517 269 661 397 2: 149 27 368 178 429 327 236 281 299 33 159 512 374 375 374 475 416 17 516 376 383 377 483 427 157 556 384 355 45 444 423 188 462 345 21: 3 4 265 176 325 149 166 25 227 255 147 39 349 263 266 399 277 181 453 355 291 297 322 274 147 45 327 232 325 295 326 159 43 299 22: 5 2 174 12 188 114 141 17 215 168 69 276 214 263 199 274 21 91 275 242 212 24 296 268 123 315 186 191 244 34 256 15 299 236 23: 4 16 117 122 57 57 68 83 165 88 222 156 155 154 225 177 76 225 167 168 159 197 166 73 231 153 822 173 173 184 82 24 159 2-nov 3-nov 4-nov 5-nov 6-nov 7-nov 8-nov 9-nov 1-nov 11-nov 12-nov 13-nov 14-nov 15-nov 16-nov 17-nov Døgn 18-nov 1245 1511 1288 7214 8362 158 1398 1546 11459 1284 696 947 1673 1522 183 11687 12484 721 85 1624 1381 1659 1146 1215 685 8235 178 1133 11527 1132 12566 724 773 138 Bilag 1

Beregning av optimale konstanter i likningen PM1 = k s * k l * t * (s + k p * p ) / (1 + k l * t) for å oppnå minimalt kvadratavvik mellom beregnede og målte PM1-verdier: Beregnet PM1 =.191 * t * ( 1.44 +.18 * p) / ( 1 +.318 * t ) Målt PM1 Beregnet PM1 Spyl/vask Salting p = Akkumulert antall piggkj. siden tiltak 3. 4 2.5 35 3 2. 25 1.5 2 1. 15 1.5 5. 17/1 18/1 19/1 2/1 21/1 22/1 23/1 24/1 25/1 26/1 27/1 28/1 29/1 3/1 31/1 1/11 2/11 3/11 4/11 5/11 6/11 7/11 8/11 9/11 1/11 11/11 12/11 13/11 14/11 15/11 16/11 17/11 18/11 19/11 Figur 1: Resultat ved å benytte de oppgitte tidspunkt for tiltak. Beregnet PM1 =.715 * t * (.32 +.125 * p) / ( 1 +.354 * t ) Målt PM1 Beregnet PM1 Spyl/vask Salting p = Akkumulert antall piggkj. siden tiltak 3. 4 2.5 2. 35 3 25 1.5 2 1..5 15 1 5. 17/1 18/1 19/1 2/1 21/1 22/1 23/1 24/1 25/1 26/1 27/1 28/1 29/1 3/1 31/1 1/11 2/11 3/11 4/11 5/11 6/11 7/11 8/11 9/11 1/11 11/11 12/11 13/11 14/11 15/11 16/11 17/11 18/11 19/11 Figur 2: Resultat etter justering av tiltakstidspunkt.