Lovguiden Logo
Two yellow trains approaching a bridge crossing

Hybrid vibrationsmodel til forudsigelse af jernbaneinducerede jordvibrationer

To nye leverancer fra Shift2Rail om jernbanevibration og aktivovervågning

To forskningsleverancer er blevet offentliggjort under EU's Shift2Rail Joint Undertaking: én fra SILVARSTAR-projektet om forudsigelse af jernbaneinducerede jordvibrationer og én fra Assets4Rail-projektet om konsekvensvurdering af nye overvågningsteknologier til jernbaneinfrastruktur.


SILVARSTAR: Hybrid forudsigelsesværktøj til jernbanerystelser

SILVARSTAR (Soil Vibration and Auralisation Software Tools for Application in Railways) er et Horizon 2020-projekt finansieret under Grant Agreement nr. 101015442. Projektet har til formål at tilvejebringe den jernbanetekniske fagverden med en alment accepteret, praktisk og valideret metode samt et brugervenligt forudsigelsesværktøj til miljøkonsekvensvurdering af nye og opgraderede jernbanelinjer.

Den første leverance, Deliverable D1.1, præsenterer en gennemgang af state-of-the-art inden for forudsigelsesmodeller og konceptet for det hybrid forudsigelsesværktøj, der skal udvikles i projektet.

Baggrund: mangel på ensartede metoder

Jernbaneinducerede jordvibrationer vurderes i dag af simulationsingeniører, målespecialister og forskere, der anvender en bred vifte af modeller med varierende kompleksitet og præcision. En manglende ensartethed og utilstrækkelig integration med jernbaneprojekters udviklingsprocesser resulterer i, at forudsigelsernes kvalitet i høj grad afhænger af de tilgængelige data og konsulenternes erfaring.

Det hybride koncept

SILVARSTAR-tilgangen er baseret på den generelle ramme i ISO 14837-1:2005, hvor vibrationsniveauet i et punkt i frifeltet eller i en bygning beregnes som et produkt af tre frekvensafhængige termer:

A(f) = S(f) · P(f) · R(f)

where S(f) er kildestyrken, P(f) er udbredelsesstien og R(f) er modtagertermet.

To generiske hybridmodeller er defineret:

  • Model 1: Numerisk kildemodel kombineret med eksperimentelt bestemt udbredelsesterm
  • Model 2: Eksperimentelt bestemt kildemodel kombineret med numerisk beregnet udbredelsesterm

Den hybride tilgang er langt mere fleksibel end en rent eksperimentel eller rent numerisk tilgang, da eksperimentelle tilgange er begrænset til situationer, der er blevet målt, mens numeriske tilgange kræver store beregningstider.

Numeriske modeller og software

Projektpartnerne har udviklet og anvender følgende state-of-the-art 2,5D semi-analytiske og numeriske modelværktøjer:

SoftwareInstitutionAnvendelse
MOTIVUniversity of Southampton (ISVR)Tog-spor-jord-interaktion
TRAFFICKU LeuvenTog-spor-jord-interaktion
GroundVIBVibratecHybrid forudsigelse
IMMIWölfelGIS-integreret brugergrænseflade

Disse modeller udnytter sporenes og jordens langsgående invarians og beregner dynamiske aksellaster, spor-jord overføringsfunktioner og frifeltsrespons effektivt i bølgetal-frekvensdomænet.

Empirisk metode: FRA/FTA-proceduren

Rapporten gennemgår den empiriske procedure for Detailed Vibration Assessment fra USA's Federal Railroad Administration (FRA) og Federal Transit Administration (FTA), der forudsiger vibrationshastighedniveauet L_v i en bygning som summen af tre termer:

TermBeskrivelseReference-enhed
Krafttæthedsniveau L_FKilde: ækvivalent linjekraft pr. løbende meterdB ref 1 N/√m
Linjekildetransfergang TM_LUdbredelse: vibrationsenergitransmissiondB ref 10⁻⁸ m/s per N/√m
Bygningskoblingsfaktor C_bModtager: dæmpning/forstærkning i bygningdB

Krafttæthedsniveauet bestemmes indirekte fra målte vibrationsniveauer og overføringsfunktioner og kan gemmes i databaser til brug ved forudsigelse på nye lokaliteter med tilsvarende tog- og sportyper.

Prædiktionsscenarier

Værktøjet understøtter tre typer praktiske vurderinger:

  • Ny jernbaneinfrastruktur: Absolutte vibrationsniveauer forudsiges langs hele traceet ved hjælp af databaser og numeriske modeller.
  • Ændring i emission: Relativ ændring i forhold til nuværende situation baseret på feltmålinger.
  • Nye bygninger nær eksisterende jernbane: Feltmålinger af kilde- og udbredelsesleddet kombineres med bygningsmodeller.

Eksperimentel database

Projektet opbygger en eksperimentel database med veldokumenterede målekampagner fra fem lokaliteter:

  • Lincent, Belgien: HST-linje L2 Bruxelles-Köln med dybdegående geofysiske undersøgelser og måling af over 17 togpassager
  • Heverlee, Belgien: Treeetagers armeret betonbygning ved jernbanenærheden, med over 500 togs passager monitoreret i én uge
  • Steventon og Grazely Green, UK: Blødt lerjord ved jernbanelinjer i det sydlige England
  • Fishbourne, UK: Blødt lerjord med laboratorieundersøgelser
  • Bakerloo Line, Regent's Park, London: Dybt boret tunnel i London clay i ca. 28 m dybde

Kompatibilitet med internationale standarder

Forudsigelsesværktøjets output er kompatibelt med en række internationale vibrationsstandarder:

StandardLandIndikator
ISO 2631-2:2003InternationalRMS-acceleration, eVDV
BS 6472-1:2008UKVibrationsdosisværdi (VDV)
DIN 4150-2:1999TysklandKB_{Fmax}, KB_{FTr}
DB Ril 820.2050TysklandKB_{FTm} fra frekvensspektrum

Projektets konsortium

SILVARSTAR er koordineret af Pascal Bouvet, Vibratec, og partnerne er:

  • KU Leuven (Geert Degrande og Geert Lombaert) – ansvarlig for leverancen
  • University of Southampton (Evangelos Ntotsios og David Thompson)
  • Vibratec (Brice Nélain og Pascal Bouvet)
  • Wölfel (Silke Grabau, Janosch Blaul og Andreas Nuber)

Leverancen er klassificeret som offentlig (PU) og er indsendt 28. maj 2021.


Assets4Rail: Ny teknologi til drift og vedligeholdelse af jernbaneaktiver

Parallelt er der offentliggjort en konsekvensvurdering fra Assets4Rail-projektet, der evaluerer teknologier til overvågning og vedligeholdelse af jernbaneaktiver. Vurderingen er struktureret om fire forretningstilfælde:

  • Rensning af lange drænrør i tunneler
  • Støjreduktionsforanstaltninger langs jernbanenettet
  • Wayside 3D-kameraer til overvågning af bogiers tilstand på godsvogne
  • BIM (Building Information Modelling) til overvågning og vedligeholdelse af jernbaneinfrastruktur

Konsekvensvurderingen afdækker relevante typer af omkostninger og gevinster for hver teknologi og begrundelsen for disse virkninger. Besparelser, forbedret RAM-performance og reduktion af eksternaliteter forventes opnået ved implementering af disse teknologier.