ic3 og ic4 tog under risiko for hjulblokering

IC3 og IC4 tog under risiko for hjulblokeringAnders Stockmarr og Bjarne Kjær Ersbøll

Sektion for Statistik og DataanalyseAfdeling for Matematik og Computer ScienceDanmarks Tekniske Universitet

January 28, 2014

28/01/2014IC3 og IC4 tog under risiko for hjulblokering2 Dept. of Applied Mathematics and Computer Science, Technical University of Denmark

Marslev Hændelsen

Den 7. November 2011 passerede et IC4-tog et aktivt stopsignal ved den fynske by Marslev


Marslev Hændelsen

• Den 7. November 2011 passerede et IC4-tog et aktivt stopsignal ved den fynske by Marslev.

• Toget forsøgte at bremse, men hjulene blokerede.

• Fra en starthastighed på 180 km/t var toget 2.800 meter om at bremse, og passerede stopsignalet med 651 meter, og stoppede blot 371 fra et foranliggende godstog.

• Kort efter Marslev hændelsen blev Havarikommissionen gjort opmærksom på yderligere 3 hændelser, hvor togføreren havde oplevet problemer med et IC4 tog.


Marslev Hændelsen – konsekvenser

• Efter Marslev hændelsen nedsattes hastighedsgrænsen for IC4 tog til 140 km/t, imod IC3 togenes 180 km/t.

• Et udregningsarbejde begyndte, der undersøgte mekanikken og elektronikken i IC4 tog, med henblik på at undersøge om bremsesystemet fungerede som det skulle.

• DTU, herunder afd. for Statistik og Dataanalyse, var involveret i arbejdet.

• I August 2013 frikendte en rapport IC4-togets bremsesystem – det virker som det skal.

Hvad var så årsagen til Marslev Hændelsen?


Marslev Hændelsen – konsekvenser

• I efteråret 2012 blev 30 testkørsler foretaget på ruten København-Århus.

• Data fra testkørslerne overleveret til DTU Statistik og Dataanalyse, med henblik på

– at finde årsagen til hjulblokeringerne;– at undersøge om der er forskel på IC3 og IC4 tog mht. hjulblokering.

• Mistanken samlede sig om bladsaft; gør skinnerne glatte.

• Metode: Analyse af adhæsions-koefficienten; et mål for graden af kontakt mellem hjul og skinner.

• Adhæsions-koefficient viste sig dog ikke at kunne beregnes .


Data grundlag, tog logs:• Data fra tog logs indeholder

• Hastighed, tidsstempel, bremsekraft, status for blokeringsflag.

• Det kan udledes hvornår toget bremser.


Data til brug for Analyse

• Tog logs;• GPS logs (position);

• Opgørelser over bevoksninger langs skinnelegemet (bevoksning); – skov, buske og solitærtræer.

• Kurveregister (kurver);– krumning.

• Strækningsregister (samordning af tid og position);– afstand til København H.

• Udtræk fra sporregisteret – for at kunne bedømme hvilket spor toget kører på.

• Opgørelse over hævninger/forsænkninger

• Meteorologiske data fra DMI (vejrmæssige forhold);– temperatur, dugpunkt, vindstyrke, vindretning, turbulens,

nedbør og solstråling. – Indenfor sidste time, samt akkumuleret over 3, 4, 5, 6, 7, 8 og 24

timer.

Indiceret ved tid

Indiceret ved afstand til Kbh. H


Data til brug for Analyse

Tog data:

GPS data:


Data Problemer

Data for tog-log: Her plottet i rækkefølgen fra . datasættet:

Kommentar fra dataleverandør:

”Anders har ret. Tiden går baglæns. Jeg har ikke nogen forklaring på det”


Data Problemer

Oprenset hastighedprofil:

113 uforklarlige ændringer.


Data Problemer

• Position skulle fås ud fra GPS data –

Men - der er typisk kun et par hundrede GPS punkter fra København til Århus – og 328 km.

Umuligt at genskabe position ud fra interpolation mellem GPS punkter – allerede ved Glostrup er der en manko på 500m.

Benytter at men ved hvornår man er på en station – 40 referencepunkter på København-Århus, som findes i strækningsregisteret.


Benyttede spor

• Nødvendigt at bestemme for at afgøre krumningen.• Altid sporet til højre lød det; men


Konstruktion af lokale løvfaldsindex:Tykningsindex T

Skov Buske

Træer:30 meters tykning: T=1. 15 meter: T= 3/4. 10 meter: T= 4/9.

30m 10m

På stedet gennemsnit 1km bagud

København Hgennemsnit 2km bagud


Konstruktion af lokale løvfaldsindex:

• Banevinkel i punktet B:

• Lad betegne vinklen for den øjeblikkelige vindretning med syd-nord aksen, og lad , være Tykningsindex for hhv. højre og venstre side af banelegemet.

• Løvfaldsindexet I konstrueres da som

• Fuld effekt hvis vinden er vinkelret på banelegemet, ingen effekt hvis den er parallel.

θ

C

B

A

South

North


Lokale løvfaldsindex

Skulle kombineres med et kontinuerligt løvfaldsindex, der angiver sandsynligheden for at blade falder af træerne som funktion af kalendertid. Men sådan viden finde ikke (Skov og Landskab KU 2013, personlig kommunikation).I stedet benyttes polynomiel regression på kalendertid.


Blokeringssekvens• Hvis først hjul blokerer, reagerer systemet først langsomt på ændrede

forhold.

• Problemet håndteres ved at inføre en blokeringssekvens-indikator, som skal indikere at toget ved forrige position havde blokerede hjul.

• Naturligvis uforeneligt med princippet om uafhængighed mellem observationer, men dog foreneligt med betinget uafhængighed givet fortiden.

• Nødvendigt, fordi der for IC4 tog er langt flere datapunkter end for IC3, og dermed giver det markant flere blokeringsdata, da en blokering bliver efterfulgt af en blokeringssekvens.


Analyse

logit(p(initiere blokeringssekvens)~

0 10 20 30 40

0.0

0.2

0.4

0.6

0.8

1.0

Lag

ACF

Temporal Autocorrelation, Residuals


IC4 vs. IC3 tog

• Gennemkører samtlige ruter med 140km/t med hhv. IC3 og IC4, og sammenligner de lineære prediktorer.


Udglattede risisci


Risici vs. Cases


Konstant hastighed 180 km/t,Bremsekraft 2.6

tur 22


Effekt af bladsaft

• Både løvfaldsindex for skov og buske er signifikante, på stedet, 1 km tilbage og 2km tilbage.

• Solitærtræer er ikke signifikante.

• Effekten aftager med kalendertiden; der bliver færre blade.

• Løvfaldsindex interagerer med meteorologiske covariater i stor stil.


Konklusion1.

A. Det lave antal GPS data punkter relativt til antallet af datapunkter i tog-log udgør et problem. Da positioner er baseret på GPS data, er position, og dermed egenskaber ved skinnelegemet, vegetation og meteorologiske data, behæfter med usikkerhed. Dette gør konklusioner uholdbare.

B. Hastighedsprofilerne er fejlbehæftede, og medens vi ikke tror at dette spiller en rolle, kan vi ikke vide det med sikkerhed. En stor mængde manglende observationer gør også sit til at så tvivl om datagrundlaget.

C. Data er indsamlet på et begrænset antal dage. Data I modellen stammer fra kun 11 forskellige dage, og dette begrænser muligheden for at generalisere. Desuden kan data ikke generaliseres til udenfor løvfaldsperioden.


Konklusion2.

A. Sandsynligheden for at initiere en blokeringssekvens afhænger af glatte skinner.

B. Én af de faktorer som medvirker til glatte skinner i forsøgsperioden er bladsaft.

C. Data er baseret på for mange approximationer til at levere resulater med tilstrækkelig vægt.

D. Af samme årsag konkluderes der ikke, at IC3 og IC4 tog er forskellige.

E. Skulle problemerne med data løse sig, er det forfatternes opfattelse at metoden kan generaliseres ud over løvfaldsperioden.

F. Ved en videreudvikling er et af perspektiverne et early warning system i trafikken.

ic3 og ic4 tog under risiko for hjulblokering

Documents

tog logs

201428012014ic3 og ic4

hastighedsgrnsen for

krer p

s rsagen til marslev

dtu statistik og dataanalyse

aktivt stopsignal

ic3 togenes