Siltojen suunnittelussa käytetyt kuormat ja osavarmuusluvut

Liikenneviraston tutkimuksia ja selvityksiä 12/2016 Siltojen suunnittelussa käytetyt kuormat ja osavarmuusluvut NCCI 1 Taustadokumentti 2015

Siltojen suunnittelussa käytetyt kuormat ja osavarmuusluvut NCCI 1 Taustadokumentti 2015 Liikenneviraston tutkimuksia ja selvityksiä 12/2016 Liikennevirasto Helsinki 2016

Kannen kuva: Verkkojulkaisu pdf (www.liikennevirasto.fi) ISSN-L 1798-6656 ISSN 1798-6664 ISBN 978-952-317-226-5 Liikennevirasto PL 33 00521 HELSINKI Puhelin 0295 34 3000

3 Siltojen suunnittelussa käytetyt kuormat ja osavarmuusluvut NCCI 1 Taustadokumentti 2015. Liikennevirasto, tekniikka ja ympäristö -osasto. Helsinki 2016. Liikenneviraston tutkimuksia ja selvityksiä 12/2016. 68 sivua ja 2 liitettä. ISSN-L 1798-6656, ISSN 1798-6664, ISBN 978-952-317-226-5. Avainsanat: sillat, suunnittelu Tiivistelmä

4 Siltojen suunnittelussa käytetyt kuormat ja osavarmuusluvut NCCI 1 Taustadokumentti 2015. Trafikverket, teknik och miljö. Helsingfors 2016. Trafikverkets undersökningar och utredningar 12/2016. 68 sidor och 2 bilagor. ISSN-L 1798-6656, ISSN 1798-6664, ISBN 978-952-317-226-5. Sammanfattning

5 Siltojen suunnittelussa käytetyt kuormat ja osavarmuusluvut NCCI 1 Taustadokumentti 2015. Finnish Transport Agency, Technology and Environment. Helsinki 2016. Research reports of the Finnish Transport Agency 12/2016. 68 pages and 2 appendices. ISSN-L 1798-6656, ISSN 1798-6664, ISBN 978-952-317-226-5. Summary

6 Esipuhe Tämä tutkimus on tehty Liikenneviraston tilauksesta liikennekuormakaavion LM1 soveltuvuuden arvioimiseksi voimaantulevan ajoneuvoasetuksen muutoksen jälkeisessä tilanteessa. Tutkimuksen päätoteuttajina ovat toimineet A-Insinöörit Suunnittelu Oy sekä Destia Oy. Tilaajana Liikennevirasto. Toteuttajien välinen rajanveto työnjaossa on mennyt lähtötietojen käsittelyssä ja toimittamisessa. Destia on käsitellyt ja toimittanut LAMdatan, myös akselimassatutkimus on Destian edeltäjän, Tieliikelaitoksen tekemä. Pysyvän kuorman osavarmuusluvun tarkastelu on tehty Destian toimesta. A-Insinöörit on vastannut simulaation tekemisestä sekä simulaation tulosten analysoinnista sekä kuormakaavion LM1-2014 määrittämisestä. Liikennekuorman paikallisiin vaikutuksiin liittyvään tutkimukseen lähtötietoaineistoa ja mittausdataa on toimittanut Trafikia Ab. Työssä on ollut mukana Destia Oy:stä: Tekn. lis. Torsten Lunabba Dipl. ins. Kimmo Julku A-Insinöörit Suunnittelu Oy:stä: Tekn. tri Anssi Laaksonen Dipl. ins Olli Asp Dipl. ins Mikko Peltomaa Liikennevirastosta ohjausryhmään ovat kuuluneet: Dipl. ins. Heikki Lilja Dipl. ins Minna Torkkeli Helsingissä helmikuussa 2016 Liikennevirasto Tekniikka ja ympäristö -osasto

7 Sisällysluettelo 1 JOHDANTO... 9 1.1 Tutkimuksen tausta... 9 1.2 Tutkimuksen tavoite... 9 1.3 Rajaukset... 10 2 LIIKENTEEN MITTAAMINEN LAM-PISTEISSÄ... 11 3 LAM-DATAN ANALYYSI JA KÄSITTELY... 12 4 LIIKENTEEN VAIKUTUSTEN SIMULOINTI SILTARAKENTEISIIN... 16 4.1 Yleistä... 16 4.1.1 Stokastinen simulointi yleensä... 16 4.1.2 Simulaation kulku... 17 4.2 Tutkittavat ilmiöt... 18 4.2.1 Influenssiviivat... 18 4.2.2 Dynaaminen kerroin... 19 4.2.3 Liikennemallit... 20 4.3 Lähtötiedot simulaatioon... 20 4.3.1 Lähtötiedot LAM-data... 20 4.3.2 Lähtötiedot akselimassatutkimus... 21 4.4 Liikenteen mallintaminen... 21 4.4.1 Ajoneuvojonot... 21 4.4.2 Liikennemallin luominen... 22 4.4.3 Ruuhka... 22 4.5 Simulaatiossa käytetyt ajoneuvotyypit... 24 4.5.1 Yksittäiset ajoneuvot... 24 4.5.2 Ajoneuvoyhdistelmät... 27 4.6 Ajoneuvoasetuksen muutos... 29 5 LIIKENNEKUORMAN PAIKALLISET VAIKUTUKSET... 31 5.1 Lähtötiedot... 31 5.2 Lähtötietojen analyysi... 32 5.2.1 Liikennemäärä... 32 5.2.2 Akseli- ja telimassojen jakaumat... 32 5.3 Simulaatio... 34 5.3.1 Simuloinnin kulku... 34 5.3.2 Tulosten jatkokäsittely... 34 5.4 Mitoittavat akselit ja telit... 36 5.5 Penkereellä vaikuttavan liikennekuorman määritys... 38 6 SIMULAATION TULOKSET... 41 6.1 Simulaatiosta saatava data... 41 6.1.1 Simulaation vaiheet ja simulointi... 41 6.1.2 Tulosdatat... 41 6.2 Tulosten jatkokäsittely... 42 6.2.1 Tulosjakaumien tilastolliset tunnusluvut... 42 6.2.2 Jakaumien ekstrapolointi... 44 6.2.3 Kuormakaavion määrittäminen... 50 6.2.4 Vertailu kuormakaavio LM1:een... 51

8 6.3 Sillan tukireaktioiden vertailu... 53 6.3.1 Laskennan kulku... 53 6.3.2 Yksiaukkoisen palkin tukireaktio... 54 6.3.3 Kaksiaukkoisen palkin välituen tukireaktio... 55 7 PYSYVÄN KUORMAN VARMUUSLUVUN MÄÄRITYS... 57 7.1 Yleistä... 57 7.1.1 Bul-sillat... 58 7.1.2 Jännepalkkisillat... 58 7.1.3 Liittopalkkisillat... 59 7.2 Muuttuvat kuormat... 59 7.2.1 Bul-sillat... 59 7.2.2 Jännepalkkisillat... 60 7.2.3 Liittopalkkisillat... 61 7.3 Laskenta... 62 7.4 Tulokset... 62 7.4.1 Bul-sillat... 62 7.4.2 Jännepalkkisillat... 63 7.4.3 Liittopalkkisillat... 64 7.5 Johtopäätökset... 64 8 YHTEENVETOA... 65 8.1 Arvio tulosten tarkkuudesta... 65 8.2 Tutkimuksen varsinaiset tulokset... 66 8.3 Kehitystarpeet... 66 LÄHTEET... 68 LIITTEET Liite 1 Liite 2 Simuloidun liikenteen perusteella määritetyn ominaisarvon vertailu kuormakaavioon Tukireaktioiden arviointi

9 1 Johdanto 1.1 Tutkimuksen tausta Eurokoodin esistandardin taustadokumentin ENV-1991-3 [1] mukaan liikennekuormakaavio LM1 on määritetty mittaamalla todellisen liikenteen akselipainoja ja koostumusta eräillä Keski- ja Etelä-Euroopan suurilla valtateillä. Näiden mittausten pohjalta on päätelty liikennekuorman ominaisarvo sekä liikennekuormakaavio LM1. Eurokoodi otettiin käyttöön Liikenneviraston hankkeissa vuoden 2010 kesäkuussa. Tällöin myös liikennekuorma LM1-2010 hyväksyttiin käyttöön siltojen suunnittelussa. Vuoden 2013 lokakuussa voimaan tuli ajoneuvoasetuksen muutos, jonka myötä Suomen teillä liikennöivän kaluston suurimpia sallittuja kokonaismassoja korotettiin 60 tonnista 76 tonniin, myös suurimpiin sallittuihin telimassoihin tehtiin korotus. Edellä mainitusta korotuksista johtuen ensin heräsi kysymys: Pitäisikö tämän muutoksen vaikuttaa kuormakaavioon, sillä todelliset liikenteen aiheuttamat kuormat tulevat kasvamaan? Tästä luonnollisesti seuraa kysymys selvitettäväksi koko kuormakaavio LM1:n taustoista: Onko LM1-2010 ollut lainkaan sopiva valinta kuvaamaan Suomalaisen liikenteen aiheuttamia rasituksia siltarakenteille, sillä kyseisen kaavion määrityksen pohjana on ollut keskieurooppalainen liikenne, sen tiheys sekä paikalliset suurimmat sallitut mitat ja massat? Käyttöönotettaessa LM1-2010:tä on verrattu edeltävien ohjeiden kuormakaavioihin tutkimalla näiden aiheuttamia rasituksia. Tuolloin tutkimuksessa tarkoituksena oli, että liikennekuormakaavion rakenteella aiheuttama rasitus pysyisi mahdollisimman samana. Kuormakaaviota ei pyritty määrittämään todellisen liikenteen mukaan. 1.2 Tutkimuksen tavoite Tutkimuksen tavoitteena on selvittää suomalaisen raskaan maantieliikenteen koostumus ja ominaisuudet ja näiden avulla pyrkiä määrittämään Suomessa vallitsevan todellisen liikenteen aiheuttamia rasituksia sillan pääkannatinjärjestelmälle. Tämä toimii pohjana pohdinnassa, jonka tuloksena saadaan määritettyä tätä rasitustilaa vastaava kuormakaavio suunnittelun lähtökohdaksi. Tutkimus toteutetaan keräämällä ja analysoimalla lähtötiedot suomalaisen liikenteen koostumuksesta käyttäen hyväksi LAM-dataa sekä akselimassatutkimuksia. Näiden perusteella on tavoitteena rakentaa tietokonesimulaatio, jonka avulla tutkitaan edellä mainittujen lähtötietojen avulla generoidun liikenteen vaikutusta siltarakenteisiin.

10 1.3 Rajaukset Tässä tutkimuksessa keskitytään ainoastaan sillan pääkannatinjärjestelmän pitkittäissuuntaiseen tarkasteluun ja liikennekuorman aiheuttamaan rasitukseen. Pysyvän kuorman osavarmuusluvun luotettavuutta laskettaessa huomioidaan määritetyn liikennekuorman tilastollisten ominaisuuksien lisäksi myös omien painojen, maanpaineen ja jännevoimien rasitukset. Valittuja rasitusvoimasuureita tarkastellaan simuloiden rajallisella joukolla sillan jännemittoja. Jännemitat ja influenssiviivat on valittu siten, että ne vastaavat taustadokumentissa [1] esitettyjä ja kuvaavat geometrialtaan tyypillisiä siltarakenteita, joihin kuormakaaviota LM1 sovelletaan. Tutkittavat influenssiviivat ovat yksiulotteisia, jolloin monen kaistan tapaus pelkistyy yksittäisen palkin tarkasteluksi. Tarkastelu on staattinen ja tutkittavien influenssien taustalla olevat rakenteet ovat tasajäykkiä koko matkaltaan. Liikenteen mallintamisessa huomioidaan kuormana ainoastaan raskaat ajoneuvot, koska henkilö- ja pakettiautojen kuormavaikutus on vähäinen.

11 2 Liikenteen mittaaminen LAM-Pisteissä LAM-pisteiden mittaustuloksissa ajoneuvot on jaettu seitsemään (7) eri luokkaan. Luokat ovat: 1. henkilöauto 2. kuorma-auto 3. linja-auto 4. puoliperävaunullinen yhdistelmä 5. täysperävaunullinen yhdistelmä 6. henkilöauto peräkärryllä 7. pakettiauto peräkärryllä Raskaita ajoneuvoja ovat luokkien 2 5 ajoneuvot. Taulukossa 2-1 on esitetty esimerkki LAM-lähtötiedoista Taulukko 2-1 Esimerkki LAM-tiedoista PVM TUNTI MIN SEK SSEK PITUUS NOP SUUN KAIS AJONEUVOLKA 1.1.2012 2 26 53 62 3,4 50 1 1 1 1.1.2012 3 17 43 48 3,8 23 2 2 1 1.1.2012 3 37 42 37 3,8 49 1 1 1 1.1.2012 3 45 56 76 14,6 38 1 1 4 1.1.2012 8 56 15 80 18,6 39 2 2 5 Taulukon 2-1 sarakkeiden selitteet: PVM päivämäärä milloin mittaus on tehty TUNTI tunti milloin mittaus on tehty MIN minuutti milloin mittaus on tehty SEK sekunti milloin mittaus on tehty SSEK sadasosasekunti milloin mittaus on tehty PITUUS mitattu ajoneuvon pituus [m] NOP mitattu ajoneuvon nopeus [km/h] SUUN ajoneuvon kulkusuunta KAIS ajoneuvon käyttämä kaista AJONEUVOLKA ajoneuvon luokka [1-7] Lähtötietojen tarkkuus LAM-tietoja käsiteltäessä on syytä seurata lähtötietojen oikeellisuutta. Mahdollisia virhetyyppejä ovat: osa tiedoista puuttuu tiedot eivät ole kronologisessa järjestyksessä sadasosasekunti on kirjattu arvoksi 99 osa riveistä on korruptoitunut Mikään yllä mainituista virheistä ei aiheuta jakauman vääristymistä henkilöautojen ja raskaiden ajoneuvojen välillä. Asia on kuitenkin tiedostettava ja tarvittaessa huomioitava jatkotarkasteluita tehtäessä.

12 3 Lam-datan analyysi ja käsittely Liikenteen jakauman analysointia varten on käsitelty 17 LAM-mittauspisteen liikenne vuonna 2012. Tutkimuksessa käytetyt pisteet on esitetty taulukossa 3-1. Valitut pisteet kuvaavat koko Suomen keskimääräistä liikennettä. Pisteitä on valittu kaikista liikenteen luokista (SFS-EN 1991-2 taulukko 4.5). Taulukko 3-1 LAM-pisteet Pistetunnus Sijainti Tienro KVL 2012 RKVL 2012 Raskaanliikenteen % osuus Liikenteen luokka Kaistojen lkm 233 HAUNINEN 40 31901 2588 8.1 % 1 4 126 KONALA 101 66034 3434 5.2 % 1 4 449 TRE_SARANK_VT3 3 44475 3445 7.7 % 1 4 137 KEIMOLA 3 42837 3509 8.2 % 1 4 168 Askisto 50 41546 4065 9.8 % 1 4 1050 KRISTIINANKAUPU 8 1829 434 23.7 % 2 2 122 RAUTAMÄKI 2 4750 574 12.1 % 2 2 630 KUORTTI 5 7388 684 9.3 % 2 2 230 LIETO 10 13583 785 5.8 % 2 2 902 ÄÄNEKOSKI 4 5954 811 13.6 % 2 2 828 RAHUSEN LAMPI 5 31059 1753 5.6 % 2 4 1302 RISTIJÄRVI 5 2496 143 5.7 % 3 2 1424 OLKKAJÄRVI 4 3337 321 9.6 % 3 2 1060 ALAVUS Pohjoine 66 3465 375 10.8 % 3 2 704 KESÄLAHTI 71 1083 77 7.1 % 4 2 135 ILOLA 170 2410 88 3.7 % 4 2 225 PARAINEN 180 1835 88 4.8 % 4 2 Yleistiedot Analysoinnissa kerätään ja taulukoidaan yleistiedot käsiteltävästä datasta. Kerätyt tiedot ovat: ajoneuvojen kokonaismäärä mittauspisteessä ajoneuvojen kokonaismäärät kaistoittain raskaiden ajoneuvojen kokonaismäärä raskaiden ajoneuvojen kokonaismäärä kaistoittain raskaiden ajoneuvojen määrät tyypeittäin (kokonaismäärä ja kaistoittain) raskaiden ajoneuvojen pituuksien keskiarvo ja keskihajonta ajoneuvotyypeittäin raskaiden ajoneuvojen nopeuksien keskiarvo ja keskihajonta ajoneuvotyypeittäin yksittäisten raskaiden ajoneuvojen määrä kaistoittain jonossa ajavien raskaiden ajoneuvojen määrä kaistoittain Ajoneuvovälien laskennassa on oletettu että ajoneuvon nopeus ei muutu. Kuvassa 3-1 on esitetty ajoneuvojen välin mittausperiaate.

13 Kuva 3-1 Ajoneuvovälit Kuvan 3-1 tapauksessa A on esitetty tilanne, missä ajoneuvot kulkevat samaan suuntaan. Em. kuvan tapauksessa B on esitetty ajoneuvojen välin mittausperiaate, kun ajoneuvot kohtaavat. Jonot Raskaiden ajoneuvojen muodostamia jonoja on tutkittu seuraavin olettamuksin: jono muodostuu, jos kahden ajoneuvon väli < 300 m useamman ajoneuvon jono muodostuu, jos useampia ajoneuvoja on alle 300 m sisällä useamman ajoneuvon jonossa ajoneuvojen väli ilmoitetaan aina ensimmäisten ajoneuvojen välin mukaan jonot käsitellään kaistoittain ja ovat riippumattomia toisista kaistoista jonossa voi olla 2 6 ajoneuvoa yli 6 ajoneuvon jonot kirjataan 6 ajoneuvon jonoiksi Kaikki jonotapaukset taulukoidaan kaistoittain ajoneuvojen välin ja määrän mukaan. Kohtaava ajoneuvo Ajoneuvojen kohtaamiset tutkitaan molemmilla kaistamäärillä (2 ja 4). Nelikaistaisessa mittauspisteessä kaistalla 1 oleva ajoneuvo voi kohdata sekä kaistan 3, että kaistan 4 ajoneuvon. Kohtaamistilanteeksi tulkitaan tilanne jossa ajoneuvojen väli on alle 300 m. Erilaisia variaatioita kohtaamistilanteista on esitetty kuvassa 3-2.

14 Kuva 3-2 Kohtaamistilanteita Ohittava ajoneuvo Tapaukset, joissa raskas ajoneuvo ohittaa toista raskasta ajoneuvoa, on tutkittu ainoastaan nelikaistaisissa mittauspisteissä. Ohitustilanteeksi tulkitaan tilanne, jossa ajoneuvojen väli on alle 300 m. Ohitustilanteiden variaatiot on esitetty kuvassa 3-3.

15 Kuva 3-3 Ohitustilanne Henkilöautot Analysoinnissa henkilöautoista ja pakettiautoista (ajoneuvoluokat 1, 6 ja 7) kerättävät ja taulukoidut tiedot ovat: ajoneuvojen pituuksien keskiarvo ja keskihajonta kaistoittain raskaiden ajoneuvojen väleissä olevien ajoneuvojen kappalemäärän keskiarvo ja keskihajonta kaistoittain Henkilöautojen pituuden jakauma on oletettu LAM-pisteestä riippumattomaksi. Siten käytetyn tiedon oletetaan edustavan henkilöautojen pituusjakaumaa kaikkialla Suomessa.

16 4 Liikenteen vaikutusten simulointi siltarakenteisiin 4.1 Yleistä 4.1.1 Stokastinen simulointi yleensä Stokastisen simuloinnin tarkoituksena on luoda tilastollinen malli jollekin monimutkaiselle satunnaiselle ilmiölle, joka on riippuvainen useista muista satunnaisista ilmiöistä. Tässä tapauksessa pyritään määrittämään liikenteen rakenteelle aiheuttamien rasitusten tilastollinen malli, joka on riippuvainen liikenteeseen liittyvistä satunnaisista ilmiöistä kuten akseli- ja telipainoista, ajoneuvojen tyypistä, liikennetiheydestä ja niin edelleen. Simulaatiossa huomioidaan vain raskaiden ajoneuvojen akselit. Henkilöautot huomioidaan ainoastaan ruuhkatilanteessa rajoittamassa raskaiden ajoneuvojen keskinäistä etäisyyttä. 4.1.1.1 Käänteiskertymämenetelmä Monte Carlo-simulaatio (myös stokastinen simulointi) on tilastotieteessä varsin yleisesti käytetty menetelmä monimutkaisten satunnaisilmiöiden mallintamiseen. Menetelmä on perusperiaatteeltaan hyvin yksinkertainen ja perustuu tietokoneiden suureen laskentatehoon. Kuva 4-1 Käänteiskertymämenetelmän periaatekuva. Stokastisessa simuloinnissa kaikille satunnaismuuttujille generoidaan satunnaisesti jokin arvo hyväksikäyttäen näennäissatunnaislukuja. Generointi tapahtuu asettamalla kullekin satunnaismuuttujalle jokin sääntö, jolla generoitu näennäissatunnaisluku muutetaan satunnaismuuttujaksi. Tämä muunnos tehdään yksinkertaisesti käänteiskertymämenetelmällä:

17 1. Arvotaan tasan jakautunut satunnaisluku väliltä [0;1[. Tämä tarkoittaa, että jokaisen tältä väliltä arvottavan luvun todennäköisyys on yhtä suuri. (kuva 3.12) 2. Lasketaan tällä luvulla kertymäfunktion käänteisfunktion arvo x 3. Toistetaan tämä, kunnes kaikilla laskentaan liittyvillä satunnaismuuttujilla on jokin satunnaisarvo Tätä menetelmää käytetään jokaisella laskentakierroksella satunnaisten ilmiöiden määrittämiseen. Tässä tapauksessa satunnaisen ajoneuvoliikenteen koostumuksen, ajoneuvojen tyyppien, akseligeometrioiden sekä akseli- ja telipainojen määrittämiseen. 4.1.2 Simulaation kulku Tässä kappaleessa esitetään simulaationprosessin kulku karkealla tasolla. LAMpisteistä saatujen lähtötietojen perusteella luodaan kullekin muuttujalle tilastollinen malli. Tätä tilastollista mallia hyödyntäen luodaan kussakin tapauksessa tälle satunnaismuuttujalle realisoituva arvo. LAM-datasta luodut tilastolliset mallit toimivat lähtötietona satunnaisen liikenteen luomisessa. Tässä vaiheessa saadaan aikaan määräävälle kaistalle (kaista 1) vuorokausittainen liikenne. Vuorokaudelle simuloitu liikenne sisältää ajoneuvoja ja ajoneuvojonoja vuorokausittaisen liikenteen verran. Ohitus- ja kohtaamistodennäköisyyksien perusteella luodaan liikenne muille kaistoille. Vastaavasti akselimassatutkimuksen [3] perusteella luodut tilastolliset mallit toimivat lähtötietona ajoneuvojen satunnaisten akselien luomisessa. Näiden perusteella saadaan määritettyä kullekin edellisessä kohdassa määritellylle ajoneuvolle akseligeometria sekä akseleiden painot. Ensimmäisen vaiheen lopputuloksena on pitkä akselijono kullekin kaistalle. Kuva 4-2 Simulaation vaiheet

18 Vaiheessa I luotu jono siirretään askelittain influenssiviivan yli samalla tallentaen tutkittavien rasituksen realisoitunutta rasitushistoriaa. Tästä yhden päivän mittaisesta rasitushistoriasta poimitaan päivittäinen ääriarvo, joka tallennetaan. Kun päivittäisiä ääriarvoja on saatu riittävän monta kappaletta. Voidaan määrittää kyseisen rasituksen päivittäisten ääriarvojen jakauman parametrit. 4.2 Tutkittavat ilmiöt Simulaation avulla tutkitaan tyypillisimpiä sillan pääkannattajan mitoituksessa esiintyviä voimasuureita. Tämä toteutetaan asettamalla simuloitu liikenne (akselijono) influenssipituudelle ja summaamalla yksittäisten akselien vaikutukset. 4.2.1 Influenssiviivat Tutkimuksessa selvitykseen valitut influenssiviivat on valittu Eurokoodin esistandardin tausta-aineiston mukaisesti [1]. Influenssipituudet ovat 10 200 metriä, jollaisille jännemitoille liikenteen kuormakaavion LM1 on Eurokoodin mukaan kalibroitu. Yhteensä erilaisia influenssiviivoja tutkitaan 45 kappaletta. Taulukko 4-1 Tutkittavat influenssiviivat Rakenne Suure "LM 1" Symboli 10m 20m 30m 50m 100m 200m Pystykuorman resultantti Q 1 2 3 4 5 6 Kenttämomentti M0 7 8 9 10 Leikkausvoima Vapaasti tuettu tuella (tukir.) yksiaukkoinen Leikkausvoima V0 11 12 13 14 kentässä V1 15 16 17 18 Vapaasti tuettu kaksiaukkoinen symm. Vapaasti tuettu kaksiaukkoinen epäsymm. 1 : 2 Vapaasti tuettu kolmiaukkoinen symm. 1: 1.22 : 1 Momentti + kenttä M1+ 19 20 21 22 23 Momentti kenttä M1 24 25 26 27 28 Momentti välituella M2 29 30 31 32 33 Momentti + kenttä M4+ Momentti kenttä M4 Momentti + kenttä M3+ 34 35 36 37 38 39 Momentti kenttä M3 40 41 42 43 44 45 Taulukossa esitetyt influenssiviivat symboleineen ja muotoineen on myös esitetty kuvassa (Kuva 4-3) [1]

19 Kuva 4-3 Tutkittavat influenssiviivat [1] 4.2.2 Dynaaminen kerroin Liikennekuormakaavio LM1 sisältää liikennekuorman dynaamisen vaikutuksen. Tämä tarkoittaa simulaation kannalta sitä, että simuloiduissa tuloksissa täytyy dynaaminen lisä huomioida kuormavaikutusta kasvattavana. Erillistä dynaamista simulaatiota ei tehdä vaan hyödynnetään viitteessä [1] esitettyä tieliikennekuorman dynaamista kerrointa. Dynaaminen kerroin on riippuvainen tutkittavasta ilmiöstä, jännemitasta sekä kuormittavien kaistojen lukumäärästä. Kuva 4-4 Dynaaminen kerroin Dynaamista kerrointa sovelletaan tulostietoihin (=kuormituksen ääriarvojen staattisiin arvoihin) vasta analyysin jälkeen. Dynaaminen kerroin sovelletaan ainoastaan soljuvan liikenteen tuloksiin. Liikenneruuhka ja ruuhkautuminen käsitellään staattisina tilanteina.

20 4.2.3 Liikennemallit Simulaatiossa tutkitaan jokaisen LAM-pisteen osalta useita eri tapauksia määräävän liikennekuorman vaikutuksen esiin saamiseksi: I) Ennen ajoneuvoasetuksen muutosta II) Ajoneuvoasetuksen muutoksen jälkeen Kaistojen lukumäärä: 1) 2-kaistainen liikenne vastakkaisiin suuntiin 2) 2-kaistainen liikenne samaan suuntaan (valtatieliikenne) 3) 4-kaistainen liikenne Liikennetilanne: a) Vapaasti soljuva liikenne b) Ruuhka Edellä kuvatut tilanteet simuloidaan ristiin jokaisessa mahdollisessa LAM-pisteessä. Käytännössä tämä tarkoittaa sitä, että nelikaistaisen LAM-pisteen ollessa kyseessä tarkastellaan liikenne sekä 2- että 4-kaistaisena tapauksena. 2-kaistainen liikenne samaan suuntaan saadaan siten käyttämällä 4-kaistaisesta datasta vain 2 ensimmäistä kaistaa. 4.3 Lähtötiedot simulaatioon Kuten aiemmin kohdassa 4.1.2 esitettiin, kutakin simulaatiokierrosta varten luodaan päivittäistä liikennettä vastaava ajoneuvomäärä. Reunaehtoina ja sääntöinä liikenteen luomiseen käytetään LAM-datasta saatuja tietoja liikenteen koostumuksesta sekä akselimassatutkimuksesta saatuja tietoja kunkin ajoneuvon akseliston ominaisuuksista. LAM-data on kerätty mittauspisteistä vuoden 2012 aikana, akselimassatutkimus [3] on toteutettu vuosina 1998 1999. Tutkimusten eri ajankohdista johtuen lähtötietoaineisto ei ole täysin yhtäpitävä. Kuitenkin tietoja on käsitelty siten, että yhteensopivuus olisi mahdollisimman hyvä ja että mahdollisimman ajantasaista (LAM-datan mukaista) tietoa on pyritty käyttämään päällekkäisyyksien ilmetessä. Lisäksi oletuksena on, että akselimassatutkimus kuvaa ajoneuvotyyppejä kaikkialla Suomessa. LAM-datan pistekohtaisia lähtötietoja on siten käytetty kuhunkin pisteeseen. Vastaavasti akselimassatutkimuksen tietoja on sovellettu yhtenäisesti kaikkiin pisteisiin. 4.3.1 Lähtötiedot LAM-data Päivittäinen liikenne luodaan hyväksikäyttäen LAM-datasta saatuja tietoja. Nämä liikenteen koostumusta kuvaavat tiedot ovat jokaiselle kaistalle erikseen: Kokonaisliikenne (ajoneuvomäärä) Raskaiden ajoneuvojen määrä Raskaiden ajoneuvojen lukumäärä jonossa Jonojen määrä / jonon pituus Ajoneuvojen keskinopeus Raskaiden ajoneuvojen tyyppien jakauma (ajoneuvotyypit 2,3,4,5) Ajoneuvojen välit jonoissa soljuvan liikenteen tapauksessa

21 Yleisesti hyödynnettäviä tietoja: Ajoneuvojen ohitus- ja kohtaamistodennäköisyydet 1 Ajoneuvojen tyypit on LAM-datassa määritelty numeroin: (1) Henkilö- ja pakettiautot (2) Kuorma-auto ilman perävaunua (KAIP) (3) Linja-auto (LA) (4) Puoliperävaunuyhdistelmä (KAPP) (5) Täysperävaunuyhdistelmä (KAVP) (6) Henkilö- tai paketti auto + peräkärry (7) Henkilö- tai paketti auto + asuntovaunu Sillan rakenteiden rasitusten kannalta oleellista on tutkia ainoastaan raskaan liikenteen osuutta. Ajoneuvotyypeistä tutkimuksessa otetaan huomioon vain tyypit 2 5. Ruuhkatilanteessa hyödynnetään myös ajoneuvotyyppien 1, 6 ja 7 aiheuttamaa erottavaa vaikutusta raskaiden ajoneuvojen välisiin etäisyyksiin. 4.3.2 Lähtötiedot akselimassatutkimus Akselimassatutkimuksen perusteella määritetään simuloitavan kaluston akseligeometria sekä akselimassat. Akselimassatutkimuksen havaintojen perusteella on pyritty ohjelmoinnin helpottamiseksi rajaamaan tyypillisimmät tutkittavat ajoneuvotyyppien 2 5 akseligeometriat. Akselimassat on päätelty saman tutkimuksen tuloksista Oletuksena on, että vetoautojen akseli- ja telimassojen jakauma on sama kuin kuorma-autoilla ilman perävaunua. Käytännössä tämä pitää paikkansa varsinkin täysperävanujen osalla, jossa perävaunu on kytketty vetoautona toimivan kuorma-auton jatkeeksi. Simulaatioon valittuja ajoneuvotyyppejä on esitelty tarkemmin kappaleessa 4.5 4.4 Liikenteen mallintaminen 4.4.1 Ajoneuvojonot Jonokokoonpanoyksikkö on yhdestä tai useammasta ajoneuvosta koostuva raskaiden ajoneuvojen jono. Tässä simulaatiossa siten myös yksittäinen ajoneuvo käsitetään jonokokoonpanoyksikkönä. Jonokokoonpanoyksiköiden välinen etäisyys on aina 300 m. Tämä tihentää vuorokausiliikenteen, jolloin silta on vähemmän aikaa tyhjänä simulaatiossa. Tämä nopeuttaa laskentaa. Valittu 300 m perustuu LAM-datan jonomääritelmään, jossa 300 metriä toisiaan lähempänä olevat ajoneuvot käsitetään ajoneuvojonoksi. Tästä seuraa se, että on järkevää käsitellä myös yksittäinen ajoneuvo jonokokoonpanoyksikkönä, jonka pituus on 1. 1 Kyseessä on todennäköisyys tapahtumalle, että jollakin muulla kaistalla on ajoneuvo 1. kaistan lisäksi alle 300 metrin päässä luvun 3 määritelmän mukaisesti.

22 Edellä esitetty jonojen vapaiden välien kutistaminen ei aiheuta lainkaan virhettä alle 300 metrin influenssipituuksilla. Sillä edellinen jonokokoonpanoyksikkö ehtii poistua influenssipituudelta ennen kuin seuraava saapuu sille. Yli 300 metrin influenssipituuksia ilmenee tässä simulaatiossa ainoastaan useampijänteisten tapausten osalla, jossa tästä aiheutuvan virheen voidaan katsoa olevan merkitykseltään vähäinen sillä edellinen jonokokoonpanoyksikkö on merkitykseltään vähäisessä asemassa määräävien voimasuureiden kannalta mahdollisen seuraavan jonokokoonpanoyksikön (jono tai yksittäinen ajoneuvo) ilmestyessä influenssipituudelle. Kullekin kaistalle on määritelty suhteellinen osuus ajoneuvojonoja joiden mitta on 2 6 ajoneuvoa. Kullekin jonomitalle on lisäksi määritetty jakauma, joka sisältää tiedon tyypillisestä ajoneuvovälistä jonossa. 4.4.2 Liikennemallin luominen LAM-datan perusteella tehdyn tilastollisen mallin pohjalta luodaan simuloitu liikenne kaistoittain. Tavoitteena on kuvata sillan pääkannattimelle eri kaistojen liikennekuormasta aiheutuvia rasituksia. Tämä toteutetaan periaatteeltaan siten, että ensimmäiselle kaistalle asetetaan vuorokausiliikennemäärän mukainen ajoneuvojonojen jono. Seuraavien kaistojen liikenteet ratkaistaan tämän avulla kaistoittaisia ohitus- ja kohtaamistodennäköisyyksiä hyödyntäen. Näin saadaan kokonaisvaikutus joko vain kaistalle V1, kaistoille V1+2 tai kaistoille V1+2+3+4. Eurokoodissa esitetyn liikennekuorman kuormakaavio on määritelty vastaavalla menetelmällä, joten esitetyn menetelmän voidaan katsoa olevan soveltuva. Näin ei saada määritettyä esimerkiksi ainoastaan pelkän kaistan 2 vaikutusta, jolla toisaalta ei ole sellaisenaan mitään käyttöä. Kiinnostavaa kuormakaavion määrittämisen kannalta on sen sijaan on paljonko ensimmäisen kaistan lisäksi muut kaistat aiheuttavat lisärasitusta. 4.4.3 Ruuhka Ruuhkan mallintamisessa hyödynnetään LAM-datasta saatua henkilöautojen suhteellista osuutta kokonaisliikenteestä. Henkilö- ja pakettiautot toimivat ruuhkatilanteessa raskaiden ajoneuvojen välikkeinä rajoittaen raskaiden ajoneuvojen välisen etäisyyden pienenemistä. Ruuhkatilanteessa liikenteen oletetaan koostuvan kaistoittain samalla tavalla kuin vapaasti soljuvalla liikenteellä. Minkäänlaista ajoneuvojen lajittumista ei oteta simulaatiossa huomioon. Näin on menetelty, koska tietoa ruuhkan syntymisestä sekä kuljettajien käyttäytymisestä liikenteen alkaessa ruuhkautua ei ole tämän tutkimuksen yhteydessä saatavilla. Näin ollen simulaation ruuhka kuvaa summittaisesti katkaistua vapaata liikennettä, jossa ajoneuvojen välit pienenevät minimiin. Todellisessa tilanteessa väylällä, jossa monta kaistaa kulkee samaan suuntaan, voisi olettaa käyvän siten, että raskas liikenne kulkee oikean puoleisella (hitaalla) kaistalla ja henkilöautot pyrkivät siltä pois. LAM-datojen mukaan joka tapauksessa pääosa raskaasta liikenteestä 4-kaistaisella väylällä kulkee oikeanpuoleista kaistaa.

23 Ruuhkan mallintamiseksi on tiedettävä montako ei-raskasta ajoneuvoa on raskaiden välissä ja mikä on näiden pituuden jakauma. Ei-raskaiden ajoneuvojen määrä raskaiden ajoneuvojen välissä saadaan ratkaistua geometrisella jakaumalla. Oletuksena on, että peräkkäiset ajoneuvot ovat tässä tapauksessa riippumattomia. Jos esimerkiksi 10 % kokonaisliikenteestä on raskaita ajoneuvoja todennäköisyys sille, että kahden raskaan ajoneuvon välissä ei ole yhtään kevyttä ajoneuvoa on 10 % ja että näiden välissä on 1 tai useampi ei-raskas ajoneuvo on 90%. Näinollen kaikista tapauksista todennäköisyys tapahtumalle: kaksi raskasta ajoneuvo peräkkäin on 10 %, raskaiden välissä yksi kevyt p=0,9*0,1=9%, raskaiden välissä 2 kevyttä 0,9 2 *0,1 = 8,1% jne. Vastaavasti ratkaistaan kaikkien tapausten todennäköisyydet aina 50 raskaiden ajoneuvojen väliin sijoittuvan ajoneuvomäärään asti. Jolloin saadaan kullekin määrälle esiintymistodennäköisyys (=geometrinen jakauma). Kuva 4-5 Henkilöautojen pituuden jakauma Kun ei-raskaiden ajoneuvojen määrä raskaiden välissä on simuloitu, ratkaistaan kullekin ei-raskaalle ajoneuvolle pituus, jonka jälkeen saadaan minimietäisyys kahden raskaan ajoneuvon välissä. Vapaan liikenteen simuloinnin yhteydessä käytettyjen ajoneuvojonojen jakauman ja ajoneuvojen jonoissa ilmenevän keskinäisen etäisyyden jakauman käyttökelpoisuus ei päde ruuhkatilanteessa. Ruuhkatilanteessa raskaiden ajoneuvojen väli perustuu ainoastaan välikkeinä toimiviin ei raskaisiin ajoneuvoihin. 4.4.3.1 Ensimmäinen kaista Simuloitaessa liikennekuormaa ensimmäiselle kaistalle luodaan täysi vuorokausiliikenne. Tämä vuorokausiliikenne koostuu LAM-datan perusteella määritellyistä jonokokoonpanoyksiköistä. Käytännössä tässä kohden simuloidaan edellä mainitun jakauman perusteella erimittaisia jonoja peräkkäin, kunnes kaistan vuorokausiliikenteen mukainen ajoneuvomäärä on täynnä. Määritellyt ajoneuvojonot ja yksittäiset ajoneuvot asetetaan siten, että näiden väli on tasan 300 metriä. Tämän jälkeen määritetään ajoneuvojen paikat (ensimmäisen akselin sijainti) jonossa käyttäen hyväksi LAM-datasta saatavaa tietoa ajoneuvojen välisistä etäisyyksistä jonossa. Kun jonon jokaisen ajoneuvon paikka on selvillä, määritetään kunkin ajoneuvon tyyppi ja tyypin alakategoria. Tämän jälkeen sijoitetaan ajoneuvojen akseligeometrian mukaiset akselit oikeille paikoilleen sekä määritetään akselimassat.

24 Näin on saatu aikaan vektoripari, jossa on akselin sijainnin koordinaatti sekä kyseisen akselin paino. 4.4.3.2 Muut kaistat Ensimmäisen kaistan jälkeisille kaistoille tulevat ajoneuvojen jonokokoonpanoyksiköt määritetään kohtaamistodennäköisyyden perusteella. Kun kaistalla 1 on ajoneuvojono mittauspisteessä, on todennäköisyys pi, että kaistalla i on samaan aikaan yksittäinen ajoneuvo tai ajoneuvojono alle 300 metrin päässä kyseisestä pisteestä. Näissä jonoissa olevat ajoneuvotyypit akselikokoonpanoineen määräytyvät vastaavalla tavalla kuin ensimmäisellä kaistalla. 4.5 Simulaatiossa käytetyt ajoneuvotyypit Ajoneuvotyyppien alakategorioiksi on valittu akselimassatutkimuksen mukaan yleisimmin esiintyviä akseleita ja kokoonpanoja. Suhteelliset esiintymisosuudet näille on saatu olettamalla ajoneuvotyypin koostuvan vain valituista ajoneuvoista ja jättämällä muut akselimassatutkimuksessa havaitut ajoneuvot huomiotta. Näin menetellen on laskettu kunkin alakategorian suhteellinen osuus siten, että tutkimukseen valittujen ajoneuvojen suhteellisten osuuksien summaksi tulee 100 %. Ajoneuvojen akseligeometriat on valittu tyypillisimpien ajoneuvojen mukaan. Seuraavassa esitetään eri ajoneuvotyyppien ja näiden alakategorioiden oletettuja akseligeometriatietoja sekä edellä kuvattua suhteellista osuutta tyypillisimmistä ajoneuvotyypin ajoneuvoista. Akseligeometria kullekin ajoneuvolle on simulaatiossa deterministinen suure, jolle ei ole määritetty satunnaisuutta. 4.5.1 Yksittäiset ajoneuvot 4.5.1.1 Kuorma-auto ilman perävaunua (Ajoneuvotyyppi 2; KAIP) x.aks Osuus x 1 x 2 x 3 x 4 0 4,5 55,6 % 0 4,2 5,5 37,4 % 0 4,2 5,5 6,8 1,6 % 0 2,5 5,5 6,8 5,4 % Kuva 4-6 Simulaatiossa esiintyvät kuorma-autot, akseligeometriat ja suhteelliset osuudet

25 Kuva 4-7 Veto- ja kuorma-autojen akseli- ja telipainojen jakauma Simulaatiota varten jakaumat syötetään numeerisena datana tietokoneohjelmaan. Tämän datan avulla generoidaan akselit kullekin ajoneuvolle. Väliarvot saadaan lineaarisella interpolaatiolla. 4.5.1.2 Linja-auto (Ajoneuvotyyppi 3; LA) x.aks Osuus x 1 x 2 x 3 0 6,2 93 % 0 7,2 8,6 7 % Kuva 4-8 Simulaatiossa esiintyvät linja-autot, akseligeometriat ja suhteelliset osuudet

26 Kuva 4-9 Linja-autojen akseli- ja telipainojen jakauma Taulukko 4-2 Esimerkki empiirisesti määritetystä tiheysjakaumasta NORMEERATTU 1 akseli Taka akseli 2 teli osuus osuus 0 0,0000E+00 0,0000E+00 0,0000E+00 10 0,0000E+00 0,0000E+00 0,0000E+00 20 0,0000E+00 0,0000E+00 1,0586E 13 30 9,4743E 03 0,0000E+00 3,1649E 11 40 2,8980E 02 0,0000E+00 5,0408E 09 50 1,1146E 01 0,0000E+00 4,2763E 07 60 2,6082E 01 0,0000E+00 1,9318E 05 70 1,9617E 01 2,2753E 01 4,6511E 04 80 1,4267E 01 2,8492E 01 5,9619E 03 90 1,2484E 01 2,4604E 01 4,0720E 02 100 8,0253E 02 1,5690E 01 1,4952E 01 110 3,3439E 02 6,6793E 02 2,8907E 01 120 9,6593E 03 1,7815E 02 2,9904E 01 130 2,2292E 03 0,0000E+00 1,5949E 01 140 0,0000E+00 0,0000E+00 4,7657E 02 150 0,0000E+00 0,0000E+00 7,4332E 03 160 0,0000E+00 0,0000E+00 6,1752E 04 170 0,0000E+00 0,0000E+00 0,0000E+00 180 0,0000E+00 0,0000E+00 0,0000E+00 100 % 100 % 100 %

27 4.5.2 Ajoneuvoyhdistelmät 4.5.2.1 Puoliperävaunuyhdistelmä (Ajoneuvotyyppi 4; KAPP) Puoliperävaunuyhdistelmän yhteydessä käsitellään ajoneuvotyyppi selvästi kahtena toisistaan irrallisena palasena. Oletuksena on, että vetoauto on satunnainen ja vastaavasti perävaunu on satunnainen. Näiden välille ei oleteta korrelaatioita. Todellisuudessa jonkinlainen korrelaatio on olemassa. Tietynlainen vetoauto vetää todennäköisemmin tietynlaista perävaunua. Yksinkertaisuuden vuoksi tämä korrelaatio on jätetty pois simulaatiosta. x.aks x 1 x 2 x 3 x 4 x 5 x 6 0 3,4 9 10,8 0 3,4 10 11,3 0 3,4 9 10,3 11,6 0 3,4 4,7 9,9 11,7 0 3,4 4,7 10 11,3 0 3,4 4,7 10,4 11,7 13 Kuva 4-10 Simulaatiossa esiintyvien puoliperävaunuyhdistelmien akseligeometriat Simulaatiossa valitaan satunnaismuuttujan avulla puoliperävaunuyhdistelmän tapauksessa ensin vetoauto ja tämän jälkeen siihen riippumattomasti puoliperävaunu. Suht. Osuus 54,1 % 45,8 % 12,9 % 3,3 % 83,8 % Kuva 4-11 Simulaatiossa esiintyvien puoliperävaunuyhdistelmien osien suhteelliset osuudet

28 Edellä esitetyt suhteelliset osuudet ovat erikseen tyypillisimmistä vetoautoista ja perävaunuista. Kuva 4-12 Puoliperävaunujen akseli- ja telipainojen jakauma 4.5.2.2 äysperävaunuyhdistelmä (Ajoneuvotyyppi 5; KAVP) Täysperävaunuyhdistelmän osalla noudatetaan edellä puoliperävanun yhteydessä esitettyä logiikkaa. X.aks x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 0 4,5 5,8 10,8 12,1 18 20 0 4,5 5,8 11,3 18 20 0 4,5 5,8 9 10,3 20,7 22 0 4,5 5,8 9 19,7 21 0 5,2 6,5 7,8 11,5 12,8 20,2 22 0 5,2 6,5 7,8 13 20 22 0 5,2 6,5 7,8 13 14,3 20,7 22 0 5,2 6,5 7,8 11 21 22,3 Kuva 4-13 Simulaatiossa esiintyvien täysperävaunuyhdistelmien akseligeometriat

29 Suht. Osuus 89,1 % 10,9 % 58,0 % 17,7 % 12,6 % 11,7 % Kuva 4-14 Simulaatiossa esiintyvien täysperävaunuyhdistelmien osien suhteelliset osuudet Kuva 4-15 Varisnaisten perävaunujen akseli- ja telipainojen jakauma 4.6 Ajoneuvoasetuksen muutos Ajoneuvoasetuksen muutoksen vaikutus liikennöivään kalustoon on määritetty kunkin ajoneuvotyypin ja akseliston mukaan käyttäen hyväksi lähteessä [2] esitettyä arvioita (Kuva 4-16).

30 Kuva 4-16 Ajoneuvoasetuksen muutoksen vaikutus liikennöivään kalustoon [2] Ylläolevan kuvan perusteella on päätelty seuraavat korotukset erilaisille akselikokoonpanoille. Ajoneuvotyyppi INCR. KAIP ja 1 akseli yleensä 7,6 % - 9,4 % - 10 % 2 akselinen teli 10,5 % 3 akselinen teli 12,5 % Seuraavassa on päivitetty akselipainojakauma KAVP yksittäiselle akselille esimerkin vuoksi. Jakauman muotoa on skaalattu siten, että on etsitty tiheysfunktion jälkimmäinen huippu jota on siirretty oikealle sen verran mitä on arvioitu akselipainon kasvavan. Näin on menetelty, koska voidaan olettaa että ensimmäinen huippu edustaa tyhjiä autoja ja jälkimmäinen vastaavasti lastattuja autoja. Sallitun muutoksen oletetaan ensisijaisesti vaikuttavan lastattujen autojen akselipainoon. Kuva 4-17 Esimerkki ajoneuvoasetuksen muutoksen vaikutuksesta yksittäisen akselin painon jakaumaan Muita pisteitä on siirretty vastaavasti kaavan x =x*(1+incr* (x/x2.moodi)) mukaisesti. Tämä tarkoittaa eli nolla ei siirry mihinkään ja arvo joka on puolivälissä 0 ja toisen moodin huippukohdassa siirtyy 50 % siitä mitä 2 moodi siirtyy. Vastaavalla tavalla siirtyvät myös 2. moodia suuremmat arvot, jolloin häntä venyy. Samalla saadaan myös toivottua ja ehkä todellista hajonnan kasvua, verrattuna tilanteeseen, jossa jakaumaa siirrettäisiin sellaisenaan oikealle.

31 5 Liikennekuorman paikalliset vaikutukset Raskaan liikenteen akseleiden aiheuttama paikallinen rasitus on riippuvainen ajoneuvojen massoista sekä akseligeometriasta. Tässä erillishankkeessa on tutkittu mittausdatan ja sen perusteella tehdyn simulaation avulla liikennekuorman paikallisia vaikutuksia käyttäen hyödyksi akseli- ja telipainodataa. 5.1 Lähtötiedot Lähtötietona on käytetty loppuvuodesta 2014 saatua BWIM (Bridge weight-inmotion) -aineistoa, joka on mitattu syksyn 2013 ja kesän 2014 välisenä aikana. Mittaukset on suorittanut Trafikia Ab. Hankkeessa käytettyä mittausaineistoa on kerätty kuudesta kohteesta: Kaarina tie 180 (2013) Olhava E75/E8 (2013) Tesjoki E18 (2013) Kehä III itään (2014) Kehä III länteen (2014) Äänekoski Vt4 (2014) Lähtötietona tähän hankkeeseen on mittausten perusteella saatu data, jossa on eriteltynä erilaisille akseliryhmille mitattuja akselipainohavaintoja edellä mainituista kohteista. Mittausten jälkikäsittelyssä on jaoteltu 1-, 2- ja 3-akseliset telit. Kuva 5-1 Viikon mittausjakson aikana havaitut kolmiakselisen telin painot. (Kehä III länteen). Jokaisen pisteen tarkka arvo on tiedossa, joten näiden tietojen perusteella on mahdollista luoda histogrammi ja sitä kautta kullekin telille painojakauma kyseisessä mittauspisteessä. Näistä voidaan suoraan havaita, että mitattujen akselipainojen jakaumat poikkeavat jokseenkin paljon toisistaan mittauspisteiden välillä.

32 Kuva 5-2 3-akselisen telin painojakauma mittauspisteittäin. Vastaavasti päivittäiset liikennemäärät on kerätty datasta siten, että kullekin teli- tai akselityypille on määritetty päivittäinen kappalemäärä. 5.2 Lähtötietojen analyysi 5.2.1 Liikennemäärä Simulaatiossa ollaan kiinnostuneita akselipainon ääriarvosta ja tämän jakaumasta. Tällainen ääriarvo saadaan aikaan stokastisen simuloinnin avulla luomalla tiettyä ajanjaksoa vastaava akselimäärä ja poimimalla näistä suurin arvo. Lähtötietoja analysoimalla saadaan kohteittain ylittävien telien ja akselien määrä/ tyyppi kullekin päivälle. Taulukko 5-1 Eri tyyppisten akselikokoonpanojen lukumäärä ja suhteellinen osuus kohteittain 1 aks 2 teli 3 teli Äänekoski 1143 59 % 616 32 % 185 10 % Kaarina 780 66 % 326 28 % 69 6 % Ring_3_E 5000 72 % 1463 21 % 456 7 % Ring_3_W 4105 66 % 1508 24 % 581 9 % Olhava 1133 55 % 687 34 % 227 11 % Pirttikylä 585 70 % 197 23 % 58 7 % KA 67 % 25 % 8 % 5.2.2 Akseli- ja telimassojen jakaumat Lähtötiedoksi tarvittava ja kohteittain mitattu akseli- ja telimassajakauma on saatu rajallisesta otoksesta ja siten on tässä yhteydessä jakauman häntää jatkettava, jotta päivittäisen maksimin jakauma saataisiin mahdollisimman luotettavasti määritettyä. Toisin sanoen uskotaan, että viiden päivän mittauksissa saatu maksimi ei ole mikään absoluuttinen yläraja akselipainolle. Koska jakauman tiheysfunktio on mallinnettu numeerisesti (empiirinen jakauma), ei jakaumaa voida siten myöskään mallintaa jat-

33 kuvaksi äärettömyyteen, vaan jakaumaa jatketaan riittävän pitkälle, jotta päivittäisen ääriarvon realisoituminen voi tapahtua vastaavalla tavalla kuin äärettömään jatkuvan hännän tapauksessa. Kunkin havaintoaineiston empiirisen tiheysfunktion häntään sovitetaan regressiolla sopiva suuntaviiva, jonka avulla havaintoaineiston häntää voidaan ekstrapoloida. Tässä tapauksessa jakauman hännän ekstrapolointi suoritetaan noin 2 kertaa suurimpaan havaittuun akseli- tai telipainoon asti. Kuva 5-3 Regressioyhtälön sovittaminen havaittuihin arvoihin (kaikki havainnot) Kaikkien mittauspisteiden 3-akselisten telien havaintoihin sovitettuna regressiokäyrän selitysaste R 2 =0,9904, jota voidaan pitää hyvänä. Regressiokäyräksi on valittu eksponentiaalinen käyrä. Tässä tapauksessa siten tiheysfunktion häntää mallinnetaan eksponentiaalisella käyrällä. Kuva 5-4 Regressioyhtälön sovittaminen havaittuihin arvoihin mittauspisteittäin. Tämän kaltaiset regressioanalyysit on suoritettu kaikille akseli- ja telityypeille. Yleisesti voidaan sanoa, että sopivuus on kaiken kaikkiaan hyvä.

34 Taulukko 5-2 Selitysasteet regressiokäyrille eri havaintoaineistojen hännistä, pienin yksittäisestä mittauspisteestä, suurin yksittäisestä pisteestä ja koko aineistosta. R 2 min R 2 max R 2 kaikki 1 aks 0,714 0,978 0,943 2 aks 0,783 0,969 0,930 3 aks 0,923 0,973 0,990 Regressiokäyrän yhtälöä käytetään jakauman hännän mallintamiseen siitä eteenpäin, kun mitatut havainnot loppuvat. Näinollen empiirinen jakauma koostuu ensin mitatusta aineistosta (ns. histogrammi-tyyppisesti) ja ekstrapoloidun hännän osalta regressiokäyrän avulla lasketusta. 5.3 Simulaatio Stokastinen simulointi suoritetaan MathCAD-ohjelmaan ohjelmoitua simulaatiomoottoria hyödyntäen. Empiiristen akseli- ja telimassajakaumien tapauksessa käytetään käänteiskertymämenetelmää kohdassa 4.1.1.1 on esitetyn mukaisesti. 5.3.1 Simuloinnin kulku Jokainen akselityyppi ja mittauspiste simuloidaan erikseen. Simulaatiossa etsitään päivittäistä ääriarvoa ja sen jakaumaa mittauspisteittäin. i. Kullekin mittauspisteelle generoidaan satunnaisesti päivittäinen määrä yksittäisiä akseleita tai telejä edellä esitetyn (Taulukko 5-1) mukaisesti. ii. Kyseisestä akselimäärästä poimitaan maksimi, joka tallennetaan ja sama rutiini toistetaan: a. 1-akselin tapauksessa 100 000 kertaa = 100 000 päivää = 400 vuotta b. 2- ja 3-akselisen telin tapauksessa 500 000 kertaa = 2000 vuotta Oletuksena tässä tapauksessa on, että yhteen vuoteen mahtuu 250 arkipäivää, joiden mukainen liikenne on simuloitu. Näin menetellen ei tehdä suurta virhettä, koska raskaan liikenteen tiheys on merkittävästi alhaisempi viikonloppuisin. Tästä johtuen myös päivittäiset ääriarvot jäävät matalammiksi, kun on oletettu, että liikenne pysyy samankaltaisena läpi viikon. Tämä näkyy myös mm. kuvasta (Kuva 5-1) jossa viikonlopulta on huomattavasti vähemmän havaintoja kuin arkipäiviltä. Havainnot eivät myöskään vaikuta poikkeavan painojakaumansa puolesta arkipäivänä mitatuista. 5.3.2 Tulosten jatkokäsittely Tulosmatriisit ovat muotoa 100 000 x 6 ja 500 000 x 6 -matriiseja, joissa jokainen alkio edustaa päivittäistä ääriarvoa sarakkeen mukaisessa mittauspisteessä. Sarakkeittain voidaan laskea päivittäisen ääriarvon keskiarvo ja keskihajonta, josta edelleen voidaan päätellä päivittäinen karakteristinen maksimi, eli odotettavissa oleva päivittäinen suurin arvo.

35 n * (1- Fn (u n )) = 1.0 (5.1) Esiintyvät kuormitusten ääriarvojakaumat myös muille kuin yhden päivän toistumisjaksoille voidaan laskea useammallakin tavalla otoksen ollessa riittävän suuri. (a) Yhtä päivää pidempien ajanjaksojen ääriarvojen keskiarvot ja hajonnat voidaan laskea luvussa 6 esitettyjen menetelmien avulla. (b) Tässä yhteydessä simulaatio-otoksen ollessa suuri voidaan jakaa aineisto myös blokkeihin, jotka vastaavat jotakin ajanjaksoa sekä tutkia näiden blokkien sisältämiä maksimiarvoja, jotka edelleen muodostavat ääriarvojakauman. Esimerkiksi 250 alkion mittaisen blokin sisällä esiintyvä suurin arvo tarkoittaa vuoden ääriarvoa ja usean 250 mittaisen blokin ääriarvot muodostavat vuosittaisten ääriarvojen jakauman. (c) Tutkitaan numeerisesta datasta n:neksi suurinta alkiota, joka edustaa n/n fraktiilia. Esimerkiksi vuosittaisen ääriarvon odotusarvo edustaa alkuperäisestä otoksesta alkio, jota suurempia on 0,4 % koko joukosta. Oletuksena, että vuodessa 250 päivää ja 1/250 = 0,4 %. Tutkittava fraktiili on siten 1-0,4 % = 99,6 %, joka vastaa esimerkiksi 500 000 (=N) päivän suuruusjärjestykseen asetetusta otoksesta alkiota n=498 000. Kullakin menetelmällä saadaan varsin yhtäpitäviä tuloksia. Taulukko 5-3 Yhden vuoden ääriarvojen odotusarvot yksittäisen akselin tapauksessa laskettuna yllä kuvatuilla menetelmillä a), b) ja c) [tonnia] (a) (b) (c) Äänekoski 19.153 19.054 19.05 Kaarina 13.868 13.896 13.9 Ring_3_E 19.196 19.114 19.15 Ring_3_W 21.395 20.526 20.6 Olhava 17.874 17.904 17.87 Pirttikylä 13.913 14.089 14.09 Taulukko 5-4 Yhden vuoden ääriarvojen odotusarvot 2-akselisen telin tapauksessa laskettuna yllä kuvatuilla menetelmillä [tonnia] (a) (b) (c) Äänekoski 29.801 29.857 29.85 Kaarina 26.082 26.14 26.16 Ring_3_E 28.981 29.005 28.98 Ring_3_W 29.051 28.906 28.91 Olhava 26.352 26.206 26.21 Pirttikylä 24.347 24.197 24.21

36 Taulukko 5-5 Yhden vuoden ääriarvojen odotusarvot 3-akselisen telin tapauksessa laskettuna yllä kuvatuilla menetelmillä [tonnia] (a) (b) (c) Äänekoski 36.371 36.12 35.99 Kaarina 42.772 43.364 43.29 Ring_3_E 46.731 46.977 47.09 Ring_3_W 45.702 45.676 45.68 Olhava 42.381 42.109 42.09 Pirttikylä 44.176 41.36 41.44 5.4 Mitoittavat akselit ja telit Liikennekuorman paikalliset vaikutukset voidaan laskea eri toistumisjaksoille edellä esitetyin menetelmin. Alla olevassa taulukossa olevat arvot on laskettu yhdistelemällä menetelmiä (a) ja (b). Simulaatiotuloksista on määritelty erikseen ääriarvojakauman keskiarvo ja hajonta päivittäiselle, vuosittaiselle sekä 10 vuoden ajanjaksolle. Näitä jakaumia on ekstrapoloitu eri ajanjaksoille. Taulukko 5-6 Akselikuorman ääriarvojakauman parametreja päivittäiselle, vuosittaiselle sekä 10 vuoden ääriarvojakaumalle. Odotusarvon yksikkönä tonni. 1d 1 yr 10 yr 1 aks 2 aks 3 aks u n α n u n α n u n α n Äänekoski 13,48 0,97 19,05 1,65 20,41 4,38 Kaarina 11,80 2,66 13,90 2,69 14,76 3,22 Ring_3_E 14,51 1,18 19,11 1,72 20,51 4,64 Ring_3_W 16,01 1,02 20,53 4,71 20,93 24,81 Olhava 13,45 1,25 17,90 1,32 19,75 1,93 Pirttikylä 11,32 2,13 14,09 2,07 15,31 2,74 Äänekoski 22,58 0,76 29,86 0,73 33,07 0,69 Kaarina 22,30 1,46 26,14 1,39 27,85 1,53 Ring_3_E 23,10 0,94 29,01 0,99 31,29 1,04 Ring_3_W 23,75 1,04 28,91 1,18 30,92 1,25 Olhava 22,55 1,45 26,21 1,50 27,73 1,42 Pirttikylä 20,17 1,32 24,20 1,35 25,86 1,32 Äänekoski 26,45 0,56 36,12 0,56 40,34 0,56 Kaarina 28,96 0,40 43,36 0,39 49,43 0,43 Ring_3_E 31,04 0,35 46,98 0,38 53,37 0,52 Ring_3_W 33,40 0,45 45,68 0,47 50,71 0,51 Olhava 30,83 0,48 42,11 0,50 46,52 0,49 Pirttikylä 28,82 0,36 41,36 0,56 45,61 0,58 Hajonta vaikuttaa pysyvän hyvin samana riippumatta siitä minkä ajanjakson ääriarvojakauma on kyseessä. Täten myös jakaumaparametri αn pysyy pisteittäin likimäärin samansuuruisena jakaumasta riippumatta. Taulukossa 5-4 esitettyjen parametrien selitykset on esitetty kappaleessa 6.2.1.

37 Taulukko 5-7 Laskettuja akseli- ja telipainoja eri toistumisjaksoille mittauspisteittäin maksimit korostettu [tonnia] Taulukko 5-8 Minimit, keskiarvot ja maksimit koostettuna edellisestä akseli tai telityypin mukaan eri toistumisjaksoille. [tonnia] Verrattaessa toistumisjaksojen 20 viikkoa, 20 vuotta ja 2000 vuotta akseleita ja telejä viitteessä [1] esitettyyn voidaan todeta yksittäisen akselin painon olevan tässä tarkastelussa pienempi kuin vertailuviitteessä. Kaksiakselisen telin paino osuu melko lailla samaan ja kolmiakselisen telipaino on tässä tutkimuksessa osoittautunut suuremmaksi kuin vertailuviitteessä. Ero voi johtua erilaisesta liikenteen koostumuksesta, ajoneuvomäärästä, telipainojen hajonnasta tai ekstrapolointimenetelmässä tehdyistä oletuksista tai kaikista näistä yhdessä.

38 Taulukko 5-9 Akseli- ja telipainojen vertailu toistumisjaksoittain viitteessä [1] esitettyihin arvoihin [tonnia] Mean return period 20 weeks 20 years 2000 years Type of Extrapolated values load ENV 1991 3 Calculated Single axle 25,2 20,5 Tandem 33,2 28,6 Tridem 44,2 44,1 Single axle 27,3 21,2 Tandem 35,5 33,9 Tridem 47,9 54,9 Single axle 29,5 22,5 Tandem 37,9 40,8 Tridem 51,7 63,7 5.5 Penkereellä vaikuttavan liikennekuorman määritys Edellä kuvattujen simulaatioiden tuloksista voidaan tutkia erilaisille alueille realisoituvia liikenteen kokonaismassoja ja edelleen luoda erilaisia pintakuormakaavioita. Kaikki kuormat ovat 1000 vuoden toistumisjakson kuormia ja ne on saatu laskemalla luvussa 6 esitetyin menetelmin. Kuva 5-5 Kuormaintensiteetit eri alueilla.

39 Kuva 5-5 esittää eri alueille realisoituvia pintakuorman intensiteettejä. Ruutujen pituudet on valittu kaistoittain käyttötarvetta ja soveltuvuutta arvioiden. Kuvasta voidaan havaita, että lyhyelle matkalle (pienelle alalle) realisoituva kuorman ääriarvo on todennäköisesti aina intensiteetiltään suurempi kuin pidemmälle matkalle (suuremmalle alalle). Kuvaa voidaan tulkita myös siten, että lasketaan kuvan blokkien keskiarvoja joka tarkoittaa tällöin realisoituvaa keskimääräistä kuormaa yhteenlaskettavien blokkien rajaamalle alueelle. Näin voidaan laskea esimerkiksi yhdelle (1) ajokaistalle 200 m matkalle (1) 10,8 kn/m 2 ja kaistoille (1)+(2) 200 m matkalle 8,66 kn/m 2 suuruinen keskimääräinen liikennekuorman vaikutus. Tämä ei kuitenkaan poista sitä tosiasiaa, että liikennekuorma on jakautunut kokolailla kuvan osoittamalla tavalla siten, että kuormaa on toisaalla enemmän kuin muualla. Viimekädessä käytettävän kuormaintensiteetin määrää käyttötarkoitus. Taulukko 5-10 esittää kuvasta (Kuva 5-5) laskettuja keskimääräisiä kuormia erilaisiin käyttötarkoituksiin ja siten erilaisille alueille jaettuna. Taulukko 5-10 Tasainen kuorma jaettuna erikokoisille alueille sekä mahdollinen käyttötarve mitoituksessa. B x L [m x m] q [kn/m 2 ] Käyttötarve q-ohje [kn/m 2 ] (*) 9 x 5 19,7 Maatuki 20 6 x 10 21,3 Paalulaatta 10 + 15* 6x10 3 x 10 26,5 Tukimuuri 10 + 15* 3x10 3 x 5 3 x 4 37 46 Siipimuuri 20 + 15* 20 + 25* 6 x 200 9 Tiepenger 10 3x5 3x4 Ohessa olevan taulukon (Taulukko 5-10) osalla sarake q-ohje tarkoittaa ehdotusta siitä miten, kuormaa voisi ohjeessa soveltaa joissakin esimerkkitapauksissa. Ensimmäinen luku tarkoittaa laaja-alaista tasan jakautunutta kuormaa, joka jatkuu äärettömyyteen. Toinen luku, jonka perässä on tähti tarkoittaa seuraavassa sarakkeessa (*) esitetyllä alueella vaikuttavaa tasaista kuormaa. Paikallinen yhteisvaikutus on siten likimain sarakkeen q-mukainen. Esimerkiksi rivillä 3 tukimuuri: 3x10 alueelle on päätelty kuormitustarpeeksi 26,5 kpa. Asetetaan kaikkialle kuorma 10 kpa ja 3x10 alueelle tämän lisäksi kuorma 15 kpa. Näin ollen kuormakaavion intensiteetti ensimmäisellä kaistalla ja 10m matkalla olisi yhteensä 10+15=25 kpa ja kaikkialla muualla 10 kpa. Kuva 5-6 Periaatekuva kuormitusalueista tienpinnassa penkereellä.

40 Kuva 5-7 Siltojen kantavuuden laskennassa käytetty AA-kaavio [4] Taulukko 5-11 Aluekuormien vertailu AA-kaavioiden alueelle mahtuviin teleihin B x L q [kn/m 2 ] Q tot [kn] q AA [kn/m 2 ]Q AA.tot [kn] 9 x 5 19.7 886.5 12.4 560 6 x 10 21.3 1278 14.0 840 3 x 10 26.5 795 14.0 420 3 x 5 37 555 18.7 280 3 x 4 46 552 22.5 270 6 x 200 9 10800 5.1 6160 Taulukossa on vertailtu pengerkuorman alueellisia kuormituksia AA-kaavioiden vastaaville alueille realisoituviin kuormiin. Pääsääntöisesti voidaan tehdä havainto, että AA-kaavio antaa merkittävästi pienemmän vaikutuksen kyseisillä alueilla. AAkaavion vaikutus on noin ½-2/3 verrattuna 1000 vuoden toistumisjakson pengerkuormiin alueella kuin alueella. Myös kuvan (Kuva 5-1) mukaan tarkasteltuna AAkaavion telipainot voivat ylittyä mittausten perusteella useasti jo viikon tarkastelujaksolla. Tämä on havaittavissa myös simulaatiotuloksista joiden perusteella (Taulukko 5-6) havaitaan että päivittäinen ääriarvo ylittää useassa mittauspisteessä 3-akselisen telin osalla AA-kaavion vastaavan kolmiakselisen telin painon. Alla olevassa kuvassa 5-8 on esitetty suunnittelussa käytetyn pintakuorman ehdotus edellä esitetystä muodosta poiketen yksinkertaisemmassa muodossa, jolloin kuormakaaviota voidaan soveltaa erilaisille rakenteille asettamalla ko. pintakuorma epäedullisimpaan asemaansa. Kuva 5-8 Lopullinen suunnitteluohjeeseen tuleva kuormakaavio.

41 6 Simulaation tulokset Kuvassa (Kuva 4-2) esitetyllä simulaatioprosessilla saadaan tuloksena jokaiselta simulaatiokierrokselta jokaiselle influenssille päivittäinen ääriarvo. Nämä päivittäiset ääriarvot (n kappaletta) muodostavat liikennekuorman päivittäisen ääriarvon jakauman. 6.1 Simulaatiosta saatava data 6.1.1 Simulaation vaiheet ja simulointi Jokaisen LAM-pisteen perusteella on laskettu jokaiselle influenssiviivalle tietty määrä päivittäisiä ääriarvoja, jotka on tulostettu listoiksi. LAM-pisteittäin ja jokaiselle influenssille on määritetty päivittäisiä ääriarvoja: Yhdelle kaistalle V1 Kahdelle kaistalle V1+V2 Neljälle kaistalle V1+V2+V3+V4 Ruuhka / vapaa liikenne Ennen AA-muutosta sekä muutoksen jälkeen oletetuilla parametreilla Näin ollen tulosdataa yhden päivän eri influenssien ääriarvoista eri tilanteissa on kertynyt hyvin suuri määrä. Ensimmäisessä simulointivaiheessa tarkasteltiin taulukon (Taulukko 4-1) influensseja, jotka on merkattu sinisellä värillä. Ensimmäisessä vaiheessa näille influensseille tehtiin 50 vuorokauden liikennettä vastaava simulaatio, jonka tuloksena saadaan influensseittain 50 päivittäistä ääriarvoa. Seuraavassa vaiheessa simuloitavien vuorokausien määrä nostettiin 91:en. Periaatteessa laskennan tarkkuus näinollen paranee otoskoon kasvaessa. Päivittäisen ääriarvon keskiarvo osuu kuitenkin lähes samaan; simuloitiinpa sitten 50 tai 91 kierrosta, niin kuin pitääkin. 6.1.2 Tulosdatat Päivittäisten ääriarvojen listoja syntyy jokaiselle influenssille jokaisesta LAMpisteestä sekä minimien että maksimien osalta. Ohessa esimerkin vuoksi osa tulosdatasta: Liikenteen pystykuorman resultantti eri tarkastelupituuksilla. Yksiköt ovat kn. LAM-piste on #230.

42 INF Q1 Q2 Q3 Q4 Q5 Q6 L [m] 10 20 30 50 100 200 d 1 622,9 717,6 806,8 987,7 1,40E+03 1,16E+03 2 455,9 663,8 835,8 1,41E+03 1,35E+03 1,74E+03 3 440 677,7 958,1 1,13E+03 1,21E+03 1,74E+03 4 531,1 614,1 762,2 1,17E+03 1,16E+03 1,14E+03 5 582,7 696,9 803,3 1,09E+03 1,36E+03 1,28E+03 6 547,7 721,7 871,4 1,11E+03 1,19E+03 1,60E+03 7 435 697,7 943,6 1,05E+03 1,62E+03 1,22E+03 48 452,1 723,8 845,9 1,43E+03 1,35E+03 1,16E+03 49 520,1 1,02E+03 741,5 1,24E+03 1,73E+03 1,59E+03 50 486,1 711,1 985,8 1,06E+03 1,46E+03 1,17E+03 Kuva 6-1 Esimerkki tulosdatasta: kaksikaistainen liikenne, Vapaa liikenne, Influenssit 1 6 eli liikenteen pystykuorman resultantti pituuksilla 10 200 m. Päivittäiset ääriarvot 50 rivin data. 6.2 Tulosten jatkokäsittely 6.2.1 Tulosjakaumien tilastolliset tunnusluvut Edellä esitetyistä päivittäisten ääriarvojen otoksista voidaan laskea edelleen päivittäisen ääriarvon otoskeskiarvo sekä otoskeskihajonta. Yksinkertaisesti otoskeskiarvo lasketaan: x 1 n n x i i 1 (6.1) Vastaavasti otoskeskihajonta: (6.2) Nämä kaksi suuretta ovat jakauman muodosta riippumattomia ja ovat yksikäsitteisiä laskea jokaisen influenssin sisältämälle otokselle. Otaksumana on, että päivän aikana esiintyvien maksimien jakauma noudattaa jotakin ääriarvojakaumaa. Kirjallisuudessa [1] on esitetty, että liikennekuorman ääriarvojakauma olisi muodoltaan Gumbel eli tyypin I ääriarvojakauma.

43 Voidaan laskea otoksen dispersion käänteisluku, joka on laskennassa toimiva apusuure, kuvaamassa hajontaa: (6.3) Sekä jakauman moodi, eli tyyppiluku joka tarkoittaa jakauman huipun kohtaa eli tyypillisimmin esiintyvää arvoa: u (6.4) n jossa γ = Eulerin luku 0.5772 Näin saadaan kunkin influenssille laskettua jakauman parametrit. Esimerkkinä tässä yhteydessä jälleen edellä kuvattu LAM-pisteen #230 tulosdata. Taulukko 6-1 Jakauman parametrit, pystysuuntaisen kokonaiskuorman resultantti L μ σ α n u 10 503.8 57.6 0.0220 477.9 20 747.5 101.1 0.0130 702.0 30 897.7 112.6 0.0110 847.0 50 1130.0 140.5 0.0091 1067.0 100 1258.0 168.0 0.0076 1182.0 200 1377.0 195.1 0.0066 1289.0 Ylläolevassa taulukossa (Taulukko 6-1 ) on näytetty esimerkin vuoksi päivittäisen L mittaisella jänteellä esiintyvän kokonaiskuorman resultantti-influenssin päivittäisen ääriarvon jakaumaparametrit. Järjestyksessä: L = jännemitta, μ = keskiarvo, σ=keskihajonta, α=dispersion käänteisluku ja u= moodi. Kuva 6-2 Tyypin I suurimman arvon ääriarvojakauma (Gumbel). Parametrit ja jakaumafunktiot. Päivittäisen ääriarvon keskiarvon voidaan ymmärtää tarkoittavan sellaista suurinta arvoa, joka toistuu keskimäärin joka päivä. Moodi on taas sellainen arvo, joka toistuu useimmin päivittäin.

44 6.2.2 Jakaumien ekstrapolointi Koska liikennekuorman ominaisarvo on määritetty siltarakenteilla viitteen [1] mukaisesti 1000 vuoden toistumiskuormaksi, joka tarkoittaa 50 vuoden ääriarvojakauman 95 % fraktiilia. 1000 vuodella ei sinänsä tässä ole fysikaalista merkitystä. Toistumisjakso voidaan ilmoittaa kaavan mukaisesti: R T R (6.5) p jossa R = Referenssiajanjakso TR = Keskimääräinen toistumisjakso p = Ylitystodennäköisyys Näin ollen voidaan havaita, että 50 vuoden 95 % fraktiili (tarkoittaa 5% ylitystodennäköisyyttä) on sama asia kuin 100 vuoden 90% fraktiili. Viitteen [1] mukaisesti on oletettu, että simulaatiossa nauhoitetun liikenteen aiheuttaman rasituksen jakauman häntä on normaalijakauman hännän kaltainen. Vastaava oletus on, että päivittäisen ääriarvon jakauma käyttäytyy Gumbel-jakauman tavoin. Mikäli perusjakson ääriarvojen jakauma on Gumbel, on myös tämän kerrannaisten jaksojen ääriarvojen jakauma Gumbel. Kuva 6-3 Päivittäisten ääriarvojen histogrammi (kokonaiskuorma 30 metrin matkalla) pylväsdiagrammi sekä Gumbel-jakauman tiheysfunktio (sininen viiva). Esimerkki. Gumbel-olettamusta on pyritty lisäksi verifioimaan tekemällä simulaatioita tietyillä influensseilla huomattavasti suurempi määrä. Tällaisiksi on valittu kokonaiskuorma 20, 30 ja 50 metrin matkalla simuloimalla 3700 päivää. Päivittäiset maksimit järjestetään suuruusjärjestykseen ja normeerataan standardi-ääriarvomuuttujaksi jota verrataan Gumbel-jakauman vastaavaan Q-Q-kuvaajan avulla. Mikäli olisi niin, että havainnot vastaisivat täysin Gumbel-jakaumaa, olisivat nämä pisteet samalla suoralla, joka on 45 asteen kulmassa.

45 Kuva 6-4 Q-Q-kuvaaja havainnot vs. Gumbel-jakauma Kuva 6-5 Q-Q-kuvaaja havainnot vs. Gumbel-jakauma Kuva 6-6 Q-Q-kuvaaja havainnot vs. Gumbel-jakauma

46 Vapaan liikenteen tapauksessa on perusjakson kertoimena n käytetty arvoa 18250, joka tarkoittaa, että ajanjakso 50 vuotta on yhteen päivään verrattuna 18250- kertainen. Ruuhkan tapauksessa simuloidaan vuorokausiliikenteen mittainen pätkä ruuhkaa. Käytännössä tämä tarkoittaa sitä, että realisoitunut ruuhkan päivittäinen ääriarvo edustaa useamman päivän ruuhkien ääriarvoa. Näin siksi, että ruuhkan ei oleteta kestävän keskimääräisessä normaalitilanteessa koko päivää. Tässä yhteydessä on oletettu päivittäiseksi ruuhkan kestoksi 2 tuntia, jolloin päivittäisen liikennemäärän simulointi ruuhkassa vastaa 12 päivää, joina ruuhkaa on 2h/päivä. Täten 50 vuoden ääriarvojen jakauma saadaan kertoimella n= 1520. Edellä esitettyihin kertoimiin on päädytty, koska LAM-data sisältää koko vuoden otoksen eli myös hiljaisemmat päivät sekä ajankohdat eikä lisätietoa ole saatavilla siitä, kuinka suuri osuus liikenteestä kulkee vilkkaina päivinä ja toisaalta hiljaisempina päivinä. LAM-datan prosessoinnin yksinkertaistamiseksi on päädytty koko vuoden esitykseen eikä ole eritelty esimerkiksi arkipäiviä viikonlopuista. Toisaalta hyvin lähelle samaa lopputulosta päädyttänee, vaikka laskettaisiin vain vilkkaimmat päivät, jolloin päivittäinen ääriarvo voisi olla hieman korkeampi (enemmän liikennettä vs. keskiarvo), mutta n-kerroin olisi vastaavasti matalampi, koska näitä vilkkaita päiviä on vähemmän vuoden aikana. Siten lähtökohdaksi on valittu keskimääräinen päivä sekä se, että kaikki päivät lasketaan. Kuva 6-7 Vuorokausittaisten ruuhkatuntien määrän vaikutus 1000 vuoden toistumiskuormaan, esimerkkinä yksiaukkoisen palkin taivutusmomentti keskijänteellä. Influenssipituudet 20, 30 ja 50 m. Verrokkina LM1-2010

47 Moodi perusjakson n-kerrannaisen ajanjakson ääriarvojakaumalle voidaan ratkaista kaavasta 5.6: (6.6) jossa μ = Perusjakson ääriarvon jakauman moodi n = Ajanjakson kerrannaistekijä α = dispersion käänteisluku, kaavan (5.3) mukaisesti Tätä on tutkittu simuloimalla joitakin influensseja 1000 päivän ajalta ja keräämällä päivittäisen maksimin ilmestymistä vastaavia päiviä. Kun tutkitaan 20 metrin matkalle realisoituvaa kokonaiskuormaa, saadaan kuvan 5.7 mukainen kuvaaja, jossa punainen piste on aina kyseiseen päivään mennessä esiintynyt maksimi simulaatiotuloksista ja sininen viiva puolestaan kaavan 6.6 mukainen käyrä. Kuva 6-8 Kokonaiskuorman ääriarvon kehittyminen kuluvan ajan funktiona. Vaaka-akselilla aika [päivä]. Keskiarvo tälle ekstrapoloidulle jakaumalle on siten vastaavasti: n u Xn (6.7) n Gumbel-jakauman kertymäfunktio on muotoa: (6.8)

48 Kaavalla 6.9 voidaan ratkaista p-fraktiili Gumbel-jakaumasta: (6.9) On mahdollista myös ratkaista 50 vuoden ääriarvojakauman 95 % fraktiili käyttäen kaavaa 6.9 suoraan päivittäisen ääriarvon jakaumaan. Päivittäisen ääriarvon jakaumasta ratkaistava fraktiili on (1-1/18250) = 99,9945205 % - fraktiili. (6.10) Vastaavasti, jos tunnetaan jokin fraktiili perusajanjaksolla, on mahdollista ratkaista vastaava fraktiili n-kerrannaisella ajanjaksolla. Koska Gumbel-jakauma siirtyy sellaisenaan muotoaan muuttamatta referenssiajanjakson pidentyessä. Tämä tarkoittaa sitä, että keskiarvon kasvaessa parametri αn (ja hajonta) pysyy samana, variaatiokerroin pienenee. 6.2.2.1 Toistumisjakso Taulukko 6-2 Kokonaiskuorma eri jännepituuksilla ja toistumisjaksoilla, esimerkki Toistumisjakso L 2 vko 2 kk 2 v 20 v 100 v 1000 v 10 596 632 778 882 955 1060 20 902 962 1209 1386 1510 1687 30 1084 1155 1446 1656 1802 2011 50 1352 1438 1789 2042 2218 2470 100 1523 1625 2045 2347 2558 2859 200 1685 1804 2292 2642 2887 3238 Taulukko 6-2 havainnollistaa erään LAM-pisteen simulaatiossa realisoitunutta vapaan liikenteen kokonaiskuormaa eri tarkastelupituuksilla sekä toistumisjaksoilla. Taulukosta voidaan havaita, että vaikuttavan toistumiskuorman arvon kasvaminen on suhteellisen maltillista toistumisjakson moninkertaistuessa. Vertailun vuoksi esitetään viitteessä [1] esitetyt ekvivalentit tasaiset kuormat. Nämä on laskettu hyödyntämällä yksiaukkoisen palkin keskijänteen suurinta momenttia ja laskemalla tästä tarvittava tasainen kuorma. Taulukko 6-3 Ekvivalentti tasainen kuorma eri jännemitoille [kn/m] laskettuna yksiaukkoisen palkin taivutusmomentista [1] Toistumisjakso L 20 vko 20 kk 20 v 1000 v 20 46.5 54.4 60.4 65.1 50 23.7 26.1 28.4 33.2 75 18.4 20.2 22.1 25.8 100 15.6 17.2 18.7 21.8 150 13.1 14.4 15.7 18.3 200 11.7 12.9 14.0 16.4

49 Vastaavasti voidaan Taulukko 6-2 esittää sovitettuna samoille toistumisjaksoille ja muuntamalla tasaiseksi kuormaksi. Taulukko 6-4 Tehdystä simulaatiosta saatu ekvivalentti tasainen kuorma eri jännemitoille [kn/m] laskettuna influenssin kokonaiskuormasta. Toistumisjakso L 20 vko 20 kk 20 v 1000 v 10 70 77 88 106 20 54 60 69 84 30 43 48 55 67 50 32 35 41 49 100 18 20 23 29 200 10 11 13 16 Edellisiä taulukoita vertaamalla voidaan todeta, että tämän tutkimuksen perusteella päädytään varsin yleisesti poikkeaviin rasituksen arvoihin kuin mitä taustadokumentissa on esitetty. Poikkeamat jakautuvat sekä alas- että ylöspäin. Jonkinlainen heikko trendi on havaittavissa poikkeamien korostuessa pitkillä toistumisjaksoilla. Taulukko 6-5 Simulaatiotuloksista lasketun ekvivalentin viivakuorman poikkeama viitteen [1] taulukkoon verrattuna Toistumisjakso L 20 vko 20 kk 20 v 1000 v 20 16.3 % 9.7 % 14.8 % 29.6 % 30 11.1 % 5.9 % 11.0 % 23.1 % 50 35.7 % 35.5 % 43.8 % 48.8 % 100 17.2 % 17.4 % 25.5 % 31.2 % 200 12.8 % 12.3 % 5.6 % 1.3 % Syitä tähän voivat olla esimerkiksi: tehdyssä simulaatiossa käytetyn liikenteen suurempi kuormittavuus yleisesti verrattuna viitteen [1] tutkimuksissa käytettyyn liikennekoostumukseen Epätarkkuus jakaumien ekstrapoloinnissa (rajallinen otos, tilastollinen epävarmuus) Tutkittavan LAM-pisteen poikkeavuus viitteen [1] vastaavasta. Liikenne voi olla erilaista (nämä 2 kaistaisesta, suunnat vastakkain). Simulaatiotuloksien influenssista M0 (taivutusmomentti vapaasti tuetun palkin keskellä), voidaan laskea vastaava ekvivalentti viivakuorma kuin viitteessä [1] ja suorittaa vertailu Taulukko 6-6 M0-influenssista laskettu ekvivalentin viivakuorman poikkeama viitteen [1] vastaavasta Toistumisjakso L 20 vko 20 kk 20 v 1000 v 20 27.26 % 12.42 % 6.87 % 7.31 % 30 36.76 % 22.50 % 17.25 % 16.35 % 50 96.49 % 89.49 % 91.59 % 87.25 %

50 Taulukon perusteella edelleen havaitaan poikkeaman kasvavan jännemitan kasvaessa. Liikennemäärän vaikutus: Toistumisjakson pidentymistä vastaava vaikutus on mahdollisella liikennemäärän kasvulla. Taulukko 6-2 voidaan siten myös käsittää niin, että ajanjakson sijaan liikennemäärä n-kertaistuu. Esimerkiksi 2 vko 2 kk on noin 4-kertainen ajanjakso ts. nelikertainen määrä ajoneuvoja ylittää influenssipituuden. Liikennemäärän nelinkertaistuminen raskaan liikenteen osalta on varsin epätodennäköinen skenaario. Lisäksi näinkin radikaalin lisäyksen vaikutus mitoittavaan kuormaan on alle 10 % luokkaa, jos jätetään tässä yhteydessä huomioimatta se, että raskaan liikenteen radikaali kasvu vaikuttaisi erityisesti ruuhkautumiseen. Tästä voidaan päätellä, että liikennemäärän maltillinen (realistinen) kasvu on varsin merkityksetön tekijä kuormien kannalta. Simulaatiossa käytetyt raskaan liikenteen vuorokausiliikennemäärät ovat taulukon (Taulukko 3-1) mukaisia. 6.2.2.2 Otokseen perustuva ekstrapolointi: Ääriarvojakauman p-fraktiilia halutulla ajanjaksolla voidaan arvioida myös realisoituneiden ääriarvojen historian perusteella. (6.11) jossa yn = n-alkion kokoisesta otoksesta havaittu ääriarvo N = tulevien alkioiden määrä. p = haluttu fraktiili Yllä kaavassa 6.11 esitettyä menetelmää ei käytetty tässä yhteydessä ominaisarvojen laskemiseen, vaan ainoastaan suuruusluokan tarkasteluun. Edellä kuvatulla menetelmällä saatava suuruusluokka on hyvin lähelle sama kuin varsinaisella laskentamenetelmällä. 6.2.3 Kuormakaavion määrittäminen Kuormakaavion määrittäminen on tehty vertaamalla kunkin influenssin karakteristista arvoa kuormakaavioaihioon siten, että yksi kerrallaan kunkin kaistan pistekuormat ja tasaiset kuormat ovat muuttujina muiden vastaavien ollessa lukittuna. Näin ratkaistaan tälle muuttujalle influensseittain riittävä arvo, jotta kokonaisvaikutus olisi simulaatiotuloksen kaltainen.

51 Kuva 6-9 Kuormakaavion määrittäminen yhdelle kaistalle Oheisessa kuvassa on esitetty miten kuormakaavion akselikuormat ja pintakuorma on määritetty ensimmäiselle kaistalle 4-kaistaisen simulaatiotuloksen perusteella. Kuvan vasemmassa yläreunassa on lukittu ensimmäisen kaistan telikuorman akselikuorma 300 kn ja muuttujaksi on jätetty p1, joka on ensimmäisen kaistan pintakuorma. Riveillä on esitetty pintakuormalle tällä perusteella määräytyviä arvoja eri influenssiviivoilla. Vastaava on toteutettu kääntäen oikeanpuolisessa taulukossa lukitsemalla pintakuorma arvoon 9 kn/m 2. Näinollen riveille tulostuu muuttujalle F1 riittäviä arvoja, joilla simulaatiosta saatu tulos saadaan katettua. Molemmissa tapauksissa on tutkittu sekä vapaan liikenteen että ruuhkan vaikutukset. Lisäksi on tehty tarkastelu huomioiden toleranssi, jossa vaadittu kuormakaavion rasitus saa alittaa simulaatiosta saadun arvon 5%. Solun värjäytyminen keltaisella tarkoittaa tässä tarkastelussa, että kuormakaavio LM3 (NA SFS-EN 1991-2) antaa määräävämmän vaikutuksen. 6.2.4 Vertailu kuormakaavio LM1:een Vertailu kuormakaavioon tehdään taulukoimalla edellisessä luvussa lasketut karakteristiset arvot. Tässä yhteydessä on koottu kaikkien LAM-pisteiden simuloinnin tulosdatat, joita verrataan LM1:en vastaavan influenssin vaikutuksiin. 2-kaistaiset; MUUTOKSEN JÄLKEEN; characteristic L (m) V1 V12 V123 V1 V12 V1 V12 V1 V12 LM1 LM1 LM1 Dyn. fac Dyn. Fac Free flowing Free flowing Traffic jam Traffic jam Q Q 10 872,7 1654,5 1745,4 1 1 884,8 1351,2 767,0 1264,6 20 1145,4 2109,0 2290,8 1 1 1359,4 2202,6 1217,4 2001,0 30 1418,1 2563,6 2836,4 1 1 1659,8 2392,4 1722,5 2609,8 50 1950,0 3450,0 3900,0 1 1 2603,4 2680,7 2370,8 3860,1 100 3300,0 5700,0 6600,0 1 1 3388,3 3702,7 3935,1 6505,7 200 6000,0 10200,0 12000,0 1 1 3163,5 3412,6 6518,5 10907,5 Kuva 6-10 Esimerkki vertailutaulukosta simulaatiotulokset LM1-2014 karakteristiset arvot kokonaiskuorma Q [kn] matkalla L.

52 Oheisesta taulukkoa käyttäen voidaan verrata kuormakaavion vaikutusta eri influensseilla simulaation tuloksena realisoituviin karakteristisen kuorman arvoihin. Taulukon sarakkeet ovat järjestyksessä: 1) Tutkittavan influenssin jännemitta, 2)-4) Kuormakaavion LM1 vaikutus eri kaistamäärillä, 5) ja 6) Dynaamiset kertoimet kuormitettujen kaistojen ja inf.-viivan mukaan. 7) Vapaasti soljuvan liikenteen aiheuttama vaikutus kaistalla 1 8) Liikenteen aiheuttama yhteisvaikutus kaistoilla 1+2 9) ja 10) vastaavat kuin edelliset, mutta ruuhkatilanteessa. Oheiset taulukot on esitetty liitteessä. Seuraavassa listataan tehdyt vertailut: (1) Simuloitu liikenne ennen muutosta kuormakaavioon LM1-2010, jotta saadaan selville mikä on nykytilanteen suhtautuminen tähän kuormituskaavioon. (2) Simuloitu liikenne muutoksen jälkeen (oletus) kuormakaavioon LM1-2010 (3) Tämän jälkeen on luotu kokeilemalla uusi kuormakaavio LM1-2014, jota on vastaavasti verrattu ajoneuvoasetuksen muutoksen jälkeen oletetun liikenteen aiheuttaman rasituksen arvoon kullakin influenssilla. Keltainen väri taulukossa viestittää, että lasketun liikenteen karakteristinen kuorma on vaikutukseltaan suurempi kuin kuormakaavion LM1 aiheuttama vastaava. Vertailu on tässä tehty siten, että yksikaistaisen simulaation tulosdataa V1 on verrattu liikennekuorma LM1:n ensimmäisen kaistan vaikutukseen ja vastaavasti simulaation tulosdataa V12 on verrattu LM1:en kahden ensimmäisen kaistan vaikutukseen. Kuva 6-11 LM1-2014 vertailu simulaation avulla määritettyihin kuormiin jännemitan funktiona. Esimerkki Yksiaukkoisen palkin taivutusmomentti. Todellisessa tilanteessa vertailu ei ole näin yksioikoinen. Siinä missä todellista liikennettä kulkee sillalla 2 kaistalla, on usein tilanne, että mitoituksessa sillalle mahtuu 3 LM1:n mukaista kuormituskaistaa. Tämän huomioiminen mutkistaa tilannetta hieman. Tämän vuoksi liitteen taulukoissa on myös punainen väri, joka tarkoittaa, että LM1 kaistojen määrä, joka on todelliset kaistat+1, ei vaikutuksensa puolesta riitä vas-

53 taamaan simuloidun liikenteen vaikutusta. Arviointia voidaan suorittaa myös kuvaajien avulla. Tässä yhteydessä todetaan, että täysin optimaalista ratkaisua kaikille influensseille ei voida yksinkertaisen kuormakaavion määrittämisen puitteissa saavuttaa. Kuormakaavio LM1 on säädetty myötäilemään mahdollisimman hyvin simulaatiotuloksien määräävää influenssia. Tämän yhteydessä liiallista konservatiivisuutta on pyritty välttämään sallimalla simulaatiotulokselle tarvittaessa 5 % ylitys LM1:een nähden. Tästä huolimatta sama kuormakaavio voi olla joillakin influensseilla ylimitoittava ja vastata jotakin pidemmän ajanjakson toistumiskuormaa kuin 1000 vuotta. 6.3 Sillan tukireaktioiden vertailu Kuormakaavio LM1 on kalibroitu määrätyillä influenssiviivoilla ja siten, että kuormakaavio olisi riittävä kaikissa mitoitustilanteissa. Tässä yhteydessä erityistarkastelun aiheena on arvioida ja vertailla laskennallisten liikennekuorman vaikutuksia siltojen tukireaktioon. Simuloinnin yhteydessä ei erillistä influenssiviivaa tukireaktioille tutkittu, joten asiaa on pyrittävä tarkastelemaan jälkikäteen muista tuloksista päätellen. 6.3.1 Laskennan kulku Tukireaktiot pyritään määrittämään sekä yksiaukkoiselle sillalle että kaksiaukkoisen sillan välituelle. Päättely on mahdollista käyttäen hyödyksi seuraavien influenssiviivojen tuloksia: 1) Leikkausvoima tuella V0 2) Kokonaiskuorma tietyllä pituudella Q 3) Yksiaukkoisen palkin taivutusmomentti M0 Tukireaktiot päätellään jo simuloiduista influenssiviivoista ja siten niihin liittyy epätarkkuutta. 1) Tukireaktio 1-aukkoiselle palkille on tarkka, koska sen suuruus on sama kuin leikkausvoima tuella. 2) Pituudella vaikuttavasta kokonaiskuormasta pääteltynä tähän liittyy tarve arvioida miten kuorma on jakautunut palkin pituussuunnassa. Mikäli oletuksena on, että kokonaiskuorma on jakautunut pituudelle tasan, saadaan tukireaktiolle alaraja-arvo =Q/2. 2-aukkoisen palkin tapauksessa erimittaiset kokonaiskuormat on ajettu tarkan influenssin yli ja suurin arvo on tallennettu. Eli 10, 20, 30 ja 50 metrin mittaiset ja intensiteetiltään aiemman simulaation perusteella määräytyneet viivakuormat ajetaan tarkan influenssiviivan yli. 3) Yksiaukkoisein palkin taivutusmomentin influenssiviiva muistuttaa muodoltaan 2-aukkoisen palkin välituen tukireaktion influenssia. Siten on mahdollista näitä tuloksia hyödyntäen arvioida yhtä pitkän kaksiaukkoisen palkin välituelle syntyvää tukireaktiota tekemällä influenssiviivalle M0 lineaarinen muunnos, jossa tulos muutetaan momentista tukireaktioksi.

54 Kuva 6-12 Yksiaukkoisen palkin taivutusmomentin influenssiviivasta johdettu tukireaktion influenssiviiva (sininen), kaksiaukkoisen palkin influenssiviiva (punainen), approksimaation suhteellinen virhe (oranssi). Kuten Kuva 6-12 esittää, on yksiaukkoisen palkin keskijänteen taivutusmomentin influenssista johdettu ratkaisu melko hyvä approksimaatio kaksiaukkoisen palkin tukireaktiolle. Ratkaisu on tarkka vaikuttavan voiman ollessa keskellä (tuen päällä) suhteellinen virhe kasvaa reunoja kohti mentäessä. Samalla myös influenssin arvo pienenee. Kuva 6-13 Absoluuttisen poikkeaman suuruus kuorman sijainnin funktiona Kun huomioidaan, että määräävän vaikutuksen akselit antavat ollessaan mahdollisimman lähellä välitukea, voidaan keskimääräisen virheen todeta olevan noin 10 % epävarmalle puolelle. Tätä kompensoidaan käyttämällä yksiaukkoisen palkin tapauksesta johdettuun influenssiin kerrointa 1.11. 6.3.2 Yksiaukkoisen palkin tukireaktio Tukireaktion määräävä vaikutus on ratkaistu tapauksittain huomioimalla ruuhkan arvo sekä vapaan liikenteen arvo dynaamisella kertoimella suurennettuna ja ilman. Huomioitavaa on, että kuten edellisessä kohdassa esitettiin, tasainen kuorma Q antaa todellista pienempiä arvoja.

55 Taulukossa V0 viittaa simulaatiotuloksista saatuun tukireaktioon (leikkausvoiman arvo tuella) ja Q puolestaan kyseisellä pituudella vallitsevan tasaisen kuorman avulla saatuun arvoon. V0 Q LM1 L 10 20 30 50 φ 1,26 1,22 1,18 1,1 FREQ φ = 1 393 601 787 1113 φ = φ 474 654 811 1113 CHAR φ = 1 765 1140 1477 2049 φ = φ 963 1391 1634 2049 FREQ φ = 1 342 543 705 1002 φ = φ 342 543 705 1002 CHAR φ = 1 632 1007 1305 1930 φ = φ 676 1101 1305 1930 FREQ 928 1046 1160 1338 CHAR 1343 1607 1871 2314 Kuva 6-14 Esimerkki yksiaukkoisen palkin tukireaktion ominaisarvosta kahden kaistan tapauksessa. Kuvaajassa pilkutettu tapaus tarkoittaa arvoa dynaamisen kertoimen arvolla 1. Liitteessä 2 on esitetty muiden tapausten kuvaajia. 6.3.3 Kaksiaukkoisen palkin välituen tukireaktio Tukireaktion määräävä vaikutus on ratkaistu tapauksittain huomioimalla ruuhkan arvo sekä vapaan liikenteen arvo dynaamisella kertoimella suurennettuna ja ilman vastaavasti kuin edellisessä kohdassa. Tässä yhteydessä voidaan todeta tasaisen kuorman avulla saatavan melko lähelle vertailumenetelmällä saatuja tuloksia. Taulukossa M0 viittaa simulaatiotuloksista saatuun tukireaktioon (modifioidun taivutusmomentin influenssin tuloksista) ja Q tarkan influenssin yli ajettuihin äärellisen pitkiin tasaisiin kuormiin.

56 M0 Q LM1 L 5 10 15 25 φ 1,26 1,26 1,24 1,2 FREQ φ =1 404 619 820 1192 φ = φ 477 669 834 1192 CHAR φ = 1 839 1127 1545 2173 φ = φ 1057 1420 1915 2173 FREQ φ =1 426 678 886 1205 φ = φ 426 678 886 1205 CHAR φ = 1 789 1257 1643 2231 φ = φ 843 1374 1796 2231 FREQ 992 1117 1232 1459 CHAR 1454 1752 2037 2602 Kuva 6-15 Esimerkki kaksiaukkoisen palkin välituen tukireaktion ominaisarvosta kahden kaistan tapauksessa.

57 7 Pysyvän kuorman varmuusluvun määritys 7.1 Yleistä Pysyvien kuormien varmuusluvun määrittämiseksi on tutkittu kolmea (3) siltatyyppiä (bul-, jännepalkki- ja liittopalkkisillat). Kullekin siltatyypille on tehty laskelmat niille tyypillisillä jännemitoilla ja rakennekorkeuksilla. Kaikissa laskelmissa hyödyllinen leveys on 7,5 m ja siltoja on kuormitettu kahdella kuormakaistalla. Rakenneosien lujuuksissa on huomioitu epävarmuustekijä θ, jonka keskiarvo on 1, hajonta 5 % ja jakautumamuoto LN [5]. Liikennekuorman vaikutus on tutkittu kenttä- ja tukimomentin jakautumafunktiona, jonka arvot on määrätty simuloimalla mitattua liikennettä 11 eri LAM eripisteessä. LAM pisteet on valittu teiltä, joissa on yksi kaista molempiin suuntiin ja joissa raskaiden ajoneuvojen vuosittaiset liikennemäärät yhtä kaistaa kohti ja tien liikenneluokat ovat taulukon 7-1 mukaiset. Taulukko 7-1 Simuloinnissa käytetyt LAM-pisteet. LAM Rask/v Lk 122 85031 2 135 16557 4 225 15842 4 230 145248 2 630 126735 2 704 14270 4 902 145208 2 1050 77210 2 1060 71480 3 1302 26107 3 1424 58877 3 Ka 71142 Raskaiden ajoneuvojen vuosittaisten momenttien ääriarvojen keskiarvot ja keskihajonnat vaihtelevat pisteittäin. Maksimi- ja minimiarvot sekä poikkeaman suhteellinen osuus keskiarvosta on annettu taulukossa 7-2. Ääriarvot ovat yleensä jonkin verran suuremmat liikennemäärän kasvaessa kun taas keskihajonta selvästi pienenee. Joissakin LAM-pisteessä saadaan lähellä keskiarvoja olevia arvoja vaikka liikennemäärä on yli 100 000 raskasta ajoneuvoa vuorokaudessa. Tämä varmuustarkastelu tehdään tämän takia käyttäen keskimääräisiä ääriarvojen keskiarvoja ja hajontoja. Maksiarvojen käyttö ilmeisesti johtaisi ylimitoitukseen.

58 Taulukko 7-2 Simuloinnissa käytetyt LAM-pisteet. Tukimomentti L Max Osuus MIN RKVL 10 892,6 1,22 613 0,84 20 2396 1,20 1668 0,84 30 4221 1,18 2538 0,71 50 8847 1,27 4911 0,70 100 20290 1,27 11410 0,71 Kenttämomentti knm L Max Osuus MIN RKVL 10 904 1,22 670,9 0,91 20 2768 1,25 1790 0,81 30 5429 1,23 3578 0,81 50 11920 1,23 8114 0,84 100 30970 1,22 19430 0,76 7.1.1 Bul-sillat Laskelmissa on tutkittu jännemitat 10 m, 14 m ja 18 m. Rakenneosien pysyvissä kuormissa on huomioitu betonirakenteiden paino, pintarakenteet, kaide ja sillan päädyn passiivipaine Oma painon keskiarvo on teoreettisten mittojen mukaan laskettu keskiarvo. Paino on normaalijakautunut ja sen hajonnaksi valitaan 5 %. Tämä tarkoittaa 1 m:n paksuisella rakenteella n. 80 mm:n poikkeamaa 95 %:n fraktiililla, mitä on valmistustoleransseja huomioiden riittävä. Oman painon vaikutukseen tulee painon lisäksi LN jakautunut lujuuden epävarmuustekijä, jota voidaan pitää kaikkien kuormien vaikutuksen epävarmuutena. Parametrin hajonta on 5 %. Herkkyystarkasteluna tutkitaan missä määrin varmuustaso muuttuu kun painon hajonta on 10 %. 7.1.2 Jännepalkkisillat Laskelmissa on tutkittu jännemitat: 2x25 m, 2x50 m ja 2x75 m. Rakenneosien pysyvissä kuormissa on huomioitu rakenneosien oma paino, kutistuminen ja pysyvä lämpötilan muutos, viruminen sekä jännevoima ja erityisesti jännevoiman pakkovoima. Omat painot käsittely on vastaavasti kuin bul-siltojen kohdalla edellisessä kappaleessa 7.1.1. Murtorajatilassa kutistuma, viruma ja lämpötilakuormat voidaan jättää huomioon ottamatta, jos rakenteella on riittävästi muodonmuutoskapasiteettia. Edellä mainitut jätetään tarkastelun ulkopuolelle. Jännevoiman katsotaan olevan osa rakenteen lujuustekijää ja jännevoimasta on tarkastelussa mukana ainoastaan sen aiheuttama pakkovoima. Pakkovoimalla katsotaan olevan 10 %:n hajonta.

59 7.1.3 Liittopalkkisillat Laskelmissa on tutkittu jännemitat: 2x50 m, 2x75 m ja 2x100 m. Rakenneosien pysyvissä kuormissa on huomioitu rakenneosien oma paino, pintarakenteet ja kaide Omat painot käsittely on vastaavasti kuin bul-siltojen kohdalla edellisessä kappaleessa 7.1.1. 7.2 Muuttuvat kuormat 7.2.1 Bul-sillat Mitoituskuorma on pystysuora liikennekuorma LM1. Kuormakaavio LM3 ei ole määräävä näillä jännemitoilla. Simuloimalla on liikennekuormien yhden vuoden taivutusmomentin ääriarvojen keskiarvoksi saatu n. 37 % NCCI1 liikennekuorman LM1 aiheuttaman momentin ominaisarvosta jännemitalla 10 m ja n. 45 % jännemitalla 20 m. Liikenne on sujuvaa. Mikäli liikenne on ruuhkautunut, osuudet ovat 10 m:n jännemitalla 45 % ja 20 m:n jännemitalla n. 54 %. Vertailu on tehty tapauksessa missä silta on yksiaukkoinen ja missä kaksi rinnakkaiskaistaa V12 on kuormitettu. Simuloinnissa ei otettu huomioon sysäyslisää. Ohjeen ENV 1991-3 mukaan on sysäyslisä kahden kaistan tapauksessa 10 m:n jännemitalla 1,26 ja 20 m:n jännemitalla 1.22. Mikäli vain yksi kaista V1 on kuormitettuna, sysäyslisät ovat 1,55 ja 1,4. Liikenteen ollessa ruuhkautunut sysäyslisää ei huomioida. LM1 kuorman ominaisarvot yhden kaistan tapauksessa (V1) ja kahden kaistan tapauksessa (V12) sekä simuloinnissa saadut keskiarvot on annettu taulukossa 9. Em. taulukossa jatkuvana virtaava liikenne on merkitty tunnuksella Flow ja ruuhkautunut liikenne tunnuksella Cong. Taulukko 7-3 Liikennekuorman ominaisarvot ja simuloidut arvot. Hajonnat ovat sujuvan liikenteen tapauksessa jännemitalla 10 m 10,4 %, ja jännemitalla 20 m 11,6 %. Ruuhkautuneen liikenteen tapauksessa vastaavat arvot ovat 7,6 ja 6,5 %, taulukko 10. Jakautuma oletetaan olevan Gumbel suurimman arvon T1Ljakautuma, missä jakautuman tyyppiluku, toisin kuin kaavassa (6.4), on: µ = u + ϒ/α n (6.1)

60 Suurimman arvon Gumbel T1L jakautumaa käytettäessä ääriarvojen maksimien jakautumafunktio on kuvan 6-2 mukainen. Ääriarvot löytyvät jakautumafunktion suurenevaan suuntaan ohenevasta hännästä. Tällaista jakautumafunktiota voidaan pitää varmalla puolella olevana. Sujuvan liikenteen ja ruuhkautuneen liikenteen 95 %:n fraktiileja verrataan toisiinsa sekä yhden että kahden kuormitetun kaistan tapauksessa. Jännevälialueella 10 20 m suurimmat arvot saadaan sujuvan liikenteen tapauksessa kun kaksi ajoneuvokaistaa on kuormitettu. Taulukossa 7-4 on esitetty tasaisesti virtaavan ja ruuhkautuneen liikenteen tulosten hajonnat. Taulukko 7-4 Hajonnat tasaisesti virtaavalle ja ruuhkautuneelle liikenteelle Liikennekuorman vaikutuksen epävarmuutta otetaan huomioon rakenteen lujuuteen kohdistuvalla epävarmuustekijällä, joka on yhteinen oman painon epävarmuustekijän kanssa. 7.2.2 Jännepalkkisillat Mitoituskuormat ovat pystysuorat liikennekuormat LM1 ja LM3. Jännemitoilla 25 75 m simuloimalla saadut liikennekuormien yhden vuoden taivutusmomentin ääriarvojen keskiarvot ovat 46 53 % NCCI1 liikennekuorman LM1 aiheuttaman momentin ominaisarvosta. Liikenne on vapaasti virtaavaa (FLOW). Mikäli liikenne on ruuhkautunut (CONG), osuudet ovat 54 72 %. Sysäyslisä on jännemitalla 25 m 1,2 ja muilla jännemitoilla 1,1. Sujuva liikenne sysäyslisineen ja ruuhkautunut liikenne antavat lähes samansuuruiset rasitukset. Tästä johtuen laskenta on tehty molemmille tapauksille.

61 Taulukko 7-5 Ääriarvojen keskiarvot kerrottuna sysäyslisällä ja 95 %:n fraktiili sysäyslisineen tuella 95 %:n fraktiili FLOW [knm] 95%:n fraktiili CONG [knm] L [m] V1/kenttä V12/kenttä V1/kenttä V12/kenttä 10 1172 1082 631 1010 20 2582 3285 1723 2888 30 5478 6367 3557 5915 50 12881 12749 8706 14223 100 39297 33966 28948 46351 95 %:n fraktiili FLOW [knm] 95%:n fraktiili CONG [knm] L V1/tuki V12/tuki V1/tuki V12/tuki 10 1154 1092 619 1036 20 3218 2991 1973 3235 30 5880 5469 3965 6601 50 10987 10385 9788 15981 100 24721 21823 32222 52568 Tuloksista on voitu päätellä, että kenttämomentin kohdalla kahden kaistan kuorma jatkuvana virtaavalla liikenteellä on määräävä jännemitalla 25 m mutta jännemitoilla 50 m ja 75 m ruuhkaliikenne kahdella kaistalla on määräävä. Tuen kohdalla on ruuhkaliikenne kahdella kaistalla aina määräävä. Muuttuvan kuorman jakautumamuodoksi oletetaan sama Gumbel-jakautuma kuin Bul-silloissa kohdan 6.2 mukaisesti. 7.2.3 Liittopalkkisillat Mitoituskuormana on käytetty LM1 ja LM3 -kuormia. Liikennekuorma on Gumbel-jakautunut stokastinen kuorma, jonka ääriarvojen keskiarvo ja keskihajonta on sama kuin jännitetyillä silloilla. Keskiarvojen ja hajontojen prosenttiosuudet on annettu taulukoissa 12. Taulukko 7-6 Liikennekuormien keskiarvojen ja hajontojen %-osuudet Lisäksi muuttuvana kuormana on huomioitu kutistuma ja lämpötilakuormat. Paarrejännitykset on arvioitu karkealla rakennemallilla. Jännitykset oletetaan normaalijakautuneiksi ja niiden keskiarvoksi 30 % ja hajonnaksi 30 % maksimiarvosta.

62 7.3 Laskenta Mitoituskuormat on laskettu kaavoilla: Bul-sillat: Md=1,15xMg+1,35xMLM1 Jännepalkkisillat: Md=1,15xMg+1,15/0,9xMpakko+1,35xMLM1/MLM3 Liittopalkki: Md=1,15xMg+1,5x0,6xM T+1,35xMLM1 Ääriarvojen laskennassa käytetyt rajatilaehdot: Bul-sillat: G= MdxΘ-Mg -Mv12 Jännepalkkisillat: Liittopalkki: G= MdxΘ-Mg-/+ MT-MV12 G=MdxΘ-Mg-/+Mpakko-MV12 Mitoitus tehdään yhden vuoden ääriarvon mukaan, mikä johdetaan NCCI1 antamasta 50 vuoden ääriarvosta. Vaadittu varmuustaso on alla olevan taulukon 13 sarakkeen CC2 mukainen. Taulukko 7-7 Vaadittu varmuustaso Tilastollisessa rajatilalaskennassa suunnittelu- ja ominaisarvon suhdetta voidaan pitää ko. muuttujan varmuuskertoimena kyseessä olevassa rajatilassa. Mikäli muuttujia on useita, saatu rajatila on vain yksi vaihtoehto monista. Muuttujien varmuuskertoimia voidaan painottaa eri tavalla siirtämällä varmuutta lujuuden puolelta kuormiin. Lujuuden varmuustaso on laskettu olettaen sen olevan ln-jakautunut. Lujuuden hajontana on pidetty 15 % keskiarvosta paitsi jännitettyjen siltojen tuella, missä sen on oletettu olevan 20 % keskiarvosta. Lujuudessa on lisäksi otettu huomioon epävarmuustekijä θ. Mikäli lujuudelle otetaan deterministinen arvo Md, joka edustaa 95 %:n fraktiiliia, lujuuden variaatio jää pois ja varmuustaso voidaan laskea pelkälle kuormalle. Vaadittu varmuustaso on tällöin likimain taulukon 7-8 mukaiset. Taulukko 7-8 Laskennassa pelkälle kuormalle vaadittu varmuustaso yhden vuoden aikana 7.4 Tulokset 7.4.1 Bul-sillat Kokonaisvarmuustason β-indeksi tulisi olla luokassa CC2 lujuuden variaatio huomioon ottaen 4,7. Laskennallisen murtokuorman Md ylitykselle riittää βd=4,0. Varmuustaso on kaikilla tutkituilla jännemitoilla oman painon keskihajonnasta riippumatta riittävä. Jännemitalla 18 m kokonaisvarmuustaso lähes sama kuin vaatimus (β=4,8) luokassa CC2 kun oman painon keskihajonta on 10 %. Laskennallisen murtokuorman ylitykselle saadut suuntaa antavat ominaisvarmuusluvut oman painon ja liikennekuorman osavarmuusluvuille ovat hiukan eri tavalla painottuneet kuin Md:n

63 arvoa laskettaessa. Oman painon varmuuskerroin on 1,057 ja liikennekuorman vastaavasti 1,158. Jos epävarmuustekijän Θ vaikutus siirretään kuormiin, saadaan: γg=1,057/0,8874=1,19 ja γlm1=1,158/0,8874=1,30. Sama varmuustaso saavutetaan myös osavarmuusluvuilla γg=1,15 ja γlm1=1,35. Varmuustaso on riittävä lujuuden 95%:n fraktiilin ylitykselle myös silloin kun oman painon keskihajonta on 10 %. Laattasilloille näin ollen riittää oman painon osavarmuusluku 1,15 ja liikennekuorman osavarmuusluku 1,35. 7.4.2 Jännepalkkisillat Kokonaisvarmuuden indeksi β alittaa tavoitearvon 4,7 ja on alimmillaan 3,34, kun oman painon hajonta on 5 %. Mikäli hajonta on 10 %, β on niinkin alhainen kuin 2,39. Oman painon hajontaa 5 % voidaan pitää riittävänä varsinkin kun lujuuden epävarmuustekijänä on Θ, joka antaa n. 10 % lisävarmuuden. Varmuustaso on kuitenkin jo 5 %:n hajonnallakin liian alhainen. Kokonaisvarmuusindeksi on tällä hajonnalla β=4,5 jännepalkin keskikentässä kun oman painon ja pakkovoiman osavarmuuskerroin nostetaan arvoon 1,25. Rajatilalaskenta antaa tällä laskennalla suurimmat osavarmuuskertoimet (γ/θ): Kenttä: β =4,84; γ G =1,22; γ pakko =1.22 ja γ LM =1,39 Tuki: β=4,46; γ G =1,32, γ pakko =1,03 ja γ LM =1,20 Osavarmuuskertoimet voidaan pitää riittävän lähellä tavoitearvoja ja riittävinä, ja sama varmuustaso saavutetaan myös kertoimilla: γ G =1,25; γ pakko =1,25/0,9 ja γ LM =1,35 Jännepalkin kokonaisvarmuustason β-indeksi on tuella selvästi pienempi (β=3,38). Kun oman painon hajonta on enintään 5 % ja oman painon osavarmuusluku on 1,25 voidaan tuella saavuttaa varmuusluokan CC1 mukainen arvo β=4,2, jota voidaan pitää tuella riittävänä ottaen huomioon tukimomentin uudelleenjakautumista murtorajatilassa. Laskennan mukaan oman painon ja pakkovoiman osavarmuuskerrointa tulisi nostaa arvoon 1,25. Muut kertoimet voidaan pitää ennallaan. Liikennekuorman ominaiskuorman nostaminen on myös perusteltua, koska osavarmuuskerroin on juuri ja juuri riittävä. Liikennekuorman ominaiskuorman nostaminen 15 %:lla nostaa kokonaisvarmuustason β-indeksin kentässä arvosta 4,34 arvoon 4,68 ja tuella arvosta 3,78 arvoon 3,95. Tuella saadaan βt95%=4,96, mikä ylittää tavoitearvon βt95%=4,5 selvästi. Paras lopputulos saavutetaan kuitenkin kun oman painon osavarmuuslukua nostetaan arvoon γ G =1,25 ja liikennekuormaa kasvatetaan sen verran, että kokonaisvarmuusluku nousee kentässä arvoon β=4,7 ja tuella arvoon β=4,2. Kokonaisvarmuutta voidaan pitää riittävänä, kun huomioidaan kappaleessa 8.2 esitetyt uudet suunnittelukuormat ja pysyvienkuormien osavarmuuskerroin 1,25.

64 7.4.3 Liittopalkkisillat Nykyisten NCCI 1 osavarmuuskertoimet eivät ole riittävät. Kun oman painon hajonta on 5 %, pienin β-indeksi on n. 3,5. Tavoitearvo kokonaisvarmuustasolle on 4,7 ja kuormille 4,0. Mikäli oman painon hajontana käytetään 10 %, laskee β-indeksi alle 3, mikä on jo alle CC1 seuraamusluokan. Oman painon osavarmuusluku tulisi nostaa arvoon 1,25 kuten jännitettyjen siltojen tapauksessa. Kokonaisvarmuustasossa mitattuna pienin β-indeksi kokonaisvarmuustasolle on β=4,5. Tämä arvo saadaan 50 m:n jännemitan sillalle välituen kohdalle. Kentässä varmuustaso on riittävä. Pelkälle kuormalle laskettuna β =4,4, mikä on riittävä luokassa CC2. Laskennalliset osavarmuuskertoimet eri kuormille ovat lähellä oletusarvoja, mikäli rajatilalaskennassa saatu osavarmuusluku jaetaan Θ epävarmuustekijällä, joka on yleensä n. 0,84. 7.5 Johtopäätökset Kun käytetään simuloituja liikennekuormia ja oman painon hajontaa 5 %, riittävä varmuustaso saavutetaan pysyvien kuormien osavarmuusluvulla 1,25. Mikäli oman painon hajontana käytetään 10 %, varmuusluvun tulisi olla suurempi. Oman painon, liikennekuorman ja muiden kuormien vaikutusten epävarmuus on huomioitu epävarmuustekijällä, joka on LN-jakautunut satunnaismuuttuja f=(μ=1, σ=0,05). Mikäli tällaista epävarmuustekijää ei huomioida, oman painon hajontana voitaisiin käyttää 10 %. Kun em. epävarmuustekijä huomioidaan kuormissa, FORMlaskennalla saadaan osavarmuusluvut, jotka ovat lähellä tavoiteltuja. Pysyvien kuormien murtorajatilan osavarmuusluku suositellaan nostettavaksi 1,15 1,25. Liikennekuorman suuruutta kasvatetaan siten, että rinnakkaisilla kaistoilla on samansuuruiset telikuormat 600 kn ja toisen kaistan pinta-alakuormaa kasvatetaan arvosta 2,5 kn/m 2 arvoon 6 kn/m 2. Karkeat arvot lopullisista β-indekseissä on annettu taulukossa 15. Taulukko 7-9 β-indeksi oman painon osavarmuuskertoimen ja liikennekuorman suuruuden kasvattamisen jälkeen L β kenttä β tuki 10 5,48 25 5,93 4,66 50 5,13 4,20 75 4,95 4,18 100 5,00 4,34

65 8 Yhteenvetoa 8.1 Arvio tulosten tarkkuudesta Simulaatio on laadittu siten, että kuvataan mahdollisimman tarkasti sillan ylittävää liikennettä akseleineen. Lähtötietojen hankintaan ja käsittelyyn on panostettu ja niiden oikeellisuutta on arvioitu hyvinkin objektiivisesti. Liikennemallin luominen on vapaan liikenteen tapauksessa toteutettu riittävän tarkasti lähtötietojen pohjalta. Yksinkertaistus, jossa ajoneuvojen jonokokoonpanoyksiköiden välit ovat maksimissaan 300 metriä, ei aiheuta virhettä influenssipituuden ollessa korkeintaan 300 m. Muissa tapauksissa virhe voidaan olettaa vähäiseksi. Liikennemallia luodessa käy myös väistämättä niin, että joskus ajoneuvot pyrkivät menemään lomittain. Tämä on estetty asettamalla eri ajoneuvojen välisten akselien minimietäisyydeksi 4 m. Liikenteen vuorokausittaista vaihtelua on kuvattu käyttämällä ajoneuvojonoja jotka ovat raskaiden ajoneuvojen tihentymiä. Näin ollen vapaan liikenteen tapauksessa on saatu huomioitua myös vilkkaampina vuorokaudenaikoina tapahtuva kuormitus. Näiden yhteydessä ei ole oletettu korrelaatiota kaistojen välille. Ruuhkan osalta on tehty oletus, että liikenteen koostumus kaistoittain pysyy samana kuin vapaan liikenteen vallitessa. Tämä tarkoittaa, että liikenteen lajittumista ei ruuhkautumisen yhteydessä tapahdu kaistojen välillä. Ruuhka on tässä tapauksessa siten jäädytetty tilanne vapaasta liikenteestä, jossa raskaiden ajoneuvojen välit lyhenevät. Ruuhkan alkamista ja purkautumista sillalta ei myöskään ole tässä mallinnettu tai käsitelty. Ruuhkan esiintymistiheydestä ja kestosta on olemassa ainoastaan valittu arvio, n. 2h / vuorokausi. Dynaaminen kerroin on sovitettu viitteen [1] mukaisesti kullekin tapaukselle. Tässä tapauksessa jälkikäsittelyssä on kunkin influenssin rasituksen ominaisarvoa korotettu dynaamisella kertoimella. Näin ollen on voinut realisoitua tilanne, jossa yhden kaistan rasitusvaikutus ylittää kahden kaistan yhteenlasketun vaikutuksen suuremman dynaamisen kertoimen vuoksi. Näiden kohtien perusteella voidaan päätyä lopputulemaan, että tulos staattisilla akselipainoilla on tarkimmillaan yhdellä kaistalla, lyhyellä jännemitalla vapaan liikenteen tapauksessa. Toisaalta voidaan todeta, että kaikkia olettamuksia ei ole tehty konservatiiviseen suuntaan (joissain tapauksissa on lisäksi vaikea päätellä onko vaikutus edullinen vai epäedullinen), jolloin jo keskeisen raja-arvolauseen perusteella voidaan todeta liikenteen kuvaavan todellista tilannetta keskimäärin hyvin.

66 8.2 Tutkimuksen varsinaiset tulokset Tutkimuksen tuloksena päädyttiin tarkastamaan kuormituskaaviota LM1 hieman ylöspäin. Näin meneteltiin, koska kuormituskaavion LM1-2010 riittävyys jo nykyisille kuormille oli joiltain osin rajoilla. Kuormakaavion muutos tehtiin kuitenkin kokonaisvaikutuksia ajatellen harkiten ja huomioiden kuormakaistojen sekä todellisten liikennekaistojen ero. Esimerkiksi verrattaessa yhden kaistan simulaation tuloksia LM1:n ensimmäisen kaistan tuloksiin, voitiin todeta tämän kaltaisen tilanteen olevan jokseenkin harvinainen ja tapahtuvien suuruudeltaan vähäisten ylitysten olevan sinällään harmittomia, varsinkin kun asia tiedostetaan ja suunnittelun ohjauksella voidaan vaikuttaa siihen, että tilanne ei pääse käytännössä realisoitumaan. Ajoneuvoasetuksen oletetun muutoksen vaikutus liikennekuormiin johtaa kuormituskaavioiden korottamistarpeisiin. Liikennekuormakaavio LM1:tä muutetaan siten, että LM1-2010 esiintyneet 2. ja 3. kaistan akselit yhdistetään 2. kaistan akseleiksi. Vastaavasti 2. ja 3. kaistan pintakuormia korotetaan. Lopputuloksena on: Akselit: 1. kaista 300 + 300 kn 2. kaista 300 + 300 kn Pintakuorma: 1. kaista 9 kpa 2. kaista 6 kpa 3. kaista 3 kpa Edellä esitetyt on laskettu käyttämällä lähtötietona LAM-pisteiden liikennekoostumusta ja liikennemääriä. Kuten kappaleessa 6.2 on esitetty, liikennemäärän maltillisella muutoksella ei ole suurta merkitystä tulokseen, jos liikenteen koostumus ja ajoneuvojen massat säilyvät kutakuinkin samanlaisina. 8.3 Kehitystarpeet Lähtötietona käytetty akselimassatutkimus, jonka perusteella ajoneuvotyypit, akseligeometriat sekä akseli- ja telimassojen jakaumat on ratkaistu, on tehty vuonna 1998-1999. Uusien akselimassatutkimusten sekä liikenteen karakteristisoinnin yhteydessä on mahdollista saada tarkempaa ja ajantasaista tietoa liikennöivän kaluston koostumuksesta, akseligeometrioista sekä akselipainoista. Ruuhkan esiintymisestä ja kestosta tehdyt arviot ovat karkeita. Tutkimuksen aikana havaittiin, että ruuhkan muodostuminen on ennalta oletettua monimutkaisempi ilmiö eikä sen mallintamista voitu tämän hankkeen puitteissa suorittaa todellisuutta vastaavasti jo senkään takia, että lähtötietoa asiaan ei juuri ollut. Ruuhkan muodostumisen mallia tarkentamalla voitaisiin päästä paremmin todellisuutta vastaavaan lopputulokseen. Myöskään ruuhkan kestoa tai esiintymistiheyttä ei saatu selvitettyä joten keskimäärin 2 tuntia ruuhkaa päivässä on tehty oletus.

67 Dynaaminen vaikutus on tässä tutkimuksessa otettu huomioon karkealla menetelmällä. Näin meneteltiin, jotta oli mahdollista säilyttää jonkinlainen vertailtavuus viitteessä [1] esitettyyn tutkimukseen. Viitteessä esitetty menetelmä ei kuitenkaan ole tarkalleen se mitä ko. tutkimuksessa on käytetty vaan tiivistelmä siitä. Tutkimuksen dynaamisen kertoimen taustoja tulisi selvittää. Liikennesimulaatioita voisi olla mahdollista kehittää siihen suuntaan, että saataisiin selvitettyä esimerkiksi todellisen liikenteen aiheuttamaa väsymiskertymää rakenteille. Myös muiden kuin siltojen kuormitusten ratkaisemiseen simulaatioilla sekä liikenteestä saadulla datalla voisi olla käyttöä. Tämän taustadokumentin julkaisun valmistelun aikana on käynnistetty jatkotutkimuksia, joissa tarkastellaan mm. seuraavia asioita: ruuhkan muodostuminen ja vaikutus dynaamisen lisän tarkempi käsittely erikoiskuljetusten vaikutus luotettavuuteen simuloidun liikenteen tarkempi mallintaminen (2D) väsymismitoituksen tarkempi mallintaminen

68 Lähteet [1] ENV-1991-3 Traffic Loads on Bridges. Background and notes for guidance. 1994. [2] Torkkeli, M. Esitys 15.5.2013, Liikennevirasto, kunnossapitoyksikkö. [3]. Tielaitos, tiehallinto. 2000. Akselimassatutkimus 1998-1999. Tielaitoksen selvityksiä, 0788-3722 ; 6/2000, 275 s. [4] Siltojen kantavuuslaskentaohje, 36/2015, Liikennevirasto 2015 [5] Eurocodes:using reliabilty analysis to combine action effect. H. Gulvanessian. Proceedings of the Institution of Civil Engineers. Structures & Buildings 158. August 2005 Issue SB4. Pages 243 252. [6] Schneider, J. Introduction to Safety and Reliability of Structures, IABSE Structural Engineering Documents 5, IABSE, 1997 Zürich, Sveitsi, 2. painos 2006.

Liite 1 /1 (6) Simuloidun liikenteen perusteella määritetyn ominaisarvon vertailu kuormakaavioon 2-kaistaiset; ENNEN MUUTOSTA; characteristic L (m) V1 V12 V123 V1 V12 V1 V12 V1 V12 LM1 LM1 LM1 Dyn. fac Dyn. Fac Free flowing Free flowing Traffic jam Traffic jam Q Q 10 873 1348 1624 1 1 755 1230 661 1132 20 1145 1697 2048 1 1 1061 1629 1035 1806 30 1418 2045 2473 1 1 1467 2096 1433 2361 50 1950 2725 3300 1 1 2314 2388 2252 3302 100 3300 4450 5400 1 1 3005 3262 3563 5729 200 6000 7900 9600 1 1 2667 3145 5745 9651 M0 M0 10 1658 2632 3165 1,55 1,26 1524 2095 859 1477 20 4171 6426 7742 1,4 1,22 3714 5639 2440 4258 30 7360 11084 13369 1,4 1,18 7633 11448 5219 9460 50 15764 22990 27776 1,4 1,1 17189 22651 12764 21453 V0 V0 10 694 1104 1328 1,35 1,26 575 833 417 639 20 849 1308 1576 1,25 1,22 796 1227 624 958 30 1005 1513 1825 1,2 1,18 1143 1381 770 1302 50 1271 1853 2239 1,2 1,1 1420 1553 1074 1818 V1 V1 10 298 484 582 1,35 1,26 257 270 173 257 20 351 558 671 1,25 1,22 290 323 208 302 30 391 612 737 1,2 1,18 333 403 237 367 50 465 708 853 1,2 1,1 463 580 348 489 M1+ M1+ 10 1339 2132 2564 1,55 1,26 1329 1358 770 1159 20 3347 5179 6237 1,4 1,22 2881 4237 1879 3362 30 5870 8883 10712 1,4 1,18 6113 8134 3723 6532 50 12453 18257 22051 1,4 1,1 14755 16560 9463 17160 100 37880 53147 64349 1,4 1,1 48088 42061 32027 51984 M1- M1-10 366 578 695 1,55 1,26 361 384 216 338 20 908 1382 1666 1,4 1,22 1004 1122 637 1095 30 1615 2398 2894 1,4 1,18 2032 2458 1341 2262 50 3529 5067 6127 1,4 1,1 4692 4990 3500 5708 100 11250 15490 18774 1,4 1,1 14591 12020 12786 20823 M2 M2 10 900 1369 1651 1,55 1,26 1220 1376 708 1155 20 2485 3621 4375 1,4 1,22 3170 3587 2191 3488 30 4738 6723 8135 1,4 1,18 7155 6146 4345 7284 50 11250 15490 18774 1,4 1,1 13738 12277 11329 18242 100 39267 52405 63630 1,4 1,1 30354 27935 38548 62856 M3+ M3+ 10 1041 1661 1997 1,55 1,26 1055 1000 583 898 20 2629 4082 4915 1,4 1,22 2286 3068 1448 2551 30 4606 7002 8440 1,4 1,18 4790 6598 3167 4682 50 9715 14319 17290 1,4 1,1 10373 12839 7505 12599 100 29230 41228 49902 1,4 1,1 35190 34760 24094 39612 200 97160 131970 160075 1,4 1,1 108100 92046 80726 124057 M3- M3-10 327 517 622 1,55 1,26 354 288 211 287 20 806 1230 1483 1,4 1,22 848 990 520 876 30 1428 2126 2566 1,4 1,18 1879 2096 1133 1880 50 3107 4474 5409 1,4 1,1 3983 4492 2691 4723 100 9836 13577 16453 1,4 1,1 12661 10648 10117 16303 200 34153 45656 55432 1,4 1,1 29842 26046 33282 53056 LM1-2010 vs. Simuloitu liikenne ennen muutosta 2- kaistainen

Liite 1 / 2 (6) 4-kaistaiset; ENNEN MUUTOSTA; characteristic L (m) V1 V12 V123 V1 V12 V1 V12 V1234 V1 V12 V1234 LM1 LM1 LM1 Dyn. fac Dyn. fac Free flowing Free flowing Free flowing Traffic jam Traffic jam Traffic jam Q 10 873 1348 1624 1 1 681 1041 1337 634 1078 1462 20 1145 1697 2048 1 1 1076 1678 1856 984 1784 2149 30 1418 2045 2473 1 1 1437 1900 2408 1294 2265 2793 50 1950 2725 3300 1 1 2051 2379 3278 1964 2876 3883 100 3300 4450 5400 1 1 3701 3725 4312 3260 4117 5838 200 6000 7900 9600 1 1 3629 3874 4880 5557 6228 9274 M0 10 1658 2632 3165 1,55 1,26 1382 2097 2295 810 1505 1860 20 4171 6426 7742 1,4 1,22 3467 5543 6403 2371 4264 5699 30 7360 11084 13369 1,4 1,18 7014 11142 11755 4809 8851 11333 50 15764 22990 27776 1,4 1,1 17618 20803 25340 11955 21607 27711 V0 10 694 1104 1328 1,35 1,26 539 851 951 397 657 785 20 849 1308 1576 1,25 1,22 715 1146 1308 559 935 1269 30 1005 1513 1825 1,2 1,18 899 1449 1660 728 1223 1530 50 1271 1853 2239 1,2 1,1 1339 1529 1999 1035 1713 2034 V1 10 298 484 582 1,35 1,26 212 305 377 147 244 275 20 351 558 671 1,25 1,22 262 355 420 194 306 341 30 391 612 737 1,2 1,18 294 441 469 237 376 433 50 465 708 853 1,2 1,1 396 612 658 310 522 607 M1+ 10 1339 2132 2564 1,55 1,26 1046 1556 1618 623 1179 1343 20 3347 5179 6237 1,4 1,22 2659 4452 4572 1863 3144 4480 30 5870 8883 10712 1,4 1,18 5265 8188 8983 3636 6266 8842 50 12453 18257 22051 1,4 1,1 13646 16019 19827 9257 15189 20854 100 37880 53147 64349 1,4 1,1 45569 39859 54936 30351 46869 61283 M1-10 366 578 695 1,55 1,26 339 370 482 201 319 353 20 908 1382 1666 1,4 1,22 833 1230 1413 584 1011 1154 30 1615 2398 2894 1,4 1,18 1669 2501 2864 1158 2112 2557 50 3529 5067 6127 1,4 1,1 4601 4473 6214 2919 4942 5694 100 11250 15490 18774 1,4 1,1 15784 13582 18086 10320 12756 19020 M2 10 900 1369 1651 1,55 1,26 1048 1440 1602 643 1152 1451 20 2485 3621 4375 1,4 1,22 2989 3712 4738 1996 3405 4699 30 4738 6723 8135 1,4 1,18 6095 5556 8605 4043 7107 8550 50 11250 15490 18774 1,4 1,1 15534 12178 16537 10207 14156 19521 100 39267 52405 63630 1,4 1,1 33643 30610 41321 34748 42724 61419 M3+ 10 1041 1661 1997 1,55 1,26 802 1052 1271 507 911 1044 20 2629 4082 4915 1,4 1,22 2080 3087 3296 1381 2372 2994 30 4606 7002 8440 1,4 1,18 3906 6151 6944 2749 4952 6564 50 9715 14319 17290 1,4 1,1 10430 11562 14137 7003 11358 15322 100 29230 41228 49902 1,4 1,1 34715 32295 44929 23374 33642 46496 200 97160 131970 160075 1,4 1,1 112204 99028 116675 77171 95834 138989 M3-10 327 517 622 1,55 1,26 295 345 397 180 300 328 20 806 1230 1483 1,4 1,22 717 1078 1282 480 828 1004 30 1428 2126 2566 1,4 1,18 1446 2163 2640 995 1688 1923 50 3107 4474 5409 1,4 1,1 3893 3967 5381 2523 4120 4942 100 9836 13577 16453 1,4 1,1 13001 10673 15646 8454 11015 15141 200 34153 45656 55432 1,4 1,1 38321 30449 39582 29469 32327 47107 LM1-2010 vs. Simuloitu liikenne ennen muutosta 4- kaistainen

Liite 1 /3 (6) 2-kaistaiset; MUUTOKSEN JÄLKEEN; characteristic L (m) V1 V12 V123 V1 V12 V1 V12 V1 V12 LM1 LM1 LM1 Dyn. Dyn. Free Free Traffic Traffic fac Fac flowing flowing jam jam Q Q 10 873 1348 1624 1 1 885 1351 767 1265 20 1145 1697 2048 1 1 1359 2203 1217 2001 30 1418 2045 2473 1 1 1660 2392 1722 2610 50 1950 2725 3300 1 1 2603 2681 2371 3860 100 3300 4450 5400 1 1 3388 3703 3935 6506 200 6000 7900 9600 1 1 3164 3413 6519 10907 M0 M0 10 1658 2632 3165 1,55 1,26 1734 2381 994 1637 20 4171 6426 7742 1,4 1,22 4171 6396 2929 4698 30 7360 11084 13369 1,4 1,18 9904 12941 6591 10154 50 15764 22990 27776 1,4 1,1 21142 22935 14454 24354 V0 V0 10 694 1104 1328 1,35 1,26 626 944 453 723 20 849 1308 1576 1,25 1,22 919 1391 700 1072 30 1005 1513 1825 1,2 1,18 1292 1552 866 1477 50 1271 1853 2239 1,2 1,1 1603 1761 1227 2049 V1 V1 10 298 484 582 1,35 1,26 265 318 179 289 20 351 558 671 1,25 1,22 314 362 226 331 30 391 612 737 1,2 1,18 377 455 262 411 50 465 708 853 1,2 1,1 516 651 393 554 M1+ M1+ 10 1339 2132 2564 1,55 1,26 1396 1580 812 1251 20 3347 5179 6237 1,4 1,22 3063 4838 2105 3773 30 5870 8883 10712 1,4 1,18 6934 9071 4261 7495 50 12453 18257 22051 1,4 1,1 16617 18660 10635 19442 100 37880 53147 64349 1,4 1,1 54061 47713 36338 58747 M1- M1-10 366 578 695 1,55 1,26 397 443 236 377 20 908 1382 1666 1,4 1,22 1126 1266 718 1213 30 1615 2398 2894 1,4 1,18 2291 2758 1516 2561 50 3529 5067 6127 1,4 1,1 5269 5638 3970 6470 100 11250 15490 18774 1,4 1,1 16452 13598 14471 23582 M2 M2 10 900 1369 1651 1,55 1,26 1368 1544 789 1300 20 2485 3621 4375 1,4 1,22 3609 4052 2455 3932 30 4738 6723 8135 1,4 1,18 8069 6919 4903 8244 50 11250 15490 18774 1,4 1,1 15552 13843 12848 20586 100 39267 52405 63630 1,4 1,1 34129 31514 43535 71068 M3+ M3+ 10 1041 1661 1997 1,55 1,26 1086 1120 610 962 20 2629 4082 4915 1,4 1,22 2483 3539 1591 2840 30 4606 7002 8440 1,4 1,18 5451 7380 3622 5271 50 9715 14319 17290 1,4 1,1 11758 14476 8482 14188 100 29230 41228 49902 1,4 1,1 39917 38982 27240 44817 200 97160 131970 160075 1,4 1,1 120328 103496 91315 140051 M3- M3-10 327 517 622 1,55 1,26 384 312 230 322 20 806 1230 1483 1,4 1,22 957 1103 593 982 30 1428 2126 2566 1,4 1,18 2103 2338 1294 2116 50 3107 4474 5409 1,4 1,1 4445 5102 3056 5370 100 9836 13577 16453 1,4 1,1 14256 12049 11330 18397 200 34153 45656 55432 1,4 1,1 33452 29599 37551 59618 LM1-2010 vs. Simuloitu liikenne muutoksen jälkeen 2- kaistainen

Liite 1 / 4 (6) 4-kaistaiset; MUUTOKSEN JÄLKEEN; characteristic L (m) V1 V12 V123 V1 V12 V1 V12 V1234 V1 V12 V1234 LM1 LM1 LM1 Dyn. fac Dyn. fac Free flowing Free flowing Free flowing Traffic jam Traffic jam Traffic jam Q 10 873 1348 1624 1 1 748 1169 1475 706 1223 1640 20 1145 1697 2048 1 1 1198 1894 2089 1114 2015 2426 30 1418 2045 2473 1 1 1635 2145 2703 1456 2553 3142 50 1950 2725 3300 1 1 2324 2683 3731 2214 3249 4404 100 3300 4450 5400 1 1 4206 4233 4899 3717 4635 6661 200 6000 7900 9600 1 1 4108 4381 5484 6245 7038 10571 M0 10 1658 2632 3165 1,55 1,26 1476 2350 2447 874 1649 2086 20 4171 6426 7742 1,4 1,22 3908 6326 7282 2698 4729 6425 30 7360 11084 13369 1,4 1,18 7845 12579 13259 5516 10018 12824 50 15764 22990 27776 1,4 1,1 20028 23624 28471 13699 24470 31235 V0 10 694 1104 1328 1,35 1,26 599 963 1067 438 725 894 20 849 1308 1576 1,25 1,22 827 1277 1444 629 1044 1441 30 1005 1513 1825 1,2 1,18 1017 1634 1862 816 1391 1753 50 1271 1853 2239 1,2 1,1 1525 1724 2242 1178 1938 2277 V1 10 298 484 582 1,35 1,26 209 359 423 147 274 305 20 351 558 671 1,25 1,22 288 407 473 216 340 388 30 391 612 737 1,2 1,18 333 496 536 273 414 496 50 465 708 853 1,2 1,1 454 688 729 355 596 697 M1+ 10 1339 2132 2564 1,55 1,26 1128 1772 1774 683 1290 1471 20 3347 5179 6237 1,4 1,22 3028 4984 5149 2148 3503 5086 30 5870 8883 10712 1,4 1,18 5948 9104 10072 4138 7001 9995 50 12453 18257 22051 1,4 1,1 15355 17905 22405 10416 17197 23580 100 37880 53147 64349 1,4 1,1 51359 45167 62443 34108 52912 69598 M1-10 366 578 695 1,55 1,26 395 417 535 226 359 396 20 908 1382 1666 1,4 1,22 940 1394 1602 663 1136 1324 30 1615 2398 2894 1,4 1,18 1918 2833 3183 1328 2389 2902 50 3529 5067 6127 1,4 1,1 5248 5059 6994 3281 5622 6431 100 11250 15490 18774 1,4 1,1 17935 15331 20627 11737 14327 21580 M2 10 900 1369 1651 1,55 1,26 1132 1695 1787 702 1290 1629 20 2485 3621 4375 1,4 1,22 3385 4204 5404 2269 3826 5312 30 4738 6723 8135 1,4 1,18 6923 6206 9823 4534 8122 9703 50 11250 15490 18774 1,4 1,1 17552 13771 18804 11613 16029 22032 100 39267 52405 63630 1,4 1,1 37993 34528 47107 39326 48296 69631 M3+ 10 1041 1661 1997 1,55 1,26 838 1244 1383 526 979 1160 20 2629 4082 4915 1,4 1,22 2298 3495 3695 1545 2654 3382 30 4606 7002 8440 1,4 1,18 4408 6911 7854 3104 5595 7380 50 9715 14319 17290 1,4 1,1 11898 12988 15916 7910 12716 17308 100 29230 41228 49902 1,4 1,1 39353 36599 51137 26457 37961 52726 200 97160 131970 160075 1,4 1,1 126574 111574 132541 87514 108881 156954 M3-10 327 517 622 1,55 1,26 337 398 447 197 333 360 20 806 1230 1483 1,4 1,22 820 1223 1427 549 945 1146 30 1428 2126 2566 1,4 1,18 1629 2428 2951 1140 1879 2160 50 3107 4474 5409 1,4 1,1 4369 4483 6127 2899 4682 5590 100 9836 13577 16453 1,4 1,1 14577 11980 17798 9506 12545 17181 200 34153 45656 55432 1,4 1,1 43376 34463 44793 33322 36383 53022 LM1-2010 vs. Simuloitu liikenne muutoksen jälkeen 4- kaistainen

Liite 1 /5 (6) 2-kaistaiset; MUUTOKSEN JÄLKEEN; characteristic L (m) V1 V12 V123 V1 V12 V1 V12 V1 V12 LM1 LM1 LM1 Dyn. Dyn. Free Free Traffic Traffic fac Fac flowing flowing jam jam Q Q 10 873 1655 1745 1 1 885 1351 767 1265 20 1145 2109 2291 1 1 1359 2203 1217 2001 30 1418 2564 2836 1 1 1660 2392 1722 2610 50 1950 3450 3900 1 1 2603 2681 2371 3860 100 3300 5700 6600 1 1 3388 3703 3935 6506 200 6000 10200 12000 1 1 3164 3413 6519 10907 M0 M0 10 1658 3203 3316 1,55 1,26 1734 2381 994 1637 20 4171 7892 8342 1,4 1,22 4171 6396 2929 4698 30 7360 13707 14720 1,4 1,18 9904 12941 6591 10154 50 15764 28714 31530 1,4 1,1 21142 22935 14454 24354 V0 V0 10 694 1343 1389 1,35 1,26 626 944 453 723 20 849 1607 1697 1,25 1,22 919 1391 700 1072 30 1005 1871 2010 1,2 1,18 1292 1552 866 1477 50 1271 2314 2541 1,2 1,1 1603 1761 1227 2049 V1 V1 10 298 585 597 1,35 1,26 265 318 179 289 20 351 679 702 1,25 1,22 314 362 226 331 30 391 748 783 1,2 1,18 377 455 262 411 50 465 872 930 1,2 1,1 516 651 393 554 M1+ M1+ 10 1339 2593 2678 1,55 1,26 1396 1580 812 1251 20 3347 6351 6694 1,4 1,22 3063 4838 2105 3773 30 5870 10968 11739 1,4 1,18 6934 9071 4261 7495 50 12453 22765 24905 1,4 1,1 16617 18660 10635 19442 100 37880 67204 75768 1,4 1,1 54061 47713 36338 58747 M1- M1-10 366 704 732 1,55 1,26 397 443 236 377 20 908 1703 1815 1,4 1,22 1126 1266 718 1213 30 1615 2978 3229 1,4 1,18 2291 2758 1516 2561 50 3529 6360 7058 1,4 1,1 5269 5638 3970 6470 100 11250 19705 22499 1,4 1,1 16452 13598 14471 23582 M2 M2 10 900 1688 1800 1,55 1,26 1368 1544 789 1300 20 2485 4524 4971 1,4 1,22 3609 4052 2455 3932 30 4738 8470 9476 1,4 1,18 8069 6919 4903 8244 50 11250 19705 22499 1,4 1,1 15552 13843 12848 20586 100 39267 67356 78531 1,4 1,1 34129 31514 43535 71068 M3+ M3+ 10 1041 2019 2083 1,55 1,26 1086 1120 610 962 20 2629 5001 5257 1,4 1,22 2483 3539 1591 2840 30 4606 8633 9211 1,4 1,18 5451 7380 3622 5271 50 9715 17825 19431 1,4 1,1 11758 14476 8482 14188 100 29230 52043 58464 1,4 1,1 39917 38982 27240 44817 200 97160 168635 194315 1,4 1,1 120328 103496 91315 140051 M3- M3-10 327 630 654 1,55 1,26 384 312 230 322 20 806 1515 1612 1,4 1,22 957 1103 593 982 30 1428 2639 2856 1,4 1,18 2103 2338 1294 2116 50 3107 5611 6214 1,4 1,1 4445 5102 3056 5370 100 9836 17258 19673 1,4 1,1 14256 12049 11330 18397 200 34153 58651 68308 1,4 1,1 33452 29599 37551 59618 LM1-2014 vs. Simuloitu liikenne muutoksen jälkeen 2- kaistainen

Liite 1 / 6 (6) 4-kaistaiset; MUUTOKSEN JÄLKEEN; characteristic L (m) V1 V12 V123 V1 V12 V1 V12 V1234 V1 V12 V1234 LM1 LM1 LM1 Dyn. fac Dyn. fac Free flowing Free flowing Free flowing Traffic jam Traffic jam Traffic jam Q 10 873 1655 1745 1 1 748 1169 1475 706 1223 1640 20 1145 2109 2291 1 1 1198 1894 2089 1114 2015 2426 30 1418 2564 2836 1 1 1635 2145 2703 1456 2553 3142 50 1950 3450 3900 1 1 2324 2683 3731 2214 3249 4404 100 3300 5700 6600 1 1 4206 4233 4899 3717 4635 6661 200 6000 10200 12000 1 1 4108 4381 5484 6245 7038 10571 M0 10 1658 3203 3316 1,55 1,26 1476 2350 2447 874 1649 2086 20 4171 7892 8342 1,4 1,22 3908 6326 7282 2698 4729 6425 30 7360 13707 14720 1,4 1,18 7845 12579 13259 5516 10018 12824 50 15764 28714 31530 1,4 1,1 20028 23624 28471 13699 24470 31235 V0 10 694 1343 1389 1,35 1,26 599 963 1067 438 725 894 20 849 1607 1697 1,25 1,22 827 1277 1444 629 1044 1441 30 1005 1871 2010 1,2 1,18 1017 1634 1862 816 1391 1753 50 1271 2314 2541 1,2 1,1 1525 1724 2242 1178 1938 2277 V1 10 298 585 597 1,35 1,26 209 359 423 147 274 305 20 351 679 702 1,25 1,22 288 407 473 216 340 388 30 391 748 783 1,2 1,18 333 496 536 273 414 496 50 465 872 930 1,2 1,1 454 688 729 355 596 697 M1+ 10 1339 2593 2678 1,55 1,26 1128 1772 1774 683 1290 1471 20 3347 6351 6694 1,4 1,22 3028 4984 5149 2148 3503 5086 30 5870 10968 11739 1,4 1,18 5948 9104 10072 4138 7001 9995 50 12453 22765 24905 1,4 1,1 15355 17905 22405 10416 17197 23580 100 37880 67204 75768 1,4 1,1 51359 45167 62443 34108 52912 69598 M1-10 366 704 732 1,55 1,26 395 417 535 226 359 396 20 908 1703 1815 1,4 1,22 940 1394 1602 663 1136 1324 30 1615 2978 3229 1,4 1,18 1918 2833 3183 1328 2389 2902 50 3529 6360 7058 1,4 1,1 5248 5059 6994 3281 5622 6431 100 11250 19705 22499 1,4 1,1 17935 15331 20627 11737 14327 21580 M2 10 900 1688 1800 1,55 1,26 1132 1695 1787 702 1290 1629 20 2485 4524 4971 1,4 1,22 3385 4204 5404 2269 3826 5312 30 4738 8470 9476 1,4 1,18 6923 6206 9823 4534 8122 9703 50 11250 19705 22499 1,4 1,1 17552 13771 18804 11613 16029 22032 100 39267 67356 78531 1,4 1,1 37993 34528 47107 39326 48296 69631 M3+ 10 1041 2019 2083 1,55 1,26 838 1244 1383 526 979 1160 20 2629 5001 5257 1,4 1,22 2298 3495 3695 1545 2654 3382 30 4606 8633 9211 1,4 1,18 4408 6911 7854 3104 5595 7380 50 9715 17825 19431 1,4 1,1 11898 12988 15916 7910 12716 17308 100 29230 52043 58464 1,4 1,1 39353 36599 51137 26457 37961 52726 200 97160 168635 194315 1,4 1,1 126574 111574 132541 87514 108881 156954 M3-10 327 630 654 1,55 1,26 337 398 447 197 333 360 20 806 1515 1612 1,4 1,22 820 1223 1427 549 945 1146 30 1428 2639 2856 1,4 1,18 1629 2428 2951 1140 1879 2160 50 3107 5611 6214 1,4 1,1 4369 4483 6127 2899 4682 5590 100 9836 17258 19673 1,4 1,1 14577 11980 17798 9506 12545 17181 200 34153 58651 68308 1,4 1,1 43376 34463 44793 33322 36383 53022 LM1-2014 vs. Simuloitu liikenne muutoksen jälkeen 4- kaistainen

Liite 2 /1 (6) Tukireaktioiden arviointi Yksi kaista: L 10 20 30 50 φ 1,35 1,25 1,2 1,2 FREQ φ = 1 328 477 612 841 V0 φ = φ 443 596 735 1010 CHAR φ = 1 464 735 1077 1336 φ = φ 626 919 1292 1603 FREQ φ = 1 261 402 526 752 Q φ = φ 280 416 541 752 CHAR φ = 1 383 609 861 1185 φ = φ 442 680 861 1302 LM1 FREQ 473 541 608 715 CHAR 694 849 1005 1271 Yksiaukkoisen palkin tukireaktion ominaisarvot jännemitan funktiona, 1-kaista Yksiaukkoisen palkin tukireaktion tavalliset arvot jännemitan funktiona, 1-kaista

Liite 2 / 2 (6) M0 Q LM1 L 5 10 15 25 φ 1,35 1,35 1,3 1,22 FREQ φ =1 362 473 656 1000 φ = φ 489 638 852 1220 CHAR φ = 1 570 686 1128 1539 φ = φ 770 926 1466 1877 FREQ φ =1 325 501 656 939 φ = φ 350 519 679 939 CHAR φ = 1 479 760 1074 1479 φ = φ 552 848 1109 1624 FREQ 507 581 650 786 CHAR 755 932 1103 1442 Kaksiaukkoisen palkin välituen tukireaktion ominaisarvot jännemitan funktiona, 1- kaista Kaksiaukkoisen palkin tukireaktion tavalliset arvot jännemitan funktiona, 1-kaista

Liite 2 /3 (6) Kaksi kaistaa: V0 Q LM1 L 10 20 30 50 φ 1,26 1,22 1,18 1,1 FREQ φ = 1 393 601 787 1113 φ = φ 474 654 811 1113 CHAR φ = 1 765 1140 1477 2049 φ = φ 963 1391 1634 2049 FREQ φ = 1 342 543 705 1002 φ = φ 342 543 705 1002 CHAR φ = 1 632 1007 1305 1930 φ = φ 676 1101 1305 1930 FREQ 928 1046 1160 1338 CHAR 1343 1607 1871 2314 Yksiaukkoisen palkin tukireaktion ominaisarvot jännemitan funktiona, 2-kaistaa Yksiaukkoisen palkin tukireaktion tavalliset arvot jännemitan funktiona, 2-kaistaa

Liite 2 / 4 (6) M0 Q LM1 L 5 10 15 25 φ 1,26 1,26 1,24 1,2 FREQ φ =1 404 619 820 1192 φ = φ 477 669 834 1192 CHAR φ = 1 839 1127 1545 2173 φ = φ 1057 1420 1915 2173 FREQ φ =1 426 678 886 1205 φ = φ 426 678 886 1205 CHAR φ = 1 789 1257 1643 2231 φ = φ 843 1374 1796 2231 FREQ 992 1117 1232 1459 CHAR 1454 1752 2037 2602 Kaksiaukkoisen palkin välituen tukireaktion ominaisarvot jännemitan funktiona, 2- kaistaa Kaksiaukkoisen palkin tukireaktion tavalliset arvot jännemitan funktiona, 2-kaistaa

Liite 2 /5 (6) Kolme kaistaa: L 10 20 30 50 φ 1,26 1,22 1,18 1,1 FREQ φ = 1 458 696 909 1279 V0 φ = φ 570 818 1001 1279 CHAR φ = 1 894 1441 1753 2277 φ = φ 1067 1444 1862 2277 FREQ φ = 1 400 631 826 1157 Q φ = φ 400 631 826 1157 CHAR φ = 1 820 1213 1571 2202 φ = φ 820 1213 1571 2202 LM1 FREQ 946 1082 1216 1429 CHAR 1389 1697 2010 2541 Yksiaukkoisen palkin tukireaktion ominaisarvot jännemitan funktiona, 3-kaistaa Yksiaukkoisen palkin tukireaktion tavalliset arvot jännemitan funktiona, 2-kaistaa

Liite 2 / 6 (6) M0 Q LM1 L 5 10 15 25 φ 1,26 1,26 1,24 1,2 FREQ φ =1 471 725 967 1377 φ = φ 587 846 1067 1377 CHAR φ = 1 926 1426 1898 2774 φ = φ 1087 1617 1962 2774 FREQ φ =1 499 787 1030 1412 φ = φ 499 787 1030 1444 CHAR φ = 1 1024 1514 1979 2748 φ = φ 1024 1514 1979 2748 FREQ 1015 1162 1300 1572 CHAR 1511 1865 2205 2883 Kaksiaukkoisen palkin välituen tukireaktion ominaisarvot jännemitan funktiona, 3- kaistaa Kaksiaukkoisen palkin tukireaktion tavalliset arvot jännemitan funktiona, 3-kaistaa

ISSN-L 1798-6656 ISSN 1798-6664 ISBN 978-952-317-226-5 www.liikennevirasto.fi Luonnos 17.2.2016