Övervakning och identifiering av partikelutsläpp från tåg i tunnlar

Partiklar som släpps ut från tåg påverkar människors hälsa och miljön. Utsläppsnivåerna i tunnlar är särskilt kritiska och påverkas av faktorer som tågets typ, hastighet, massa med mera. Vilken typ av tåg orsakar de högsta utsläppen?

På uppdrag av ÖBB, Österrikes största järnvägsinfrastrukturförvaltare, forskar Tekniska universitetet i Graz kring luftföroreningar och partikelutsläpp från olika tåg. Dewesoft bidrog med miljöövervakning och identifierade tågen baserat på deras egenskaper.

Forskningsprojektet vid ITNA, universitetets institut för termodynamik och hållbara framdrivningssystem, syftar till att besvara två frågor:

• Hur mycket föroreningar per kilometer orsakas av olika tågsorter?

• Eftersom mycket telekommunikationsutrustning finns i tunnlar: vilken är den förväntade livslängden för luftfilter?

Partikelutsläpp från tåg

Tåg som rullar på räls orsakar att damm, partiklar och avgaser från tågets motor sprids i luften. Dessa kan inkludera partiklar som sot och rök samt olika gaser som kväveoxider och svaveldioxid. Vilka partiklar som bildas beror på bränsletyp, spårförhållanden och den omgivande miljön.

Med en längd på nästan 16 km är Münsterertunneln för närvarande den längsta tunneln i Österrike. ITNA valde denna dubbelspåriga tunnel för studien eftersom den relativt moderna infrastrukturen möjliggör tåghastigheter på 200 km/h eller mer.

Partiklar från tåg kan ha negativa effekter på både människors hälsa och miljön. Personer som bor eller arbetar nära järnvägsspår eller i områden med intensiv tågtrafik löper ökad risk att exponeras för partiklar, vilket kan orsaka andningsproblem som astma och bronkit. Långvarig exponering kan även öka risken för hjärtsjukdomar och lungcancer.

Partiklar och andra föroreningar bidrar också till smog och surt regn, vilket skadar växter och djur samt påverkar mark- och vattenkvalitet. Trots detta är tåg fortfarande ett mer miljövänligt och energieffektivt transportmedel jämfört med bilar och lastbilar.

Höga nivåer av partiklar (PM) och kväveoxider (NOx) förekommer nära järnvägsstationer och spår i många städer världen över. Studier i USA visar högre nivåer i städer som Chicago, New York och Los Angeles. Liknande resultat har observerats i europeiska städer som London, Paris och Berlin.

I tunnlar uppstår särskilda utmaningar eftersom bristande ventilation kan leda till ansamling av föroreningar. Detta är särskilt problematiskt i områden med många tunnlar, såsom bergsregioner eller tätbefolkade städer, till exempel i Alperna eller Hongkongs tunnelbana.

I januari 2023 visade mätningar från Köpenhamns universitet att koncentrationen av skadliga partiklar i stadens elektriska tunnelbana är 10 till 20 gånger högre än på den mest förorenade gatan i Köpenhamn.

Regler och standarder

Det finns regler och standarder för att begränsa partikelutsläpp från tåg, inklusive utsläppsgränser fastställda av myndigheter.

Österrike och andra EU-länder följer EU:s regelverk för partikelutsläpp från tåg. Det federala ministeriet för hållbarhet och turism (BMNT) samt miljömyndigheten Umweltbundesamt (UBA) ansvarar för att dessa regler efterlevs.

EU har fastställt standarder inom ramen för Technical Standards for Interoperability (TSI), som definierar gränsvärden för olika föroreningar, inklusive partiklar, kväveoxider och svaveldioxid. Dessa gäller nya fordon och motorer, inklusive tåg.

I USA fastställer Environmental Protection Agency (EPA) utsläppsstandarder för olika fordonstyper, inklusive tåg. Kraven varierar beroende på tågets typ, motor och bränsle.

Federal Railroad Administration (FRA) ansvarar för att säkerställa att dessa standarder följs och fastställer även säkerhetskrav som kan påverka utsläppen.

Utsläppsövervakning och mätning

Övervakning av partikelhalter i tågtunnlar är avgörande för att skydda arbetsmiljön för järnvägspersonal, hälsan hos passagerare och närboende samt för att uppfylla luftkvalitetskrav.

Omgivningsluften används för att kyla järnvägsinfrastrukturens elektronik. När ett tåg passerar uppstår friktion mellan stålrälsen och tåghjulen, vilket skapar slitagepartiklar och fint damm som virvlar upp. Detta damm är särskilt skadligt för elektronik.

Järnvägsoperatörer installerar filter, men erfarenheten visar att dessa behöver bytas oftare än i andra miljöer. ITNA-teamet ville därför genomföra en djupgående analys för att studera luftföroreningarna och fastställa behovet av filterbyten.

Metoder för att mäta eller uppskatta partikelutsläpp från tåg inkluderar mätningar ombord, fjärranalys, provtagning för laboratorieanalys samt emissionsmodellering. Regelverk anger ofta vilka metoder som ska användas.

Sensorsystem för partikelmätning

Partikelhalter i tunnlar mäts vanligtvis med luftkvalitetsutrustning installerad i eller nära tunnlar. Flera typer av sensorer används:

ITNA-teamet använde en specialiserad sensor för partikelmätning. Förenklat pressas omgivningsluften genom ett tunt rör där sensorn räknar partiklar och bestämmer deras storlek.

Vilka sensorer som används beror på metod, utrustning, vilka föroreningar som mäts samt gällande standarder. Exempel:

• Partikelsensorer (PM), som mäter koncentrationen av partiklar i luften, till exempel laserbaserade sensorer och elektrisk mobilitetsbaserade sensorer.

• Gassensorer, som mäter halter av gaser som kväveoxider och svaveldioxid.

• Optiska sensorer, som detekterar partiklar genom ljusspridning eller absorption.

• Temperatur- och fuktsensorer, som mäter faktorer som påverkar hur partiklar sprids.

Flera faktorer påverkar partikelutsläpp:

• Bränsletyp, till exempel diesel eller el.

• Tågets ålder och underhåll.

• Tågets hastighet.

• Spårens skick.

• Väderförhållanden.

• Omgivande miljö.

Identifiering av tågtyp

Tågens konstruktion påverkar utsläppen:

• Aerodynamik, mer strömlinjeformade tåg ger lägre utsläpp.

• Rullmotstånd, beroende på hjul och räls.

• Vikt, lättare tåg ger lägre energiförbrukning.

• Bränsletyp, el och vätgas ger lägre utsläpp än diesel.

• Utsläppskontrollsystem, till exempel partikelfilter och katalytisk rening.

Dewesofts lösning

Under mätperioden, som varade i flera månader, passerade många olika typer av tåg. Av säkerhetsskäl var det inte möjligt att få tillgång till operatörens interna databas, så identifieringen gjordes med Dewesofts datainsamlingssystem genom att mäta:

• axelavstånd,

• hastighet,

• uppskattad massa för att identifiera tågtyp, till exempel Intercity, Eurocity, Railjet, Cargo eller Nightjet,

• lufttryck.

Mätningarna utfördes med sex kvartbryggkopplade töjningsgivare monterade på olika platser på rälsens undersida, tre i varje riktning. Eftersom DEWE-43A användes som datainsamlingssystem krävdes externa bryggadaptrar för att ansluta sensorerna.

Senare i projektet lade ITNA-teamet till två ytterligare trycksensorer. Teamet monterade också kameror på båda sidor av tunneln för att visuellt verifiera den matematiska identifieringen av tågtyper. Data från en väderstation visade vindhastighet, temperatur och luftfuktighet.

Systeminstallation

Under installationen stängdes tunnelspåren för all trafik. Våra team nådde kopplingsskåpet genom att köra via en av sidotunnlarna som används för service. En person från ÖBB:s personal var alltid närvarande för att säkerställa vår säkerhet. Trots att tunneln inte var särskilt gammal märkte vi det typiska svarta dammet överallt när vi drog ut kablarna.

Moderna järnvägstunnlar innehåller mycket telekommunikationsutrustning som kräver tillförlitlig drift, vilket i sin tur ställer krav på effektiv luftfiltrering och optimala serviceintervall för filtren. Vi blev något överraskade över att våra mobiltelefoner hade konstant och full LTE-täckning i tunneln.

Kablarna vi behövde fanns redan på plats i rätt längder. Därefter bestämde vi var sensorerna skulle monteras på rälsen. Vi slipade försiktigt små ytor på rälsens undersida för att få en jämnare yta.

Dessa ytor rengjordes kemiskt med lämplig alkohol, och töjningsgivarna limmades fast med ett cyanoakrylatbaserat lim. Efter att skyddsfilmen applicerats avlastades kablarna från dragspänning, och mätpunkterna var klara.

Lastmätningar

När ett tåg passerar trycker hjulen ner rälsen och töjningsgivarna genererar en liten signal. Vi genomförde de första mätningarna med hög samplingsfrekvens för att få en övergripande bild. Det visade att en samplingsfrekvens på cirka 300 Hz var det minimum som krävdes för att undvika signaldeformation. Eftersom mätningen pågick i flera månader behövde vi definiera triggerförhållanden för att endast registrera data när något faktiskt inträffade.

Inställning av triggernivå

Kvartbryggkopplade töjningsgivare är enkla att installera och används ofta, men har nackdelen att de är känsliga för temperaturförändringar. Man skulle kunna tro att temperaturen i tunneln är konstant, men även små variationer påverkar sensorerna.

Det visade sig att en fast triggernivå inte var tillräcklig och ledde till falska larm. Vid låg lutning förändras signalen gradvis, vilket gör det svårt att definiera en trigger baserad på nivåpassage, se den rosa kurvan i figur 6.

DewesoftX erbjuder en rad matematiska bearbetningsfunktioner, såsom formler, filter och latch-funktioner. För att öka signalens lutning genomförde vi tester med derivatberäkningar.

Det bästa resultatet uppnåddes genom att använda en dubbel derivatprocess i kombination med ett 30 Hz-filter och en nivådetektering. Efter att ha sparat ett dataset kunde vi i efterbearbetning justera triggernivåerna så att de fungerade för alla typer av tåg. I figur 6 visar den blå kurvan en stabil triggersignal {0,1}, där alla töjningsgivare är logiskt OR-kopplade.

I triggerinställningarna använde vi både pre- och post-trigger. Om post-triggertiden löpte ut men tåget var längre än förväntat kunde vi ändå fånga all data genom att använda funktionen ”Post time extension”. När triggern är aktiv fortsätter systemet att lyssna efter nya triggerhändelser och lägger till post-triggertid efter den sista händelsen. På så sätt säkerställde vi att varje tåg resulterade i en separat datafil.

Identifiering av tåg via pulsprofil

Figur 7 visar mätningen av ett tåg som passerar på spår 4, där den ljusgröna kurvan representerar signalen från töjningsgivaren. Det första pulspaketet har högre amplitud än de efterföljande, vilket indikerar att ett lok drog sju vagnar. Varje vagn har en boggi med två axlar, vilket syns som snabba dubbelpulser, vilket tyder på att det är ett passagerartåg. Med hänsyn till hastigheten rör det sig om ett Railjet-tåg.

Den gula kurvan ovanför visar signalen från trycksensorn. När tåget anländer sker en abrupt tryckökning, följt av ett långvarigt undertryck orsakat av en sugeffekt. Ett snabbt passerande tåg kan dra med sig personer eller föremål som befinner sig för nära spåret.

Tryckskillnaden uppgår till 1000 Pa. Som jämförelse anger standarder att tryckskillnaden mellan två angränsande rum inte bör överstiga 50 Pa för att en dörr ska kunna öppnas av en person, vilket motsvarar en öppningskraft under 100 N.

Början och slutet av den gula kurvan visar att undertrycket kvarstår en tid efter att tåget har passerat. Tunneln behöver återfyllas med luft, men fungerar samtidigt som ett motstånd mot luftflödet. Den kan liknas vid ett sugrör i jämförelse med omgivningen utanför.

Den ljusblå kurvan längst ner visar signalen från trycksensorn på det andra spåret. Denna tryckkurva liknar den gula, men saknar den initiala korta toppen.

Tekniska universitetet i Graz exporterar de uppmätta data till Matlab, där de redan har utvecklat skript för att bestämma hastighet, tågtyp med mera, samt för att korrelera detta med luftföroreningar.

Slutsats

Den 16 km långa tunneln gav en homogen mätmiljö utan påverkan från vind, regn, snö eller andra utsläppskällor såsom trafikavgaser, industriföroreningar eller uppvärmning från hushåll.

ITNA:s forskningsprojekt pågår fortfarande men har redan lett till vissa preliminära och delvisa resultat.

Man skulle kunna anta att ett tungt godståg orsakar de högsta utsläppen. Samtidigt kör passagerartåg i betydligt högre hastigheter och virvlar därmed upp stora mängder damm. Universitetets personal observerade även skillnader mellan tunnlar med enkelriktad respektive dubbelriktad trafik, eftersom tillförseln av frisk luft sker på olika sätt.

Axelavstånden varierar mellan olika tågtyper, såsom passagerar- och godståg, eftersom boggierna inte är standardiserade. Dessa skillnader gör den matematiska identifieringen något mer komplex än förväntat.

”Systemet fungerar stabilt. Vi har inte haft några problem hittills,” säger Philip Leonhardt, forskningsassistent vid ITNA. ”Vi använder inte Dewesoft dagligen, så jag känner inte till alla funktioner. De största fördelarna är enkel installation, snabb sensorkonfiguration och tillförlitliga mätdata.”