Filtern
Dokumenttyp
Schlagworte
- Accident (1)
- Analyse (math) (1)
- Analysis (math) (1)
- Before and after study (1)
- Berechnung (1)
- Calculation (1)
- Conference (1)
- Data acquisition (1)
- Data bank (1)
- Datenbank (1)
- Datenerfassung (1)
- Decke (Straße) (1)
- Deckenerneuerung (1)
- Decrease (1)
- Deutschland (1)
- Emission (1)
- Fahrzeug (1)
- Feinstaub (1)
- Forschungsbericht (1)
- Germany (1)
- Geschwindigkeit (1)
- Immission (1)
- Improvement (1)
- Konferenz (1)
- Koordinierte Signalsteuerung (1)
- Linked signals (1)
- Mathematical model (1)
- Measurement (1)
- Messung (1)
- Method (1)
- Oberfläche (1)
- Particulate matter (1)
- Pollutant (1)
- Pollution (1)
- Pollution concentration (1)
- Rechenmodell (1)
- Research report (1)
- Resurfacing (1)
- Schadstoff (1)
- Speed (1)
- Stadt (1)
- Statistics (1)
- Statistik (1)
- Surface (1)
- Surfacing (1)
- Traffic (1)
- Traffic flow (1)
- Traffic signal control systems (1)
- Unfall (1)
- Urban area (1)
- Vehicle (1)
- Verbesserung (1)
- Verfahren (1)
- Verkehr (1)
- Verkehrsfluss (1)
- Verminderung (1)
- Vorher Nachher Untersuchung (1)
- Weather (1)
- Witterung (1)
Auf Basis von Immissionsmessdaten an 8 Straßenabschnitten wurde die Wirkung von potenziellen PM10-Minderungsmaßnahmen (Temporeduzierung, Verbesserung des Verkehrsflusses, Verbesserung des Fahrbahnzustandes) beziehungsweise der Einfluss meteorologischer Parameter auf die PM10-Konzentrationen beziehungsweise -Emissionen untersucht. Der Einfluss eines normgerechten Ausbaus einer innerstädtischen Bundesstraße mit Einrichtung einer "Grünen Welle" auf die PMx-Belastungen konnte im Feldversuch an der Bergstraße in Dresden untersucht werden. Dabei konnte nachgewiesen werden, dass sich der Verkehrsfluss nach dem Ausbau in beiden Richtungen deutlich verbessert hat. Stadtauswärts war vor dem Ausbau ein mäßiger Verkehrsfluss (Verkehrssituation nach Handbuch für Emissionsfaktoren = LSA2), stadteinwärts ein schlechter Verkehrsfluss zu verzeichnen gewesen. Nach dem Ausbau funktioniert stadtauswärts die Grüne Welle (HVS2), stadteinwärts gibt es Haltezeiten an den Lichtsignalanlagen, die den Verkehrsfluss im Allgemeinen nur gering beeinträchtigen (HVS2, LSA2). Die mittleren Fahrzeuggeschwindigkeiten lagen im Bereich der Messstelle vor dem Ausbau bei circa 30 km/h und nach dem Ausbau bei über 40 km/h. Es konnte eine PM10-Reduktion durch Verbesserung des Verkehrsflusses (Grüne Welle) trotz höherer Fahrzeuggeschwindigkeiten von circa 3pg/m3 (circa 35 Prozent der PM10-Zusatzbelastung) abgeleitet werden. Umfangreiche Datenauswertungen konnten für die B10 bei Karlsruhe, die Merseburger Straße in Halle und den Jagtvej in Kopenhagen in Verbindung mit jeweils repräsentativen Hintergrundmessstellen durchgeführt werden. Es konnten erwartungsgemäß deutliche Abhängigkeiten der PM10- und PM2.5-Konzentrationen von meteorologischen Parametern beobachtet werden. Dabei gibt es aber auch eine Vielzahl von Korrelationen der meteorologischen Kenngrößen untereinander, sodass aus der tendenziellen Abhängigkeit der Partikelbelastung von einer meteorologischen Kenngröße unmittelbar nicht auf dessen Ursache/Wirkungsbeziehung geschlossen werden kann. Die stärksten meteorologischen Einflüsse auf die PM10-Gesamtbelastungen gehen von den vertikalen Austauschbedingungen, von der Anzahl niederschlagsloser Tage seit dem letzten Niederschlagsereignis und der Windgeschwindigkeit aus. Die stärksten meteorologischen Einflüsse auf die PM10-Zusatzbelastungen gehen von der Windgeschwindigkeit und -richtung sowie von den Temperaturen aus. Bei den PM10-Emissionsfaktoren zeichnet sich zum Beispiel an der Merseburger Straße für die Werktage mit Niederschlag im Mittel ein circa 30 Prozent geringerer Wert ab als an den trockenen Werktagen. Diese Abnahme ist signifikant. Die PM10-Emissionsfaktoren an den ersten drei trockenen Tagen nach einem Niederschlagsereignis sind gleich, zeigen also keine Zunahme mit andauernder Trockenheit. Bei den PM2.5-Emissionen ist dieser Minderungseffekt durch Niederschlag nicht zu verzeichnen. Eine Bindung des Staubes im Straßenraum bei hoher Luftfeuchtigkeit konnte nicht festgestellt werden. Während die PM2.5-Emissionsfaktoren (weitestgehend Motoremissionen) unabhängig von der Jahreszeit sind, nimmt die Emission der Partikelfraktion PM2.5 bis PM10 im Winterhalbjahr deutlich (über 100 Prozent) zu. Ursachen könnten das Einbringen von Streugut und vermehrte Schmutzeinträge auf der Straße sein. Im Winterhalbjahr sind auch die PM10-Emissionsfaktoren, wie erwartet, von den Austauschbedingungen unabhängig und liegen jeweils deutlich (Faktor zwei) höher als im Sommerhalbjahr. Dieser Anstieg der PM10-Emissionen unter winterlichen Bedingungen könnte auch erklären, warum die PM10-Emissionsfaktoren im Unterschied zu PM2.5 bei niedrigen Tagesmitteltemperaturen deutlich höher sind als bei hohen Temperaturen. Der hohe Anstieg der PM10-Konzentrationen während (winterlicher) austauscharmer Inversionswetterlagen könnte somit sowohl von den schlechten Austauschbedingungen als auch von deutlich höheren nicht motorbedingten PM10-Emissionen beeinflusst sein. Derzeit laufen in parallelen Forschungsprojekten weitere Arbeiten, um den Erkenntnisstand bei der PM10-Emissionsmodellierung beziehungsweise bei der Bewertung von Minderungsmaßnahmen zu erhöhen. Es sollte einer separaten Auswertung vorbehalten sein, aus all diesen neuen Forschungsprojekten die Schlussfolgerungen für die zukünftige PM10-Modellierung zu ziehen.
In Germany, in-depth accident investigations are carried out in the Hannover area since 1973. In 1999 a second region was added with surveys in Dresden and the surrounding area. Internationally, the acronym GIDAS (German In-Depth Accident Study) is commonly used for these surveys. Compared to many other countries, the sample sizes of the GIDAS surveys are much larger. The goal is to collect 1.000 accidents involving personal injuries per year and region. Data collection takes place by using a sampling procedure, which can be interpreted as a two-stage process with time intervals as primary units and accidents as secondary units. An important question is, to what extend these samples are representative for the target population from which they are drawn. Analyses show, for example, that accidents with persons killed or seriously injured are overrepresented in the samples compared to accidents with slightly injured persons. This means, that these data are subject to biases due to uncontrolled variation of sample inclusion probability. Therefore, appropriate weighting and expansion methods have to be applied in order to adjust or correct for these biases. The contribution describes the statistical and methodological principles underlying the GIDAS surveys with respect to sampling procedure, data collection and expansion. In addition, some suggestions regarding potential improvements of study design are made from a methodological point of view.