Kaukoliikenteen henkilojunien jarrutuskykyvaatimusten tarkastaminen
Bibliographic record
Abstract
Työn tavoitteena oli tutkia Suomen rataverkolla liikennöivien kaukoliikenteen henkilöjunien jarrutuskykyvaatimusten päivittämistä. Työssä esitellään tämänhetkiset vaatimukset ja lasketaan uudet arvot vaaditulle jarrutuskyvylle. Tämänhetkisten vaatimusten pohjalla olevia laskelmia on aikanaan dokumentoitu hatarasti. Yksi työn pääpainoista oli koota yhteen tärkeimmät jarrutuskykylaskelmiin liittyvät menetelmät, kaavat ja parametrit sekä selvittää jarrutuskykyvaatimusten päivittämisen vaikutuksia. Jarrutuskykyvaatimusten määrittelyn pohjana on jarrutusmatkan laskeminen kaluston ja ympäristön ominaisuudet huomioiden. Junan jarrutuskyvyn täytyy olla niin suuri, että tietty maksimijarrutusmatka ei ylity. Jarrutuskykyvaatimuksilla on merkitystä erityisesti poikkeustilanteissa, joissa osa kaluston jarruista on toimintakyvyttömiä. Tällöin nykyisin voimassa olevat vaatimukset rajoittavat junan suurimman sallitun nopeuden huomattavasti kaluston rakenteellista huippunopeutta alhaisemmaksi. \n \nUudet vaatimukset laskettiin käyttämällä viittä eri laskentamenetelmää. JKV- ja ETCS-menetelmät ovat vastaavannimisten kulunvalvontalaitteistojen käyttämiä laskenta-algoritmeja. Lisäksi työn yhteydessä laadittiin uusi laskentamenetelmä fysikaalisten kaavojen ja kirjallisuuden pohjalta. Jarrutustapahtumaan liittyvien ilmiöiden tarkempaa tutkimista varten työssä laadittiin myös simulaatiomalli. Viides laskentamenetelmä, Mindenin kaava, jätettiin lopulta tarkastelun ulkopuolelle, sillä se ei sovellu yli 160 km/h nopeuksille. Näitä neljää menetelmää käyttäen laskettiin vaadittu minimijarrutuskyky lähtönopeuden funktiona siten, ettei jarrutusmatka koskaan ylitä 2400 m tai 3600 m. Nämä matkat perustuvat tiedonsiirtoetäisyyksiin, joilla nykyisin käytössä oleva JKV-kulunvalvontajärjestelmä lähettää junille tietoa. Jarrutustapahtuman ulkoiset parametrit määriteltiin vastaamaan huonointa mahdollista tilannetta jarrujen kannalta. Näihin parametreihin sisältyy muun muassa jyrkin mahdollinen lasku sekä huono kitkakerroin kisko–pyörärajapinnassa. Uudet arvot laskettiin nopeusalueella 110...220 km/h 10 km/h välein, sillä tavarajunat sekä muut korkeintaan 100 km/h nopeudella kulkevat junat rajattiin tutkimusalueen ulkopuolelle. \n \nTyö antaa perustan jarrutuskykyvaatimusten päivittämiselle. Käytössä olevat vaatimukset osoittautuivat laskelmissa paljon tarvittua korkeammiksi. Työssä annetaan neljä erilaista ehdotusta uusiksi vaatimuksiksi sekä pohditaan niiden tuomia hyötyjä ja haittoja. Ennen mahdollista virallistamista tulisi vielä tehdä kattava kustannushyötyanalyysi työssä esitetyille vaihtoehdoille. Suurin osa työssä annetuista vaihtoehdoista edellyttää myös muita selvityksiä koskien rataverkon varustusta, kuljettajien koulutuksen järjestämistä ja laskennan tulosten validointia teoreettisesti sekä koeajojen avulla.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.007 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".