Detailergebnis zu DOK-Nr. 73609
Numerische und experimentelle Vorhersagen der Auswirkungen von Fahrbahntexturen auf den Kraftstoffverbrauch von Fahrzeugen (Orig. engl.: Numerical and experimental predictions of pavement texture effects on vehicle fuel consumption)
| Autoren |
N. Thom H.J. Beckedahl D. Mansura |
|---|---|
| Sachgebiete |
11.1 Berechnung, Dimensionierung, Lebensdauer 14.0 Allgemeines (u.a. Energieverbrauch) 14.4 Fahrzeugeigenschaften (Achslasten, Reifen) |
TRA2018: Proceedings of 7th Transport Research Arena TRA 2018, April 16-19, 2018, Vienna, Austria. Wien: AustriaTech, 2018, USB-Stick, Paper No. 10306, 9 S., 4 B, 2 T, zahlr. Q
Um den Rollwiderstand zu überwinden, benötigt ein durchschnittliches Fahrzeug 119 Liter Kraftstoff pro Jahr. Dieser zu überwindende Rollwiderstand hängt einerseits von dem Fahrzeug selbst und andererseits von der Fahrbahn ab. Es lassen sich unter Umständen langfristige sozio-ökonomische Vorteile durch Veränderungen der Fahrbahnoberflächentextur erreichen, indem die damit verbundene Energieeinsparung dazu beiträgt, die angestrebten Klimaziele in Europa einzuhalten und somit nachhaltige Fahrbahnkonstruktionen zu fördern. In dem Konferenzbeitrag werden ein neu entwickeltes numerisches, dreidimensionales Multiskalenmodell, zwei experimentelle Laborversuche und ein experimenteller In-situ-Test vorgestellt. Sowohl das numerische Modell als auch die Tests dienen dazu, den Rollwiderstand infolge von Mikroverzerrungen als Reaktion auf das Eindringen der Gesteinskörnung in das viskoelastische Reifenprofil zu berechnen. Hierzu wurden zwei rechnerische und zwei experimentelle Näherungslösungen entwickelt. Die ermittelten Kontaktkräfte ergaben sich in realistischen Verteilungen und Größenordnungen. Es wurde ermittelt, dass der Rollwiderstand infolge von Mikroverzerrungen größer ist auf rauer beziehungsweise spärlich abgestreuten als auf einer ebeneren beziehungsweise gleichmäßig dicht abgestreuten Oberfläche. Betonfahrbahnen, deren Oberflächen einer Grooving-Maßnahme unterzogen werden, zeigen das höchste Energie-Einsparungspotenzial. Mithilfe von Experimenten wurden die rechnerischen Vorhersagen bestätigt.