Maatregelen ter verbetering van Bijlagen bij Inventarisatie van de externe veiligheid EV-risico s bij het vervoer van gevaarlijke stoffen

6

Maatregelen ter verbetering van Bijlagen bij “Inventarisatie van debij externe veiligheid EV-risico’s het vervoer van gevaarlijke stoffen”

2

hier in het klein de titel van de uitgave

3 Bijlage 4 bij “Inventarisatie EVrisico’s bij het vervoer van gevaarlijke stoffen” Gevoeligheidsanalyse

4

Bijlage 4 bij “Inventarisatie EV-risico’s bij het vervoer van gevaarlijke stoffen” - Gevoeligheidsanalyse

5

1 Inhoudsopgave 1. Gevoeligheidsanalyse

7

1.1 Overzicht onderwerpen gevoeligheidsanalyse

7

2

9

Gevoeligheidsanalyse transporthoeveelheden

2.1 Bandbreedte vervoer 2.2 Resultaten bandbreedte vervoer 3

Inhoudsopgave

Gevoeligheidsanalyse RO

9 9 11

3.1 Bandbreedte RO 3.2 Resultaten bandbreedte RO

11 12

4

Gevoeligheidsanalyse modellering

13

4.1 Ongevalsfrequenties stationslocaties 4.2 Plasbrand-model

13 17

5

21

Referenties

6


1

7 Gevoeligheidsanalyse 1.1 Overzicht onderwerpen gevoeligheidsanalyse Gevoeligheidsanalyses zijn nodig om de onzekerheid te kunnen aangeven waarmee het resultaat is omgeven. Deze analyses richten zich op factoren, waar de resultaten meer of minder gevoelig voor zijn. Om de toekomstige risico’s te kunnen inschatten is in ANKER de groei van het vervoer van gevaarlijke stoffen in beeld gebracht en zijn de ruimtelijke plannen geϊnventariseerd. Op basis van risicoberekeningen is vervolgens gekeken hoeveel en waar er aandachts- en knelpunten kunnen optreden (zie hoofdstuk 6). In een gevoeligheidsanalyse (paragraaf 2 en 3) zijn de consequenties onderzocht van de inschattingsonzekerheden over de vervoers- en ruimtelijke ontwikkelingen. Een praktisch probleem is dat risicoberekeningen op grond van verschillen in de toegepaste modelleringen geen eenduidige uitkomsten opleveren. Bij complexe stationslocaties kunnen ten opzichte van de vrije baan in verhoogde mate interacties optreden tussen doorgaande treinen met gevaarlijke stoffen en vertrekkend en aankomend reizigersmaterieel en rangeerdelen van reizigersmaterieel. In ANKER is voor complexe stationslocaties een van de vrije baan afwijkende ongevalfrequentie gehanteerd en is voor een aantal van de geïdentificeerde complexe locaties een significant hoog risico berekend. Hoe groot de toeslag voor de ongevalfrequentie bij complexe stationslocaties moet zijn, is onzeker. De gevoeligheid voor de gehanteerde waarde van de ongevalfrequentie is in paragraaf 4.1 van deze bijlage onderzocht. Op de onzekerheden in de beide meest bepalende modellen (plasbrand, BLEVE) wordt in paragraaf 4.2 en 4.3 van deze bijlage kort ingegaan. De resultaten voor spoor en water in hoofdstuk 5 van de “Inventarisatie van EV-risico’s bij het vervoer van gevaarlijke stoffen” laten zien dat de ligging van de relevante PR-10-5 en 10-6-contouren met name wordt bepaald door de categorie brandbare vloeistoffen. Het bepalende ongevalscenario is de plasbrand. Voor weg en spoor is voor het groepsrisico de categorie brandbare gassen en het ongevalscenario BLEVE bepalend.

Gevoeligheidsanalyse - Hoofdstuk 1

8


2

9 Gevoeligheidsanalyse transporthoeveelheden 2.1 Bandbreedte vervoer De toekomstige ontwikkeling van het vervoer van gevaarlijke stoffen is onzeker. Om daarmee rekening te houden wordt naast een inschatting van de meest aannemelijke ontwikkeling (centrale pad) ook een quasi ondergrens gehanteerd (geen vervoersgroei). Zo kan tevens worden gekeken welke invloed omgevingsontwikkelingen hebben op de risico’s van het vervoer van gevaarlijke stoffen. Voor de gevoeligheid boven het centrale pad wordt uitgegaan van een extra toename met 20% (hoge groei). Voor spoor is naast de marktprognose (centrale pad) uitsluitend een additionele toename van het spoorvervoer met 20% (hoge groei) verondersteld. Door de realisatie van de Betuwe- en Hanzelijn en de hiermee samenhangende wijzigingen in de vervoersstromen is het doorrekenen van een scenario enkel zonder groei niet mogelijk. De globale invloed van omgevingsontwikkelingen op de risico’s van het vervoer van gevaarlijke stoffen per spoor kan dus niet worden nagegaan.

2.2 Resultaten bandbreedte vervoer De resultaten voor de mogelijk geachte spreiding van het toekomstig vervoer zijn weergegeven in hoofdstuk 5 van de “Inventarisatie van EV-risico’s bij het vervoer van gevaarlijke stoffen”.

Gevoeligheidsanalyse transporthoeveelheden - Hoofdstuk 2

10


3

11 Gevoeligheidsanalyse RO 3.1 Bandbreedte RO Met de inventarisatie van RO-plannen (zie hoofdstuk 4.4 van de de “Inventarisatie van EV-risico’s bij het vervoer van gevaarlijke stoffen” en bijlage 2.2) is een goed beeld gekregen van de ruimtelijke ontwikkeling tot 2010. De Nieuwe Kaart van Nederland bevat plannen die door de gemeenten vrijwillig zijn aangemeld en is dus niet volledig. Er bestaat in Nederland geen ander actueel overzicht van voorgenomen bestemmingsplannen. Er kunnen dus plannen ontbreken. Daarnaast kunnen plannen niet doorgaan of gewijzigd worden. De plannen liggen dikwijls nog niet definitief vast en kunnen wat betreft ruimtebeslag en bevolkingsdichtheden nog variëren. Door de geïnventariseerde RO-plannen te vergelijken met andere studies zoals de “Ketenstudies”, KIEV, NSP en relevante MER-studies, en door de plannen voor te leggen aan gemeenten, provincies en Regionale Directies van Rijkswaterstaat, is getracht het overzicht zo compleet mogelijk te maken. Toch werken genoemde onzekerheden door in een onzekerheid over het toekomstige aantal knelpunten. Eerst is kwalitatief beoordeeld hoe en in welke mate deze factoren het geschatte aantal knelpunten kunnen beïnvloeden. Variatie in ruimtebeslag Voor de RO-plannen die niet bekend zijn, is het niet mogelijk een gevoeligheidsanalyse te maken. Immers alles wat betreft plaats en schaal is mogelijk. De variatie in het ruimtebeslag wordt gering geacht. In veel gevallen liggen de contouren van een bestemmingsplan wel vast. Het kan hooguit gaan om een uitbreiding met een extra strook of het niet gebruiken van een deel van het bestemmingsplan. Deze variatie is lastig kwantitatief om te zetten in aantallen knelpunten. Variatie in bevolkingsdichtheden Hoofdstuk 4.4 van de “Inventarisatie van EV-risico’s bij het vervoer van gevaarlijke stoffen” laat zien hoe de bevolkingsdichtheden voor de huidige en de toekomstige situatie bepaald zijn. In de onderliggende notities (bijlagen 1 en 2) is duidelijk gemaakt dat ondanks het gebruik van gedetailleerde bestanden voor de huidige situatie, zoals ACN en LISA, de uiteindelijke aanwezigheid in een bepaald gebied een grove benadering is van de werkelijke aanwezigheid op een specifiek tijdstip. Daarnaast is er onzekerheid door de wijze waarop de aanwezigheid in kaart wordt gebracht. In hoofdstuk 4.4 is aangegeven dat de benadering van TNO in de NSP- en KIEV-studies in het kader van een groepsrisicoberekening eigenlijk onjuist is: er worden bestemmingen in kaart gebracht en met gemiddelde aanwezigheidsfracties per type bestemming gerekend. De gevoeligheid voor de wijze van inventariseren is illustratief aangegeven door in de gevoeligheidsanalyse voor de huidige situatie een locatie door te rekenen met de gegevens van zowel TNO, ACN als LISA. Voor de toekomstige situatie zit in de aanwezigheidsgegevens een extra onzekerheid, omdat

Gevoeligheidsanalyse RO - Hoofdstuk 3

12 gedetailleerde bestanden op adressenniveau voor de toekomstige bestemmingsplannen ontbreken. Er is gerekend met informatie over het aantal geprojecteerde woningen, het geprojecteerde brutovloeroppervlak (werkplekken) en eventuele geprojecteerde voorzieningen. Voor veel plannen is deze informatie (nog) niet beschikbaar. Er is gebruik gemaakt van kengetallen voor personendichtheden. Hierdoor is de onzekerheid over de toekomstige bevolkingsdichtheden groot, maar dat geldt ook voor de huidige situatie. Een berekening van het GR op basis van een marge in de bevolkingsdichtheid van de geïnventariseerde plannen achten wij daarom niet zinvol. Om de gevoeligheid te illustreren is nagegaan hoe een variatie in de bevolkingsdichtheden doorwerkt in het berekende groepsrisico. Op basis van de berekende GR-score kan verder kwalitatief beoordeeld worden in welke mate een verandering in de bevolkingsdichtheid van invloed is op het aantal overschrijdingen van de oriënterende waarde. Daarom zijn in deze studie zowel OW-overschrijdingen alsook bijnaoverschrijdingen (GR-scores >0.3*OW) bekeken, om zo de onzekerheid in de bevolkingsdichtheid te verdisconteren. Scores >0,3*OW tot > OW geven aan dat er wellicht een overschrijding van het GR is. Wellicht, want de onzekerheid werkt twee kanten uit. Uit de hoogte van de GR-scores voor de locaties waar RO-plannen zijn geprojecteerd wordt duidelijk of zo’n plan invloed heeft op het optreden van een knelpunt en hoe kritisch de onzekerheid in bevolkingsdichtheid is voor de GR-score.

3.2 Resultaten bandbreedte RO Gevoeligheid voor variatie in absolute bevolkingsdichtheid. De gevoeligheid van het berekende GR is voor een variatie in de bevolkingsdichtheden eenvoudig aan te geven. Immers een op iedere locatie in de omgeving veronderstelde percentuele verhoging van de bevolkingsdichtheid van de transportroute werkt voor ieder ongevalsscenario lineair door in het aantal berekende slachtoffers. Hierdoor verschuift de GR-curve (fNcurve) als het ware naar rechts met hetzelfde percentage. De factor waarmee de GR-score moet worden vermenigvuldigd is gegeven in onderstaande tabel. Het blijkt dat overschrijding van het groepsrisico, uitgedrukt als de maximale factor tussen de berekende fN-curve en de oriëntatiewaarde (OW), kwadratisch toeneemt, vanwege de kwadratische normstelling (fN2= 0-2).

Toename dichtheid [%] 10 50 100


Toename dichtheid [factor] 1,1 1,5 2

Toename overschrijding OW [factor] 1,21 2,25 4

4

13 Gevoeligheidsanalyse modellering 4.1 Ongevalsfrequenties stationslocaties Overzicht methoden (zie ook paragraaf 7.2 van bijlage 3.1) Op spoorwegknooppunten kunnen interacties optreden tussen doorgaande treinen met gevaarlijke stoffen en vertrekkend en aankomend reizigersmaterieel en rangeerdelen van reizigersmaterieel. Risicoanalyses voor de vrije baan die zijn uitgevoerd met IPORBM voorzien hier niet in en onderschatten daardoor mogelijk de risico’s op deze spoorwegknooppunten [1]. Een knooppunt is een locatie waarop het doorgaande spoorwegverkeer (de goederentreinen met gevaarlijke stoffen) via emplacementsporen zijn weg vervolgd. Emplacementsporen zijn sporen waarop buiten de dienstregeling handelingen aan treinmaterieel (kunnen) worden verricht. ProRail heeft in het kader van ANKER een inventarisatie gemaakt van de spoorwegknooppunten met een verhoogd risico [2]. Bijlage 3.1 bevat een overzicht van deze locaties. Voor de bepaling van de ongevalfrequenties op stationslocaties kunnen verschillende veronderstellingen gehanteerd en verdedigd worden bij gebrek aan een goede analyse van de overigens beperkte, recentere casuïstiek. De benaderingen zijn: 1. Vrije-baanbenadering: In CPR18 [3] en [7] zijn ongevalfrequenties voor verschillende vrije-baansituaties gegeven. Voor “complexe” situaties kan een wisseltoeslag gehanteerd worden (toelichting in bijlage 3.1). De TNO-berekeningen voor stationslocaties in de NSP/ KIEV-studies volgen deze benadering. De ongevalsfrequentie is 6,07 10-8 (hoge snelheid, geen overwegen, wel wissels)1; 2. KRI-methodiek: De KRI-methodiek [5] (KRI = kwantitatieve risico-indicator) die ProRail en VVoS voorstaan geeft eveneens toeslagfactoren voor stationslocaties. De toeslagfactoren zijn ontleend aan de risicoanalysemethodiek die voor emplacementen wordt gehanteerd. De toeslagfactoren op grond van de mogelijk geachte extra scenario’s (interactie aankomst/ vertrek, interactie rangeerdelen, intrinsiek falen en BLEVE) dienen te worden opgeteld bij een veronderstelde basisfaalfrequentie (bijvoorbeeld die voor de vrije baan, inclusief wisseltoeslag). Het blijkt dat op alle door ProRail beschouwde locaties interacties mogelijk zijn tussen doorgaande goederentrein en reizigers- of goederenrangeerdeel [2]. Dit scenario is dominant bij de bepaling van de toeslagfactor. Toepassing van de KRI levert voor de geïnventariseerde locaties tenminste een tien- tot twintigvoudige verhoging op van de ongevalsfrequentie ten opzichte van de basisongevalsfrequentie;

1

Dit is in ANKER aanvankelijk ook voorgesteld.

Gevoeligheidsanalyse modellering - Hoofdstuk 4

14 3. ANKER-methode: De ANKER-methode [10] hanteert voor stationslocaties een toeslagfactor van 1,3, 5 of 10, afhankelijk van de “drukte” en “complexiteit” van de locatie ten opzichte van de generieke ongevalfrequentie van 4,5 10-8 (hoge snelheid, gemiddeld aantal wissels en overwegen) in de vrije-baansituatie. Een toeslagfactor van 1,5 leidt tot een ongevalfrequentie van 6,07 10-8. De toeslagfactor wordt bepaald uit een gewogen waardering van: • Het aantal toeleidende rijrichtingen. • Het aantal passerende wagens (brandbaar gas, brandbare vloeistoffen). • Het aantal vertrekkende reizigerstreinen tussen 8:00 en 9:00 uur. • De dikte van de sporenbundel van het vrije-baangedeelte. De categorisering van stationslocaties naar complexiteit is uitgevoerd door VenW/DGTL [10]. De ongevalsfrequentie is van toepassing op het gedeelte van het spoor dat ProRail op kaarten aanmerkt als “stationslocatie” [13]. 4. Causaal model: Het (bewerkelijke en veel invoergegevens vragende) causaal model [12], [14] kwantificeert de kans op trein/trein-interacties op potentiële conflictpunten (wissels) op een emplacement. Dit kan input zijn om de locaties en frequenties van het vrijkomen van gevaarlijke stoffen door botsingen tussen treinen op het emplacement te schatten. Voor zover bekend is dit tot nu toe alleen gebeurd voor Rotterdam CS. Resultaten voor de onderscheiden methoden voor Rotterdam CS De onderscheiden methoden zijn toegepast op het vervoer van gevaarlijke stoffen door Rotterdam CS. Vrije-baanmethode De ongevalsfrequentie is 6,07 10-8 (hoge snelheid, geen overwegen, wel wissels). Toepassing KRI Uit de opgave van ProRail (zie bijlage 3.1) blijkt dat zowel de scenario’s interactie tussen treinen bij aankomst/vertrek als interactie tussen trein en rangeerdeel beschouwd moeten worden. De interactie tussen trein en rangeerdeel is dominant, uitgaande van ATB-beveiliging. Bij twintig wagens per trein en een emplacement met een volgens de KRI te veronderstellen lengte van 2 km is de toeslag 0,53 10-6 per wagenkilometer, bovenop de frequentie voor de vrije-baansituatie. Voor een lengte van 1 kilometer is de toeslag hoger en wel 1,06 10-6 per wagenkilometer. Toepassing ANKER De toeslagfactor is 10, zowel voor de huidige als toekomstige situatie [10]. ProRail merkt op de kaarten die aan AVIV zijn verstrekt een lengte van circa 2600 meter aan als “stationslocatie” [13]. Toepassing causaal model In de SAVE-studie [11] is dit uitgevoerd voor het doorgaand transport van gevaarlijke stoffen op het emplacement Rotterdam CS. Onderstaande tabel geeft de resultaten. Bijlage 4 bij “Inventarisatie EV-risico’s bij het vervoer van gevaarlijke stoffen” - Gevoeligheidsanalyse

15 Methode Vrije baan KRI ANKER Causaal model

Frequentie [/wagenkm]

Lengte

6,07 10-8 59,7 10-8 45,0 10-8 6,07 10-3 3,96 10-2

2000 2000 2600

Toelichting Hoge snelheid-wisseltoeslag = 0,53 10-6 + 6,07 10-8 Toeslagfactor = 10 =Totale Botsingsfrequentie huidig (2001) =Totale Botsingsfrequentie toekomst (2010)

Vergelijking methoden Uit [11] blijkt dat de conflictpunten een beperkt areaal omvatten. Aan de oostzijde zijn de punten maximaal circa 250 meter uit elkaar gelegen, aan de westzijde circa 300 meter. Op de kaarten die ProRail aan AVIV heeft verstrekt is circa 2600 meter als “stationslocatie” aangemerkt.

Een groot punt van onduidelijkheid is dus aan welk spoorgedeelte de toeslagen/verhoogde frequenties moeten worden toebedeeld.

De kans op een incident met een wagen met bijvoorbeeld brandbaar gas komt voor de methoden 1 t/m 3 overeen met het product van (ongevalfrequentie per wagenkilometer x aantal wagens brandbaar gas). Voor methode 4 met het product van (botsingsfrequenties x gemiddelde fractie gevaarlijke stof = brandbaar gas in een trein). Deze gegevens zijn vermeld in [11] en samengevat in onderstaande tabel. Daar de conflictpunten (wissels) niet homogeen over het emplacement zijn verdeeld, maar zijn geconcentreerd aan de west- en oostzijde van het emplacement, is gesommeerd over de oostelijk en westelijk gelegen confictpunten afzonderlijk. Vervolgens is dit omgerekend naar ongevallen per kilometer spoor (deze ongevallen treden dan alleen op de stukken van 250 en 300 meter op). Kans op incident gevaarlijke stoffen Huidig Stof A BLEVE B2 B3 C3 D3 D4 Gevoeligheidsanalyse modellering - Hoofdstuk 4

Causaal oostzijde 3,33 10-5 ? 9,72 10-6 3,93 10-5 0,000511 1,94 10-6 7,86 10-6

Causaal westzijde 6,23 10-5 ? 1,81 10-5 7,74 10-7 3,12 10-4 3,62 10-6 1,41 10-5

Vrije baan

ANKER

KRI

5,16 10-5

3,83 10-4

5,07 10-4

1,52 10-5 6,07 10-5 2,37 10-4 3,04 10-6 1,21 10-5

1,13 10-4 4,50 10-4 1,76 10-3 2,25 10-5 9,00 10-5

1,49 10-4 5,97 10-4 2,33 10-3 2,99 10-5 1,19 10-4

16 Bovenstaande tabel geeft de frequentie van ongevallen per kilometer spoor. Om tot ongevalsscenario’s te komen dient met vervolgkansen vermenigvuldigd te worden. Deze zijn in [11] lager dan in ANKER, vanwege de toegepaste snelheidscorrectie op de vervolgkans voor uitstroming, waarbij van een hogere snelheid wordt uitgegaan. Geconcludeerd moet worden dat toepassing van het causaal model volgens bovenstaande tabel lagere frequenties oplevert dan in ANKER en de KRI-methodiek.

Voor Rotterdam CS is de invloed op risico’s niet goed aan te geven. Een complicerende factor in de risicoberekening is het domino-scenario BLEVE door brand. In [11] is deze waarschijnlijk veel hoger dan in ANKER wordt berekend. Een goede vergelijking van de risico’s is dus niet mogelijk, vooral niet omdat in het SAVE-rapport geen scenariofrequenties zijn gegeven.

Casuïstiek versus berekend aantal incidenten In de casuïstiek is/wordt niet goed bijgehouden op welke plaats en bij welke activiteit een incident plaatsvindt. Er kan ook niet beschikt worden over een recent overzicht. Het is niet te verwachten dat de casuïstiek voldoende incidenten met uitstroming van gevaarlijke stoffen oplevert om een verdeling naar locatie (rangeeremplacement, vrije baan, raccordement, stationslocatie) te kunnen maken. Voorspelling aantal incidenten op de vrije baan Het totale aantal wagenkilometers met gevaarlijke stoffen (cat. A-D) in Nederland is blijkens ANKER in 2002 circa 7,34 10-6. Met een ongevalfrequentie van 4,5 10-8 (generieke frequentie vrije baan) komt het aantal incidenten op 0,33 per jaar. Een ernstige uitstroming komt 0,1 keer per jaar voor. Dit zal vrijwel altijd een zeer brandbare vloeistof zijn. Stof

A B2 B3 C3 D3 D4 Totaal

Kilometers per jaar

1,64 106 8,10 105 4,00 105 3,84 106 3,60 105 2,80 105 7,33 106

Generieke ongevalsfrequentie vrije baan

Incidenten per jaar

4,50 10-8 4,50 10-8 4,50 10-8 4,50 10-8 4,50 10-8 4,50 10-8 4,50 10-8

7,38 10-2 3,65 10-2 1,80 10-2 1,73 10-1 1,62 10-2 1,26 10-2 3,30 10-1

Vervolgkans

Aantal met uitstroming

0,0028 0,0028 0,0028 0,56 0,56 0,056

2,07 10-4 1,02 10-4 5,04 10-5 9,68 10-2 9,07 10-3 7,06 10-4 1,07 10-1

Uit de casuïstiek die de jaren 81-88 omvat, komt een vergelijkbaar beeld naar voren. Bijlage 4 bij “Inventarisatie EV-risico’s bij het vervoer van gevaarlijke stoffen” - Gevoeligheidsanalyse

17 Voorspelling aantal incidenten complexe stationslocaties De (totale) botsfrequentie (tussen goederentreinen en reizigerstreinen) op Rotterdam CS is 6,07 10-3. Per jaar zal er in Nederland één botsing optreden als er circa 164 vergelijkbare complexe stationsituaties in Nederland zouden zijn. Het aantal locaties is blijkens de ANKER-lijst tenminste een factor 10 lager. De casuïstiek 81-88 geeft twee flankbotsingen, dus 0,25 incidenten per jaar, zodat het causaal model mogelijk te lage ongevalsfrequenties voorspelt. Het rapport Trendanalyse 2003 van IVW-divisie Rail (juni 2004) geeft geen uitsluitsel met recentere gegevens.

Conclusie De ANKER-methode (en dus ook de KRI-methode) leidt tot een kwalitatief ander beeld van de omvang van de risico’s en dus van de aard van de knelpunten, de te treffen maatregelen etc. Beide methoden overschatten de risico’s (de KRI spreekt zelf van een indicatie van het risiconiveau). Conclusie: een nadere analyse van de toe te passen methode en een meer gedetailleerdere studie is noodzakelijk. Dit vereist een evaluatie van de casuïstiek.

4.2 Plasbrand-model Vergelijking RBM2-SAFETI In opdracht van VenW heeft AVIV het programma RBM2 ontwikkeld als vervanger van de rekenmal IPORBM. Bij een vergelijking van RBM2 met IPORBM bleken soms grote verschillen op te treden. Om deze reden hebben VenW en RIVM de wens uitgesproken de eindversie van RBM2 te vergelijken met het risicoberekeningsprogramma SAFETI, om beter inzicht te verkrijgen in de verschillen tussen de diverse pakketten. Er zijn verschillende berekeningen gemaakt om na te gaan hoe de twee software-pakketten zich tot elkaar verhouden [17], met het spoor als voorbeeld van een transportmiddel. In beide pakketten is uitgegaan van dezelfde faalscenario’s en stoffen, waarbij puntbronnen het startpunt van de berekeningen zijn. Enkele berekeningen zijn uitgevoerd aan lijnbronnen, om te onderzoeken of de berekening van het risico voor lijnbronnen in beide programma’s gelijk verloopt. De lijnbronnen zijn trajecten van 1 kilometer lengte, waarbij de ongevalfrequentie verdeeld is over dit lijnstuk. De initiële faalfrequentie is daarbij gelijk gehouden, maar nu dus verdeeld over het lijnstuk van 1 kilometer. Bij de GR-berekeningen is gerekend met een uniforme populatiedichtheid van 300 personen per hectare. De resultaten van de berekeningen zijn samengevat in onderstaande figuren voor de categorie brandbare vloeistoffen, omdat voornamelijk deze groep stoffen voor het spoor van belang is voor het berekende PR. In een eerdere vergelijking tussen IPORBM en RBM2 bleek dat hierdoor met name het berekende risico afnam en de PR-contouren kleiner werden. Gevoeligheidsanalyse modellering - Hoofdstuk 4

18 Figuur 1 Berekende PR-x curven voor brandbare vloeistoffen (klasse C3, voorbeeldstof pentaan) 1.E-04

1.E-05

1.E-06

1.E-07

1.E-08

Pentaan Punt Safeti PR [jr-1] Pentaan Punt RBMII PR [jr-1] Pentaan Lijn Safeti PR [jr-1] Pentaan Lijn RBMII PR [jr-1]

1.E-09 1

10

100

Afstand [m]

Bij grotere afstanden/lagere frequenties verschillen SAFETI en RBM2 het meest wat betreft berekend risico. De verschillen ontstaan niet door verschillen in de berekende stralingssterkte van de vlam (deze is in beide modellen gelijk). AVIV denkt dat de oorzaak ligt in geometrie-effecten (lengte, hoek en breedte) van de vlam.2 Het berekend risico is bij RBM2 hoger bij grotere afstanden. Het resultaat van de berekeningen voor brandbare vloeistoffen is met name van belang voor het berekende PR. In een eerdere vergelijking tussen IPORBM en RBM2 bleken namelijk het berekende risico af te nemen en de contouren kleiner te worden. Uit de vergelijking met SAFETI blijkt dat de resultaten redelijk vergelijkbaar zijn; RBM2 berekent iets grotere risico’s; bij het GR is het zelfs SAFETI zeer klein.

2

De modellering in het SAFETI-programma wijkt enigszins af van het Gele Boek.


19 Figuur 2 Berekende F-N curven voor brandbare vloeistoffen 1.E-03 Pentaan Punt Safeti GR [jr-1]

Pentaan Punt RBMII GR [jr-1] 1.E-04

1.E-05

1.E-06

1.E-07

1.E-08

1.E-09 1

10

100 Aantal doden [N]

Gevoeligheidsanalyse modellering - Hoofdstuk 4

1000

10000

20 Vergelijking RBM2-TNO-Effects en RiskCurves In het kader van NSP-KIEV heeft TNO diverse studies van stationslocaties en stationsgebieden uitgevoerd. Een vergelijking met de resultaten voor spoor uit de “Inventarisatie van EV-risico’s bij het vervoer van gevaarlijke stoffen” (hoofdstuk 5) laat zien dat de berekende PR 10-6-contouren voor de vrije-baansituaties bij TNO verder van de as van de spoorbaan zijn gelegen. Ook een vergelijking van de berekende effectafstanden laat verschillen zien. Oorzaak: de stralingssterkte E in het TNO-model [14] is hoger dan in de RBM2/SAFETI modellering [15], wat leidt tot grotere effectafstanden.3

Opper vlakte E plas [m2] [kW/m2]

3

Afstand 1% letaal F1.5 [m]

Afstand 1% letaal D5 [m]

TNO

300 600

50,7 54,2

51 70

? ?

RBM2

300 600

31,5 24,3

25 26

31 35

SAFETI

300 600

31,5 24,3

19,8 ?

30,5 ?

En van IPORBM.


5

Referenties - Hoofdstuk 5

21 Referenties 1. 2.

DHV ProRail

2001 2004

3.

CPR

1999

4. 5.

TNO ProRail

2004 2003

6. 7.

AVIV SAVE

2003 1995

8. 9. 10.

VVoS: AVIV Smit, C.

2002 1997 2004

11.

SAVE

2004

12.

Götz, W.J.J.

2002

13.

ProRail

2004

14.

Götz, W.J.J.

2002

15. 16.

Molag, M. IVW

2003 2004

17.

RIVM

2004

18.

CPR

1997

Risicoatlas spoor. Complexe locaties t.b.v. ANKER. Memo van M. Berrevoets d.d. 24 juni 2004. Guidelines for quantitative risk analysis (CPR 18E) Paarse Boek. Externe veiligheid Stationskwartier Breda. Externe veiligheid op spoorwegknooppunten. Handleiding “Kwantitatieve Risico-Indicator”. Handleiding RBMII d.d. 30 mei 2003. Basisfaalfrequenties voor het transport van gevaarlijke stoffen over de vrije baan. Mededeling van H.G. Roodbol en G. Hoftijzer. Handleiding risicoberekeningsmethodiek IPORBM. Faalfrequentie op stationslocaties. Memo van Cees Smit van d.d. 6 september 2004. Ministerie VenW/DGTL. Risicobeschouwing vervoer van gevaarlijke stoffen door Rotterdam CS. Rapport 040609-O90, juli 2004. Botsingen op emplacementen. Protocol voor het berekenen van botsingenfrequenties en –snelheden op spoorwegemplacementen. Railned, Spoorwegveiligheid RnV/02/R02.002.055 d.d. 28 mei 2002. Overzichtskaarten stationslocaties. Notitie van H. Schepen d.d. 12 juli 2004. Botsingen IJsselmonde. RnV/01/R02.002.059 van d.d. 30 juli 2002. Persoonlijke mededeling M. Molag d.d. 23 december 2003. Trendanalyse 2003. Trends in de veiligheid van het spoorwegsysteem in Nederland. Inspectie Verkeer en Waterstaat, Divisie Rail. Rapport d.d. 8 juni 2004. Vergelijking van RBM2 met SAFETI. RIVM rapport 1482004. Methods for the calculation of physical effects. CPR 14E. Gele Boek.

22


23

hier in het klein de titel hoofdstuk


Maatregelen ter verbetering van Bijlagen bij Inventarisatie van de externe veiligheid EV-risico s bij het vervoer van gevaarlijke stoffen

Recommend Documents