– Vi har hatt noen alvorlige tunnelbranner opp gjennom tidene. Samtidig er det slik at potensialet for tap av menneskeliv har vært stort, men vi har likevel vært veldig heldige – historisk sett. Vi har hatt folk involvert i slike situasjoner som har vært veldig dyktige, og de har klart å redde seg ut av tunnelene. Det er egentlig litt rart at det ikke har gått verre enn det allerede har, forteller prosjektleder i Statens vegvesen, Erlend Alvsåker.

Tre testmodeller måler overoppheting av bremser, hydraulikk og motor på kjøretøy som passerer portalen på E39 i Åsane utenfor Bergen sentrum.

– Dette vil aldri kunne gi noen hundre prosent garanti for at det ikke kan oppstå skader eller uønskede hendelser, men systemet vil nok kunne avverge en del av de tilfellene i forbindelse med overoppheting som vi har sett tidligere.

Ukentlige branntilløp

– For noen år siden startet vi å se på hva de gjør i Sveits, der de har testet ut slike systemer i en periode allerede. De har, som oss, lange tunneler. Iblant er det også bratte bakker opp Alpene, der tunnelene befinner seg. Det ligner litt på de forholdene vi har i Norge. De tunge kjøretøyene har vært prioritert der nede også, og de har satt ned hastighetsgrensene for dem. De sørger også for å gjennomføre målinger av varme og temperatur på kjøretøyene, før de kjører inn i tunnelene.

Samtidig har de hatt en vakt på hver side av tunnelene, som følger med på kjøretøyene som passerer. De rykker ut, dersom det passerer et kjøretøy med så mye overoppheting av det utgjør en brannfare.

– De fortalte meg da jeg var der nede at de minst har ett alvorlig tilfelle per uke – i gjennomsnitt. To ting er annerledes i Norge enn i Sveits. Vi tester systemene på motorveien i hastigheter på 80 kilometer i timen eller mer. I tillegg måler vi i to felt, ikke bare i feltet på vei inn i tunnelene. Vi gjør det slik med tanke på bruk i forbindelse med lange, undersjøiske tunneler. Vi ønsker å opprettholde fart og flyt i trafikken.

Bruker kunstig intelligens

Systemet er bygget opp rundt 3D-skannere, som lager en datamodell av kjøretøyene som passerer. Ut fra disse modellene, klarer systemet å gjenkjenne ulike kjøretøysklasser, som motorsykkel, buss eller store vogntog. Det gjør at systemet kan identifisere motoren på de ulike kjøretøyene, samt hvor bremser og andre varmekilder er.

– Systemet vet altså hvor det skal se etter varmeutvikling. Vi kan også sette ulike alarmnivåer, for ulike deler av kjøretøyet. Varmesøkende kamera søker etter varmeutvikling der det trengs, på de ulike typer kjøretøy som passerer, sier Alvsåker.

– Tidlig i prosjektet fikk vi mange «falske» alarmer, fordi systemet ikke kunne gjenkjenne de kritiske delene av kjøretøyet fra de tingene som faktisk skal være varme. Det gjelder for eksempel eksosanlegg og slike ting. Med maskinlæring unngår vi masse ressursbruk på grunn av slike unødvendige varsler eller falske alarmer.

Har hatt flaks, så langt

Professor i risikostyring og samfunnssikkerhet ved Universitetet i Stavanger, Ove Njå, mener å avsløre brannfarlige lastebiler og stoppe dem før de kjører inn i tunneler er «et kjempe-poeng» når det gjelder sikkerhet. Vi opplever slike uønskede situasjoner noe sånt som tretti ganger per år i norske tunneler:

– Konsekvensene av en brann i et tungt kjøretøy kan bli veldig alvorlig. I 1999 brant 34 kjøretøy da en ulykke oppstod i Mont Blanc-tunnelen. 39 personer omkom, inkludert brannsjefen i Chamonix. I Norge har vi vært svært heldige, så langt. Vi har hatt potensiale for veldig store ulykker, i situasjoner der Statens vegvesen eller andre ikke har hatt kontroll.

– Det er problematisk både at vi bygger lengre tunneler, og spesielt de undersjøiske som er ettløpstunneler. Stigningsgraden i de undersjøiske er høy, og ofte langt over grensene i det eksisterende regelverket. Statistikken viser at uønskede hendelser er høyere i lange og bratte tunneler, og særlig i de som er undersjøiske. Dette utgjør et stort problem. Nye tunneler og ved oppgradering av eksisterende tunneler blir et lite antall kjøretøy i disse tunnelene brukt som argument for at Statens vegvesen ber om tillatelse til å avvike fra gjeldende regelverk. I den sammenheng kan de kun vise til historiske data, og det er bekymringsfullt. Statens vegvesen kan ikke møte kravet til at trafikantene skal redde seg selv i en tunnelbrann.

– Når det gjelder store, tunge kjøretøy, er det slik at de er av veldig variabel kvalitet på norske veier. Det er mange utenlandske kjøretøy på våre veier og i våre tunneler, der bremser og annet utstyr er av dårligere kvalitet enn hva tilfellet er for tilsvarende norske kjøretøy. Når det er sagt, er det variabel kvalitet på norske kjøretøy også. Det er mye bekymring der ute i transportnæringen, fordi den økonomiske marginen er så dårlig. Mange aktører skyver på grensene så godt de kan, mener Njå.

Må idiotsikre systemene

Førsteamanuensis i datateknologi og tunnelsikkerhet ved samme universitet, Naeem Khademi, mener at selv om disse systemene blir tatt i bruk, trenger vi noe mer:

– Jeg sikter til kommunikasjonsbiten. Vi trenger å bli informert; både Veitrafikksentralen og sjåførene i de ulike kjøretøyene. Dette vil bli mer viktig, jo mer teknisk avansert de ulike kjøretøyene blir. Med selvkjørende farkoster blir kommunikasjonen med andre helt avgjørende. Kommunikasjonen blir dypere, og langt viktigere enn hva den er i dag. Oppstår det tilløp til brann, må mange vite om det. Det gjelder myndigheter, og ikke minst andre kjøretøy og sjåfører i det samme området.

– Vi trenger standarder for dette, og jeg vet at de i EU allerede jobber med å få dette på plass. Det er så langt et mobilbasert system. Skal dette fungere, må vi ha støttesystemer som vi kan stole på. Dette vil være helt avgjørende, for at vi virkelig skal kunne benytte oss av det fulle potensiale i KI-baserte sikkerhetssystemer, sier Khademi.