PM: VALIDERING AV PROGNOS 2012/2014 FÖR GODSTRAFIK I TRAFIKVERKET REGION STOCKHOLM

Transkript

1 PM: VALIDERING AV PROGNOS 2012/2014 FÖR GODSTRAFIK I TRAFIKVERKET REGION STOCKHOLM WSP har under augusti 2017 på uppdrag av Trafikverket Region Stockholm validerat version 1 av Trafikverkets nationella prognos 1 för godstrafik, avseende de delar av prognosen som berör Region Stockholm. Prognosen avser basåret, det vill säga åren 2012 (för godstrafik på väg och sjö) respektive 2014 (för godstrafik på järnväg). Författare till detta PM är Moa Berglund och Adriana Huelsz Prince på WSP Analys & Strategi. Ansvariga på Trafikverket Region Stockholm är Sofia Heldemar och Carlos Moran. Resultat från Samgods (och Bangods) som ska valideras består av tre delar: 1. Bansek-tabell innehållande modellberäknad godstågstrafik per bandel för år 2014, avseende antal tåg av olika typ per dygn och år, samt mängd transporterat gods i ton per år av varuslag 2. Flödeskarta över godsmängder i ton transporterat till och från olika hamnområden 3. Flödeskarta över antal lastbilar per år i vägnätet Valideringen och resultaten beskrivs i var sitt kapitel nedan. Region Stockholm omfattar Stockholms och Gotlands län. Avslutningsvis ges rekommendationer kring kommande valideringsomgångar och användning av Samgodsmodellen. Validering av Bansek-tabell Bansek-tabellen innehåller uppskattningar per bandel av antal tåg per dygn och år, uppdelat på olika godstågtyper, samt av mängden gods som transporteras av tåget, uppdelat på olika varuslag. Tabellen är genererad med hjälp av Trafikverkets verktyg Bangods. Grunden för beräkningarna är tågtidtabellen för 2014, insamlad information om större kända transportupplägg med vissa varugrupper samt ett antal schablontal som beskriver vilka typer av gods som förknippas med olika typer av tåg samt genomsnittlig godsvikt för olika tåg. Tabellen har jämförts med två datamängder, nämligen tidtabellen för och utdrag ur Lupp 3 för Eftersom prognosen är baserad på tidtabellen/tågplanen är 1 Även om det i detta fall rör sig om en beskrivning av ett år som redan passerat benämns beskrivningen här prognos eftersom det är en modellerad bild av verkligheten, genererad med en prognosmodell. 2 Accessdatabas T141, erhållen av Petter Wikström, Trafikverket 3 Utdrag erhållet från Expertcenter 2015 i samband med validering av Basprognos Lupp Uppföljningssystem, Systemet Lupp används för att ta fram statistik om punktlighet och störningar. Lupp sammanställer trafik- och anläggningsinformation från andra källsystem i ett datalager. ( )

2 Stockholm S-Tomteboda Stockholm C-Karlberg (y) Stockholm C-Stockholm Södra Stockholm Södra-Älvsjö (y) Älvsjö-Flemingsberg (i) Flemingsberg-Södertälje syd Södertälje syd övre-järna Järna-Gnesta Flemingsberg-Tumba Tumba-Södertälje hamn Järna-Nyköping Södertälje syd undre-järna Karlberg-Upplandsväsby (y) Upplandsväsby-Skavstaby (y) Skavstaby-Märsta Märsta-Myrbacken Tomteboda-Barkaby (i) Barkaby-Jakobsberg (y) Jakobsberg-Karlhäll (y) Kallhäll-Kungsängen Kungsängen-Bålsta Södertälje syd övre-läggesta Älvsjö-Skogås Skogås-Västerhaninge Västerhaninge-Nynäshamn Tåg per dygn UPPDRAGSNAMN den jämförelsen i huvudsak ett sätt att kontrollera beräkningarna. Där framgår trafikmängden (antal tåg) men inte godsmängden. Lupp däremot innehåller uppgifter om utförd trafik. Den jämförelsen är intressant av två orsaker dels är det av intresse att känna till om det finns stora skillnader mellan planerad och genomförd trafik i regionen, dels är det den enda tillgängliga källan som kan ge en indikation på godsmängderna som fraktas med tågen i och med att Lupp innehåller information om tågens vikt. Avstämning av antal tåg per sträcka mot Tågplan 2014 Antal tåg per dygn eller år och sträcka enligt Bangods 2014 har stämts av mot tågplanen för 2014 (tabell Trafikering per vardagsdygn och bandel ). I de fall de angivna sträckorna i Bangods inte kunde hittas i tabellen, har Bangods-mätpunkten sökts i tabell Trafikering per vardagsdygn och trafikplats i tågplanen. Figur 1 visar en jämförelse mellan antal tåg per dygn enligt Bangodsprognos för 2014 och antal godståg per dygn enligt Tågplan Värdena ligger relativt nära varandra, vilket betyder att Bangodsprognosen i stort är rimlig enligt tågplanen. På många sträckor ligger Bangodsprognosen dock lägre än tågplanen. Tabell 1 visar sträckorna med de största identifierade skillnaderna. Det framgår att alla sträckor mellan Tomteboda och Bålsta är underskattade med i cirka 35 % i Bangods i jämförelse med tågplanen. Samma sak gäller sträckorna mellan Stockholm Central och Järna, som är underskattade i olika grad mellan 15 och 34 % Bangods Tågplan Stockholm Västra Stambanan Ostkustbanan Mälarbanan Nynäsbanan Figur 1: Antal tåg per dygn enligt Bangods 2014 och enligt tågplan Stockholm S-Tomteboda antas motsvara Citybanan. Då prognosen avser 2014 har banan ingen trafik (parallella sträckor finns dock) 2 (24)

3 Tabell 1: Sträckorna med störst skillnader mellan prognos och tågplan Stråk Sträcka, stationsnamn Tåg/dag Bangods Tåg/dag Tågplan Bangods vs Tågplan % Bangods vs Tågplan Stockholm Stockholm C-Stockholm Södra ,9-18% Stockholm Södra-Älvsjö (y) % Älvsjö-Flemingsberg (i) % Västra Stambanan Södertälje syd övre-järna % Flemingsberg-Södertälje hamn (via Tumba) % Mälarbanan Tomteboda-Kungsängen/ Kungsängen-Bålsta 3/4 4/6-1.5/ %/ -35% Svealandsb. Södertälje syd övre-läggesta % Vidare har antal tåg per år enligt Bansek-tabellen (som baseras på planerad trafik) jämförts med dels tågplanen (tabell Trafikering per år och bandel ) och dels faktiskt genomförd trafik, det senare genom att använda data om antal tåg per år enligt Lupp Detta har gjorts för att belysa skillnaderna mellan planerad trafik och faktiskt genomförd trafik i regionen, vilket kan vara av intresse när prognosen ska användas. Figur 2 visar jämförelse av antal tåg per år enligt Bangods, tågplanen och Lupp. Antal tåg per sträcka enligt Bangods och tågplanen följer generellt samma tendens, men de procentuella skillnaderna är i flera fall större för årlig trafik än för daglig trafik. Till exempel, på sträckan Järna-Gnesta, är skillnaden -11% för daglig trafik, som ökar till -22% för årlig trafik. Detta kan vara på grund av olika antagande för att konvertera från daglig till årlig trafik. 3 (24)

4 Stockholm S-Tomteboda Stockholm C-Karlberg (y) Stockholm C-Stockholm Södra Stockholm Södra-Älvsjö (y) Älvsjö-Flemingsberg (i) Flemingsberg-Södertälje syd Södertälje syd övre-järna Järna-Gnesta Flemingsberg-Tumba Tumba-Södertälje hamn Järna-Nyköping Södertälje syd undre-järna Karlberg-Upplandsväsby (y) Upplandsväsby-Skavstaby (y) Skavstaby-Märsta Märsta-Myrbacken Tomteboda-Barkaby (i) Barkaby-Jakobsberg (y) Jakobsberg-Karlhäll (y) Kallhäll-Kungsängen Kungsängen-Bålsta Södertälje syd övre-läggesta Älvsjö-Skogås Skogås-Västerhaninge Västerhaninge-Nynäshamn Tåg/år UPPDRAGSNAMN Bangods LUPP Tågplan Shm Västra Stambanan Ostkustbanan Mälarbanan Nynäsbanan Figur 2: Antal tåg per år och sträcka enligt Bangods, Tågplan och Lupp Vad gäller skillnader mellan prognosen (och tågplanen) och Lupp, finns anmärkningsvärda skillnader för vissa sträckor. Orsaken för detta kan vara sena ändringar som gjort i tidtabellen (inställda eller extrainsatta tåg), eller att nätverket är olika konfigurerat i de olika dataunderlagen. Bangods och tågplanen följer ungefär samma bandelsindelning och använder samma mätpunkter. Indelningen i Lupputdraget är grövre och mätpunkterna är inte kända. Olikheterna mellan nätverken är särskilt tydliga i Stockholmsregionen. Den största skillnaden syns längs sträckorna Flemingsberg-Tumba-Södertälje Hamn på Västra Stambanan, vilka tillhör bandel 410. Stråket mellan Älvsjö och Södertälje är uppdelat på två parallella sträckor: bandel 410 Älvsjö-Flemingsberg-Tumba- Södertälje Hamn och bandel 418 Flemingsberg-Södertälje Syd Övre (se Figur 3). De mesta trafiken mellan Älvsjö och Flemingsberg går vidare till bandel 418, vilket gör att trafiken via Tumba (bandel 410) blir betydligt lägre. Men eftersom mätpunkten i Lupp för bandel 410 verkar ligga mellan Älvsjö och Flemingsberg (det vill säga norr om den uppdelade sträckan), blir värdet enligt Lupp högt för hela sträckan Flemingsberg- Södertälje. Detta innebär att Lupps värde inte är representativt för hela sträckan. 4 (24)

5 Figur 3: Urklipp ut detaljerad järnvägskarta (Trafikverket 2013:041) På sträckan mellan Karlberg och Skavstaby, följer värdena för Bangods tågplanen, medan Lupps värden är högre. Detta indikerar att 2014 var den faktiska trafiken mer än dubbelt så stor som den planerade i tidtabellen för denna sträcka. Eftersom Bangods använder tidtabeller som grunddata, skiljer sig också prognosen från Lupp. Tabell 2 visar sträckorna med de största identifierade skillnaderna mellan Bangods och Lupp. I vissa fall, som exempelvis Karlberg till Skavstaby, sammanfaller en stor skillnad mellan Bangods och Lupp med en liknande skillnad mellan tågplanen och Lupp. Detta reflekterar alltså skillnader mellan planerad och genomförd trafik. I andra fall kan skillnaden inte förklaras på samma sätt. 5 (24)

6 Tabell 2: Största identifierade skillnader tåg/år mellan Bangods och Lupp. Stråk Sträcka, stationsnamn Tåg/år Bangods Tåg/år Tågplan Tåg/år LUPP Bangods vs Tågplan Tågplan vs LUPP Bangods vs LUPP Stockholm Stockholm C-Karlberg % -18% 5% Stockholm Stockholm C till Älvsjö % 13% -18% Västra St. Södertälje till Gnesta % 23% -6% OKB Karlberg till Skavstaby % -51% -59% Mälarbanan Tomteboda till Kungsängen % 85% 23% Svealandsb. Södertälje S Ö-Läggesta % 117% 44% Nynäsbanan Västerhaninge-Nynäshamn % -100% Avstämning av nettotonnage mot omräkning av bruttoton i Lupp Den enda möjliga källa som i nuläget finns tillgänglig för att validera prognosens uppskattning av godsmängd som fraktas av tågen, är Lupp, som innehåller uppgifter om tågens bruttovikter, det vill säga vikten av gods och vagnar sammanlagt. Utifrån uppgifter om bruttovikt, har godsets vikt (nettotonnage) uppskattats med hjälp av schablontal. Bruttotonnage per sträcka enligt Lupp har dividerats med schablontalet 1,95 (BRT/NT) 4 för alla tåg utom malmtåg (och Region Stockholm har inga malmtåg i sin Bangodstabell). Uppskattat nettotonnage har sedan jämförts med Bangodsberäknat nettotonnage. Där skillnader mellan bandelsindelningen i Lupp och Bangods påträffats, har motsvarande justeringar i data gjorts (det kan dock finnas fler, oidentifierade skillnader). I Figur 4 visas jämförelsen av godsmängd per sträcka i Bangodsprognosen och uppskattningen baserat på Lupp. Det är förväntat att skillnaden i nettotonnage per sträcka ska följa samma tendens som skillnaden i tåg per år mellan Bangods och Lupp, eftersom uppskattningen av godsmängd baseras på antal tåg per år. Så är även fallet för en del av sträckorna i Region Stockholm, men inte alla. De mest intressanta skillnaderna är: - Längs hela sträckan Karlberg-Stockholm-Älvsjö (bandel 401), är Bangods värde i genomsnitt 32% högre än Lupps. Bangods värde ligger däremot lägre än Lupp när det gäller tåg/år (-18%). - På sträckan Märsta-Skavstaby (bandel 433) ligger Bangods något lägre än Lupp i antal tåg per år (-5%) men betydligt högre i godsvolym (+44%). - Även sträckorna Älvsjö-Skogås-Västerhaninge har olika tecken på skillnaderna. Skillnaderna i volymer grundas troligtvis i antingen under- respektive överskattningar av tonnage per tåg enligt Bangods, eller i att schablontalet BRT/NT som använts för bearbetning av Lupp-data inte är representativt för sträckorna. 4 Källa: I utdraget från Lupp som erhölls från Expertcenter 2015 angavs detta tal 6 (24)

7 Stockholm S-Tomteboda Stockholm C-Karlberg (y) Stockholm C-Stockholm Södra Stockholm Södra-Älvsjö (y) Älvsjö-Flemingsberg (i) Flemingsberg-Södertälje syd Södertälje syd övre-järna Järna-Gnesta Flemingsberg-Tumba Tumba-Södertälje hamn Järna-Nyköping Södertälje syd undre-järna Karlberg-Upplandsväsby (y) Upplandsväsby-Skavstaby (y) Skavstaby-Märsta Märsta-Myrbacken Tomteboda-Barkaby (i) Barkaby-Jakobsberg (y) Jakobsberg-Karlhäll (y) Kallhäll-Kungsängen Kungsängen-Bålsta Södertälje syd övre-läggesta Älvsjö-Skogås Skogås-Västerhaninge Västerhaninge-Nynäshamn kton per år UPPDRAGSNAMN Shm Västra Stambanan Ostkustbanan Mälarbanan Nynäsbanan Bangods LUPP Figur 4: Årligt transporterad godsvolym per sträcka år 2014 enligt Bangods och uppskattningar baserade på Lupp Rimlighetsbedömning av konsistens längs med stråk I Figur 5 illustreras flödena av godståg genom Stockholm, enligt Bangods (det vill säga prognosen). Mellan Flemingsberg och Stockholm Södra minskar antalet godståg med 25 %. Detta förklaras troligtvis av att dessa tåg har slutstation/startpunkt någonstans längs denna sträcka, exempelvis i Årsta. Notera att trots att endast ett värde anges per sträcka, så gäller värdet en viss mätpunkt och den verkliga trafiken kan variera längs sträckan. Mellan Stockholm Södra finns en direktlänk till Tomteboda, med noll godståg i prognosen. Denna antas motsvara Citybanan. Mellan Stockholms central och Upplands Väsby minskar antalet tåg drastiskt. Mätpunkten för sträckan Karlberg-Upplands Väsby ligger dock i Häggvik, vilket är norr om exempelvis Tomteboda. Det innebär att minskningen kan förklaras av att tågen genom Stockholm central ska till/kommer från exempelvis Tomteboda. Mellan Upplands Väsby och Märsta mer än dubbleras antalet tåg. Exempelvis Rosersberg ligger mellan Märsta och Skavstaby, vilket gör att en ökning är rimlig. Slutligen ökar även antalet tåg mellan Kallhäll och Bålsta, där bland annat Bro ligger. 7 (24)

8 Sammanfattningsvis bedöms att inga oförklarliga förändringar i antalet tåg längs sträckorna finns. På frågan om huruvida storleksordningen är rimlig hänvisas tillbaka till tidigare avsnitt. Figur 5: Rimlighetsbedömning av kontinuitet genom Stockholm (antal godståg per år). För sträckan Karlberg-Upplands Väsby anges 820 tåg för hela sträckan, men mätpunkten är placerad norr om Tomteboda Slutsatser När det gäller daglig trafik, stämmer Bangodsprognosens fördelning över delsträckorna väl överens med tågplanen (korrelation 0,995). Dock är Bangodsprognosen för de flesta sträckor underskattad. Särskilt stora är skillnaderna för de sträckor som angivits i Tabell 1. Anledningen till dessa skillnader bör undersökas och skillnaden eventuellt åtgärdas. Jämförelsen mellan Bangodsprognosen och tågplanen visar än större skillnader för årlig trafik. Detta beror troligtvis på vilka antaganden som använts för att konvertera från daglig till årlig trafik. 8 (24)

9 För sträckor som angivits ovan med underskattning av antal tåg per dygn, finns även en underskattning av tåg per år, och en justering av det senare bör följa automatiskt om det förra justeras. Men därutöver finns flera sträckor med underskattningar av antal tåg per år, däribland: På sträckan Stockholm C-Karlberg underskattar prognosen antal tåg per år med 22 % (jämfört med 12% för tåg/dygn). På sträckan Flemingsberg-Södertälje Syd Övre (bandel 418) underskattar prognosen antal tåg per år med 24 % (jämfört med 12% för tåg/dygn). På sträckan Järna-Gnesta underskattar prognosen antal tåg per år med 22 % (jämfört med 11% för tåg/dygn). Övriga sträckor i Region Stockholm underskattas samtliga med 6-19% gällande antal tåg/år. Anledningen till dessa skillnader bör undersökas och skillnaden eventuellt åtgärdas, eftersom antal tåg per år enligt Bangods kan utgöra ett viktigt underlag till analyser i regionen. Prognosen för godsvolym på järnväg är svår att validera, eftersom det inte finns några datakällor som beskriver exakt detta. Valideringen av prognosen gentemot vikten av genomförd trafik enligt Lupp gav att skillnader i godsvolym mellan Bangodsprognosen och Lupp generellt i många fall följer samma tendens som skillnader i årlig trafik. Detta är rimligt eftersom Bangods kalkylerar årlig godsvolym baserat på årlig trafik. Emellertid finns det relativt många sträckor där skillnaderna inte kan förklaras av detta, vilket indikerar att Bangods antaganden om godsvolym per tåg och/eller det schablontal som använts för bearbetning av Luppdata inte är representativa för sträckorna. Detta tycks ha lett till vissa över- och underskattningar. Dessa är sträckorna Katrineholms C-Åby, Hallsberg till Mjölby, Kungsängen till Västerås och Linköping-Bjärka Säby. Men i och med att underlaget är så pass osäkert kan ingen justering av prognosen för godsvolym rekommenderas, utöver justeringar som följer automatiskt av att prognosen av antal tåg årligen justeras enligt ovan. Validering av hamn- och sjöfartsprognos Resultat från Samgods som ska valideras avseende sjötrafik omfattar flödeskartor med antal transporterade ton gods totalt per länk, se Figur 6. Nivåerna gäller flöden i båda riktningar sammanlagt och för året Genom att läsa av flödena på anslutningslänkarna till regionens hamnar, kan hanterad godsmängd per hamn analyseras. Det går inte att se slutdestination eller ursprung för godset (exempelvis om det är inrikes eller utrikes) eller vilken typ av gods det är, endast totalt antal ton. I Region Stockholm har 10 hamnar tilldelats flöden för 2012 i Samgods, se Tabell 3. Både i Samgods och i Trafikanalys officiella hamnstatistik 5 för 2012 kategoriseras hamnarna i Sverige i så kallade hamnområden, vars flöden redovisas samlat. Region 5 Trafikanalys Sjötrafik 2012, Statistik 2013:11, tabeller 4A, 4B, 6a och 6b, tillgänglig på Trafikanalys hemsida: 9 (24)

10 Stockholms hamnar ingår i tre eller fyra olika hamnområden; områden 4 Norrtälje- Nynäshamn, 6 Södertälje-Norrköping, 8 Visby (Gotland) och eventuellt 3 Hudiksvall- Gävle eller 5 Uppsala-Eskilstuna (Mälaren) (i Stockholms län finns hamnarna Hallstavik och Grisslehamn med i Samgods, men dessa verkar befinna sig mellan område 3, 4 och 5). I hamnområde 6 ingår även Norrköping och Oxelösund, som ligger i Region Öst. Totalt beräknar prognosen att Region Stockholms hamnar hanterade 2012 totalt 23,2 miljoner ton, varav 19,5 miljoner ton i Stockholms län och 3,7 miljoner ton i Gotlands län (vilket sammanfaller med hamnområde 8 Visby (Gotland) 11,8 miljoner ton hanterades i hamnområde 4 Norrtälje-Nynäshamn, och 9,3 miljoner ton i hamnområde 6 Södertälje-Norrköping (där som sagt även delar av Region Öst ingår). 0,27 miljoner ton kan inte placeras in i något hamnområde (se ovan) Som validering av denna prognos, har uppskattningarna jämförts med två statistiska underlag: Trafikanalys officiella sjöfartsstatistik och Sveriges Hamnars statistik över trafiken i sina medlemsföretag. Tabell 3: Hamnar i Region Stockholm med godsflöden i Samgodsprognosen för 2012 Hamn/ort Län Hamnområde Hallstavik Stockholm Okänt Grisslehamn Stockholm Okänt Kapellskär Stockholm 4 Norrtälje-Nynäshamn Stockholms hamnar (Värtan, Frihamnen, Loudden) Stockholm 4 Norrtälje-Nynäshamn Nynäshamn Stockholm 4 Norrtälje-Nynäshamn Södertälje Stockholm 6 Södertälje-Norrköping Klintehamn Gotland 8 Visby (Gotland) Visby Gotland 8 Visby (Gotland) Kappelshamn Gotland 8 Visby (Gotland) Slite Gotland 8 Visby (Gotland) 10 (24)

11 Figur 6: Flödeskarta från Samgods norr om Mälaren (vänster), Stockholm och söderut (mitten) och Gotland (höger). Värdena avser 1000-tals ton

12 Jämförelse med Trafikanalys officiella hamnstatistik I Trafikanalys sjöfartsstatistik anges hanterad godsmängd inte för enskilda hamnar, utan per hamnområde. Expertcenter har i kalibreringen av Samgods använt denna statistik för att få så korrekta flöden per hamnområde som möjligt. En jämförelse har därför redan redovisats av Expertcenter i sin introduktion till valideringen 6. Här visas samma diagram men med endast de två hamnområden som berör region Stockholm, se Figur 7. För hamnområde 4 underskattar prognosen flödena med 3-4 %, vilket får anses vara försumbart. För hamnområde Södra Ostkusten blir underskattningen 23 %. Södra Ostkusten är dock ett mycket stort område. I Samgods har Södra Ostkusten 7 delats in i hamnområde 6 Södertälje-Norrköping, 7 Västervik-Kalmar och 8 Visby (Gotland), varav områden 6 och 8 är relevanta för Region Stockholm. Hamnstatistik uppdelad på dessa finns tyvärr inte allmänt tillgänglig, men enligt det diagram som redovisas i Expertcenters presentation ser volymen ut att vara cirka 8,5 miljoner ton för område 6 och 5,8 miljoner ton för område 8. Det ger i så fall en överskattning i prognosen för område 6 på cirka 10 % (då inkluderas dock Oxelösund och Norrköping i Region Öst) och en underskattning för område 8 på cirka 35 %. Sammanlagt för de tre berörda hamnområdena (4, 6, 8) underskattar prognosen volymerna, men endast med 7 %. 6 Presentation Validering godstransporter basår, erhållen av Expertcenter tillsammans med prognosresultaten som ska valideras 7 I Trafikanalys officiella statistik redovisas endast uppgifter för hela Södra Ostkusten samlat (inte för de mindre delområdena Södertälje-Norrköping, Västervik-Kalmar och Visby (Gotland)) 12 (24)

13 1000-tals ton 1000-tals ton UPPDRAGSNAMN Norrtälje-Nynäshamn Södra Ostkusten Statistik Prognos Norrtälje-Nynäshamn 6 Södertälje-Norrköping 8 Visby (Gotland) Statistik Prognos Figur 7: Hanterad godsmängd per hamnområde enligt prognos och statistik (källor statistik: Trafikanalys Sjötrafik 2012, Statistik 2013:11, tabeller 4A, 4B, 6a och 6b samt Expertcenters presentation av prognosresultaten). I det övre diagrammet visas jämförelsen med den officiella statistik som finns tillgänglig på Trafikanalys hemsida. I det nedre diagrammet visas en jämförelse med aktuella delområden inom Södra Ostkusten, vars ungefärliga nivåer har lästs av från diagrammet i Expertcenters presentation Jämförelse med annan tillgänglig statistik Sveriges Hamnar (ett bransch- och arbetsgivarförbund inom Transportföretagen) för statistik över trafiken i sina medlemshamnar. Det innebär att hamnar som inte är medlemmar inte omfattas av statistiken. Många hamnar är dock med, varför det ändå är intressant att använda denna. En jämförelse mellan Trafikanalys heltäckande statistik och Sveriges Hamnars statistik visar att hanterad godsmängd är ungefär densamma i de båda underlagen för hamnområde 6, 13 (24)

14 1000-tals ton UPPDRAGSNAMN medan för hamnområde 4 täcks % in och för område 8 (Gotland) endast 15 %. Vi har inte undersökt vilka av hamnarna på Gotland som är inkluderade i Sveriges hamnars statistik. Expertcenter presenterar Samgodsresultaten per hamnområde, då modellens resultat inte bedöms vara tillförlitliga på mer detaljerad nivå, som exempelvis enskilda hamnar. Prognosresultat för enskilda hamnar ska därför inte användas i analyser. Det är dock av intresse att försöka ta reda på om prognosen stämmer bättre för vissa hamnar än andra. I Figur 8 visas prognosresultat och statistik för de hamnar som är med i Sveriges Hamnars statistik. För hamnområde 6, där Södertälje hamn ingår, är Sveriges Hamnars statistik heltäckande (den stämmer överens med Trafikanalys officiella statistik). För område 8, Gotland, täcks en så liten andel in av statistiken att jämförelsen inte tillför något och har därför inte tagits med. Vad gäller hamnområde 4, där övriga hamnar i Figur 8 ingår, saknas även där volymer/hamnar i statistiken. Därför är det svårt att dra fler slutsatser av Figur 8 gällande Stockholms hamnar och Nynäshamn. Dock går det att se att prognosen uppenbarligen underskattar volymerna i Kapellskär. Föregående avsnitt visade däremot att prognosen tycks stämma bra för område 4 som helhet Kapellskär Stockholm Nynäshamn Södertälje Statistik Prognos Figur 8: Jämförelse mellan Sveriges Hamnars statistik över trafik i sina medlemsföretag och motsvarande hamn i Samgods statistik. Sveriges hamnar är ej heltäckande. * Det är oklart vilka hamnar på Gotland som inkluderas i Sveriges Hamnars statistik Slutsatser Expertcenter uppger att det är i princip omöjligt att kalibrera Samgods så att resultaten per hamnområde stämmer bättre mot statistiken än vad de gör i den här versionen. Syftet med genomgången är därför att dels tydliggöra prognosens kvalitet för användare och beslutsfattare i Region Stockholm, och dels att utgöra ett möjligt underlag för Expertcenter till utveckling av framtida prognoser. 14 (24)

15 Den huvudsakliga slutsatsen är att prognosen uppskattar hanterad godsvolym per hamnområde ganska väl, med undantag för Gotland, där prognosen innebär en ganska stor underskattning i relativa tal. I hamnområde 6 är det bara en av hamnarna, Södertälje, som ingår i Region Stockholm. För Södertälje hamn innebär prognosen en kraftig överskattning (på bekostnad av hamnar i Region Öst). För de enskilda hamnarna i område 4, vilket är de flesta hamnarna i Stockholms län, går det med nu tillgängligt dataunderlag inte att bedöma prognosens kvalitet. Det ska dock påpekas att Samgodsmodellen inte kalibrerats för att nivåerna per Trafikverksregion ska stämma. Kalibreringen av godsmängd i hamnar har gjorts per hamnområde, och totalt transportarbete (ton-kilometer) per trafikslag har kalibrerats nationellt. Den genomförda valideringen styrker den tidigare uppmaningen att inte använda prognosen på en mer detaljerad nivå. Om flödena i en enskild hamn ska analyseras, bör inte prognosen användas som underlag för de absoluta nivåerna. Validering av lastbilsprognos Samgodsresultat som ska valideras gällande vägtrafik består av flödeskartor för fordon och gods i Samgods vägnät. Det går inte att utläsa varugrupper, lastbilstyper, startpunkt/destination eller riktning ur kartorna, utan endast totala flöden för år Flödeskartorna gällande fordon har jämförts med Trafikverkets kartor för uppmätta trafikflöden (ÅDT). För Samgods godsflödeskartor har ingen validering gjorts, eftersom det saknas data att jämföra mot. Jämförelse med Trafikverkets uppmätta trafikflöden (ÅDT) Innan resultaten av valideringen presenteras, ska några påverkande faktorer pekas ut. Samgods prognos gäller år 2012, medan Trafikverkets kartor med uppmätta trafikflöden innehåller mätningar från olika tillfällen under många år. I de uppmätta trafikflödena för tung trafik räknas också bussar, eftersom dessa inte kan särskiljas från lastbilar i mätningarna. Detta kan leda till stora avvikelser speciellt i tätbefolkade områden med hög nivå av kollektivtrafik. Samgods modellerar endast långväga trafik mellan kommuner eller mellan Sverige och utlandet (det vill säga att inomkommunala (start- och målpunkt inom samma kommun) transporter inte är med i flödeskartorna), och inkluderar inte distributionstrafik. Detta kan leda till stora avvikelser speciellt i tätorter där distributionstrafik utgör en stor andel av trafiken med tunga fordon. Bara de vägar som inkluderas i både Samgods och kartorna för uppmätta trafikflöden har validerats. Eftersom kartorna för uppmätta trafikflöden (ÅDT) inte innehåller några tillförlitliga uppmätta trafikflöden i centrala Stockholm, validerades inte detta område mot uppmätta trafikflöden. En särskild jämförelse för centrala Stockholm har gjorts mot Stockholms stads, Trafikkontoret, egna trafikräkningar. 15 (24)

16 E4 Upplands Väsby- Arlanda E4 Över Arlanda E18 Bromsten-Barkarby E18 Barkarby-Kallhäll E18 Kallhäll-Bålsta E18 Hägernäs-Karby E18 Karby-Norrtälje 76 Norrtälje-Södermarjum 77 Norrtälje mot Uppsalalän E18 Norrtälje-Kapellskär 276 Gillinge-Åkersberga 267 Genom Söderby 850 Upplands Väsby-Stäketv.(267) 259 Huddinge-Jordbro 225 Södertälje-Rosenhill 225 Rosenhill-Ösmo 263 Mästra mot Enköping E20 Västberga-Södertälje E20 Södertälje-Nykvarn E20 Nykvarn mot Södermalm E4 Södertälje mot Ostergötland 73 Shm(Söd.Länken)-Jordbro 73 Jordbro-Västerhaninge 73 Västerhaninge-Ösmo 73 Ösmo-Nynäshamn 222 Östgötagatan-Gustavsberg 57 Järna-Gnesta 259 Fittja-Huddinge 226 Stuvsta-Huddinge 262 Danderyd-Törnskogen E18 Bergshamravägen 265 Sollentuna-Trafikplats Habylund 261 Drottningholm-Ekerö 229 Hökarängen-Trfpl. Skrubba UPPDRAGSNAMN I kartorna med uppmätta trafikflöden har filtret för tung trafik använts. I Samgods flödeskartor har nivåerna för både lastade och tomma fordon lästs av för aktuella länkar, och dessa har adderats. Då valideringen gjorts för längre vägstråk aggregerat, har både uppmätta trafikflöden och Samgods resultat uppskattats som genomsnitt över flera på varandra följande länkar med inbördes delvis olika värden. Urvalet av vägar har gjorts genom att välja ut de stråk med störst flöden enligt dels Samgods, dels uppmätta trafikflöden, då dessa inte alltid sammanfaller. Stockholms län En screenshot av Samgods resultat för Stockholms län visas i Figur 10. De vägar som lästs av och jämförts med uppmätta trafikflöden har markerats med vägnummer. I Figur 9 visas resultatet. I de flesta fall underskattar Samgods flödena mätt i antal fordon. Detta gäller för både mindre och större vägar, men det finns dock några undantag. Av de 34 vägar som analyserades, visade 21 en större skillnad än ±50% och av dem hade fyra en skillnad större än ±100%. För alla länkar där skillnaden är mer än ±100% är Samgodsprognosen överskattad jämfört med uppmätta trafikflöden. Dessa är väg 225 i Rosenhill-Ösmo med 136%, väg E20 Nykvarn mot Södermalm med 139%, väg 73 Västerhaninge-Ösmo med 286%, och väg 73 Ösmo- Nynäshamn med 411%. Figur 9: Jämförelse av antal fordon per år enligt Samgods och enligt uppmätta trafikflöden (ÅDT), för ett antal utvalda vägar i Stockholms län Fordon per år x Antal fordon Samgods Uppmätt tung trafik (24)

17 Figur 10: Samgods flödeskarta för Stockholms län (filtrerad för vägar med mer än fordon per år), med avlästa vägnummer inlagda. För centrala Stockholm har en särskild validering gjorts för broarna över Saltsjö-Mälarsnittet. Samgods har endast två förbindelser inlagda, se Figur 11, medan trafikräkningar gjorts för fem 17 (24)

18 Fordon per år x UPPDRAGSNAMN platser; Centralbron, Essingeleden, Gamla Stan och Västerbron. I Figur 12 visas resultatet både för de enskilda platserna och för summan av förbindelserna. Totalt är antalet fordon i Samgods 34 % lägre än trafikräkningarna. Dock ska man ha i åtanke att Samgods inte omfattar distributionstrafik, vilket troligtvis utgör en stor andel av den tunga trafiken inne i centrala Stockholm. Resultatet får därför anses vara rimligt. Figur 11: Samgods förbindelser över Saltsjö-Mälarsnittet Centralbron (a) och Essingeleden (b) Antal fordon Samgods TK Figur 12: Jämförelse mellan Samgods resultat och Trafikkontorets trafikräkningar för tung trafik. 18 (24)

19 Gotland En screenshot av Samgods resultat för Stockholms län visas i Figur 13. De vägar som lästs av och jämförts med uppmätta trafikflöden har markerats med vägnummer. I Figur 14 visas resultatet. Figur 13: Samgods flödeskarta för Gotland (filtrerad för vägar med mer än fordon per år), med avlästa vägnummer inlagda. Figur 13 visar att i Samgods är nästan alla godsflöden koncentrerade i några vägar nära Visby, inklusive vägen till hamnen (Färjeleden). Figur 14 visar att flödet längs dessa vägar är mycket överskattat (160 till 280%), medan vägarna som ansluter Visby till andra delar av ön är mycket underskattade (-96% till -100%). Anledningen till detta är hur Gotlands vägnätverk är representerat i Samgods. I Samgods har Region Gotland bara en centroid (det vill säga en imaginär punkt där alla flöde i området genereras alternativt riktar sig till). Den gula pilen i Figur 13 visar var centroiden är placerad i Samgods. 19 (24)

20 Fordon per år x UPPDRAGSNAMN I verkligheten finns det många punkter som genererar/tar emot flöde och befinner sig spridda i ön. Därför visar uppmätta trafikflöden ett mer jämt flöde av lastbilar som fördelar sig på många länkar. Enligt uppmätta trafikflöden, mottas en stor mängd gods i hamnen, varav en del distribueras i Visby, och resten körs längs vägar som ansluter Visby till andra delar av ön, se Figur Antal fordon Samgods ÅDT-->år Figur 14: Jämförelse av antal fordon per år enligt Samgods och enligt uppmätta trafikflöden (ÅDT), för ett antal utvalda vägar i Gotland 20 (24)

21 Figur 15: Karta för uppmätta flöden av tung trafik på Gotland. Slutsatser Jämförelsen för Stockholms län ger ett blandat resultat, där Samgods överskattar trafiken på vissa vägar och underskattar på andra. Fördelningen av trafik över de undersökta vägarna är ändå relativt lika mellan Samgods och uppmätta trafikflöden, med undantag för fyra vägar där trafiken överskattas med mer än 100 %. Den största överskattningen i både relativa och absoluta tal är för väg 73 mellan Västerhaninge och Nynäshamn. Detta kan möjligtvis hänga ihop med den stora överskattningen av trafiken i Nynäshamns hamn (se tidigare kapitel). I centrala Stockholm är Samgods nätverk ganska grovt och bör egentligen inte användas för analyser. En jämförelse med trafikräkningar för förbindelserna över Saltsjö-Mälarsnittet ger dock att storleksordningen på trafikflödena verkar rimlig. Det ska återigen påpekas att distributionstrafik inte ingår i Samgods. För Gotland är prognosen för tung vägtrafik inte särskilt användbar, då centroiden för Gotland ligger i anslutning till Visby hamn och alla flöden består av transporter mellan centroiden och Gotlands olika hamnar (varav Visby hamn är överlägset störst i prognosen). Orsaken är Samgods struktur som nationell modell med kommuner som zonindelning, vilket gör att detaljnivån på transporter inom kommuner blir oprecis. 21 (24)

22 Avslutningsvis konstateras att valideringen stärker rekommendationen att inte använda prognosen till analyser för enskilda vägavsnitt. I sådana analyser används lämpligen andra modellverktyg, trafikräkningar eller liknande, tillsammans med aggregerade tillväxttal från basår till prognosår från Samgods. Rekommendationer inför kommande valideringsomgångar Prognosresultat som ska valideras Under 2017 har vissa resultat av godsprognosen funnits tillgängliga för validering. För att kunna bedöma prognosens rimlighet, samt ge ökade möjligheter till att förklara eventuella avvikelser, bör större delar av prognosens antaganden och resultat göras tillgängliga i valideringen, till exempel: 1. Samgods nätverk av noder, det vill säga start- och slutpunkter för godstransporter, men även terminaler och andra omlastningspunkter, utplacerade på en karta med tillhörande information om nodernas egenskaper (trafikslag, med mera). Det är också viktigt att nodernas anslutning till övriga nätverket (vägar, järnvägar, farleder) framgår av kartan. 2. Efterfrågan på gods till och från Samgods zoner (Sveriges kommuner och regioner i utlandet), det vill säga PWC-matriserna. 3. Kapacitetsutnyttjande i järnvägsnätet. Dataunderlag att validera mot Delar av prognosresultaten är svåra att validera eftersom det inte finns information att jämföra med. En särskilt stor lucka i underlaget är information om mängden gods ombord på lastbilar och godståg. Trafikräkningar och tidtabeller innehåller information om antalet fordon, men inte om vad de fraktar. Nedan beskrivs några tillvägagångssätt för att få tillgång till mer utförligt statistikunderlag att validera modellen mot framöver. Kartlägga terminaler, lastplatser och industrier i Stockholmsområdet där lastning och lossning av godståg sker. Eftersom antalet bör vara ganska begränsat (jämfört med till exempel rena lastbilsterminaler) bör man kunna upprätta kontakt med dessa för att få tillgång till information om mängden gods som hanteras och även till viss del typen av gods, samt huvudsaklig källa och destination för godset. Lastbilstransporter är svårare att kartlägga och dessutom omfattar den nationella prognosen inte lokala distributionstransporter utan endast de långväga. Om huvudsyftet med datainsamlingsinsatser är att validera Samgodsresultat, måste därför de olika typerna av lastbilstransporter gå att skilja från varandra i datainsamlingen. I många fall (men inte alla) lastas även lastbilsgods om på en terminal i regionen. Kartläggning av dessa terminaler är ett större arbete än för järnvägsterminalerna, men exempelvis Trafikanalys har tidigare tagit fram en metod för detta. För att 22 (24)

23 sedan ta reda på hur mycket gods som hanteras i dessa behöver någon typ av statistisk undersökning genomföras. Trafikanalys nystartade regeringsuppdrag om kartläggning av urbana godstransporter. Projektet fokuserar i och för sig på en typ av trafik som inte omfattas av Samgods, men kan ändå ge insikter om lämpliga tillvägagångssätt för datainsamling. En fråga som bör utredas är till exempel om och hur data från trängselskatterna kan användas för kartläggning av transporter. Större industrier och hamnar står ofta för stora andelar av de totala godsflödena i en region (dock mindre så i en tätbefolkad region som Stockholm). Att knyta kontakter med logistikansvariga vid regionens största industrier, samt även stora aktörer inom detalj- och dagligvaruhandel, hamnar och större terminaler eller distributionscentraler, kan vara ett effektivt sätt att täcka in en stor andel av transporterna i ton (dock kanske inte nödvändigtvis i antal fordon). Om ett sådant nätverk byggs upp över tid innan valideringstillfället, kan Trafikverket förbereda valideringen genom att i god tid bjuda in till workshop där man gemensamt tittar på de prognosresultat som ska valideras. Det ligger ju även i industri- och logistiksektorns intresse att prognosen är så bra som möjligt. Vad gäller validering av prognosåret, finns inget facit. Det är däremot av värde om regionen har samlad information om planerade större förändringar och utbyggnader, både i infrastruktur och hamnar och i markanvändning, utbyggnad av industrier och logistikområden, och annat som kan ha stor påverkan på godsflödena. I valideringen kan då ingå att ta reda på om dessa förutsättningar tagits med i modellberäkningarna eller ej. Rekommendationer för användning av Samgodsmodellen Geografisk skala: Samgods är en nationell modell som inte är gjord för att studera gods- och trafikflöden på regional nivå 8. Samgods motsvarighet på persontransportsidan, Sampers, har regionala modeller. Det har alltså inte Samgods. Samgods används till att göra Trafikverkets basprognos, där utvecklingen av den totala mängden godstransporter uppdelat på trafikslag och varuslag uppskattas utifrån ett antal specifika förutsättningar. Den används även till vissa objekts- och policyanalyser i exempelvis Trafikverkets nationella plan (se nästa punkt). Typ av analyser: Trafikverkets Beräkningshandling för trafik- och transportprognoser (Publikationsnummer 2016:061) anger att Det verktyg på godssidan som närmast motsvarar Sampers/Samkalk är 8 Samgods har använts för regionala analyser tidigare, men det är oklart vilken kvalitet resultaten håller. Det är inte modellens huvudsyfte. Dock kan nationella flöden som startar i, slutar i eller passerar regionen studeras. 23 (24)

24 Samgods i kombination med efterföljande manuella effektberäkningar. Denna ansats kan användas i följande analysfall: - Investeringspaket med stora systempåverkande effekter för gods - Policyanalyser - Stråkanalyser För åtgärder med små systempåverkande effekter, exempelvis åtgärder som påverkar transporttid och transportavstånd kan Bansek användas för järnväg och EVA för väg. Detta innebär att Samgods används för att analysera större åtgärders effekt på transportsystemet på den nationella skalan. Då Samgods resultat inte bedöms tillförlitliga på länknivå, det vill säga enskilda vägar, järnvägar och farleder, så ska dessa inte heller användas i analyser. Som exempel har Trafikverket Region Nord och Mitt har i ett projekt undersökt hur väl modellen stämmer med verkligheten och kom fram till att för regionala analyser krävs andra verktyg och datasammanställningar, även om modellens prognoser stämmer relativt väl för de nationella godsströmmarna 9. Absoluta vs. relativa tal: Vidare kommer modellen aldrig att ge exakta resultat för nuläget. Om man vill veta hur många fordon som trafikerar ett stråk eller en region, är det bättre att använda den statistik som finns och/eller att mäta upp den storhet man är intresserad av. Modellens syfte är snarare att uppskatta utvecklingen i relativa tal, givet olika antaganden. Det är därför framförallt de resultaten som bör användas. Om exempelvis en anslutning till en hamn ska studeras, så används lämpligtvis hamnstatistiken och trafikmätningar för att beskriva nuläget, och tillväxttal från Samgods för att uppskatta den framtida utvecklingen. Prognosen kommer då ha tagit hänsyn till hur världshandeln tros förändras, hur olika åtgärder som planeras genomföras de närmaste 20 åren påverkar exempelvis överflyttning mellan trafikslag, med mera. Rimlighetsbedömningar och iterativt arbetssätt: När Samgods ändå används till objektsanalyser, är det viktigt att kunna bedöma rimligheten i resultaten, att studera resultaten ganska detaljerat för att se om det dyker upp effekter på andra platser eller för andra trafikslag än förväntat, att hitta förklaringen till icke-intuitiva resultat och att eventuellt justera scenarierna om det anses motiverat. 9 Källa: Presentation Godsflöden i Norra Sverige av företrädare för Trafikverket Region Mitt och Norr vid Trafikverkets möte Samgods Large (24)