Framtagning av godsvolymer genom TEN-T Hamnar i Sverige - Metodrapport

Transkript

1 Trafikverket Framtagning av godsvolymer genom TEN-T Hamnar i Sverige - Metodrapport Helsingborg

2 Framtagning av godsvolymer genom TEN-T Hamnar i Sverige - Metodrapport Datum Uppdragsnummer Utgåva/Status ARBETSMATERIAL 0.4 John Mcdaniel Jens Karlsson Thomas Ney Uppdragsledare Handläggare Granskare Framtagning av godsvolymer genom TEN-T hamnar i Sverige - Metodrapport i

3 Innehållsförteckning 1. Bakgrund och syfte Bakgrund Beskrivning av förutsättningarna och indata Samgods resultat år 2006 och Officiell statistik Tillgänglig statistik på Hamnnivå Metodbeskrivning Den tillämpade metoden Indata från Samgodsmodellen Statistiskt underlag Beräkna godsvolymer år Summering av metoden Alternativa metoder som förkastats Resultat Historisk utveckling Framtidsprognos Exempel hamnar Framtagning av godsvolymer genom TEN-T hamnar i Sverige - Metodrapport ii

4 1. Bakgrund och syfte Detta uppdrag genomfördes av Ramböll Sverige AB (Ramböll) i samarbete med Trafikverket. Från Ramböll ingick John McDaniel, Uppdragsledare och Jens Karlsson, Handläggare för sammanställning av statistiken. Rapporten har granskats av Thomas Ney. För Trafikverket ingick Petter Wikström, uppdragsansvarig samt Petter Hill, Emil Fasten och Anders Broberg. Denna rapport beskriver översiktligt metoden som tillämpats och slutresultat per TEN-T hamn (godsvolymer år 2010 och 2030). 1.1 Bakgrund Trafikverket tar årligen fram prognosresultat för sjöfart från Samgodsmodellen per kustområde i form av godsmängd över kaj mätt i antal ton. Ett kustområde består av ett antal hamnar längs en kuststräcka och det totala antalet kustområden i Sverige är 12 stycken. Orsaken till att modellresultat för sjöfart presenteras per kustområde och inte per enskild hamn är att modellen är skattad på en ganska aggregerad nivå. En annan orsak är att den officiella statistiken för sjöfart, som modellresultaten stäms av med, presenteras per kustområde och inte för enskilda hamnar. Det finns dock behov av att ta fram prognosresultat för sjöfart på en mer detaljerad nivå än de 12 ovan nämnda kustområdena. Inom EU-kommissionen genomförs för närvarande en revidering av de Transeuropeiska Transportnätverken, TEN-T. För att underlätta och ge en överskådlig input till detta arbete utvecklar kommissionen nu en databas med tekniska och ekonomiska uppgifter avseende de Transeuropeiska Transportnätverken. I denna databas som benämns TENtec - ingår även moduler för elektroniska ansökningar av bidrag samt för uppföljning av TEN. Trafikverket skall årligen leverera statistik till denna databas för samtliga trafikslag. För sjöfart ska statistik levereras för 24 stycken utpekade hamnar i Sverige. Trafikverket önskar en metod för nedbrytning av volymer per kustområde (12 st) till de utpekade hamnarna (24 st), samt att för dessa hamnar tillämpa denna metod för att ta fram godsprognoser som är konsistenta med den nationella godsprognosen från Samgodsmodellen. Den nationella godsprognosen och statistikmaterial för hamnarna ska användas som underlag. Metoden ska vara transparent, relativt enkelt och lätt att uppdatera i framtiden av Trafikverket eller valda konsulter. Endast befintlig och officiell statistik har använts i metoden. 1 av 18

5 Figur 2.1 Sveriges kustområde och utvalda TEN-T hamnar Bilden ovan visar de 12 kustområden enligt Trafikanalys definition av officiell statistik. Bilden visar också de 24 TEN-T Hamnar som redovisas i uppdraget. 2 av 18

6 2. Beskrivning av förutsättningarna och indata Input till metodutveckling tillhandahållits av Trafikverket och innehåller både prognosmodell resultat från Samgodsmodellen samt en sammanställning av officiell statistik. 2.1 Samgods resultat år 2006 och 2030 Det är viktigt att påpeka att för uppdraget har Trafikverket tillhandahållit bas- och prognosvolymer från Trafikverkets modell Samgods. I uppdraget ingår inte att ta fram nya prognoser på hamnnivå. Uppdraget är avgränsat till att fördela om godsvolymer per kustområde till hamnar inom respektive kustområde. Ökningstakten i Samgodsprognosen är alltså given, och kommer från Trafikverket. Från Samgods kommer två tabeller med samma format, en för Samgods gällande basår 2006 och den andra för framtidsåret Tabellerna innehåller totalt hanterad godsmängd över kaj per kustområde och per varugrupp (STAN12). Samgods har basåret 2006, som är kalibrerad mot godsvolymer för samma år i en separat rapport som finns tillgänglig på Trafikverkets hemsida. PortArea STAN1 STAN2 STAN3 STAN4 STAN5 STAN6 STAN7 STAN8 STAN9 STAN10 STAN11 STAN12 TOT Summa: Figur 2.2 Exempel format från Samgodsmodellen. 2.2 Officiell statistik Trafikverket har sammanställt relevant officiell godstransportstatistik i en Exceldatabas baserat på följande källor: Sveriges Hamnar Eurostat Trafikanalys 3 av 18

7 Trafikanalys har producerat statistik varje år sedan 1997 gällande hanterad godsmängd per kustområde och varugrupp. Detta möjliggör jämförelse och kalibrering mellan Samgods 2006 och Trafikanalys En tanke från början var att sammanställa denna statistik från 1997 till 2013 per kustområde och varugrupp, men tyvärr har varugruppsindelningen ändrats från NST/R 2006 med 24 huvudvarugrupper och cirka 6 undergrupper till NST2007 med 20 huvudvarugrupper. Överensstämmelsen är inte entydig. Inte heller aggregering till STAN12-varugrupper är enkel eller entydig. För vissa varugrupper är detta utan problem medan andra är nästan omöjliga att jämföra över tid. NST/R 2006 NST Spannmål 01 Produkter från jordbruk, skogsbruk och fiske 2 Potatis, andra färska eller frysta därav spannmål grönsaker, färsk frukt rundvirke 3 Levande djur, sockerbetor 02 Kol, råolja och naturgas 4 Trä och kork därav råolja Därav rundvirke 03 Malm och andra produkter från utvinning Därav sågade, hyvlade trävaror Därav flis, trä-/sågavfall Därav övrigt trä och kork 5 Textil, textilartiklar, konstfiber, andra därav jord, sten, grus och sand järnmalm annan malm än järnmalm 04 Livsmedel, drycker och tobak råmaterial från djur och växter 05 Textil- och beklädnadsvaror, läder, lädervaror 6 Livsmedel och djurfoder 06 Trä samt varor av trä och kork (exkl. möbler), 7 Oljefröer, oljehaltiga frukter/fetter massa, papper och pappersvaror, trycksaker 8 Fasta mineralbränslen därav sågade och hyvlade trävaror 9 Råolja flis, trä/sågavfall 10 Oljeprodukter pappersmassa 11 Järnmalm, järn- och stålskrot och papper, papp och varor därav masugnsdamm 07 Stenkolsprodukter och raffinerade 12 Icke järnhaltig malm och skrot petroleumprodukter 13 Metallprodukter därav raffinerade petroleumprodukter 14 Cement, kalk, byggnadsmaterial 08 Kemikalier, kemiska produkter, konstfibrer, 4 av 18

8 15 Obearbetade eller bearbetade gummi- och plastvaror samt kärnbränsle mineraliska ämnen 09 Andra icke-metalliska mineraliska produkter 16 Naturgödsel och konstgödning 10 Metallvaror exkl. maskiner och utrustning 17 Kolbaserade kemikalier och tjära 18 Andra kemikalier än kolbaserade 11 Maskiner och instrument 12 Transportutrustning och tjära 13 Möbler och andra tillverkade varor 19 Pappersmassa och returpapper, 14 Avfall och returråvara pappersavfall 15 Post och paket 20 Transportmedel (-utrustning), 16 Utrustning för transport av gods maskiner, apparater, motorer 17 Flyttgods, fordon för reparation 21 Metallvaror 18 Styckegods och samlastat gods 22 Glas, glasvaror och keramiska 19 Oidentifierbart gods produkter därav gods på lastfordon 23 Läder, textilier, kläder, andra gods på järnvägsvagnar tillverkade varor containergods Därav papper, papp och varor 20 Andra varor, ej tidigare specificerade därav Därav läder, textilier, tyg mm 24 Övriga varor inkl tomemballage Därav styckegods Därav övriga varor Därav emballage Gods på lastfordon Gods på järnvägsvagnar Containergods Figur 2.3 Varugruppsindelning fram till 2006 och från Kustområden som redovisas i den officiella statistiken från år 2008 inte är samma som tidigare. Kustområdesindelningen i Samgods motsvarar 14 områden som redovisade fram till 2007 i den officiella statistiken. År 2008 blev tre kustområden sammanslagna till ett (Södra ostkusten). Statistik per hamn och varugrupp tillhandahållits av Sjöfartsverket men endast för tidsperioden Ramböll har analyserat material och tillsammans med Trafikverket bedömt att en trendframskrivning för så kort tidsperiod, inklusive en väldigt instabil period, gav mer osäkra resultat än den längre tidsperioden med totala flöden. 5 av 18

9 2.3 Tillgänglig statistik på Hamnnivå Till skillnad från Trafikanalys redovisar Sveriges Hamnar data från andra källor på hamnnivå. Genom att sammanställa material från Sveriges Hamnar, Eurostat och Trafikanalys har Trafikverket kunnat få fram en databas över total godsmängd för per hamn perioden Förutom nämnda källor har Trafikverket fått tillstånd att använda varugruppsspecifik statistik per hamn från Sjöfartsverket. En beskrivning av hur källorna tillämpats finns i ett senare avsnitt i denna rapport. Figuren nedan visar en förteckning av hamnar i och tillhörande kustområde (enligt definitionen från år 2008) samt statusen för respektive hamn (TEN-T Core, TEN-T Comprehensive och Ej TEN-T). Hamn kustområde >2008 CORE COMPREHENSIVE EJ TEN-T Bergkvara Södra ostkusten X Bergs Oljehamn Norrtälje Nynäshamn X Brofjorden Scanraff Stenungsund-Strömstad X Delta Terminal Söråker Umeå Sundsvall X Falkenberg Halmstad-Varberg X Gotlands hamnar Södra ostkusten X Grisslehamn Norrtälje Nynäshamn X Gävle Hudiksvall-Gävle X Göteborg Göteborg X Halmstad Halmstad-Varberg X Hargshamn Norrtälje Nynäshamn X Helsingborg Malmö Helsingborg X Husum Umeå Sundsvall X Härnösand Umeå Sundsvall X Iggesund Hudiksvall-Gävle X Jättersön Södra ostkusten X Kalmar Södra ostkusten X Kapellskär Norrtälje Nynäshamn X Karlshamn Karlskrona-Trelleborg X Karlskrona Karlskrona-Trelleborg X Landskrona Malmö Helsingborg X Luleå Haparanda-Skellefteå X Lysekil Stenungsund-Strömstad X Malmö Malmö Helsingborg X Mälarhamnar 6 av 18

10 varav Köping Mälaren x varav Västerås Mälaren x Mönsterås Södra ostkusten X Norrköping Södra ostkusten X Norrsundet Hudiksvall-Gävle X Norrtälje Nynäshamn totalt varav Nynäshamn varav Nynäshamns oljehamn Norrtälje Nynäshamn Norrtälje Nynäshamn Norrtälje Nynäshamn X Oskarshamn Södra ostkusten X Oxelösund Södra ostkusten X Piteå Haparanda-Skellefteå X Skellefteå Haparanda-Skellefteå X Skutskar Hudiksvall-Gävle X Skärnäs terminal Hudiksvall-Gävle X Slite/Slite industrihamn Södra ostkusten X Smålandshamnar Södra ostkusten X Stenungsund Stenungsund-Strömstad X Stockholm Norrtälje Nynäshamn X Storugns Södra ostkusten X Strömstad Stenungsund-Strömstad X Sundsvall Umeå Sundsvall X Söderhamn Hudiksvall-Gävle X Södertälje Södra ostkusten X Sölvesborg Karlskrona-Trelleborg X Trelleborg Karlskrona-Trelleborg X Uddevalla Stenungsund-Strömstad X Umeå Umeå Sundsvall X Varberg Halmstad-Varberg X Vänerhamn Vänern X Västervik Södra ostkusten X Wallhamn Stenungsund-Strömstad X Ystad Karlskrona-Trelleborg X Åhus Karlskrona-Trelleborg X Örnsköldsvik Umeå Sundsvall X Figur 2.4 Hamnar efter kustområde och TEN-T status av 18

11 3. Metodbeskrivning 3.1 Den tillämpade metoden Uppdragets syfte är framförallt att ta fram en ny metod för prognostisering av godsvolymer för de 24 TEN-T hamnarna, baserat på både tillgänglig historisk statistik på hamnnivå och Samgod resultat för ett basår (2006) och ett framtids år (2030) per kustområde och varugrupp. Dessa ska kunna tillämpas på nya prognosförutsättningar i Samgods och med samma dataformat. Uppdatering av statistikdatabasen ska kunna göras enkelt och påverka resultaten av metodtillämpningen. Metoden skulle också vara transparent, enkel och endast inkludera officiellt tillgängliga historiska indata. En förutsättning för uppdraget var att olika metoder skulle undersökas. Ramböll och Trafikverket har tillsammans kommit överens om att metoden inte ska hantera osäkra indata, dvs icke-officiell statistik, bedömningar osv. Detta inkluderar också effekterna av infrastrukturinvesteringar. Medan själva investeringarna är klara så är påverkan av diverse investeringar på antalet hanterade ton är väldigt osäker och öppen för olika bedömningar. Vissa investeringar kan genomföras för att behålla nuvarande volymer och kvalité medan andra ger möjlighet för ökade volymer genom att möjliggöra för större fartyg med lägre enhetskostnader. Om infrastrukturinvesteringarna ska inkluderas i modellen bör en särskilt studie genomföras för att undersöka påverkan på hanterade ton. Dessutom bör effekterna också inkluderas i Samgodsmodellen som idag inte har inbyggd möjlighet för detta med resultat att antalet ton per kustområde inte påverkas. Ramböll har utvecklat en enkel och transparant metod som inte kräver stor kunskap med programmering eller Samgodsmodellen. Metoden är enkel att uppdatera med reviderade resultat från Samgodsmodellen och samtidigt enkelt att uppdatera med ny statistik exempelvis med ny indata för 2014, 2015 eller bättre historisk statistik. Metoden är framtagen för att fördela den prognostiserade ökningen (eller minskningen) i hanterade ton per kustområde från Samgodsmodellen till enstaka hamnar inom varje kustområde. Mer exakt, ska samtliga utpekade TEN-hamnar särredovisas som separata hamnar istället för aggregerat per kustområde. Det senare innebär att alla hamnar i ett kustområde får samma tillväxt. I kustområdet Södertälje-Norrköping ingår två TEN-hamnar, Oxelösund och Norrköping. Inom varje statistiskt kustområde finns det också ett flertal andra hamnar som inte ingår i TEN. Därför var den första uppgiften att identifiera klassificeringen av hamnarna i respektive kustområde. Denna redovisas i kapitel av 18

12 3.2 Indata från Samgodsmodellen Från Trafikverket tillhandahålls tabeller per kustområde och varugrupp från Samgodsmodellen för åren 2006 och Eftersom leverans av indata till som TENtec-databasen avser åren 2010 och 2030 har detta hanterats inom metoden. För året 2010 är det enkelt eftersom statistiskt underlag finns tillgängligt (se nedan). Eftersom det finns en avvikelse mellan statistiken och Samgodsmodellen gällande basåret 2006 tillämpas metoden genom att beräkna den relativt ökningen från Samgods per kustområde. Detta konverteras till utveckling per år och slutligen appliceras på 20 år ( ). Observerar att endast hanterade ton per kustområde används i metoden och inte hanterar volymer per varugrupp eller kustområde/varugrupp. Detta på grund av stor osäkerhet i prognosen på den nivån och avvikelse mot statistik för samma år. Underlaget har följande format för både basåret och prognosåret: PortArea STAN1 STAN2 STAN3 STAN4 STAN5 STAN6 STAN7 STAN8 STAN9 STAN10 STAN11 STAN12 TOT Summa: Figur 3.1 Total godsvolym per kustområde från Samgodsmodellen 3.3 Statistiskt underlag Fördelning av mängden gods per hamn, som andel av gods per kustområde, är beroende av den historiska utvecklingen. Därmed ger en längre tidsserie ett stabilare resultat. Eftersom ett av kraven för den nya metoden är att endast använda tillgänglig officiell statistik är det viktigt att sammanställa de bästa underlagen. Därför tog Trafikverket på sig att leverera en statistikdatabas, i form av ett Excel-dokument. Dokumentet innehåller sammanställd statistik från Sveriges Hamnar, Eurostat och Trafikanalys. Databasen innehåller åtta olika underlagsflikar samt en rubrikflik. Alla underlag har analyserats inom uppdraget men alla har inte använts i det slutgiltiga valet av metod. 9 av 18

13 Flik Innehåll visar rubriken för de andra åtta flik Tabell H1: Hanterad godsmängd i svenska hamnar , tusentals ton Tabell H2: Hanterad godsmängd per hamn , tusentals ton Tabell H3: Totalt hantering per godsslag , tusentals ton Tabell H4: Totalt hantering per godsslag och hamn , tusentals ton Tabell H5: Antal enheter Tabell H6: Antal TEU-enheter (Twenty-foot equivalent units) Tabell H7: Antal anlöp och passagerare Tabell H8: Differens mellan Sveriges Hamnars och Trafikanalys totaler per godsslag Av dessa är fliken Tabell H2: Hanterad godsmängd per hamn , tusentals ton mest intressant för denna studie. Hamn Luleå Skellefteå Övriga Haparanda-Skellefteå Umeå Sundsvall Övriga Umeå-Sundsvall Figur 3.2 Historisk statistik ordnat efter kustområde och TEN-hamn Det är viktigt att klargöra vilka hamnar som ingår i varje kustområde, inte bara vilka TEN-hamnar ingår. Detta var möjligt att göra, med hjälp av Trafikanalys, för vissa hamnar som inte var tydliga enligt statistiken. 3.4 Beräkna godsvolymer år 2030 Genom att tillämpa en enkel trendfunktion i Excel per hamn var det möjligt att beräkna volymerna för år 2030, baserat enbart på historiska data. Genom att tillämpa funktionen för alla hamnar för perioden kunde vi beräkna en framskrivning i antalet hanterade ton. Resultat av detta skulle innebära en total ökning på cirka 20% mellan 2010 och Eftersom metoden också ska vara i linje med Samgodsprognosen per kustområde ingår ett extra steg att inkludera Samgods totalvolymer per kustområde. Detta gjordes genom att tillämpa en faktor mellan trenden och Samgods prognos för året Detta gjorde att den totala ökningen blev högre i Samgodsprognosen än i trendframskrivningen. Om vi nu tittar på de 24 TEN-hamnarna innebär detta en total ökning på +45% mellan 2010 och Den slutgiltiga tabellen redovisas i avsnitt 4.2 som visar antalet ton per TEN-hamn år 2010 och 2030 samt absolut och relativ ökning. 10 av 18

14 3.5 Summering av metoden Metoden uppfyller kraven att: tillämpa mest relevant officiella statistik på så lång tidsserie som möjligt (tillhandahålls av Trafikverket). undvika antaganden och icke-officiella källor. metoden ska vara transparent och enkel. metoden ska lätt kunna uppdateras. metoden ska inte kräva ovanliga programvaror. metoden ska tillämpas för första gången med senaste Samgodsprognos (tillhandahållas av Trafikverket). Statistiskt underlag per hamn Berarbeta historiskt indata trend per hamn Framskrivning av trenden till år 2030 Anpassning av trendframskriv ning till Samgodsprognos per Slutredovisning av 24 TEN-T hamnar kustområde Figur 3.3 Metod översikt Steg 1 är det statistiskt underlaget per hamn baserade på indata från Trafikverket som sammanställt materialet från Sveriges Hamnar, Eurostat och Trafikanalys. Detta sammanställts i ett Excel dokument med 9 olika flik. Steg 2 är att bearbeta Trafikverkets underlag för att visa historiskt materialet per hamn eller kustområde på ett sätt som kan användas för trendframskrivningen. Steg 3 beräknar, baserade på det historiskt underlaget, en trendframskrivning för år Steg 4 anpassar volymerna per kustområde för att vara i linje med Trafikverkets Samgods prognos för Detta baseras på en relativ ökning i Samgods mellan basåret 2006 och 2030 och appliceras på statistiken för år 2010 som bas. Tidsperioden beräknas om från 24 år till 20 år. Steg 5 är framtagning av en sluttabell med de 24 TEN-T Hamnarna, volymer år 2010, 2030 samt absolut och relativt tillväxten 2010 till av 18

15 3.6 Alternativa metoder som förkastats Den tillämpade metoden är relativt enkel men tar inte särskild hänsyn till varugruppsindelning, förutom att varugruppssammansättningen ligger till grund för den historiska utvecklingen som skett , det vill säga att ökande volymer för vissa varugrupper gör att vissa hamnar ökar medan andra minskar. Ett försök att använda varugruppsprognosen från Samgodsmodellen visade sig för osäker för att integrera i metoden för tillfälle. Ett mer intressant alternativ som analyserats var att använda historisk statistik per hamn och varugrupp från officiella källorna för att skatta en trendframskrivning med bättre förutsättningar än den på totalvolymer per hamn. Medan själva metoden kändes mer teoretiskt stabilt var det största problemet att underlaget bara finns sammanställt för perioden Detta bedöms som en allt för kort tidsperiod och som innehåller en period av stora volymförändringar. Kan en längre tidsserie tas fram är denna metod att föreslå. Därför innehåller Excel databasen också underlag och beräkningsmöjligheter för metoden. Generellt sett gav båda metoderna ungefär samma resultat för de flesta hamnarna som visar att varugruppsindelning och totalt hanterade volymer har ett starkt samband. Däremot skiljde resultaten sig en hel del för vissa hamnar och den första metoden med summerade godsvolymer ger ett mer stabilt resultat givet en längre tidsserie. Som jämförelse kan det noteras att den alternativa metoden per hamn och varugrupp baserat på utvecklingen skulle ge en total ökning på +43% mellan 2010 och 2030, medan huvudmetoden ger en liknande ökning på +45%. Däremot blir det större avvikelse för enstaka hamnar. Avslutningsvis finns frågan om möjlighet att tillämpa den s.k. pivot-pointmetoden som alternativ till trendframskrivningen. Ramböll har undersökt denna möjlighet och gjort bedömningen, tillsammans med Trafikverket, att metoden inte är att föredra för detta uppdrag. Pivot-pointmetoden tillämpas oftast på större efterfrågematriser där det finns stor osäkerhet i underlagen och därför ännu större osäkerheten för framtidsmatrisen. I fallet med TEN-hamnarna finns det fullständigt underlag per hamn och varugrupp. Dessutom är prognosen av godsvolymer per kustområde given av Samgodsmodellen. Fördelning mellan olika hamnar inom ett kustområde är inte en metod som behöver en mer komplicerad pivot-pointlösning eftersom kravet är att metoden ska vara enkel och transparent. 12 av 18

16 4. Resultat 4.1 Historisk utveckling Bilden nedan visar totala godsvolymer över samtliga hamnar. Denna visar tre perioder för volymutvecklingen: med nästan oförändrade volymer, sedan en tillväxt period tillväxtperioden med hög tillväxt med krisåret 2009, och en stagnationsperiod med minskande volymer Tusentals ton Lossade varor Lastade varor Figur 4.1 Godsvolymer i Svenska hamnar källa: Trafikanalys Så ser det ut på nationell nivå, men ökningar och minskningar avviker mer eller mindre för enstaka hamnar och kustområde. Karlskrona har exempelvis haft en väldigt stor volymökning sedan början av 2000-talet, trots den ekonomiskt krisen, eftersom den påverkats av den växande handeln med Polen. Strömstad däremot har haft en kraftig nedgång sedan en topp år av 18

17 Tusentals ton Karlskrona Figur 4.2 Godsvolymer, Karlskronas hamn Tusentals ton Strömstad Figur 4.3 Godsvolymer, Strömstads hamn Framtidsprognos Det bör noteras att hamnprognosen kommer ifrån Trafikverket och Samgodsmodellen. Prognosen gäller åren 2006 och 2030 och ger volymer per 14 av 18

18 kustområde. Ramböll har i sitt uppdrag applicerat den relativt tillväxttakten från Samgodsmodellen per kustområde på en 20-årsperiod mellan åren 2010 och Året 2010 är basåret för Samgodsprognosen för andra trafikslag och därför bör hamnprognosen relatera till samma period. Ytterligare en förutsättning är att referensåren för TENtec är 2010 och Med hänsyn till ovanstående är antalet hanterade ton per kustområde år 2030 redan givet som indata. Rambölls uppdrag har varit att dissaggregera Samgodsprognosen från 12 kustområde till enstaka hamnar och att redovisa volymer särskilt för de 24 TEN-T Hamnar. Fördelningen av antalet hamnar per kustområde är inte samma överallt. Vissa kustområden har inga TEN-hamnar t.ex. Trollhättan-Kristinehamn (Vänern) medan andra har upp till fyra TEN-hamnar t.ex. Karlskrona-Trelleborg. Tabellen nedan visar slutgiltigt resultat för föreslagen metod. År 2010 visar de officiella siffrorna från statistiken och år 2030 fördelningen enligt den tillämpade metoden. 15 av 18

19 TEN-T Hamnar Resultat 2010 Prognos 2030 Luleå Umeå Sundsvall Gävle Grisslehamn Kapellskär Stockholm Nynäshamn Västerås Oxelösund Norrköping Oskarshamn Gotland Karlskrona Karlshamn Ystad Trelleborg Malmö Helsingborg Halmstad Varberg Göteborg Stenungssund Strömstad Totalt: Figur 4.4 Godsvolymer för de 24 TEN-hamnarna åren 2010 och av 18

20 4.3 Exempel hamnar För att exemplifiera metoden och resultat visas några hamnar. Den första, Stenungssund visar att framskrivning av historiskt underlaget pekar på en volym nivå år 2030 av ca. 3.1 miljoner ton och att anpassning till Samgods prognos ökar volymen till ca. 3.3 miljoner ton. Tusentals ton per år Stenungsund Trend2030 Samgods2030 Figur 4.5 Metod exempel Stenungssund För Göteborgs Hamn ger en framskrivning en godsvolym år 2030 av 44 miljoner ton, ungefär samma nivå som år 2010 medan Samgods prognostisera 59 miljoner ton. Tusentals ton per år Göteborgs Hamn Trend2030 Samgods2030 Figur 4.6 Metod exempel Göteborgs Hamn 17 av 18

21 Det sista exemplet är Karlskrona, som har haft en stark ökning under perioden på grund av ökade handel med framförallt Polen. Trendframskrivningsmetoden visar dock att volymerna år 2030 skulle ligga kring 1.7 miljoner ton, lite lägre än toppvärdet år Efter Samgods anpassning ökar volymerna i prognosen till 2.8 miljoner ton. Karlskrona Tusentals ton per år Trend2030 Samgods2030 Figur 4.7 Metod exempel Karlskrona 18 av 18