Beräkningsmetodik och gemensamma förutsättningar för transportsektorns samhällsekonomiska analyser

Transkript

1 Version Beräkningsmetodik och gemensamma förutsättningar för transportsektorns samhällsekonomiska analyser Kapitel 6 Trafikprognoser och prognosmodeller 1

2 Översiktlig beskrivning av förändringar och uppdateringar i kapitel 6 Trafikprognoser och prognosmodeller Version Det som tidigare var kapitel 3 har delats och blivit kapitel 6 respektive 7. Det som tidigare var bilaga 1 3 är nu avsnitt 6.5, 6.6. och 6.7 i detta kapitel Trafikverket Postadress: Borlänge E-post: trafikverket@trafikverket.se Telefon: TMALL 0004 Rapport generell v 1.0 Dokumenttitel: Beräkningshandledning och gemensamma förutsättningar i transportsektorns samhällsekonomiska analyser; Kapitel 6 Trafikprognoser och prognosmodeller Författare: Gunnel Bångman Dokumentdatum: Version: Version Kontaktperson: Publiceringsdatum: Utgivare: Trafikverket 2

3 Innehåll 6 TRAFIKPROGNOSER Riktlinjer för framtagande av trafikprognoser Krav på tydlighet och transparens Krav på användbarhet Övriga krav på trafikprognosarbetet Om indata till prognosmodellerna Socioekonomisk indata Indata till Sampers Indata till Samgods Teori kring prognoser och prognosmodeller vägtrafik Så fungerar en trafikprognosmodell för vägtrafik Trafikmodeller i allmänhet Trafikmätning Andra undersökningar Databaser Teori kring prognoser och prognosmodeller för järnväg Efterfrågeberäkningar Metod och modell för att skapa prognostidtabell i åtgärdsplanering Elasticitetsberäkning av transportefterfrågan Godstransporter Beräkning av förändrad transportuppoffring (generaliserad kostnad) Utrikestransporter Förändringsfaktorer för uppräkning av trafiksiffror mellan olika år Förändringsfaktorer trafik Omräkningsfaktorer Modell för beräkning av linjekapacitet Indelning av järnvägsnätet i linjedelar Indelning i tågtyper Beräkning av belagd tid på dubbelspår Beräkning av belagd tid på enkelspår Belagd tid enkelspår specialfall Beräkning av konsumerad kapacitet Beräkningsexempel Tidtabellsprogram

4 4

5 6 Trafikprognoser För både gods- och persontransporter tar Trafikverket fram nationella trafikprognoser som utgör ett viktigt underlag för de samhällsekonomiska analyserna inom transportområdet. De samhällsekonomiska analyserna som görs av och åt Trafikverket inför beslut om att komma med i en nationell eller regional plan skall i huvudsak bygga på aktuell nationell prognos. Detta är ett skall-krav för att kunna komma ifråga för nationell eller regional plan. Prognoser av framtida personresor och godstransporter görs med flera olika syften. På nationell nivå används trafikprognoser som stöd i den långsiktiga transportplaneringen bl.a. för bedömning av investeringsbehovet och prioriteringarna i infrastrukturen och de samhällsekonomiska konsekvenserna av olika typer av åtgärder. På regional och lokal nivå används trafikprognoser bl.a. för kapacitetsanalyser och för dimensionering av infrastrukturprojekt. Trafikprognosberäkningar görs med hjälp av ett prognosverktyg bestående av ett antal modeller som bl.a. beskriver hur efterfrågan av transporter påverkas av olika förändringar i infrastruktur, transportkostnad, ekonomisk utveckling m.fl. variabler. För att göra en trafikprognos krävs därför antaganden om bl.a. den framtida infrastrukturen, fordonens egenskaper och kostnader samt utbud av kollektiva färdmedel och taxor. Det krävs också antaganden om framtida omvärldsförutsättningar, t.ex. befolknings- och näringslivsstruktur. Flera av de indata som krävs för att göra trafikprognoser är i sig prognoser. Det innebär att tillförlitligheten i en trafikprognosberäkning är starkt avhängigt av tillförlitligheten i de data som prognosen bygger på. Det finns ett antal olika prognos- och analysverktyg som Trafikverket, trafikhuvudmän, forskare och konsulter i Sverige använder. Trafikverkets två huvudsakliga modellsystem, Sampers för persontransporter och Samgods för godstransporter, får anses utgöra grunden i den nationella modellfamiljen även om andra modeller också används. En mer fullständig lista över prognos- och analysverktyg som förekommer i infrastrukturplaneringen finns på Trafikverkets hemsida, Riktlinjer för framtagande av trafikprognoser Trafikverket har tagit fram och beslutat om Riktlinjer för framtagande av trafikprognoser.1 Huvudsyftet med riktlinjerna är att kvalitetssäkra prognosarbetet bl. a. vad gäller dokumentation, tydlighet, transparens och användbarhet. Riktlinjerna behandlar hur en prognos inom trafikområdet bör tas fram, förvaltas och revideras för att uppfylla Trafikverkets krav. De gäller alla typer av trafikprognoser som görs av eller på uppdrag av Trafikverket eller berör Trafikverket på annat sätt, om inte annat sägs. Riktlinjerna är dock generella och är därför relevanta även för andra som arbetar med trafikprognoser. Riktlinjerna beskrivs mer detaljerat i rapporten Riktlinjer för framtagande av trafikprognoser2 vilken återfinns i en aktuell version på Trafikverkets hemsida, I detta dokument ges endast en kort introduktion till den typ av krav som ställs och den praktiska användningen av trafikprognoser. Den fullständiga listan återfinns dock i den nämnda rapporten. Bakgrunden till att riktlinjer för prognosverksamheten har tagits fram är att processen idag har ett antal brister. Nedan sammanfattas några av dessa i punktform: 1 Trafikverket, Riktlinjer för framtagande av trafikprognoser, TDOK 2011:465, Trafikverket, Rapport: Riktlinjer för framtagande av trafikprognoser, Trafikverket 2012:045. 5

6 Dokumentationen är inte tillfredsställande av själva processen för att ta fram prognoser eller av hur brister i indata och modell har hanterats Prognoser används för andra ändamål än de är avsedda Indata är inte alltid kvalitetsdeklarerade, rätt tolkade eller allmänt tillgängliga Prognosmodellerna är inte alltid tillfredsställande dokumenterade, kvalitetsdeklarerade eller tillgängliga Brister i dokumentationen gör att prognosens kvalitet inte kan bedömas och inte heller kan processen upprepas för avstämning, känslighetsanalys och/eller revideras med andra ingångsdata. Utan kvalitetsdeklaration av prognosmodell och indata blir det mer eller mindre omöjligt att värdera prognosresultatet Krav på tydlighet och transparens Flera av de brister som identifierats i dagens trafikprognosarbete har bäring på kvalitetssäkring av process, modeller och indata. Det handlar om att skapa större tydlighet och transparens så att det enkelt går att utläsa vilka förutsättningar som gäller för en prognos och ger möjlighet att kontrollera resultatet. Trafikprognoser bygger i de flesta fall på en rad antaganden, exempelvis vad gäller demografisk utveckling, disponibla hushållsinkomster och bensinpris. Det är viktigt, i vart fall för statliga myndigheter, att där det finns officiella bedömningar som Långtidsutredningen och befolkningsprognoser från SCB, så är det dessa officiella källor som ska ge input till modeller och riggningar. För den långsiktiga planeringen tar Trafikverket tillsammans med andra myndigheter fram en nationell prognos som ligger till grund för prioriteringarna i den nationella infrastrukturplanen. Beslut om statlig infrastruktur och beräkningar av åtgärders effekter bör göras med den nationella prognosen. Om detta av något skäl inte skulle vara lämpligt bör avvikelsen motiveras och den prognos som används relateras till den nationella prognosen. Några av de krav som ställs inom området är: Det ska alltid gå att avläsa i vilket syfte en prognos har gjorts och vara möjligt att relatera denna till tidigare prognoser inom området Indata, modeller eller annat beräkningsunderlag ska vara tillgängliga för granskning, dokumenterade och kvalitetsdeklarerade Antaganden och eventuella avvikelser från nationella prognosförutsättningar och modellverktyg ska tydligt dokumenteras och motiveras En prognosutgivare ska ha en dialog med sina huvudmän Olika åtgärder ska kunna jämföras vilket även relaterar till eventuella avvikelser måste redovisas och motiveras Varje prognosutgivare har en upplysningsplikt gällande syfte, indatas kvalitet, för- och nackdelar med modellen, förhållande till den nationella modellen och val av modell och riggning; varje prognosanvändare har även en undersökningsplikt Varje större prognos ska följas av en teknisk rapport Krav på användbarhet En prognos innebär alltid en förenkling av verkligheten och det går inte att kräva att den ska ge säkra svar på alla de frågor som kan tänkas ställas. Det är därför viktigt att koncentrera arbetet till de förutsättningar som har störst betydelse och samtidigt är 6

7 osäkra. Det är också viktigt att resultat presenteras på ett sätt som är relevant och lätt att begripa. Kraven på användbarhet sammanfattas i följande punkter: Kraven från den strategiska planeringen ska styra hur de nationella prognoserna tas fram Prognosarbetet ska koncentreras till de förutsättningar som har störst betydelse för prognosutfallet och samtidigt är osäkra Det ska finnas en genomtänkt strategi för känslighetsanalyser och dessa ska vara enkla att göra Andra strategiska analyser ska vara jämförbara med kalkyler gjorda i senaste planeringsomgången Övriga krav på trafikprognosarbetet Systematisk uppföljning och tillvaratagande av erfarenheter är nödvändigt för ett effektivt prognosarbete liksom framtagning av nya data och utveckling av modeller och metoder. Dessutom utgör en välfungerande operativ förvaltning av prognosmodeller och indata en viktig förutsättning för att utförare på ett effektivt sätt ska kunna ta fram prognoser av hög kvalitet och för att Trafikverket med rimlig resursinsats ska kunna prestera prognoser för de frågeställningar som statsmakterna behöver få belysta. Frågeställningarna behandlas i mer detalj i rapporten på Trafikverkets hemsida där dessa krav konkretiseras i ett antal punkter. Några centrala frågeställningar för aktörer inom prognosområdet är: En förvaltare ska ansvara för att indata har sådan kvalitet att de kan användas i en nationell prognos Alla användare ska vara skyldiga att rapportera upptäckta fel och brister i använda modeller och kalkylverktyg Rutinerna för kontakter mellan ansvariga för utvecklingen av modellerna och forskarvärlden ska förstärkas Nya prognosförutsättningar bör tas fram vid behov 6.2 Om indata till prognosmodellerna För att kunna göra prognoser för person- och godstransporter krävs information om infrastruktur, trafik, transporter och kostnader, men också om faktorer utanför transportområdet. Det gäller framförallt information om hur ekonomin och samhället i sin helhet ser ut i dag och hur utvecklingen kan tänkas bli i framtiden. Både person- och godstransporter påverkas av befolkningsutvecklingen och förändringar i lokaliseringen av bostäder, arbetsplatser och kommersiell eller annan service. Utvecklingen av sysselsättning och ekonomi påverkar också transporterna i hög grad. Godstransporterna är dessutom starkt kopplade till den globala och nationella ekonomiska utvecklingen, handelsmönster, industristruktur och logistik. Det är av stor vikt med tydlighet och transparens i syftet med en prognos och i de indata och antaganden som ligger till grund för den. Prognoser är ett försök att sia om framtiden på ett kvalificerat och systematiskt sätt. I beslutsfattande räcker det emellertid sällan med bara en prognos. Den behöver ofta kompletteras med känslighetsanalyser och scenarier för att beslutsfattandet ska ha tillräcklig kvalitet. För att komplicera resonemanget ytterligare, bygger ofta prognoser på andra prognoser, som i sin tur kanske bygger på scenarier med mer eller mindre godtyckliga antaganden. 7

8 Trafikprognoser bygger i de flesta fall också på antaganden. Det kan gälla bensinpris och disponibel hushållsinkomst. Antaganden om dessa kan i sin tur vara prognoser eller scenarier. Det är viktigt, i vart fall för statliga myndigheter, att där det finns officiella bedömningar som Långtidsutredningen och befolkningsprognoser från SCB, så är det dessa officiella källor som ska ge input till modeller och riggningar. De värden och indata som Trafikverkets nationella prognos baseras på framgår av gällande indatarapport från Trafikverket och redogörs för i grova drag i nedanstående avsnitt. I Trafikverket (2012a) återfinns de prognosriktlinjer som gäller vid framtagande av eventuellt kompletterande prognos Socioekonomisk indata För att kunna uppskatta framtida transportefterfrågan behöver bland annat befolkning, sysselsättning och branschutveckling brytas ner på mera detaljerad nivå för att vara tillämpbara i Sampers och Samgods. Viktiga nationella underlag i detta sammanhang är Finansdepartementets långtidsutredningar över den framtida ekonomiska utvecklingen (t.ex. vad gäller BNP, arbetsmarknad, produktion) samt SCB:s nationella befolkningsprognoser (t.ex. vad gäller ålder och kön). Dessa underlag används bland annat för att kunna göra bedömningar av den framtida arbetskraftens storlek. För att översätta dessa officiella nationella framtida förutsättningar till regional nivå och mera detaljerad branschnivå görs en s.k. nedbrytning. Utifrån dessa nedbrutna resultat på regional och branschvis nivå kan ytterligare nedbrytning göras för att få resultat på (utifrån t.ex. givna ramar på länsnivå) kommunal nivå samt därefter delkommunal nivå. Nedan redogörs kortfattat för några viktigare indataområden. För mer utförlig beskrivning, se Trafikverket (2012b) Indata till Sampers Samperssystemet, modeller för resandeprognoser, består av 7 huvudmodeller, en modell för beräkning av bilinnehav, en nationell modell för långväga resor och fem regionala modeller för kortväga resor. Alla färdmedel är med i beräkningarna. Inom Samperssystemet finns dessutom en samhällsekonomisk utvärderingsmodell, Samkalk. Samkalk är direkt kopplad till och använder data från den nationella modellen och de fem regionala modellerna. Det finns också andra samhällsekonomiska verktyg som inte är direkt kopplade till Sampers men som använder resandeprognoserna från Samperssystemet. De största av dessa är EVA (väg) och Bansek (järnväg). De verktyg som får användas för analyser av och åt Trafikverket beskrivs på Trafikverkets hemsida. Nedan beskrivs några av de viktigaste förutsättningar för Samperssystemet. Inkomstutvecklingen påverkar resandet i modellerna på tre sätt. Dels på bilinnehavet, dels på reskostnadskänsligheten som i sin tur påverkar både färdmedelsval och reslängdsfördelning/destinationsval och slutligen påverkas antalet resor. Modellerna är baserade på förvärvsinkomstbegreppet. Biljettpriser eller taxor för flygresor, regionala kollektivtrafikresor, långväga bussresor och långväga tågresor är viktiga indata till Sampers. Taxor utgör ett av flera utbudsdata som används i samband med att prognoser används för att skatta efterfrågan på tåg, buss och flyg. Bränslekostnad för bil är också viktig indata till modellen. Denna beräknas som ett viktat genomsnittligt värde med antaganden om oljeprisutveckling, utveckling av CO2- skatt, fordonsparkens tekniska utveckling samt dess fördelning avseende bensin-, diesel och andra typer av motorer. Nätverk och linjer för alla färdmedel är indata i Sampers, kodas i det s.k. Emmeformatet som systemet kräver och har mycket stor påverkan på både trafikprognoser och samhällsekonomiska kalkyler. Prognosområdesdata grundar sig på prognosområden, där ett prognosområde består av ett eller flera sammanslagna SAMS-områden. För att förse Sampersmodellen med 8

9 områdesdata finns en för alla modeller gemensam områdesdatabas. Ursprungligen kommer samsområdesindelningen från SCB och är en indelning som SCB använder sig av för att redovisa områdesstatistik på, bl.a. befolknings- och sysselsättningsprognoser. Denna indelning är grunden för den finaste tillgängliga områdesindelningen i större delen av Samperssystemet. Det finns ytterligare ett antal parametrar i Sampersmodellen. En del av dem är gemensamma för alla modeller (Scenarioparametrar), medan andra är specifika för Bilinnehavsmodell, Nationellmodell och Regional modell Indata till Samgods I korthet kan Samgodsmodellen beskrivas som att den för en given efterfrågan, uttryckt i ton per varugrupp mellan avsändare och mottagare, genererar samtliga potentiella transportkedjor utifrån ett antal fördefinierade typkedjor. Den beräknar sändningsstorlekar samt väljer den kostnadseffektivaste transportkedjan bland de som har genererats. Utdata utgörs bland annat av kostnads- och flödesmatriser som även möjliggör analyser i efterföljande nätutläggningsprogram. Efterfrågan (PC-matriser): PC-matriser, där PC står för Production-Consumption, skall spegla den totala efterfrågan på godstransporter uttryckt i ton per år och varugrupp, från producent till konsument under ett år. Viktigaste indata till basmatrisen är varuflödesundersökningarna och utrikeshandelsstatistiken. Basmatrisen spänner upp svensk handeln i ton per år över 464 zoner, på kommunnivå inom Sverige och till och från större regioner i utlandet. För prognoser görs en nedbrytning av ekonomiska antaganden om framtiden. I samband med prognoser över tid görs även en varuvärdesprognos, en transitprognos en utrikeshandelsprognos m.m. PC-matrisen håller 34 varugrupper. (PC-matrisen benämns även PWC-matrisen där W står för Warehouse). Kostnader: LOS-matriser, eller Level-Of-Service-matriser, beskriver avstånd och tider mellan terminaler och start och målpunkter för olika godstransporter på järnvägssjöfarts och vägnäten. De innehåller även information om olika typer av infrastrukturavgifter. LOS-data framtas med hjälp av kortaste-väg-beräkningar i nätverket m.a.p. generaliserad kostnad. En förändring av infrastrukturen eller skatter och avgifter som kopplas till infrastrukturen ger förändrade LOS-matriser. Logistiska data: består av information om fordon, terminaler, transportkedjor, transfernoder, transportkostnader, frekvenser mellan terminaler, direkttransporter m.m. Modellen innehåller alla trafikslag och över 30 fordonstyper. Alla fordon har tid och avståndsberoende kostnader samt uppgifter om lastkapacitet m.m. Modellen gör skillnad på container och icke container. Nätverk: Nätverket är på samma detaljnivå som motsvarande nätverk i Samperssystemet. Synkroniserade versioner av nätverket finns framtaget för användning i de båda nätverksprogrammen Emme och Voyager. Se även: Trafikverket, (2012a), Riktlinjer för framtagande av trafikprognoser, Trafikverkets rapport 2011:045, Borlänge. Trafikverket (2012b), Indatarapport 6.3 Teori kring prognoser och prognosmodeller vägtrafik I detta kapitel redogörs för de grundläggande teorierna för prognoser och prognosmodeller för vägtrafiken. I Kapitel 5 Prognoser och prognosmodeller beskrivs Trafikverkets olika prognosmodeller mer utförligt Så fungerar en trafikprognosmodell för vägtrafik I samhällsekonomiska kalkyler jämförs ett nuvärde av en förbättring i vägsystemet med ett nuvärde där förbättringen inte genomförs. För att kunna beräkna nyttor och 9

10 kostnader av detta i samhällsekonomisk bemärkelse krävs att man har en uppfattning om hur framtidens behov av resor och transporter ser ut. Därför görs prognoser för person- och godstransporter. ASEK rekommenderar att man för scenarioanalys skapar minst 3 olika prognoser: 1. Ett scenario som utgår från bästa möjliga skattning av framtida BNP, befolkning, priser på drivmedel och biljettpriser, godskostnader med mera. 2. Ett scenario som kan antas ge lägre trafiktillväxt enligt en annan med ändå tänkbar utveckling av ovanstående parametrar. 3. Ett scenario som kan antas ge högre trafiktillväxt enligt en annan men ändå tänkbar utveckling av ovanstående parametrar, t.ex. oförändrade realpriser. Utifrån dessa tre scenarion kan känslighetsanalys av mycket stora åtgärdspaket och transportpolitiska åtgärder genomföras. Utifrån dessa scenarion möjliggörs vid behov även ytterligare känslighetsanalyser där enstaka parametrar och förhållanden ändras. Tänkbara områden för sådana här analyser är t.ex. ändrade fordonskrav, kilometer- och trängselskatter och hela investeringsplaner. Detta är en trafikprognosmodell En trafikprognos är en förutsägelse om hur trafiken kommer att utvecklas i framtiden utifrån givna förutsättningar om diverse omvärldsfaktorer, som befolkning och sysselsättning, bilinnehav, priser och restider. En trafikprognosmodell är följaktligen ett datorbaserat verktyg som används när man vill göra en trafikprognos. Förutom att allmänt förutsäga resandets utveckling, kan prognoser göras för att utreda vad som händer om man ändrar något som har med trafiken att göra; om man exempelvis bygger en ny väg, utökar kollektivtrafiken eller inför trängselavgifter. Hur förändras trafiken? Blir det mer eller mindre personbilar och lastbilar, fler eller färre kollektivtrafikresenärer? Och på vilka vägar eller sträckor? Med prognosmodellens hjälp kan man få ett objektivt underlag som kan utgöra en del av det beslutsunderlag som krävs inför beslut om åtgärder i transportsystemet. Genom prognoserna går det nämligen att jämföra effekterna av alternativa åtgärder, så att beslutsfattaren lättare kan avgöra vilken eller vilka åtgärder som medverkar till att transportsystemet utvecklas i önskad riktning. Allteftersom prognosmodellerna används och förfinas lär man sig också mer om hur transportmarknaderna fungerar. Uppgifter om hur trafiken kommer att utvecklas är naturligtvis mycket viktig information för att trafikverken ska kunna planera sitt arbete. Resultaten används också som beslutsunderlag av bl.a. Rikstrafiken och vissa större kommuner, liksom av regering och riksdag. Prognoser används dessutom inom transportforskningen. Så här gör man: För att göra en trafikprognos krävs stora mängder data om trafiken och samhället. Man behöver också en trovärdig teori om vad som styr trafikens utveckling och en modell som kan applicera teorin på dataunderlaget. Och så gärna en portion tur, eftersom verkligheten tenderar att bjuda på överraskningar. Utan prognoser riskerar dock överraskningarna att bli betydligt mer kostsamma. När en trafikprognos ska göras matas först verktyget med information om hur samhället ser ut och om hur man tror att det kommer att utvecklas framöver. Många viktiga uppgifter hämtas från Statistiska centralbyrån (SCB) och från den s.k. Långtidsutredningen som analyserar den ekonomiska utvecklingen på års sikt. 3 Det handlar bland annat om antaganden om befolkning, sysselsättning, bebyggelse och 3 Arbetet med Långtidsutredningen leds av Finansdepartementet. Under 2008 publiceras den tjugonde Långtidsutredningen sedan den första som gjordes

11 BNP-tillväxt, liksom om förändringar av bränsleskatter och regler och om den tekniska fordonsutvecklingen. Dessutom krävs uppgifter om hur vi reser idag. Dessa baseras på resvaneundersökningar, så kallade RES (tidigare riks-rvu), där man har intervjuat ett stort antal personer om hur de reser. Observerade resmönster, dvs. de som de intervjuade personerna har angett, omvandlas sedan till modellberäknade resmönster. När alla indata är på plats utför prognosmodellen beräkningarna. För pedagogikens skull brukar man säga att beräkningarna görs i fyra steg, men i praktiken görs de första tre mer eller mindre samtidigt och är inbördes beroende av varandra. 1. Resegenerering 2. Destinationsval 3. Färdmedelsval 4. Ruttval Beräkningen av resegenerering innebär att det totala antalet resor som startar i varje område beräknas för hela det analyserade nätverket. 4 I destinationsvalsberäkningen bestäms mellan vilka områden som resorna går. I beräkningen av färdmedelsval bestäms om resorna görs med bil, buss eller cykel osv. I ruttvalsberäkningen bestäms vilken väg varje resa tar. Prognosmodellens resultat Som resultat från prognosmodellen får man uppgifter om antalet resor mellan olika områden uppdelade på ärenden (t.ex. arbets- eller privatresor) och färdmedel. Dessutom får man länkflöden, alltså antalet fordon på varje väglänk respektive antalet passagerare på varje kollektivtrafiksträcka. Även restiderna på väglänkarna beräknas i modellen, eftersom dessa restider beror av antalet fordon på länken. Det är viktigt att skilja mellan trafikprognoser och samhällsekonomi. En trafikprognosmodell ger en förutsägelse av hur trafiken kommer att utvecklas, givet de antaganden som görs i analysen. Den kunskap som trafikprognosen ger kan sedan användas i en effektmodell, där effekterna av den förändrade trafiken beräknas t.ex. emissioner och olyckor. Effekter, resande, restider, reskostnader osv. kan sedan värderas i samhällsekonomiska termer i en s.k. kalkylmodell. I praktiken är effektmodellerna sammanbyggda med kalkylmodellerna, så att ett enda program både beräknar effekter och samhällsekonomisk värdering. Prognosmodellen kan tillsammans med effektmodellen hjälpa oss att beräkna vilka effekter och vilken nytta som olika investeringar eller styrmedel ger upphov till för samhället som helhet, för olika grupper och för olika delar av landet. De kan hjälpa oss att få en uppfattning om en föreslagen åtgärd är värd att satsa på, eller vilken av en rad åtgärder som är att föredra. Som alltid när mänskligt beteende är inblandat går det dock inte att stoppa in verkligheten i en modell och förvänta sig att den ska spegla denna verklighet utan förvrängningar. Trafikmodellernas resultat ger inga absoluta sanningar, utan sannolika riktningar för vilka effekter som man kan förvänta sig vid olika alternativ. Men allt eftersom kunskapen om transportsystemet och de människor som reser där ökar, kan modellerna göras bättre. Indata En trafikprognos bygger på förutsättningar om befolkning, arbetsplatser, trafiksystemets egenskaper osv. Denna information måste dels ges för ett specificerat basår, dels för ett framtida prognosår. På modellspråk kallas det att man kodar ett jämförelsealternativ (JA) och ett utredningsalternativ (UA). Med JA menas ett scenario där den åtgärd (eller 4 Det finns modeller som arbetar åt andra hållet beräknar antalet resor till varje område för att sedan fördela dem på startpunkter. Dessa är dock ovanliga. 11

12 det åtgärdspaket) som analyseras inte finns med i trafiksystemet. JA kan representera antingen nuläget eller ett framtida årtal. Utredningsalternativet (UA) motsvarar ett årtal då den åtgärd som analyseras finns med i trafiksystemet. Andra planerade åtgärder kan också antas vara genomförda. I vissa fall kan det vara intressant att beskriva flera olika utredningsalternativ och därför talas det i trafikprognossammanhang ofta om UA1, UA2, UA3, osv. Det vanligaste är att JA och UA endast skiljer sig genom en viss, enskild åtgärd, t.ex. en ny väg eller en ny kollektivtrafiklinje. Övriga förutsättningar, som t.ex. bensinpris, bilinnehav och befolkningens och arbetsplatsernas lokalisering, antas vanligen vara likadana JA och UA. Trafiksystemet Det kanske viktigaste steget i trafikprognosarbetet är att samla in och koda data i trafiknätet. Blir det fel i denna kodning, blir det också fel i resultatet. Därför börjar alltid ett trafikprognosarbete med datainsamling om hur trafiksystemet och omvärlden ser ut. Trafiksystemet är komplext och utgörs av mer eller mindre finmaskiga nät av vägar, olika typer av spårvägar, kollektivtrafiklinjer, flyglinjer och farleder. Allt detta finns inprogrammerat i trafikprognosmodellen i form av ett nätverk med länkar som representerar den verkliga eller planerade infrastrukturen. För de kollektiva färdmedlen finns dessutom turtätheter och biljettpriser inprogrammerade. Vissa lokala och regionala färjor ingår däremot inte, och inte heller gång- och cykelvägar. Gående och cyklister antas istället schablonmässigt använda bilvägnätet. Varje länk i modellsystemet har en startpunkt och en målpunkt; en dubbelriktad gata representeras alltså av två länkar i modellen. Varje länk beskrivs utifrån tillåtna färdsätt, hastighet, längd, och antal filer (för vägar). Kollektivtrafikens trafikering kodas med hjälp av linjebeskrivningar, dvs. uppgifter om vilka länkar som passeras, var hållplatser och stationer är lokaliserade, turtätheter och restider. Till varje länk finns också en så kallad VD-funktion 5 kopplad. Denna funktion ger information om sambandet mellan hastighet och trafikflöde på länken och ger en indikation om länkens utsatthet för trängsel. Figur 6.1. Trafiknät i Emme/2. Den röda linjen inhägnar det område som studeras, dvs. Södermalm i Stockholm. De svarta länkarna representerar vägavsnitt, medan de gröna representerar kollektivtrafiknätet. Dessutom ingår uppgifter om restider och reskostnader med olika färdmedel och mellan olika destinationer. Vissa av dessa matas in för hand, medan andra beräknas i modellen. Kostnaden för en resa anges i generaliserad kostnad, dvs. faktiska kostnader för biljetter 5 VD står här för Volume-Delay. 12

13 eller bensin etc. plus tidskostnader i form av restid, väntetid, omlastningstid osv. Dessa använder prognosmodellen för att beräkna antalet resor mellan olika målpunkter och med vilka färdmedel de görs. En del uppgifter återanvänds många gånger medan andra och mer föränderliga uppgifter, som tidtabeller, uppdateras i samband med varje analys. Zondata Samhället utanför trafiksystemet inverkar på framtidens trafik och måste också beskrivas. Uppgifter om ortstyp, befolkningens storlek och dess sammansättning, körkortsinnehav, sysselsättning, markanvändning liksom in- och utflyttning hämtas från SCB och lagras i en databas uppdelade på ca s.k. SAMS-områden (SCB:s indelning). En skiss över hur en del av en tätort indelas i SAMS-områden ges i Figur 6.2 nedan. När prognosmodellen genomför sina beräkningar utgår den dock från s.k. prognosområden, som motsvarar ett eller flera SAMS-områden. Syftet är att minska den tid det tar för prognosmodellen att utföra sina beräkningar: I landsbygdsområden krävs det inte en lika finmaskig områdesindelning som i tätorter. Zondata är kopplat till trafiknätet genom att de utgör punkter i trafiknätet där resor startar eller slutar. Figur 6.2. SAMS-områden. Källa: SCB Övriga förutsättningar Även den ekonomiska utvecklingen och förändringar i samhällets regelverk påverkar hur och hur mycket vi reser. Uppgifter om BNP finns därför med i modellen, liksom om näringslivets produktion, export och import, drivmedelspris, skatter, avgifter och regleringar. Till och med enskilda industriers utveckling har betydelse, eftersom de kan spela stor roll för framtida godsflöden mellan olika orter. Precis som för trafiksystemet måste antaganden göras om hur alla dessa parametrar kommer att ha förändrats vid det framtida prognosåret. De antaganden som används hämtas delvis från Långtidsutredningens långsiktiga ekonomiska analys. 6 Denna bygger i sin tur delvis på Konjunkturinstitutets statistiska jämviktsmodell EMEC, som används för att beskriva den ekonomiska utvecklingen i Sverige. Inför Trafikverkens inriktnings- och åtgärdsplanering kommer de inblandade aktörerna dock överens om vilka parametrar som ska gälla, för att de prognoser och åtgärdsanalyser som görs ska baseras på samma förutsättningar och därmed vara jämförbara. 6 Arbetet med Långtidsutredningen leds av Finansdepartementet. Under 2008 publiceras den tjugonde Långtidsutredningen sedan den första som gjordes

14 Gemensamma förutsättningar medför att det går att jämföra olika projekt, vilket i sig leder till en ökad transparens eftersom alla förutsättningar finns dokumenterade. Men framför allt innebär det att nyttor och kostnader analyseras på samma sätt i alla projekt och alltså inte kan förstoras eller förminskas av särintressen. En annan poäng med överenskomna parametervärden är att prognoser som visar vad som bedöms vara en sannolik (men kanske inte önskvärd) utveckling kan fungera som utgångspunkt för diskussion om ytterligare styrmedel behövs för att vrida utvecklingen i en mer önskvärd riktning. Känslighetsanalyser, där olika parametrar ändras och resultaten beräknas på nytt, är dock ett utmärkt verktyg för att visa hur robust ett projekt är för ändrade omvärldsförutsättningar. Några klargöranden Resandet är ett resultat av människors val att resa till en viss målpunkt med ett visst färdsätt längs en viss rutt vid en viss tidpunkt. I detta avsnitt beskrivs hur modellen fungerar, med utgångspunkt från prognosmodellsystemet Sampers. Hur modellen är uppbyggd och fungerar på en översiktlig nivå beskrivs i Figur 6.3. nedan. För att kunna beräkna hur resandet kommer att se ut används en kvantitativ modell, dvs. en modell som beräknar resandet med hjälp av olika matematiska formler. Dessa matematiska formler är estimerade utifrån nationella resvaneundersökningar (tidigare riks-rvu, numera RES), dvs. faktiska uppgifter om hur ofta, till vilken destination, i vilket syfte och med vilket färdmedel som människor reser. Resornas syfte är betydelsefullt eftersom människor tenderar att ha olika resbeteende beroende på om de är på väg till arbetet, gör en tjänsteresa eller reser på fritiden. Modellen uppdateras inte för varje prognos, utan först då en ny resvaneundersökning har genomförts. 7 Trafiksystemet Zondata Övriga förutsättningar Statistisk databas Generering av resor Destinationsval Iteration Resultat Färdmedelsval Ruttval Figur 6.3. Sampersmodellen 7 För mer information om RES, se Trafikanalys hemsida, 14

15 Resegenerering, destinationsval och färdmedelsval beräknas med en så kallad logitmodell. En logitmodell är en statistisk beslutsmodell som beskriver sannolikheten att ett visst alternativ väljs. Sannolikheten beror på alternativens egenskaper (restid, väntetid, komfort etc.) liksom på individernas värderingar av dessa. Logitmodellen bygger på att varje individ handlar rationellt i den mening att hon alltid väljer det alternativ som hon själv upplever ger den största nyttan. Med andra ord antas individerna vara nyttomaximerande. Vidare bygger beräkningarna på att varje individ antas summera den totala kostnaden för varje färdmedel och välja det alternativ som ger lägst generaliserad kostnad. Denna består av de tre komponenterna tid, pengar och en konstant som bl.a. avspeglar bekvämligheten i färdsättet. Konstanten brukar tolkas som att människor har en förkärlek för vissa färdmedel. Om en resa med två olika färdmedel kostar lika mycket och tar lika lång tid, är det ändå inte säkert att lika många trafikanter väljer det ena som det andra. Det är alltså denna smakdifferens som avspeglas i konstanttermen. En resas tidsåtgång innefattar hela restiden från dörr till dörr (generaliserad restid), och olika delar av den antas vara olika mycket värda för individen. Den tid som man väntar på ett färdmedel antas t.ex. vara mer värd (dvs. upplevas mer negativt) än tid i färdmedlet och väntetid vid byte mellan två färdmedel antas vara mest värd. I den monetära kostnaden ingår bl.a. drivmedel, parkeringsavgifter och trängselavgifter, alternativt biljettkostnad. Beräkningar i modellen För att underlätta förståelsen kan de beräkningar som modellen utför delas in i fyra steg. I praktiken utförs de tre första i princip samtidigt och är inbördes beroende av varandra. I verkligheten är det naturligtvis inte heller så att varje trafikant inför varje resa i tur och ordning bestämmer sig för när, vart, hur och via vilken väg som resan ska göras. De olika beräkningsstegen redovisas nedan och i Figur illustreras individens resval i en översiktlig skiss. 1. Generering av resor Här beräknas hur ofta resenärerna vill resa, dvs. efterfrågan på resor. 2. Destinationsval Här beräknas vart resenärerna vill resa. 3. Färdmedelsval Här beräknas hur resenärerna vill resa. 4. Ruttval (modellspråk: nätverksutläggning) Därefter beräknas vilken väg resenärerna väljer. 15

16 Resa Ej resa Steg 1 Steg 2 Destination A Destination B Destination C Kollektivtrafik Gång/cykel Bil Steg 3 Rutt A Rutt B Rutt A Rutt B Rutt A Rutt B Steg 4 Figur 6.4. Trafikantens val i en trafikprognosmodell. Innan de huvudsakliga beräkningarna sätts igång görs en prognos över nuläget med nulägesdata, som sedan jämförs med trafikräkningar. Anledningen är att säkerställa att kodningen av indata har gjorts riktigt. Om något inte verkar stämma justeras kalibreras modellen. Steg 1, 2 och 3 hur ofta, vart och hur Resegenerering Det första steget är att beräkna antalet startande resor från varje område. Beräkningen görs för varje ärendetyp vanligen räknar man med mellan tre och sex ärenden: arbete, skola, inköp, tjänsteärenden, fritid och övriga resor. Antalet startande resor från ett område beror bl.a. på antalet hushåll av olika typ, förvärvsgrad, bil- och körkortsinnehav och inkomst, samt på tillgängligheten från området, dvs. restider och reskostnader till olika tänkbara destinationer. Ju högre tillgänglighet ett område har (dvs. ju lägre den generaliserade kostnaden är till olika destinationer) desto fler resor kommer att göras från området. Destinationsval Här bestäms mellan vilka områden som resorna går och hur många resor som går mellan de olika områdena. Vet man redan hur många resor som startar i de olika områdena, återstår det bara att bestämma deras respektive destinationer. Det är alltså i detta beräkningssteg som individerna tänks bestämma sig för vart de ska resa. Destinationsvalet beror bl.a. av arbetsplats- och serviceutbud i olika områden samt tillgängligheten i väg- och kollektivtrafiknätet. Individens val av destination påverkas alltså både av den totala reskostnaden och av destinationens attraktivitet. Två metoder kan användas; en enkelt begränsad modell eller en dubbelt begränsad modell: I en enkelt begränsad modell beräknas en destinations attraktivitet på olika sätt för olika restyper. För inköpsresor kan attraktiviteten t.ex. vara en funktion av hur stor golvyta, omsättning och personalstyrka affärerna i området har. De antagna resvalen summeras ihop till ett sammantaget resmönster. Även i en dubbelt begränsad modell tänker man sig att varje individ väljer destination med hänsyn till attraktivitet och kostnad. Men nu vill man se till att antalet resor till ett visst område blir lika med ett förutbestämt antal. Detta är framför allt relevant för 16

17 arbetsresor, där man naturligtvis vill se till att antalet arbetsresor till ett visst område blir lika stort som antalet arbetsplatser i området. Den tabell i modellen som beskriver hur många resor som går mellan varje par av områden brukar benämnas OD-matris, vilket betyder origin-destination (från-till). Färdmedelsval Färdmedelsvalet beror bl.a. på tillgänglighet till bil respektive kollektivtrafik, liksom på de totala kostnader som individen förknippar med en resa med de olika alternativ som står till buds. Steg 4 vilken väg När antal resor, destinationsval och färdmedelsval har beräknats, bestäms vilken väg varje resa tar, dvs. resorna fördelas på olika resvägar (rutter) i trafiksystemet. Att beräkna ruttvalet kan göras på flera sätt, men genomgående för samtliga metoder är att de bygger på någon form av nätverksjämvikt. Ruttvalsberäkning där nätverksjämvikt är en förutsättning kan förklaras med följande exempel. Anta att fordon ska färdas från A till B och att det mellan dem går en väg med så hög kapacitet att även om samtliga fordon väljer den blir det ingen trängsel. Anta nu att man öppnar en snabbare väg mellan A och B, men där det kan uppstå trängsel eftersom den inte har lik hög kapacitet som den gamla vägen. När den nya vägen öppnas kommer del av förarna att välja den i stället för den gamla, men allteftersom fler väljer den nya vägen uppstår det trängsel och det tar allt längre tid att åka på den. Så småningom tar det lika lång tid att färdas på de båda vägarna och ingen av de förarna har längre incitament att byta färdväg. Denna situation kallas för användarjämvikt 8. Ruttvalet är tillförlitligt först när användarjämvikt råder i modellen. Om det inte uppstår någon trängsel i det studerade transportsystemet nås jämvikt då de båda beräkningsstegen har genomförts. Om trängsel uppstår i samband med ruttvalet, vilket är vanligt i storstadsregionerna, förändras dock restider och reskostnader så att individerna kan förväntas göra andra val än de som beräknats i steg 1. Därför måste beräkningarna upprepas igen utifrån de nya uppgifterna, tills de restider och reskostnader som ges av ruttvalsberäkningen i steg 4 är ungefär desamma som de som används för beräkningarna av resgenerering, destinationsval och fordonsval i steg 1, 2 och 3. När de är det kallas det att modellen konvergerar, eller alltså att jämvikt råder. Denna procedur att återupprepa beräkningarna till dess att jämvikt nås kallas på modellspråk för iterativ återkoppling eller iterering. Vad en trafikprognos ger svar på När modellen når jämvikt är modellkörningen klar och trafikprognosen ger oss följande svar: 1. Hur ofta trafikanterna kommer att resa i trafiksystemet. 2. Vart trafikanterna vill resa. 3. Med vilket färdmedel trafikanterna vill resa. 4. Vilka vägar trafikanterna kommer att ta. 8 Notera att detta skiljer sig från den situation som skulle innebära den totalt sett minsta restiden för samtliga fordon. Den kallas för systemoptimum (eller systemjämvikt). Detta är den optimala och samhällsekonomiskt effektiva situationen. I ett nätverk med trängsel kommer användarjämvikten att skilja sig från systemoptimum, eftersom de enskilda trafikanterna inte tar hänsyn till den trängsel som de åsamkar andra trafikanter. 17

18 Den vanligaste efterfrågade uppgiften som hämtas från resultatet är trafikflöden, dvs. antalet resor och fordonskilometer med olika färdmedel och på olika vägar och kollektivtrafiksträckor. Detta ger även information om eventuell trängsel som kan förväntas i trafiknätet. För regionala resor (under 10 mil) utförs beräkningar uppdelat på sex olika reseärenden arbetsresor, tjänsteresor, skolresor, besök, fritidsresor och övriga resor. De långväga resorna (över 10 mil) beräknas för privatresor och tjänsteresor. Resultaten kan om så önskas även redovisas separat för olika grupper, t.ex. uppdelade utifrån ålder, inkomst och kön, liksom på olika geografiska nivåer; från nationell nivå till läns-, kommun- eller SAMS-områdesnivå. Valet av lämplig geografisk nivå är till viss del beroende av vilka frågor som analyseras. För att underlätta förståelsen av resultaten kan de föras över i kartform. Ofta redovisas då en bild över jämförelsealternativet (dvs. utan åtgärd) samt en bild över utredningsalternativet (dvs. med åtgärd). Exempel på hur en sådan karta kan se ut ges i figur 6.5 nedan, som visar flaskhalsar i ett vägnät, eller med andra ord var i det analyserade trafiksystemet som vägkapaciteten i förhållande till antalet fordon är så låg att köbildning uppstår. 9 Figur 6.5. Flaskhalsar idag (till vänster) och år Gråa, blå och röda streck motsvarar vägar i staden; ju tjockare streck desto högre trafikerad är vägen i fråga. Blåa streck är vägar där det ibland uppstår trängsel, röda streck är vägar där det ofta uppstår trängsel. Det är också vanligt att ta fram så kallade skillnadsbilder, som Figur 6.6. En sådan bild visar, som namnet antyder, skillnaden mellan jämförelsealternativet (JA) och ett utredningsalternativ (UA). Bilden ger en snabb och översiktlig information om i vilken grad trafiken ökar eller minskar dvs. differensen mellan JA och UA. 9 Flaskhalskartor visar dock inte var själva kön befinner sig, utan var kön orsakas; framändan på kön, så att säga. 18

19 Figur 6.6. Skillnadsbild över förändringen i antal bilar per länk i rusningstid. De gröna länkarna visar att trängselsituationen förbättras, dvs. att det blir mindre trafik, de röda att den försämras Trafikmodeller i allmänhet En avgörande fråga är förstås i hur hög grad man kan lita på trafikprognoserna. Verkar de stämma med vad som faktiskt händer? Ett kort svar kunde vara: ja, oftast under förutsättning att prognosförutsättningarna är rätt och att prognosen avser en åtgärd som systemet är konstruerat för att kunna hantera. När en prognos slår fel är den vanligaste orsaken att prognosen vilat på fel förutsättningar gjordes en prognos över antalet resande med ett planerat snabbtåg på Ostkustbanan (Stockholm-Sundsvall) år Resandet beräknades öka med 165 procent. År 2000 hade linjen öppnat och det visade sig att resandet bara ökade med 40 procent. När man gick tillbaka till den ursprungliga prognosen och undersökte varför det blivit fel, visade det sig att flera centrala antaganden varit annorlunda i modellen än vad de blev i verkligheten. Bl.a. hade man antagit att turtätheten skulle fördubblas, medan den i verklighet minskade med en fjärdedel; vidare hade biljettpriset antagits vara oförändrat, men hade i verkligheten höjts med 30 procent. Flera andra förutsättningar skilde sig också. När man sedan gjorde om prognosen med de korrekta förutsättningarna stämde den nästan exakt med verkligheten. Sensmoralen av exemplet är att det oftare är prognosförutsättningarna än själva modellens funktion som orsakar problem. Exemplet kanske också kan tolkas som att indirekt visa faran med önsketänkande i prognoser: man riskerar att, medvetet eller omedvetet, anta förutsättningar som visar att den åtgärd man studerar har hög nytta (en linje får högt resande, t.ex.). Risken är analog med den välkända tendensen till att underskatta investeringskostnader, och precis som denna tenderar den att öka om den aktör som gör trafik- respektive kostnadsprognosen inte är samma aktör som sedan står för kostnaderna. En annan viktig felkälla är kodningen av trafiknätet. Särskilt svårt brukar det vara att få underlaget till effektberäkningarna rätt, eftersom dessa kräver ett mycket stort antal parametrar för varje länk. Om en väg t.ex. får en felaktig trafiksäkerhetsklassning i Sampers, så att modellen tror att den är mer eller mindre säker än vad den faktiskt är, blir också antalet prognostiserade olyckor felaktigt. Trafikprognoser och -kalkyler kritiseras ibland för att inte vara transparenta, dvs. att modellerna i sig är så komplexa att det inte är möjligt för icke-specialister att grundligt granska hur resultaten kommer fram. Det är sant. Men det har dessa trafikmodeller gemensamt med klimatmodeller, utsläppsmodeller, spridningsmodeller osv. För att vara 19

20 rättvisande och fånga många detaljer måste modellerna vara komplexa: komplexiteten gör dem svåröverblickbara i synnerhet för icke-specialister. En möjlighet är att använda enklare modeller, som å andra sidan fångar färre detaljer. En modell är, om än komplex, alltid en förenkling av verkligheten. Detta är inte nödvändigtvis något negativt, utan snarare det som man eftersträvar och det som gör modellerna användbara när man vill skaffa sig en bild av orsakssamband och händelseförlopp. En bra modells främsta styrka är att den representerar ett mycket systematiskt och strukturerat sätt att analysera ett problem. Utifrån denna systematik och struktur går det att se vilken betydelse olika indata och effektsamband har för slutresultatet. Alternativet till att genomföra prognoser är att genomföra kostsamma experiment i full skala eller att gissa sig fram. Men det betyder också att de resultat som modellen ger inte utan vidare kan antas sammanfalla med hur framtidens verklighet visar sig bli. När man använder resultatet från en prognos är det viktigt att vara medveten om vilka antaganden om omvärlden som ligger bakom. Och att inte glömma att framtiden alltid är ett oskrivet blad. Trafikalstringstal: Gällande trafikalstringstal redovisas i Bilagan. Kommun nyckel: Gällande kommunnyckel redovisas i Bilagan Trafikmätning Trafikmätningssystemet Tindra är ett riksomfattande system för mätning och presentation av fordonsuppdelad trafikinformation på det statliga vägnätet. Via Tindra har man tillgång till information om vägutnyttjandet i form av årsmedeldygnstrafik (ÅDT), trafikarbete (TA) och trafikförändring. Informationen används inom Trafikverket bland annat vid planering och vid dimensionering av insatser för drift och underhåll av vägnätet. Utifrån ovan nämnda informationsbehov har metoder och teknik för insamling och behandling av trafikdata utvecklats. Vid val av mätpunkter har statistiska urvalsmetoder använts för att hålla ett kostnadseffektivt system. Efter ett avslutat mätningsår bearbetas och förädlas trafikdata med hjälp av statistiska modeller. Det finns två typer av delsystem, ett för helårsmätningar och ett för stickprovsmätningar. Helårsmätning Helårsmätningarna kan i sin tur göras på tre olika sätt: 1. trafikförändringspunkter, som mäts kontinuerligt år efter år, timme efter timme på samma mätplats 2. variationsstudiepunkter, där mätning utförs minst ett år på samma ställe 3. specialpunkter (SPEC) som kan innehålla data från några månader upp till flera år Punkten behöver alltså inte alltid mätas ett helt år. Syftet med trafikförändringspunkter är framförallt att kunna skatta trafikförändringen mellan olika tidsperioder. Trafikförändringen beräknas med hjälp av ett system baserat på ca 80 helårsmätta punkter fördelade på hela det statliga vägnätet. Punkterna är slumpmässigt utvalda utifrån kriteriet att de ska vara representativa för ett visst bestämt vägnät. Varje mätpunkt representerar en viss del av trafikarbetet på detta vägnät. Trafikförändringen presenteras i Trafikbarometern. Variationsstudiepunkter ligger till grund för den skattning som görs av ÅDT från stickprovsmätningar. Med hjälp av variationsstudiepunkter och andra helårsmätningar skapas indexkurvor som tillsammans med mätta flöden används vid skattningen. Stickprovsmätning Syftet med stickprovssystemet är att skatta trafikarbete och årsmedeldygnstrafik för det statliga vägnätet uppdelat på olika redovisningsområden. Detta kräver ett geografiskt 20

21 urval. Med utgångspunkt från precisionskrav för olika redovisningsnivåer görs en geografisk indelning i så kallade mätavsnitt utifrån bestämda kriterier. Målet är att indela vägnätet i så homogena avsnitt som möjligt utifrån totaltrafiken. Varje avsnitt väljs sedan ut för mätning enligt en cyklisk modell. När avsnittet fallit ut till mätning mäts det oftast fyra tillfällen under ett och samma år, två vardagsdygn samt två helgperioder med vidhängande vardagsdygn. Total mäts ca avsnitt på det statliga vägnätet. Läs mer om Trafikverkets trafikmätningssystem på Trafikverkets hemsida, Andra undersökningar Kommuners trafikmätningar Kommunerna gör egna mätningar av trafikflöden, men omfattningen och vilken typ av mätningar är mer okänd. Det finns ingen samordning av kommunernas mätningar varför det kan variera mellan olika mätningar och kommuner i hur mätningarna genomförs och vilka parametrar som tas fram i de kommunala undersökningarna. Resvaneundersökning RES Resvaneundersökningen utförs av SCB på uppdrag av på uppdrag av Trafikverket, VINNOVA, Luftfartsverket, Sjöfartsverket, Trafikanalys och Turistdelegationen där Trafikanalys står som formell beställare och samordnare. De nationella resvaneundersökningarna kartlägger svenskarnas resor och ger bland annat underlag för trafikpolitiken, trafiksäkerhetsarbete, utveckling av infrastruktur. Sedan 1994 har nationella resvaneundersökningar genomförts. Under perioden 1994 till 1998 i form av resvaneundersökningen Riks-RVU, vilken sedan ersattes av RES för åren Under hösten 2005 påbörjades den hittills största resvaneundersökningen vars resultat redovisades under sommaren Resvaneundersökningarna utförs som telefonintervjuer där frågor ställs till respondenten om förflyttningar under en, för varje respondent bestämd, mätdag samt under en längre tidsperiod för långväga resor. Undersökningen ger data om färdsätt, färdlängd, ärende, tidpunkt, start och målpunkt, men kartlägger även respondentens kön, ålder, sysselsättning, körkortsinnehav och hushållets resurser. I undersökningen RES ingick individer i åldern 6-84 år och telefonintervjuer gjordes vilket resulterade i en svarsfrekvens på 67 procent. Utöver frågor om individernas resor ingick även frågor om distansarbete, Internettillgång, arbete under resa m.m. Resvaneundersökningarna finns på Trafikanalys hemsida Trafiksäkerhetsundersökningen TSU 92 TSU92 är en rikstäckande trafiksäkerhetsundersökning som genomförs av VTI på uppdrag av Trafikverket (dåvarande Vägverket). Undersökningen har pågått sedan 1992, med undantag för år 2004 då undersökningen endast genomfördes det första kvartalet. TSU92 undersöker svenska folkets resvanor och användande av skyddsutrustning. Jämfört med övriga resvaneundersökningar syftar TSU92 till att fokusera mer på oskyddade trafikanter i syfte att öka kunskapen om dessa. Med oskyddade trafikanter avses fotgängare, cyklister, mopedister och motorcyklister. Resultaten från TSU92 kan användas som underlag i trafiksäkerhetsanalyser och kan till exempel användas för att skatta oskyddade trafikanters olycksrisker, beskriva exponering och risk för olika åldersgrupper och beskriva bilförares användande av mobiltelefon under färd. 21