Utvecklade pendlingsmöjligheter Malmö-Lund

Transkript

1 Utvecklade pendlingsmöjligheter Malmö-Lund Befolkning och pendlingsmönster 2030 Slutrapport _rev Analys & Strategi

2 Titel: Utvecklade pendlingsmöjligheter Malmö-Lund Redaktörer: Karin Brundell-Freij och Emma Strömblad WSP Sverige AB Besöksadress: Arenavägen Stockholm-Globen Tel: , Fax: info@wspgroup.se Org nr: Styrelsens säte: Stockholm Analys & Strategi

3 Innehåll 1 INLEDNING UPPDRAGET AVGRÄNSNINGAR Geografi Ärende DEFINITIONER INDATA Resvanor Syd Statistik från SCB sindelning Prognos boende och arbetsplatser METOD Dagens pendlingsmönster arbetsresor Dagens pendlingsmönster studieresor Modell som beskriver pendlingsmönstret Framskrivning till år 2030 arbetsresor Framskrivning till år 2030 studieresor MODELLPARAMETRAR Boende Arbetsplatser ML-utpendling per boende ML-inpendling per arbetsplats Relativ resbenägenhet PENDLINGSMÖNSTER ML-pendling per delområde Största pendlingsrelationerna...27 BILAGA 1 PROGNOSER FÖR ÅR Analys & Strategi

4 Analys & Strategi

5 1 Inledning Varje dag görs ca resor mellan Malmö och Lund, varav en stor del är pendlingsresor. Den omfattande pendlingen ställer stora krav på transportsystemet. För att kunna planera kollektivtrafiken på ett effektivt sätt krävs goda kunskaper om hur pendlingen ser ut. Hur stora är resandeströmmarna? Mellan vilka områden sker den största pendlingen? Hur kommer pendlingsmönstret att se ut i framtiden? Detta är några av de frågor som besvaras inom ramen för den här studien. 2 Uppdraget Uppdraget utgör en delstudie inom det skånska samverkansprojektet Tillhåll 1, Delprojekt 2 Utvecklade pendlingsmöjligheter Malmö-Lund. Studiens syfte är att utifrån dagens situation avseende befolkning och pendlingsmönster och kommunernas översiktsplaner beskriva hur befolkning och pendlingsmönster skulle kunna se ut Studien ska kunna ligga till grund för att ta fram idéer om hur pendlingen mellan städerna kan förenklas och effektiviseras genom satsningar på nya kollektivtrafikstråk (järnväg, spårväg, buss) mellan städernas olika delområden. 3 Avgränsningar 3.1 Geografi Geografiskt omfattar studien förutom städerna Malmö och Lund även de mellanliggande tätorterna (nedan benämnda mellanorterna) Staffanstorp, Lomma, Hjärup, Åkarp och Arlöv. Eftersom Malmö kommun i stort sett endast består av tätortsbebyggelse omfattas hela kommunen. För Lund och mellanorterna omfattas däremot endast de nämnda tätorterna och inte resten av kommunerna (övriga tätorter samt landsbygd). Endast resor som sker inom området, dvs. med både start- och målpunkt i någon av de ovan nämnda tätorterna, har studerats. Vidare har resor inom respektive tätort exkluderats, eftersom studiens fokus ligger på den regionala (och inte på den lokala) pendlingen. Analys & Strategi 3

6 3.2 Ärende Studien omfattar endast resor med ärende arbetsplats eller skola/utbildning, dvs. endast pendlingsresor. Pendlingsresorna har vidare endast studerats i en riktning, vilket innebär att resor till arbetsplats eller skola/utbildning finns med i resultatsiffrorna medan returresorna inte gör det. Ytterligare en sak som är viktig att ha i bakhuvudet vid läsning av rapporten och framför allt då siffersammanställningarna i stycke 6 och 7 studeras är att indata från SCB-statistik inte beskriver antal resor utan antal personer i varje relation av bostadsområde och arbetsplats, dvs. hur många som bor i område A och arbetar i område B. I dessa siffror saknas information om hur ofta varje person reser till sitt arbete (deltidsarbete, distansarbete, etc). 4 Definitioner Utifrån de ovan beskrivna avgränsningarna har ett antal begrepp definierats: Mellanorter ML-pendlare Lomma, Staffanstorp, Åkarp, Arlöv och Hjärup (endast tätorterna) Personer som gör pendlingsresor av den typ som ingår i den här studien: med start- och målpunkt i olika tätorter inom den definierade geografin (tätorterna Malmö, Lund, Staffanstorp, Lomma, Hjärup, Åkarp och Arlöv ) 5 Indata 5.1 Resvanor Syd Hösten 2007 gjordes en stor resvaneundersökning i Skåne, Resvanor Syd. Undersökningen genomfördes som en traditionell resvaneundersökning med postutskick av enkät och resdagbok. Malmö stad valde att endast i begränsad omfattning delta i Resvanor Syd och att i stället hösten 2008 göra en egen mer omfattande resvaneundersökning, Malmöbornas resvanor och attityder till trafik och miljö. Resultaten från de två undersökningarna har sammanfogats och sammanställts i två databaser, en individfil och en resfil. I den här studien har data från resfilen, där varje rad representerar en resa, analyserats för att beskriva resmönster för boende i Malmö, Lund och mellanorterna. 4 Analys & Strategi

7 5.2 Statistik från SCB Från SCB (Skånedatabasen) har statistik som beskriver bostadsställe och arbetsställe hämtats. Dels har tabeller som beskriver antal boende och antal arbetsplatser i varje område tagits fram, och dels en matris som beskriver relationen boende-arbetsplats. Denna matris har sedan använts för att beskriva resmönster till arbete för boende i Malmö, Lund och mellanorterna. 5.3 sindelning Lund och Malmö har delats in i ett antal delområden vardera. För Lunds del motsvarar indelningen i delområden de områden som finns i Resvanor Syd, med det tillägget att område 0 har delats upp i fem delområden, se Figur 1. 0A 0B1 0B2 0C 0D Figur 1 sindelning för Lund, totalt 23 områden För Malmös del har indelningen i Resvanor Syd utökats genom att dela in ett flertal av områdena i flera mindre områden, se Figur 2. Analys & Strategi

8 1D 3 1C 4 5A 4 1A 1B 2A 2B 6A 6C 8A 7 8B 9B 9A 12 5B 6B 6D Figur 2 sindelning för Malmö, totalt 23 områden Mellanorterna presenteras som ett (punkt)område vardera. Avgränsningen för mellanorterna varierar något mellan Resvanor Syd och statistiken från SCB. Dessa skillnader och ytterligare information om områdesavgränsningarna följer här: Lomma: 78 i Resvanor Syd motsvarar Lomma tätort i statistiken från SCB. Alnarp ingår inte i detta område. Staffanstorp: i Resvanor Syd motsvarar Staffanstorp tätort i statistiken från SCB. Hjärup: i Resvanor Syd motsvarar Hjärup tätort i statistiken från SCB. Åkarp: 76 i Resvanor Syd representerar tätorterna inom Burlövs kommun, d.v.s. både Åkarp och Arlöv. Åkarp tätort i statistiken från SCB omfattar tätorten inom kommungräns, vilket innebär att ett litet bostadsområde som ligger utanför gränsen saknas. Arlöv: 76 i Resvanor Syd representerar tätorterna inom Burlövs kommun, d.v.s. både Åkarp och Arlöv. I statistiken från SCB finns ingen tätort som kallas Arlöv, eftersom tätorten är sammanväxt med 6 Analys & Strategi

9 Malmö. De data som har plockats ut gäller därför Malmö tätort inom Burlövs kommun. 5.4 Prognos boende och arbetsplatser För att kunna göra en prognos över resvanorna år 2030 behövs indata i form av prognostiserat antal boende och antal arbetsplatser i respektive område år Denna information har de i studien ingående kommunernas representanter tagit fram utifrån befintliga prognoser, översiktsplaner, etc. En sammanfattning av prognoserna finns i Tabell 1 nedan. För Malmö, Lund och mellanorterna återfinns prognoser för respektive delområde var för sig i Bilaga 1. Tabell 1 Förändring av antal boende till år 2030, sammanfattning Tätort Boende 2007 Boende 2030 Förändring boende Malmö % Lund % Mellanorterna % ALLA % Tabell 2 Förändring av antal arbetsplatser till år 2030, sammanfattning Tätort Arbetsplatser 2007 Arbetsplatser 2030 Förändring arbetsplatser Malmö % Lund % Mellanorterna % ALLA % Prognoserna visar på en stor ökning av antalet boende i mellanorterna, och en stor ökning av antalet arbetsplatser i Lund. Totalt sett ökar antalet arbetsplatser något mer (50%) än antalet boende (44%). Analys & Strategi

10 6 Metod 6.1 Dagens pendlingsmönster arbetsresor I den första delen av studien gjordes en beskrivning av dagens situation avseende boende, arbetsplatser och pendlingsmönster mellan de identifierade områdena. Vad gäller pendlingsmönstret togs två tillståndsmatriser fram, en som baseras på Resvanor Syd (inklusive Malmöbornas resvanor) och en som baseras på statistik från SCB. Eftersom uttag i Resvanor Syd inte kan göras på samma fina indelning som statistiken från SCB går det inte att ta fram två tillståndsmatriser som är direkt jämförbara, utan antalet relationer är större för SCB-statistiken än för Resvanor Syd. De två databasernas principiella skillnader beskrivs i Tabell 3. Tabell 3 Jämförelse mellan data från Resvanor Syd och statistik från SCB Resvanor Syd Beskriver det faktiska resandet Resor till arbetsplatsen 1 Kan ta ut resor till skola/utbildning Mindre dataset Detaljer om Malmöbornas resor saknas SCB Baseras på var man bor och arbetar Bara relationen bostad-arbete Saknar resor till skola/utbildning Större dataset Samma detaljeringsgrad för Malmö En fördel med Resvanor Syd är att databasen beskriver det faktiska resandet och således tar hänsyn till att varje person arbetar olika många dagar på en vecka (deltid, sjukfrånvaro, etc). Statistiken från SCB beskriver däremot bara relationen bostad-arbete för respektive person, utan information om hur ofta de reser. En annan stor fördel med Resvanor Syd jämfört med statistiken från SCB är att resor till skola/utbildning finns med i databasen. För SCB-statistiken finns det däremot två stora fördelar jämfört med data från Resvanor Syd. Den ena är att datasetet är avsevärt (ca 20 gånger) större och den andra är att det går att få fram detaljerade uppgifter om vilka områden i Lund som Malmöborna reser till, detta till skillnad från Resvanor Syd som inte har kodats med så detaljerade uppgifter. 1 Detta innebär att en del resor startar från dagis, tjänsteärenden, etc i stället för från bostaden. 8 Analys & Strategi

11 Som ytterligare jämförelse av data från de två källorna gjordes en analys av resornas fördelning i några relationer, se Tabell 4. Olika relationer med start i Lund och mål i Malmö valdes eftersom underlaget från Resvanor Syd då blev som störst. Tabell 4 Fördelning på olika resrelationer för Resvanor Syd och SCB-statistik Från Till Resvanor Syd SCB-statistik Västra Lund Norra Malmö 28% 30% Västra Lund Västra Malmö 3% 2% Västra Lund Östra Malmö 3% 5% Östra Lund Norra Malmö 48% 53% Östra Lund Västra Malmö 5% 3% Östra Lund Östra Malmö 7% 7% 0 Lund Norra Malmö 4% 0% 0 Lund Västra Malmö 0% 0% 0 Lund Östra Malmö 2% 0% 100% 100% Eftersom fördelningen av resor visade sig vara ganska lika för de två dataseten valdes för den övriga analysen att utgå från den mer omfattande SCBstatistiken. Då resor till skola/utbildning saknas i detta dataset kompletterades det med data från Resvanor Syd. 6.2 Dagens pendlingsmönster studieresor Underlag för studieresornas fördelning och antal togs alltså från Resvanor Syd. För att kunna jämföra antalet studieresor i Resvanor Syd med antalet arbetsresor i SCB-statistiken gjordes en uppräkning till motsvarande nivå. Uppräkningsfaktorn togs fram genom att jämföra andelarna av studieresor och arbetsresor i Resvanor Syd. För de i studien ingående relationerna var förhållandet att det görs ca 4 gånger fler resor till arbete än till skola/utbildning. Detta förhållande gav i sin tur uppräkningsfaktorn 42, dvs. varje observerad studieresa i RVSmaterialet motsvarar 42 pendlare. Eftersom studieresorna i Resvanor Syd saknar den fina indelning som använts för arbetsresorna behövdes en nyckel för att fördela ut resorna på respektive delområde. För Malmö användes två olika nycklar, för fördelningen över startområden respektive för fördelningen över målområden. Båda fördelningsnycklarna tillhandahölls av kommunens representanter i projektet. Fördelningen ut på startområden baserades på antalet boende, medan fördelningen ut på målområden baserades på uppgifter om fördelning av helårsstudenter över olika Analys & Strategi

12 utbildningsinstitutioner. Motsvarande nyckel för Lund togs fram utifrån den fördelning av helårsstudenter som beskrivs i årsredovisningen för Lunds universitet Den höga uppräkningsfaktorn i kombination med att underlaget av studieresor i Resvanor Syd fördelas på ett mycket stor antal relationer gör matrisen för studieresor relativt osäker. Framför allt gäller detta i relationer där uppskrivningen har gjorts från en låg siffra 2. För relationer med ett större antal resor blir uppskrivningen mindre osäker. 6.3 Modell som beskriver pendlingsmönstret För att kunna beräkna hur många pendlare som kommer att finnas i en viss relation i den framtida situationen (2030) när både antalet boende och arbetsplatser ändrats, skapades en modell över sambandet mellan: antalet pendlare i en viss relation och antalet boende i startområdet antalet arbetsplatser i målområdet antalet arbetsplatser i andra, konkurrerande målområden dragningskraften i den specifika relationen För uppgiften användes en enkel så kallad gravitationsmodell som beskrivs genom följande samband: T ij = k i *N i *(A j *f(d ij ))/ ( A j *f(d ij )) där T ij k i N i A j f(d ij ) antalet ML-pendlare som bor i område i och arbetar/studerar i område j faktor som beskriver antal ML-pendlare per boende i område i antalet boende i område i antalet arbetsplatser i område j (totalt) faktor som beskriver attraktionskraften mellan område i och j 2 Om man i Resvanor Syd råkat intervjua 1 eller 2 personer som gjort en studieresa i en viss relation den aktuella dagen styrs enbart av slumpen. I vårt sammanslagna material syns detta som att 42 respektive 84 (studie)resenärer finns i relationen, vilket kan tolkas som en avsevärd skillnad. 10 Analys & Strategi

13 6.4 Framskrivning till år 2030 arbetsresor Modellframskrivning Med hjälp av modellen gjordes sedan en framskrivning av pendlingsmönstret till år Förenklat kan man säga att gravitationsmodellen tar fram den matris som så väl som möjligt återspeglar mönstren i den ursprungliga matrisen, men som återspeglar nya yttre förutsättningar. I vårt fall innebär det att: den sammanlagda pendlingen (absoluta tal) från varje delområde skall växa i proportion till antalet boende i området av pendlingen från ett visst bostadsområde skall den andel som går till varje arbetsområde (relativa tal) växa/krympa i proportion till det delområdets andel av den sammanlagda attraktiviteten hos alla konkurrerande målområden attraktiviteten hos ett visst målområde varierar mellan olika startområden, men växer i proportion till antalet arbetsplatser i området oavsett startområde Framskrivningen baseras på uppgifter om förändring i antal bostäder och antal arbetsplatser till år Denna information har som beskrivits ovan de i studien ingående kommunernas representanter tagit fram utifrån befintliga prognoser, översiktsplaner, etc. För två bostadsområden i Lund kunde vi inte beräkna hur stor attraktionskraften (f(d ij )) mellan bostadsområdet och arbetsplatsområdena är i dagsläget, eftersom inget resande alls sker i relationerna idag (få boende). Det finns alltså inget gammalt resmönster att utgå från för framskrivningen. För dessa områden lånades därför egenskaper av närliggande områden som dessutom hade liknande demografiska egenskaper: För område 0B2 (Ideon, Brunnshög) lånades egenskaper av område 54 (Östra Torn). För område 0C (Gastelyckan) lånades egenskaper av område 58 (Järnåkra, Nilstorp). För ytterligare ett område var antalet boende år 2007 mycket litet jämfört med antalet boende år 2030 (12 respektive boende). Därför är en uppskattning av attraktionskraften i relationen till specifika målområden mycket osäker. Även för detta område har därför egenskaper lånats av ett närliggande område: För område 0A (Gunnesbo, Öresund, Nova) lånades egenskaper av område 41 (Gunnesbo). Analys & Strategi

14 Handpåläggning Beräkningarna i det första framskrivningssteget kan sägas vara rent tekniska anpassningar av matrisen till de nya omständigheterna. De tar ingen hänsyn till den allmänna resandeutvecklingen (pendlingsbenägenheten i stort) eller förändringar i infrastrukturen (till exempel Citytunneln). Därför gjordes i ett andra steg en handpåläggning med några principiella modifieringar av resultaten utifrån förväntade framtida förändringar (utöver dem som man har tagit hänsyn till i första steget, d.v.s. utbudet av bostäder och arbetsplatser). Handpåläggningen görs utifrån tre principer: 1. n som kommer att öka sin pendlingsgenererande förmåga MER än vad som ges av ökningen i antalet yrkesverksamma boende. En faktor som kan bidra till en sådan utveckling är t ex att området planeras få en ny typ av bebyggelse med dyrare bostäder (=högre inkomster =längre arbetsresor). 2. n som kommer att öka sin pendlingsattraherande förmåga MER än vad som ges av ökningen i antalet arbetsplatser. T ex på grund av mer kvalificerade verksamheter (=mer specialiserad arbetskraft =längre arbetsresor). 3. Pendlingsrelationer där attraktionskraften kommer att förändras. T ex på grund av ett förbättrat transportsystem. Ändringar enligt de tre principerna gjordes för följande områden: 1. För fyra områden i Malmö, 6A (Söderkulla m.fl.), 6B (Lindängen m.fl.), 6C (Gullvik m.fl.) och 7 (Rosengård), antogs den pendlingsgenererande förmågan öka till följd av att förvärvsfrekvensen ökar. 2. För ett område i Malmö, 5B (Hyllie yttre), antogs den pendlingsattraherande förmågan öka till följd av en förändring i typen av arbetsplatser. 3. För 64 pendlingsrelationer antogs resmotståndet minska i och med Citytunneln. De aktuella relationerna är sådana med start i något av områdena 1A (City), 2A (Södervärn m.fl.), 5B (Hyllie yttre) eller 10 (Oxie) samt mål i något av områdena 41 (Gunnesbo), 42 (Nöbbelöv), 43 (Vallkärratorn, Stångby), 51 (Väster östra), 52 (Centrala staden), Hjärup, Åkarp eller Arlöv. Mer specifikt gjordes ändringarna på följande sätt: 1. Ändringen gjordes genom att öka faktorn k, som beskriver antalet MLpendlare per boende i respektive område. Utifrån en jämförelse med övriga bostadsområden i Malmö valdes storleksordningen till en fördubbling av k. Detta innebär att i stället för att ha bland de lägsta värdena på k hamnar de fyra utvalda områdena på en nivå som liknar många andra 12 Analys & Strategi

15 av Malmös bostadsområden, utan att komma ikapp de områden där det bor flest ML-pendlare per boende. 2. På motsvarande sätt skulle man kunna beskriva en ökad pendlingsattraherande förmåga genom att öka antalet ML-pendlare per arbetsplats. Någon sådan faktor finns dock inte i modellen. Motsvarande analys har dock använts för att även här välja storleksordningen till en fördubblad attraktionskraft per arbetsplats. Detta innebär att området hamnar på samma nivå som de mest centrala delarna av Malmö. Rent praktiskt gjordes förändringen genom att (utöver den ökning som redan gjorts) fiktivt öka antalet arbetsplatser i området till det dubbla. 3. I det här fallet är det faktorn f(d ij ) som ska ökas för att beskriva en ökad attraktionskraft mellan områdena i och j. Återigen gjordes en jämförelse med faktorerna för övriga relationer för att komma fram till rätt storleksordning på ökningen. För relationer som inkluderar område 5B (Hyllie yttre) ökades faktorn till det dubbla, och för övriga relationer (där förändringen antas bli något mindre) med 50 procent. Detta innebär att dragningskraften mellan Hyllie yttre och områdena i Lund ökades så att de kom i nivå med vad dragningskraften mellan Malmö C och samma områden är idag. 6.5 Framskrivning till år 2030 studieresor För studieresorna har endast en enklare framskrivning till år 2030 gjorts genom att öka antalet studieresor från respektive bostadsområde i samma omfattning som antalet boende i respektive område ökar. Några uppgifter om förändring av antalet studieplatser har inte funnits och därför har ingen framskrivning gjorts med hänsyn till detta. 7 Modellparametrar Det huvudsakliga resultatet av studien är ett antal Excel-matriser som beskriver pendlandet år 2007 respektive år Dessutom redovisas några aggregerade resultat från matriserna i stycke 8. För att ge en bakgrund till att läsa och tolka resultaten i matriserna samt i stycke 8 ges i detta stycke först en bild av de i modellen ingående modellparametrarnas värden och spridning. 7.1 Boende De i studien ingående områdena varierar stort avseende antal boende i respektive område. I tabellerna nedan beskrivs detta genom att lyfta fram de tre största respektive minsta bostadsområdena i Malmö respektive Lund, samt den största Analys & Strategi

16 och minsta av mellanorterna. Vidare beskrivs på samma sätt de största och minsta prognostiserade ökningarna av antal boende till år Generellt gäller att de bostadsområden som är störst i dagsläget inte sammanfaller med de områden som kommer att öka mest till år Tabell 5 visar att det största området i Malmö i dagsläget är Västra innerstaden, medan Tabell 6 visar att det område som kommer att öka mest till år 2030 är Västra Hamnen, Nyhamnen. Både för dagsläget och ökningar till 2030 finns det ytterligare åtminstone ett par områden i samma storleksordning. Tabell 5 Antal boende år 2007 i de tre största/minsta områdena, Malmö Boende Västra innerstaden A Hyllie inre A Södervärn m.fl Klagshamn D Fosieby m.fl D Hamnen yttre 18 Tabell 6 De största/minsta ökningarna i antal boende till år 2030, Malmö Ökning av boende C Västra Hamnen, Nyhamnen Tygelsjö B Hyllie yttre C Gullvik m.fl B Lindängen m.fl D Hamnen yttre -1 För Lund visar Tabell 7 att det i dagsläget klart största bostadsområdet är Centrala staden och att de minsta områdena är några av 0-områdena (som utgörs av stadens verksamhetsområden). I gengäld visar Tabell 8 att åtminstone ett par av 0-områden enligt prognosen kommer att få ett stort tillskott av boende till år 2030 och alltså gå från att vara rena verksamhetsområden till att bli mer blandade. För Lund finns ett flertal områden (fler än tre) som enligt prognosen inte får 14 Analys & Strategi

17 något tillskott av boende till år 2030, och därför specificeras inte några minsta ökningar i Tabell 8. Tabell 7 Antal boende år 2007 i de tre största/minsta områdena, Lund Boende Centrala staden Norra fäladen södra Klostergården C Gastelyckan 2 0B2 Ideon, Brunnshög 0 0D Råbyholms industriområde 0 Tabell 8 De största/minsta ökningarna i antal boende till år 2030, Lund Ökning av boende Linero A Gunnesbo, Öresund, Nova B2 Ideon, Brunnshög Flera områden 0 För mellanorterna visar Tabell 9 och Tabell 10 att det i dagsläget är Staffanstorp som är den största tätorten, och att det även är denna tätort som kommer att öka mest till år Tabell 9 Antal boende år 2007 i den största/minsta mellanorten Boende Staffanstorp Hjärup Analys & Strategi

18 Tabell 10 De mellanorter som ökar mest/minst i antal boende till år 2030 Ökning av boende Staffanstorp Åkarp 825 Sammanfattningsvis visar tabellerna ovan att de största delområdena i Malmö har betydligt fler invånare än de största delområdena i Lund och mellanorterna, och att det även är i Malmö som de enskilda områden som växer allra mest till år 2030 återfinns. Vidare visar tabellerna att storleksskillnaderna för de i studien ingående områdena är stor med avseende på antal boende, från det största området Västra innerstaden med över invånare till de områden i Lund där det inte finns några boende alls. 7.2 Arbetsplatser På samma sätt varierar de i studien ingående områdena stort avseende antal arbetsplatser i respektive område. I tabellerna nedan beskrivs detta genom att lyfta fram de tre största respektive minsta arbetsplatsområdena i Malmö respektive Lund, samt den största och minsta av mellanorterna. Vidare beskrivs på samma sätt de största och minsta prognostiserade ökningarna av antal arbetsplatser till år För Malmö visar Tabell 11 att det område där det finns klart flest arbetsplatser i dagsläget är City. Tabell 11 Antal arbetsplatser år 2007 i de tre största/minsta områdena, Malmö Arbetsplatser A City A Södervärn m.fl C Västra Hamnen, Nyhamnen Bunkeflo Tygelsjö Klagshamn Analys & Strategi

19 Det är dock ett annat stort område Västra Hamnen, Nyhamnen som kommer att öka allra mest till år 2030, till mer än dubbla storleken (se Tabell 12). De stadsdelar som är minst och som inte heller ökar nämnvärt till år 2030 är främst de som ligger lite mer perifert. Tabell 12 De största/minsta ökningarna i arbetsplatser till år 2030, Malmö Ökning av arbetsplatser C Västra Hamnen, Nyhamnen B Hyllie yttre Tygelsjö Oxie 550 9B Husie södra 350 1D Hamnen yttre 0 Tabell 13 och Tabell 14 visar att för Lunds del finns arbetsplatserna förutom i Centrala staden främst i 0-områdena, samt att det även är i dessa områden som flest antal nya arbetsplatser prognostiseras. Tabell 13 Antal arbetsplatser år 2007 i de tre största/minsta områdena, Lund Arbetsplatser B1 Universitetet, USiL Centrala staden B2 Ideon, Brunnshög Nöbbelöv Värpinge Vallkärratorn, Stångby 87 För Lund finns ett flertal områden (fler än tre) som enligt prognosen inte får något tillskott av arbetsplatser till år 2030, och därför specificeras inte några minsta ökningar i Tabell 14. Analys & Strategi

20 Tabell 14 De största/minsta ökningarna i antal arbetsplatser till år 2030, Lund Ökning av arbetsplatser B2 Ideon, Brunnshög B1 Universitetet, USiL C Gastelyckan Flera områden 0 För mellanorterna visar Tabell 15 och Tabell 16 att Arlöv i dagsläget har flest antal arbetsplatser men att det är Staffanstorp som förväntas öka mest till år Tabell 15 Antal arbetsplatser år 2007 i den största/minsta mellanorten Arbetsplatser Arlöv Åkarp 743 Tabell 16 De mellanorter som ökar mest/minst i antal arbetsplatser till år 2030 Ökning av arbetsplatser Staffanstorp Åkarp 97 Sammanfattningsvis visar tabellerna ovan att det är i Malmö som de största arbetsplatsområdena finns. Däremot är de områden som enligt prognoserna kommer att öka mest i samma storleksordning för Lund som för Malmö. Vidare visar tabellerna att det finns ett flertal områden i Malmö och framför allt i Lund där det endast finns ett fåtal arbetsplatser. 18 Analys & Strategi

21 7.3 ML-utpendling per boende I modellen ingår parametern k i som beskriver hur många av de boende i respektive område som pendlar till något av de andra områdena i studien (förutom inom respektive stad), dvs. antal ML-pendlare per område. För den första delen av framskrivningen är denna konstant men i handpåläggningen har den reviderats för ett fåtal bostadsområden i Malmö. Tabell 17 till Tabell 19 nedan beskriver alltså hur ML-pendlingsbenägna de boende i respektive område är i dagsläget. Som väntat är benägenheten att MLpendla som störst i mellanorterna och som minst i Malmöområdena. Tabell 17 Antal ML-utpendlare per boende år 2007, Malmö ML-utpendlare per boende C Västra Hamnen, Nyhamnen 0,080 1B Östra centrum 0,072 9A Husie norra 0,064 6B Lindängen m.fl. 0,020 7 Rosengård 0,013 1D Hamnen yttre 0,000 Tabell 18 Antal ML-utpendlare per boende år 2007, Lund ML-utpendlare per boende 51 Väster östra 0, Väster västra 0, Centrala staden 0,102 0C Gastelyckan 0,000 0B2 Ideon, Brunnshög 0,000 0D Råbyholms industriområde 0,000 Analys & Strategi

22 Tabell 19 Antal ML-utpendlare år 2007, mellanorterna ML-utpendlare per boende - Åkarp 0,369 - Arlöv 0,226 I Tabell 20 visas vidare hur den nedre halvan av Malmötabellen ändras i och med handpåläggningen. na 6B (Lindängen m.fl.) och 7 (Rosengård) återfinns bland de områden som fått ökad ML-pendlingsbenägenhet. I och med detta försvinner de från listan och hamnar i storleksordning någonstans mitt bland Malmöområdena i stället för bland de lägsta. Tabell 20 Antal ML-utpendlare år 2030, Malmö ML-utpendlare per boende C Västra Hamnen, Nyhamnen 0,080 1B Östra centrum 0,072 9A Husie norra 0,064 5A Hyllie inre 0,022 6D Fosieby m.fl. 0,022 1D Hamnen yttre 0, ML-inpendling per arbetsplats För arbetsplatserna har modellen ingen parameter som motsvarar k i (MLutpendling per boende), dvs. ingen parameter som beskriver ML-inpendling per arbetsplats (från övriga områden i studien, förutom inom respektive stad). Trots det kan det vara intressant att titta på hur ett sådant tal varierar mellan olika arbetsplatsområden, och sådana siffror återfinns därför i Tabell 21 till Tabell 23. Den första delen av framskrivningen påverkar inte denna parameter direkt 3. I handpåläggningen har den reviderats endast för område 5B (Hyllie yttre). 3 Modellen gör att framskrivningen indirekt ger färre ML-pendlare per arbetsplats överallt, eftersom antalet boende (som ger antalet ML-pendlare totalt) ökar mindre än antalet arbetsplatser. 20 Analys & Strategi

23 Tabellerna nedan visar alltså i hur stor utsträckning respektive arbetsplatsområde drar till sig ML-pendlare. Störst ML-inpendling har Arlöv följt av Lunds 0- områden och minst är ML-inpendlingen i Malmös mer perifera stadsdelar. Tabell 21 visar vidare att vid handpåläggningen har attraktiviteten för område 5B (Hyllie yttre) dubblats från 0,06 till 0,12. Detta innebär att området har flyttats från att ligga något över botten till att ligga något under toppen. Tabell 21 Antal ML-inpendlare per arbetsplats år 2007 (och 2030), Malmö ML-inpendling per arbetsplats 1B Östra centrum 0,15 1C Västra Hamnen, Nyhamnen 0,14 8A Kirseberg inre 0,12 5B Hyllie yttre ,12 5B Hyllie yttre ,06 11 Tygelsjö 0,04 12 Bunkeflo 0,02 13 Klagshamn 0,01 Tabell 22 Antal ML-inpendlare per arbetsplats år 2007, Lund ML-inpendling per arbetsplats 0B2 Ideon, Brunnshög 0,32 0C Gastelyckan 0,25 0A Gunnesbo, Öresund, Nova 0,24 43 Stångby 0,12 42 Nöbbelöv 0,12 55 Mårtens fälad 0,12 Analys & Strategi

24 Tabell 23 Antal ML-inpendlare per arbetsplats år 2007, mellanorterna ML-inpendling per arbetsplats - Arlöv 0,50 - Staffanstorp 0, Relativ resbenägenhet Ytterligare en modellparameter som är intressant att titta på är givetvis f(d ij ), dvs. den faktor som beskriver attraktionskraften mellan område i och j. Denna faktor kan även beskrivas som den relativa benägenheten att ML-pendla från område i till just område j jämfört med att ML-pendla till ett annat målområde, om man korrigerar för att målområdena har olika antal arbetsplatser (och har olika dragningskraft också av den anledningen). Tabell 24 och Tabell 25 visar de relationer med start i Malmö respektive Lund där den relativa resbenägenheten är som störst respektive minst. Talen för relativ resbenägenhet bygger på data för ett specifikt år (2007), och det bör påpekas att det kan finnas relationer där detta tal bygger på förhållanden som kan komma att ändras (eller kanske redan har ändrats). Tabell 24 Relativ resbenägenhet från Malmö till Lund år 2007 Från Malmö (bostad) Till Lund (arbetsplats) Relativ resbenägenhet 7 Rosengård 48 Klosters fälad 27,80 6A Söderkulla m.fl. 48 Klosters fälad 18,80 1B Östra centrum 46 Kobjer 14,30 7 Rosengård 0B2 Ideon, Brunnshög 1,50 1B Östra centrum 0B2 Ideon, Brunnshög 1,34 1C Västra Hamnen, Nyhamnen 0B2 Ideon, Brunnshög 0,38 22 Analys & Strategi

25 Tabell 25 Relativ resbenägenhet från Lund till Malmö år 2007 Från Lund (bostad) Till Malmö (arbetsplats) Relativ resbenägenhet 45 Norra Fäladen södra 9A Husie norra 12,90 53 Tuna 1A City 12,10 45 Norra Fäladen södra 9A Husie norra 11,50 58 Järnåkra, Nilstorp 1D Hamnen yttre 2,78 44 Norra Fäladen norra 1D Hamnen yttre 2,71 54 Östra Torn 1D Hamnen yttre 2,71 Vidare beskriver Tabell 26 hur den relativa resbenägenheten har ändrats för några relationer i och med justering för Citytunneln i handpåläggningen. Exempelvis kan man se att trots att parametern har justerats mer för område 5B (Hyllie yttre) än för övriga justerade relationer ändras inte det inbördes förhållandet områdena emellan. Tabell 26 Relativ resbenägenhet för utvalda relationer år 2007 och år 2030 Från Malmö (bostad) Till (arbetsplats) Relativ resbenägenhet 2007 Relativ resbenägenhet A City 52 Centrala staden 8,28 12,42 2A Södervärn m.fl. 52 Centrala staden 9,90 14,85 5B Hyllie yttre 52 Centrala staden 3,75 7,50 1A City - Arlöv 3,77 5,66 2A Södervärn m.fl. - Arlöv 5,18 7,77 5B Hyllie yttre - Arlöv 7,60 15,20 8 Pendlingsmönster Dagens pendlingsmönster och pendlingsmönstret för år 2030 beskrivs i filen Pendling Malmö-Lund rev xls. Filen innehåller fyra matriser/flikar: 1. Pendlingsmönstret för år Pendlingsmönstret för år Absolut förändring av pendlingsmönstret till år Relativ förändring av pendlingsmönstret till år 2030 Analys & Strategi

26 I Tabell 27 och Tabell 28 beskrivs på en övergripande nivå hur ML-pendlandet kommer att förändras till år För att ge en bild av hur stor påverkan handpåläggningen har haft på resultatet presenteras siffrorna både utan handpåläggning (Tabell 27) och med handpåläggning (Tabell 28). Tabell 27 Förändring i ML-pendlandet till år 2030, utan handpåläggning Från Till Förändring , absolut Förändring , relativ Malmö Lund % Malmö Mellanorterna % Lund Malmö % Lund Mellanorterna % Mellanorterna Malmö % Mellanorterna Lund % Mellanorterna Mellanorterna % ALLA ALLA % Tabell 28 Förändring i ML-pendlandet till år 2030, med handpåläggning Från Till Förändring , absolut Förändring , relativ Malmö Lund % Malmö Mellanorterna % Lund Malmö % Lund Mellanorterna % Mellanorterna Malmö % Mellanorterna Lund % Mellanorterna Mellanorterna % ALLA ALLA % Den totala förändringen i ML-pendlandet är drygt 50 procent, något större efter handpåläggningen. Ökningen i ML-pendlandet är alltså större än den totala ökningen av antal boende (44%). Detta beror på att den ovan beskrivna faktorn antal ML-pendlare per boende (k i ) varierar och alltså i genomsnitt är större för de bostadsområden som ökar mycket i storlek jämfört med de bostadsområden som ökar mindre i storlek. Det som har gjorts i handpåläggningen är som tidigare beskrivits att öka antalet ML-pendlare per boende i fyra Malmöområden, att (fiktivt) öka antalet MLpendlare per arbetsplats i område 5B (Hyllie yttre) samt att öka attraktiviteten i 24 Analys & Strategi

27 de relationer som påverkas av Citytunneln. I tabellerna ovan avspeglas detta i att ökningen blir större än innan handpåläggningen i alla relationer där Malmö ingår. 8.1 ML-pendling per delområde I de följande tabellerna beskrivs ML-pendlingen per delområde. Dels beskrivs ML-utpendlingen, dvs. hur många ML-pendlare som reser ut från respektive bostadsområde, och dels beskrivs ML-inpendlingen, dvs. hur många MLpendlare som reser in till arbetsplatserna i respektive område. Tabell 29 Ut- och inpendling från/till Malmö år 2030, antal ML-pendlare MLutpendlare 2030 MLinpendlare A City B Östra centrum C Västra Hamnen, Nyhamnen D Hamnen yttre A Södervärn m.fl B Annelund m.fl Västra innerstaden Limhamn A Hyllie inre B Hyllie yttre A Söderkulla m.fl B Lindängen m.fl C Gullvik m.fl D Fosieby m.fl Rosengård A Kirseberg inre B Kirseberg yttre A Husie norra B Husie södra Oxie Tygelsjö Bunkeflo Klagshamn SUMMA Analys & Strategi

28 Tabell 30 Ut- och inpendling från/till Lund år 2030, antal ML-pendlare MLutpendlare 2030 MLinpendlare A Gunnesbo, Öresund, Nova B1 Universitetet, USiL B2 Ideon, Brunnshög C Gastelyckan D Råbyholms industriområde Gunnesbo Nöbbelöv Vallkärratorn, Stångby Norra fäladen norra Norra fäladen södra Kobjer Möllevången Klosters fälad Värpinge Väster västra Väster östra Centrala staden Tuna Östra Torn Mårtens fälad Linero Klostergården Järnåkra, Nilstorp SUMMA Tabell 31 Ut- och inpendling från/till mellanorterna år 2030, antal ML-pendlare MLutpendlare 2030 MLinpendlare Lomma Staffanstorp Hjärup Åkarp Arlöv SUMMA Analys & Strategi

29 8.2 Största pendlingsrelationerna För att skapa en bild av vilka de största pendlingsrelationerna är har de ca 10 största relationerna sammanställts i Tabell 32. Tabellen visar att den största ML-pendlingen går till arbetsplatser i Lunds 0-områden samt till Västra hamnen, Nyhamnen i Malmö. Tabell 32 De ca 10 största pendlingsrelationerna för år 2030 Från Till ML-pendlare Västra innerstaden 0B2 Ideon, Brunnshög Arlöv 1C Västra hamnen, Nyhamnen 671 1A City 0B2 Ideon, Brunnshög Lomma 1C Västra hamnen, Nyhamnen Limhamn 0B2 Ideon, Brunnshög Staffanstorp 1C Västra hamnen, Nyhamnen 612 1C Västra hamnen, Nyhamnen 0B1 Universitetet, USiL Staffanstorp 0B1 Universitetet, USiL Hjärup 1C Västra hamnen, Nyhamnen 553 1B Östra centrum 0B1 Universitetet, USiL Staffanstorp 52 Centrala staden 533 I Tabell 33 redovisas på samma sätt de relationer där antalet ML-pendlare ökar som mest till år Tabellen visar att fler av de relationer som har stora ökningar stämmer överens med de relationer som redan i dagsläget är stora. Tabell 33 De ca 10 relationer där ML-pendlingen ökar som mest till år 2030 Från Till ML-pendlare förändring C Västra hamnen, Nyhamnen 0B1 Universitetet, USiL Västra innerstaden 0B2 Ideon, Brunnshög Hjärup 0B2 Ideon, Brunnshög Hjärup 1C Västra hamnen, Nyhamnen Staffanstorp 0B2 Ideon, Brunnshög Limhamn 0B2 Ideon, Brunnshög Staffanstorp 1C Västra hamnen, Nyhamnen 385 1C Västra hamnen, Nyhamnen 52 Centrala staden Lomma 0B2 Ideon, Brunnshög Lomma 1C Västra hamnen, Nyhamnen 373 Analys & Strategi

30 28 Analys & Strategi

31 Bilaga 1 Prognoser för år 2030 Tabell 34 Förändring av antal boende till år 2030, Malmö Boende 2007 Boende 2030 Förändring boende A City % 1B Östra centrum % 1C Västra Hamnen, Nyhamnen % 1D Hamnen yttre % 2A Södervärn m.fl % 2B Annelund m.fl % 3 Västra innerstaden % 4 Limhamn % 5A Hyllie inre % 5B Hyllie yttre % 6A Söderkulla m.fl % 6B Lindängen m.fl % 6C Gullvik m.fl % 6D Fosieby m.fl % 7 Rosengård % 8A Kirseberg inre % 8B Kirseberg yttre % 9A Husie norra % 9B Husie södra % 10 Oxie % 11 Tygelsjö % 12 Bunkeflo % 13 Klagshamn % SUMMA % Analys & Strategi 29

32 Tabell 35 Förändring av antal boende till år 2030, Lund Boende 2007 Boende 2030 Förändring boende A Gunnesbo, Öresund, Nova % 0B1 Universitetet, USiL % 0B2 Ideon, Brunnshög n/a 0C Gastelyckan % 0D Råbyholms industriområde 0 0 n/a 41 Gunnesbo % 42 Nöbbelöv % 43 Vallkärratorn, Stångby % 44 Norra fäladen norra % 45 Norra fäladen södra % 46 Kobjer % 47 Möllevången % 48 Klosters fälad % 49 Värpinge % 50 Väster västra % 51 Väster östra % 52 Centrala staden % 53 Tuna % 54 Östra Torn % 55 Mårtens fälad % 56 Linero % 57 Klostergården % 58 Järnåkra, Nilstorp % SUMMA % Tabell 36 Förändring av antal boende till år 2030, mellanorterna Boende 2007 Boende 2030 Förändring boende Lomma % - Staffanstorp % - Hjärup % - Åkarp % - Arlöv % SUMMA % 30 Analys & Strategi

33 Tabell 37 Förändring av antal arbetsplatser till år 2030, Malmö Arbetsplatser 2007 Arbetsplatser 2030 Förändring arbetsplatser A City % 1B Östra centrum % 1C Västra Hamnen, Nyhamnen % 1D Hamnen yttre % 2A Södervärn m.fl % 2B Annelund m.fl % 3 Västra innerstaden % 4 Limhamn % 5A Hyllie inre % 5B Hyllie yttre % 6A Söderkulla m.fl % 6B Lindängen m.fl % 6C Gullvik m.fl % 6D Fosieby m.fl % 7 Rosengård % 8A Kirseberg inre % 8B Kirseberg yttre % 9A Husie norra % 9B Husie södra % 10 Oxie % 11 Tygelsjö % 12 Bunkeflo % 13 Klagshamn % SUMMA % Analys & Strategi

34 Tabell 38 Förändring av antal arbetsplatser till år 2030, Lund Arbetsplatser 2007 Arbetsplatser 2030 Förändring arbetsplatser A Gunnesbo, Öresund, Nova % 0B1 Universitetet, USiL % 0B2 Ideon, Brunnshög % 0C Gastelyckan % 0D Råbyholms industriområde % 41 Gunnesbo % 42 Nöbbelöv % 43 Vallkärratorn, Stångby % 44 Norra fäladen norra % 45 Norra fäladen södra % 46 Kobjer % 47 Möllevången % 48 Klosters fälad % 49 Värpinge % 50 Väster västra % 51 Väster östra % 52 Centrala staden % 53 Tuna % 54 Östra Torn % 55 Mårtens fälad % 56 Linero % 57 Klostergården % 58 Järnåkra, Nilstorp % SUMMA % Tabell 39 Förändring av antal arbetsplatser till år 2030, mellanorterna Arbetsplatser 2007 Arbetsplatser 2030 Förändring arbetsplatser Lomma % - Staffanstorp % - Hjärup % - Åkarp % - Arlöv % SUMMA % 32 Analys & Strategi

35 Analys & Strategi

36 WSP Analys & Strategi Arenavägen Stockholm-Globen Telefon Fax