LASTBILSMATRISER: RAPPORT 3 - FRAMTAGNING AV MATRISER FÖR ÖVRIG NÄRINGSLIVSTRAFIK

Transkript

1 repo001.docx LASTBILSMATRISER: 3 - FRAMTAGNING AV MATRISER FÖR ÖVRIG NÄRINGSLIVSTRAFIK Sweco TransportSystem Henrik Edwards, Erik Fransson, Linda Ramstedt, Sara Johansson Sweco

2 repo001.docx Sammanfattning Trafikverket har målsättnigen att ta fram regionala godsmodeller, och ett steg på vägen att uppdatera/ta fram nya efterfrågematriser, dels för tunga lastbilar, dels för övrig näringslivstrafik, till Trafikverkets regionala Sampersmodeller. För varje regional Sampersmodell, totalt fem stycken, har nya efterfrågematriser tagits fram. Denna rapport beskriver den del av arbetet som Sweco, på uppdrag av Trafikverket, har genomfört för att ta fram de nya matriserna för övrig näringslivstrafik. Denna rapport består av två huvuddelar, dels datainsamling, dels konstruktion och kalibrering av matriser för övrig näringslivstrafik. Framtagning av dataunderlag Som ett försök att fånga den andel som övrig näringslivstrafik utgör av den lätta trafiken, genomfördes trafikräkningar av ett antal typiska vägar i olika regioner genom filmning och okulär bedömning. Genom att enbart studera Trafikverkets mätdata går det inte att skilja på lätt yrkestrafik (trafik med lätt lastbil och personbil) och privata transporter med dessa fordonstyper. En tidigare studie genomförd av Algers (2011) har använts för att ta fram andelar av övrig näringslivstrafik för Stockholm och Göteborg. För att kontrollera hur rimliga resultaten är beräknades det sammanlagda trafikarbetet (TA) för den övriga näringslivstrafikens andel av lätt trafik. Dessutom genomfördes ett antal intervjuer av företrädare för ett antal branscher för att öka förståelsen av PbY. Efterfrågematriserna i Sampers avseende lätt yrkestrafik betecknas PbY, d v s personbil och lätt lastbil i yrkestrafik, i motsats till trafik med tung lastbil och med buss. Konstruktion av efterfrågematriser för övrig näringslivstrafik En metod för att modellera den lätta yrkestrafiken som utförs med personbil och lätt lastbil presenteras i denna rapport. Vi använder samma branschindelning som använts för tung lastbil, se Edwards et al. [2015]. De lokala och regionala transporter som inkluderas i metoden är varudistribution, byggtransporter, sophantering, snöröjning, med mera. Baserat på NÄTRA-data delas dessa in i 5 aggregerade branscher nämligen Tillverkning, Byggnad, Handel, Transporter respektive Övrigt. Data och modeller från NÄTRAundersökningen, Eriksson et al. [2000a-c], har använts och modifierats så att de kan appliceras för hela landet. Den främsta anpassningen har avsett att beskriva transportgenerering och attraktion som funktioner av antal sysselsatta i respektive bransch. Orsakerna är dels för att undvika ett beroende av uppgifter om antal företag i olika områden och deras innehav av olika fordonskategorier, data som delvis är svårtillgängliga p g a sekretess, och som vi inte kan prognosticera (åtminstone inte utan en hel del ansträngningar), dels att det sker strukturomvandlingar i branscher som Transporter som har minskat antalet företag väsentligt och det riskerar att göra modellen obsolet. En annan anpassning har varit att tolka och utnyttja ruttdata på ett lite annorlunda sätt vid konstruktion av marginalvillkor för matriserna. Sweco Gjörwellsgatan 22 Box SE Stockholm, Sverige Telefon +46 (0) Fax +46 (0) Sweco TransportSystem AB Org.nr Styrelsens säte: Stockholm En del av Sweco-koncernen Linda Ramstedt Transportanalytiker, Teknisk Doktor Telefon direkt +46 (0) linda.ramstedt@sweco.se

3 Fel! Hittar inte referenskälla. Kalibrering av efterfrågematriser för övrig näringslivstrafik Efterfrågematriserna har kalibrerats med hjälp av gradientjusteringsmetoden i Emme mot the konstruerade trafikräkningarna. Anpassningen till observationerna är inte lysande, men det beror sannolikt på en kombination av faktorer som efterfrågematriserna, konstruerade trafikräknedata och nätutläggningsmetoden (vd-funktioner, kostnader, skaftning med mera). Jämförelser mellan observerade data för personbilstrafik, alltså både yrkes- och privattrafik, indikerar att totalnivåer i de olika regionerna från Pb- och PbY-matriserna tillsammans överstiger de faktiska observationerna. En översyn av fördelningen hur Pb- och PbY-matriserna tillsammans bidrar de totala modellerade trafikflödena förefaller rimlig att genomföra. De relativt korta medelavstånden indikerar att merparten av transporterna äger rum i tätort, och det är en naturlig följd av att antalet anställda i olika områden driver transportgenering och attraktion samt till avståndsaversionen. Också detta är något att följa upp inför eventuella revisioner av efterfrågematriserna. RL p:\7103\ _lastbilsmatriser\000\08_arbetsmaterial\dokumentation\rapport3\rapport_3_framtagning_matriser_pby_arbetsdokument.docx

4

5 repo001.docx Innehållsförteckning Framtagning av dataunderlag 2 Konstruktion av efterfrågematriser för övrig näringslivstrafik 2 Kalibrering av efterfrågematriser för övrig näringslivstrafik 3 Förord 3 1 Inledning Beteckningar 4 2 Framtagning av dataunderlag till matriserna Filmade platser Norrköping Söderköping Härnösand Luleå Malmö Fordonsklasser Resultat från filmningar Kompletterande analys av resultat Stockholm och Göteborg Intervjuer Trafikarbete Rimlighetsanalys av resultaten med hjälp av nyckeltal Diskussion och slutsats kring genomförda filmningar 14 3 Framtagning av matriser för övrig näringslivstrafik Indata och modell Resultat före kalibrering Konstruktion av räknedata för PbY PbY-resultat Några kommentarer 26 4 Diskussion och fortsatt arbete 27 5 Referenser 28 Bilaga 1. Resultat från filmningar 29 Funktionell vägklass 0 29 Funktionell vägklass 1 29 Funktionell vägklass (69)

6 repo001.docx Funktionell vägklass 3 31 Funktionell vägklass 4 31 Funktionell vägklass 5 32 Funktionell vägklass 6 33 Bilaga 2. Resultat före kalibrering 34 Palt 34 Samm 40 Skåne 43 Sydost 46 Väst 49 Bilaga 3. Resultat efter kalibrering 52 Palt 52 Samm 58 Skåne 60 Sydost 63 Väst 66 Bilaga 4 Funktionell vägklass Bilaga 5 Fordonsklasser Bilaga 6 Intervjuer (separat Excel-dokument) Bilaga 7 Nyckeltal (separat Excel-dokument) 2 (69)

7 repo001.docx Förord Denna rapport presenterar arbete som har genomförts av Sweco år 2014 för Trafikverkets räkning inom ramen för uppdraget Lastbilsmatriser. Projektledare på Trafikverket är Carsten Sachse. Denna rapport, Rapport 3, redovisar den del av uppdraget som handlar om att ta fram nya matriser för övrig näringslivstrafik. Rapport 1 redovisar den del av huvuduppdraget som handlar om konstruktion av nya lastbilsmatriser för de regionala Sampersmodellerna. Rapport 2 redovisar den del av huvuduppdraget som handlar om att ta fram en metod för överföring av resultat från Samgods till Sampers. Rapport 4 redovisar det tekniska genomförandet samt de program som använts. Författare av rapporten är Henrik Edwards, Erik Fransson, Linda Ramstedt och Sara Johansson. 3 (69)

8 repo001.docx Inledning Då Trafikverket har som mål att ta fram regionala godsmodeller, är ett steg på vägen att uppdatera/ta fram nya lastbilsmatriser och matriser för övrig yrkestrafik för Trafikverkets regionala Sampersmodeller. För varje av de fem regionala Sampersmodellerna, se Figur 1.1, har därför nya matriser tagits fram. Denna rapport beskriver den del av arbetet som Sweco, på uppdrag av Trafikverket, har genomfört för att ta fram nya matriser för övrig yrkestrafik. Palt Väst Samm Skåne Sydost Figur 1.1. De geografiska områdena de fem regionala Sampersmodellerna inkluderar. I bilden saknas Sjaelland som är inkluderat i Skåne-modellen. 1.1 Beteckningar Nedan summeras de beteckningar som används i rapporten. Lb = lastbil Lbu = lastbil utan släp Lbs = lastbil med släp LLb lätt lastbil TuLb tung lastbil Pb personbil Lastbil = beteckningar på lastbilar med olika kapacitet i Samgods 4 (69)

9 repo001.docx v101 lätt lastbil, max lastvikt 2 ton 1 v102 tung lastbil, max lastvikt 9 ton v103 tung lastbil, max lastvikt 15 ton v104 tung lastbil, max lastvikt 28 ton v105 tung lastbil, max lastvikt 47 ton 2 RMSE = kvadratroten ur medelvärdet av kvadrerade feltermer (square root of mean squared errors) R2-värde = ett mått, mellan -1 och 1, på en regressionsmodells samvariation med observerade data. I vanliga regressionsmodeller är R2 = kvadraten på korrelationen mellan modellerade värden och observerade data. NRR ruttregistret i NÄTRA-databasen NBR besöksregistret i NÄTRA-databasen NAR1998 Arbetsplatsregistret i NÄTRA-databasen Typer av rutter: Tur-och-retur (ToR) transporter = i många fall kan rutterna för ett fordon avse framkörning till en punkt i ToR-transporterna för att sedan köras fram och tillbaka med last eller tomkörning, och efter avslutad arbetsdag återtransport till utgångspunkten. Till exempel ToR-transporter av byggmaterial till exempelvis fastigheter, vägbyggen och annan infrastruktur. Distributionsrutt = transporter utgår från en plats med gods där delmängder av lasten ska transporteras till olika platser, där fordonet sedan körs tillbaka till startpunkten för att påbörja nästa rutt med en ny last. Insamlingsrutt = transporter utgår från en plats utan last till ett antal platser där gods ska samlas upp. Fordonet körs sedan tillbaka till startpunkten för att påbörja nästa rutt (insamlingsrunda). Kombinerad rutt = Distributions- och insamlingsrutter kan kombineras ÅDT = årsmedeldygnstrafik VaMD = vardagsmedeldygnstrafik 1 Borde vara högst c:a 1.5 ton 2 Dock borde max lastvikt för v105 vara mindre. 5 (69)

10 repo001.docx Framtagning av dataunderlag till matriserna Som ett försök att fånga den andel som övrig näringslivstrafik, PbY, utgör av den lätta trafiken, genomfördes trafikräkningar av ett antal typiska vägar i olika regioner genom filmning och okulär bedömning. Genom att enbart studera Trafikverkets mätdata går det inte att skilja på lätt och tung lastbil. En tidigare studie genomförd av Algers [2011] har använts för att ta fram andelar av övrig näringslivstrafik för Stockholm och Göteborg. För att kontrollera hur rimliga resultaten är beräknades det sammanlagda trafikarbetet (TA) för den övriga näringslivstrafikens andel av lätt trafik. Dessutom genomfördes ett antal intervjuer av företrädare för ett antal branscher för att öka förståelsen av PbY. 2.1 Filmade platser För att få en så bra spridning som möjligt på platserna gjordes bedömningen att filmning sker i eller runt fem olika städer av varierande storlek i Sverige. Film spelades in i Norrköping, Söderköping, Härnösand, Luleå och Malmö. Städerna valdes förutom på grund av sin storlek även med anledning av att de är geografiskt spridda över Sverige samt att det var praktiskt möjligt att genomföra filminspelning. Stockholm och Göteborg valdes bort då data erhålls via ett annat projekt, Algers [2011], se Avsnitt 2.4. I städerna valdes platser utifrån NVDB (Nationella vägdatabasen) och företeelsen Funktionell vägklass, fk, det för att få med olika typer av vägar med olika typer av trafik. Fokus låg på klasserna 0-6, där klass 0 är Europaväg, klass 6 är Tertiär länsväg och klass 1-5 är allt däremellan, se Bilaga 4 Funktionell vägklass. Dock spelar en rad andra faktorer in för hur stor andelen PbY är vid en viss väg, se diskussion kring detta i Avsnitt platser filmades, 3 platser av varje fk med undantag för fk 5 där 4 platser filmades. Varje plats filmades 2x10 minuter. En gång på morgonen då det antas vara högre trafikflöde och en gång på förmiddagen då flödet antas vara lägre Norrköping E22, Söderleden Ringled runt Norrköping. Skyltad väg för trafik mellan E22 Söderut mot Kalmar och E4. Både långväga och lokala resor. Funktionell vägklass 0, Ytterområde. Påfart Söderleden Påfart ringled runt Norrköping. Trafik som kör på E22 i riktning västerut, mot E4. Funktionell vägklass 1, Ytterområde. Väg 51 Pendlingsstråk mellan Finspång/Svärtinge och Norrköping. Även en del långväga trafik mellan Örebro och Norrköping. Funktionell vägklass 2, Ytterområde. Väg 799 Trafik mellan Västra Husby och Norrköping. Filmplatsen är precis i närheten av Vrinnevisjukhuset. Funktionell vägklass 3, Mellanområde. Kungsgatan Trafik i centrala delarna av staden. Tidigare en större genomfartsled, nu smalare. Funktionell vägklass 5, Centrumområde. 6 (69)

11 repo001.docx Väg 55/56 Pendlingsstråk mellan norra delarna av Östergötland och Norrköping. Även en del långväga trafik mellan Katrineholm och Norrköping. Funktionell vägklass 1, Ytterområde Söderköping E22/210 Väg mellan Kalmar och Norrköping. Både långväga och lokala resor. Funktionell vägklass 0, Ytterområde. Väg 210 Väg mellan Västra Husby och Söderköping. Funktionell vägklass 3, Ytterområde. Östra Rydsvägen Väg i södra delarna av Söderköping. Matarväg i Nord-sydlig riktning. Funktionell vägklass 5, Mellanområde. Ringvägen Väg i södra delarna av Söderköping. Matarväg i Öst-västlig riktning. Funktionell vägklass 6, Centrumområde Härnösand Luleå Malmö E4 Väg genom centrala Härnösand, centralt 4 fält. Viktig länk nord-sydgående trafik. Funktionell vägklass 0, Ytterområde. Väg 90 Matarväg mellan Kramfors och Härnösand. Funktionell vägklass 2, Ytterområde. Väg 718 Matarväg för bondsjöhöjden och byar väster om Härnösand. Funktionell vägklass 4, Mellanområde. Väg 97, Bodenvägen Väg in mot centrala Luleå. Pendlingstrafik och mycket hantverkare som ska till och från olika byggen eller andra jobb. Funktionell vägklass 1, Ytterområde. Väg 94 Pendlingstrafik och hantverkare med mål Luleå i första hand. Funktionell vägklass 2, Ytterområde. Älvbrovägen Infart mot Luleå centrums västra del och SSAB sydöst om centrum. Liknande funktionell vägklass 1 i trafikhänseende. Funktionell vägklass 4, Mellanområde. Storsandsvägen Södra avfarten från E4 i Luleå. Trafik till och från centrum samt flygplatsen och Kallax industriområde. Funktionell vägklass 5, Ytterområde. Björkskataleden Stadsnära trafikled med närhet till universitetet och en del industriområden. Funktionell vägklass 6, Mellanområde. Stockholmsvägen Vägen är en viktig förbindelseled mellan centrala Malmö och E6/E20 samt E22. Funktionell vägklass 3, Ytterområde. 7 (69)

12 repo001.docx Sjölundaviadukten Vägen är en viktig förbindelse från centrala Malmö till Östra hamnområdet och Norra hamnen, med såväl industriområden som hamnområden. Funktionell vägklass 4, Ytterområde. Borrgatan Lokal förbindelseväg inom Mellersta hamnen och Östra hamnen och binder ihop flera industriområden och hamnanläggningar. Funktionell vägklass 5, Mellanområde. Flintrännegatan Viktig förbindelse från centrala Malmö till Östra hamnområdet och Norra hamnen, med såväl industriområden som hamnområden. Funktionell vägklass 6, Mellanområde. 2.2 Fordonsklasser Vid filmanalysen framgick snart vilka fordon som var vanligt förekommande. Nedan redovisas vilka fordon som bedömdes falla inom ramen för övrig näringslivstrafik och vilka som inte betraktas som övrig näringslivstrafik. Dock är det viktigt att notera att det är oklart om denna indelning verkligen överensstämmer väl med vad som faktiskt är övrig näringslivstrafik. Exempelvis är det möjligt att personbil med logga/arbetsfordon i vissa fall används för privata resor eller tjänsteresor och därmed redan inkluderas i Sampers och därför inte bör inkluderas som övrig näringslivstrafik. Därför har vi antagit att endast 65% av personbil med logga/arbetsfordon är PbY, bl.a. utifrån våra observationer från filmningarna. För taxi inkluderas taxiresor som personresor i Sampers, medan resor utan betalande resenärer (d.v.s. tomma taxikörningar) inkluderas som övrig näringslivstrafik. Det innebär att endast 50 % av antalet taxiresor antas inkluderas i PbY. För de filmade platserna står dock taxi endast för i snitt 1 % av den totala mängden trafik (med en variation mellan 0 % och 5 %). För exempelfordon se Bilaga 5. Personbil utan logga - Inte Övrig näringslivstrafik Personbil med logga/arbetsfordon 65% Övrig näringslivstrafik Arbetsfordon utan logga - Övrig näringslivstrafik Taxi - 50 % Övrig näringslivstrafik VAN/minibuss med logga med sidofönster - Övrig näringslivstrafik VAN/minibuss med logga utan sidofönster - Övrig näringslivstrafik VAN/minibuss utan logga med sidofönster - Inte Övrig näringslivstrafik VAN/minibuss utan logga utan sidofönster - Övrig näringslivstrafik Buss - Inte Övrig näringslivstrafik Lätt lastbil - Övrig näringslivstrafik Tung lastbil - Inte Övrig näringslivstrafik MC - Inte Övrig näringslivstrafik 8 (69)

13 repo001.docx Traktor - Inte Övrig näringslivstrafik 2.3 Resultat från filmningar Nedan presenteras resultaten från filmningarna översiktligt, mer detaljerade för respektive funktionella vägklass resultat återfinns i Bilaga 1. Resultat från filmningar. Den procentuella andelen som presenteras är andel övrig näringslivstrafik (PbY) av den lätta trafiken, alltså exklusive tung trafik, TT. För morgontrafiken är det relativt sett liten differens mellan resultaten och relativt många fordon har observerats på vägar med funktionell vägklass 0. För förmiddagstrafiken är det större differens mellan resultaten på dessa vägar. På vägar med funktionell vägklass 1 är det väsentligt högre andel övrig näringslivstrafik i Luleå jämfört med Norrköping. Andra faktorer, som t.ex. geografisk placering, tros här ha större inverkan än funktionell vägklass. Dock är urvalet litet, varför det är möjligt att även andra faktorer (t.ex. väder och veckodag) som vi inte har studerat också kan påverka resultaten. Spridningen är stor, framför allt för förmiddagstrafiken. Liten spridning under högtrafik på vägar av funktionell vägklass 2, det är förmodligen en slump då det är mycket få observerade fordon. Stor spridning under lågtrafik. Färre fordon i Härnösand under vad som borde vara högtrafik jämfört med lågtrafik. Filmklippen för vägar med funktionell vägklass 3 uppvisar liten spridning både på morgonen och under förmiddagen. Eventuellt beror detta av slump. För funktionell vägklass 4 är spridningen störst under morgontrafiken, men även för förmiddagstrafiken är det stor spridning. Ingen PbY-trafik observerades under morgontrafiken för Härnösand. För förmiddagstrafiken visar resultaten att andelen PbY är hög på de filmade vägarna. För funktionell vägklass 5 är spridningen störst för förmiddagstrafiken, men även morgontrafiken har en stor spridning. För funktionell vägklass 6 är spridningen av resultaten högst Kompletterande analys av resultat För att försöka hitta fler mönster i resultatdata gjordes även en områdesindelning av resultatet. De områdestyper som användes var Ytterområde Mellanområde och Centrumområde från Janson Olstam och Matstoms [2007]. Resultatet från filmerna indelat i områdestyper presenteras i Figur 2.1 och Figur 2.2. Notera att resultatet är exklusive Stockholm och Göteborg. Staplarna visar medelandel PbY och den svarta markeringen symboliserar konfidensintervallet av medelandelen PbY. 9 (69)

14 repo001.docx PbY Medel Morgon 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% Ytter Mellan Centrum Figur Medelandel PbY och konfidensintervall av andelen PbY, morgontrafik 40,0% 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% PbY Medel Förmiddag 0,0% -5,0% Ytter Mellan Centrum Figur Procentandel PbY och konfidensintervall av andelen PbY, förmiddagstrafik Resultatet visar att den största andelen PbY både under morgonen och förmiddagen är i det s.k. mellanområdet. Det bör nämnas att få observationer gjordes i centrum vilket innebär stor resultatosäkerhet. Intressant är även att se hur resultatet skiljer sig mellan vägar med olika mycket trafikflöde 10 (69)

15 repo001.docx Stockholm och Göteborg För Stockholm och Göteborg valde vi att inte genomföra egna filmningar för att få en uppskattning av andelen PbY då det finns en studie genomförd av Algers [2011] där ett mycket större urval har gjorts och där kvaliteten på resultaten därför troligtvis är högre. Algers studie inkluderar filmning av trafik, analys av s.k. nummerskrivning samt intervjuer. Urvalet är stort jämfört med resultat från övriga platser (exempelvis genomfördes ca 1000 intervjuer på de båda orterna) vilket borde innebära högre säkerhet i resultaten. Några osäkerhetstal nämns dock ej i rapporten. Det bör noteras att mätningar endast genomförts i centrala delarna av Stockholm och Göteborg, på länkar med relativt höga trafikflöden. Detta skulle kunna resultera i en högre PbY-andel. Dock valde vi att utgå ifrån dessa andelar då vi menade att andelen ändå skulle kunna vara densamma på vägar med små och stora trafikflöden. Andelen PbY beräknades utifrån en sammanställning av ärenden vid resa i arbetet/tjänsten (s. 15 i Algers rapport). De ärenden som inkluderats i PbY är följande: Körde taxi/bud (50%) Person- och materialtransport (t.ex. hantverkare) Varudistribution Annat I Stockholm resulterar detta i en PbY-andel om 21,5% och i Göteborg en PbY-andel om 17% av den totala trafiken. I Algers rapport är det även möjligt att beräkna PbY-andelar för morgon- respektive mellantrafik från informationen om ärendena ovan, men då vi använder dygnsmedelvärden vid framtagning av PbY-matriserna behöver vi inte denna information i detta arbete. Det är även möjligt att beräkna PbY-andelar från fordonstyper, men då informationen om ärenden ger mer relevant information har vi använt det istället. Dock inkluderar informationen från fordonstyper fler fordon då det är baserat på filmningar och informationen om ärenden är baserat på genomförda intervjuer. 2.5 Intervjuer För att få en bättre uppskattning och förståelse av övrig näringslivstrafik genomfördes ett antal intervjuer med aktörer som genererar större trafikmängder. Därför kontaktades ett antal branschorganisationer och företag: Hantverkare o Golvbranschen o Kährs o Tarkett o Svenska värmepumpföreningen Distributionsföretag o Sveriges Åkeriföretag Sophämtning 11 (69)

16 repo001.docx o Avfall Sverige Taxi o Svenska taxiförbundet Hemtjänst o Vårdföretagarna o SKL Matkassar o Linas matkasse Frågorna handlade om trafikstatistik, fordonstyper, rutter m.m. Efter ett antal telefonsamtal och skickade utan att speciellt mycket väsentlig information samlats in togs beslut om att avbryta intervjuerna. Den tid som intervjudelen tog var helt enkelt för mycket i förhållande till erhållen information. Delen var dock inte helt i onödan då mycket kontaktytor skapades. En del deskriptiva beskrivningar av trafiken erhölls också. För mer information om intervjudelen se Bilaga Trafikarbete För att kontrollera hur rimliga resultaten är beräknades det sammanlagda trafikarbetet (TA) för den övriga näringslivstrafikens andel av lätt trafik med de initialt framtagna andelarna. Data för samtliga länkar skrevs ut från Emme till filer innehållandes ÅDTräkningar, funktionell vägklass, länklängd, län och kommun. Länkens längd multiplicerades med ÅDT (lätt trafik), samt med den andel PbY som var medelvärdet för respektive funktionella vägklass med undantag för Stockholms län samt Göteborg med kranskommuner där resultat från Algers [2011] istället nyttjas. När det gäller länkar med funktionell vägklass 7 antogs en andel på 10 %, en andel som ligger i det lägre spannet av de vägar vi tittat på. Siffran har en mycket liten inverkan på resultatet då förhållandevis lite TA förekommer på länkarna. Som nämnts tidigare, genomfördes inga filmningar i Stockholm eller i Göteborg utan de resultat som framkommit i Algers [2011] användes istället. Stockholms andel användes för hela Stockholms län medan Göteborgs andel användes för Göteborgs kommun samt för angränsande kommuner. Anledningen till detta val är att Stockholms län kan ses som en sammanhängande region, medan Västra Götalands län inte är lika sammanhängande som Stockholms län, och därför ses endast de närmsta kommunerna som en sammanhängande region. Fördelningen mellan hur mycket trafik som kan antas trafikera de aktuella platserna under högtrafik respektive lågtrafik för de filmade platserna togs fram genom att studera rangkurvorna i Effektsamband [Trafikverket, 2013]. Rangkurvorna mäter trafikefterfrågans fördelning och genom att addera andel trafikarbete för personbil under de mest trafikerade timmarna kan andel fordon under högtrafik respektive lågtrafik erhållas. Med antagandet att alla högtrafiktimmar har samma andel PbY (vilket antas för personbil) och att alla lågtrafiktimmar har samma andel PbY är fördelningen av trafikarbetet enligt följande: 12 (69)

17 repo001.docx Andel fordon under högtrafik 34 % Andel fordon under lågtrafik 66 % Då andel fordon under högtrafik respektive lågtrafik i hög grad påverkar resultatet vid uträkningen av TA gör det att fördelningen bör tas fram med noggrannhet. Ett förslag är att ta fram fördelningen med hjälp av NÄTRA-data. Efter övervägande beslutades dock att en generell fördelning från Effektsamband i det här fallet var att föredra då NÄTRAdata är från 1998 och enbart är insamlat för Stockholms län. De PbY-andelar detta resulterade i summeras i Tabell 2.1. För Stockholm användes som nämnts tidigare en PbY-andel om 21,5% och för Göteborg en PbY-andel om 17% av den totala trafiken. Tabell 2.1. Summering av PbY-andelar för hela landet förutom Stockholm och Göteborg. Funktionell vägklass PbY-andel 0 9,4% 1 13,5% 2 10,5% 3 8,1% 4 18,8% 5 15,7% 6 19,3% 7 10,0% 8 10,0% Resultatet räknades upp till TA för ett år och resultatet blev totalt 6,0 miljarder fkm (fordonskilometer). Det kan relateras till siffror från Vägverkets publikation från 2008 där TA för lätta lastbilar är 6,9 miljarder fkm. Då en del personbilar också bidrar till TA borde 6,0 miljarder fkm vara ungefär i rätt storleksordning. Viss reservation bör göras till att den indelning av fordonsklasser som presenteras i Vägverket [2009] inte helt och hållet överensstämmer med den som är gjord enligt Bilaga 5. Exempelvis är det oklart hur VAN/minibuss räknas. Bedömningen är dock att 6,0 miljarder fkm kan anses vara rimligt. 2.7 Rimlighetsanalys av resultaten med hjälp av nyckeltal En rimlighetsanalys genomfördes också av andelen PbY i varje enskild kommun genom att ta fram ett antal nyckeltal. Det ena nyckeltalet som togs fram var TA för PbY i alla Sveriges kommuner dividerat med antal anställda i respektive kommun. Detta nyckeltal visar att de kommuner med högst andel PbY-trafik i förhållande till antalet anställda alla låg på pendlingsavstånd till en större stad. Detta borde vara rimligt eftersom en hel del PbY har ärenden i dessa kommuner då många är bosatta i dessa kommuner och PbYresor ofta sker till bostäder (hemtjänst, hantverkare, matkassar, taxi, sophämtning), och 13 (69)

18 repo001.docx en del PbY-företag kan ha dessa kommuner som hemort då många PbY-företag är enmansföretag (t.ex. hantverkare). Arbetstillfällen är i högre utsträckning placerade i den större staden. Det andra nyckeltalet som togs fram var TA för PbY i alla Sveriges kommuner dividerat med antalet kilometer väg i respektive kommun. För storstadsområdena var värdena generellt sett höga och för glesbygdskommuner var värdena låga. Detta är rimliga resultat då vägarna är mer trafikerade i storstadsområden. För beräkningar, se Bilaga Diskussion och slutsats kring genomförda filmningar Resultatet är mycket svårtolkat och spretigt. I vissa fall visar resultaten på en relativt liten spridning av andelen övrig näringslivstrafik (PbY) mellan de olika platserna och i vissa fall en stor spridning. Det är svårt att dra några slutsatser vad gäller PbY kopplat till olika funktionella vägklasser. Vad som däremot är möjligt är att med utgångspunkt från filmernas resultat spekulera i tänkbara mönster. I stället för indelning i funktionell vägklass kan de filmade snitten delas upp efter Ytterområde, Mellanområde och Centrumområde. Andelen PbY av den lätta trafiken är då under morgontrafiken mellan 8 och 12 % och under förmiddagen mellan 11 och 20 % i medelvärde, Stockholm och Göteborg exkluderat. Vid en jämförelse med tidigare rapporter Matris med lätta fordon i yrkestrafik samt Bedömning av andel yrkesmässig trafik med lätta fordon förefaller den procentuella andelen ha ökat sedan år 2000, vilket bör vara en rimlig trend. Faktorer som troligtvis spelar en stor roll för andelen PbY på ett vägavsnitt är avstånd till centrum, avstånd till olika typer av industri- och handelsområden, bostäder, kontor, vilken sida av tätorten mätningarna gjorts på m.m. Ett exempel är snittet på väg 97, Bodenvägen som ligger precis intill ett industriområde vilket antagligen har en betydande inverkan på den stora andelen PbY på platsen. En hypotes skulle kunna vara att vägar med en hög andel PbY har det för att det är förhållandevis lite trafik vilket skulle göra att några få fordon drar upp medelvärdet väldigt mycket. Efter att ha analyserat resultaten går det inte att dra en sådan slutsats, exempelvis Luleå har en mycket hög andel PbY och samtidigt jämförelsevis höga trafikflöden på utvalda länkar. Det går således alltså inte att säga något om trafikflödets storlek i förhållande till andelen PbY utifrån vårt underlag. 3 Framtagning av matriser för övrig näringslivstrafik 3.1 Indata och modell I detta kapitel beskrivs en metod för att modellera den lätta yrkestrafiken som utförs med personbil och lätt lastbil. Dessa matriser betecknas PbY i Sampers. Vi använder samma branschindelning som använts för tung lastbil, se Edwards m fl [2015]. De lokala och regionala transporter som inkluderas i metoden är varudistribution, byggtransporter, sophantering, snöröjning, med mera. Data och modeller från NÄTRA-undersökningen, 14 (69)

19 repo001.docx Eriksson m fl [2000a-c], har använts och modifierats så att de kan appliceras för hela landet. Transportavståndsfördelningar från NÄTRA-undersökningen för lätt lastbil respektive personbil har använts för att modellera generering och fördelning av transporter. En observation är att det i många fall handlar om vanliga tur-och-retur-transporter (se beteckningar i Avsnitt 1.1). I NÄTRA-modellen, framförallt Eriksson et al. [2000b, Avsnitt 3.5], används antal arbetsställen och antal rutter respektive besök per arbetsställe inom olika strata som underlag för en entropimodell. Även observerade frekvenser avseende transporter i olika avståndsklasser används i modellen. I ett utarbetat förslag från Eriksson och Björketun [2000] finns ett förslag till generalisering av NÄTRA-resultat till kommunnivå genom att nyttja information om antal arbetsställen per kommun och genomsnittliga antal genererade transporter per arbetsställe från NÄTRA-undersökningen. Prognoser avseende antal arbetsställen i socioekonomiska indata till våra modeller ingår inte, och vidare kan strukturförändringar i näringslivet (se resultaten i Edwards och Karlsson [2008]), ändra dessa förutsättningar avsevärt. Baserat bl a på dessa erfarenheter väljer vi att gå vidare med en skattning av antal transporter och rutter baserat på antal anställda i ett antal sektorer, nämligen de branscher som visas i Tabell 3.1. Tabell 3.1 Branscher som inkluderas i skattningen. Nr SNI Bransch XXX Tillverkning XXX Byggnad XXX Handel XXX Transporter Resten 55XXX, 65-5 Övrigt 99XXX Antalet transporter per fordonstyp och SNI-sektor baseras på summa uppräknade värden från NÄTRA-undersökningen per anställd i respektive bransch. Sedan finns möjligheter till justering med en faktor för att beakta totala uppskattade trafiknivåer. Fördelningen till destinationerna baseras på besöksfördelningen enligt NBR (Besöksregistret i NÄTRAdatabasen) med resultat enligt Tabell (69)

20 repo001.docx Tabell 3.2: Besöksfördelning enligt NÄTRA-databasen (NAR1998 = Arbetsplatsregistret i NÄTRA-databasen). Fördelat på fordonstyper. TuLb tung lastbil, LLb lätt lastbil, Pb personbil. Data från NAR1998 Fordonstyp, uppräknat Besök per anställd antal besök per dag Antal anställda TuLb LLb Pb TuLb LLb Pb Tillverkning 1-36XXX Byggnad 45XXX Handel 50-52XXX Transport 60240, 63400, 64110, Service Resten 55XXX, 66-99XXX SUMMA För att erhålla en fördelning av källorna (origins) i OD-matrisen används ruttregistret NRR i NÄTRA-databasen. Det ger en fördelning över ruttgenerering i olika branscher (OD-ben nr 1 i rutterna), för OD-ben 2++ används fördelningen enligt besöksregistret (det är en transport från ett besök till nästa), och slutligen används fördelning av returerna till utgångspunkten i rutterna på destinationssidan. I Tabell 3.3 respektive Tabell 3.4 presenteras bearbetade resultat från NRR för lätt lastbil respektive personbil, medan underlaget exemplifieras i kommande tabeller. 16 (69)

21 repo001.docx Tabell 3.3: Bearbetade NRR-resultat för lätt lastbil (LLb). LLb SNI-grupp SUMMA 1_Antal_obs_(multi)rutter: a_Antal_rutter: _Antal_OD-ben_ _Antal_inZ_OD-ben a_Antal_Z2Z_OD-ben a_Returer_till_O Extra OD-ben per rutt (2++) Antal besök (NRR) Antal besök (NBR) b_Antal_rutter/anställd b_Antal_Z2Z_OD-ben/anställd b_Returer_till_O1/anställd Tabell 3.4 Bearbetade NRR-resultat för personbil (Pb). Pb SNI-grupp SUMMA 1_Antal_obs_(multi)rutter: a_Antal_rutter: _Antal_OD-ben_ _Antal_inZ_OD-ben a_Antal_Z2Z_OD-ben a_Returer_till_O Extra OD-ben per rutt (2++) Antal besök (NRR) Antal besök (NBR) b_Antal_rutter/anställd b_Antal_Z2Z_OD-ben/anställd b_Returer_till_O1/anställd (69)

22 repo001.docx Förklaring av innehållet per rad i Tabell 3.3 och Tabell _Antal_obs_(multi)rutter = antal observationer med rutter i NRR, där det kan vara en multirutt vilket innebär att rutten vid upprepade tillfällen återvänder till utgångsläget. 2a_Antal_rutter = antal utgående OD-ben från zon nr 1 i rutten. 3_Antal_OD-ben_2++ = antal OD-ben mellan centroider med ordningsnummer 2 och högre i rutterna (stoppen i rutterna associeras med en centroid som numreras från 1 och uppåt i ordning efter första besöket) 4_Antal_inZ_OD-ben = antal inom-zons OD-ben 5a_Antal_Z2Z_OD-ben = antal OD-ben mellan zoner, differensen mellan 3:an och 4:an 6a_Returer_till_O1 = antal OD-ben som innebär en retur till start-zonen. Extra OD-ben per rutt (2++) = antal OD-ben per rutt exklusive nr 1 och retur-od-benet. Antal besök (NRR) = summa av 2 och 5 Antal besök (NBR) = resultat från NBR (för jämförelse, bör vara lika) 2b_Antal_rutter/anställd = resultat 2 dividerat med antal anställda i branschen 5b_Antal_Z2Z_OD-ben/anställd = resultat 5 dividerat med antal anställda i branschen 6b_Returer_till_O1/anställd = resultat 6 dividerat med antal anställda i branschen Underlaget till Tabell 3.3 exemplifieras med Tabell 3.5 för LLb i bransch 1/Tillverkning. Antal observationer redovisas i cell (0,0), antal rutter är summan i det gröna området och returerna finns i det gula området. Antalet OD-ben 2++ finns i det blå området med eller utan inom-zonstransporterna i den bruna diagonalen. Tabell 3.5: Rutter för LLb i bransch 1/Tillverkning. Uppräknade värden på fördelning mellan zoner numrerade med ordningsnummer i rutterna. Genomsnittliga avstånd redovisas i den nedre delen av tabellen. LLb Bransch01 RDem[antal/dag] (69)

23 repo001.docx RDist[km/trip] Ovanstående presentation sammanfattas i en beskrivning av grunden för marginalvillkoren (rad- och kolumnsummor) i Tabell 3.6. Fördelning till destinationerna redovisas som en besöksbaserad del (från NBR) och en ruttretur-del (från NRR). På origin-sidan används fördelning för genererade rutter (NRR) samt antalet mellan-zon-odben fördelade enligt besöksfördelningen (NBR). Totalnivåerna ligger nära varandra (70733 vs 71027). Medelvärdet av dessa väljs till genereringen av a-priori-matriserna. Motsvarande totalnivåer för personbil i Tabell 3.7 är vs , d v s antalet ruttbesök är mer 60 % högre än antalet besök enligt ruttregistret, vilket indikerar att indata är osäkrare. Tabell 3.6: Övergripande redovisning av marginalvillkoren för lätt lastbil (Llb). OD-LLb Destination: Tillverk Byggnad Handel Transp Service SUMMA Besök (NBR) Retur rutt (NRR) SUMMA Origin: Rutt OD-ben 1 Rutt OD-ben 2++ (m besöks-fördelning) Tillverk Byggnad Handel Transp Service SUMMA SUMMA (69)

24 repo001.docx Tabell 3.7: Övergripande redovisning av marginalvillkoren för personbil (Pb). OD-Pb Destination: Tillverk Byggnad Handel Transp Service SUMMA Besök (NBR) Retur rutt (NRR) SUMMA Origin: Rutt OD-ben 1 Rutt OD-ben 2++ (m besöksfördelning) Tillverk Byggnad Handel Transp Service SUMMA SUMMA Avståndsfördelningen för mellan-zons-od-benen redovisas aggregerat för samtliga branscher i Tabell 3.8. Tabell 3.8 Avståndsfördelning för OD-benen i rutterna. Fordonskm/dag Klassfördelning[%] TuLb LLb Pb TuLb LLb Pb Klass_nr [km] En entropi-modell formuleras analogt med modellen i Eriksson et al [2000b, kapitel 3.5] enligt följande: 20 (69)

25 repo001.docx Ekvation min z c dij xij xij (ln( xij / xij ) 1) i j m ht x R för i där i j ij ij i x C för j j x om x x annars 0 ij 0 ij 0, ij 0 x ij = modellerad efterfrågan av antal transporter per dag mellan zon i och zon j x 0 ij = startvärde för modellerad efterfrågan i modellen d ij = avstånd i km mellan zon i och zon j c = transportavstånds-koefficient/aversion Ri = radsumma för zon i Cj = kolumnsumma för zon j N = antal kärnområden i regionen Lösningen till denna modell erhålls på formen Ekvation 3.2 xij x exp( c d ) 0 ij ij i j där = multiplikator för kalibrering mot radsummavillkoren i j = multiplikator för kalibrering mot kolumnsummavillkoren Värdet på x 0 ij sätts till produkten av marginalvillkoren dividerat med antalet kärnområden, d v s x 0 ij = (Ri * Cj) / N Istället för att fördela OD-matrissumman jämt över alla matriselement som i NÄTRAmodellen fördelas de i proportion till attraktionen mellan områdena dividerat med antalet element i matrisen, d v s efterfrågan fördelas ut jämnt i matrisen. Med en avståndsaversion c > 0 i modellen kommer näraliggande områden att resultera i större efterfrågevärden relativt sett. Även kransområden till regionerna tilldelas en efterfrågan i modellen för att avspegla att det förekommer lokala/regionala transporter över gränserna mellan Trafikverkets regionala modeller. Avståndsaversionskoefficienten används istället för resultaten i frekvenstabellen därför att den är mer allmängiltig och lämpar sig bättre för användning i andra regionala modeller. Konstanten kalibreras in per modell för att stämma tillräckligt bra med frekvenstabellen i Tabell 3.8 Ansätter man avståndsfördelningen till att vara exponentialfördelad så skulle 21 (69)

26 repo001.docx c=0.069 vara ett bra val för NÄTRA-data. Vi väljer därför att optimera koefficienten c för varje regional modell vilket ger resultatet i Tabell 3.9 och Tabell Valt godhetskriterium är summa absolutavvikkelser av procentandelarna. Tabell 3.9: Resulterande avståndsfördelningar per region för lätt lastbil. Andelar i %. c-koefficient Avståndsklasser i Klass[km] NATRA Samm Skåne Sydost Väst Palt Goodness of fit Goodness of fit (Klass 1 och 2 tillsammans) Tabell 3.10: Resulterande avståndsfördelningar per region för personbil. Andelar i %. c-koefficient Avståndsklasser i Klass[km] NATRA Samm Skåne Sydost Väst Palt Goodness of fit Goodness of fit (Klass 1 och 2 tillsammans) (69)

27 repo001.docx På motsvarande sätt som för region Väst för lastbilar, så är det sämst anpassning till data i region Väst för lätt lastbil och personbil. Generellt sett är anpassningen till observationerna endast någorlunda bra. Tekniskt sett hade det varit möjligt att åstadkomma en bättre anpassning genom att istället för avståndet d välja en funktion av d istället, ex vis en Box-Cox funktion 3. Emellertid avser ju indata endast Stockholms län 1998 så vi har bedömt det som mindre lämpligt att driva den tekniska anpassningen längre vid användningen nu, både i Samm och i andra regioner. Den valda standardansatsen fungerar bäst för personbil i regionerna Sydost och Palt där vi inte har en storstad. I region Skåne ingår också Sjaellland och där konstrueras transporter med modellen på samma sätt som i Sverige, både mellan områden på Sjaelland och mellan Sjaelland och Sverige. Däremot räknas det trafikarbetet inte med i de regionala trafikarbetsuppgifterna i våra tabeller. 3.2 Resultat före kalibrering A priori-matriserna tas fram med metod och indata enligt beskrivningen i Avsnitt 3.1. Det naturliga är att välja NÄTRA-nivåfaktorer på 1.0, men i Tabell 3.11 används 2.0 i två regioner vilket är ett resultat av kalibreringsarbetet. Kalibreringen görs med hjälp av uppskattade trafikvolymer av NÄTRA-trafik enligt Avsnitt 2. Resultatet sammanfattas i Tabell 3.12 med en redovisning av trafikarbetet per region med a priori-matriserna totalt respektive uppdelat på LLb och Pb.För beräkningen har avståndsdata avseende inomregionala avstånd använts. Medelavstånden per region redovisas också. Tabell 3.11: Avståndsaversionskoefficienter c och NÄTRA-nivåfaktorer per region och fordonstyp. Region c c NÄTRAfaktor NÄTRAfaktor Samm Skåne Sydost Väst Palt ( d 1) / då 0, ln( d) annars 23 (69)

28 repo001.docx Tabell 3.12 Trafikarbete och antal PbY-transporter med a priori matriserna. Region Mfkm /år Totalt LLb Pb Mtrp E[avstand] Mfkm/ Mtrp/ E[av- Mfkm/ Mtrp/ /år år år stand] år år E[avstand] Samm Skåne Sydost Väst Palt SUMMA Trafikarbetet på 4.3 mdr fkm i Tabell 3.12 ligger långt från det förväntade på 8-9 mdr fkm med ett stort bidrag från Llb som har ett totalt trafikarbete på c:a 7 miljarder fordonskm/år, Vägverket [2009]. Med den korrigerade matriskonstruktionen har vi ett bidrag i Tabell 3.12 från Llb på endast 2.0 medan Pb-delen uppgår till 2.3. Att det blir mer i Pb-delen beror på det stora antalet anställda i sektor Service där Pb används i större utsträckning än Llb. I Bilaga 2 presenteras resultaten före kalibrering med ett antal bilder för varje regional modell. För SAMM presenteras resultat från en tidigare leverans ( ) då denna matris inte reviderades efter synpunkter från Trafikverket. 3.3 Konstruktion av räknedata för PbY För att kalibrera de framtagna PbY-matriserna med hjälp av Spiess gradientjusteringsmakro har räknedata konstruerats som en andel av de uppmätta flödena för personbilstrafiken enligt beskrivningen i Avsnitt 2.6. Vid framtagning av de första resultaten behövdes en omfattande nedskrivning av andelar i Samm och Väst göras då trafikarbetet/antalet resor i dessa regioner varit alltför högt. Som en avvägning mot tidigare matriser och den statistik som går att få fram gällande denna trafik togs dessa faktorer fram. I Samm skrevs konstruerade räknedata ned med faktorn (5/8) och i Väst med faktorn (4.0/5.7). Därefter gjordes ett omtag med något reviderade antaganden om vilka bilar som ska antas utgöra PbY, vilket resulterade i lägre andelar som använts vid omkalibrering, se Avsnitt 2.6 I detta läge hade man redan beslutat att fortsätta använda de tidigare matriserna i Samm vilket gör att de saknas i sammanställningar nedan. I Rapport 4 Teknisk dokumentation Edwards & Johansson [2015] beskrivs hur kalibreringen gjorts i Emme med hjälp av detta makro, se Avsnitt 5.6 i angiven rapport. 3.4 PbY-resultat Den gjorda kalibreringen är baserad på a priori matriserna, med initial justering av nivåerna i respektive region så att det överensstämmer med det skattade trafikarbetet i regionen baserat på konstruerade trafikräknedata. 24 (69)

29 repo001.docx Tabell 3.13 Resultat efter kalibrering. Region Mfkm/år Mtrp/år Nivåjustering Samm Ej omkört Skåne Sydost Väst Palt SUMMA Vi jämför resultatet med de konstruerade trafikräkningarna vi har för PbY i Tabell Först ser vi regressionsresultaten från scatter-plottar med observerat flöde som oberoende variabler (x-axeln) och modellerat flöde som beroende variabler (y-axeln) efter nivåjustering. Resultat efter kalibrering ger en lutningskoefficient kring 0.9 och även R2- värden på den nivån. Det är ganska bra, men vi ska komma ihåg att det är konstruerade räknedata och vi ser att scatter-plottarna uppvisar en stor spridning kring regressionslinjen. Tabell 3.14: Regressionsresultat för scatter-plottar före och efter kalibrering. PbY Okalibrerat Kalibrerat Mfkm/år Relativ ändring [%] Region a b R2 a b R2 OBS Okalib Kalib Obs/Okalib Obs/Kalib SAMM Skane Sydost Vast Palt Det är också av intresse att jämföra med kommunala räkningar. I Tabell 3.15 redovisas en jämförelse med resultat på länkar i det kommunala vägnätet. I samtliga regioner föreligger en relation mellan observerade trafikräknedata och nätutlagda flöden på dessa länkar på mellan 0.8 och 1.3, se kolumnen längst till höger. Även här ligger lutningskoefficienten långt från 1.0, närmare bestämt långt under i samtliga regioner. Orsakerna till detta är sannolikt samma som gäller för det statliga vägnätet enligt diskussionen ovan, nämligen kvaliteten på trafikräknedata, kvaliteten på OD-matrisen och nätutläggningsförutsättningar. I detta sammanhang bör även noteras att vid import av kommunala räknedata halveras dessa för att ta hänsyn till att mätningarna i de flesta fall avser den dubbelriktade trafiken. 25 (69)

30 repo001.docx Tabell 3.15 Jämförelser med kommunala trafikräkningar och PbY-data efter kalibering. KomObs - observerade kommunala trafikräkningar. KomAsg assignade flöden på länkar med kommunala räkningar. Data avser utlagda pb- och pby-flöden. Kommunal a räkningar Regression kalibrerat Okalibrerat Kalibrerat KomObs KomAsg Kvot KomAsg Kvot Region a b R2 fkm/dag fkm/dag Obs/Asg fkm/dag Obs/Asg SAMM Skane Sydost Vast Palt Faktorn mellan observerade data och assignment kunde vara bättre. Dock gäller att merparten avser pb-delen (i Palt-modellen är den 88 %). I Bilaga 3 presenteras resultaten efter kalibrering med ett antal bilder för varje regional modell. För SAMM presenteras resultat från en tidigare leverans ( ) då denna matris inte reviderades efter synpunkter från Trafikverket. 3.5 Några kommentarer Under slutrevisionen av rapporten konstruerades a priori matriserna på nytt. Då upptäcktes bl.a. problemet med vad som orsakade beräkningen av alldeles för korta medelreslängder. Av någon anledning återskapades inte a priori matriserna som gick in till kalibreringen. Sökning efter förklaring har inte gett resultat. 26 (69)

31 repo001.docx Diskussion och fortsatt arbete I denna rapport har vi bl.a. presenterat en undersökning vi har genomfört för att ta fram andelar PbY för olika vägtyper. Undersökningen var liten, vilket innebär att osäkerheten är relativt sett stor, exempelvis genomfördes filmningarna endast under en dag. För att utöka undersökningen och därmed öka kvaliteten på underlaget, föreslår vi en vidare analys av filminspelningen av en eller ett par perioder som är längre än 10 minuter. En sådan utökad analys skulle syfta till att ta reda på hur väl en 10-minutersperiod representerar exempelvis en timma i det här avseendet. För a priori matriserna finns det anledning av dels försöka bättra på informationen om medelavstånd för PbY-transporter, dels att fundera över valet av avståndsaversion i entropimodellen. En variant kan vara att använda en funktion av avståndet i exponentialfunktionens exponent, exempelvis kvadratroten ur avståndet eller en Box-Cox transformation. Gränsdragningen om vilken trafik som är övrig näringslivstrafik och vad som är privatresor är ibland svår att göra. Exempelvis kan en tjänstebil med en logga på som oftast används i tjänsten, ibland även användas för privatresor. Det är därför viktigt att fortsätta att undersöka hur man bör hantera de olika typerna av trafik för att undvika dubbelräkning, eller ingen räkning alls. På grund av de höga trafikflödena i Samm och Väst har en nedskrivning av de konstruerade räkningarna för PbY gjorts. Nedskrivningen bör rimligen differentieras i högre grad, särskilt som resultat från Algers [2011] tillämpats för hela Stockholms län samt Göteborg med kranskommuner, medan nedskrivningen görs för hela den regionala modellen. Observerade assymmetriska flöden erhålls som resultat. En möjlig lösning vore naturligtvis att konstruera en symmetrisk OD-matris. OD-matriserna för PbY konstrueras som regionala från början, men det kommer även med matriselement avseende relationer i kransområden. Eventuellt borde dessa rensas bort. 27 (69)

32 repo001.docx Referenser Algers, S. (2011), Icke modellerad fordonstrafik Edwards H och Karlsson R (2008): NÄTRA-uppdatering till 2005, PM, Vägverket Konsult, Augusti Edwards H, Ramstedt L och Johansson S (2015): Lastbilsmatriser: Rapport 1 - Framtagning av lastbilsmatriser, Sweco på uppdrag av Trafikverket. Edwards, H. & Johansson, S. (2015): Lastbilsmatriser: Teknisk dokumentation Tekniskt genomförande samt använda program. Eriksson J, Björketun U, Edwards H, Karlsson R, Sandström J, Wiklund M och Ågren B, (2000a): Dokumentation av NÄTRA-undersökningen, VTI notat Eriksson J, Björketun U, Edwards H och Karlsson R, (2000b): Dokumentation av NÄTRAmodellen, VTI notat Eriksson J, Björketun U, Edwards H, Karlsson R (2000c): NÄTRA Näringslivets transporter med bil i Stockholms län 1998, KFB & VTI forskning/research Janson Olstam, Matstoms, 2007, Nya V/D-funktioner på väg Preliminära funktioner för tätortsmiljöer baserade på ny metod, VTI rapport 571 Kjellman, Larm, 2000, Bedömning av andel yrkesmässig trafik med lätta fordon, Rapport från Vägverket konsult Kjellman, Larm, Bornström, 2000, Matris med lätta fordon i yrkestrafik, Rapport från Vägverket Konsult Vägverket, 2009, The Road Transport Sector: Sectoral Report 2008, Vägverket Publikation 2009:34 Trafikverket, 2013, Effektsamband för transportsystemet Bygg om eller bygg nytt 28 (69)

33 repo001.docx Bilaga 1. Resultat från filmningar Funktionell vägklass 0 Morgontrafik Andel PbY av den lätta trafiken Kommun Totalt antal fordon i lätt trafik 9,7 % Norrköping 190 6,7 % Söderköping ,2 % Härnösand 97 Medel 9,2 % Standardavvikelse. (stickprov) 2,3 % Konfidensintervall 2,6 % Förmiddagstrafik Andel PbY av den lätta trafiken Kommun Totalt antal fordon i lätt trafik 14,1 % Norrköping 92 5,1 % Söderköping 58 9,2 % Härnösand 73 Medel 9,5 % Standardavvikelse. (stickprov) 4,5 % Konfidensintervall 5,1 % Funktionell vägklass 1 Morgontrafik Andel PbY av den lätta trafiken Kommun Totalt antal fordon i lätt trafik 9,7 % Norrköping 68 18,6 % Luleå 125 5,3 % Norrköping 43 Medel 11,2 % Standardavvikelse. (stickprov) 6,8 % Konfidensintervall 7,7 % 29 (69)

34 repo001.docx Förmiddagstrafik Andel PbY av den lätta trafiken Kommun Totalt antal fordon i lätt trafik 4,7 % Norrköping 35 27,3 % Luleå 71 12,2 % Norrköping 30 Medel 14,7 % Standardavvikelse. (stickprov) 11,5% Konfidensintervall 13,0 % Funktionell vägklass 2 Morgontrafik Andel PbY av den lätta trafiken Kommun Totalt antal fordon i lätt trafik 7,1 % Norrköping 73 6,5 % Härnösand 10 4,8 % Luleå 55 Medel 6,1 % Standardavvikelse. (stickprov) 1,2 % Konfidensintervall 1,3 % Förmiddagstrafik Andel PbY av den lätta trafiken Kommun Totalt antal fordon i lätt trafik 21,0 % Norrköping 29 4,1 % Härnösand 16 13,2 % Luleå 19 Medel 12,8 % Standardavvikelse. (stickprov) 8,5 % Konfidensintervall 9,6 % 30 (69)

35 repo001.docx Funktionell vägklass 3 Morgontrafik Andel PbY av den lätta trafiken Kommun Totalt antal fordon i lätt trafik 7,6 % Norrköping 76 7,2 % Söderköping 23 6,6 % Malmö 340 Medel 7,1 % Standardavvikelse. (stickprov) 0,5 % Konfidensintervall 0,6 % Förmiddagstrafik Andel PbY av den lätta trafiken Kommun Totalt antal fordon i lätt trafik 8,8 % Norrköping 30 7,2 % Söderköping 18 9,8 % Malmö 137 Medel 8,6 % Standardavvikelse. (stickprov) 1,3 % Konfidensintervall 1,5 % Funktionell vägklass 4 Morgontrafik Andel PbY av den lätta trafiken Kommun Totalt antal fordon i lätt trafik 0,0 % Härnösand 11 7,6 % Luleå ,3 % Malmö 129 Medel 6,6 % Standardavvikelse. (stickprov) 6,2 % Konfidensintervall 7,0 % 31 (69)

36 repo001.docx Förmiddagstrafik Andel PbY av den lätta trafiken Kommun Totalt antal fordon i lätt trafik 20,8 % Härnösand 19 23,5 % Luleå 82 30,8 % Malmö 50 Medel 25,0 % Standardavvikelse. (stickprov) 5,2 % Konfidensintervall 5,9 % Funktionell vägklass 5 Morgontrafik Andel PbY av den lätta trafiken Kommun Totalt antal fordon i lätt trafik 13,5 % Norrköping 111 6,2 % Söderköping 45 4,3 % Luleå 53 12,5 % Malmö 77 Medel 9,1 % Standardavvikelse. (stickprov) 4,5 % Konfidensintervall 5,1 % Förmiddagstrafik Andel PbY av den lätta trafiken Kommun Totalt antal fordon i lätt trafik 28,3 % Norrköping 72 16,7 % Söderköping 12 14,7 % Luleå 18 16,6 % Malmö 32 Medel 19,1 % Standardavvikelse. (stickprov) 6,2 % 32 (69)

37 repo001.docx Konfidensintervall 7,0 % Funktionell vägklass 6 Morgontrafik Andel PbY av den lätta trafiken Kommun Totalt antal fordon i lätt trafik 4,8 % Söderköping 41 14,7 % Luleå 89 33,1 % Malmö 50 Medel 17,5% Standardavvikelse. (stickprov) 14,4 % Konfidensintervall 16,3 % Förmiddagstrafik Andel PbY av den lätta trafiken Kommun Totalt antal fordon i lätt trafik 9,1 % Söderköping 11 16,5 % Luleå 51 35,0 % Malmö 24 Medel 20,2 % Standardavvikelse. (stickprov) 13,3 % Konfidensintervall 15,1 % 33 (69)

38 repo001.docx Bilaga 2. Resultat före kalibrering För respektive regional modell har ett antal bilder tagits fram som illustrerar resultatet för personbilar i yrkestrafik (PbY). Resultatet presenteras per regional modell där jämförelser görs för situationen före och efter kalibrering. Till detta har scatterplots tagit fram baserat på de länkar som har trafikräkningar. I bilderna görs en jämförelse mot de uppmätta ÅDT-flödena, den gröna delen av staplarna motsvarar den del av ÅDT-flödet som nätutläggnings. Orange delar är ett underskott vid nätutläggning av de nya matrisera (i.e. ÅDT-flödet är högre än det flöde som läggs ut i nätet), på samma sätt är de blå fälten ett överskott jämfört med uppmätta ÅDT-flöden. Förutom bilder som visar de nätutlagda lastbilsflödena jämfört med uppmätta ÅDT-flöden har även scatterplots tagits fram som visar på överensstämmelsen mellan observerade och modellerade flöden. Samband kan tas fram och som ett mått på anpassning studeras det så kallade R 2 -värdet. För SAMM presenteras resultat från en tidigare leverans ( ) då denna matris inte reviderades efter synpunkter från Trafikverket. Palt Figur 0.1: PbY okalibrerad trafik i Palt, skala 150 Lantmäteriet (69)

39 repo001.docx Innan kalibrering tycks trafiken för personbilar i yrkestrafik överskattas i de större stråken i Palt-modellen. Detta hänger rimligen samman med den generella uppräkningen av matrisen med en faktor 2 för att nå bättre överensstämmelse mot de skapade ÅDTflödena. Figur 0.2: PbY okalibrerad trafik i Dalarna och Gävleborgs län, skala 150 Lantmäteriet Längs E4 ligger den nätutlagda trafiken innan kalibrering närmast de skapade ÅDTmätningarna, på delar av sträckan mellan Söderhamn-Gävle underskattas trafiken till och med något. I övrigt överskattas trafiken i de flesta fall innan kalibrering, till stor del kan det antas bero på uppskalningen av matrisen innan nätutläggning. 35 (69)

40 repo001.docx Figur 0.3: PbY okalibrerad trafik i Västernorrlands och Jämtlands län, skala 150 Lantmäteriet Kring de större orterna, såsom Sundsvall, Östersund, Örnsköldsvik samt upp mot Umeå syns en överskattning jämfört med skapade räknedata. Även längs flera av de större vägarna överskattas trafiken innan kalibrering, undantag är delar av E4 förbi Kramfors där trafiken går genom tätorten istället för på E4. 36 (69)

41 repo001.docx Figur 0.4: PbY okalibrerad trafik i Västerbottens län, skala 150 Lantmäteriet Precis som i de övriga länen i regionen överskattas trafiken innan kalibrering vilket syns tydligast kring de större städerna längs E4. Längs delar av vägarna längre västerut såsom E12 och väg 95 underskattas istället trafiken något. 37 (69)

42 repo001.docx Figur 0.5: PbY okalibrerad trafik i Norrbottens län, skala 150 Lantmäteriet Längs delar av E4 genom Norrbotten överskattas trafiken, medan de nätutlagda flödena från Råneå och vidare mot Finland stämmer relativt väl överens med skapade räknedata. Även förbi Kiruna och Gällivare kan överskattning av trafiken observeras medan vissa delar längs E10 och E45 istället underskattas. 38 (69)

43 repo001.docx Figur 0.6: Scatterdiagram för PbY innan kalibrering i Palt R2-värdet för PbY i Palt uppgår till under 0.72 innan kalibrering av trafiken. 39 (69)

44 repo001.docx Samm Figur 0.7: PbY okalibrerad trafik i Samm skala 500 Lantmäteriet Jämfört med de skapade räknedata för PbY-trafik i Mälardalen ligger den nätutlagda trafiken generellt något lågt, särskilt tydligt syns detta kring Stockholm och på de större lederna. 40 (69)

45 repo001.docx Figur 0.8: PbY okalibrerad trafik i Stockholms län skala 500 Lantmäteriet Vid en vy över Stockholms län ligger trafiken, jämfört med konstruerade räknedata, för lågt med några få undantag på kortare delar av E4 genom Solna samt väg 226 som ligger något över. Figur 0.9: PbY okalibrerad trafik i Stockholm skala 500 Lantmäteriet (69)

46 repo001.docx På E4, både norr och söder om Stockholm är den nätutlagda trafiken något för låg jämfört med konstruerade räknedata. Figur 0.10: Scatterdiagram för PbY innan kalibrering i Samm Innan kalibrering nås ett R2-värde på 0.82 för Samm vid en jämförelse mellan nätutlagd trafik och skapade räknedata. 42 (69)

47 repo001.docx Skåne Figur 0.11: PbY okalibrerad trafik i Skåne skala 100 Lantmäteriet I Skåne ses en klar underskattning av PbY-trafiken jämfört med skapade räknedata, särskilt tydligt syns detta längs E6 och E4, men även längs E22 och E65 underskattas trafiken innan kalibrering. Endast i stråket mellan Malmö-Lund ligger det nätutlagda flödet högre än skapade räknedata. 43 (69)

48 repo001.docx Figur 0.12: PbY okalibrerad trafik i Malmö skala 100 Lantmäteriet I Malmö syns ett klart undeskott på yttre ringlinjen jämfört med skapade räknedata. Precis som för lastbilstrafiken kan även en viss snedfördelning ses mellan Arlöv/Burlöv. 44 (69)

49 repo001.docx Figur 0.13: Scatterdiagram för PbY innan kalibrering i Skåne R2-värdet för PbY i Skåne innan kalibrering uppgår endast till 0.58, figuren ovan visar även på en relativt stor spridning mellan konstruerade räknedata och nätutlagda flöden. 45 (69)

50 repo001.docx Sydost Figur 0.14: PbY okalibrerad trafik i Sydost skala 100 Lantmäteriet I Sydost underskattas trafiken längs delar av E4, särskilt tydlig är detta från Ljungby och söderut samt mellan Mjölby och Jönköping. Längs många av de andra vägarna överskattas istället trafiken, vilket troligen hänger samman med uppjustering av matrisen innan nätutläggning. 46 (69)

51 repo001.docx Figur 0.15: PbY okalibrerad trafik i Östergötland skala 100 Lantmäteriet I Östergötland ligger flödet på E4 i samma storleksordning som de skapade räknedata. Undantag är söder om Mjölby, precis förbi Norrköping samt de länkar som ligger mot länsgränsen mot Sörmland där trafiken underskattas. Kring Motala, mellan Mjölby- Tranås, Finspång-Norrköping-Söderköping samt kring Linköping ligger däremot trafiken högt jämfört med skapade räknedata. 47 (69)

52 repo001.docx Figur 0.16: Scatterdiagram för PbY innan kalibrering i Sydost I Sydost uppvisas en stor spridning för den utlagda trafiken med PbY jämfört med de konstruerade räknedata för densamma. R2-värdet uppgår endast till drygt (69)

53 repo001.docx Väst Figur 0.17: PbY okalibrerad trafik i Halland och delar av Västra Götaland skala 200 Lantmäteriet Fokuserat kring Göteborg ses en underskattning av trafiken jämfört med skapade räknedata. Längs E6 stämmer däremot väl överens mot skapade räknedata. Längs v27/40 mot Borås underskattas trafiken närmast Göteborg (högre faktor vid skapande av räknedata) jämfört med en överskattning närmare Borås (baserat på filmning). Genom delar av övriga Västergötland överskattas trafiken innan kalibrering. 49 (69)

54 repo001.docx Figur 0.18: PbY okalibrerad trafik i Värmland och delar av Västra Götaland skala 200 Lantmäteriet Genom de norra delarna av Västra Götaland överskattas trafiken på båda sidor av Vättern med undantag för E6 närmare norska gränsen där trafiken underskattas. På E18 genom Värmland överskattas trafiken förbi Karlstad medan det längre ut i länet underskattas, både mot norska gränsen och mot Örebro län. 50 (69)

55 repo001.docx Figur 0.19: PbY okalibrerad trafik i Göteborg skala 200 Lantmäteriet I Göteborg syns ett underskott på flera av de viktigaste infartslederna såsom E6, E20, väg 27 och Västerleden. Endast för delar av Lundlbyeden kan visst överskott jämfört med skapade räknedata ses. Figur 0.20: Scatterdiagram för PbY innan kalibrering i Väst Innan kalibrering ses att ett antal länkar har en stor avvikelse mellan skapade räknedata och nätutlagd trafik, R2-värdet innan kalibrering uppgår ändå till knappt (69)

56 repo001.docx Bilaga 3. Resultat efter kalibrering För SAMM presenteras resultat från en tidigare leverans ( ) då denna matris inte reviderades efter synpunkter från Trafikverket. Palt Figur 0.1: PbY kalibrerad trafik i Palt, skala 150 Lantmäteriet Efter kalibrering anpassas nivåerna i de större stråken betydligt bättre till de framräknade ÅDT-flödena. På vissa platser finns dock fortfarande avvikelser vilket ses i mer detalj nedan. 52 (69)

57 repo001.docx Figur 0.2: PbY kalibrerad trafik i Dalarna och Gävleborgs län, skala 150 Lantmäteriet Trafikflödena efter kalibrering är fortfarande något höga jämfört med de skapade räkningarna för PbY, kalibreringen medför ändå en klar förbättring på E16, väg 84 samt väg 50. Precis som för lastbilstrafiken kan dock en tydlig underskattning ses på E4 söder om Gävle mot länsgränsen vid Uppsala. 53 (69)

58 repo001.docx Figur 0.3: PbY kalibrerad trafik i Västernorrlands och Jämtlands län, skala 150 Lantmäteriet Genom Västernorrland och Jämtland medför kalibreringen en bättre överensstämmelse mellan konstruerade räknedata och nätutlagda flöden. Förbi Sundsvall, Östersund och i viss mån även Örnsköldsvik kvarstår dock visst överskott. 54 (69)

59 repo001.docx Figur 0.4: PbY kalibrerad trafik i Västerbottens län, skala 150 Lantmäteriet Även runt Umeå, Skellefteå och Luleå kvarstår en viss överskattning även efter kalibrering. Längs E4 nås en god anpassning mot räknedata vid nätutläggning. 55 (69)

60 repo001.docx Figur 0.5: PbY kalibrerad trafik i Norrbottens län, skala 150 Lantmäteriet Genom Norrbotten anpassas trafikflödet bättre, särskilt syns detta på E4. Förbi Luleå, Kiruna och Gällivare kvarstår dock överskott jämfört med skapade räknedata. 56 (69)

61 repo001.docx Figur 0.6: Scatterdiagram för PbY efter kalibrering i Palt Efter kalibrering stiger R2-värdet till drygt 0.76 vilket visar på en förbättring jämfört med innan kalibrering. 57 (69)

62 repo001.docx Samm Figur 0.7: PbY kalibrerad trafik i Samm skala 500 Lantmäteriet En övergripande bild över Mälardalen visar på en relativt god överensstämmelse mellan nätutlagda flöden och de skapade ÅDT-flödena för PbY. Undantag är underskott kring länsgränsen mellan Stockholm och angränsande län vilket delvis förklaras av att flödena i Stockholms län skapats baserat på Algers [2011] medan det i andra län baseras på den genomförda filmningen, se beskrivningen i avsnitt 2. Underskott kan ses både på E18 genom Roslagen och västra delarna av Stockholms län, underskott ses även på E4 kring Märsta samt från Södertälje och vidare söderut på E4 samt västerut på E20 mot Strängnäs. 58 (69)

63 repo001.docx Figur 0.8: PbY kalibrerad trafik i Stockholms län skala 500 Lantmäteriet Fokuserat kring Stockholm tycks flödet på de större lederna stämma relativt väl överens med de skapade ÅDT-flödena för PbY-trafik. Mellan Kungsängen Bålsta, norr om Märsta samt på E18 norr om Åkersberga ligger flödet lägre än de konstruerade räknedata. Figur 0.9: PbY kalibrerad trafik i Stockholm skala 500 Lantmäteriet Generellt nås en god anpassning mot de skapade ÅDT-flödena för de centrala delarna kring Stockholm. Vissa underskott kan ses på Enköpingsvägen (tidigare E18), delar av E4 genom Sollentuna samt södra länken medan delar av E4 genom Solna, Roslagsvägen samt Värmdöleden ligger något över skapade ÅDT-flöden. 59 (69)

64 repo001.docx Figur 0.10: Scatterdiagram för PbY efter kalibrering i Samm Efter kalibrering ökar R2-värdet till knappt 0.94 för PbY-trafik i region Samm. Skåne 60 (69)

65 repo001.docx Figur 0.11: PbY kalibrerad trafik i Skåne skala 100 Lantmäteriet Efter kalibrering förbättras anpassningen mot skapade räknedata men trafiken underskattas fortfarande längs de större vägarna. I närområdet kring Malmö/Lund samt kring Kristianstad nås en god anpassning medan E6 norr om Malmö generellt underskattas, särskilt tydligt är detta norr om Helsingborg. Figur 0.12: PbY kalibrerad trafik i Malmö skala 100 Lantmäteriet I Malmö fås fortfarande för lite trafik på den yttre ringlinjen, som är den enda med räknedata. Infarterna ser dock ut att ligga väl anpassat mot skapade räknedata. 61 (69)

66 repo001.docx Figur 0.13: Scatterdiagram för PbY efter kalibrering i Skåne Efter kalibrering anpassas PbY-trafiken bättre mot de konstruerade räknedata och R2- värdet stiger till knappt Fortfarande återstår ett antal länkar med större avvikelser vilket syns på spridningen i figuren ovan. 62 (69)

67 repo001.docx Sydost Figur 0.14: PbY kalibrerad trafik i Sydost skala 100 Lantmäteriet Vid kalibrering hanteras främst överskattningen av trafiken längs de olika stråken genom regionen. Längs E4 underskattas trafiken generellt, som tidigare är detta tydligast söder om Ljungby samt mellan Mjölby-Jönköping. 63 (69)

68 repo001.docx Figur 0.15: PbY kalibrerad trafik i Östergötland skala 100 Lantmäteriet Tidigare överskattning av trafiken kring Motala, Norrköping och Linköping hanteras vid kalibrering av trafikflöden. 64 (69)

69 repo001.docx Figur 0.16: Scatterdiagram för PbY efter kalibrering i Sydost Efter kalibrering minskar spridningen mellan uppmätta och nätutlagda flöden och R2- värdet förbättras något till knappt (69)

70 repo001.docx Väst Figur 0.17: PbY kalibrerad trafik i Halland och delar av Västra Götaland skala 200 Lantmäteriet Vid kalibrering förbättras anpassningen mellan skapade räknedata och nätutlagda flöden i Halland och södra delarna av Västra Götaland. Fortfarande kvarstår en del av den ovan beskrivna problematiken med att sträckan mellan Göteborg-Borås anges med helt räknedata vilket gör att det längs delar av sträckan indikeras ett underskott medan andra delar visas som ett överskott. 66 (69)

71 repo001.docx Figur 0.18: PbY kalibrerad trafik i Värmland och delar av Västra Götaland skala 200 Lantmäteriet I de norra delarna av Västra Götaland anpassas trafiken bättre mot skapade räknedata i och med kalibreringen. Problemet med en underskattning av trafiken på vägarna närmast norska gränsen samt mot länsgränsen mot Örebro län kvarstår fortfarande på samma sätt som i övriga regioner. 67 (69)

72 repo001.docx Figur 0.19: PbY kalibrerad trafik i Göteborg skala 200 Lantmäteriet I Göteborg förbättras anpassaningen klart jämfört med före kalibrering. På de stora infartslederna ligger nu trafikflödena i samma storleksordning som de skapade räknadeta. Kring Lundbyleden och på E6 överskattas trafiken något jämfört med skapade räknedata. 68 (69)

73 repo001.docx Figur 0.20: Scatterdiagram för PbY efter kalibrering i Väst Vid kalibrering förbättras anpassningen mot skapade räknedata vilket även medför att R2-värdet stiger till knappt (69)

74 Tabell 3 Rekommenderad funktionell vägklassning i förhållande till några andra vanligt förekommande klassningssystem / typer av vägar. Huvudrekommendationen är understruken. Om flera olika klassningssystem tillämpats för en vägsträcka bör översättning till funktionell vägklass göras från vänster till höger i tabellen där ett värde till vänster gäller i första hand. Statligt vägnät Vägnät inom tättbebyggt område Vägnät utanför tättbebyggt område Klass Vägkategori, Nationell stamväg TRAST/VGU och/eller Vägnummer Europaväg Övergripande huvudnät 1 Nationell stamväg som inte är europaväg 18 Riksväg 2 Nationell stamväg som inte är europaväg Riksväg som inte är nationell stamväg 19 Primär länsväg 3 Riksväg som inte är nationell stamväg Primär länsväg, (Vägnummer ) Sekundär länsväg 4 Primär länsväg, Sekundär länsväg Sekundär/tertiär länsväg 5 Sekundär länsväg, Sekundär/tertiär länsväg Tertiär länsväg Övergripande huvudnät Övergripande huvudnät Övergripande huvudnät, Lugna gatan 16 (TRÅD) 17 Enskild väg med statligt driftbidrag Genomfartsled/ Infart Genomfartsled/ Infart, Huvudnät Genomfartsled Genomfartsled Infart Huvudnät Huvudnät Huvudnät Infart,Huvudgata Huvudnät, Lokalnät Huvudnät, Lokalnät Huvudgata, Uppsamlingsgata 6 Tertiär länsväg Lokalnät Lokalnät Uppsamlingsgata, Lokalgata Skogligt vägnät Övrigt enskilt vägnät Öresundsbron Uppsamlingsgata Uppsamlingsgata, Lokalgata 7 Lokalnät Lokalnät Lokalgata Bidragsväg Huvudväg Lokalgata 8 Bidragsväg Normalväg Återvändsvägar 9 Nollväg Återvändsvägar 14 Ramper och grenar klassas i en underordnad nivå till deras huvudväg. Detta gäller även väg med undernummer. (ex. en väg med vägnummer 4.01 får klassen 1) 15 Trafik för en attraktiv stad (TRAST) är ett planeringshjälpmedel som ger kommunerna stöd i att utveckla ett balanserat trafiksystem. TRAST ersätter TRÅD. Vägar och gators utformning (VGU) är nära knutet till TRAST. VGU är utformningsråd för de analys- och projekteringsskeden som följer efter att trafikstrategi, trafikplaner och åtgärdsprogram tagits fram. 16 Planeringsstöd publicerat av Svenska Kommunförbundet 1998 i avvaktan på att mer utförliga planeringsstöd och handböcker skulle utvecklas (TRAST) 17 TRÅD (1982) har utgått som klassningssystem (se TRAST ovan) men lever fortfarande kvar i flera system vilket är orsaken att det tas med här. 18 Vägnummer 25, 26, 31, 33, 40, 45, 47, 48, 50, 53, 55, 56, 64, 67 och Vägnummer <= 100 exkl. vägnummer ovan

75 Bilaga 5 - Fordonsklasser 1 Personbil Personbil med logga räknas som näringslivstrafik. Personbil utan logga räknas inte som näringslivstrafik. Vid analys av filmerna noterades att vissa arbetsfordon av personbilsstorlek inte har logga. Fordonsklassen räknas separat och antas vara näringslivstrafik. Taxi räknas som näringslivstrafik. 1.1 Personbil utan logga 1.2 Personbil med logga/arbetsfordon Alla personbilar med logga räknas som näringslivstrafik.

76 Bilaga 5 - Fordonsklasser 1.3 Arbetsfordon utan logga 1.4 Taxi En egen fordonsklass, de flesta förmodligen näringslivstrafik. 2 VAN/Minibuss VAN/Minibussar delas in i fyra klasser, med eller utan logga samt med eller utan sidofönster. Alla fordonsklasser antas vara näringslivstrafik med undantag för den utan logga med sidofönster. 2.1 Med logga med sidofönster

77 Bilaga 5 - Fordonsklasser 2.2 Med logga utan sidofönster 2.3 Utan logga med sidofönster 2.4 Utan logga utan sidofönster

78 Bilaga 5 - Fordonsklasser 3 Övrig trafik Av den trafik som återstår att klassificera är det endast lätt lastbil som ingår i gruppen Övrig näringslivstrafik. 3.1 Buss 3.2 Lätt Lastbil Med och utan logga räknas i samma fordonsklass. 3.3 Tung lastbil

79 Bilaga 5 - Fordonsklasser 3.4 MC Även mopeder inkluderas 3.5 Traktor Huvudsakligen väghållningsfordon