S AMMANFATTNING. Bild 2:Bostadssituationen inför terminsstart, höstterminen

Transkript

1 DECEMBER 2013

2 Handläggare, Stadsbyggnadskontoret Nikara Movafaghi Planarkitekt Bo Sundström Planarkitekt Medverkande i projektet, Stadsbyggnadskontoret Viktor Hemling Praktikant Winny Lau Praktikant Bild 1:Slutligt resultat av MKA modellen som visar värdering och prioritering av områden för studentbostäder. Bör studeras tillsammans med bild 38 på sid 40.

3 S AMMANFATTNING Bild 2:Bostadssituationen inför terminsstart, höstterminen 2013 (SFS 2013). Luleå planerar för ytterligare invånare och Luleå tekniska Universitet med studenter och 1600 anställda spelar en stor roll i denna vision. Stora satsningar behövs för att göra Luleå attraktivare för studenter, och tillgång till lämpliga studentbostäder är här en grundläggande faktor. Det råder en stor bostadsbrist i Luleå och detta avspeglas också på studentbostadsmarknaden. Under LTU:s snabba utveckling de senaste åren har det byggts alltför få nya bostäder. För att skapa bättre förutsättningar för hantering av studentbostadsbristen, är markfrågan av stor vikt. Där kan kommunen som huvudansvarig myndighet spela en stor roll med att underlätta tillgång till mark för nybostadsproduktion. Samtidigt ska bostäderna byggas på lämpliga ställen som förbättrar både studentliv och stadsliv. För detta krävs en med- veten planering. Syftet med detta arbete är att utveckla en metod för att samlat utreda vilka kriterier som är viktiga för lokalisering av nya studentbostäder i Luleå och sammantaget värdera lämpliga tomtplatser som bäst uppfyller dessa kriterier. Boverket har bidragit med ekonomiska medel för att genomföra arbetet. För att identifiera de platser som är lämpligast, togs först fram ett flertal möjliga tomtplatser. Därefter användes så kallad Multikriterieanalys (MKA) -metodik som baseras på viktade kriterier. Viktningarna grundas på tidigare studier, en genomförd enkätundersökning till studenter samt dialog med några aktörer. Resultaten av studien bekräftar i hög grad tidigare erfrenheter. De områden i Luleå tätort som tidigare ofta bedömts som attraktiva, visar sig i denna modellstudie också värderas högt. Det är de delar av staden runt LTU campus samt områdena mellan Campus och stadens centrum som visar sig vara mest attraktiva för byggande av studentbostäder. Utredningen är ett underlag som kan användas av kommunen, Universitet och byggherrar vid planering och byggande av nya studentbostäder i framtiden. Den använda MKA-modellen är tillräckligt flexibel för att kunna aktualiseras vid behov, då man kan förändra kriterierna och viktningarna efter nya eller förändrade förutsättningar och behov. Detta bidrar då till bättre helhetssyn.

4 I NNEHÅLL Sammanfattning 3 Innehåll 4 1. INLEDNING 5 Bakgrund 5 Frågeställning 7 Metod 8 2. Studentbostäder i Luleå: Nu och framtiden 9 Studentbostäder: Dagsläge 9 Planerade studentbostäder och framtidens behov 10 3.En modell för multikriterieanalys 11 Rangordning och viktning av kriterier 15 Värdesättning av faktorer 16 Enkätundersökning Tillämpning av multikriterieanalysen Resultat och diskussion 36 Riktlinjer och rekommendationer 36 6.Referenser 44 7.Bilagor 45 Huvudkriterier för en bra studentbostad 11

5 1. INLEDNING Bild 3:Förstahandsökande studenter på program grundnivå i LTU från 2009 tll 2013 (LTU 2012) Bakgrund Luleå tekniska universitet fungerar som en stark motor för både Luleås och Norrbottens utveckling. Universitetet är länets viktigaste möteplats som lockar studenter, forskare och företag till Luleå och på detta sätt bidrar till kommunens tillväxt. LTU har expanderat kraftigt under de senaste åren. Antalet förstahandssökande studenter på program/grundnivå i LTU har ökat (bild 3) mer än 40 % från 2009 (3263 studenter) till 2013 (4611 studenter). Parallellt med att LTU:s studenter ökat de senaste åren har bostadsbyggandet istället minskats (endast 130 bostäder under denna period) vilket har lett till ett högt tryck på studentbostadssituationen. Idag har Luleå den näst längsta kötiden för studentbostäder av samtliga universitetsorter i landet. Kötiden har ökat från 10 veckor i augusti 2010 till 98 veckor i augusti 2013 (bild 4). Detta är ett tydligt tecken på den bristfälliga studentbostadsmarknaden i Luleå vilket har uppmärksammats och kritiserats i lokala medier. Den ohållbara bostadssituationen för studenter som på sikt kan negativt påverka universitetets utveckling, strider mot kommunens ambitioner och planer för ytterligare invånare i kommunen. Grundproblematiken är att det är för dyrt att bygga studentsbostäder. Höga produktionskostnader tillsammans med de byggregler som ställer höga krav på bostaders utformning gör att hyran i en nybyggd lägenhet blir så hög att studenterna inte har råd att bo i dem. Å andra sidan handlar studentbostadsutveckling också om den Inledning 5

6 Bild 4:kötider för studentbostäder i Luleå (Studentbostadsföretagen 2013 ). omdebatterade frågan hur staden och universitetet ska integreras bättre. Kommunerna har en stor roll när det gäller att få fram bostäder för studenter. Enligt bostadsförsörjningslagen ska kommunen planera för att skapa förutsättningar för alla i kommunen att leva i goda bostäder. Kommunen ska ta fram riktlinjer för bostadsförsörjningen som ska antas av kommunfullmäktige minst en gång varje mandatperiod. Att kommunen äger mark är också ett betydelsefullt verktyg för att kunna bedriva aktiv bostadspolitik. Markfrågan utgör en mycket viktig faktor i denna ekvation. Genom en medveten planering kan kommunen: 1. Underlätta tillgång till lämplig mark med rimligt pris för studentbostäder och därmed minska produktionskostnader och bidra till en ökad produktion av prisvärda bostäder för studenter. 2. Förbättra förutsättningarna för bättre integration mellan staden och universitetet via en bättre lokalisering av nya studentbostäder. Luleå kommun har sedan några år tillbaka då och då försökt att lyfta upp frågan om studentbostäder i sitt planeringsarbete. År 2006 utfördes en översiktlig inventering av lämplig mark för studentbostäder i samarbete med studentkåren på LTU (bild 5). I samband med inventeringen togs det fram ett fåtal platser som ansågs vara lämpliga för nya studentsbostäder enligt följande kriterier: Närhet till universitet Läge i axeln mellan universitetet och Centrum och mellan universitetet och Björkskatan Läge på kommunens mark Utredningen grundade sig inte på en systematisk analys av avgörande kriterier utan på en grov bedömning av varje plats. Hösten 2012, i samband med att Lindbäcks Bygg AB visade sitt intresse för att bygga ytterligare två hus för studentsbostäder i norra Klintbacken, gjordes en mer systematisk lokaliseringsanalys. Utredningens fyra alternativa lokaliseringar jämfördes med varandra enligt ett fåtal huvudkriterier: gångavstånd till matbutik, direkt buss till universitet och integrering med staden (andra bostadsområden). Utredningen ledde till ett förbättringsförslag för det befintliga busslinjenätet där en ny busslinje till LTU via Bergviken skulle serva de befintliga och tillkommande studentbostäderna i Klintbacken. Oktober 2013 startade den tilltänkta busslinjen (14) som gör att stadsdelarna Bergviken och Klintbacken blir ännu mer intressanta för studentbostäder. Tankarna kring en övergripande lokaliseringsanalys för studentbostäder i Luleå kommun initierades när ett nytt stöd infördes av Boverket för inventering av mark för studentbostäder. Vid ansökan om stödet tog kommunen fram ett utredningsförslagsom baserades på metoden multikriterieanalys. Boverket beslutade den 31 juli 2013 enligt förordning (2012: 824) att ge kronor i bidrag till inventering av mark för byggande av studentbostäder i Luleå. Utredningsarbetet påbörjade i mars 2013 och avslutades i december Syfte Det övergripande syftet med utredningen är att ta fram ett vägledande underlag för lokalisering av nya studentbostäder inom Luleå vilket kan utnyttjas av kommunen, exploatörer samt LTU vid utveckling av områden för nya studentsbostäder. Utredningen ska identifiera lämplig kommunal 6 Inledning

7 mark för studentbostäder på ett systematiskt sätt. Tidigare undersökningar ska användas tillsammans med en ny enkätundersökning för att fånga upp de viktigaste aspekterna som är av betydelse för placering av studentbostäder. Frågeställning Utredningen ställer följande frågor i rapportens kapitel 2, 3 och 4: 1.Studentbostäder: nu och i framtiden: Hur många studentbostäder finns i dagsläget? I vilka områden ligger de? När har de byggts? Hur har studentbostadskön utvecklats under de senaste åren? Hur många studentbostäder har planerats? När är de färdiga? Hur ser LTU:s utvecklingsplaner ut? Hur ser studentbostadsbehovet ut i framtiden? 2. MKA modellen: Vilka kriterier är viktiga för lokalisering av studentbostäder i Luleå? Hur ska kriterierna viktas? Var vill studenterna bo i Luleå? (enkätundersökning) 3.Tillämpning av Multikriterieanalysen: Vilka områden och tomter i Luleå är lämpligast för lokalisering av nya studentbostäder? Bild 5:Studentbostadsutredning 2006, illustration över möjliga platser för ytterligare studentbostäder (SBK). Inledning 7

8 Metod För att hitta de bästa lägena för framtida studentbostäder används Multikriterieanalys (MKA) som grundar sig på viktade kriterier. MKA är ett strukturerat angreppssätt för att beskriva hur väl olika alternativ uppfyller ett eller flera önskade mål. Syftena beskrivs med ett antal kriterier som definieras i analysen. Varje kriterium värderas för sig på lämpligt sätt och därefter vägs de ingående kriterierna samman till en samlad bedömning. På detta sätt kan man bedöma hur väl syftena uppfylls för vart och ett av alternativen och ett lämpligt sammanvägt alternativ kan identifieras (Naturvårdsverket 2009). kriterier och eventuella justeringar genomföras. För att tillämpa MKA modellen, genereras en karta för varje kriterium där det redovisas hur mycket de utvalda tomterna uppfyller just detta kriterium och därmed poängsättas varje enskild tomtplats enligt en definierad skala. Sedan summeras de beräknade poängerna och en rangordning skapas av lämpliga platser för nya studentbostäder. Eftersom Luleå kommun saknar en bra GIS-databas för gång- och cykel- samt bussnät, genereras dessa kartor manuellt istället för i GIS. I detta arbete identifieras och poängsätts först de viktigaste kriterierna för lokalisering av studentbostäder med hjälp av bland annat tidigare undersökningar och så kallade parvis jämförelse metoden. Metoden innebär att för varje möjlig kombination av två kriterier ska ett kriterium alltid identifieras som viktigare. Detta ger en viktning av kriterier i förhållande till varandra som sedan används för att rangordna kriterier. För att jämföra framtagna kriterier och poängsättningar med verkligheten, utförs sedan en enkätundersökning. I den deltar ca 60 studenter från olika studentbostadsområden i Luleå. Resultaten från undersökningen ska jämföras med framtagna 8 Inledning

9 2.STUDENTBOSTÄDER I LULEÅ: NU OCH FRAMTIDEN Bild 6:Befintliga studentbostäder inkl byggår och fastighetsägare. Studentbostäder: Dagsläge I Luleå finns idag 2349 studentlägenheter varav nästan 2000 ligger i nära anslutning till universitetet. Resterande lägenheter ligger ca 2 km från campus. De flesta av dessa är ettor eller rum i korridor men det finns även ett antal tvåor och treor. Lägenheterna har en total kapacitet på 2982 boende. Lulebo äger och förvaltar 1510 lägenheter och av dessa ligger alla på Porsön förutom 223 lägenheter på Björkskatan. De nyaste husen byggdes 1993 medan den största delen byggdes under mitten av 70-talet. Lulebo förmedlar alla sina lägenheter själva. Resterande 839 lägenheter ägs och förvaltas av Lindbäcks Bygg AB. Tidigare hade de 904 lägenheter men ett av deras nyaste hus på Klintbacken med 65 lägenheter brann ner lördagen den 31 augusti av deras lägenheter ligger på Porsön och resterande 130 på Klintbacken. Husen på Porsön byggdes under mitten av 90-talet medan husen på Klintbacken färdigställdes Lindbäcks lägenheter förmedlas av Studentbostadsservice som drivs av Teknologkåren på LTU. Lindbäcks har idag över 1500 studenter som står i den aktiva bostadskön och lika många till i den passiva. Lulebo kan ej redovisa hur många studenter som står i bostadskö då de har samma kö för studentlägenheter som för vanliga hyreslägenheter. Studentlägenheter som förmedlas av Lulebo har vanligtvis mellan intressenter per objekt och deras populäraste område är Studentbostäder i Luleå: Nu och framtiden 9

10 Lillön i närheten av LTU (Professors- och Docentvägen). För att vara säker på att få ett boende krävs en kötid på minst 1 år för ett rum i korridor och 3-6 år för en studentlägenhet. Kötiden för en bostad hos Lindbäcks är minst 13 månader Planerade studentbostäder och framtidens behov 2012 hade LTU som mål att ta in 2300 nyregistrerade studenter på program. Denna siffra överskreds kraftigt och slutade på strax över Detta ledde till att man överskred maxintaget och i år ökade antalet ytterligare med ungefär 100 studenter. På sikt hoppas man kunna minska siffran med ca 100 studenter per år till dess att man når ett intag på ca 2500 programstudenter per år. Även antalet studenter som läser fristående kurser har ökat de senaste åren. För några år sedan fanns det motsvarande 1400 heltidsstuderande som läste fristående kurser men antalet har ökat stadigt under de senaste åren och är idag över LTU avser minska antalet studenter som läser fristående kurser till ca 1300 stycken till förmån för fler programstudenter. Detta både på grund av stabiliteten i att ha programstudenter snarare än studenter som endast väljer fristående kurser men även att det är mer i linje med universitetets profil. De senaste årens väldigt stora intag av nya studenter kommer att märkas många år framöver och ambitionen att minska intaget kommer inte att ge full effekt förrän om många år. I dagsläget uppskattar Teknologkåren att det finns ca heltidsstuderande på campus i Luleå. I dagsläget arbetas det med ett antal studentbostadsprojekt i olika faser. Det nyligen nedbrunna 65 lägenheter stora bostadshuset på Klintbacken kommer att byggas upp igen. Lindbäcks planerar även att påbörja etapp 2 på Klintbacken genom att bygga ytterligare två likadana hus. Det ena planeras vara inflyttningsklart vid höstterminstarten 2014 och det andra vid årsskiftet 2014/2015. Etapp 3 som innefattar ytterligare två hus är i planeringsskedet. När dessa etapper är klara ska det finnas totalt 455 lägenheter på Klintbacken. Lindbäcks har även för avsikt att bygga 250 student- och forskarlägenheter strax norr om campus. Dessa hoppas man kommer stå klara Varken Lulebo eller någon annan exploatör har i dagsläget några planer på nybyggnation av studentbostäder i Luleå. Med återuppbyggandet av det nedbrunna bostadshuset på Klintbacken inräknat kommer det att de närmaste åren byggas totalt 575 nya studentlägenheter av vilket ett mindre antal kommer att bli forskarbostäder. 10 Studentbostäder i Luleå: Nu och framtiden

11 3.EN MODELL FÖR MULTIKRITERIEANALYS Multikriterieanalys (MKA) är olika metoder för att bl a analysera effekter av alternativa åtgärder (Department for Communities and Local Government: London 2009). Olika metoder finns beroende på hur kriterierna är beskaffade. Dessa metoder används bland annat för ett systematiskt beslutfattande där beslutfattaren ställs inför flera allternativ. En mycket vanlig användning av MKA i stadplanering är lokaliseringsanalys för en viss verksamhet med flera alternativ att välja mellan. Med MKA kan möjliga placeringar utvärderas på ett systematiskt sätt där samtliga relevanta effekter kan beaktas. En principiell arbetsgång för multikriterieanalys består av följande huvudsteg: 1. Bestäm relevanta kriterier och alternativ 2. Sätt numeriskt värde på kriteriernas betydelse och de olika alternativens effekt sett med utgångspunkt från kriterierna. 3. Beräkna en rangordning med utgångspunkt från de tilldelade värdena. Kapital 3 i denna rapport omfattar steg ett och del av steg två. Huvudkriterierna för en bra studentbostad Det finns många olika kriterier för vad som kan betraktas som en bra studentbostad, beroende på vem som definierar kriterierna. Och därmed kan kriterierna variera mellan olika aktörer. Studenter, universitet, byggherrar och kommunen är de intressenter som på ett eller annat sätt har intresse i planering för nya studentbostäder. I denna utredning kommer fokus att läggas framförallt på den målgrupp som använder bostäder- En modell för Multikriterieanalys 11

12 na dagligen: studenterna. För att bestämma vilka kriterier som ska användas i MKA modellen, tas först fram en preliminär lista av kriterier med hjälp av tidigare utredningar som genomförts i och utanför Sverige, och sedan kontrolleras dessa kriterier via en enkätundersökning. Generellt kan kriterierna klassificeras i tre huvudkategorier: Kriterier som berör huvudsakligen själva bostadshuset och dess utformning såsom: bostadsutformning och planlösning, hyra osv. Kriterier som relaterar till främst bostadsfastigheten såsom: tomtstorlek, byggbarhet, osv. Kriterier som mest berör bostadens läge i förhållande till universitet, centrum, service, etc. I denna studie är fokus mer på läge och dess respektive kriterier och delvis på kriterier i kategori 2. Kriterier som relaterar till bostadsutformning (kategori 1) utreds inte i undersökningen. Följande studier/dokument har använts för att identifiera huvudkriterierna i MKA modellen: 1. Hur studenter vill bo: År utfördes en utredning om Hur studenter vill bo av Studentbostadsföretagen och Lunds tekniska högskola. Syftet med undersökningen var att så förutsättningslöst som Bild 7:Ett utdrag från undersökningen Hur studenter vill bo (Studentbostadsföretagen 2013). möjligt undersöka vilka behov och önskemål dagens studenter har när det gäller bostäder av den typ som enrumslägenheten representerar. Hur använder och möblerar de sina bostäder och vilka funktioner efterfrågas och prioriteras i bostaden? Hur utnyttjas gemensamma lokaler och närmiljön? Vilka krav finns när det gäller bostadens läge i staden och tillgång till service, butiker och annat som behövs i vardagslivet? Hur och var umgås studenter med familj, vänner, studiekamrater och grannar? Följande punkter från undersökningen som genomfördes i form av både kvalitativ (djupa intervjuer) och kvantitativ (enkätundersökning) kan utnyttjas vid identifiering av huvudkriterier: Alla studenter lagar mat i sin lägenhet varav 85 procent gör det varje dag eller flera dagar i veckan. Det tyder på bland annat vikten av att ha matbutik i närhet av bostaden. Bostadens läge i relation till staden, undervisningslokaler, livsmedelsbutik och andra faciliteter är betydelsefullt. Även om idealet för många är att bo centralt verkar närhet till lärosätet värderas högre än närheten till stadens centrum. Bostäderna bör inte ligga för långt från centrum samtidigt som det ska finnas service som matbutiker och kommunikationer i närheten. 2. Planeringsdirektiv för nya studentbostäder i Newcastle Detta dokument har skapats som en del av en övergripande bostadsstrategi för att möta studentbostadsbehov i Newcastle. Guiden utvärderar några möjliga platser för studentbostäder i staden Newcastle enligt ett poängsättningsystem. 3. En guide för lokalisering av nya studentbostäder i Newcastle (City of Newcastle 2007) 12 En modell för Multikriterieanalys

13 I utredningen identifierades först 50 ställen för nya studentbostäder utifrån följande faktorer: - Tomtstorlek och ägoförhållanden - Möjligt antal studentbostäder som kan byggas på aktuell tomt. - Läge och restriktioner/störningar - Dagens markanvändning/ bakgrund - Planeringssammanhang såsom lämplighet, infrastruktur, etc Lämplighet av de utvalda platserna för studentbostäder utvärderades sedan utifrån följande kriterier: - Tillgänglighet till campus - Tomtstorlek/ platsens kapacitet - Platsens värde utifrån planering- och renoveringsmöjligheter - Tidskala (när tomten kan bebyggas) 4. Whitehorse Riktlinjer för studentbostäder (Student Accommodation Guidelines) En guide som tagits fram av staden Whitehorse för att skapa ett illustrerande underlag för byggherrar som är inblandade i byggande av studentbostäder. När det gäller lokalisering av nya studentbostäder, rekommenderar Guiden att bostäderna placeras: - inom gångavstånd till lärosätet eller viktiga, stora eller specialiserade aktivitetscentra. - Längs kollektivtrafikstråk. 5. Edinburgh Planeringsguide för studentbostäder Enligt detta policydokument tillåts utveckling av nya studentbostäder där a) Läget är lämpligt med tanke på tillgång till kollektivtrafik och närhet till universitet, b) förslaget inte kommer att leda till en stor koncentration av studentbostäder på ett och samma ställe. Det innebär att : - Generellt accepteras mer bostäder i campusnära områden. - På andra ställen med bra tillgång till service och kollektivtrafik är nya studentbostäder acceptabla om det inte resulterar i en studentbefolkning på mer än 30 % av stadsdelens befolkning. - På andra håll kommer studentbostäder i allmänhet inte att tillåtas 6. En guide för studentbostäder i Monash Enligt denna guide (i avsnittet läge ) bör nya studentbostäder lokaliseras inom ett avstånd av: m från lärosätet meter från en tågstation eller 400 m från en busshållplats på en direkt busslinje till lärosätet meter från ett större eller mindre stadsdelscentrum (City of Monash 2009). 7. Scarborough Kompletterade planeringsguide för studentbostäder Bild 8:Ett utdrag från Whitehorse riktlinjer för studentbostäder som visar lokalisering av studentbostäder i förhållande till kollektivtrafik, Universitet och service (City of Whitehorse 2011 ). I denna guide påstås att ny utveckling av studentbostäder bör uppfylla följande krav: - Utvecklingen ska inte leda till en demografisk obalans eller koncentration av studenter. - Nya bostäder ska inte placeras i ohållbara lägen t.ex. långt från universitet/ högskola och service, dålig tillgång till kollektivtrafik. - Studentbostäderna ska inte lokaliseras vid störande verksamheter (Scarborough 2004). För att undvika onödig komplexitet i MKA modellen i denna utredning har vi använt tre huvudkri- En modell för Multikriterieanalys 13

14 Bild 9:Optimala och acceptabla avstånden för gående i olika sammanhabg (City of Wakefield 2000). terier i kategorin läge och två huvudkriterier i kategorin plats : Kriterier som relaterar i huvudsak till läge : 1. Närhet till Universitet: Kriteriet handlar inte direkt om det fysiska avståndet utan om en avvägning mellan färdtid och färdmedel. Olika färdsätt kan prioriteras beroende på läget, tiden under året och kostnader: - Att gå: är det bästa och biligaste färdsättet för studenterna om deras bostäder ligger inom ett lämpligt avstånd till universitet. Bilden 9 redovisar de optimala och acceptabla avstånden för gående. - Att cykla: är ett billigt och bekvämt färdalternativ men möjligheten begränsas kraftigt för många under vintern. - Att åka buss: är ett bekvämt färdsätt med tanke på Luleås välfungerande kollektivtrafik. Men färdsättet kostar och färdtiden kan öka på grund av långa avstånd till hållplatsen, eller behovet att byta mellan linjerna. - Att åka bil: de flesta studenterna äger ingen Bild 10:Verbal och numerisk skala för parjämförelse metodiken (Pruth 2005). bil och därför har detta färdsätt inte medtagits i MKA modellen. 2. Närhet till service: Service omfattar alla funktioner/verksamheter som en bostad behöver ha tillgång till för att kunna fungera. I MKA modellen uppdelar vi service i två huvudgrupper: Daglig/veckovis service: Detta är service som studenter behöver ha dagligen eller några gånger under veckan t.ex. matbutik, träningslokal eller sporthall. Den typen av service är bättre att placera inom gångavstånd från studentbostäder. Kriteriet uppdelas här i två underkriterier: - Närhet till matbutik - Närhet till träning/ sport lokal I MKA modellen poängsätts bara gång som ett färdsätt till denna service. 3. Veckovis/månadvis service: Den service omfattar storskalig shopping, kultur och nöje osv som studenter gör några gånger under månaden. Denna typ av service som hittas fram- förallt i centrum kan lokaliseras längre från bostäderna. Vi kallar kriteriet för närhet till centrum. Liksom närhet till universitet, räknas tre färdsätt (gång, cykel och buss) för detta kriterium i modellen. Kriterier som relaterar i huvudsak till Plats : Dessa kriterier handlar främst om lokala förutsättningar på platsen såsom: lokalklimat, topografi, lokalsammanhang, lokal infrastruktur osv. Kriterierna uppdelas i två huvudgrupper; 1. Byggbarhet: Handlar om kriterier vilka påverkar byggbarheten på platsen. Kriteriet består av underkriterierna: lutning och bra tillgång till infrastruktur (vägar och ledningar). 2. Attraktivitet: Handlar om det lokala klimatet och sammanhanget samt störande faktorer. Kriteriet består av underkriterier : lokalklimat, det fysiska sammanhanget och störningar. 14 En modell för Multikriterieanalys

15 Rangordning och viktning av kriterier För att vikta de identifierade huvudkriterierna samt respektive underkriterier, används en parvis jämförelsemetodik där kriterierna jämförs med varandra i en skala 1-9 ( se bild 11). Metoden är en del av AHP eller The Analytic Hierarchy Process som är en multikriteriemodell. Bilder visar slutliga vikter av huvudkriterier och subkriterier. Närhet till LTU Närhet till Service Närhet till Centrum Slutliga vikter Närhet till LTU ,63 Närhet till Service 1/ ,26 Närhet till Centrum 1/5 1/3 1 0,11 Bild 12:Viktning av huvudkriterier i kategorien läge med hjälp av parjämförelse metoden. Närhet till LTU Slutliga vikter Gång cykel Buss Gång ,51 Cykel 1/2 1 1/4 0,15 Buss 1/ ,32 Närhet till Centrum Slutliga vikter Gång cykel Buss Gång ,32 Cykel ,41 Buss 1 1/2 1 0,27 Närhet till Service Hnadel Sport Handel 1 2 Sport 1/2 1 Slutliga vikter 0,64 0,34 Bild 11:Viktning av underkriterier inom huvudkriterier i kategorien läge enligt parjämförelse metoden. Bild 13:Slutliga vikter av huvud- och subkriterier i kategorien läge. En modell för Multikriterieanalys 15

16 Byggbarhet Attraktivitet Byggbarhet 1 1 Attraktivitet 1 1 Byggbarhet Mark Infrastuktur Mark 1 1 Infrastuktur 1 1 Slutliga vikter 0,5 0,5 Slutliga vikter 0,5 0,5 Attraktivitet Slutliga vikter Klimat Sammanhanget Klimat 1 1 0,3 Sammanhanget 1 1 0,3 Störningar ( Minus värde) 0 0-0,3 Bild 14:Viktning av Huvud- och underkriterier i kategorien plats Värdesättning av faktorer Eftersom kriterierna baseras på närhet till en plats eller anläggning behövs en faktor för att minska viktningsvärdet när avståndet till ett kriterium ökar. De avgörande faktorerna i MKA modellen har värdesatts enligt följande principer: Varje faktor ges ett värde mellan 1-4 där: 1 = Dålig 2= Mindre bra 3= Bra 4= Mycket bra Värdesättning för gångavstånden baseras delvis på optimala och acceptabla avstånden enligt bild 12 Värdesättning för cykelavstånden baseras på antaganden att medelcykelhastigheten är 18 km/timme och att 15 minuter är den högsta acceptabla restiden med cykel till LTU i Luleå eller Bild 15:Värdesättning av faktorer som relaterar till kriteriet : Närhet till LTU. Närhet till Universltet ( Restid vs Färdsätt ) 1. Restidszoner till LTU- Gång Zon zon 1 zon 2 zon 3 zon m m m > 1500 m Poäng Poäng Mycketbra Bra Mindre bra Dålig 2. Restidszoner till LTU- Cykel Zon zon 1 zon 2 zon 3 zon m m m > 4500 m Poäng Poäng Mycketbra Bra Mindre bra Dålig 2. Restidszoner till LTU- Buss Zon zon 1 zon 2 zon 3 zon min min min > 25 min Poäng Poäng Mycketbra Bra Mindre bra Dålig Centrum. Det innebär att Närhet områdena till Centrum med ett ( Restid Faktorer vs Färdsätt som relaterar ) till kriterier i kategorin avstånd över 4500 m till LTU eller Centrum får en plats värdesätts enligt en grov bedömning av poäng på 1 som motsvarar Dålig. jordarter, närhet till befintliga VA ledningar, närhet 1. Restidszoner till LTU- Gång Värdesättning för restider med buss baseras till befintliga vägar, närhet till högtrafikerade zon 1 zon 2 zon 3 zon 4 på antaganden att Zon högsta acceptabla restiden vägar, osv m m m > 1500 m med buss är 25 minuter med tanke på att Luleå Bilder visar värdesättningar för faktorer Poäng är en liten ort. inom kategorien läge. Poäng Mycketbra Bra Mindre bra Dålig 16 En modell för Multikriterieanalys 2. Restidszoner till LTU- Cykel zon 1 zon 2 zon 3 zon 4 Zon m m m > 4500 m Poäng

17 2. Restidszoner till LTU- Buss zon 1 zon 2 zon 3 zon 4 Zon 0-10 min min min > 25 min Poäng Nya studentbostäder 4 i Luleå Poäng Mycketbra Bra Mindre bra Dålig 1. Restidszoner till LTU- Gång Zon zon 1 zon 2 zon 3 zon m m m > 1500 m Poäng Poäng Mycketbra Bra Mindre bra Dålig 2. Restidszoner till LTU- Cykel Zon zon 1 zon 2 zon 3 zon m m m > 4500 m Poäng Poäng Mycketbra Bra Mindre bra Dålig 2. Restidszoner till LTU- Buss Zon zon 1 zon 2 zon 3 zon min min min > 25 min Poäng Poäng Mycketbra Bra Mindre bra Dålig Närhet till service (daglig handel och sport -Gångavstånd) 1. Restidszoner till daglig service-hnadel- Gång zon 1 zon 2 zon 3 zon 4 Zon m m m> 1500 m Poäng Poäng Mycketbra Bra Mindre bra Dålig Bild 16:Värdesättning av faktorer som relaterar till kriteriet : Närhet till service och Centrum. Närhet till Centrum ( Restid vs Färdsätt ) Enkätundersökning För att testa den framtagna MKA modellen med tillhörande kriterier och respektive viktningar genomfördes en enkätundersökning. Syftet med undersökningen var att redovisa studenters vanor, behov och vad studenterna själva tycker är viktigt att ha nära till. Jämförelser gjordes även för att se om beteendet skiljde sig beroende på årstid och var man bodde. Studenterna fick även själva skriva vad de tyckte var bra och dåligt med de olika studentbostadsområdena och var de själva skulle välja att bygga bostäder. 68 studenter tillfrågades och av dem bodde 82 % i studentlägenhet. Minst 10 personer från varje studentbostadsområde valdes ut för att delta i enkätundersökningen för att se om det fanns avvikelser i beteende beroende på var studenterna bodde. Förutom att ta sig till och från LTU så är de tre orsakerna som redovisas i cirkeldiagrammen (Bild 18) de huvudsakliga funktioner som studenter nyttjar relativt ofta. De flesta studenterna handlar matvaror flera gånger i veckan och tränar 2-3 gånger i veckan. I genomsnitt åker studenterna in till centrum några gånger i månaden och i huvudsak för shopping och nöje. Detta En modell för Multikriterieanalys 17

18 Bild 17:Cirkeldiagram som visar hur ofta studenterna använder viktiga funktioner. stämmer överens med resultatet av svaren på frågan då studenterna fick välja vad de tycker att det är viktigt att ha nära till. Förutom det uppenbara att det är viktigt att ha nära till LTU så tycker studenterna att det är viktigt att ha nära till matbutik och gym. När de sedan fick skriva fritt vad de vill ha nära till så var närhet till andra studenter något som ofta nämndes. Studenterna fick även svara på frågan om vilka områden de skulle kunna tänka sig bo på. De fick en lista över 10 områden inom vilka det fanns potentiella tomter att bygga på och ombads att markera de områden de skulle kunna tänka sig bo på. Som sammanställningen visar så kunde de förutom centrum tänka sig bo i områden nära LTU. De fick även rangordna samma områden efter hur attraktiva de tycker de är att bo på. Varje område skulle poängsättas från 1-10 där 1 var mest attraktivt. Poängen slogs sedan ihop och ett snitt räknades ut för respektive område. Det enda som skiljer från resultatet av frågan om var man kunde tänka sig bo var att centrum tappade en placering. I båda tabellerna är det Porsön, Klintbacken, Centrum och Björkskatan som tydligt står ut. Det blir i båda tabellerna ett tydligt hopp efter dessa fyra områden. Porsön, Klintbacken och Centrum bildar tillsammans en axel mellan LTU och centrum och många av de funktioner som studenterna värderar högt finns nära i områdena. Att etablera studentbostäder längs denna axel är något som är i enighet med både Universitetets och kommunens vilja i syfte även att minska det upplevda avståndet mellan LTU och centrum. Att även Björkskatan hamnar i topp beror på att det ligger nära universitetet och att det redan finns studentbostäder där till skillnad från industriområdet som ligger nära men saknar befintliga studentbostäder och därför tappar lite i attraktivitet. 18 En modell för Multikriterieanalys

19 Överlag var skillnaden i åsikter och beteende mellan de olika områdena väldigt liten. Det fanns en viss tendens att man anpassade sina vanor efter närhet till olika funktioner. Bodde man nära ett gym tränade man oftare medan de som bodde nära en matbutik handlade oftare. Detta är dock inget som är unikt för studenterna i undersökningen utan är snarare ett normalt mänskligt beteende. Vidare så var även studenternas val av färdsätt logiskt. De som bodde nära gick i stor utsträckning medan de som hade längre cyklade. På vintern var det vanligt att cyklisterna hellre valde att gå eller i de fall det var möjligt tog buss. Sammantaget kan man säga att studenter med lång kötid som har möjlighet att välja område väljer att bo på Lillön. Detta troligtvis på grund av närheten till både LTU, matbutik och gym. Bild 18:Hur viktigt studenter tycker att det är att ha nära till olika funktioner. En modell för Multikriterieanalys 19

20 Bild 19:Områdena som studenter skulle kunna tänka sig att bo på. Bild 20:Rangordning av redovisade områden i enkätundersökning enligt studenternas svar. 20 En modell för Multikriterieanalys

21 4.TILLÄMPNING AV MULTIKRITERIEANALYSEN I detta kapitel redovisas först ett antal möjliga platser i Luleå för studentbostäder. Sedan utvärderas föreslagna tomter och poängsätts enligt den framtagna MKA modellen från kapitel 3. Föreslagna tomter, som är främst på kommunal mark, har utvalts enligt följande kriterier: 1. Markens lutning ska vara under 20 % som är högsta rekommenderade lutning för byggbar mark. En terrängmodell har bildats i GIS för att identifiera sådana områden. 2. Tomternas storlek ska vara mer än 2000 kvm. Denna storlek har bedömts som en minimum tomtstorlek som möjliggör byggande av ett studentbostadshus med tillhörande anläggningar. 3. Det ska inte finnas någon kraftledning på tomten som måste flyttas. 4. Utvalda tomter ska inte ligga i något naturre- servat eller motsvarande. 5. Tomterna har utvalts i områden inom max en halv timmes bussresa från LTU. Bild på följande sidor redovisar underlag och olika analyser av möjliga tomter enligt MKA modellen. Analyserna bygger på följande antaganden: Gång- och cykelavståndszoner har identifierats manuellt och enligt en grov bedömning med hjälp av GIS. Bussrestidszoner är ungefärliga och har skapats med hjälp Luleå lokaltrafiks hemsida (llt. lulea.se). Restiderna har räknats från hållplats till hållplats och inte dörr till dörr. Eftersom LTU:s campus är ett stort område, har alla avstånd räknats från biblioteket som ligger nästan mitt i campus. Med Luleå centrum menas korsningen mellan Tillämpning av Multikriterieanalysen 21

22 Smedjegatan och Storgatan. Storheden som är ett externt handelsområde har inte räknats som service på grund av att de föreslagna tomterna har mer eller mindre samma avstånd till detta område. I analysen närhet till service: sport har medräknats träningslokaler, friluftsområden och sporthallar. 22 Tillämpning av Multikriterieanalysen

23 P1 P4 P2 P3 P5 P9 P8 Bj1 P6 P7 P10 Bj2 T4 T3 T2 P15 P14 P11 P12 P13 Bj8 Bj4 Bj5 Bj3 Bj6 T1 S.v2 Bj10 Bj9 Bj7 M3 S.v2 B.v2 B.v1 M2 B.v5 S.v1 B.v3 Kr2 B.v4 M1 Kr1 Kr3 Kr5 Kr4 K.b2 S.h1 K.b1 H1 S.h2 H2 C1 B.n1 B.n2 Bild 21:Lutningskarta LUTNINGSKARTA 0,00-1,00 1,00-2,15 2,15-4,64 4,64-10,00 10,00-21,50 21,50-46,40 46,40-100,00 100, ,00 > 1000, M EVENTUELLA TOMTER Tillämpning av Multikriterieanalysen 23

24 Bild 22:Utvalda möjliga tomter 24 Tillämpning av Multikriterieanalysen

25 Bild 23:Gångavståndszoner till LTU och Centrum. Tillämpning av Multikriterieanalysen 25

26 Bild 24:Cykelavståndszoner till LTU. 26 Tillämpning av Multikriterieanalysen

27 L o k a l i s e r i n g s u t r e d n i n g f ö r P1 P2 P3 P4 P5 P9 P6 LTU P11 Bj2 P12 P15 T3 T2 T4 P14 P10 P7 Bj1 P8 Bj3 Bj8 P13 Bj4 Bj5 Bj9 T1 S.v3 Bj6 Bj7 Bj10 M3 B.v1 S.v2 M2 B.v5 B.v2 S.v1 B.v4 Kr2 Kr1 Kr3 M1 B.v3 B.n2 H1 B i l d 2 5 : Restidszoner, buss. S.h2 H2 B.n1 K.b2 K.b1 C1 S.h1 CENTRUM Kr4 Kr5 RESTIDSZONER TILL LTU KOLLEKTIV TRAFIK 0-5 MINUTER 5-10 MINUTER MINUTER MINUTER > 25 MINUTER EV. TOMTER BUSSHÅLLPLATSER LLT:S BUSSLINJER M RESTIDERNA ÄR UNGEFÄRLIGA OCH I RESTIDEN INGÅR INTE GÅNGTID TILL OCH FRÅN HÅLLPLATSER. Tillämpning av Multikriterieanalysen 27

28 Bild 26:Restidszoner till Centrum, cykel. 28 Tillämpning av Multikriterieanalysen

29 L o k a l i s e r i n g s u t r e d n i n g f ö r P1 P2 P4 P3 P5 P9 P6 LTU P12 Bj3 Bj4 Bj5 Bj9 T1 S.v2 Bj6 Bj7 Bj10 M3 Bj1 Bj8 P13 Bj2 P15 T3 T2 P11 P14 T4 P10 P7 Bj1 P8 B.v1 S.v2 M2 B.v4 Kr2 Kr1 Kr3 M1 B.v3 S.v1 B.v2 RESTIDSZONER TILL CENTRUM KOLLEKTIV TRAFIK B i l d 2 7 : Restidszoner till Centrum, buss. B.n2 H1 S.h2 B.n1 H2 C1 K.b2 K.b1 S.h1 CENTRUM Kr4 Kr5 0-5 MINUTER 5-10 MINUTER MINUTER > 15 MINUTER EV TOMTER BUSSHÅLLPLATSER LLT:S BUSSLINJER M RESTIDERNA ÄR UNGEFÄRLIGA OCH I RESTIDEN INGÅR INTE GÅNGTID TILL OCH FRÅN HÅLLPLATSER. Tillämpning av Multikriterieanalysen 29

30 Bild 28:Gångavståndszoner till matbutiker. 30 Tillämpning av Multikriterieanalysen

31 Bild 29:Gångavståndszoner till sport/träningslokaler. Tillämpning av Multikriterieanalysen 31

32 Bild 30:Vägkarta som visar möjligheten för trafikmatning till utvalda tomter. 32 Tillämpning av Multikriterieanalysen

33 Bild 31:Huvudledningar ( VA och dagvatten) i Luleå. Tillämpning av Multikriterieanalysen 33

34 Bild 32:Karta över jordarter i Luleå. 34 Tillämpning av Multikriterieanalysen

35 L o k a l i s e r i n g s u t r e d n i n g f ö r P1 P2 P3 P4 P5 P9 Bj1 P8 P6 P10 P7 Bj2 LTU P11 P14 T4 Bj3 P12 P13 P15 T3 T2 Bj8 Bj4 Bj5 Bj9 S.v3 T1 Bj6 Bj7 Bj10 M3 B.v1 S.v2 M2 B.v2 B.v5 S.v1 B.v3 B.v4 Kr2 Kr1 Kr3 M1 Kr4 Kr5 S.h1 K.b2 K.b1 H1 H2 S.h2 C1 B.n1 B.n2 TRAFIKMÄNGDER-2011 B i l d 3 3 : Trafikmängder på huvudvägar i Luleå kommun. <1000 fordon fordon fordon fordon >15000 fordon M MÖJLIGA TOMTER Tillämpning av Multikriterieanalysen 35

36 5.RESULTAT OCH DISKUSSION I detta kapitel samanställs värdena från samtliga kriterier till en slutlig poäng för varje tomt i både kategorier läge och plats. Sedan rangordnas de utvalda tomterna enligt sina slutliga poäng. Rangordningen som är det slutliga resultatet av MKA modellen diskuteras och några rekommendationer för kommunens framtida planeringsarbete med studentbostadsfrågor formuleras. Bild 34 till 37 visar samtliga poäng för varje tomt samt rangordning av lämpliga områden och tomter för studentbostäder i Luleå. Resultat Slutresultaten av denna studie bekräftar till stora delar resultaten från tidigare liknande studier, delvis refererade här. Det viktigaste vid lokalisering av studentbostäder, är att de resurser som studenten värderar högst i vardagslivet finns på nära håll. Dessa nyckelresurser är undervisningslokaler, livsmedelsförsäljning och träningslokal. Centrumfunktioner prioriteras i de flesta fall lägre. Diskussion Den metodik som använts i denna studie kan naturligtvis ifrågasättas. MKA-analys syftar till ett ge en helhetsbild av ett lokaliseringsproblem. Antalet relevanta komponenter i ett sådant problem är oftast relativt stort. Alla antaganden, vikter, osv kan ändras utifrån andra antaganden eller förutsättningar. Samtidigt finns ej ett enda facit, utan det är analyssituationen som styr vilka värden som bör stoppas in i MKA-modellen. Metoden är därför helt öppen till sin natur. Samtidigt gör mångfalden faktorer och den tillhörande komplexiteten det svårt att kritiskt granska en 36 Resultat och diskussion

37 Närhet till Universltet ( Restid )- 60% Närhet till Service 40% Eventuella tomter Gång- 50% (30%) Bus- 35% (21%) Cykel-15% (9%) Daglig /Veckovis service 60% ( 24%) Vecko-Månadvis Service/Centrum 40% ( 16%) Zon Poäng Zon Poäng Zon Poäng Gång- 30% (5%) Bus- 30% (5%) Cykel-40% (6%) Sltutlig poäng Total-A Hnadel 60% (14%) Sport och fritid 40 % (10%) Total-B Total-C Zon Poäng Zon Poäng Zon Poäng Zon Poäng Zon Poäng Porsön P1 1 0,3 4 0,84 3 0,27 1,41 1 0, ,096 0,24 1 0, , ,064 0,208 1,858 P2 2 0,6 4 0,84 4 0,36 1,8 1 0, ,096 0,24 1 0, , ,064 0,208 2,248 P3 2 0,6 4 0,84 4 0,36 1,8 1 0, ,096 0,24 1 0, , ,064 0,208 2,248 P4 2 0,6 4 0,84 4 0,36 1,8 1 0, ,096 0,24 1 0, , ,064 0,208 2,248 P5 2 0,6 4 0,84 4 0,36 1,8 1 0, ,192 0, , , ,064 0,208 2,344 P6 3 0,9 4 0,84 4 0,36 2,1 1 0, ,192 0, , , ,064 0,208 2,644 P7 4 1,2 4 0,84 4 0,36 2,4 3 0, ,384 0, , , ,064 0,208 3,424 P8 3 0,9 4 0,84 4 0,36 2,1 3 0, ,288 0,72 1 0, , ,064 0,208 3,028 P9 3 0,9 4 0,84 4 0,36 2,1 3 0, ,288 0,72 1 0, , ,064 0,208 3,028 P10 3 0,9 4 0,84 4 0,36 2,1 3 0, ,288 0,72 1 0, , ,064 0,208 3,028 P11 3 0,9 4 0,84 4 0,36 2,1 3 0, ,288 0,72 1 0, , ,064 0,256 3,076 P12 2 0,6 4 0,84 4 0,36 1,8 2 0, ,192 0,48 1 0, , ,064 0,208 2,488 P13 2 0,6 4 0,84 4 0,36 1,8 2 0, ,192 0,48 1 0, , ,064 0,208 2,488 P14 3 0,9 4 0,84 4 0,36 2,1 1 0, ,192 0, , , ,128 0,272 2,708 P15 2 0,6 1 0,21 4 0,36 1,17 1 0, ,096 0,24 1 0, , ,128 0,224 1,634 Björkskatan Bj1 1 0,3 1 0,21 3 0,27 0,78 1 0, ,192 0, , , ,064 0,208 1,324 Bj2 1 0,3 1 0,21 3 0,27 0,78 2 0, ,192 0,48 1 0, , ,064 0,16 1,42 Bj3 1 0,3 1 0,21 3 0,27 0,78 2 0, ,192 0,48 1 0, , ,064 0,16 1,42 Bj4 1 0,3 1 0,21 3 0,27 0,78 4 0, ,192 0, , , ,128 0,32 1,868 Bj5 1 0,3 1 0,21 3 0,27 0,78 3 0, ,192 0, , , ,128 0,32 1,724 Bj6 1 0,3 1 0,21 3 0,27 0,78 2 0, ,384 0, , , ,128 0,32 1,772 Bj7 1 0,3 1 0,21 3 0,27 0,78 2 0, ,384 0, , , ,128 0,32 1,772 Bj8 1 0,3 1 0,21 3 0,27 0,78 3 0, ,096 0, , , ,128 0,224 1,532 Bj9 1 0,3 1 0,21 3 0,27 0,78 2 0, ,096 0, , , ,128 0,224 1,388 Bj10 1 0,3 1 0,21 3 0,27 0,78 1 0, ,096 0,24 1 0, , ,128 0,224 1,244 Kronan Kr1 1 0,3 1 0,21 2 0,18 0,69 1 0, ,096 0,24 1 0, , ,192 0,384 1,314 Kr2 1 0,3 1 0,21 2 0,18 0,69 1 0, ,192 0, , , ,128 0,32 1,346 Kr3 1 0,3 1 0,21 2 0,18 0,69 1 0, ,192 0, , , ,128 0,32 1,346 Kr4 1 0,3 1 0,21 2 0,18 0,69 1 0, ,192 0, , , ,128 0,32 1,346 Kr5 1 0,3 1 0,21 2 0,18 0,69 1 0, ,096 0,24 1 0, , ,128 0,32 1,25 Skurholmen S.h1 1 0,3 1 0,21 1 0,09 0,6 1 0, ,096 0,24 1 0, , ,192 0,384 1,224 S.h2 1 0,3 1 0,21 1 0,09 0,6 2 0, ,192 0,48 1 0, , ,192 0,384 1,464 Kvarmbäcken K.b1 1 0,3 1 0,21 1 0,09 0,6 2 0, ,096 0, , , ,128 0,32 1,304 K.b2 1 0,3 1 0,21 1 0,09 0,6 2 0, ,192 0,48 1 0, , ,128 0,32 1,4 Hertsön H1 1 0,3 1 0,21 1 0,09 0,6 2 0, ,192 0,48 1 0, , ,128 0,32 1,4 H2 1 0,3 1 0,21 1 0,09 0,6 2 0, ,096 0, , , ,128 0,32 1,304 Centrum C1 1 0,3 2 0,42 1 0,09 0,81 3 0, ,288 0,72 2 0, , ,256 0,544 2,074 Bergnäset B.n1 1 0,3 2 0,42 1 0,09 0,81 2 0, ,096 0, , , ,192 0,432 1,626 B.n2 1 0,3 2 0,42 1 0,09 0,81 3 0, ,096 0, , , ,192 0,432 1,77 Bergviken 0 B.v1 1 0,3 4 0,84 3 0,27 1,41 2 0, ,384 0, , , ,192 0,384 2,466 B.v2 1 0,3 4 0,84 3 0,27 1,41 3 0, ,384 0, , , ,192 0,384 2,61 B.v3 1 0,3 4 0,84 3 0,27 1,41 4 0, ,384 0,96 1 0, , ,192 0,384 2,754 B.v4 1 0,3 4 0,84 3 0,27 1,41 4 0, ,384 0,96 1 0, , ,192 0,384 2,754 B.v5 1 0,3 4 0,84 3 0,27 1,41 4 0, ,384 0,96 1 0, , ,192 0,384 2,754 Skutviken S.v1 1 0,3 4 0,84 3 0,27 1,41 3 0, ,288 0,72 1 0, , ,192 0,384 2,514 S.v2 1 0,3 4 0,84 3 0,27 1,41 2 0, ,384 0, , , ,192 0,384 2,466 S.v3 1 0,3 4 0,84 4 0,36 1,5 1 0, ,288 0, , , ,128 0,32 2,252 Mjölkudden M1 1 0,3 4 0,84 3 0,27 1,41 3 0, ,288 0,72 2 0, , ,256 0,544 2,674 M2 1 0,3 4 0,84 3 0,27 1,41 4 0, ,288 0, , , ,192 0,432 2,706 M3 1 0,3 1 0,21 3 0,27 0,78 2 0, ,384 0, , , ,128 0,272 1,724 Tuna T1 1 0,3 1 0,21 3 0,27 0,78 3 0, ,384 0, , , ,128 0,272 1,868 T2 1 0,3 1 0,21 3 0,27 0,78 3 0, ,096 0, , , ,128 0,272 1,58 T3 1 0,3 1 0,21 3 0,27 0,78 3 0, ,096 0, , , ,128 0,272 1,58 T4 1 0,3 1 0,21 3 0,27 0,78 2 0, ,096 0, , ,064 0,112 1,276 Bild 34:Slutliga poäng för varje tomt i kategorien läge. Resultat och diskussion 37

38 Bild 35:Rangordning av områden för studentbostäder i kategorien läge 38 Resultat och diskussion

39 Bild 36:Slutliga poäng för varje tomt i kategori plats Byggbarhet Attraktivitet Summa Möjliga Mark- 50% Infrastruktur- 50% Klimat- 30% Beb.förut - 30% Störningar-30% poäng tomter Total Total Zon Poäng Zon Poäng Zon Poäng Zon Poäng Zon Poäng Zon Poäng per tomt Porsön P P P P P P P P P P P P P P P Björkskatan Bj Bj Bj Bj Bj Bj Bj Bj Bj Bj Kronan Kr Kr Kr Kr Kr Skurholmen S.h S.h Kvarnbäcken K.b K.b Hertsön H H Centrum C Bergnäset B.n B.n Bergviken B.v B.v B.v B.v B.v Skutviken S.v S.v S.v Mjölkudden M M M Tuna T T T T Resultat och diskussion 39

40 Bild 37:Rangordning av föreslagna tomter i kategorien plats. 40 Resultat och diskussion

41 tillämpning av metoden men det är inte heller avgörande för de slutliga samlade resultaten exakt vilka detaljerade antaganden som görs för enskilda faktorer i analysen. Den slutliga samlade bilden av lokaliseringsförutsättningar är ofta relativt stabil gentemot förändringar av antaganden m m i enskilda kriterier. Rekommendationer 1. De olika aktörerna bör arbeta vidare med framtida planering av studentbostäder på ungefär samma sätt som tidigare. Det behövs inga stora förändringar i nu rådande arbetssätt. 2. Utnyttja MKA-modellen för att strukturera utredningsarbetet om en större utredning ska göras i framtiden. Uppdatera/aktualisera då modellen för de tomter som ska jämföras med relevanta kriterier, vikter, etc. 3. Kommunen bör ha en nära dialog med byggherrar såväl som studenter i planeringsprocesser. 4. Prioritera geografiskt de centrala delarna av Porsön samt Bergviken vid diskussion om nya tomter för byggande av studentbostäder i Luleå tätort. Resultat och diskussion 41

42 6.REFERENSER 1. LTU 2012: Årsredovisning 2012 för Luleå Tekniska Universitet: 2. SFS 2013: SFS bostadsrapport 2013, Sveriges förenade studentkårer Stockholm 2013: 3. Studentbostadsföretagen 2013: Studboguiden: En genomgång av studentbostadssituationen på landets största studieorter 4. Studentbostadsföretagen 2013: Hur studenter vill bo, 5. City of Whitehorse 2011: Student Accommodation Guidelines uploads/docs/student%20accomodaton%20 Guidelines.pdf 6. City of Monash 2009: Guide to Student Accommodation in Monash, pdftext/studentacommguideadopted.pdf 7. City of Wakefield 2000, Guidelines for Providing Journeys on Foot 42 Referenser

43 field.gov.uk/nr/rdonlyres/933d93bd d-09f41ec6a174/0/60493_mm5.pdf Analysis.pdf 8. City of Newcastle 2007, Interim Planning Guidance on: Purpose Built Student Housing legacy/regen/ldf/ipg_main_text.pdf 9. Scarborough 2004, Student accommodation: Supplementary Planning Guidance STUDENT%20ACCOMODATION.pdf 10. Naturvårdsverket 2009, Multikriterieanalys (MKA) för hållbar efterbehandling av förorenade områden Pruth, Magnus 2005, Jämförande analys av AHP och NPV som beslutsstödjande modeller vid investerningsbedömning. Handelshögskolan. 12. Department for Communities and Local Government: London 2009, Multi-criteria analysis: a manual. Bilagor 43