Sammanfattning av valideringsresultat ARBETSMATERIAL

Sammanfattning av valideringsresultat ARBETSMATERIAL. 2018-03-19

Denna rapport är framtagen av trafikanalysföretaget M4Traffic AB på uppdrag av Trafikverket Region Väst. Beställare: Trafikverket, Region Väst Rapportförfattare: Kristina Schmidt m.fl. 2

1 Bakgrund och syfte... 4 2 Befolkning och befolkningsutveckling i prognoserna... 5 2.1 Inledning... 5 2.2 Nattbefolkning... 5 2.3 Antal arbetsplatser... 6 2.4 Bilinnehav... 7 2.5 Fördelning av arbetsplatserna på Hisingen... 7 3 Antal resor och färdmedelsfördelning 2014... 9 3.1 Modellerade resor... 9 3.1.1 Göteborgsområdet... 9 3.1.2 Halland... 11 3.1.3 Värmland... 12 3.2 Tilläggsmatriser... 13 3.2.1 Långväga resor... 13 3.2.2 Tung trafik... 13 3.2.3 Yrkestrafik med personbil... 13 3.2.4 Anslutningsresor till flyg... 13 4 Tillkommande infrastruktur i 2040 års prognos... 14 4.1 Vägobjekt... 14 4.2 Järnvägsobjekt... 14 5 Trafik och trafikutveckling... 16 5.1 Vägtrafikarbete per län... 16 5.2 Resande i Göteborgsregionen... 17 5.3 Älvsnittet i Göteborg... 18 5.4 Kontroll av nya versioner av basprognoserna... 18 6 Slutsatser och fortsatt arbete... 19 6.1 Behov av samordnad utveckling... 19 6.2 Under åtgärd att tänka på vid användande... 19 6.2.1 Nulägesprognos... 19 6.2.2 Prognos 2040... 20 BILAGA Kollektivtrafikandelar till Hisingen... 21 BILAGA Handelsresor... 22 BILAGA Framtagning av flyganslutningsresor... 24 3

Trafikverket tar vartannat år fram nya basprognoser, detta i syfte att med utgångspunkt från beslutad politik beskriva dels nuläget och dels framtiden i transportsystemet. För Region Väst är basprognosen ett viktigt verktyg i det löpande arbetet. Det är därför av vikt att basprognosen håller hög kvalitet och ger en rättvisande och trovärdig bild av såväl trafiksystemet idag som den förväntade trafikutvecklingen. Basprognosen används dels som underlag för strategiska analyser och för att bedöma hur trafiken och framkomligheten i vägtrafiksystemet kommer att utvecklas, dels för att analysera effekten av enskilda infrastrukturåtgärder. Tidigare validering av basprognosen för Sampers Västmodellen har konstaterat att en genomgripande kvalitetssäkring behöver göras. Uppdraget är indelat i två delar. Den första delen syftar till att få en bättre bild av basprognosens styrkor och svagheter genom en fördjupad validering och analys av prognosen, rätta mindre fel och eventuellt föreslå förbättringsförslag inför att den nya basprognosen släpps 1 april 2018. Den andra delen syftar till att utföra känslighetsanalyser för fördjupad förståelse för modellen. Utifrån analysen genomförs ett kalibreringsarbete med syfte att få till en basprognos av hög kvalitet. Uppdraget avser översyn av basprognosen för såväl 2014 som 2040. Därefter utförs analys av olika alternativa framtidsscenarier. Uppdragets fokus är på Stor-Göteborg. Det övergripande syftet med uppdraget är bland annat att: Öka kvaliteten, tillförlitligheten och effektiviteten vid analyser inom projekt. Bättre kunna relatera till andra aktörers trafikprognoser. Ta fram förbättringsförslag till nästa basprognos (2020). Ta fram underlag för strategiska analyser av framkomlighet och kapacitetsutnyttjande i regionen samt för bristanalys. Denna delrapport sammanfattar resultat från arbetet med valideringen av basprognoserna. För mer detaljerad redovisning och avstämning av trafikflöden för nuläget (2014) hänvisas till valideringsrapport från oktober 2017. 4

Indatatabellerna i Sampers innehåller en mängd uppgifter om befolkningen och dess sammansättning, sysselsatta i olika näringsgrenar samt andra uppgifter som driver resandet, t ex bil- och körkortsinnehav. För 2014 är det fråga om statistiska uppgifter. För 2040 gäller en prognos framtagen av SCB. I detta kapitel redovisas några viktiga parametrar från tabellerna och hur de förväntas utvecklas i framtiden. År 2014 hade Västra Götalands län 1 612 000 invånare, varav 531 700 bodde i Göteborgs kommun. Halland hade 306 500 invånare och Värmland 274 000. Antalet arbetsplatser i Västra Götaland totalt var 734 000, varav 308 700 i Göteborg. I Hallands län fanns 124 000 arbetsplatser och i Värmland 111 000 arbetsplatser. Figur 1 Länsvis befolkningsutveckling region Väst År 2040 så har antalet invånare i Västra Götalands län ökat från 1 612 000 till 1 818 000 vilket motsvarar en ökning med 13 %. Göteborg ökar med 23 %. Hallands län ökar invånarna från 307 000 till 365 000 och antal arbetsplatser ökar med 25 %. Slutligen är förändringen i Värmlands län en minskning på 4 procent och antal arbetsplatser ökar med 2 %. Diagrammet nedan visar antalet arbetsplatser och boende per kommun i Göteborgsregionens (Storgöteborg) 13 kommuner samt Varberg och Trollhättan. 5

Figur 2 Procentuell befolkningstillväxt i Göteborgsregionens kommuner Den genomsnittliga befolkningstillväxten ligger på något över 20%. I Kungsbacka, Partille, Härryda, Göteborg och Ale kommuner förväntas högre befolkningstillväxt än så. Ö-kommunerna Öckerö och Tjörn förväntas få liten respektive negativ befolkningstillväxt. Kvoten mellan arbetstillfällen och boende är 0,46 i Västra Götaland och 0,40 i såväl Halland som Värmland. Tabellen nedan visar samma kvot för de olika kommunerna i Göteborgsregionen. Figur 3 Antal arbetsplatser per boende GR samt Trollhättan och Varberg för 2014 och 2040. Variationen mellan kommunerna i Göteborgsområdet är stor. Flest arbetsplatser per boende, 0,6, finns i Mölndal, tätt följt av Göteborg, medan kvoten är låg i kommuner som Lerum, Ale och Öckerö. Ingen stor förändring avseende denna kvot förväntas ske till 2040 i någon av kommunerna. 6

Beträffande bilinnehavet visar statistiken 510 bilar per 1 000 invånare i Värmland, 415 i Västra Götaland och 487 i Halland. I Göteborgsregionen ligger Göteborgs kommun lägst med strax under 300 bilar per 1 000 invånare. Kranskommunerna Mölndal, Partille och Härryda ligger på 400 medan kommunerna Lilla Edet och Tjörn har mer än 500 bilar per 1 000 invånare. Figur 4 Bilinnehav per 1000 invånare, rangordnat GR +Trollhättan och Varberg. I modellen antas detta ligga still mellan 2014 och 2040 Bilinnehavet per capita ligger på samma nivå 2040 som idag. Det är också så det för närvarande är definierat i modellen. Ungefär en tredjedel av Göteborgs arbetsplatser finns på Hisingen. Arbetsplatsernas fördelning på Västra och centrala Hisingen illustreras i bilden nedan med en stapel för 2014 och en för 2040. 7

Figur 5 Dagbefolkning per område på Hisingen 2014 och 2040 Ett problem som identifierats är att dagbefolkningen i SAMS-data koncentreras till vissa områden. Volvo Torslanda-verken, de höga staplarna ungefär i mitten av bilden ovan, är en stor arbetsplats både till yta och antal anställda. Nästan alla anställda i modellen har hamnat i ett enda av de fyra eller sex delområden som finns i Sampers. I verkligheten är arbetsplatserna fördelade i de olika områdena. Ytterligare ett problem är att det är känt att det pågår en större omflyttning av Volvos anställda på Hisingen som inte fångas i SCB:s befolkningsprognos. 8

I detta kapitel redovisas modellresultat för 2014 på en övergripande nivå. Resultaten jämförs med tillgängliga resvaneundersökningar på en övergripande nivå. För vidare redovisning av resultat och avstämning mot flöden hänvisar vi till rapporten Validering av nulägesprognos Väst171005. Resvaneundersökningen 2014 (RVU 2014), var en nationell resvaneundersökning som genomfördes av myndigheten Trafikanalys. Denna RVU genomfördes med ett utökat underlag för Göteborgsregionen, vilket har presenterats i en separat rapport. Undersökningen är baserad på ett förstärkt underlag om cirka 18 600 urvalspersoner i åldern 15 till 84 år boende i Göteborgsregionen. Av dessa svarade nästan 7 000 personer, vilket motsvarar en svarsfrekvens på 37 procent. Det geografiska området som täcks in i RVU:n redovisas nedan. Figur 6 Geografiskt område för utökad RVU, 2014 Nedanstående diagram visar det totala antalet resor med bil- och kollektivtrafik som startar i de olika kommunerna. 9

Figur 7 Antal resor med bil och koll. Avser vardagsresande. Med reservation för att modell och rvu av några olika skäl inte är helt jämförbara så tycks det finnas en tendens till överskattning av antalet resor i modellen, åtminstone för bil+koll. Nästa diagram visar färdmedelsandelar i hela rvu-området. Figur 8 Färdmedelsandelar i RVU-området, modell och undersökning Även om överensstämmelsen av färdmedelsandelarna är ganska bra på denna aggregerade nivå så finns en tendens till överskattning av kollektivtrafikandelen. Samtidigt underskattas gång- och cykelresandet. Kollektivtrafikandel i de olika kommunerna i rvu-området redovisas i nedanstående bild. Kollektivtrafikandelen är beräknad som räknas i detta fall som kollektivresor genom kollektivresor + bilresor, och tar alltså inte hänsyn till det stora antalet resor som sker till fots eller med cykel. 10

Figur 9 kollandel bil+ koll. Modellen överskattar i t ex Kungälv, Lerum, Mark, Mölndal och Vårgårda, medan det i Göteborg och närkommuner ser ganska bra ut. Här gör modellen relativt kraftiga överskattningar i t ex Borås, Kungälv, Mark, Stenungsund, Tjörn och Vårgårda. I några kommuner, som Ale, Härryda, Partille och Öckerö underskattas kollandelen. Det är svårt att se mönster för vilka kommuner som avvikelserna är stora. Dock följer modellen verkligheten på det sättet att den visar hög kollektivtrafikandel där det är det i verkligheten och låg där få åker kollektivt. Resandet i Halland har jämförts mot resvaneundersökningen 2014 1. RVU:n avser i första hand kommunerna Falkenberg, Hylte, Laholm och Varberg. Totalt gör invånarna i Falkenbergs, Hylte, Laholms och Varbergs kommuner två resor per invånare på en dag, men i modellen beräknas 2,65 resor per dag, så även här ses en överskattning från modellen. Färdmedelsandelarna överensstämmer ganska bra, vilket man kan se i nedanstående diagram. 1 Titel: Så reser hallänningarna - Resvaneundersökning Halland 2014. Redaktör: Katja Vuorenmaa Berdica, WSP Sverige AB 11

Figur 10 färdmedelsandelar Halland Resvaneundersökningen i Värmland från 2014 2 säger att det genomfördes 2,6 resor per person och dag. Modellen beräknar 2,4 personer per dag så här avviker mönstret med överskattning av resor. Färdmedelsfördelningen i RVU och SAMPERS jämförs i nedanstående figur Figur 11 Färdmedelsfördelning RVU och modell, Värmland Man ser en tendens till att modellen överskattar kollektivtrafikandelen i Värmland där bilanvändandet är generellt högt. 2 ATTITYD-OCH RESVANEUNDERSÖKNING I VÄRMLAND 2014. SWECO 2015. 12

Resor som inte modelleras av den regionala modellen hanteras som s k tilläggsmatriser i riggningen. De läses in och läggs ut tillsammans med övriga resor. Långväga resor definieras som resor över 10 mil. Dessa resor, som vanligen inte görs dagligen, körs fram i nationella modellen. De långväga resorna för bil som berör Väst läggs in i modellen genom disaggregering från områdesindelningen i den nationella modellen till områdesindelningen i den regionala. Långväga resor utgör i modellen i storleksordningen 10% av de resor som går över kommungränsen till Göteborg. 8% av personresorna över kommungränsen med start eller mål i Göteborg + genomfart. Observera att siffran inte inbegriper yrkestrafik med tungt eller lätt fordon. Långväga resor med kollektivtrafik hanteras inte i den regionala modellen, utan endast i den nationella. Tung trafik är uppdelade på lastbilar med släp som också oftast är långväga, och lastbilar utan släp som innefattar även distributionstrafik. För flödesjämförelser för denna typ av trafik se valideringsrapporten från oktober 2017. I modellen utgörs totalt ca 33% av trafiken på betalsnittet av yrkestrafik. 10% är lastbilar och 23% avser yrkestrafik med personbil. Yrkestrafik i SAMPERS-modellen utgörs av samtliga näringslivets transporter och kan avse t ex budbilar, hantverkare, utryckningsfordon, hemtjänst mm. Transportstyrelsens sammanställning från år 2013 visar att 42% av passagerna över betalsnittet utfördes av fordon ägda av juridiska personer. Fordon ägda av företag kan utgöra yrkesfordon men inbegriper också alla leasingbilar som ägs av företag men används av privatpersoner, tex tjänste- och förmånsbilar. Om man antar att sådana tjänstebilar utgör i storleksordningen 10% så verkar andelen yrkestrafik med personbil ha hamnat i rätt härad. SAMPERS hanterar enbart huvudresor varför anslutningsresor till t ex pendelparkeringar, järnvägsstationer och flygplatser inte modelleras. Då ett flertal utredningar under de kommande åren kommer att beröra stråket kring väg 40 mot Borås är anslutningsresorna till Landvetter flygplats intressanta att ha med i modellen. 13

Allmänna och ekonomiska förutsättningar för basprognoserna beskrivs i andra dokument. Nedan listas de infrastrukturobjekt som tillkommer i modellen 2014 och 2040 och har kodats in i trafiknätet för väg respektive järnväg. Objekten motsvaras av objekt enligt Trafikverkets planförslag 2018 2029 samt enligt föreslagna regionala planer. Kollektivtrafikplaner och kommunala projekt har generellt inte kodats in. E20 i Västra Götaland, ett flertal sträckor: Alingsås-Vårgårda Förbi Hova, Mariestad, Skara samt Vårgårda Götene Mariestad Tollered-Alingsås Vårgårda-Vara Vägobjekt i Göteborg som kodats in är: Sisjömotet Utbyggnad av Södra Hisingsleden och Halvors länk Marieholmstunneln med trängselskatt Hisingsbron och överdäckning E45 Mårten Krakow. Observera att den sk Bangårdsviadukten ingår i Hisingsbrons anslutningar på södra sidan. Trängselskattesystemet är kompletterat med det sk Backaundantaget Vägobjekt i regionala planer v161 Rotvik-Bäcken V168 Tjuvkil V 535 Bårhult-Åstebo (endast idag färdigställda delar är inkodade) V 41 Sundholmen-Björketorp V 160 Säckebäck-Varekil V49 Axvall Varnhem V 41 Fritsla-Kråkered V49 Skövde-Igelstorp I järnvägsnätet förutsätts följande objekt vara byggda och trafikerade i prognosen: Västlänken med stationer Olskroken planskildhet Varberg dubbelspår/tunnel Värmlandsbanan, ökad kapacitet 14

Hamnbanan och Marieholmsbron (ingen persontrafik) Vändspår Älvängen V:a Stambanan, uppställningsspår V:a Stambanan, Laxå-Alingsås högre kapacitet 15

Diagrammet nedan visar modellerat trafikarbete per län i regionen år 2014 samt för 2040 beräknat i ny basprognos samt i basprognosen för 2040 som gäller från 2016-04-01. Figur 12 Vägtrafikarbete per län i Region Väst. Läge 2014, samt 2040 i ny prognos jämfört med tidigare basprognos Man kan konstatera att skillnaden mellan prognosen för 2040 från 2016 och den från 2018 inte går att se på en aggregerad nivå. I Halland förväntas trafikarbetet öka med 36%, i Västra Götaland med 29% och i Värmland med 21%. 16

Figur 13 Antal startande resor i Göteborgsregionens kommuner 2014 och 2040. Avser vardagsdygn. Antalet startande resor i Göteborgsregionens kommuner beräknas öka med 23% för bil, 34% för kollektivtrafik samt med 15% för övriga resor. Det innebär att färdmedelsandelen ligger konstant på 55% för bil, ökar från 21 % till 22% för koll och minskar från 24% till 23% för övriga resor. Fördelat per kommun ser resandeökningen ut som i nedanstående figur. Figur 14 Resandeökning per kommun i Göteborgsregionen Resandeökningen följer befolkningsutvecklingen. I Ale, Göteborg, Härryda, Kungsbacka, Lerum och Partille ökar resandet mer än genomsnittet. 17

Bilar över älvsnittet i Göteborg är en bra indikator på hur trafiken i Göteborg utvecklas. Till 2040 ersätts Göta Älvbron med Hisingsbron och Marieholmstunneln tillkommer. Utvecklingen redovisas i nedanstående bild. Figur 15 Trafikflöde på älvsnittet i Göteborg 2018 och 2040. Avser vardagsdygn. Antalet fordon över älven beräknas öka med 31% eller över 60 000 fordon per vintervardag mellan 2014 och 2040. Den trafiklösning som planeras för nya Hisingsbron verkar medföra en stor ökning på denna centrala bro. Detta är oväntat och antagligen inte önskvärt, men beror på hur anslutningarna är kodade.. Den nya Marieholmstunneln får i prognosen 40 000 fordon per vardagsdygn. Den nya versionen av basprognosen tycks inte ha medfört några större förändringar i resultaten. 18

Valideringen har visat att Sampers återskapar resandemängder och färdmedelsfördelning för 2014 på ett rimligt sätt. Jämfört med resvaneundersökningar tycks det finnas en tendens till överskattning av det totala resandet samtidigt som kollektivtrafikandelen är hög. Vd-funktionerna verkar vid lite högre flöden ge för långa restider på vägar med hög standard medan det problemet inte finns på stadsgator, utan där är tendensen att restiderna blir för korta. Detta orsakar för höga flöden på stadsgatorna men för låga på lederna. Resandet på tåg utgör en liten del av resandet i Göteborgsregionen men valideringen pekade på att modellen överskattar resandemängderna på regional- och pendeltåg. Principerna kring kodning av anslutningar till övrigt nät och centroider (skaftning) behöver ses över. Riktningsfördelning över älven, dvs att det går fler fordon till Hisingen än därifrån på morgonen, återskapas av modellen men är avsevärt mindre tydlig i modellen än i verkligheten. Problemet kan delvis hänga ihop med de problem som beskrivs nedan men det kan också finnas andra förklaringar, till exempel ha att göra med den så kallade snittkalibreringen. Timandelar och ärendefördelning behöver utredas/undersökas. Riggningen innehåller en del steg som kan vara överflödiga, inte har använts på ett tag och därför kan innehålla fel. Detta gäller främst standardmässiga resultatuttag. Dessa steg bör ses över, justeras eller tas bort. Befolkningsutveckling och trafikmängder i basprognosen för 2040 ser rimlig för ut på aggregerad nivå. Det är heller inga stora skillnader mot den basprognos för 2040 som gäller från 2016. Flödena på Söder och Västerleden samt Älvsborgsbron är alldeles för låga. Några olika tänkbara orsaker har identifierats och håller på att utredas för åtgärd. Arbetet med de två första punkterna redovisas i bilaga. Kollektivtrafikandelen till västra Hisingens arbetsplatser verkar vara högre än i verkligheter. Handelsresandet på Söder-Västerleden underskattas För lite trafikalstring i arbetsområdena i hamnområdena? Vd-funktionerna fördelar trafiken till andra vägar (Dag Hammarskjöldsleden, E6) Vid användning av modellen för objektanalyser bör man alltid tänka på att se över kodning i objektets influensområde. Kända problem är t ex: Vid Volvo Torslandaverken hamnar nästan all trafikgenerering i ett samsområde. Modellen överskattar trafiken på E45 norr om Jordfallsbron. Modellen används ofta för kapacitetsbedömningar. Sampers genererar resor per dygn och timtrafiken skapas genom att man tar ut andelar ur de olika ärendematriserna. Dessa andelar bör ses över och anpassas till verkliga förhållanden i Göteborg. Vd-funktionerna ger ibland fel kapacitet och hastigheter, vilket också påverkar ruttval. Flyganslutningsresor kan bli viktiga i flera framtida analyser. Ett arbete med att ta fram nya sådana pågår och redovisas kort i bilaga. 19

I prognosen för 2040 är fördelningen av vägtrafik över älvsnittet mycket osäker. Arbete med utformning av anslutningar av Hisingsbron är inte klart i detalj. Det kan också hända att skyltning och målning i anslutningarna till Tingstadstunneln och Marieholmstunneln påverkar vägvalet. Kodningen i modellen får justeras när man blir mera säker på hur det ska bli. Justering av kodningen av anslutningen vid Hisingsbrons södra sida är under utarbetande och det bör snart finnas en justeringsfil för detta att tillgå. De infrastrukturobjekt och trafiksystemsförändringar som kodats in i modellen avser Trafikverkets planförslag samt regionala planer som de såg ut i augusti 2017. Planerna kan förändras och man bör också ha i minnet att det utöver detta finns projekt som beslutas och finansieras utanför planerna som inte är inkodade i modellen. 20

Resandet med kollektivtrafik till arbetsplatser på Hisingen tycks överskattade jämfört med undersökningar som Västtrafik gjort. Figuren nedan visar hur arbetsresor med målpunkt på västra och centrala Hisingen fördelar sig på bilresande( mörkblå stapel) och kollektivtrafik (ljusblå stapel). Den totala resmängden för det visade området är ca 35 000 resor, varav drygt 12000 till Volvo Torslandaverken. Figur 16. Karta över kollektivtrafikandelar jämfört mot bilresor (resor med bil inte antal bilar). Mörkblå staplar är bilresor och ljusblå med I Tabell 1 så visas antal resor som har målpunkt för utsnittet samt den största målpunkten på Hisingen. Tabell 1. Sammanställning över antal resor för utsnittet och största målpunkten från utsnittet. Hela utsnittet Största målpunkten Bil Koll Bil Koll Antal resenärer 20 420 15 043 7 979 4 394 21

Antalet resor till handelscentrum underskattas i Sampers. Det är ett känt problem och ger i närheten av dessa områden stora underskattningar av trafikflödena på länkarna. Frölunda torg i Göteborg är ett handelsområde med ca 55 000 kvm handelsyta. Enligt schabloner för trafikalstring till handelscentrum som finns framtagna av Trafikkontoret i Göteborg skulle ett köpcentrum av Frölunda Torgs storlek attrahera någonstans mellan 7 500 och 15 000 fordonsrörelser per riktning och dag, dvs mellan 15 000 och 30 000 fordonsrörelser totalt per dag. Sampers attraherar 980 fordonsrörelser per riktning och dygn för övrigt resande till Frölunda torg, dvs knappt 2 000 fordonsrörelser totalt. I SAMS-databasen till Sampers finns en tabell som heter SAMSExtraAttraktion där det finns möjlighet att markera områden som extra attraktiva av olika anledningar. T ex att området har ett sjukhus, universitet, handelsområde eller att området är ett turistmål. För handel finns det tre olika kategorier vad gäller handel som man kan markera området med, dessa är: Större Köpcentra Större Marknad Större Marknader I tabellen kan man markera ett eller flera av dessa för ett område, vilket då ger en ökad attraktion för handelsresor till området. Oavsett om man markerar en av dessa, två av dessa eller alla tre så blir resultat detsamma. Vid ett test för Frölunda torg så markerades området i SAMS-databasen som Större Köpcentra. Det gav ett tillskott av resor till området med cirka 50 fordonsrörelser per dygn. Dvs 100 fordonsrörelser i båda riktningarna. Att markera en av dessa gav alltså bara ett marginellt tillskott av resor om målvärdet ligger någonstans mellan 15 000 och 30 000 fordonsrörelser i båda riktningarna. Utöver att markera ett område som t ex Större Köpcentra i tabellen finns även möjlighet att sätta en faktor kopplat till markeringen Större Köpcentra som då ökar attraktionen ytterligare för handelsresor till området. I exemplet med Frölunda torg ansattes en faktor 5 till Större Köpcentra för att komma upp nivåer på resandet som trafikalstringstalen pekar på som rimliga. Vid ansättning av en faktor 5 så attraheras ca 8 800 fordonsrörelser till Frölunda torg, dvs ca 17 600 fordonsrörelser totalt per dag. Ett arbete gjordes sedan att ta fram målvärden för antalet bilrörelser till de större köpcentrumen i Göteborgsområdet (Frölunda Torg, Allum, Sisjön/Högsbo, Kållered, Backaplan och Bäckebol) utifrån kände eller uppskattade ytor för handeln och utifrån alstringstal. Efter det makerades Större Köpcentra i tabellen SAMSExtraAttraktion och en iterativ process påbörjades med att köra om Sampers med olika faktorer för dessa områden för att komma så nära målvärdet som möjligt. De faktorer som behövde ansättas för områdena för att uppnå målvärdet låg mellan 4 och 7. När målvärdena hade nåtts för respektive område kunde konstateras att överenstämmelsen mot trafikräkningar generellt blev bättre lokalt, men även total över hela Göteborgsområdet. Dessa tester gjordes först för nuläget 2014. Efter det ansattes samma faktor för områdena i 2040- modellen. Vid testet med 2040-modellen och samma faktorer som i 2014-modellen gav flera av handelsområdena orimligt många fordonsrörelser till områdena. För de områden som fick orimliga resultat hade dagbefolkning förändrats markant i 2040 jämfört med 2014. Det tyder på att attraktionen till ett område i första hand styrs av dagbefolkningen när man använder sig av SAMSExtraAttraktion. Förändras dagbefolkningen så kan inte samma faktorer för SAMSExtraAttraktion användas och ge rimliga resultat. Det gör också att det inte går att kalibrera in dessa faktorer för ett nuläge och sedan applicera dessa på ett prognosår, t ex 2040. Testerna visar ändå att det går att använda SAMSExtraAttraktion för att kalibrera in nivåerna för antalet fordonsrörelser till köpcentrum i ett nuläge. Däremot går det inte att använda 22

SAMSExtraAttraktion för prognosåren utan att riskera orimliga resultat. Förslagsvis används SAMSExtraAttraktion för att generera separata tilläggsmatriser för handelsresor som i nuläget kan läggas till som de är och för prognosåren får justeras utifrån tillgänglig kunskap om förändringen av handelsområdena och dess storlek. 23

Syftet med denna bilaga är att beskriva de förutsättningarna som låg till grund för att plocka fram anslutningsmatriser för flygtrafiken till och från Landvetter. Swedavia har bistått med en RVU som innehåller sampel från resor till, via och från Landvetter. Utöver reseinformationen innehåller data hemmahörande land, postnummer samt hur dessa reste. För att homogenisera data från RVU för skapandet av andelsmatriserna behövdes kategorierna matchas mot de ärenden som finns i SAMPERS. Även i färdmedelsvalet behövdes det matchning för att homogenisera. I Tabell 2 och Tabell 3 anges de kategorier som framgick ur RVUn och hur dessa matchades mot sin respektive SAMPERS-kategori. Tabell 2. Matchning mellan Swedavias RVU och ärende i SAMPERS RVU-kategorisering av ärende Leisure; Friends/relatives Leisure; Tourist Business; Meeting Business; Conference/Exhibition Business; Other business Leisure; Other personal Business; Work commute Ärende matris Övrigt Övrigt Tjänste Tjänste Tjänste Övrigt Arbete Tabell 3. Matchning i färdmedelsvalet mellan RVU och SAMPERS. Means of transportation Färdmedelsval Kommentarer Private car, that returned Bil Behöver justeras med beläggningsgrad Airport coach/bus Göteborg Buss Flight, for transfer purposes Flyg Ej med i regionala modellen Taxi/limo Bil Behöver justeras med beläggningsgrad Swebus Buss Rental car Bil Behöver justeras med beläggningsgrad Private car, parked Bil Behöver justeras med beläggningsgrad Flight, for purposes at the airport, Flyg e.g. conference, meeting etc Hotel at the airport Gång Other (eg. by foot, bicycle, Annat Ej med i SAMPERS scooter, motorbike) Other bus Buss Beläggningsgraden för färdmedelsvalet bil. Detta på grund av att det finns variationer av hur man faktiskt åker till flygplatsen. Bland annat är skiljer sig t ex taxi och parkera sin bil. 24

Att analysera resor för postnummer är en svårighet i sig och dessutom nyckla på det sätt som önskades för detta uppdrag och för denna uppgift. Ett av huvudproblemen är att postnummerområden inte matchar med SAMS-områden då det är olika indelningar med olika användningsområden. Men man kan generellt säga att stora postnummerområden renderar stora SAMS-områden. Ett annat problem är att vissa postnummer inte har någon klar geografisk förankring då enskilda företag eller myndigheter kan ha helt egna postnummer. För djupare beskrivning se PM flyganslutningsmatriser Landvetter. För att använda sig av postnummer har en nyckel tagits fram. Den är baserad på överlappningen av de geografiska områden som postnummer och SAMS-områden. Nyckeln representerar alltså hur stor andel av ett SAMS-område består av postnummerområde. Detta innebär också att man inte använder sig av befolkningstyngdpunkterna för att beräkna hur stor andel av ett postnummerområde som matchar ett SAMS-område. Tabell 4. Ett sampel av den nyckel som producerades. Ett postnummers andel för respektive samsområde. För att kunna nyttja andelsmatriserna i sin helhet så bör man arbeta med fördelningar. Dessa fördelningar finns listade i Tabell 5 till Tabell 7. Det finns ett antal antaganden som behövs göras då datat inte medger vissa typer av aggregeringar eller sammanställningar. Ett exempel är att eftersom det inte framgår vad för resmål man har, inte heller var man kom ifrån så blir det problematiskt att fördela ut resorna i SAMPERS. Det som är säkert i data är framförallt ärendet och färdmedlet, utöver detta behövs det antaganden för att bryta ner till en finare områdesfördelning. 25

Tabell 5. Relaterar hur stor andel av den totala mängden resenärer som tillhör en given kategori. Turist Turist Utanför Utanför Innanför Innanför Tjänste Övrigt Tjänste Övrigt Tjänste Övrigt Bil 4 246 3 283 1 295 2 250 3 249 6 966 Buss 970 2 127 250 905 520 2 045 Andelar Bil 14,4% 11,2% 4,4% 7,7% 11,0% 23,7% Buss 3,3% 7,2% 0,9% 3,1% 1,8% 7,0% Tabell 6. Sammanställning över hur fördelning per ärende bör göras med vilken typ av fördelning i länet. Andel svenska tjänsteresenärer utanför upptagningsområde, turister tjänstresenärer Andel övrigtresenärer utanför upptagningsområde ink. turister Andel resenärer inom Antal andel Fördelningstyp 7 011 23 % Dagbefolkning i upptagningsområde 8 809 30% Nattbefolkning i upptagningsområde 12 838 44% Egna matriser upptagningsområde Arbetsresor som ej skall fördelas 750 3% Fördelas av SAMPERS Totalt 29 408 100% Tabell 7. Absoluta tal och andelar som reser med respektive färdmedel. Alla Turister Härrörande utanför upptagningsområde Härrörande innanför upptagningsområde Bil 21 881 7 741 11 374 10 507 Buss 6 952 3 149 4 327 2 625 Flyg 243 153 235 8 Gång 250 179 204 46 Annat 82 64 76 6 Andelar Bil 74,4% 26,3% 38,7% 35,7% Buss 23,6% 10,7% 14,7% 8,9% Flyg 0,8% 0,5% 0,8% 0,0% Gång 0,9% 0,6% 0,7% 0,2% Annat 0,3% 0,2% 0,3% 0,0% De antaganden som ligger bakom själva matriserna utgår i grund från de begränsningar som beror av hur RVUn är uppställd. Den största begränsningen är att det är hemmahörande postnummer som skrivits upp. Inte var personen i fråga stannade i Göteborg. Den andra stora bristen är utländska resenärer. Dessa har endast med hög sannolikhet besökt Sverige inom Västra Götalandsregionen med den högsta koncentrationen kring Göteborgs kommun. Detta gör att vissa antaganden behövs göras. Det antas att de resor som ingår i RVUn som påbörjas utanför kärnområdena i modellen 26

egentligen avslutas inom kärnområdena. På det här viset undviks t ex resor som påbörjas i Umeå inte åker till Landvetter med bil för att sedan ta flygplanet från Landvetter till Umeå. En sådan resa är orimlig. För att förenkla analysen så görs det nämnda antagandet. Ett annat antagande är att resor som påbörjas utanför kärnområdena generellt är ej signifikanta i mängd och kommer därför inte modelleras. De resenärer som går att fördela ut enligt dagbefolkning är individer som ej har svenskt postnummer. Detta torde innebära att de har kommit från utlandet. Oavsett går det ej spåra härkomst. Andra typer av resenärer som bör fördelas enligt dagbefolkning är alla de tjänsteresenärer som har ett postnummer utanför Västra Götalandsregionen. Turistresor och tjänsteresor antas ha samma målområden. Därför bör andelsmatrisen baseras storlek på dagbefolkningen inom Göteborgs kommun. För att modellera de resor som inte inkluderas i RVUn på adekvat sätt för SAMPERS kompletteras upp med att skapa andelsmatriser med hjälp av SAMS-data. Man använder sig då av nattbefolkningen för övrigtresor och dagbefolkning för tjänsteresenärer. Dessa resor antas göras av framförallt turister. Arbetsresor till och från Flygplatsen ingår redan i SAMPERS och kommer därför inte ingå i andelsmatriser. Tas de nämnda aspekterna in så kan samtliga relevanta matriser kategoriseras enligt nedanstående fördelning. Denna fördelning används direkt på Swedavias prognos för att få ut antal resor för varje enskild matris. Tabell 8 - Fördelning enligt dagbefolkning Fördelning enligt nattbefolkning Postnummer tjänstefördelning Postnummer övrigtfördelning Bil 5 541 5 533 3 249 6 966 Buss 1 220 3 032 520 2 045 Andelar Bil 18,8% 18,8% 11,0% 23,7% Buss 4,1% 10,3% 1,8% 7,0% Det är inte självklart hur de framtagna tilläggsmatriserna skall implementeras i SAMPERS. Skall de dessutom hanteras i SAMKALK blir det riktigt komplicerat. Olika alternativ är fortfarande under utredning Idag är anslutningsresorna inlagda i den nationella modellen som en fast matris (endast järnväg). Ett alternativ är att använda sig av funktionen att lägga till matriserna som tilläggsmatriser genom att välja det tillvalet när körning görs. Detta skapar också problem eftersom de timandelar som defaultsmässigt används i SAMPERS modellen inte alls motsvarar de verkliga timandelarna för flyganslutningsresor: Ett ytterligare alternativ är att inkorporera matriserna i själva körningen 3 Hur implementationen skall ske är inte helt klart 3 Kan göras på olika sätt 27