RAPPORT. Effektbeskrivning av underhåll belagda vägar med HDM-4. Underlagsrapport till ny Nationell plan i åtgärdsplaneringen

Datahantering Analysverktyg Vägnät Fordon HDM Åtgärder Konfig. Projekt Program Strategi Filkonverterare Överföra data till externa system Grunddata Vägnät Fordon Åtgärder Projekt Program Strategier Modeller Externa system Databaser, PMS, etc. RAPPORT Effektbeskrivning av underhåll belagda vägar med HDM-4 Underlagsrapport till ny Nationell plan i åtgärdsplaneringen 2018-2029 2017-05-03 1

Titel: Effektbeskrivning av underhåll belagda vägar med HDM-4 Underlagsrapport till ny Nationell plan i åtgärdsplaneringen 2018-2029 Redaktör: Johan Lang WSP Sverige AB Besöksadress: Arenavägen 7 121 88 Stockholm-Globen Tel: 08-688 60 00, Fax: 08-688 69 99 Email: info@wspgroup.se Org nr: 556057-4880 Styrelsens säte: Stockholm www.wspgroup.se Omslagsbild: Johan Lang, WSP

Förord HDM-4 är ett välutvecklat programpaket som ursprungligen utvecklades av Världsbanken. Idag förvaltas HDM-4 av PIARC (World Road Association). HDM-4 utvecklades primärt för tillämpning i tropiska och sub-tropiska omgivningar men har delvis anpassats till kallare klimat. Tillämpning av HDM-4 kräver likväl att de i systemet ingående modellerna anpassas till svenska förhållanden. Även om HDM-4 är välutvecklat så är programvaran inte anpassad till dagens IT, utan det finns kapacitetsbrister. Följande rapport visar resultatet av en kalibrering och tillämpning av HDM-4 på ett svenskt vägnät för en analysperiod av 12 år. Rapporten är framtagen av: Johan Lang (uppdragsledare) WSP Samhällsbyggnad

Innehåll SAMMANFATTNING... 9 1 BAKGRUND OCH SYFTE...11 1.1 Bakgrund...11 2 UPPDRAG...12 3 FÖRUTSÄTTNINGAR...12 4 GENOMFÖRANDE...13 4.1 Tillgång till PMS-data...13 4.2 Förberedelse för konvertering till HDM-4...14 4.3 Konvertering av svenska data till HDM-4 data...19 4.4 Konfigurera i HDM-4...21 4.5 Analysera med HDM-4...34 4.6 Körning i HDM-4...37 5 FÖRVÄNTADE RESULTAT...42 6 RESULTAT...43 6.1 Underskattning av åtgärdskostnader och nyttor...43 6.2 Resultatfiler...43 6.3 Resultat av analys av lönsamhet...44 6.4 Resultat från valt scenario...47 7 DISKUSSION...49 8 REKOMMENDATION...50 9 REFERENSER...51

Figurförteckning Figur 1 Flöde vid konvertering av svenska PMS-data till HDM-4... 18 Figur 2 Visning av data i HDM-4... 20 Figur 3 Inmatning av gränsvärden för åtgärd i HDM-4... 22 Figur 4 Inmatning av åtgärdseffekt i HDM-4... 22 Figur 5 Exempel: tillståndförändring av åtgärd... 26 Figur 6 Grunddata... 27 Figur 7 Kostnader för fordon... 28 Figur 8 Egenskaper hos fordon... 28 Figur 9 "Workspace" i HDM-4... 37 Figur 10 HDM-4 analys steg 1 Ange förutsättningar... 38 Figur 11 Analys i HDM-4 2 steg 2 - Specificera alternativ... 38 Figur 12 Analys i HDM-4 steg 3 - Generera strategier... 39 Figur 13 Analys i HDM-4 steg 4 Optimering... 39 Figur 14 Analys i HDM-4. Rapportgenerator... 40 Figur 15 Analys i HDM-4. Generera rapporter översikt... 41 Figur 16 Analys i HDM-4. Generera rapporter. Tillståndsförändring per scenario... 41 Figur 17 Exempel 1 på tillståndsutveckling för en sträcka... 41 Figur 18 Exempel 2 på tillståndsutveckling för en sträcka... 42 Figur 19 Förändring av längsgående ojämnheter... 49 Figur 20 Förändring av spårdjup... 49 Tabellförteckning Tabell 1 Finansiella åtgärdskostnader kr/m 2 (2014 års priser)... 23 Tabell 2 Ekonomiska åtgärdskostnader kr/m 2 (2014 års priser)... 24 Tabell 3 Ansatta gränsvärden i HDM-4... 24 Tabell 4 Ansatta gränsvärden för spår för spårlagning i HDM-4... 24 Tabell 5 Ansatta gränsvärden för IRI då spårlagning inte är acceptabelt i HDM-4... 25 Tabell 6 Ansatta gränsvärden för lappa och laga i HDM-4... 25 Tabell 7 Ansatta gränsvärden för halvvarm eller varm massabeläggning i HDM- 4... 25 Tabell 8 Ansatta gränsvärden för rekonstruktion i HDM-4... 25 Tabell 9 Ansatta åtgärdseffekter för spår... 27 Tabell 10 Ansatta åtgärdseffekter för IRI... 27 Tabell 11 Fördelning mellan olika fordonstyper... 29 Tabell 12 Kostnader för Lastbil utan släp (Lbu) baserat på ASEK... 30

Tabell 13 Kostnader för Lastbil med släp (Lbs) baserat på ASEK... 30 Tabell 14 Kostnader personbil i yrkestrafik (Pby) baserat på ASEK 6... 32 Tabell 15 Kostnader personbil i tjänstetrafik (Pbt) baserat på ASEK 6... 33 Tabell 16 Kostnader personbil i privattrafik (Pbp) baserat på ASEK 6... 33 Tabell 17 Andra fordonsspecifika data... 34 Tabell 18 Sammanställning av beräkningar av nettonuvärdeskvot... 46 Tabell 19 Fördelning av kostnader per år och vägklass... 47 Tabell 20 Fördelning av kostnader per År och trafikklass... 47 Tabell 21 Fördelning av längder per År och vägklass... 48 Tabell 22 Fördelning av längder per År och trafikklass... 48

Sammanfattning Under 2011 genomförde Trafikverket en begränsad test av HDM-4 (Highway Design and management) i Sverige. En brist i denna test var att de analysmodeller som ingår i HDM-4 inte kalibrerats till svenska förhållanden. De modeller som är mest aktuella att kalibrera är: Nedbrytningsmodeller (deterioration models) Effekt av åtgärd (works effect models) Effektsamband (Road User Effects Models) HDM-4 är ett välutvecklat system men programvaran inte anpassad till dagens IT, utan det finns kapacitetsbrister. För att kunna använda HDM-4 för ett svenskt vägnät krävs därför först att svenska data anpassas och importeras i HDM-4. Detta innebär att: Tillgängliga svenska variabler översätts till korresponderande HDM-4 variabler Antalet sträckor måste kraftigt reduceras för att HDM-4 ska klara av att analysera. Denna reduktion måste samtidigt anpassas så att informationsmängden är representativ för ett svenskt vägnät. I det fortsatta arbetet har HDM-4 konfigurerats för analys. Detta innebär att: Nedbrytningsmodeller har kalibrerats för HDM-4 Svenska fordon har kalibrerats för HDM-4 Effektmodeller har kalibrerats till svenska effektsamband. Kostnader för olika effekter baseras på ASEK6. Gränsvärden för åtgärder baseras på Trafikverkets underhållsstandard. Åtgärdseffekter baseras på uppföljning av tidigare uppnådda effekter. Åtgärdskostnader är anpassade till svenska åtgärdskostnader, baserat på uppföljning av faktiska kostnader Analys i HDM-4 innebär att åtgärder optimeras med hänsyn till budgetrestriktioner. Budgetrestriktioner beskrivs i ett antal olika scenarios, där varje scenario har en maximal årlig budget. Som en ytterlighet analyseras även ett scenario med obegränsad budget. För varje scenario jämförs med ett jämförelsealternativ (JA) och en nettonuvärdeskvot (NNK) beräknas. Vid analys med HDM-4 underskattas alltid nyttan eftersom nytta enbart beräknas på effekter på längsgående ojämnheter. Det går därför inte att jämföra ett NNK beräknat från HDM-4 med NNK för investering utan enbart betrakta det som en jämförelse mellan olika scenarios. Beräknade kostnader i HDM-4 är totalt sett underskattade. Detta beror på att de tillståndsvariabler som analyseras i HDM-4 inte täcker allt tillstånd som påverkar åtgärd. Tidigare analyser har visat att mätta tillståndsdata till ca 60 % kan

kopplas till faktiska åtgärder. Följaktligen beror ca 40 % av åtgärderna på andra faktorer. Till viss del tas hänsyn till detta i HDM-4 bl. a genom simulering av sprickor och genom att skapa sträckor som bättre motsvarar faktiska åtgärdssträckor. En rekommendation är att betrakta siffrorna i HDM-4 som att de speglar 80 % av det verkliga behovet. Det innebär att samtliga summerade analysresultat ska divideras med 0.8 (eller multipliceras med 1.25) för att spegla verkligheten. En obegränsad budget visar ett orealistiskt budgetbehov initialt. Detta beror på att analysen speglar en omedelbar brist som strikt samhällsekonomiskt borde åtgärdas omedelbart. Behovet initialt är stort men skulle därefter kraftigt avta för att därefter succesivt öka. Strikt ekonomiskt skulle det därför vara bra att drastiskt öka budgeten för underhåll av belagda vägar för att därefter sänka budgeten drastiskt. Dock, detta skapar en inte önskvärd puls i systemet: Större behov kommer att återkomma periodiskt! Därför bör ett scenario med jämn budget och högst NNK eftersträvas. Genomförd analys visar att bästa scenario är en årlig kostnad för underhåll av det belagda vägnätet 2282 Mkr/år. Tar man hänsyn till att detta bara speglar 80 % av behovet är bästa budget: 2853 Mkr/år

1 Bakgrund och syfte 1.1 Bakgrund Under 2011 genomförde Trafikverket en begränsad test av HDM-4 (Highway Design and management) i Sverige. En brist i denna test var att de analysmodeller som ingår i HDM-4 inte kalibrerats till svenska förhållanden. De modeller som är mest aktuella att kalibrera är: Nedbrytningsmodeller (deterioration models) Effekt av åtgärd (works effect models) Effektsamband (Road User Effects Models) HDM-4 är ett välutvecklat system men programvaran inte anpassad till dagens IT, utan det finns kapacitetsbrister. För att kunna använda HDM-4 för ett svenskt vägnät krävs därför först att svenska data anpassas och importeras i HDM-4. Detta innebär att: Tillgängliga svenska variabler översätts till korresponderande HDM-4 variabler Antalet sträckor måste kraftigt reduceras för att HDM-4 ska klara av att analysera. Denna reduktion måste samtidigt anpassas så att informationsmängden är representativ för ett svenskt vägnät. I det fortsatta arbetet har HDM-4 konfigurerats för analys. Detta innebär att: Nedbrytningsmodeller har kalibrerats för HDM-4 Svenska fordon har kalibrerats för HDM-4 Effektmodeller har kalibrerats till svenska effektsamband. Kostnader för olika effekter baseras på ASEK6. Gränsvärden för åtgärder baseras på Trafikverkets underhållsstandard. Åtgärdseffekter baseras på uppföljning av tidigare uppnådda effekter. Åtgärdskostnader är anpassade till svenska åtgärdskostnader, baserat på uppföljning av faktiska kostnader I rapport Analyser inom drift- och underhållssidan på väg (2013) redovisas genomförande av anpassning av HDM-4 till svenska förhållanden. I detta projekt underlättades datahanteringen av att sedan tidigare bearbetat material kunde användas. I ett PM HDM-4 Förutsättningar för fortsatt utveckling redogjordes för förutsättningar för fortsatt utveckling baserat på tidigare utfört arbete. Efter 2013 har förutsättningar förändrats. Detta avser främst dataförsörjningen eftersom strukturen i Trafikverkets system ändrats, men också nya kostnadsdata.

2 Uppdrag Uppdraget innebär att arbeta med att bygga upp en förvaltning inom Trafikverket av verktyget HDM-4, ta fram en dokumentation och manual samt att genomföra vissa analyser med verktyget. 1. Förbereda för och genomföra införande av förvaltning av HDM-4 i Trafikverket. a. Uppdatera inför nya modellversioner (effektsamband, ASEKvärden, kostnader m.m.) och hålla modellen ajour med utveckling b. Bygga upp en förvaltningsstruktur 2. Ta fram en manual för HDM-4. a. En mycket detaljerad manual inklusive dokumentation finns redan, men utifrån denna och vad som krävs för analys och förvaltning ska en förenklad svensk version tas fram. 3. Genomföra analyser med HDM-4. 3 Förutsättningar De data som finns tillgängliga i Trafikverkets PMS utnyttjas. Tidigare utfört arbete med HDM-4 i Sverige utnyttjas. En given förutsättning för att genomföra uppdraget är tillgång till data från Trafikverkets PMS. Visserligen finns denna tillgång via ett webgränssnitt, men i gränssnittet kan en extern användare endast exportera data väg för väg. Det som behövs är en direkt export av nationella data från bakomliggande databaser. Ett alternativ är att hämta data via Lastkajen och externt Trafikverket skapa data i ArcGIS miljö För att skapa data som kan importeras till HDM-4 krävs datahantering utanför programvaran HDM-4. Det innebär att det troligtvis krävs en programutveckling för Trafikverkets IT-miljö. Denna programutveckling kan specificeras i detta projekt men inte genomföras. Att skapa körfiler för analys i HDM-4 programvara är tungt när datamängderna är stora. Därför skapas lämpligen körfiler utanför HDM-4. Dessa läses därefter in i programvaran. Det innebär att det troligtvis krävs en programutveckling för Trafikverkets IT-miljö. Denna programutveckling kan specificeras i detta projekt men inte genomföras.

Redovisning av resultat från analys med HDM-4 kan visserligen redovisas från programvaran, men eftersom det vid en nationell analys är stora datamängder blir detta tungt. Resultatfiler kan dock exporteras, men det krävs en efterbearbetning utanför HDM-4. Det innebär att det troligtvis krävs en programutveckling för Trafikverkets IT-miljö. Denna programutveckling kan specificeras i detta projekt men inte genomföras. 4 Genomförande Arbetet genomförs i följande steg: 1. Skaffa tillgång till PMS-data 2. Bearbeta PMS-data 3. Aggregering av data så att antalet sträckor reduceras 4. Konvertering av svenska data till HDM-4 databasstruktur 5. Göra ett slumpmässigt urval 6. Importera data i HDM-4 7. Ansätt kalibreringsfaktorer 8. Konfigurera alternativa åtgärder (typ av åtgärd, kostnader) 9. Konfigurera åtgärdskriterier 10. Konfigurera fordon 11. Konfigurera klimatzoner 12. Analysera med HDM-4 13. Analysera resultat 14. Redovisa resultat 4.1 Tillgång till PMS-data Det finns flera sätt att få tillgång till PMS-data: 1. Exportera data från PMSv3 via webgränssnitt. Detta är dock ohanterligt eftersom export sker per vägavsnitt som är max 100 km. Medför ett omfattande manuellt arbete. 2. Hämta data via Lastkajen. Detta görs i s.k. shapefiler som bearbetas vidare i Arc-GIS. Hämtning görs länsvis och är inte lika ohanterlig som punkt 1. Medför ett omfattande manuellt arbete. En synergi är att en analysdatabas för analys av historiska data kan skapas men det ligger utanför projektet. Det sistnämnda borde också klaras enklare med en expanderad lösning enligt punkt 3. 3. Skapa export direkt från PMSv3:s databaser. Innebär att en skräddarsydd lösning skapas men kräver arbete internt Trafikverket. Ur förvaltningssynpunkt är detta enda hanterbara lösningen. Dylik lösning bör kunna

integreras med kommande aktivitet med att bearbeta PMS-data och konvertera till HDM-4. (punkt 2-4) 4.1.1. Vald lösning Data från Lastkajen Via lastkajen kan data i form av s.k. shapefiler hämtas. Shapefiler är avsedda för GIS-program. Vägnätsdata har hämtats för hela Sverige, men kräver kompletteringar som hämtats länsvis (leverans kvalité, trafik mm). Mätdata och beläggningsdata hämtas länsvis. För både mät och beläggningsdata finns historik. Data läses in i Arc-GIS, exporteras till textfiler som läses in i SAS. I SAS bearbetas data. Totalt omfattar detta 205 filer Alla data slås ihop till en stor databas, Mätdata ligger här med 20-m intervall. All historik och alla variabler är inkluderade. Vägnätet delas in i homogena sträckor baserat på vägnätsdata och beläggningsdata. För varje homogen sträcka beräknas mätdata per 100 m. Det finns dock sträckor som är kortare än 100 m. Detta ger ca 8 500 000 observationer som inkluderar mätdatahistorik, beläggningshistorik, alla körfält, både värd och gästvägar. 4.1.2. Enkel linjär regression av spår och ojämnhet Detta görs enligt procedur beskriven i Prognosmodeller Enkel linjär regression av spår, ojämnhet och kantdjup (3). Proceduren används på 100-m sträckor där det finns mer än en mätning vid olika tidpunkter och där det finns trafikuppgifter. Med proceduren görs följande: 1. Skapa trendlinjer för tidsserier med mer än en mätning vid olika tidpunkter. Trendlinjerna beskrivs med ett initialvärde (a) och en beräknad årlig förändring (b) för resp. mätvariabel. 2. Kvalitetsgranskar trendlinjerna 3. Ansätter rimliga värden för sträckor där det finns en eller ingen mätning Proceduren medför att kortsiktiga prognoser kan göras för samtliga sträckor. Därmed är bortfallet av vägnät i analysen minimerat. 4.2 Förberedelse för konvertering till HDM-4 Innan data konverteras till HDM-4 görs ett antal förberedelser 4.2.1. Skapa data för senaste mätning 1. Den senaste mätningen selekteras per körbana. Dessa sträckor avser enbart körfält 10 och bara värdvägar. Det ger ca 880000 sträckor som omfattar 79400 km.

2. Efter tidigare utförd regressionsanalys har varje sträcka en ansatt prognosmodell utom när mätdata, trafikuppgift eller beläggningsdatum saknas. 3. En prognos görs fram till 31/12 2015 4.2.2. Städning och bortfallskomplettering av data Trafikverkets data har vissa kvalitetsbrister. Dessa brister medför vanligtvis inte några större problem med vid analys i HDM-4 behöver extremvärden automatiskt justeras så att extremvärden vid analys med HDM-4 kan undvikas. Likaså saknas vissa uppgifter som används vid konverteringen och i HDM-4. Här är valet att antingen exkludera dessa sträckor från analysen eller att bortfallskomplettera. I de fall där det är möjligt att bortfallskomplettera har det valts att göra detta. Det bör observeras att bortfallskomplettering görs då det bedöms att realistiska uppgifter kan införas och att det tillför analysen ett mervärde. Beläggningstjocklek: I region Väst förekommer extrema tjocklekar på upp till 25000 mm (25 m). Dessa förekommer på åtgärder från omkring 2000. HDM-4 accepterar max 1500 mm. Lösning maximera till 250 mm. Visserligen kan det förekomma tjockare åtgärder (redovisade) men eventuell överjustering har ingen betydelse för analyserna i HDM-4. Vägkategori I de fall uppgift om vägkategori saknas skattas denna baserat på vägnummer Europaväg: Vägnummer<50 Riksväg: Vägnummer 50-100 Primär länsväg: Vägnummer 100-500 Sekundär länsväg: Tillstånd Vägnummer>500 Alla sträckor har inte data om vägytans tillstånd. Detta förekommer exempelvis då åtgärd skett efter senaste mätning. Prognosmodellen i PMSv3 ansätter då värden. Trafik (ÅDT) En del sträckor saknar trafikuppgift. I detta arbete görs bortfalls komplettering. Denna görs genom att från kända data beräkna medianvärden per län och vägkategori (europavägar, riksvägar, primära länsvägar, sekundära länsvägar, SoTvägar) och använda detta då trafikuppgifter saknas. Tung trafik

Där trafik (ÅDT) saknas givetvis också uppgifter om tung trafik men uppgifter om tung trafik saknas ibland även trafik (ÅDT) finns. För att bortfallskomplettera beräknas, för varje sträcka (100m) där det tung trafik är större än 1, andelen tunga fordon av trafik (ÅDT). Medianvärden av denna andel beräknas per län och vägkategori. Där tung trafik saknas eller är 1 används medianvärden av tung trafik andel för att beräkna antalet tunga fordon. Vägbredd För vägbredd har ingen bra modell för bortfallskomplettering kunnat skapas. Saknas vägbredd exkluderas sträckan från analysen. Detta påverkar ca 4 % av totala antalet sträckor. Vägtyp För vägtyp har ingen bra modell för bortfallskomplettering kunnat skapas. Saknas vägtyp exkluderas sträckan från analysen. Detta påverkar ca 4 % av totala antalet sträckor och sträckorna sammanfaller helt med sträckor där vägbredd saknas. Vägtyp är enligt definition i NVDB (Motorväg, 2+1 väg, mormalväg etc.) 4.2.3. Trafik Vanligtvis beskrivs trafikuppgifter per väg och avser båda riktningarna. Detta är inget problem för normala tvåfälts vägar men har betydelse för flerfältsvägar. En normal väg representeras som en länk men en flerfältsväg av flera länkar (två). Eftersom trafikuppgifterna ligger länkvis så är uppgifterna inte jämförbara då man jämför en normal tvåfältsväg med en flerfältsväg. Detta kan exemplifieras med att då en tvåfältsväg övergår till flerfältsväg så sjunker trafiken. Detta är ett dilemma eftersom det å ena sidan påverkar nedbrytningen, å andra sidan påverkar gränsvärden för åtgärd. I analysen 2013 dubblerades trafiken på flerfältsvägar för att få jämförbarhet, men i analys 2016 har detta inte gjorts med motivet att detta inträffar i stort sett bara för högtrafikerade vägar där gränsvärden för åtgärd ändras mycket lite om trafiken dubbleras. Trafikuppgifter har olika mätår. För att få jämförbara trafikuppgifter görs en prognos från mätår till betraktelse år (2016) med antagandet om en årlig trafikökning på 1.5%. Samma ökning används för personbilar och lastbilar. 4.2.4. Aggregering av data så att antalet sträckor reduceras HDM-4 klarar inte stora antal sträckor. För att överhuvudtaget kunna köra HDM- 4 måste därför antalet sträckor reduceras. Aggregeringen görs i flera steg:

1. Dela in efter statiska variabler (länkar, vägnummer, länkroll, trafikmängd, vägbredd, skyltad hastighet). För trafik, vägbredd och skyltad hastighet sätts toleransgränser för att inte ex. erhålla en ny sträcka då trafiken ändras med ett fåtal fordon. Ju större tolerans desto färre sträckor totalt. a. Trafik: En avvikelse på 20 % tolereras. Om trafiken<125 eller >30000 fordon per dygn så medför ändrad trafik inte någon delning b. Vägbredd: En avvikelse på 20 % tolereras. Om vägbredden <5 m så medför ändrad vägbredd inte någon delning c. Skyltad hastighet: Eftersom hastigheten är diskret ansätts ingen toleransgräns men om hastigheten <50 km/h så medför ändrad hastighet inte någon delning 2. Dela in efter dynamiska variabler (tillstånd) a. Baserat på en metod i AASHTO Guide for Design of Pavement Structures (app. J Delineation)(3) bearbetas data. Metoden är etablerad och fungerar, men är inte perfekt. Metoden medför att längre sträckor skapas genom att analysera hur olika variabler varierar. Signifikanta förändringar innebär därmed en sträckdelning. 3. Generalisera till minsta längd a. En minsta längd på 300 m är ansatt. Sträckor som är kortare slås ihop med efterföljande. Detta kan ändå innebära att sträckor ex. i slutet på en väg kan bli kortare än 300 m. b. En längsta sträcklängd på 10000 m är ansatt. Det innebär att längre sträckor delas så att de inte blir längre än 10000 m. 4. Justera vissa administrativa uppgifter (beläggningstyp, åtgärdsår, vägkategori, leveranskvalitevägklass, vägtyp). För varje uppgift ansätts den vanligaste förekommande som gällande för hela sträckan. 5. Beräkna vissa uppgifter. För trafik, tung trafik, beläggningstjocklek, vägbredd beräknas medianvärden. För tillståndsvärden beräknas medelvärde, standardavvikelse, median.

PMS 100m data Dela in efter statiska variabler Dela in efter dynamiska variabler Generalisera till minsta längd Beräkna/ansätt representativa värden Figur 1 Flöde vid konvertering av svenska PMS-data till HDM-4 När man aggregerar måste även variablerna hanteras. Här kan man resonera på olika sätt för att skapa representativa värden. 4.2.5. Representativa värden tillstånd Sträckor som skapats i HDM-4 har olika längd. Det är inte lämpligt att använda medelvärden. För längre sträckor innebär medelvärden en utslätande effekt. Kortare sträckor förväntas ha ett högre medelvärde på tillståndet och en större spridning. För att erhålla representativa värden på tillståndet är det därför lämpligt att skapa representativa värden som så långt som möjligt eliminerar inverkan av sträckans längd. Detta görs genom att ansätta lämpliga percentilvärden att representera tillståndet. För spår har 70 percentilen valts och för IRI 75 percentilen (Q3). Exempelvis för spår innebär 70 percentilen att 70 % av sträckan har 100-m sträckor som är lägre än det representativa tillståndet och 30 % är därmed större.

Valet av percentilvärden är baserat på studium av hur tillståndsspridningen varierar med olika längder och en rimlighetsbedömning vid jämförelse med utfall vid analys med Trafikverkets underhållsstandard. 4.3 Konvertering av svenska data till HDM-4 data Detta innebär i princip att svenska data översätts till de variabelnamn som krävs i HDM-4. HDM-4 innehåller ett flertal variabler som inte finns i svenska data. Ett exempel är Structural Number (SN) som beskriver den strukturella styrkan hos vägen. Här ansätts SN schablonmässigt baserat på förväntat SN per trafikklass. Det finns en förbättringspotential genom att även ta hänsyn till klimatzoner. En mer detaljerad beskrivning finns i bilaga 1. 4.3.1. Urval av data HDM-4 kan hantera maximalt 32000 sträckor när en strategi analyseras. Det innebär att alla sträckor inte kan analyseras. Ett alternativ är dock att arbeta med ett slumpmässigt urval. Slutlig omfattning av hur stora analysdatabaser som kan köras beror på resultat av tester. Tester visar att: Det finns i analysdatabasen en del mycket korta sträckor som inte betraktas som representativa. Därför väljs att exkludera sträckor kortare än 300 m. Ett slumpurval på 7 % stratifierat efter län och trafikklass ger ett tillfredsställande resultat för analys av hela vägnätet. I ett senare skede är det fullt möjligt att analysera länsvis. Det som analyseras är då ett slumpmässigt urval på 7 % av alla sträckor som är längre än 300 m. Detta ger ca 4500 sträckor. Med 4500 sträckor tar en analysomgång ca 3 tim med en dator med hög kapacitet. 4.3.2. Importera data i HDM-4 Arbetsgången för att importera data till HDM-4 är följande: 1. PMS variabler översätts till HDM-4 variabler 2. HDM-4 variabler ansätts där svenska data saknas a. Data exporteras från SAS dataset till textfiler, ROADNET, SECTIONS, TRAFFIC. 3. Respektive textfil importeras till Access med HDM-4 struktur så att alla fält får rätt format. Detta görs manuellt vilket är lite omständigt. a. Import måste ske så att resultatet läggs till en förberedd HDM-4 struktur. Annars blir formaten felaktiga. b. I importen måste anges. som decimalavgränsare

c. Datum avgränsare måste sätta till annat än -. Görs inte detta tolkas negativa värden felaktigt 4. Importfunktionen i HDM-4 används för att importera data. Denna kräver att formaten är riktiga. Den besvärligaste delen är justering av format eftersom detta delvis måste göras manuellt. När data importerats till HDM-4 ser det ut enligt följande figur. Övergripande information visas om varje sträcka. Dubbelklickar man på en rad kan man få mer detaljerad information om t.ex. beläggning och tillstånd. All information går att ändra i HDM-4 gränssnittet men med många sträckor är detta inte realistiskt. Därför skapas data utanför HDM-4 och importeras. Figur 2 Visning av data i HDM-4 4.3.2.1. Skapa körfiler I HDM-4 kan analyser konfigureras sträcka för sträcka med HDM-4 användargränssnitt. Detta har visat sig mycket tidsödande då antalet sträckor är stort. Därför genereras de filer som behövs i analyserna utanför HDM-4. De data som behövs i körfilerna genereras i SAS. Exporteras till textfil som läses in i Access med rätt format. Accessfilen läses därefter in i HDM-4. Genom att göra detta kan en tung hantering i HDM-4 göras enklare och snabbare Vid skapande av körfiler skapas en körfil för varje typ av analys som ska göras.

4.3.3. Ansätt kalibreringsfaktorer Kalibreringsfaktorer baseras på Kalibrering av HDM-4 men har modifierats. Faktorerna införs genom att: 1. Skapa textfil med kalibreringsfaktorer 2. Skapa Access databas 3. Importera Accessdatabas till HDM-4 Kalibreringsfaktorerna är upplagda per trafikklass Kalibreringsfaktorerna kan ansättas utanför HDM-4 och importeras, men ändras i HDM-4 gränssnitt. Samtliga kalibreringsfaktorer är ansatta så att tillståndsförändringen för varje enskild sträcka är rimlig. Vid bedömning av rimlig tillståndsutveckling har tidigare analyser av faktisk tillståndförändring 1987-2010 använts (5). Kalibreringsfaktorerna redovisas i bilaga 2. 4.4 Konfigurera i HDM-4 Detta görs i HDM-4 gränssnitt även om det skulle kunna göras utanför och importeras. 4.4.1. Konfigurera alternativa åtgärdsstandard (typ av åtgärd, kostnader) Olika möjliga åtgärdsstandard ansätts för olika vägnät. En åtgärdsstandard kan bestå av en eller flera åtgärder där varje åtgärd har en beskrivning, åtgärdskriterier, kostnader och effekter. I denna analys skapas två åtgärdsstandarder per trafikklass, en normal och en minimi standard. Åtgärdsstandarder kan skapas utanför HDM-4 och importeras. I HDM-4 satt åtgärdsstandard enligt nedanstående figur. Åtgärder sätts per trafikklass men hänsyn tas till att trafiken kan öka under analysperioden så att vägsträckan byter trafikklass. För varje trafikklass definieras ett antal tänkbara åtgärder. För varje åtgärd sätts gränsvärden för när åtgärden ska användas. Det innebär att ett s.k. beslutsträd byggs upp. För varje åtgärd sätts också en effekt dvs. hur mycket tillståndet förbättras när åtgärd utförs. För varje åtgärd sätts också en åtgärdskostnad.

Figur 3 Inmatning av gränsvärden för åtgärd i HDM-4 Figur 4 Inmatning av åtgärdseffekt i HDM-4

>8000 4000-7999 2000-3999 1000-1999 500-999 250-499 0-249 4.4.1.1. Åtgärder De åtgärdstyper som används är: Spårlagning: endast då trafik >1000 fordon/dygn. Använd för att åtgärda spår då ojämnheterna är små. Lappa och laga: alla vägar. Denna åtgärdstyp ska spegla åtgärder för att underhålla slitlager men förväntas ge mindre strukturell effekt Halvvarm massabeläggning: endast då trafik<2000 fordon/dygn Varm massabeläggning: endast då trafik >2000 fordon/dygn Rekonstruktion: alla vägar Lappa: minimiåtgärd för alla vägar 4.4.1.2. Åtgärdskostnader Använda åtgärdskostnader är baserad på uppgifter från Trafikverkets åtgärdsplaner och från VTI:s rapport Två studier av kostnader för upphandlade asfaltbeläggningar (19). Hänsyn är tagen till kostnader för trafikanordning. Kostnaderna uppdelas i ekonomiska kostnader (economic) och finansiella kostnader (financial). Det finns en variation i synsätt på dessa kostnader mellan HDM-4 och Trafikverket: De ekonomiska kostnaderna är de som används i kalkylen av ekonomiska nyttor och de finansiella är faktiska utgifter. Här är synsättet samma i HDM-4 och Trafikverket. Men i HDM-4 är de ekonomiska kostnaderna lägre än de finansiella eftersom man tar bort skatteeffekter. I Trafikverket lägger man på skattefaktorer för att få en rättvis jämförbarhet mellan privata och offentliga utgifter. För åtgärdskostnader bör därför de ekonomiska kostnaderna inkludera skattefaktorn 1.3. Detta ger följande åtgärdskostnader i 2014 års priser. Tabell 1 Finansiella åtgärdskostnader kr/m 2 (2014 års priser) Rekonstruktion Rekonstruktion min Lappa min Lappa och laga Spårlagning Halvvarm massa Varm massa 154 154 154 165 176 198 198 154 154 154 165 176 198 198 20 20 20 25 30 40 40 30 30 30 30 50 70 70 40 40 55 65 125 125 125 125 88 90 92

>8000 4000-7999 2000-3999 1000-1999 500-999 250-499 0-249 >8000 4000-7999 2000-3999 1000-1999 500-999 250-499 0-249 >8000 4000-7999 2000-3999 1000-1999 500-999 250-499 0-249 Tabell 2 Ekonomiska åtgärdskostnader kr/m 2 (2014 års priser) Rekonstruktion Rekonstruktion min Lappa min Lappa och laga Spårlagning Halvvarm massa Varm massa 200 200 200 214 229 257 257 200 200 200 214 229 257 257 26 26 26 33 39 52 52 39 39 39 39 65 91 91 52 52 72 85 162 162 162 162 115 118 120 4.4.1.3. Gränsvärden Gränsvärden för åtgärd är ansatta med utgångspunkt från underhållsstandard (6). I den svenska underhållsstandarden är gränsvärden ansatta per trafikklass och skyltad hastighet. För viktigare vägtyper sker en uppvärdering i trafikklasser för att ta hänsyn till att vissa vägar har större vikt även om trafikflödet inte visar det. I princip är det möjligt att i HDM-4 använda gränsvärden enligt svensk underhållsstandard för ojämnheter (IRI), spårdjup och textur men inte för kantdeformation. Detta innebär en komplex uppbyggnad av kriterier i HDM-4 och därför utgås från en ansatt representativ hastighet. Följande tabell visar de gränsvärden som är ansatta i HDM-4. Tabell 3 Ansatta gränsvärden i HDM-4 Representativ hastighet (km/tim) 70 90 90 100 100 100 100 Gränsvärde ojämnheter (mm/m) 6.7 4.9 4.5 3.3 2.9 2.9 2.9 Gränsvärde spår (mm) 30 22 20 16 14 14 14 Gränsvärden används för att identifiera ett åtgärdsbehov där åtgärderna varierar beroende på hur mycket över gränsvärdet tillståndet är. Följande gränsvärden anger när det är aktuellt med spårlagning Tabell 4 Ansatta gränsvärden för spår för spårlagning i HDM-4 Trafik Spårdjup 14 14 14

>8000 4000-7999 2000-3999 1000-1999 500-999 250-499 0-249 >8000 4000-7999 2000-3999 1000-1999 500-999 250-499 0-249 >8000 4000-7999 2000-3999 1000-1999 500-999 250-499 0-249 >8000 4000-7999 2000-3999 1000-1999 500-999 250-499 0-249 Spårlagning är dock inte aktuell om ojämnheterna överstiger följande gränsvärden. Tabell 5 Ansatta gränsvärden för IRI då spårlagning inte är acceptabelt i HDM-4 Trafik Ojämnheter IRI 1.7 1.7 1.7 Om inte spårlagning är aktuell så anger följande gränsvärden när det är aktuellt med lappa och laga Tabell 6 Ansatta gränsvärden för lappa och laga i HDM-4 Trafik Ojämnheter IRI <6.7 <4.9 <4.5 <3.3 <2.9 <2.9 <2.9 Spårdjup 30 22 20 16 14 14 14 Följande gränsvärden anger när det är aktuellt med halvvarm eller varm massabeläggning Tabell 7 Ansatta gränsvärden för halvvarm eller varm massabeläggning i HDM-4 Trafik Gränsvärde Ojämnheter IRI 6.7 4.9 4.5 3.3 2.9 2.9 2.9 Spårdjup 39 29 26 22 20 20 20 Följande gränsvärden anger när det är aktuellt med en rekonstruktion. Tabell 8 Ansatta gränsvärden för rekonstruktion i HDM-4 Trafik Gränsvärde Ojämnheter IRI Spårdjup 8.7 6.4 5.9 4.3 3.8 3.8 3.8 48 35 32 29 25 25 25

4.4.1.4. Effekter av åtgärder på tillståndet Med effekter av åtgärd på tillståndet avses förändring från före åtgärd till efter åtgärd. Vad avser spårdjup ansätts en reduktionsfaktor som multipliceras med tillståndet före för att få tillståndet efter. Denna faktor är i storleksordningen 0.1-0.3 och är kalibrerad baserat på analys av de effekter som uppnåtts på det svenska vägnätet 1987-2010 (5) För ojämnheter är modellen för att beräkna effekten mer avancerad och beskrivs i HDM-4 med följande figur. Figur 5 Exempel: tillståndförändring av åtgärd Den metod som valts är generalized bilinear model utom för rekonstruktion där fasta värden ansatts. Det som främst styr effekten är koefficienten a3. Sätts denna hög blir effekten större. Dock, under analysen framkom en uppenbar brist i HDM- 4 då det visade sig att då koefficienterna a0 och a2 sätts lika övergår HDM-4 att räkna med linear model som visade sig ge motsatt effekt då a3 ändras. Då stämmer inte heller ovanstående figur. Detta har påpekats för HDM-4 support. I denna analys har a0 och a2 satts nära varandra men inte lika och därmed innebär ett högre a3 bättre effekt. Värdet på a3 är kalibrerad baserat på analys av de effekter som uppnåtts på det svenska vägnätet 1987-2010 (5). I analys med HDM-4 2013 fanns en brist som nu är åtgärdad. Denna brist visade sig så att för rekonstruktioner nollställdes vissa parametrar efter åtgärd. Detta innebar att tillståndsförändring efter åtgärd blev mycket långsam. Detta bedöms dock påverka resultatet i ringa omfattning. De värden som används i HDM-4 är enligt nedanstående tabeller. Observera dock att för rekonstruktion anges det tillstånd sträckan bedöms ha efter åtgärd, medan det för övriga åtgärder avses den multiplikator tillståndet innan åtgärd multipliceras med för att få tillståndet efter åtgärd. Avseende ojämnheter (IRI) redovisas i tabellen 1-koefficienten a3. Detta för att redovisa effekter på samma sätt för spår och IRI.

>8000 4000-7999 2000-3999 1000-1999 500-999 250-499 100-249 0-99 >8000 4000-7999 2000-3999 1000-1999 500-999 250-499 100-249 0-99 Tabell 9 Ansatta åtgärdseffekter för spår Rekonstruktion 2.0 2.0 2.0 2.0 2.0 2.0 2.0 Rekonstruktion min 2.0 2.0 2.0 2.0 2.0 2.0 2.0 Lappa min 0.15 0.15 0.15 0.15 0.15 0.15 0.15 0.15 Lappa och laga 0.15 0.15 0.13 0.16 0.16 0.14 0.18 0.16 Spårlagning 0.14 0.14 0.18 0.16 Halvvarm massa 0.12 0.12 0.13 0.16 0.14 Varm massa 0.14 0.18 0.16 Tabell 10 Ansatta åtgärdseffekter för IRI Rekonstruktion Rekonstruktion min Lappa min Lappa och laga Spårlagning Halvvarm massa Varm massa 2.0 2.0 2.0 1.5 1.5 1.0 1.0 2.0 2.0 2.0 1.5 1.2 1.0 1.0 0.9 0.9 0.9 0.9 0.9 0.9 0.9 0.9 0.5 0.5 0.5 0.45 0.4 0.4 0.4 0.4 0.55 0.6 0.6 0.6 0.35 0.35 0.36 0.38 0.38 0.37 0.4 0.45 4.4.2. Konfigurera fordon I HDM-4 kan olika typer av fordon konfigureras vad avser fysiska egenskaper och ekonomiska kostnader. Antalet möjliga fordon är inte begränsade. Det görs alltid en koppling till en i HDM-4 definierad bastyp, varifrån default värden hämtas. I användargränssnittet går det att ändra basdata och kostnadsuppgifter. Figur 6 Grunddata

Figur 7 Kostnader för fordon Här finns dock en koppling till för HDM-4 definierade basfordon, där egenskaper är fördefinierade. Om man i användargränssnittet trycker på knappen Calibration kan alla egenskaper ändras. Vissa av dessa ändras för att anpassa effektmodeller för hastighet, bränsleförbrukning mm, dvs. för att anpassa till Trafikverkets effektsamband. Figur 8 Egenskaper hos fordon Vid beräkning av hastighet har faktorn VROUGH_a0 ändrats från 1.15 (HDM-4 default) till 1.5. Detta på samma sätt som i TRV effektsamband (7). Ändringen innebär att hastigheten påverkas tidigare av ojämnheter än vad HDM-4 default anger. Motivet till ändringen ligger dels i att HDM-4 modellerna är framtagna under förutsättningar (tropiskt klimat, mycket ojämna vägar) som skiljer sig kraftigt från svenska förhållanden, dels innebär förändringen en anpassning till att de ojämnheter som mäts i Sverige är sommarojämnheter som är lägre än vinterojämnheter. Kalibreringsfaktorn för reservdelsförbrukning (K0pc) har ändrats från 1 till 0.4.

4.4.3. Fördelning mellan olika fordonstyper I Trafikverkets data finns uppgifter om total årsmedeldygnstrafik (ÅDT) och ÅDT för tung trafik. Tung trafik avser fordon med en bruttovikt större än 3.5 ton. Antalet personbilar är här ÅDT-ÅDTtung. Kostnader i ASEK 6 har dock en uppdelning som är mer detaljerad. Tabell 11 Fördelning mellan olika fordonstyper Fordonstyp Flöde Beskrivning Fördelning Grupp Personbil privat övrig Personbil privat arbete Pbö ÅDTpb Fritidsresor Pba ÅDTpb Arbetsresor, pendling 90 Personbil privat Personbil tjänste PBt ÅDTpb Tjänsteresor 5 Personbil tjänste Personbil i yrkestrafik PBY ÅDTpb Tjänsteresor 5 Personbil i yrkestrafik Lastbil utan släp LBU ÅDTtung Tjänsteresor Lastbil med släp LBS ÅDTtung Tjänsteresor 65 35 Lastbil utan släp Lastbil med släp Pbö och Pba är i ASEK sammanslagen vad avser åktidsvärden. Fördelning mellan privatresor och tjänsteresor anges till 90/10 i ASEK. Personbil i yrkestrafik anges direkt i ASEK men vad avser trafiksiffror borde detta vara en del av personbil tjänste. Här antas att andelarna är lika stora dvs. 5 %. Vad avser LBU och LBS avser fördelningen antalet fordon. Fördelning av godstransportarbetet vilket är det som kan återfinnas i statistiken är något helt annat. I preparering av data för HDM-4 beräknas en ÅDT för varje grupp enligt fördelningsnyckel. Detta medför att uppgifter från ASEK 6 kan användas direkt utan att skapa viktade medelvärden, som gjordes vid tidigare användning i HDM-4. Där enbart fordonstyperna personbil och lastbil användes. Fördelningsnyckeln är baserad på uppgifter från TRV, Trafikanalys, SCB och är att betrakta som generella. Att notera är dock att fördelningen av olika fordonstyper troligtvis varierar mellan olika regioner, landsbygd eller tätort, leveranskvalitetyper. 4.4.4. Uppgifter baserade på ASEK 6 Tidigare använda kostnader var enligt ASEK 5. Dessa uppdateras till kostnader enligt ASEK 6. Att observera är att alla priser enligt ASEK 6 avser penningvärde för 2014, jämfört med ASEK 5 då penningvärdet avsåg 2010.

Kostnadsuppgifternas inverkan på beräkningar i HDM-4 varierar. Betydelsen av denna inverkan beror av hur tillståndet påverkar. 4.4.4.1. Lastbilar Baserat på statistik från Trafikanalys, är baserat på körda kilometrar, fördelningen att 65 % är lastbilar med släp och 35 % är lastbilar utan släp. Vidare antas att alla bilar använder diesel. I HDM-4 används följande uppgifter från ASEK 6. Tabell 12 Kostnader för Lastbil utan släp (Lbu) baserat på ASEK Inköpspris 1520000 Kr/st Däck 4100 Kr/st Årlig körsträcka 42000 km Driftstimmar 1800 tim Bränsle 7.16 Kr/liter Bränslekostnad EVA, pris exkl. Punktskatter, inkl. moms Underhållsarbete 188 Kr/h Förar/passagerarlön 267 kr/tim Beläggningsgrad 1.2 Gods 6 Kr/h Tabell 13 Kostnader för Lastbil med släp (Lbs) baserat på ASEK Inköpspris 2886000 Kr/st Däck 4700 Kr/st Årlig körsträcka 125000 km Driftstimmar 3300 tim Bränsle 7.16 Kr/liter Bränslekostnad EVA, pris exkl. Punktskatter, inkl. moms Underhållsarbete 188 Kr/h Förar/passagerarlön 267 kr/tim Beläggningsgrad 1 Gods 28 Kr/h

I ASEK anges en värdeminskningskostnad. Denna beräknas direkt i HDM-4. Jämförelse visar att HDM-4 ger en mindre värdeminskning än ASEK. 4.4.4.2. Personbilar Resor med personbil avser både privata resor och tjänsteresor. I ASEK 6 är ärendefördelning olika beroende på resornas längd. Denna uppdelning kan inte användas i HDM-4 utan avser alla resor. Baserat på ASEK 6 används i HDM-4 en fördelning för statliga vägar där 10 % av resorna är tjänsteresor och följaktligen 90 % privatresor. Av tjänsteresorna antas hälften vara personbil i yrkestrafik. Beläggningsgraden är olika för privatresor (1.77) och tjänsteresor (1.28). I ASEK 6 anges 1.71 som ett odifferentierat värde på beläggningsgrad. (I analys 2013 användes felaktigt 1.77) Inköpspris för personbil är i ASEK 6 olika beroende på om det avser persontrafik (191 000 kr) eller yrkestrafik (296 000 kr). Detta är något lägre än vid analys 2013. Däckpriset är enligt ASEK 6 samma för persontrafik och yrkestrafik, till skillnad från ASEK 5 där priset var olika. Den årliga körsträckan för personbil är olika för persontrafik (12 200 km) och yrkestrafik (18 000 km) Nyttjandetid för personbil i persontrafik anges i ASEK till 8760 tim/år, dvs. årets alla timmar. I HDM-4 anges driftstid, dvs. den tid fordonet är i bruk. För personbil i yrkestrafik anges i ASEK driftstid (1920 driftstimmar per år) vilket motsvarar det som används i HDM-4. För att överbrygga denna skillnad beräknas en driftstid för personbil i persontrafik som 1920*12200/18000=1301 tim/år dvs. direkt relaterat till körsträcka. I HDM-4 anges medellivslängd för fordon. Ingen direkt statistik på livslängder har hittats men det finns statistik på fordonsbeståndets ålder. Både median och medelvärde av fordonsbeståndets ålder 2016 är ca 10 år. Överslagsmässigt antas att fordonens livslängd är 2*10=20 år Bränslepriset i ASEK är olika för bensin, diesel och etanol (E85). I HDM-4 används ett bränslepris oavsett bränsletyp. I ASEK finns ingen uppgift om fördelning av användning av olika bränsletyper. Som underlag används statistik om personbilar med olika drivmedel från SCB. Denna statistik visar årsvis från 2006 till 2015. Enligt statistiken har andelen bensindrivna personbilar minskat, andelen dieseldrivna ökat och andelen etanoldrivna bilar minskat. Det innebär att för den närmsta 12 års perioden kommer fördelningen av bränsleanvändning troligt vis att förändras ytterligare allteftersom bilparken förnyas. Samtidigt är antalet nyregistreringar större än antalet avregistreringar varför äldre fordon kommer att finnas kvar. Utgår man från statistiken är fördelningen i 2015 65 % bensin, 30 %

diesel och 5 % etanol men om man ser till för nyregistreringar 2015 är fördelningen 39 % 61 % 0 %. Vid beräkning av bränslepris föreslås följande fördelning: Bensin 60 % Diesel 35 % Etanol 5 % Det ger ett viktat bränslepris på 6.93 kr/l. (Här bör påpekas att körsträckorna för dieselbilar är längre) För underhåll och reparationer anges i ASEK 188 kr/arbetstimme Åktidsvärden för personbil delas inte upp i nationella resor och regionala resor eftersom detta inte hanteras i HDM-4. Det innebär att ett (enl. ASEK 6) sammanviktat åktidsvärde på 94 kr/tim används. Ihopviktning utgår från 13 % arbetsresor, 35 % regionala resor och 52 % nationella resor. Här utgås från att med arbetsresor avses regionala resor till och från arbete. Övriga regionala resor och nationella resor är privata. Tabell 14 Kostnader personbil i yrkestrafik (Pby) baserat på ASEK 6 Nytt Fordon 296000 Kr/st Däck 1000 Kr/st Enligt ASEK 6 Årlig körsträcka 18000 km Driftstimmar 1920 Bränsle 6.93 Kr/liter 188 Kr/h Förarlön 267 kr/tim Underhållsarbete Beläggningsgrad Personalkostnad 1.2 320 kr/tim Gods 2 Kr/h Viktat medelvärde ASEK 6 + Fördelning av bränsletyp baserat på SCB

Tabell 15 Kostnader personbil i tjänstetrafik (Pbt) baserat på ASEK 6 Nytt Fordon 191000 Kr/st Däck 1000 Kr/st Enligt ASEK 6 Årlig körsträcka 12200 km Driftstimmar 1301 tim Bränsle 6.93 188 Kr/h Åktidsvärde 312 kr/tim 1.28 Anges inte i ASEK. Beräknas proportionell mot körsträcka jämför med tjänstebil Viktat medelvärde ASEK 6 + Fördelning av bränsletyp baserat på SCB Tabell 16 Kostnader personbil i privattrafik (Pbp) baserat på ASEK 6 Nytt Fordon 191000 Kr/st Däck 1000 Kr/st Enligt ASEK 6 Årlig körsträcka 12200 km Driftstimmar 1301 tim Bränsle 6.93 188 Kr/h Åktidsvärde 94 kr/tim Kr/liter Underhållsarbete Beläggningsgrad Kr/liter Underhållsarbete Beläggningsgrad 1.71 Anges inte i ASEK. Beräknas proportionell mot körsträcka jämför med tjänstebil Viktat medelvärde ASEK 6 + Fördelning av bränsletyp baserat på SCB 4.4.4.3. Andra fordonsspecifika data Passenger Cars Space Equivalents (PCSE): Används vid beräkning av trängseleffekter och beskriver det relative utrymme ett fordon tar upp. I HDM-4 anges ett värde per fordonstyp, men enligt dokumentation bör värden varieras med hänsyn till vägbredd. Lite oklart hur detta görs. No. Of wheels: Antalet hjul som används No. of axles: Antalet axlar Operational weight: Fordonsvikt. Enlig HDM-4 default Equivalent standard axles: Att notera är att default i HDM-4 utgår från basen 8.16 ton, men i Sverige är motsvarande 10 ton. Svenska värden bör därför vara lägre än HDM-4 default

Tabell 17 Andra fordonsspecifika data Lbu Lbs Pby Pbt Pbp Passenger Cars Space Equivalents 1.4 1.8 1 1 1 No. Of wheels 6 22 4 4 4 No. of axles 2 6 2 2 2 Operating weight (ton) Equivalent standard axles 7.5 28 1.2 1.2 1.2 1 3 0 0 0 4.4.4.4. Övriga uppgifter Trafiktillväxten anges till 1.5% för både lastbil och personbil Diskonteringsränta 3.5 % Skattefaktorer=1.3 Viktad momsuppräkning 1.21 Vid analys används skattefaktorn på åtgärdskostnader. Den viktade momsuppräkningen ingår i kostnader från ASEK. Diskonteringsräntan används för diskontering till kostnader 2014. 4.4.5. Klimatzoner I analysen har Sverige delats in i 3 klimatzoner. De värden som anges för resp. klimatzon är baserat på uppgifter från SMHI 4.5 Analysera med HDM-4 Vid analys i HDM-4 är ojämnheter (IRI) den tillståndsvariabel som är tydligt dominerande. Effektmodellerna beräknar vilka effekter förändring av IRI ger och därmed styrs alla nyttor av IRI. Detta försvårar analysen, speciellt på det högtrafikerade vägnätet där spårdjup är en viktig variabel på det svenska vägnätet. För spårdjup saknas effektmodeller. Analys i HDM-4 kan genomföras på flera sätt. Program- life cycle

Ett basalternativ (gör minimum) jämförs med en ansatt standard. Åtgärder prioriteras efter NPV/kostnad. Vid life-cycle analys finns möjligheten att ansätta en varierande budget under analysperioden. Program-multi-year En ansatt standard jämförs med åtgärd efter analysperioden. Åtgärder prioriteras efter NPV/kostnad. Vid multi-year analys kan en budget för analysperioden ansättas men inte varieras. Strategi-life cycle Ett basalternativ (gör minimum) jämförs med en ansatt standard. Åtgärder prioriteras efter NPV/kostnad, minsta kostnad att nå mål avseende ojämnhet IRI eller efter att maximera IRI förändringen. Vid life-cycle analys finns möjligheten att ansätta en varierande budget under analysperioden. Metoden med life-cycle är likadan för strategi och program men flexibiliteten är större för strategi. Dock nackdelen är att analysen blir mer kapacitetskrävande och kräver att analysen begränsas för att HDM-4 överhuvudtaget ska klara den. Multi-Year analys är primärt avsedd för kortare analysperioder och vid en analys av 12 år kommer jämförelse alternativet förhållandevis långt fram i tiden. Prioritering efter NPV/kostnad är teoretiskt sett att föredra men nackdelen är att åtgärder på det högtrafikerade vägnätet oftast får NPV/kostnad=0 och åtgärder styrs helt efter gränsvärden enligt upprättad standard. Vid life-cycle analys medför detta att basalternativet som alltid har NPV/kostnad=0 oftast väljs och därmed kan inte budgeten varieras. Orsaken till att NPV/kostnad =0 på det högtrafikerade vägnätet är att det är spårdjupet som primärt medför ett åtgärdsbehov och effektmodeller saknas för spårdjup. Därmed kan ingen monetär nytta beräknas. Analyser har genomförts med alla metoderna, med olika variationer i kalibreringsfaktorer och med flera uppsättningar av åtgärdsstandard samt med flera analysperioder. Resultat i HDM-4 är i hög grad fokuserade på längsgående ojämnheter även om spår är en viktig faktor vid analys av främst det högtrafikerade vägnätet. Utdata från HDM-4 är därför också fokuserade på ojämnheter. Därför exporteras resultatet från HDM-4 för bearbetning och redovisning av exempelvis spårutveckling. Modellerna i HDM-4 är också beroende på sprickor, men sprickor är ingen variabel som regelbundet mäts i Sverige. Angreppssättet har dock varit att simulera sprickbildning med utgångspunkt från senaste åtgärds ålder. I HDM-4:s sprickmodell beräknas först tid till första spricka och därefter utvecklingen av sprickor. Tiden till första spricka är kalibrerad att nära motsvara den förväntade livslängden. När denna uppnås simuleras en sprickutveckling som i sin tur leder till en accelerande utveckling av längsgående ojämnheter

Analyserna görs i två steg. Först görs en ekonomisk analys med obegränsad budget. Den ekonomiska analysen visar i princip alltid på ett större behov första året i analysperioden. Vid en optimering med budgetrestriktioner är det därför önskvärt att reducera kostnaden första året. Detta är möjligt vid life-cycle analys men inte vid multi-year. 4.5.1. Kapacitet HDM-4 är en gammal programvara och har vissa kapacitetsproblem: Uppdatering av uppgifter om sträckor fungerar långsamt i HDM-4. Därför görs alla uppdateringar avseende sträckor utanför HDM-4. Andra uppgifter kan uppdateras i HDM-4 men kan även uppdateras utanför HDM-4. Dock, även om uppdateringar görs utanför HDM-4 så är importen till HDM-4 tidskrävande. Vid tidiga analyser kraschade oftast. Efter kontakt med HDM-4 support i Birmingham framkom det att det finns en begränsning i antal sektionsalternativ som kan behandlas. Överstiger antalet sektionsalternativ 32000 så kraschar HDM-4. Detta medför att vid analys av 4000 sträckor så är antalet åtgärdsstandarder begränsat till 8. Detta kan påverka resultatet. Det framkom också att max volym på analysdata är 2 Gb. Detta har medfört att vissa analysdata måste exkluderas. 4.5.2. Ekonomisk analys 4.5.2.1. Åtgärdskostnader Kostnadsdifferens beräknas som skillnaden mellan ett åtgärdsalternativ (utredningsalternativ) och ett basalternativ (jämförelsealternativ). Jämförelsealternativet motsvarar ett minimialternativ. 4.5.2.2. Trafikantkostnader För tillstånd beräknas en trafikantkostnad. Utförs en åtgärd som medför att tillståndet förbättras minskar trafikantkostnaden och man får en nytta av åtgärden. Skillnaden i trafikantkostnad under analysperioden motsvarar nyttan. 4.5.2.3. Ekonomiska indikatorer I HDM-4 beräknas en nettonuvärdeskvot där ett utredningsalternativ jämförs med ett jämförelsealternativ. Jämförelsealternativet eller basalternativet är inte att gör ingenting utan ett ansatt minimialternativ. De ekonomiska indikatorerna är därmed beroende på hur detta basalternativ sätts. Ett uppenbart problem är att nyttoeffekter av spår inte kan beräknas eftersom det inte finns några beräkningsmodeller. Det medför att för högtrafikerade vägar. där spår är en av de främsta anledningarna till åtgärd, kan sällan nyttor påvisas utan

åtgärder väljs helt baserat på tillståndskrav. Begränsning till att enbart beräkna nyttor under analysperioden gör också att indikatorn kan ifrågasättas. Till viss del kan detta problem elimineras genom att betrakta restvärde vid slutet av analysperioden men detta görs bara för investeringar En annan indikation är diri/c dvs. förändring av IRI/åtgärdskostnaden. Denna indikator eliminerar lite av bristerna med nettonuvärdeskvot men problemet kvarstår för högtrafikerade vägar där spår är dominerande orsak till åtgärd. Problemet med restvärde elimineras dock här. Vid analys av olika scenarios kan nettonuvärdeskvot beräknas för scenariot som helhet, för att jämföra olika scenarios, men problemet med att inte alla effekter (och nyttor) kan värderas monetärt och behandlas i HDM-4 kvarstår. 4.6 Körning i HDM-4 När alla data är importerade och alla modeller är ansätta körs analysen i HDM-4 gränssnitt. En körning tar ca 3 timmar. Figur 9 "Workspace" i HDM-4 I HDM-4 workspace finns nu allt som behövs för att göra analyser. Det som görs nu är att man öppnar strategifilen ST1_1_170207.

Figur 10 HDM-4 analys steg 1 Ange förutsättningar Det första steget är att definiera optimeringsmetod, startår, analysperiod, namn på datakälla, fordonsflotta, kalkylränta etc. Detta ligger redan med i den importerade körfilen men kan ändras. I nästa steg kan man specificera analysalternativ för varje sträcka. Detta går mycket långsamt i HDM-4 gränssnittet och därför är detta gjort utanför HDM-4 och importerat Figur 11 Analys i HDM-4 2 steg 2 - Specificera alternativ Därefter genereras strategier i steg 3. Här anger man också vilka data som ska sparas och var de ska sparas. I princip bör bara det mest nödvändiga sparas. Om man t.ex. skull inkludera mer detaljerade fordonsdata nås taket för vad HDM-4 klarar av. När man startar en körning här tar den ett par timmar.

Figur 12 Analys i HDM-4 steg 3 - Generera strategier I nästa steg definieras först budgetscenarios innan optimering startas. Optimeringen tar någon timme. Figur 13 Analys i HDM-4 steg 4 Optimering När optimeringen körs skapas en resultatfil (RUNDATA.MDB) i Access-format. Denna kan bearbetas utanför HDM-4 för att generera resultat, men det finns också en rapportgenerator i HDM-4. Denna rapportgenerator innehåller ett stort antal rapporter, men det tar tid att generera dessa. Vissa rapporter tar ca 10 min, andra ett par timmar.

Figur 14 Analys i HDM-4. Rapportgenerator