HÖGHASTIGHETSBANORNAS BETYDELSE FÖR REGIONAL UTVECKLING

Jönköping, maj 2015 HÖGHASTIGHETSBANORNAS BETYDELSE FÖR REGIONAL UTVECKLING Johan Klaesson (johan.klaesson@jibs.hj.se) Lars Pettersson (lars.pettersson@jibs.hj.se) JIBS/CEnSE Box 1026 551 11 Jönköping Sverige

2

Innehåll 1. Inledning... 5 2. Bakgrund och utgångspunkt för analysen... 7 3. Tillgänglighetsförändringar som resultat av de nya höghastighetsbanorna... 12 4. Prognosticerade effekter på arbetsmarknaden... 19 5. Befolkning, förädlingsvärden (BRP), lönesummor och fastighetsmarknaden... 23 6. Avslutande sammanfattning och kommentar... 31 Referenser... 33 APPENDIX A DYNLOK: Regional tillväxt och analys av dynamiska effekter av förbättrad tillgänglighet36 APPENDIX B Effekter av höghastighetståg i stationskommuner... 43 APPENDIX C Geografisk fördelning av effekter på arbetsmarknaden (kartor)... 45 APPENDIX D... Resultat från DYNLOK-beräkningar redovisade per kommun 47 3

4

1. Inledning Den svenska regeringen har tagit initiativ för att påbörja utbyggnaden av det svenska järnvägsnätet med investeringar i en ny stambana för höghastighetståg. Enligt planerna kommer dessa investeringar innebära att tågen på de nya banorna framförs i 320 kilometer per timme och att exempelvis restiden för sträckan Stockholm-Göteborg blir omkring två timmar, vilket kan jämföras med dagens drygt tre timmar. Trafikverket har redan påbörjat planeringen för sträckorna Järna-Linköping och Bollebygd-Mölnlycke. I utbyggnadsplanerna som finns fastställda för åren 2014-2025 finns ett flertal investeringar som på olika sätt är kopplade till de nya stambanorna för höghastighetståg. En ny stambana för höghastighetståg innebär en investering som på ett genomgripande sätt blir en strukturell förändring av den svenska ekonomin. Detta betyder också att det finns särskilda utmaningar när prognoser och analyser görs för att på förhand uppskatta vilka effekter som kan förväntas. I en bemärkelse finns det inte några självklara referensobjekt i den svenska ekonomin eftersom den typ av transportinfrastruktur som det handlar om inte finns idag, och inte heller de relationer i form av restider mellan platser som höghastighetstågen realiserar. Förbättrade (förkortade) restider leder till att marknader integreras och förstoras. Vi kan exempelvis på förhand förvänta oss att detta blir särskilt tydligt i form av integrerade arbetsmarknader och bostadsmarknader som är beroende av pendlingsmönster och arbetskraftens benägenhet att pendla. Även om en stambana för höghastighetståg handlar om infrastruktur och transporter, finns det goda skäl att anslå ett perspektiv om samhällsutveckling också i analyser effekter som kan förväntas uppstå. Frågor som aktualiseras är exempelvis förväntad betydelse i form av näringslivsutveckling, arbetspendling mellan olika platser, påverkan på lokaliseringsmönster för företag, arbetsplatser och bostadsområden (fastighetsmarknaden), samt hur marknader för handel, service och kulturutbud mm kan komma att påverkas. Målet som är angivet för byggnationen av stambana för höghastighetståg är att investeringen ska vara genomförd år 2030. Motiven till byggnationen är också att kapaciteten på landets järnvägar totalt sett kommer att öka och att även miljöhänsyn är en utgångspunkt för att genomföra investeringarna. 2014 utsåg regeringen en särskild utredare med ansvar att arbeta fram förslag till en utbyggnadsstrategi för de nya stambanorna för höghastighetståg. Utredaren har också utsetts till statens förhandlare med berörda aktörer och ska i den rollen pröva förutsättningarna för medfinansiering från näringsliv, kommuner och regioner. Den särskilde utredaren ska fungera som förhandlingsperson med uppdrag att möjliggöra ett genomförande av de nya stambanorna på ett sätt som bidrar till att i så stor utsträckning som möjligt ta tillvara de möjligheter som höghastighetsbanorna kan erbjuda med avseende på att stimulera samhällsutvecklingen ur flera perspektiv. Arbetet har fått namnet Sverigeförhandlingen som följaktligen har ambitionen att ge en bred spegling av den betydelse som höghastighetsbanorna kan komma att få och även arbeta med kommunikation och information. De nyttor och effekter som kan förväntas kunna realiseras kopplat till investeringen är av ett flertal skilda slag och kan förväntas uppträda i form av förkortade restider, miljöeffekter, integration av arbetsmarknader, näringslivsutveckling, 5

påverkan på fastighetsmarknader, mm. Studier och analyser måste därför göras med olika utgångspunkter och även med olika metoder och inriktning. Denna studie har som målsättning att kunna vara en del av det underlag som produceras under våren 2015 som rör de regionalekonomiska effekter som kan förväntas uppstå som ett resultat av att stambanor för höghastighetståg realiseras. Trafikverket är uppdragsgivare och en tidigare studie vid Internationella Handelshögskolan i Jönköping projektet Tillgänglighet, Tillväxt och Planering bildar förebild till denna studie. Rapportens syfte är att analysera potentialen för utveckling i regioner (och kommuner) som kan antas påverkas av att nya stambanor för höghastighetståg byggs. Metoden för arbetet är att utifrån givna ingångsdata som erhålls från Trafikverket om restider som den nya transportinfrastrukturen med trafikering förväntas realisera görs sedan prognoser med hjälp av DYNLOK (en dynamisk lokaliseringsmodell som utvecklats av forskare vid JIBS). I rapporten presenteras förväntad potentiell påverkanseffekt med avseende på sysselsatta, tillväxt i lönesummor och BRP (förädlingsvärden) samt befolkning som DYNLOK prognosticerar givet de tillgänglighetsförutsättningar som uppdragsgivaren har identifierat/beräknat. Vidare presenteras och potentiella effekter för efterfrågan på fastighetsmarknader (bostäder, handel/service och lokaler). När vi redovisar resultaten som beräknas med hjälp av DYNLOK presenterar vi situationen för vad vi kallar ett typiskt år. Med detta menas ett år när en ny jämvikt etablerats efter det att hushåll och företag anpassat sig i förhållande till den nya infrastrukturen. Det är viktigt att notera den skillnad som finns mellan å ena sida vad som kan kallas en stock eller resurs och å andra sidan den avkastning som exempelvis representeras av produktionsresultat som då är avkastning från användning av produktionsfaktorer (som utgör stock eller resurs). Ser vi till exemplet med sysselsättningen så är den i detta sammanhang en resurs som ökar när tillgängligheten förbättras. Sysselsättningen når en högre nivå, som visas i det typiska året och den växer inte ytterligare efter det att den nya jämvikten har etablerats. Produktionsresultaten (uttryckt som förädlingsvärden och lönesummor) kommer däremot att infrias årligen så länge den höjda sysselsättningsnivån (som då är resurs) finns kvar. Med detta framgår att en korrekt tolkning är att sysselsättningsökningen inte ska adderas på årligen utan den ökar till den nivå som anges för det typiska året. Den ekonomiska tillväxten uttryckt som BRP däremot är årligen återkommande och kan beräknas över tiden med diskontering om så önskas. Detsamma gäller lönesummor. Ser vi till fastigheter så är dessa också en resurs, dvs. det handlar om en ökning i nivån mellan före- och efter investeringen. 6

2. Bakgrund och utgångspunkt för analysen Att koppla samman utbyggnad av järnvägsnät och samhällsutveckling är inte någon ny företeelse. I Sverige byggdes de första stambanorna i mitten av 1800-talet och orterna som låg utmed banorna kunde uppleva flera fördelar av att vara noderna i det nya transportnätverket. Vid denna tid var staten huvudman för flertalet banor, men det fanns också privata järnvägsaktiebolag som byggde banor. Det senare var främst vanligt i södra delen av Sverige. Många privata järnvägsbolag kom att möta finansiella svårigheter och staten tog då ett ansvar för i första hand stambanorna som band (och binder ännu) samman de större städerna (Schön, 2000). I sin av avhandling Till belysning av järnvägarnas betydelse för Sveriges ekonomiska utveckling presenterade Eli Heckscher (1907) ett tidigt arbete med inriktning mot just den roll som järnvägarna spelade för den tidiga industrialiseringen av den svenska ekonomin. Intresset för analyser och studier av hur järnvägar har betydelse för samhällsekonomin och platsers utveckling har därför en lång tradition i Sverige. I studier om järnvägars betydelse för både den nationella ekonomin och enskilda platsers utveckling är det vanligt att resonemang förs som har en kontrafaktisk inriktning. Med menas att frågan om vad som hade hänt, och då hur utvecklingen hade varit, om inte en plats hade fått en järnvägsstation och blivit en nod i järnvägsnätet. Eller på nationell nivå, hur utvecklingen hade varit om inte investeringar i järnvägar hade gjorts. Det står förhållandevis klart att samhällen som tidigt fick stationer har utvecklats förhållandevis bra. Samtidigt är frågan också om järnvägar drogs till platser som tidigt hade goda förutsättningar för framväxten av industrier eller om det var så att just på grund av järnvägarnas sträckning och nya stationssamhällen så växte industrier fram. Något som normalt framhålls är den betydelse som järnvägarna har och har haft för agglomerationsekonomier, och inte minst i ett historiskt perspektiv vad som kallas lokaliseringsekonomier. I den tidiga industrialiseringen hade järnvägarna en betydelse för industrialiseringen och investeringarna som kom att realiseras under 1800-talets andra hälft kunde till stor del genomföras genom den modernisering som då skedde av kreditmarknaderna. Byggnationen av järnvägar i Sverige finansierades i stor utsträckning genom att staten tog lån utomlands, inte minst med kapital från Tyskland, och följaktligen var den svenska staten tyngd av skulder (och räntor) pga. detta. Dessa skulder kom att avskrivas genom den inflation som uppträdde vid första världskriget. När investeringar i transportinfrastruktur på ett mer betydande sätt förbättrar tillgänglighetsförhållanden finns det goda skäl att se till hur s.k. agglomerationseffekter kan förväntas bidra till att stimulera tillväxt och utveckling. Med agglomerationseffekter menar vi att storlek och/eller täthet av ekonomiska aktiviteter påverkas. Med en förbättrat tillgänglighet (genom förkortade restider) ökar exempelvis antalet arbetsplatser som arbetskraften är benägen att pendla till vilket ger bättre förutsättningar för matchning på arbetsmarknaden. Företag och individer kan antas få det enklare att matchas så att företagen finner arbetskraft med passande kompetens respektive att individer finner ett jobb som passar den egna utbildningen, kompetensen och karriärsambitionen. En förbättrad tillgänglighet kan också innebära att det potentiella marknadsunderlaget på en plats blir större och förtätat (tidsavstånd i geografin) vilket innebär möjligheter för företag att öka sin omsättning och/eller att nya företag kan etablera sig på marknaden. Eftersom en stor andel av all jobb i ekonomin återfinns inom 7

tjänster, service (privat och offentlig) och handel, samt att hushåll dominerar som kunder blir agglomerationseffekterna starkt kopplade till städer med mycket befolkning. Järnvägsinvesteringar som innebär ökad tillgänglighet via stationer som normalt finns i städerna bidrar då till att utveckla storleksdimensionen i agglomerationsekonomierna. En marknads storlek, eller marknadspotential, utvecklas och förstärks när tillgänglighetsförhållanden förbättras vilket innebär en stimulans för tillväxt. Teoretiska grunder för hur geografiska dimensioner, inklusive lokalisering av terminal och hub-funktioner, spelar en roll för regional- och urbanekonomisk utveckling finns i Krugman, Venables & Fujita (1999) och även när det gäller agglomerationsekonomier i Fujita & Thisse (2002). Vidare finns empiriska studier som har verifierat ett positivt samband mellan regional marknadsstorlek samt täthet och produktivitet och tillväxt (se exempelvis Quigley, 1998; Rosenthal & Strange, 2004; Karlsson et.al., 2009). Analysens utgångpunkt, som också utgör grunden för formuleringen av DYNLOK-modellen, är hur arbetsmarknader fungerar och då med koppling till funktionella regioner. Ett skäl till denna utgångspunkt är att en introduktion av höghastighetsbanor i den svenska ekonomin kan förväntas innebära integration av regionala marknader och arbetsmarknaden kan naturligen ses som central i sammanhanget. Med höghastighetsbanor kommer restider att förkortas mellan städer och platser (bostadsområden och arbetsplatsområden). Detta innebär en ökad tillgänglighet som vidgar enskilda arbetsmarknader och även gör att dessa marknader i större utsträckning kan komma att smälta samman. Med en funktionell region menar vi i detta sammanhang ett geografiskt område som har gemensam (1) arbetsmarknad, (2) bostadsmarknad, (3) marknad för handel och service samt (4) gemensamma mötesplatser. Vi kan då tala om att en funktionell region kan betraktas som ett ekonomiskt och socialt integrerat geografiskt område. Graden av integration visar sig genom ömsesidiga utbyten mellan regioner och mellan en regions olika delar. Dessa utbyten sker i form av arbetspendling, resor till skolor och högre utbildning, handelsresor inom detaljhandeln (dagligvaror och sällanköpsvaror) och att det finns olika typer av mötesplatser (kultur, idrott, och olika former av rekreation) där individer som bor och arbetar i regionen möts naturligt. För denna analys är benägenhet för att pendla mellan arbetsplatser och bostäder i Sverige en viktig utgångspunkt. Arbetspendling och dess geografiska mönster har varit föremål för mängder av studier under lång tid, både internationellt och i Sverige. Studier på området bekräftar att benägenheten att pendla, för de flesta typer av arbetskraft, följer en icke-linjär fördelning med avseende på restiden mellan bostad och arbetsplats. När restiderna är mycket korta påverkas inte viljan att pendla i någon större omfattning av en restidsförkortning och detsamma gäller när restiderna är långa. Det finns sedan ett intervall mellan de korta och långa restiderna där pendlingsbenägenheten är högre, vilket kan förklara att relationen mellan pendlingsbenägenhet och restid inte är linjär. För svenska förhållande brukar detta intervall ofta anses finnas i ett intervall med restider mellan ca 15 och 50 minuter för mellan bostad och arbetsplats. Denna relation, och skillnader mellan platser som beror på restidsförhållanden, eller tillgänglighet, utnyttjas och beaktas i DYNLOK-modellen för prognoser av förväntade effekter 8

av förändringar i tillgänglighetsförhållanden och hur de påverkar pendlingsmönster och integrationseffekterna. Figuren visar schematiskt hur relationen (kurvan) mellan benägenhet att pendla mellan arbete och bostad i förhållande till restiden. Utifrån kurvan framgår att när restiden reduceras ökar benägenheten att pendla. Kurvans utformning innebär att en given storlek för en tillgänglighetsförbättring kommer att resultera i olika stora effekter beroende på var på kurvan vi befinner oss. Figur 2.1: Benägenhet att pendla restid mellan arbete och bostad Relationen mellan pendlingsbenägenhet och restid mellan arbete och bostad utgör grunden för analyserna med DYNLOK och är därmed också grunden för de resultat som presenteras i denna studie och kan illustreras som i figuren nedan. En mer utförlig beskrivning av DYNLOK finns i appendix A. 9

Tillgänglighet till arbetstillfällen Inom kommunen Inom regionen Resten av landet Förändring av antal arbetstillfällen i kommunen Förändring av arbetskraft i kommunen Tillgänglighet till arbetskraft 1. Inom kommunen 2. Inom regionen 3. Resten av landet Figur 2.2: Självförstärkande utvecklingsförlopp som drivs av tillgänglighetsförbättring och ekonomisk integration mellan geografiska marknader Något som också bör noteras är att även avstånd på finaste geografisk nivån har betydelse för en plats utveckling och därmed även för den aggregerade utvecklingen hos städer, kommuner och regioner. Det handlar om avstånden mellan stationer och arbetsplatser, utbildningsplatser, bostäder, handel, service och besöksintensiva verksamheter bestämmer tillväxtmönstren. Stationers lägen i en region kan därför få stor betydelse för vilken potential som kommer att finnas med avseende på att stimulera tillväxt och utveckling. Växelsamverkan mellan städer och tätorter av olika storlek är också betydelsefull. Mindre platser är som regel mer orienterade mot boendemiljöer (med kopplad service) och större platser/städer har normalt koncentrationer av arbetsplatser, studieplatser inom den högre utbildningen, specialiserad handel och service (inklusive olika former av offentlig service) mm. Eftersom analysen riktas mot förutsättningar och drivkrafter för ekonomisk tillväxt bör vi också konstatera att tillväxt utvecklas över tiden. Nationalekonomins neoklassiska ansats för att förklara tillväxtmönster utgår från ackumulation av produktionsfaktorer (arbetskraft, kapital och land) som tillsammans med den teknologins nivå bildar grundläggande förklaring till den ekonomiska tillväxtens utveckling. En ökning av produktionsfaktorer och/eller teknologins nivå innebär tillväxt. Endogen tillväxtteori och teorin för den nya ekonomiska geografin har utvecklat och tillämpar modeller som förklara förändringar i produktionsfaktorerna utifrån en ekonomis interna strukturer och förhållanden. Detta innebär att en regions utveckling kan förklaras utifrån egenskaper som härleds till förhållanden inom region. Ett sådant förhållande är förekomsten av städer, deras storlek och hur städer och orter gemensamt bildar en geografisk struktur för ekonomin. Lokaliseringsmönster för företag och hushåll och förekomsten av agglomerationsekonomier med självförstärkande utvecklingsförlopp som exempelvis visas i figur 2 ovan lyfts fram som en viktig utgångspunkt för att kunna förklara platser, städers och regioners utveckling. Detta betyder också att tillgänglighetsperspektivet, som förklarar tätheten 10

i den ekonomiska strukturen i geografin, blir en naturlig faktor som påverkar tillväxt och utveckling av platser, städer och regioner. 11

3. Tillgänglighetsförändringar som resultat av de nya höghastighetsbanorna Förutsättningarna för studien är att på uppdrag åt Trafikverket genomföra en analys av förväntade effekter av utbyggnaden av nya stambanor för höghastighetståg. Regeringen beslutade i juli 2014 att tillsätta en utredning om de nya stambanorna som ska koppla samma de tre storstadsregionerna i Sverige (Stockholm, Göteborg och Malmö) och bidra till samhällsutveckling med förväntade stimulanseffekter på arbetsmarknaden och även inom bostadsbyggande. I arbetet som leds av Trafikverket och Sverigeförhandlingen har flera olika analysuppdrag upphandlats som utgår från givna förutsättningar avseende tillgänglighetsförutsättningar som Trafikverket definierar. Uppdragsgivaren Trafikverket har använt SAMPERS för att ta fram de underlagsdata som används i denna analys. SAMPERS är ett trafikslagsövergripande modellsystem för prognoser av persontransporter. Prognoserna förutsätter förhållandevis detaljerad information om både ekonomiska och demografiska förhållanden för de år som ska prognosticeras. Information som används kommer exempelvis ifrån Finansdepartementets långtidsutredning som bryts ned och regionaliseras på den områdesnivå som SAMPERS beräkningsoperationer tillämpar. SAMPERS har också ett flertal moduler som används i olika situationer beroende på vilken eller vilka frågor som analyseras. Sedan har Trafikverket information om trafik och transportsystemet som utnyttjas och använder exempelvis en modul för hur individer gör val om resande (s.k. mode-choice där val gör stegvis: val att resa, val av destination, val av färdmedel, val av rutt). Trafikverket svarar själv för det underlag som genereras av SAMPERS och de val som gjorts avseende hur SAMPERS har använts. Författarna till denna rapport har gjort de kvalitetsgranskningar som varit möjliga under den begränsade tid som varit given för arbetet. Vi kan konstatera att underlagen som erhållits från uppdragsgivaren har behövts revideras på grund av orimligheter avseende tillgänglighetsförhållanden och då framfört frågor om detta. Uppdragsgivaren har sedan levererat nya reviderade tidsmatriser vid ett flertal tillfällen. Det är för oss (författarna) svårt att kunna se vari problemen består avseende de tidsmatriser som erhålls och vi har inte möjlighet att göra ytterligare fördjupningar i dessa frågor här. Vi kan emellertid inte bedöma om de underlag som nu används har ytterligare brister eftersom tid för sådan granskning inte finns. Vi hänvisar istället till den rapport som Trafikverket sammanställer om de underlag som tagits fram för detta arbete och hur arbetet med SAMPERS genomförts. Prognoserna som presenteras i rapporten visar resultaten av beräkningar gjorda med DYNLOK och syftet är att uppskatta potentiella effekter för utvecklingen av arbetsmarknaden och sedan ge en utblick mot befolkningsutveckling, tillväxt i lönesummor och produktionsvärden samt boende, handel och service som kan kopplas till planerad investering. Trafikverket har själva identifierat dels den jämförelsesituation som används och dels de olika utredningsalternativ som analysen använder sig av. Vi genomför beräkningar för fyra olika alternativ som benämns US (utredningssituation) och använder samma begrepp som Trafikverket själva gör för dessa (US1, US2A, US2B, US5). På kartan nedan anges ett US5A och ett US5B men vi har bara haft tillgång till ett US5. Jämförelsealternativet (JA) är dagens situation med tillägg för de investeringar som är beslutade fram till 2025 (perioden 2014-2025). Detta är sedan den basprognos som de olika 12

utredningsalternativen jämförs med. Det är viktigt att notera att i de beslutade investeringarna ingår exempelvis Ostlänken mellan Järna och Linköping, sträckan Bollebygd-Mölnlycke, Citybanan i Stockholm samt planerade investeringar i Västlänken i centrala Göteborg. Alla dessa investeringar är från början redan intecknade i underlaget som utgör JA. Vidare ingår övriga investeringar som är planerade och beslutade i Järnvägsnätet. Dessa investeringar, inte minst Ostlänken, Västlänken, Citybanan och sträckan Bollebygd-Mölnlycke utgör högst vitala delar av ett framtida höghastighetstågnät. Under förutsättning att målsättningen är att kunna beräkna de effekter som utbyggnaden av ett framtida järnvägsnät för höghastighetståg kan resultera i finns det skäl att även beakta ovan nämnda investeringar. I syfte att åstadkomma en sådan grund för analysen har Ostlänken mellan Linköping och Järna samt sträckan Bollebygd- Mölnlycke låtits ingå i utredningsalternativen, dvs. de har exkluderats i JA. Emellertid har inte samma hänsyn tagits till Citybanan och Västlänken. Det innebär att de sistnämnda investeringarna är inkluderade i JA och effekter från dessa kan därför inte utläsas i resultaten. Snarare innebär detta att vi ska förvänta oss högst begränsade påverkanseffekter i Mälarregionen respektive i Göteborg. Jämförelsen som presenteras är präglad av de underlag som vi har till förfogande och därför kan inte frågan om effekterna som rör hela den samlade utbyggnaden av järnvägar för höghastighetståg fram till år 2030 besvaras utifrån hur en framtida situation kommer att skilja sig från dagens före det att det finns några höghastighetsbanor. Analyserna nedan kommer inte att inkludera och spegla effekterna i de två största stadsregionerna (de kommer att underskattas) eftersom Citybanan och Västlänken ingår i underlaget för JA. Samtliga prognosunderlag med tidsrelationer mm har uppdragsgivare Trafikverket ansvarat för att tillhandahålla och dessa underlag är ingångsdata för analysen nedan. Trafikverket har upphandlat framtagningen av underlag för beräknade upplevda restider av WSP Group. För att en läsare ska ha god insikt i och kunna tolka resultaten är det väsentligt att också ha kunskaper om vilka investeringar i övrigt som är beslutade att genomföras fram till 2025. De olika alternativa sträckningarna som utgör utredningsalternativ i analysen för de nya höghastighetsbanorna presenteras i figuren nedan. 13

Figur 3.1: Alternativen för höghastighetsbanor I tabellen nedan visas hur stora skillnaderna är i restid på sträckan för Götalandsbanan mellan jämförelsealternativet och de olika utredningsscenariona. Uppgifterna kommer från de underlag som uppdragsgivaren tillhandahåller och visar upplevd restid. Observera att i upplevd restid ingår skaft- och väntetider som beräknas med de olika antaganden som används i SAMPERSberäkningar. Uppgifterna är beräknade som medelvärden som utgår från SAMS-områden med befolkningstyngder och har sedan summerats till kommunnivån. Genom att lite mer noggrant granska de upplevda restider som beräknats med hjälp av SAMPERS kan vi också få en mer grundläggande bakgrundsuppfattning som är till hjälp när vi sedan ska tolka de resultat som presenteras senare i rapporten. Vi kan göra några konstaterande som är av generell art i form av att SAMPERS beräkning dels resulterat i att det finns stora variationer med avseende på hur den upplevda restiden på olika sträckor påverkas i relativa omfattningar av de planerade investeringarna, dels att nivåerna i upplevd restid för ett flertal sträcker är mycket höga (båda dessa observationer är det i flera fall är svårt att på ett enkelt sätt 14

ha en intuitiv förståelse för). För att kunna tolka uppgifterna i tabellerna nedan är det väsentligt att utgå från vad begreppet upplevd restid innebär eftersom detta påverkar och förklarar resultatet från SAMPERS. Upplevd restid är något som i detta sammanhang beräknas med antagande om hur bekvämlighet mm påverkar resandes upplevelse i samband med resan. Ett exempel är att när det uppstår väntetid i samband med byten så antas detta vara förknippat med en olägenhet så att sådan väntetid räknas som längre än den faktiskt är. Det är vanligt att en sådan väntetid multipliceras med en faktor 2 när den upplevda restiden beräknas ( upplevd restid beräknas som ombordtid + anslutningstid + väntetid * 2). Den upplevda restiden blir därför längre än den effektiva restiden när resenären sitter på tåget eller i bussen. Sedan finns det i SAMPERS modul för att kunna fördela resenärer i resrelationer mellan olika linjer/sträckor och färdmedel. Det finns begränsningar i form av restriktioner om hur huvudfärdmedel kan användas i kombination med varandra (expressbuss i kombination med tåg osv.). Med detta som en mycket kort bakgrund förstås att SAMPERS beräkningar styrs av de ingående modellerna som används och som beror av hur de är formulerade. Som alltid beror kvaliteten i resultaten från en modellberäkning på hur väl den förmår att spegla aktuella förhållanden som den syftar till att representera. I tabellen nedan presenteras några upplevda restider för sträckorna utmed Götalandsbanan som beräknats med hjälp av SAMPERS och som utgör underlag för denna studie. Vi finner exempelvis att restiden mellan Stockholm och Södertälje blir längre för samtliga utredningsscenarion (US) jämfört med jämförelsealternativet (JA). Vår tolkning av detta resultat är att det dels är så att investeringar i Citytunneln mm som sker i Stockholm redan ingår i JA och dels kan vara så att täthet i avgångar eller andra förhållanden bidrar till att öka den upplevda restiden. Det är viktigt att påtala att sträckorna med upplevd restid som presenteras i tabellen nedan ska läsas en och en. Dessa restider kan exempelvis inte summeras för att få den samlade upplevda restiden mellan Stockholm och Göteborg. Tabell 3.1 Total upplevd restid på sträckan Götalandsbanan Från Till JA US1 US2A US2B US5 Stockholm Södertälje 77,2 79,1 79 79,1 79,1 Södertälje Nyköping 156,8 124,4 112,6 124,4 124,5 Nyköping Norrköping 151,2 138,8 110,7 138,8 138,8 Norrköping Linköping 91,8 87,3 83,4 87,3 87,3 Linköping Tranås 131,6 122 130,5 122 122 Tranås Jönköping 171,7 137,7 137,2 137,7 137,7 Jönköping Ulricehamn 418 119,4 120,1 119,4 119 Ulricehamn Borås 105,7 99,6 99,7 99,6 99,6 Borås Göteborg 122,1 97 104,8 97 99,3 Källa: WSP Group (2015). För övriga sträckor som presenteras i tabellen ovan blir den upplevda restiden i samtliga fall lägre i de olika US som används jämfört med JA. Detta förefaller rimligt. Samtidigt konstaterar vi att den upplevda restiden i några fall är mycket hög i förhållande till avstånden mellan de städer som berörs. Detta gäller framförallt för JA och då sträckorna Tranås-Jönköping och Ulricehamn-Jönköping. Dessa sträckor kännetecknas i dag av att tågtrafiken håller en låg kvalitet genom att det saknas direktförbindelser. Under förutsättning att de upplevda tidsavstånden är korrekt beräknade blir den kopplade medelhastigheten för att färdas dessa sträcker så låg att de inte alls kan bedömas vara konkurrenskraftiga. Det är inte helt enkelt att förstå vad som gör att den totala upplevda restiden är 418 minuter mellan Jönköping och Ulricehamn (motsvarar en medelhastighet med knappt 10 km/h). 15

I nästa tabell nedan visas den procentuella förbättringen i restider för sträckorna utmed Götalandsbanan (som fortfarande måste ses enskilda, dvs. ska inte summeras). Förbättringar uttrycks i procent för respektive US i förhållande till situationen som definieras av JA. Tabell 3.2: Förbättrad upplevd restid i procent i olika UA jämfört med JA på sträckan Götalandsbanan Från Till US1 US2A US2B US5 Stockholm Södertälje -2,5-2,3-2,5-2,5 Södertälje Nyköping 20,7 28,2 20,7 20,6 Nyköping Norrköping 8,2 26,8 8,2 8,2 Norrköping Linköping 4,9 9,2 4,9 4,9 Linköping Tranås 7,3 0,8 7,3 7,3 Tranås Jönköping 19,8 20,1 19,8 19,8 Jönköping Ulricehamn 71,4 71,3 71,4 71,5 Ulricehamn Borås 5,8 5,7 5,8 5,8 Borås Göteborg 20,6 14,2 20,6 18,7 Källa: WSP Group (2015) och egna beräkningar. Den största relativa förbättringen av restider finns på sträckan Ulricehamn Jönköping, vilket sannolikt har sin förklaring i form av att JA som beräknats visar en mycket hög upplevd restid i förhållande till sträckans avstånd. Sedan kan vi konstatera att det finns en omfattande variation med avseende på hur stor förbättring de olika sträckorna beräknas kunna erhålla. Däremot är inte variationen lika omfattande mellan de olika US. Detta är också mycket rimligt eftersom de olika US i första hand berör Europabanan, snarar framstår det som en fråga som inte är enkel att förklara hur det kommer sig att det finns så stora skillnader i SAMPERS resultat som det gör mellan de olika US för sträckor som Södertälje Nyköping, Nyköping Norrköping, Borås Göteborg som inte ligger utmed Europabanan. Det hade varit mer rimligt att det inte fanns några variationer alls för sträckorna utmed Götalandsbanan eftersom den inte direkt berörs av Europabanan om inte tidtabeller förändras. På motsvarande sätt som för Götalandsbanan presenteras i tabellen nedan hur den upplevda restiden beräknas för Europabanan för den del som är söder om Jönköping. I tabellen visas resultatet av beräkningarna med SAMPERS för hur den upplevda restiden beräknas förbättras för sträckorna utmed Europabana i samband med investeringen i höghastighetsbanorna (som ovan gäller att sträckor inte ska summeras samman utan ses var och en för sig). Återigen finns det några sträckor som har mycket lång upplevd restid som också kännetecknas av att det saknas direkta tågförbindelser idag. Detta gäller exempelvis sträckan Jönköping Växjö och Värnamo Helsingborg. Något som skiljer Götalandsbanan och Europabanan är att den senare påverkas av att olika det finns olika scenarion för hur banans dragning kan antas bli. 16

Tabell 3.3: Total upplevd restid på sträckan från Jönköping till Malmö och procentuell förbättring Från Till JA US1 Förbättring (%) Jönköping Värnamo 195,4 148,3 24,1 Värnamo Helsingborg 338,6 178,9 47,2 Helsingborg Lund 83,3 82,5 0,9 Lund Malmö 57,1 55,3 3,1 Från Till JA US2A Förbättring (%) Jönköping Värnamo 195,4 155,9 20,2 Värnamo Lund 263,7 227,7 13,6 Lund Malmö 57,1 55,5 2,7 Från Till JA US2B Förbättring (%) Jönköping Värnamo 195,4 148,3 24,1 Värnamo Hässleholm 209,1 141,5 32,3 Hässleholm Lund 116,4 107,2 7,9 Lund Malmö 57,1 55,3 3,1 Från Till JA US5 Förbättring (%) Jönköping Växjö 276,8 173,3 37,4 Växjö Hässleholm 124,5 114,8 7,8 Växjö Kristianstad 198,8 179,9 9,5 Hässleholm Lund 116,4 107,2 7,9 Kristianstad Lund 138,1 132,7 3,9 Lund Malmö 57,1 55,3 3,1 Källa: WSP Group (2015) och egna beräkningar. Ser vi till resultaten i tabellen ovan framgår att de mest omfattande relativa förbättringar i upplevd restid återfinns för sträckorna Jönköping Värnamo, Värnamo Helsingborg, Värnamo Hässleholm och Jönköping Växjö. För de övriga sträckorna är förbättringarna i upplevd restid väsentligt mer begränsade. Den senare observationen är också något som inte är enkel att förstå eftersom det samtidigt handlar om att tågtrafiken kommer att framföras mycket snabbare än tidigare. Det är möjligt att förklaringar till dessa resultat finns i form av vilka investeringar som redan räknats in i JA som rör exempelvis Malmö och som sannolikt påverkar övriga Skåne på ett motsvarande sätt som Citytunneln i Stockholm och Västlänken i Göteborg. I syfte att tydliggöra de restidsrelationer i det framtida höghastighetstågssystemet, uttryckt som upplevd restid, har vi beräknat den generella tillgängligheten till arbetsställen (jobb) för varje stationskommun med avseende på hur relationen mellan de olika UA och JA. Vi redovisar situationen för varje stationskommun uttryckt som kvot mellan UA och JA i stapeldiagrammet nedan. Tillgängligheten till arbetsställen (jobb) har beräknats med hjälp av DYNLOK där dataunderlaget som beräknats fram av SAMPERS används. Den relativa beräknade förbättringen i tillgänglighet till jobb per stationskommun och per UA kan utläsas genom att se till hur mycket högre respektive stapel är jämfört med värdet 1. För de sträckor och UA där stapeln är omkring 1 beräknas inte någon mer omfattande förbättring ske i samband med investeringarna. Detta gäller flertalet av stationskommunerna i Skåne och södra Sverige, samt 17

även Växjö, Göteborg, Jönköping och Tranås. Vi kan också se att beräkningarna visar reducerad tillgänglighet till jobb i Stockholm och Södertälje. Figur 3.2: Jämförelse i tillgänglighet till jobb mellan JA och de olika US När vi ser till resultaten i tillgänglighet till jobb i de olika stationskommunerna noterar vi att effekterna av att introducera höghastighetståg förefaller mycket begränsade. Detta är visserligen något som kan förväntas utifrån beskrivningen ovan av resultaten från de beräkningar som gjorts med hjälp av SAMPERS och som både indikerar mycket lång upplevd restid och att i för flera sträckor blir förbättringarna avseende den upplevda restiden mycket begränsad. Vi har under våren gjort så stora ansträngningar som tiden medgett för att kvalitetssäkra indata som vi fått levererad och även vid flera tillfällen fått nya reviderade underlag. Men vi kan ändå konstatera att en del av de beräknade förhållandena som redovisas i detta kapitel inte är enkla att förklara och kan vara förknippade med begränsningar avseende hur väl de förmår att spegla de nya tillgänglighetsförhållanden som höghastighetsbanorna kan förväntas innebära. 18

4. Prognosticerade effekter på arbetsmarknaden Arbetsmarknadseffekterna som prognosticeras med DYNLOK är kopplade till tillgänglighetsförändringarna som är resultat av SAMPERS-beräkningar och som redovisas ovan för de olika scenarion som studeras. Vi redovisar resultaten summerat per län nedan (i appendix C finns resultaten för arbetsmarknadseffekterna redovisad i kartfrom och i appendix D finns resultaten redovisade per kommun). Resultaten finns framtagna per kommun som överlämnas till uppdragsgivaren elektroniskt. Resultaten redovisas för ett typiskt år när en ny jämvikt etablerats med en tabell per scenario och med kommentarer som redovisas efter respektive tabell. Det är viktigt att notera att det krävs att en tid förflyter mellan det att investeringen är färdig till dess att hushåll och företag gradvis har anpassat sina lokaliseringsval mm utifrån de nya förhållandena. Längden på en sådan period kan antas vara omkring 10 år om vi jämför med den utveckling som andra större investeringar som Öresundsbron eller Svealandsbanan har inneburit. Det ska också påpekas att resultaten som redovisas här ska tolkas som potentiella effekter kopplat till planerade investeringar i höghastighetsbanor enligt skillnaden mellan JA och respektive US. Höghastighetsbanorna förväntas vara utbyggda år 2030. I JA ingår, som redan nämnts ovan, stora investeringar i de tre storstadsregionerna som inte blir inkluderade i de redovisade resultaten men som kan ha en stor betydelse för tillväxt och utveckling både i storstadsregionerna och övriga landet. Vi ska också tillägga att förutsättningarna för studien är speciella om jämförelser exempelvis görs med den analys som presenterades i projektet Tillgänglighet-Tillväxt-Planering (TTP). Detta på grund av att dels storstadsregionernas investeringar i den studien fanns i de olika utredningsalternativen (men inte redovisades eftersom studien fokuserades på den mellersta delen av Götalandsbanan), dels genom att SAMPERS heller inte användes på samma sätt med den typ av modul för resevalsantaganden ( mode-choice ) som nu har använts. I TTP-projektet gjordes också ett omfattande arbete som involverade berörda regioner (och kommuner) för att i samarbete med trafikkonsulter vid Vectura identifiera rimliga optimeringsmöjligheter i syfte att kunna använda antagande om hur trafik i övriga nätet sannolikt kan komma att anpassas i förhållande till höghastighetsbanorna. Slutligen gjordes i TTP-projektet inte någon analys av Europabanan. I den följande presentationen presenterar vi resultaten av beräkningar av potentiella effekter som för var och ett av de olika US uttrycks som skillnad i förhållande till JA. Det är viktigt att notera att DYNLOK tar hänsyn till konkurrenseffekter som kan uppstå mellan regioner och kommuner. Dessa uttrycks genom att nettopåverkan blir mindre jämfört med bruttoeffekt och det kan förekomma att nettoeffekt i en kommun blir negativ. Vi redovisar våra konstateranden och observationer i punktform efter respektive tabell. Återigen är det viktigt att påpeka vårt sätt att använda begreppet typiskt år när resultaten utläses och ska tolkas. Vi hänvisar till beskrivning i inledningen för klargörande om detta. Det är viktigt att skilja mellan å ena sidan vad som är nivåförändringar av resurser eller tillgångsstockar och å andra sidan vad som kan ses som en avkastning som då uppträder årligen så länge det finns en högre nivå för exempelvis en produktionsfaktor. I tabellen nedan redovisas resultaten från DYNLOK-beräkningen och den prognosticerade betydelse som US1 kan förväntas innebär för berörda län. I appendix B redovisas motsvarande effekter för stationskommunerna. 19

Tabell 4.1: Prognosticerad effekt på arbetskraft och jobb av höghastighetståg enligt scenario US1 Arbetskraft Jobb Län 2013 Tillväxt Procent 2013 Tillväxt Procent Stockholm 1309052 614 0,05 1152701 664 0,06 Södermanland 153272 1898 1,24 113865 2008 1,76 Östergötland 251874 3470 1,38 198522 3808 1,92 Jönköping 191540 489 0,26 169171 492 0,29 Kronoberg 105382 241 0,23 93285 284 0,3 Kalmar 129149 58 0,04 107411 62 0,06 Blekinge 84353 41 0,05 67943 38 0,06 Skåne 739599 2977 0,4 560530 3089 0,55 Halland 170867 213 0,12 133540 227 0,17 Västra Götaland 943911 3656 0,39 790010 3908 0,49 Örebro 161296 76 0,05 131563 70 0,05 Summa 4240295 13733 0,32 3518541 14650 0,42 Noteringar avseende prognosticerade effekter från US1: Tillväxten i arbetskraft förväntas motsvara knappt 14 000 individer. Tillväxten i antal arbeten förväntas bli något högre (drygt 14 000 jobb) jämfört med arbetskraften, dvs. vi kan förvänta oss en viss nettoinpendlingseffekt. Tillväxteffekterna måste tolkas i ljuset av att investeringar och anpassningar i storstadsregionerna redan är inkluderade i JA. Den relativt starkaste effekten kan förväntas i Södermanland och i Östergötland utifrån de presenterade resultaten. Nivån på dessa potentiella effekter är jämförbar med tidigare studier, för övriga län är resultaten väsentligt lägre. Detta kan bero på det speciella JA som används i studien samtidigt som det inte går att bortse från att det finns goda skäl att på ett fördjupat sätt granska underlagen som används i analysen. Denna observation gäller också för samtliga utredningsscenarion som följer nedan. Vi noterar att den beräknade effekten i Stockholms län, Jönköpings län, Västra Götaland och även Kronoberg förefaller mycket begränsade. Tabell 4.2: Prognosticerad effekt på arbetskraft och jobb av höghastighetståg enligt scenario US2A Arbetskraft Jobb Län 2013 Tillväxt Procent 2013 Tillväxt Procent Stockholm 1309052 794 0,06 1152701 879 0,08 Södermanland 153272 4154 2,71 113865 4391 3,86 Östergötland 251874 3865 1,53 198522 4338 2,19 Jönköping 191540 546 0,29 169171 544 0,32 Kronoberg 105382 153 0,15 93285 183 0,2 Kalmar 129149 93 0,07 107411 102 0,09 Blekinge 84353 34 0,04 67943 27 0,04 Skåne 739599 2916 0,39 560530 2858 0,51 Halland 170867 218 0,13 133540 223 0,17 Västra Götaland 943911 2753 0,29 790010 2912 0,37 Örebro 161296 70 0,04 131563 71 0,05 Summa 4240295 15596 0,37 3518541 16528 0,47 20