Peak Car Anne Bastian, Maria Börjesson och Jonas Eliasson Associate Professor Transport Systems Analysis, KTH Director Centre for Transport Studies
Goodwin, Phil. "Peak travel, peak car and the future of mobility." (2012). GDP Car km driven in Sweden Souces: SIKA Transportarbete 1950-2012, incl. private and company cars; SCB for GDP
145% 140% 135% Total Sweden Rest of Sweden Urban Areas R-squared 0.77 0.77 0.82 Estimate t stat Estimate t stat Estimate t stat Intercept 0.89 1.52 1.22 2.68 0.46 0.57 log(gdp per capita) 0.52 4.35 0.44 real 4.76 gas price0.63 3.81 log(gas price) -0.30-5.24-0.23-5.10-0.45-5.68 130% 125% index vs. 2002 real GDP per adult index 120% 115% 110% elasticity model: -0.2 gas, 0.5 GDP per adult rest of Sweden, VKT per adult 105% 100% elasticity model: -0.3 gas, 0.5 GDP per adult 95% urban areas, VKT per adult 90% 1999 2001 2003 2005 2007 2009 2011 year VKT based on car inspection meter data from Trafikanalys Sweden
Individual level: National Travel Surveys 1978-2011 Opposite trends by socio-demographic group 80% 70% share of adults who drive a car on an average day 60% 50% 40% 30% 20% 10% 0% age 18-24 age 25-34 age 35-54 age 55-64 age 65-74 age 75-84 Total age 18-24 age 25-34 age 35-54 age 55-64 age 65-74 age 75-84 Total age 18-24 age 25-34 age 35-54 age 55-64 age 65-74 age 75-84 Total age 18-24 age 25-34 age 35-54 age 55-64 age 65-74 age 75-84 Total MALE FEMALE MALE FEMALE nonurban areas Stockholm and Gothenburg urban areas 1978,1984 1994-97 1999-2001 2005-2006 2011
Individuals: National Travel Surveys 1978-2011 Even high income urban men drive less over time 80.0% 70.0% share of adults who drive a car on a random day, by income 60.0% 50.0% 40.0% 30.0% 20.0% 10.0% 0.0% missing income data quartile 1 quartile 2 quartile 3 quartile 4 Total missing income data quartile 1 quartile 2 quartile 3 quartile 4 Total missing income data quartile 1 quartile 2 quartile 3 quartile 4 Total missing income data quartile 1 quartile 2 quartile 3 quartile 4 Total MALE FEMALE MALE FEMALE nonurban areas Stockholm and Gothenburg urban areas 1994-97 1999-2001 2006 2011
Individual level: National Travel Surveys 1978-2011 share of adults who drive a car on an average day distance driven per driver per day on trips under 100km 50% 40% 30% 20% 10% 0% 45 40 35 30 25 20 15 10 5 0 commuting trips non-commuting trips commuting trips non-commuting trips commuting trips non-commuting trips commuting trips non-commuting trips commuting trips non-commuting trips commuting trips non-commuting trips commuting trips non-commuting trips commuting trips non-commuting trips MALE FEMALE MALE FEMALE nonurban areas Stockholm and Gothenburg urban areas 1978,1984 1994-97 1999-2001 2006 2011 MALE FEMALE MALE FEMALE nonurban areas Stockholm and Gothenburg urban areas 1978,1984 1994-97 1999-2001 2006 2011 trend explained by the model trend not explained by the model
Municipality level study: car inspection data 2002-2012 Nationella data: flera länder OLS: samma i alla länder ln VVVVVVVVVVpp tt = ββ 0 + ββ 1 ln ffffffffffffffffee tt + ββ 2 ln GGGGGGGGGGpp tt + εε tt
Låga bensinpriser Fallande BNP elasticitet Låga bensinpriselasticiteter före 1980 Hög korrelation för 1980
Lägre elasticiteter för åren 1985-1986 Prisfall (imperfect price reversibility)
Lägre elasticiteter för åren 1975-1979 Prisfall (imperfect price reversibility) 1980-2003 and 1980-2014 har nästan samma elasticiteter
Före 1980: låga bensinpriselasticiteter Hög korrelation BNP bensinpris
Tyskland
Summary The elasticities well in line with more advanced studies (even earlier than 2001). Declining GDP elasticity in all the countries (saturation of car use and ownership for highest incomes) Gasoline price elasticity increase with the price level (Goodwin et al. (2004) Evidence of imperfect price-reversibility (Dargay and Gately, 1997). Intercept log(gas price) log(gdp per capita) No Estimate t value Estimate t value Estimate t value obs. R 2 US (1980 2015) 2.10 19.90-0.14-9.80 0.71 32.27 36 0.97 France (1980 2014) 1.10 7.42-0.31-11.01 1.08 49.38 35 0.99 UK (1980 2014) 1.58 9.07-0.37-8.41 1.07 32.15 35 0.97 Sweden (1980 2014) 3.13 19.64-0.23-4.14 0.63 10.92 35 0.87 Australia (1980 2013) 4.57 16.08-0.36-5.62 0.41 11.22 34 0.80 Germany (1991 2012) 1.18 2.18-0.18-1.41 0.94 4.18 22 0.76
Slutsatser och rekommendationer 1 Ekonomi och styrmedel räcker långt som förklaring (United States, France, the United Kingdom, Sweden) Innebär att det som gör prognoserna osäkra är framför allt omvärldsfaktorer. Mättnad bland storstadsmän i de högsta inkomstklasserna Så blir allt viktigare att ta hänsyn till inkomstfördelning i prognoser Storstadsbefolkningen har högre elasticit Vet inte om SAMPERS reproducerar det? Elasticiteten varierar mellan kommuner, beroeden på täthet och befolkningssammansättning.
Slutsatser och rekommendationer 2 Även om det kan förklaras av ekonomi så kan det ändå vara livsstil, värderingar, urbanisering Det är olika upplösningar Längre ungdom/utbildning, ökad jämställdhet friskare och aktivare och rikare pensionärer, immigration förändrar givetvis resandet i olika grupper: åt olika håll! Goda alternativ ökar effekter av styrmedel: Jobba med kommunal planering Förtäta Och tillgänglighet med kollektivtrafik, gång och cykel Bygg inte externa köpcentrum!! Använd prognoserna rätt: rangordning Koncentrera på att lösa problem som redan finns Acceptera osäkerhet på lång sikt (prioritera flexibla alternativ)