Framtagning av godsvolymer genom TEN-T hamnar i Sverige - Metodrapport

Trafikverket Framtagning av godsvolymer genom TEN-T hamnar i Sverige - Metodrapport Helsingborg 2015-03-23

Framtagning av godsvolymer genom TEN-T Hamnar i Sverige - Metodrapport Datum 2015-03-23 Uppdragsnummer 1320010974 Utgåva/Status Slutversion John Mcdaniel Jens Karlsson Thomas Ney Uppdragsledare Handläggare Granskare Framtagning av godsvolymer genom TEN-T hamnar i Sverige - Metodrapport Unr 1320010974 i

Innehållsförteckning 1. Bakgrund och syfte... 1 1.1 Bakgrund... 1 2. Beskrivning av förutsättningarna och indata... 3 2.1 Samgods resultat år 2006 och 2030... 3 2.2 Officiell statistik... 4 2.3 Jämförbarhet mellan Trafikanalys och Sveriges Hamnar... 4 2.4 Andra källor... 5 2.5 Klassificering av hamnar... 5 3. Metodbeskrivning... 8 3.1 Den tillämpade metoden... 8 3.2 Indata från Samgodsmodellen... 9 3.3 Statistiskt underlag... 9 3.4 Beräkna godsvolymer år 2030... 10 3.5 Metoder för trendframskrivning av svenska hamnar år 2030... 11 3.6 Summering av metoden... 13 3.7 Alternativa metoder som förkastats... 14 3.8 Historisk utveckling... 15 3.9 Framtidsprognos... 17 3.10 Exempel hamnar... 19 BILAGA 1: Signifikanstest... 21 Framtagning av godsvolymer genom TEN-T hamnar i Sverige - Metodrapport Unr 1320010974 ii

1. Bakgrund och syfte Detta uppdrag har genomförts av Ramböll Sverige AB (Ramböll) i samarbete med Trafikverket. Från Ramböll ingick John McDaniel, uppdragsledare, och Jens Karlsson, handläggare för sammanställning av statistik. Rapporten har granskats av Thomas Ney. För Trafikverket ingick Petter Wikström, uppdragsansvarig samt Petter Hill, Emil Fastén och Anders Broberg. Denna rapport beskriver översiktligt tillämpad metod och resultat avseende godsvolymer år 2010 och 2030 för respektive TEN-T hamn. Ett utkast till rapport remisshanterades under februari 2015 med svar från Göteborgs Hamn AB, Sjöfartsverket, Stockholms Hamnar AB, Trafikanalys, Transportstyrelsen och VTI. Dessa svar behandlades tillsammans med synpunkter från Trafikverket och Sweco i den slutgiltiga versionen. 1.1 Bakgrund Trafikverket tar årligen fram prognoser för sjöfart från Samgodsmodellen per hamnområde i form av godsmängd över kaj mätt i antal ton. Ett hamnområde består av ett antal hamnar längs en kuststräcka och det totala antalet hamnområden i Sverige är tolv stycken. Orsaken till att modellresultat för sjöfart presenteras per hamnområde och inte per enskild hamn är att modellen är skattad på en aggregerad nivå. En annan orsak är att den officiella statistiken för sjöfart, som modellresultaten stäms av med, presenteras per hamnområde och inte för enskilda hamnar. Det finns dock behov av att ta fram prognoser för sjöfart på en mer detaljerad nivå än för de ovan nämnda hamnområdena. Inom EU-kommissionen genomförs för närvarande en revidering av de Transeuropeiska Transportnätverken, TEN-T. För att underlätta och ge en överskådlig input till detta arbete utvecklar kommissionen en databas med tekniska och ekonomiska uppgifter avseende de Transeuropeiska Transportnätverken. I denna databas som benämns TENtec - ingår även moduler för elektroniska ansökningar av bidrag samt för uppföljning av TEN. Trafikverket skall årligen leverera statistik till denna databas för samtliga trafikslag. För sjöfart ska statistik levereras för 24 stycken utpekade hamnar i Sverige. Trafikverket önskar en metod för nedbrytning av volymer per hamnområde (12 st) till de utpekade hamnarna (24 st), samt att för dessa hamnar tillämpa denna metod för att ta fram godsprognoser som är konsistenta med den nationella godsprognosen från Samgodsmodellen. Den nationella godsprognosen och statistik för hamnarna ska användas som underlag. Metoden ska vara transparent,

relativt enkelt och lätt att uppdatera av Trafikverket eller valda konsulter. Endast befintlig och officiell statistik har använts i metoden. Bilden nedan visar tolv hamnområden enligt Trafikanalys definition samt de 24 hamnar som ingår i TEN-T och redovisas i uppdraget. Figur 2.1 Hamnområden och TEN-T hamnar i Sverige

2. Beskrivning av förutsättningarna och indata Input till metodutveckling har tillhandahållits av Trafikverket och innehåller både prognosresultat från Samgodsmodellen samt en sammanställning av officiell statistik. Genom att kombiniera de olika källorna är det möjligt att sammanställa statistik med totalt hanterad godsmängd (ton) per hamn. Totalt sett täcker materialet 60 svenska hamnar för perioden 1999-2013. 2.1 Samgods resultat år 2006 och 2030 Det är viktigt att påpeka att för uppdraget har Trafikverket tillhandahållit bas- och prognosvolymer från Trafikverkets modell Samgods. I uppdraget ingår inte att ta fram nya prognoser på hamnnivå. Uppdraget är avgränsat till att fördela om godsvolymer per hamnområde till hamnar inom respektive hamnområde. Ökningstakten i Samgodsprognosen är alltså given, och kommer från Trafikverket. Från Samgods hämtas två tabeller med samma format, en för gällande basår 2006 och den andra för framtidsåret 2030. Tabellerna innehåller totalt hanterad godsmängd över kaj per hamnområde och per varugrupp (STAN12). Samgods har basåret 2006, som är kalibrerad mot godsvolymer för samma år. Detta beskrivs i en separat rapport som finns tillgänglig på Trafikverkets hemsida 1. PortArea STAN1 STAN2 STAN3 STAN4 STAN5 STAN6 STAN7 STAN8 STAN9 STAN10 STAN11 STAN12 TOT 1 0.01 321.77 160.38 0.13 123.27 185.76 6725.74 270.99 637.1 793.42 25.32 21.59 9265.48 2 5.52 1455.51 1169.43 121.46 0.4 610.3 35.66 38.12 3038.81 697.49 635.81 146.61 7955.12 3 5.24 2472.37 1449.46 93.39 56.25 492.05 36.77 194.14 950.3 256.29 545.8 156.08 6708.14 4 463.98 860.64 883.76 608.25 3972.16 1619.55 217.5 703.82 1092.2 982.29 393.17 1443.9 13241.22 5 225.65 153.86 31.44 6.51 59.81 0 777.66 67.11 0.44 388.54 661.57 16.23 2388.82 6 169.58 354.7 608.01 217.76 1848.47 1543.85 3275.64 2242.04 438.68 422.19 774.16 232.12 12127.2 7 100.08 1089.83 557.23 78.99 7.29 7.83 1.08 25.66 646.56 887.67 94.6 78.25 3575.07 8 490.2 4.44 89 108.47 68.62 37.81 6.82 8.79 16.44 2303 54.13 651.76 3839.48 9 1021.85 216.3 706.58 719.16 2.93 429.06 343.38 624.5 1418.35 1739.11 1145.73 1523.57 9890.52 10 558.75 187.88 271.83 326.07 1278.25 106.36 194.12 385.29 1975.23 1464.23 3778.27 522.64 11048.92 11 123.15 463.79 798.69 147.63 0 61.97 48.98 520.82 302.82 435.03 210.62 279.66 3393.16 12 824.66 693.78 1773.56 2802.94 9308.06 10967.1 309.65 3033.2 3700.81 1096.68 936.54 5336.96 40783.94 13 42.91 0.88 333.97 15.77 5471.32 5784.04 210.67 39.35 227.2 583.51 383.05 162.19 13254.86 14 13.61 342.93 299.55 299.44 318.8 26.75 526.14 165.54 102.9 1089.57 260.59 51.66 3497.48 Summa: 4045 8619 9133 5546 22516 21872 12710 8319 14548 13139 9899 10623 140969 Figur 2.2 Exempel format från Samgodsmodellen. 1 Prognos för godstransporter 2030 Trafikverkets basprognos 2015

2.2 Officiell statistik Trafikverket har sammanställt relevant officiell godstransportstatistik i en Exceldatabas baserat på en kombination av källor: Sveriges Hamnar Eurostat Trafikanalys Detta är en sammanställning av sjötrafikstatistik till och från svenska hamnar för åren 2003-2013 (total hanterad godsmängd samt uppdelat på lossat och lastat finns även för åren 1997-2002 respektive 1999-2002). Sammanställningen bygger dels på officiell statistik från Trafikanalys (Trafikanalys) och Eurostat, dels på statistik publicerad av Sveriges Hamnar ett bransch- och arbetsgivarförbund inom TransportGruppen. Total godsmängd för riket är hämtad från Trafikanalys statistik över sjötrafik. Trafikanalys publicerar även statistik över sjöfartsföretag och fartyg i svensk regi. Denna statistik jämförs också med motsvarande uppfigter från Eurostat. Eurostats transportstatistik finns här (för att komma åt sjöfartsstatistiken gå till: Maritime transport Goods Maritime transport - Goods (gross weight) - Annual data - Main ports - One detailed table per each reporting country - by direction, partner entity, type of cargo and nationality of registration of vessels (mar_go_am_detl) Maritime transport - Goods - Annual data - Main ports - Detailed data for Sweden (mar_go_am_se)). Siffror för de flesta enskilda hamnarna kommer från Sveriges Hamnars medlemsstatistik, men för några hamnar hämtas siffrorna från Eurostat (gäller Bergs Oljehamn, Grisslehamn, Iggesund, Jättersön, Köping, Norrsundet, Skutskär, Slite, Smålandshamnar, Stenungsund, Västerås). För hamnar vars statistik hämtats från Eurostat används enbart totalt lastad och lossad godsmängd fram till år 2012, alltså ej uppdelat per godsslag eftersom definitionerna skiljer sig åt mellan Eurostats, Sveriges Hamnars och Trafikanalys statistik. Det finns inte uppgifter för alla Sveriges hamnar, varför total godsmängd för de hamnar som redovisas är mindre än för riket. 2.3 Jämförbarhet mellan Trafikanalys och Sveriges Hamnar Sveriges Hamnar presenterar statistik både totalt och för respektive medlemshamn uppdelat på kategorierna: Containers, flak, kassetter Trailers, lastfordon, släp mm. Järnvägsvagnar

Övrigt roro-gods Icke enhetsgods delas fram till år 2010 upp i underkategorierna Flytande bulk Mineraloljor Övrig flytande bulk Övrigt gods Skogsprodukter Järn- och stålprodukter Övrig torrbulk Annan last Kategorierna Containers, flak, kassetter, Järnvägsvagnar och Flytande bulk verkar stämma överens med motsvarande kategorier från Trafikanalys. I kategorin Trailers, lastfordon, släp mm. inkluderas av Sveriges Hamnar så kallade port-to-port-trailers, Trafikanalys definierar dessa som Övriga roroenheter. Även efter en korrigering för port-to-port-trailers är Trafikanalys kategori Övriga roro-enheter större än Sveriges Hamnars, vilket tyder på att Trafikanalys inkluderar ytterligare något i Övriga roro-enheter som Sveriges Hamnar redovisar under Icke-enhetsgods. Det är oklart exakt vad som ingår i Trafikanalys kategori Annan last, men det verkar vara skogs-, järn- och stålprodukter samt något mer, eventuellt inte ens definierat av hamnarna som rapporterar in data. 2.4 Andra källor Statistik per hamn och varugrupp har också tillhandahållits av Sjöfartsverket för detta uppdrag, men endast för tidsperioden 2006-2013. Ramböll har analyserat detta material och tillsammans med Trafikverket bedömt att en trendframskrivning för så kort tidsperiod, som inkluderar en väldigt instabil period, gav mer osäkra resultat än den längre tidsperioden 1999-2013 med totala flöden. Sjöfartverket har angett att det är möjligt att ta fram uppgifter för en längre tidsperiod och att Trafikverket på längre sikt ska kunna anpassa metoden för att inkludera materialet. Detta har inte gjorts i detta uppdrag. 2.5 Klassificering av hamnar Figuren nedan visar en förteckning av hamnar i respektive hamnområde (enligt definitionen från år 2008) för att kunna koppla till hamnområden i Samgods samt status för respektive hamn (TEN-T Core, TEN-T Comprehensive och Ej TEN-T). Status för hamnen påverkar dock inte metoden i nuläget, utan syftet är att erbjuda möjligheten att i framtiden inkludera hamnstatus i metoden.core Network består av de viktigaste anslutningarna och knutpunkterna i TEN-T och bildar ett stomnät där ett mycket begränsat antal prioriterade transportprojekt finns med. Core Network ska fungera fullt ut 2030. Comprehensive Network utgör en bas och täcker in stora delar av det europeiska transportsystemet och

ska fungera som ett övergripande anslutningsnät till Core Network och har som mål att slutföras år 2050. EJ TEN-T är hamnar som inte har definierats som ett Core eller Comprehensive Network. Hamn hamnområde >2008 CORE COMPREHENSIVE EJ TEN-T Bergkvara Södra ostkusten X Bergs Oljehamn Norrtälje Nynäshamn X Brofjorden Scanraff Stenungsund-Strömstad X Delta Terminal Söråker Umeå Sundsvall X Falkenberg Halmstad-Varberg X Gotlands hamnar Södra ostkusten X Grisslehamn Norrtälje Nynäshamn X Gävle Hudiksvall-Gävle X Göteborg Göteborg X Halmstad Halmstad-Varberg X Hargshamn Norrtälje Nynäshamn X Helsingborg Malmö Helsingborg X Husum Umeå Sundsvall X Härnösand Umeå Sundsvall X Iggesund Hudiksvall-Gävle X Jättersön Södra ostkusten X Kalmar Södra ostkusten X Kapellskär Norrtälje Nynäshamn X Karlshamn Karlskrona-Trelleborg X Karlskrona Karlskrona-Trelleborg X Landskrona Malmö Helsingborg X Luleå Haparanda-Skellefteå X Lysekil Stenungsund-Strömstad X Malmö Malmö Helsingborg X Mälarhamnar varav Köping Mälaren x varav Västerås Mälaren x Mönsterås Södra ostkusten X Norrköping Södra ostkusten X Norrsundet Hudiksvall-Gävle X Norrtälje Nynäshamn totalt varav Nynäshamn varav Nynäshamns oljehamn Norrtälje Nynäshamn Norrtälje Nynäshamn Norrtälje Nynäshamn X

Hamn hamnområde >2008 CORE COMPREHENSIVE EJ TEN-T Oskarshamn Södra ostkusten X Oxelösund Södra ostkusten X Piteå Haparanda-Skellefteå X Skellefteå Haparanda-Skellefteå X Skutskar Hudiksvall-Gävle X Skärnäs terminal Hudiksvall-Gävle X Slite/Slite industrihamn Södra ostkusten X Smålandshamnar Södra ostkusten X Stenungsund Stenungsund-Strömstad X Stockholm Norrtälje Nynäshamn X Storugns Södra ostkusten X Strömstad Stenungsund-Strömstad X Sundsvall Umeå Sundsvall X Söderhamn Hudiksvall-Gävle X Södertälje Södra ostkusten X Sölvesborg Karlskrona-Trelleborg X Trelleborg Karlskrona-Trelleborg X Uddevalla Stenungsund-Strömstad X Umeå Umeå Sundsvall X Varberg Halmstad-Varberg X Vänerhamn Vänern X Västervik Södra ostkusten X Wallhamn Stenungsund-Strömstad X Ystad Karlskrona-Trelleborg X Åhus Karlskrona-Trelleborg X Örnsköldsvik Umeå Sundsvall X 5 19 31 Figur 2.4 Hamnar efter hamnområde och TEN-T status

3. Metodbeskrivning 3.1 Den tillämpade metoden Uppdragets syfte är framförallt att ta fram en ny metod för prognostisering av godsvolymer för de 24 TEN-T hamnarna, baserat på både tillgänglig historisk statistik på hamnnivå och Samgodsresultat för ett basår (2006) samt ett framtidsår (2030) per hamnområde och varugrupp. Metoden ska kunna tillämpas på nya prognosförutsättningar i Samgods och med samma dataformat. Uppdatering av statistikdatabasen ska kunna göras enkelt och påverka resultaten av metodtillämpningen. Metoden ska också vara transparent, enkel och endast inkludera officiellt tillgängliga historiska indata. En förutsättning för uppdraget var att olika metoder skulle undersökas. Ramböll och Trafikverket har tillsammans kommit överens om att metoden inte ska hantera osäkra indata, dvs icke-officiell statistik, bedömningar osv. Detta inkluderar också effekterna av infrastrukturinvesteringar. Nu investerar exempelvis Stockholms Hamnar AB cirka 6-7 miljarder kr i förbättrad hamninfrastruktur och hamnkapacitet, utveckling av Norvik hamn osv. Medan själva investeringarna kan kartläggas är påverkan av diverse investeringar på antalet hanterade ton väldigt osäker och öppen för olika bedömningar. Vissa investeringar kan genomföras för att behålla nuvarande volymer och kvalitet medan andra ger möjliggör ökade volymer medelst anlöp av större fartyg med lägre enhetskostnader. Om infrastrukturinvesteringarna ska inkluderas i modellen bör en särskild studie genomföras för att undersöka påverkan på hanterade ton. Dessutom bör effekterna också inkluderas i Samgodsmodellen som idag inte har inbyggd möjlighet för detta. Ramböll har, med stöd av Sweco, utvecklat en enkel och transparent metod som inte kräver stor kunskap om programmering eller Samgodsmodellen. Metoden är enkel att uppdatera med reviderade resultat från Samgodsmodellen och samtidigt enkelt att uppdatera med ny statistik, exempelvis med ny indata för 2014, 2015 eller bättre historisk statistik. Metoden är framtagen för att fördela den prognostiserade ökningen (eller minskningen) i hanterade ton per hamnområde från Samgodsmodellen till respektive hamn inom varje hamnområde. Samtliga utpekade TEN-hamnar ska särredovisas separat istället för aggregerat per hamnområde. Det senare innebär att alla hamnar i ett hamnområde får samma tillväxt. I hamnområdet Södertälje- Norrköping ingår två TEN-hamnar, Oxelösund och Norrköping. Inom varje hamnområde finns det också ett flertal andra hamnar som inte ingår i TEN. Därför var den första uppgiften att identifiera klassificeringen av hamnarna i respektive hamnområde. Denna redovisas i kapitel 2.5.

3.2 Indata från Samgodsmodellen Från Trafikverket tillhandahålls tabeller över godsmängd per hamnområde och varugrupp från Samgodsmodellen för åren 2006 och 2030. Eftersom leverans av indata till TENtec-databasen avser åren 2010 och 2030 har detta hanterats inom metoden. För året 2010 är det enkelt eftersom statistiskt underlag finns tillgängligt (se nedan). Eftersom det finns en avvikelse mellan statistiken och Samgodsmodellen gällande basåret 2006 tillämpas metoden genom att beräkna den relativt ökningen 2006-2030 från Samgods per hamnområde. Detta konverteras till utveckling per år och slutligen appliceras på 20 år (2010-2030). Observera att endast hanterade ton per hamnområde används i metoden och inte hanterade volymer per varugrupp eller hamnområde/varugrupp. Detta på grund av stor osäkerhet i prognosen på den nivån och avvikelse mot statistik för samma år. Underlaget har följande format för både basåret och prognosåret: PortArea STAN1 STAN2 STAN3 STAN4 STAN5 STAN6 STAN7 STAN8 STAN9 STAN10 STAN11 STAN12 TOT 1 0.01 321.77 160.38 0.13 123.27 185.76 6725.74 270.99 637.1 793.42 25.32 21.59 9265.48 2 5.52 1455.51 1169.43 121.46 0.4 610.3 35.66 38.12 3038.81 697.49 635.81 146.61 7955.12 3 5.24 2472.37 1449.46 93.39 56.25 492.05 36.77 194.14 950.3 256.29 545.8 156.08 6708.14 4 463.98 860.64 883.76 608.25 3972.16 1619.55 217.5 703.82 1092.2 982.29 393.17 1443.9 13241.22 5 225.65 153.86 31.44 6.51 59.81 0 777.66 67.11 0.44 388.54 661.57 16.23 2388.82 6 169.58 354.7 608.01 217.76 1848.47 1543.85 3275.64 2242.04 438.68 422.19 774.16 232.12 12127.2 7 100.08 1089.83 557.23 78.99 7.29 7.83 1.08 25.66 646.56 887.67 94.6 78.25 3575.07 8 490.2 4.44 89 108.47 68.62 37.81 6.82 8.79 16.44 2303 54.13 651.76 3839.48 9 1021.85 216.3 706.58 719.16 2.93 429.06 343.38 624.5 1418.35 1739.11 1145.73 1523.57 9890.52 10 558.75 187.88 271.83 326.07 1278.25 106.36 194.12 385.29 1975.23 1464.23 3778.27 522.64 11048.92 11 123.15 463.79 798.69 147.63 0 61.97 48.98 520.82 302.82 435.03 210.62 279.66 3393.16 12 824.66 693.78 1773.56 2802.94 9308.06 10967.1 309.65 3033.2 3700.81 1096.68 936.54 5336.96 40783.94 13 42.91 0.88 333.97 15.77 5471.32 5784.04 210.67 39.35 227.2 583.51 383.05 162.19 13254.86 14 13.61 342.93 299.55 299.44 318.8 26.75 526.14 165.54 102.9 1089.57 260.59 51.66 3497.48 Summa: 4045 8619 9133 5546 22516 21872 12710 8319 14548 13139 9899 10623 140969 Figur 3.1 Total godsvolym per hamnområde från Samgodsmodellen 3.3 Statistiskt underlag Fördelning av mängden gods per hamn, som andel av gods per hamnområde, är beroende av den historiska utvecklingen. Därmed ger en längre tidsserie ett stabilare resultat. Eftersom ett av kraven för den nya metoden är att endast använda tillgänglig officiell statistik är det viktigt att sammanställa de bästa underlagen. Därför tog Trafikverket på sig att leverera en statistikdatabas, i form av ett Excel-dokument. Dokumentet innehåller sammanställd statistik från Sveriges Hamnar, Eurostat och Trafikanalys. Databasen innehåller åtta olika underlagsflikar samt en rubrikflik. Alla underlag har analyserats inom uppdraget men alla har inte använts i det slutgiltiga valet av metod.

Flik Innehåll visar rubriken för de andra åtta flikarna Tabell H1: Hanterad godsmängd i svenska hamnar 1997-2013, tusentals ton Tabell H2: Hanterad godsmängd per hamn 1999-2013, tusentals ton Tabell H3: Totalt hantering per godsslag 2003-2013, tusentals ton Tabell H4: Totalt hantering per godsslag och hamn 2003-2013, tusentals ton Tabell H5: Antal enheter 2003-2013 Tabell H6: Antal TEU-enheter (Twenty-foot equivalent units) 2003-2013 Tabell H7: Antal anlöp och passagerare 2003-2013 Tabell H8: Differens mellan Sveriges Hamnars och Trafikanalys uppgifter om total godsmängd i rikent per godsslag 2003-2013 Av dessa är fliken Tabell H2: Hanterad godsmängd per hamn 1999-2013, tusentals ton mest intressant för denna studie. Hamn 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 Luleå 6563 7001 6812 6766 7605 7565 7723 8674 8674 8960 6462 9287 8979 8250 7995 Skellefteå 1108 1316 1730 1818 1922 1894 1921 1832 1931 1695 1618 1544 1613 1580 1508 Övriga Haparanda-Skellefteå 1155 1293 1487 1529 1550 1678 1816 1527 1771 1591 1356 1570 1437 1626 1637 Umeå 1335 1352 1359 1447 1459 1633 1807 1850 1855 1841 1739 1772 1798 1765 1760 Sundsvall 1885 1881 1858 2074 2012 1994 2084 2184 2117 2328 1931 1976 2131 2017 2126 Övriga Umeå-Sundsvall 2554 2818 2634 3100 2742 3024 3086 2833 3124 2687 1955 3133 3390 2994 2942 Figur 3.2 Historisk statistik ordnat efter hamnområde och TEN-hamn Det är viktigt att klargöra vilka hamnar som ingår i varje hamnområde, inte bara vilka TEN-hamnar ingår. Detta var möjligt att göra, med hjälp av Trafikanalys, för vissa hamnar som inte var tydligt definierade. 3.4 Beräkna godsvolymer år 2030 Genom att tillämpa trendfunktioner per hamn i Excel var det möjligt att beräkna volymerna för år 2030, baserat enbart på historiska data. Genom att tillämpa funktionen för alla hamnar för perioden 1999-2013 kunde vi beräkna en framskrivning i antalet hanterade ton. Resultat av detta skulle innebära en total ökning på cirka 6% mellan 2010 och 2030. Eftersom metoden också ska vara i linje med Samgodsprognosen per hamnområde ingår ett extra steg att inkludera Samgods totalvolymer per hamnområde. Detta gjordes genom att tillämpa en faktor mellan trenden och Samgods prognos för året 2030. Detta gjorde att den totala ökningen blev högre i Samgodsprognosen än i trendframskrivningen. Om vi nu tittar på de 24 TEN-hamnarna innebär detta en total ökning på +49% mellan 2010 och 2030. Den slutgiltiga tabellen redovisas i avsnitt 4.2 som visar antalet ton per TEN-hamn år 2010 och 2030.

3.5 Metoder för trendframskrivning av svenska hamnar år 2030 Sex olika trendframskrivningsmetoder har utvecklats för att hitta vilken/vilka som bäst överensstämmer med den historiska statistiken för perioden 1999-2013. Den första beräkningen är en kombination av BNP-utveckling och tid, den andra endast tid, den tredje endast BNP och den fjärde en linjär regression. Modellkoefficienternas statistiska signifikans har testats mot materialet, och kravet var att absolutbeloppet av koefficienterna minst skulle vara två gånger standardavvikelserna. En femte metod beräknas som medelvärdet av alla historiska flöden i fallen där inga signifikanta samband beräknas. En sjätte beräkning för exponentiell utjämning har gjorts för att undersöka om den är mer signifikant än de andra metoderna. Tillvägagångssättet är mer komplicerat än en enkel linjär trend och kan innebära olika framskrivningsmetoder för olika hamnområde. Detta bedöms inte som problematiskt. Uppskrivningen beräknas som: Trend(h) / p Trend(p) * Samgods(hamnområde) p = index för hamnar i ett hamnområde h = hamn nr h i hamnområdet. Beteckningar: Y = vektor med hamnflöden år 1999 2013 X t = vektor med årtal (tid 1998 för att vara konsistent med Excels regression Potens) X BNP = vektor med BNP för åren 1999 2013 Metoder: 1. Tid+BNP baserade på historiskt BNP 1999-2013 och antaganden om 2% ökning per år till 2030. Regressionsekvation: y = a * Xt b * XBNP c För användning i linjär regressionsfunktion REGR i excel logaritmeras bägge led. ln(y) = ln(a) + b*ln(x t) + c*ln(xbnp) b och c är signifikanta om abs(b)/stdav(b) > 2 resp abs(c)/stdav(c) > 2 Krav: abs(c) < 1 för att inte ha en exponentiell tillväxt Prognos: y2030 = exp(ln(a) + b*ln(2030-1998) + c*ln(xbnp(2030))) 2. Endast Tid om tid i sig är signifikant. Som 1 men utan BNP 3. Endast BNP - Som 1 men utan tid

4. Linjär trend framskrivning av historiskt materialet fram till 2030 Regressionsekvation: y = a + b * X t + c * XBNP Direkt användning i linjär regressionsfunktion REGR i excel. y = a + b * X t b är signifikant om abs(b)/stdav(b) > 2 Prognos: y2030 = a + b*(2030-1998) Krav: Att det existerar observationer > 0 för alla år och att y2030 > 0. 5. Medelvärdet genomsnitt av all statistik 1999-2013. Används där ingen av de andra trenderna är signifikanta. Saknade värden räknas inte med. 6. Exponentiell utjämning senare åren väjer tyngre i beräkningen. Denna metod har inte valts för någon hamn med metoden. Metod: Uppdaterat utjämnat värde år t är: M t = alfa * y t + (1-alfa)*M t-1 alfa är utjämningskoefficienten (har valts till 0.2 av Ramböll) Automatvalen görs enligt nedan: Om någon av metoderna 1-4 är godkänd väljs den med högst R2-värde. I annat fall väljs den av 5 och 6 med lägst standardavvikelse i prognosen sett över den aktuella tidshorisonten. Signifikanstestet går ut på att göra en avstämning mot fördefinierade tabellvärden. Signifikanstestet beskrivs närmare i Bilaga 1. I vissa undantag bedöms en annan metod som lämpligast istället för den mest signifikant. Ett exempel är Sundsvall, som visas tabellen nedan. Trend visar flödet (tusentals ton per år) som beräknas med varje metod utan Samgodsanpassning. Kolumnen längst till höger visar nivå på signifikans för varje metod eller om den förkastas (-1.0000). Trend Combination BNP (abs(koeff) < 1) Tid R2 / STD AV 2630 Regr: BNP + Tid 0 0 0.451-1.000 2197 Regr: Tid 1 0.354 0.354 2467 Regr: BNP 1 0.436 0.436 2377 LinReg: Tid 1 0.240 0.240 2040 Medelvärde 128 0.01 Exponentiell 2038 utj 551 0.005 Figur 3.3 De 6 olika metoderna som beräknas 0.436

Nummer Combination Antalet TEN-T hamnar 1 Regr: BNP + Tid 0 2 Regr: Tid 7 3 Regr: BNP 3 4 LinReg: Tid 7 5 Medelvärde 7 6 Exponentiell utjämning 0 Figur 3.4 Antalet hamnar som har bäst överensstämelse med varje metod 3.6 Summering av metoden Metoden uppfyller kraven att: tillämpa mest relevant officiella statistik på så lång tidsserie som möjligt (tillhandahålls av Trafikverket). undvika antaganden och icke-officiella källor. metoden ska vara transparent och enkel. metoden ska lätt kunna uppdateras. metoden ska inte kräva ovanliga programvaror. metoden ska tillämpas för första gången med senaste Samgodsprognos (tillhandahålls av Trafikverket). Statistiskt underlag 1999-2013 per hamn Bearbeta historiskt indata trend 1999-2013 per hamn Framskrivning av trenden till år 2030 Anpassning av trendframskriv ning till Samgodsprognos per hamnområde Slutredovisning av 24 TEN-T hamnar 2010-2030 Figur 3.3 Metod översikt Steg 1 är det statistiska underlaget per hamn baserat på indata från Trafikverket som sammanställt materialet från Sveriges Hamnar, Eurostat och Trafikanalys. Detta sammanställts i ett Excel dokument med 9 olika flikar.

Steg 2 är att bearbeta Trafikverkets underlag för att visa det historiska materialet per hamn eller hamnområde på ett sätt som kan användas för trendframskrivningen. Steg 3 beräknar, baserade på det historiska underlaget, en trendframskrivning för år 2030. Steg 4 anpassar volymerna per hamnområde för att vara i linje med Trafikverkets Samgods prognos för 2030. Detta baseras på en relativ ökning i Samgods mellan basåret 2006 och 2030 och appliceras på statistiken för år 2010 som bas. Tidsperioden räknas om från 24 år till 20 år. Steg 5 är framtagning av en sluttabell med de 24 TEN-T Hamnarna, volymer år 2010, 2030 samt absolut och relativ tillväxt 2010 till 2030. 3.7 Alternativa metoder som förkastats Den tillämpade metoden, som beskrivs i avsnitt 3.5, är relativt enkel men tar inte särskild hänsyn till varugruppsindelning, förutom att varugruppssammansättningen ligger till grund för den historiska utvecklingen som skett 1999-2013, det vill säga att ökande volymer för vissa varugrupper gör att vissa hamnar ökar medan andra minskar. Ett försök att använda varugruppsprognosen från Samgodsmodellen visade sig för osäker för att integrera i metoden för tillfället men skulle kunna inkluderas i framtiden om längre tidsserier tillhandahållas. För jämförelse har resultat beräknats för samtliga TEN-T hamnar med en linjär trend. Detta för att utvärdera effekterna mot den valda metoden. Först bör det noteras att en linjär trend är signifikant för mindre än hälften av hamnarna. Den totala ökningen för samtliga hamnar skulle vara nästan tre gånger högre än med den tillämpade metoden. Den linjära trenden blev den valda metoden i sju av de 24 TEN-T hamnarna. Avslutningsvis finns frågan om möjlighet att tillämpa den s.k. pivot-pointmetoden som alternativ till trendframskrivningen. Ramböll har undersökt denna möjlighet och gjort bedömningen, tillsammans med Trafikverket, att metoden inte är att föredra för detta uppdrag. Pivot-pointmetoden tillämpas oftast på större efterfrågematriser där det finns stor osäkerhet i underlagen och därför ännu större osäkerheten för framtidsmatrisen. I fallet med TEN-hamnarna finns det fullständigt underlag per hamn och varugrupp. Dessutom är prognosen av godsvolymer per hamnområde given av Samgodsmodellen. Därför har inte pivot-point metoden valts som metod.

3.8 Historisk utveckling Bilden nedan visar totala godsvolymer över samtliga hamnar. Denna visar tre perioder för volymutvecklingen: 1997-2003 med nästan oförändrade volymer, tillväxtperioden 2004-2008 med hög tillväxt samt krisåret 2009, och en stagnationsperiod med minskande volymer 2010-2013. 200 000 180 000 160 000 140 000 120 000 100 000 80 000 60 000 40 000 20 000 0 Figur 4.1 Godsvolymer i Svenska hamnar 1997-2013 källa: Trafikanalys Så ser det ut på nationell nivå, men ökningar och minskningar avviker mer eller mindre för enstaka hamnar och hamnområde. Karlskrona har exempelvis haft en väldigt stor volymökning sedan början av 2000-talet, trots den ekonomiskt krisen, eftersom den påverkats av den växande handeln med Polen. Strömstad däremot har haft en kraftig nedgång sedan en topp år 2004. Tusentals ton Lossade varor Lastade varor

2 000 1 800 1 600 1 400 1 200 1 000 800 600 400 200 - Figur 4.2 Godsvolymer, Karlskronas hamn 1999-2013 Figur 4.3 Godsvolymer, Strömstads hamn 1999-2013 Tusentals ton Tusentals ton Karlskrona 400 350 300 250 200 150 100 50 - Strömstad

3.9 Framtidsprognos Det bör noteras att hamnprognosen kommer ifrån Trafikverket och Samgodsmodellen. Prognosen gäller åren 2006 och 2030 och ger volymer per hamnområde. Ramböll har i sitt uppdrag applicerat den relativa tillväxttakten från Samgodsmodellen per hamnområde på en 20-årsperiod, mellan åren 2010 och 2030. År 2010 är basåret för Samgodsprognosen för andra trafikslag och därför bör hamnprognosen relatera till samma period. Ytterligare en förutsättning är att referensåren för TENtec är 2010 och 2030. Med hänsyn till ovanstående är antalet hanterade ton per hamnområde år 2030 redan givet som indata. Rambölls uppdrag har varit att dissaggregera Samgodsprognosen från 12 hamnområde till enstaka hamnar och att redovisa volymer särskilt för de 24 hamnarna i TEN-T. Fördelningen av antalet TEN-hamnar per hamnområde är inte samma överallt. Vissa hamnområden har inga TEN-hamnar t.ex. Trollhättan-Kristinehamn (Vänern) medan andra har upp till fyra TEN-hamnar t.ex. Karlskrona-Trelleborg. Tabellen nedan visar slutgiltigt resultat i tusental ton per år med föreslagen metod. År 2010 visar de siffror från den officiella statistiken och för år 2030 visas fördelningen enligt den tillämpade metoden. Totalt sätt visar den framskrivningsmetod som tillämpats en ökning för samtliga TEN-hamnar på +6% mellan 2010 och 2030. Detta kan jämföras med en minskning på 10% under perioden 2010 till 2013. Om en linjär trend tillämpats skulle detta inneburit en total ökning på +22% mellan 2010 och 2030 vilket visar att val av metod är viktigt för resultaten. Den sista anpassningen till Samgods för trendframskrivningen ger en total ökning 2010 till 2030 på 49%. Figur 4.4 visar resultaten för varje hamn med anpassning till Samgods. En utkast version av metoden med resultat inkluderades i remissversionen från februari 2015. Den slutgiltiga metoden skiljer sig ifrån utkastversionen i att olika metoder analyserats enligt beskrivningen i denna rapport. Effekten av detta blir att även resultatet i form av hanterade ton per hamn år 2030 reviderats. Det bör noteras att resultat av de olika trendframskrivningsmetoderna i vissa fall ger stort utslag i antalet ton år 2030. Med den tillämpade metoden väljs metoden med bäst R2-värde och har statististiskt signifikanta koefficienter. I extrema fall erhålls skillnader på några miljoner ton per år jämfört med icke-valda metoder.

TEN-T Hamnar 2010 (kton per år) Prognos 2030 (kton per år) Luleå 9287 17160 Umeå 1772 3689 Sundsvall 1976 4408 Gävle 3994 8894 Grisslehamn 26 32 Kapellskär 2525 3323 Stockholm 4435 3835 Nynäshamn 3067 5363 Västerås 1721 4318 Oxelösund 7339 8566 Norrköping 3764 3656 Oskarshamn 1236 1998 Gotland 862 857 Karlskrona 1000 4050 Karlshamn 5988 10105 Ystad 2782 6465 Trelleborg 10828 15923 Malmö 9647 13549 Helsingborg 7430 10340 Halmstad 2069 2858 Varberg 1740 2111 Göteborg 42938 58610 Stenungssund 2970 3389 Strömstad 224 58 Totalt: 129620 193556 Figur 4.4 Godsvolymer (kton per år) för de 24 TEN-hamnarna åren 2010 och 2030

1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 Trend2030 Samgods2030 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 Trend2030 Samgods2030 3.10 Exempel hamnar För att exemplifiera metoden och dess resultat redovisas tillämpningen för några hamnar. Den första, Stenungssund visar att framskrivning av historiska underlaget pekar på en volym år 2030 på cirka 3,2 miljoner ton och att enanpassning till Samgods ökar volymen till cirka 3,3 miljoner ton. 4000 3500 3000 2500 2000 1500 1000 500 0 Stenungsund (kton per år) Figur 4.5 Exempel Stenungssund metod linjär regression. För Göteborgs Hamn ger en framskrivning en godsvolym år 2030 på 45 miljoner ton, lite över 2010 års nivå, medan Samgods prognostiserar 59 miljoner ton. 70000 60000 50000 40000 30000 20000 10000 0 Göteborgs Hamn (kton per år) Figur 4.6 Exempel Göteborgs Hamn metod Tid Det sista exemplet är Oxelösund. Historiskt har utvecklingen pekat på olika håll. Framskrivningen i detta fall är genomsnittet av hela materialet och ligger på 5-6

miljoner ton. Med anpassning till Samgods ökar volymerna till nästan 8 miljoner ton år 2030. 9000 8000 7000 6000 5000 4000 3000 2000 1000 0 Figur 4.7 Exempel Oxelösund metod medelvärde 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 Trend2030 Samgods2030 Oxelösund (kton per år)

BILAGA 1: Signifikanstest Signifikanstesten görs på följande sätt: c = skattad koefficient (rad 1 i output från REGR) Stdav(c) = standardavvikelse i estimatet av c (rad 2 i output från REGR). Infört krav är att abs(c) / Stdav(c) > 2. Noga räknat ska man använda ett tabellvärde från Student s t-test på nivå 5 %. Nedan följer en beskrivning från internet. Med 1 variabel (t eller BNP) har vi 13 frihetsgrader. Enligt tabellen nedan skulle vi krävt abs(c) / Stdav(c) > 2.16. Critical Values of the Student's t Distribution How to Use This Table This table contains critical values of the Student's t distribution computed using the cumulative distribution function. The t distribution is symmetric so that t1-α,ν = -t α,ν. The t table can be used for both one-sided (lower and upper) and two-sided tests using the appropriate value of α. The significance level, α, is demonstrated in the graph below, which displays a t distribution with 10 degrees of freedom. The most commonly used significance level is α = 0.05. For a two-sided test, we compute 1 - α/2, or 1-0.05/2 = 0.975 when α = 0.05. If the absolute value of the test statistic is greater than the critical value (0.975), then we reject the null hypothesis. Due to the symmetry of the t distribution, we only tabulate the positive critical values in the table below.

Given a specified value for α : For a two-sided test, find the column corresponding to 1-α/2 and reject the null hypothesis if the absolute value of the test statistic is greater than the value of t1-α/2,ν in the table below. For an upper, one-sided test, find the column corresponding to 1-α and reject the null hypothesis if the test statistic is greater than the table value. For a lower, one-sided test, find the column corresponding to 1-α and reject the null hypothesis if the test statistic is less than the negative of the table value. Critical values of Student's t distribution with ν degrees of freedom Probability less than the critical value (t1-α,ν) ν 0.90 0.95 0.975 0.99 0.995 0.999 1. 3.078 6.314 12.706 31.821 63.657 318.313 2. 1.886 2.920 4.303 6.965 9.925 22.327 3. 1.638 2.353 3.182 4.541 5.841 10.215 4. 1.533 2.132 2.776 3.747 4.604 7.173 5. 1.476 2.015 2.571 3.365 4.032 5.893 6. 1.440 1.943 2.447 3.143 3.707 5.208 7. 1.415 1.895 2.365 2.998 3.499 4.782 8. 1.397 1.860 2.306 2.896 3.355 4.499 9. 1.383 1.833 2.262 2.821 3.250 4.296 10. 1.372 1.812 2.228 2.764 3.169 4.143 11. 1.363 1.796 2.201 2.718 3.106 4.024 12. 1.356 1.782 2.179 2.681 3.055 3.929 13. 1.350 1.771 2.160 2.650 3.012 3.852 14. 1.345 1.761 2.145 2.624 2.977 3.787

15. 1.341 1.753 2.131 2.602 2.947 3.733 16. 1.337 1.746 2.120 2.583 2.921 3.686 17. 1.333 1.740 2.110 2.567 2.898 3.646 18. 1.330 1.734 2.101 2.552 2.878 3.610 19. 1.328 1.729 2.093 2.539 2.861 3.579 20. 1.325 1.725 2.086 2.528 2.845 3.552 21. 1.323 1.721 2.080 2.518 2.831 3.527 22. 1.321 1.717 2.074 2.508 2.819 3.505 23. 1.319 1.714 2.069 2.500 2.807 3.485 24. 1.318 1.711 2.064 2.492 2.797 3.467 25. 1.316 1.708 2.060 2.485 2.787 3.450 26. 1.315 1.706 2.056 2.479 2.779 3.435 27. 1.314 1.703 2.052 2.473 2.771 3.421 28. 1.313 1.701 2.048 2.467 2.763 3.408 29. 1.311 1.699 2.045 2.462 2.756 3.396 30. 1.310 1.697 2.042 2.457 2.750 3.385 31. 1.309 1.696 2.040 2.453 2.744 3.375 32. 1.309 1.694 2.037 2.449 2.738 3.365 33. 1.308 1.692 2.035 2.445 2.733 3.356 34. 1.307 1.691 2.032 2.441 2.728 3.348 35. 1.306 1.690 2.030 2.438 2.724 3.340 36. 1.306 1.688 2.028 2.434 2.719 3.333 37. 1.305 1.687 2.026 2.431 2.715 3.326 38. 1.304 1.686 2.024 2.429 2.712 3.319 39. 1.304 1.685 2.023 2.426 2.708 3.313 40. 1.303 1.684 2.021 2.423 2.704 3.307 41. 1.303 1.683 2.020 2.421 2.701 3.301 42. 1.302 1.682 2.018 2.418 2.698 3.296 43. 1.302 1.681 2.017 2.416 2.695 3.291 44. 1.301 1.680 2.015 2.414 2.692 3.286 45. 1.301 1.679 2.014 2.412 2.690 3.281 46. 1.300 1.679 2.013 2.410 2.687 3.277 47. 1.300 1.678 2.012 2.408 2.685 3.273 48. 1.299 1.677 2.011 2.407 2.682 3.269 49. 1.299 1.677 2.010 2.405 2.680 3.265 50. 1.299 1.676 2.009 2.403 2.678 3.261 51. 1.298 1.675 2.008 2.402 2.676 3.258 52. 1.298 1.675 2.007 2.400 2.674 3.255 53. 1.298 1.674 2.006 2.399 2.672 3.251 54. 1.297 1.674 2.005 2.397 2.670 3.248 55. 1.297 1.673 2.004 2.396 2.668 3.245 56. 1.297 1.673 2.003 2.395 2.667 3.242 57. 1.297 1.672 2.002 2.394 2.665 3.239 58. 1.296 1.672 2.002 2.392 2.663 3.237

59. 1.296 1.671 2.001 2.391 2.662 3.234 60. 1.296 1.671 2.000 2.390 2.660 3.232 61. 1.296 1.670 2.000 2.389 2.659 3.229 62. 1.295 1.670 1.999 2.388 2.657 3.227 63. 1.295 1.669 1.998 2.387 2.656 3.225 64. 1.295 1.669 1.998 2.386 2.655 3.223 65. 1.295 1.669 1.997 2.385 2.654 3.220 66. 1.295 1.668 1.997 2.384 2.652 3.218 67. 1.294 1.668 1.996 2.383 2.651 3.216 68. 1.294 1.668 1.995 2.382 2.650 3.214 69. 1.294 1.667 1.995 2.382 2.649 3.213 70. 1.294 1.667 1.994 2.381 2.648 3.211 71. 1.294 1.667 1.994 2.380 2.647 3.209 72. 1.293 1.666 1.993 2.379 2.646 3.207 73. 1.293 1.666 1.993 2.379 2.645 3.206 74. 1.293 1.666 1.993 2.378 2.644 3.204 75. 1.293 1.665 1.992 2.377 2.643 3.202 76. 1.293 1.665 1.992 2.376 2.642 3.201 77. 1.293 1.665 1.991 2.376 2.641 3.199 78. 1.292 1.665 1.991 2.375 2.640 3.198 79. 1.292 1.664 1.990 2.374 2.640 3.197 80. 1.292 1.664 1.990 2.374 2.639 3.195 81. 1.292 1.664 1.990 2.373 2.638 3.194 82. 1.292 1.664 1.989 2.373 2.637 3.193 83. 1.292 1.663 1.989 2.372 2.636 3.191 84. 1.292 1.663 1.989 2.372 2.636 3.190 85. 1.292 1.663 1.988 2.371 2.635 3.189 86. 1.291 1.663 1.988 2.370 2.634 3.188 87. 1.291 1.663 1.988 2.370 2.634 3.187 88. 1.291 1.662 1.987 2.369 2.633 3.185 89. 1.291 1.662 1.987 2.369 2.632 3.184 90. 1.291 1.662 1.987 2.368 2.632 3.183 91. 1.291 1.662 1.986 2.368 2.631 3.182 92. 1.291 1.662 1.986 2.368 2.630 3.181 93. 1.291 1.661 1.986 2.367 2.630 3.180 94. 1.291 1.661 1.986 2.367 2.629 3.179 95. 1.291 1.661 1.985 2.366 2.629 3.178 96. 1.290 1.661 1.985 2.366 2.628 3.177 97. 1.290 1.661 1.985 2.365 2.627 3.176 98. 1.290 1.661 1.984 2.365 2.627 3.175 99. 1.290 1.660 1.984 2.365 2.626 3.175 100. 1.290 1.660 1.984 2.364 2.626 3.174 1.282 1.645 1.960 2.326 2.576 3.090