1(12) Kopia till: Förändrade tågförseningar ny höghastighetsjärnväg enligt US2X Inledning Utbyggnad av en höghastighetsbana innebär ett tillskott av kapacitet till järnvägsnätet. De tågförseningar som beror av begränsad kapacitet kan därför komma att minska. Denna effekt ingår dock inte regelmässigt i den samhällsekonomiska kalkylen. Detta beror bl.a. på att relevanta effektsamband inte finns tillgängliga. Effektsamband för förseningar i form av enklare korrelationssamband har därför tagits fram under sommaren 2016. Utgångspunkten för detta har varit att använda enkelt tillgänglig statistik som även kunnat kopplas till befintlig information ifrån Trafikverkets prognosmodeller. Detta medför vissa begränsningar för vilka samband som kan tas fram och användas för att prognosticera effekter på förseningar. Det återstår arbete dels med kvalitetssäkring och granskning av sambanden, dels med att fastställa en metod för tillämpning i samhällsekonomiska kalkyler. Därför kan de beräkningar som görs nu enbart redovisas i form av känslighetsanalyser. Datamaterial och modeller för förväntade förseningar Information för att estimera förseningsmodellerna har hämtats från ett befintligt uttag från LUPP vilket innehåller samtliga tågrörelser i Sverige under år 2013. Indelningen i olika tågtyper är relativt grov i detta material och här använder vi uppgifter för resandetåg och godståg. Ankomstförsening mäts som skillnaden mellan planerad och uppmätt ankomsttid för varje tåg och ankomstplats. Datamaterialet från LUPP har kompletterats med uppgifter om kapacitetsutnyttjande ett genomsnittligt dygn på sträckan mellan var och en av avgångs- respektive ankomstplatserna, avstånd mellan desamma och uppgift om sträckan avser enkel- eller dubbelspår. Detta innebär att vi mellan den första avgångsplatsen och varje efterföljande ankomstplats har kunnat beräkna: (i) ett viktat genomsnitt för kapacitetsutnyttjande för den tillryggalagda sträckan, (ii) den tillryggalagda sträckans avstånd och (iii) andel enkelspår på den tillryggalagda sträckan. För varje ankomstplats använder vi även uppgift om tåget gör uppehåll eller inte. Dessa uppgifter finns tillgängliga i Trafikverkets prognosmodeller i den s.k. linje-länktabellen vilket gör det möjligt att använda uppgifterna för att prognosticera ett väntevärde för antalet förseningsminuter per tåg i jämförelsealternativ (JA) respektive utredningsalternativ (UA). Tabellen innehåller även uppgifter om prognosticerat antal avstigande passagerare i JA respektive UA. Förseningssambandet för resandetåg respektive godståg består av två modeller, varav den första avser en sannolikhetsberäkning för att ett tåg är försenat och det andra avser det betingade väntevärdet för antal förseningsminuter då tåget är försenat. Det har alltså tagits fram två separata samband för person- respektive godstågstrafik som endast skiljer sig åt vad gäller estimerade parametervärden.
2(12) Tabell 1. Beskrivande statistik för resandetåg Variabel Medelvärde Standardavvikelse Försenat (Y=1) Förseningsminuter Avstånd Enkelspårsandel Kapacitetstal januari februari mars april maj juni juli augusti september oktober november december 0,42 6,07 105,00 0,59 0,49 14,73 142,58 0,40 0,18 Antal observationer 16 904 575 I Tabell 1 redovisas en del beskrivande statistik för det material som använts för att estimera förseningssambanden för resandetåg. En observation i materialet avser alltså ett tåg som framförts på en viss sträcka. Därmed innehåller tabellen dels uppgifter som har att göra med tåget (om det är försenat och hur många minuter det i så fall är försenat samt vilken månad under året som tåget framfördes på sträckan), dels uppgifter om den sträcka som tåget har framförts på (avstånd, andel enkelspår och kapacitetstal). Från tabellen ser vi att 42 procent av tågen är försenade (en minut eller mer) vid ankomst. Ett försenat tåg är i genomsnitt 6 minuter försenat. Det genomsnittliga avståndet för observationerna som används för att estimera modellerna är 105 km och andelen enkelspår är 28 procent. Kapacitetstalet som mäter konsumerad kapacitet på sträckan för varje observation är knappt 0,6. Variablerna januari-december indikerar månad för observationen. Medelvärdena för dessa variabler visar att observationerna är jämnt fördelade över året. I Tabell 2 redovisas motsvarande siffror för godstågen i materialet. Här ser vi att andelen försenade tåg är något lägre än för resandetågen samtidigt som det genomsnittliga antalet förseningsminuter för försenade tåg är avsevärt högre än för resandetågen. Vi ser också att observationerna för godstågen i genomsnitt har betydligt längre avstånd än resandetågen och att enkelspårsandelen är högre. I övrigt är de genomsnittliga värdena för godstågen ungefär desamma som för resandetågen.
3(12) Tabell 2. Beskrivande statistik för godståg Variabel Medelvärde Standardavvikelse Försenat (Y=1) Förseningsminuter Avstånd Enkelspårsandel Kapacitetstal januari februari mars april maj juni juli augusti september oktober november december 0,31 54,73 225,27 0,60 0,58 0,07 0,46 100,30 230,16 0,41 0,17 0,29 0,26 Antal observationer 3 742 186 Utgångspunkten för att ta fram sannolikhetsmodellen för om ett tåg är försenat har varit att hålla modellen enkel. Detta innebär att vi estimerar en enkel logitmodell för sannolikheten att tåget är försenat. För att hålla modellen så enkel som möjligt har vi inte använt en dynamisk specifikation där vi betingar sannolikheten för att tåget är försenat vid en ankomstplats på om tåget var försenat på den föregående ankomstplatsen. För att förenkla sambandet har vi istället valt att definiera de förklarande variablerna för hela sträckan fram till var och en av ankomstplatserna. På så sätt fångar vi troligen upp en del av det som en renodlad dynamisk specifikation skulle mäta. Vi har testat ett antal olika specifikationer med olika transformationer av beroende och oberoende variabler men har landat i de som presenteras här, bl.a. för att relevanta variabler har rätt tecken, varit statistiskt signifikanta och för att de är enkla att använda i linje-länktabellen. 1 Alla modeller har innehållit indikatorvariabler för månad som vi sedan räknat om till en del av interceptet utifrån resp. månads andel av 365 dagar. För fortsatt utveckling av förseningssambanden kan det vara värt att undersöka om en renodlad dynamisk specifikation skulle fungera bättre och använda en mer genomtänkt struktur på klustren som använts för att beräkna statistisk signifikans. Men förmodligen är det ännu viktigare att utvidga informationen i det material som används för att estimera modellen (det utvidgade LUPP-materialet) och det material på vilket modellen är tänkt att användas ( linje-länktabellen ); t.ex. genom att ta fram en bättre indelning i olika tågtyper. 1 För undersökning av olika parametrars statistiska signifikans är alla standardfel klusterrobusta. Här har vi för enkelhets skull använt länk som kluster men vi har ju även flera observationer på samma tåg under dess framförsel vilket skulle kunna användas för att korrigera standardfelen.
4(12) Modell för sannolikheten (P) att ett tåg är försenat (Y=1): P(Y = 1) = exp(x β) 1 + exp(x β) x = a1 p,g + a2 p,g ln(distsum) + a3 p,g espandel + a4 p,g ln(kapb) + a5 p,g stopp p = persontåg, g= godståg Tabell 3: Parametervärden för person-respektive godståg P(Y=1) Parameter Persontåg Godståg a1-0,7087-1,2513 a2 0,2019 15 a3 0,4513 87 a4 0,4724 0,0674 a5-0,6788-08 Förklaring variabelnamn: distsum: ackumulerat avstånd från start- respektive slutnod espandel: andel enkelspår ackumulerat över linjens avstånd kapb: viktat genomsnittligt kapacitetsutnyttjande vid varje nod stopp: nod där tåget gör uppehåll för resandeutbyte Modell för väntevärdet av ett resandetågs antal förseningsminuter givet att tåget är försenat (Y=1) m = b1 p,g + b2 p,g distsum + b3 p,g espandel+ b4 p,g stopp Tabell 4: Parametervärden för person-respektive godståg för förväntat antal förseningsminuter Parameter Persontåg Godståg b1 3,513845 39,86823 b2 0,02123 0,0501 b3 0 2,5602 b4-0,41460 1,9948 Det väntade antalet förseningsminuter per tåg vid uppehåll (stopp=1) ges alltså av: P(Y = 1)m
PM Kalibrering av modellen för höghastighetståg Den statistiska modellen för beräkning av förväntad förseningstid skiljer inte mellan olika typer av persontåg och den är skattad på tågföringsdata från 2013 med den av trafikmix som gällde detta år. Det innebär att även höghastighetstågen får modellmässigt beräknade förseningar enligt modellen ovan. Det finns dock anledning att anta att förseningarna kan bli mindre för höghastighetstågen eftersom dessa till stor del går på den nya höghastighetsbanan där det inte går några godståg och persontågen har en avsevärt jämnare hastighet än på nätet i övrigt. En viktig begränsning i modellen är alltså att vi endast kan fånga betydelsen av att blanda långsamma och snabba tåg på samma bana genom den korrelation som kan finnas mellan de inkluderade förklarande variablerna och skillnad i hastighet mellan långsammaste och snabbaste tåg på resp. sträcka. 2 Separering av snabba persontåg från långsamma godståg är alltså en viktig aspekt av höghastighetsbanan och som kan ha en viktig effekt på mängden förseningar. Därför har vi valt att kalibrera de modellberäknade förseningarna på höghastighetsbanan genom att använda simuleringsresultat som Trafikverket tidigare presenterat för höghastighetsbanor (Trafikverket Rapport Trafiksimulering av höghastighetsalternativen Höghastighetsprojektet/Kapacitetsuppdraget ). I rapporten noterar man att de punktlighetssiffror som tagits fram inte ska ses som exakta förutsägelser. Men simuleringen fångar troligen de relevanta effekterna på punktligheten bättre än det enkla förseningssamband som vi presenterat tidigare i denna PM p.g.a. de begränsningar som tidigare diskuterades. I dessa simuleringar av höghastighetstågstrafiken erhålls en punktlighet i ändpunktstrafiken på ca 95 %. Detta mått avser andel tåg som ankommer mindre än 5 minuter efter tidtabellslagd ankomst. Vi antar därför att höghastighetstågen får 25 % av de modellmässigt beräknade förseningarna. I tabellen nedan visas de beräknade sannolikheterna att höghastighetstågen är försenade (det vill säga P(Y=1)), dels med den skattade modellen och parametervärden enligt tabell 3 ovan, dels med antagandet att höghastighetstågen får 25 % av modellens skattade förseningar. Sannolikheten att tåget är i tid, det vill säga 1-P(Y=1), kan tolkas som ett beräknat mått på punktlighet som är ett begrepp som ofta används i detta sammanhang. I tabellen redovisas också m, det vill säga förväntad förseningstid vid ändstationen givet att tåget är försenat. Genomsnittlig förseningstid per tåg beräknas som m multiplicerat med sannolikheten att tåget är försenat. Som nämnts tidigare beräknas förseningar för varje station längs linjens sträckning där tågen gör uppehåll för resandeutbyte. Orsaken till att värdena skiljer sig åt mellan linjerna är att de har något olika sträckningar beroende på om bibanor används eller inte. För linje 8011 och 8012 avser de redovisade värdena ankomst till Malmö. 5(12) 2 För att förtydliga, information om hastighet kan beräknas i det utvidgade LUPP-materialet men finns inte tillgängligt i linje-länktabellen. Därmed kan man inte använda denna information för att prognosticera förseningseffekterna.
6(12) Tabell 5: Sannolikhet för förseningar Höghastighetståg i UA Linjenr Sträcka Förväntad försening m Sannolikhet för försening, P(Y=1) Modell Modell x 0,25 Punktlighet Modell Modell x 0,25 6011 Stockholm-Göteborg 13,08 0,3947 87 0,6053 0,9013 6012 Stockholm-Göteborg 13,12 0,3911 78 0,6089 0,9022 6013 Stockholm-Göteborg 13,17 0,3951 88 0,6049 0,9012 6014 Stockholm-Göteborg 13,22 0,3915 79 0,6085 0,9021 8011 Sthlm-Köpenhamn 15,70 0,3851 63 0,6149 0,9037 8012 Sthlm-Köpenhamn 15,71 0,3808 52 0,6192 0,9048 8013 Stockholm-Malmö 15,70 0,3851 63 0,6149 0,9037 8014 Stockholm-Malmö 15,71 0,3808 52 0,6192 0,9048 Med modellberäknade samband erhålls en punktlighet på ca 60 % och med antagandet att höghastighetstågen har 25 % av modellberäknade sannolikheter blir punktligheten ca 90 %. Dessa avser alla avvikelser från tidtabellslagd ankomst, det vill säga även mindre än 5 minuter, varför slutsatsen dras att detta överensstämmer väl med de simuleringar som nämns ovan. I tabell 6 redovisas också beräknade sannolikheter och punktlighet för de snabbtåg på befintliga stambanor i JA som ersätts med höghastighetstågen i UA. I JA har samtliga snabbtåg Stockholm-Göteborg respektive Stockholm-Malmö samma sträckning vilket gör att de beräknade sannolikheterna är identiska för respektive relation. Därför redovisas inte samtliga linjer.
7(12) Tabell 6: Sannolikhet för förseningar snabbtåg på befintliga stambanor i JA Sträcka med snabbtåg befintliga stambanor Förväntad försening m Sannolikhet för försening, P(Y=1) punktlighet Stockholm-Göteborg 12,75 0,4290 0,5710 Stockholm-Malmö 16,14 0,4343 0,5657 Idag är punktligheten för snabbtågstrafiken Stockholm-Göteborg samt Stockholm- Malmö ca 66 %. Denna siffra avser tåg som ankommer inom 5 minuter från tidtabellslagd ankomst. De tal som redovisas i tabell 6 bedöms därför vara av samma storleksordning eftersom dessa avser samtliga avvikelser från tidtabellen. Tillämpning av förseningssambanden Ovan beskrivna modellspecifikation innebär att den förväntade förseningstiden beräknas för varje tåglinje 3 vid de stationer där tågen gör uppehåll. Den förväntade förseningstiden vid en och samma station kommer därför att skilja sig åt mellan olika tåglinjer om dessa har olika sträckningar före den aktuella stationen. För persontågstrafiken innebär detta att prognostågslinjerna kan användas i beräkningarna av förväntad förseningstid enligt den sträckning dessa har åsatts i prognostidtabellen. För varje station med resandeutbyte finns dessutom uppgifter om antal av- och påstigande enligt prognosen. För godståg däremot finns dessa enbart redovisade i form av antal tåg per delsträcka enligt Bangods. Det saknas därför information om godstrafikens linjesträckning vilket gör det omöjligt att för närvarande beräkna förseningar för dessa enligt de framtagna effektsambanden. För persontågen beräknas förväntade förseningar dels för jämförelsealternativet (JA), dels för utredningsalternativet (UA). Såväl kapacitetsutnyttjandet som trafik- och resandemängder förändras mellan JA och UA. Det innebär att totala antalet (värderade) förseningstimmar i JA och UA samt skillnaden mellan dessa inte är ett relevant mått på förändrade förseningar. Om såväl trafik- som resandevolym ökar kan totala antalet förseningstimmar öka, trots förbättrat kapacitetsutnyttjande. Samma resultat skulle erhållas om man beräknade totala antalet restidstimmar i JA och UA, vilket inte heller är relevant att göra. Vad gäller åktid, liksom de övriga restidskomponenterna anslutningstid, bytestid och turintervall, beräknas effekten i SampersSamkalk istället genom restidsskillnaden mellan JA och UA i varje resanderelation. Här görs en uppdelning av resandet i befintliga/kvarvarande respektive tillkommande försvinnande resenärer. De senare antas tillgodogöra sig approximativt halva tidsvinsten enligt rule-of-the-half. När det gäller förändrade förseningar är metoden enligt ovan inte tillämpbar eftersom SampersSamkalk enbart kan hantera tidtabellslagda effekter och förseningar definitionsmässigt är en avvikelse från tidtabellen. Det finns inte heller några effektsamband mellan förseningar och efterfrågan på resor. För att kunna beräkna förändrade förseningar mellan JA och UA måste någon form av genomsnittlig försening per resärende för respektive scenario användas. Det finns några olika varianter, som alla baseras på genomsnittliga förseningar per avstigande i JA, UA och skillnaden mellan dessa. 3 Med tåglinje avses en tidtabellslagd trafiklinje från start-till ändpunkt med angiven uppehållsbild.
8(12) a) Förseningstid per resärende b) Förseningstid per resärende och tågtyp c) Förseningstid per resärende och station för avstigning Trafikverket har genomfört beräkningar med alla tre metoderna enligt ovan och dessa ger snarlika resultat. Vi har beslutat att för närvarande använda b) Förseningstid per resärende och tågtyp eftersom den innehåller störst detaljeringsgrad och bedöms ge träffsäkrare resultat än övriga. Metoden är också fördelaktig ur pedagogisk synpunkt då det framgår hur förseningarna påverkas mellan scenarierna för en och samma tågtyp. I de fall då trafikeringen är exakt densamma i JA och UA, det vill säg samma linjesträckningar, kan beräkningen av förändrade genomsnittsförseningar göras för varje tåglinje. Beräkningar av förändrade förseningar för persontrafik i US2X I tabell 7 och 8 redovisas antal avstigande per tågtyp i JA och UA. I tabell 9 och 10 redovisas genomsnittlig förseningstid per resärende och tågtyp. Den genomsnittliga förseningstiden beräknas genom en summering över samtliga noder per tågtyp och resärende. Tabell 7: Antal avstigande, 1000-tal per år i JA resor resor arbetsresor resor resor Interregiotåg 29 357 8 689 46 128 4 989 55 562 Snabbtåg 5 523 1 820 0 0 0 Snabbtåg befintliga stmb 10 551 3 109 0 0 0 Pendel/regionaltåg 6 259 1 540 21 864 2 247 37 248 Nattåg 821 142 303 22 208 Dieseltåg 2 827 759 835 140 2 535 Pendeltåg storstäder 0 0 66 985 4 391 55 959 Höghastighetståg 0 0 0 0 0 Snabba regionaltåg 445 99 1 005 71 536 SUMMA 55 783 16 158 137 119 11 860 152 049
9(12) Tabell 8: Antal avstigande, 1000-tal per år i UA resor resor arbetsresor resor resor Interregiotåg 30 510 10 002 46 174 4 981 57 045 Snabbtåg 7 475 2 626 0 0 0 Snabbtåg befintliga stmb 0 0 0 0 0 Pendel/regionaltåg 7 218 2 522 22 092 2 287 38 065 Nattåg 888 160 285 19 188 Dieseltåg 2 772 729 710 121 2 196 Pendeltåg storstäder 0 0 66 795 4 371 55 713 Höghastighetståg 11 824 4 913 0 0 0 Snabba regionaltåg 2 568 478 1 672 206 1 922 SUMMA 63 256 21 430 137 729 11 985 155 130 Totala förseningar i respektive scenario beräknas genom att antal avstigande per tåglinje på varje station där tåget gör uppehåll multiplicerat med förväntat antal förseningsminuter med aktuell tåglinje på samma station. Dessa beräknade förseningar summeras därefter över tågtyper samt över hela trafikeringen. Genomsnittlig försening per avstigande beräknas därefter som totala antalet beräknade förseningsminuter dividerat med totala antalet avstigande. Tabell 9: Genomsnittlig försening i JA, minuter per avstigande samt minuter per tåg arbete Minuter per tåg Interregiotåg 2,83 2,62 2,23 2,21 2,19 2,59 Snabbtåg 4,73 4,23 0,00 0,00 0,00 4,68 Snabbtåg befintliga stmb 5,45 5,14 0,00 0,00 0,00 5,26 Pendel/regionaltåg 1,72 1,57 1,58 1,63 1,61 1,95 Nattåg 1 9,42 7,61 6,96 7,32 12,91 Dieseltåg 2,33 2,11 2,09 2,11 2,09 2,31 Pendeltåg storstäder 0,00 0,00 1,25 1,27 1,25 1,48 Höghastighetståg - - - - - - Snabba regionaltåg 2,67 2,65 2,57 2,47 2,45 3,30 SUMMA/genomsnitt 3,47 3,22 1,66 1,76 1,71 2,40
10(12) Tabell 10: Genomsnittlig försening i UA, minuter per avstigande samt minuter per tåg arbete Minuter per tåg Interregiotåg 2,74 2,56 2,26 2,26 2,22 2,68 Snabbtåg 4,45 4,00 0,00 0,00 0,00 4,94 Snabbtåg befintliga stmb 0,00 0,00 0,00 0,00 0,00 0,00 Pendel/regionaltåg 1,68 1,52 1,57 1,62 1,60 1,95 Nattåg 9,99 8,92 7,57 7,04 7,44 13,77 Dieseltåg 2,32 2,16 2,05 2,06 2,04 2,33 Pendeltåg storstäder 0,00 0,00 1,26 1,27 1,26 1,49 Höghastighetståg 1,24 1,23 0,00 0,00 0,00 1,25 Snabba regionaltåg 2,23 2,06 2,15 1,90 1,88 2,41 SUMMA/genomsnitt 2,60 2,33 1,67 1,78 1,72 2,35 För att beräkna förändrade förseningar per resenär används skillnad i genomsnittliga förseningar mellan JA och UA. Antingen kan totala genomsnittet per ärende för alla tågtyper användas eller så görs en separat beräkning per tågtyp och ärende. Det senare förutsätter dock att varje tågtyp finns i både JA och UA. I det här fallet finns dock ingen trafikering med höghastighetståg och i UA finns inga snabbtåg på befintliga stambanor. Dessa bör dock kunna slås ihop eftersom höghastighetstågen i UA ersätter snabbtågen i JA. Tabell 11: Skillnad i genomsnittlig förseningstid UA-JA, minuter per avstigande arbete Interregiotåg - -0,06 0,03 0,05 0,03 Snabbtåg - -0,24 0,00 0,00 0,00 Pendel/regionaltåg -0,04-0,05 0,00-0,01-0,01 Nattåg - -0,49-0,04 0,12 Dieseltåg -0,01 0,05-0,04-0,05-0,05 Pendeltåg storstäder 0,00 0,00 0,01 0,01 0,01 Höghastighetståg/Snabbtåg befintliga stambanor -4,20-3,92 0,00 0,00 0,00 Snabba regionaltåg -0,44-0,59-0,42-0,57-0,57 SUMMA/genomsnitt -0,87-0,89 0,01 0,02 0,01
11(12) Resultat I tabell 12 och 13 nedan visas beräknade effekter på persontrafikens förseningar till följd av den nya höghastighetsbanan. Redovisningen görs för de tre alternativa beräkningsmetoderna som diskuteras ovan. I tabell 11 visas förändrat antal timmar och i tabell 12 redovisas värderade timmar. I tabell 13 redovisas förseningstidsvärden, kronor per timme, enligt ASEK 6. Tabell 12: Minskad förseningstid, timmar per år arbete SUMMA Interregiotåg -46 091-10 193 24 557 3 857 26 973-897 Snabbtåg -35 393-10 375 0 0 0-45 768 Pendel/regionaltåg -4 508-2 128-1 376-218 -4 856-13 087 Nattåg -4 168-1 313-170 20 348-5 283 Dieseltåg -336 628-352 -79-1 553-1 693 Pendeltåg storstäder 0 0 9 903 638 7 607 18 148 Höghastighetståg/Snabbtåg befintliga stambanor -828 625-320 872 0 0 0-1 149 497 Snabba regionaltåg -18 940-4 698-11 617-1 964-18 240-55 458 SUMMA -938 060-348 951 20 945 2 253 10 279-1 253 534 Tabell 13: Minskad förseningstid, miljoner kronor per år arbete SUMMA Interregiotåg -13-9 6 4 5-7 Snabbtåg -10-10 0 0 0-19 Pendel/regionaltåg -1-2 0 0-1 -5 Nattåg -1-1 0 0 0-2 Dieseltåg 0 1 0 0 0 0 Pendeltåg storstäder 0 0 3 1 2 5 Höghastighetståg/Snabbtåg befintliga stambanor -226-298 0 0 0-524 Snabba regionaltåg -5-4 -3-2 -4-18 SUMMA -256-324 5 2 2-570
12(12) Tabell 14: Förseningstidsvärde, kronor per timme, ASEK6 Resärende arbete Kronor per timme 273 928 259 928 200 Även fordonskostnaderna påverkas av förseningstiden. Denna beräknas totalt för JA och UA och minskar till följd av förändrad förseningstid med 8,3 miljoner kronor per år. Nuvärdeberäkning och rätt kalkyltecken Nedan redovisas värdet av de förändrade förseningarna i form av nuvärden över kalkylperioden med rätt kalkyltecken, det vill säga en minskad försening är en positiv effekt. Tabell 15: Samhällsekonomiska effekter av förändrade förseningar US2X MSEK år 2040 Nuvärde, MSEK Samhällsekonomisk effekt Förändrade förseningar 570 21 260 Förändrade tågdriftkostnader pga. förändrade förseningar 8 205