Prognoser och samhällsekonomiska kalkyler med Samvips för Götalandsbanan

Prognoser och samhällsekonomiska kalkyler med Samvips för Götalandsbanan - Underlagsmaterial till Banverket BO-LENNART NELLDAL KJELL JANSSON CHRIS HALLDIN Ortsstorlek Stockholm >1 milj invånare Göteborg 0,5-1,0 milj inv. Malmö 250-500 tusen inv. Uppsala 100-250 tusen inv. Gävle 50-100 tusen inv. Luleå Uleåborg Skellefteå Trondheim Östersund Umeå Örnskölds vik Sundsvall Tammerfors Bergen Stavanger Bremen Oslo Moss Moss Tr ollhättan Göteborg Ålborg Århus Århus Halmstad Helsingborg Köpenhamn Odense Hamburg Falun Gäv le Åbo B or länge S:t Petersburg Upps ala Helsingfors Väs terås Örebro Tallinn Es kils - Stockholm tuna Skövde Norrköping Linköping Borås Borås Karlstad Karlstad Jönköping Varberg Riga Lund Malmö Höghastighetsbanor Götalandsbanan Kiev Europabanan Konventionella banor Rapport Stockholm 2009 TRITA-TSC-RR 12-002 ISSN 1653-4484 ISBN 978-91-85539-84-0 KTH Arkitektur och samhällsbyggnad Avdelningen för trafik och logistik KTH, SE-100 44 Stockholm www.infra.kth.se

KUNGL. TEKNISKA HÖGSKOLAN TRITA-TSC-RR 12-002 Royal Institute of Technology ISSN 1653-4484 Division of Transport and Logistics 978-91-85539-84-0 Prognoser och samhällsekonomiska kalkyler med Samvips för Götalandsbanan - Underlagsmaterial till Banverket Traffic forecast and socioeconomic calculations using the Samvips method for high speed rail between Stockholm and Gothenburg Bo-Lennart Nelldal Kjell Jansson Chris Halldin Kungliga Tekniska Högskolan (KTH) Avdelningen för Trafik & Logistik KTH Järnvägsgruppen 2009-04-27

Innehållsförteckning Sammanfattning... 3 1 Prognoser... 4 1.1 Matriser och prognoser med Sampers... 4 1.2 Prognoser med Samvips... 5 2 Samhällsekonomiska kalkyler... 8 2.1 Förutsättningar... 8 2.2 Utbud på höghastighetslinjerna... 9 2.3 Resultat av de samhällsekonomiska kalkylerna... 9 2.4 Jämförelse av samhällsekonomiska kalkyler...14 3 Metoder för prognoser och kalkyler... 17 3.1 Prognosverktyget Samvips...17 3.1 Tidsvärden...24 3.3 Beräkning av konsumentöverskott...25 3.4 Referensalternativet och EET-alternativet...26 Bilaga 1: Vad ingår i Sampers?... 27 Bilaga 2: Ingångsvärden i Samvips... 30 Bilaga 3 Samhällsekonomiska effekter för godstransporter... 33 Bilaga 4: Principer för samhällsekonomiska beräkningar enligt Sampers respektive SamVips... 36 1 Inledning...36 2 Principer för beräkning av konsumentöverskott...37 3 Resor, generaliserad kostnad, konsumentöverskott...41 4 Generaliserad kostnad och konsumentöverskott för några relationer...45 1

Förord Inför åtgärdsplaneringen har behovet av att testa olika prognosverktyg aktualiserats. Det nationella prognossystemet, Sampers, har visat sig ha svårigheter att prognostisera stora systemförändringar i transportsystemet. Ett exempel på sådana förändringar är byggandet av höghastighetsbanor såsom Götalandsbanan. Samplangruppen beslutade därför att Sampers och det s.k. Samvips prognossystem skulle användas parallellt för att så långt möjligt få jämförbara prognoser med de båda prognossystemen. Banverket utförde själva prognoserna med Sampers och gav KTH Järnvägsgrupp i uppdrag att göra prognoser med Samvips-systemet. Projektledare på KTH har varit Bo-Lennart Nelldal medan Chris Halldin på ÅF Infrateknik har genomfört prognoserna och Kjell Jansson på KTH har medverkat bl.a. med samhällsekonomiska kalkyler. Ansvarig på Banverket har varit Bo Lindgren och arbetet har fortlöpande diskuterats i en grupp bestående av Joakim Jonsson, Lennart Lennerfors och Patrik Almlöv på Banverket samt lena Wieveg på WSP. Svårigheter har uppstått främst med de matriser som har använts varför projektet tagit mycket längre tid än vad som från början var planerat. Samtidigt har projektet varit lärorikt och en del utvecklingsbehov av såväl data som prognosmetoder har identifierats. Det är egentligen två olika områden som behöver utvecklas: Dels prognosmetoderna dels de samhällsekonomiska kalkylerna. När det gäller de samhällsekonomiska kalkylerna är det också viktigt att ta ställning till om samma förutsättningar ska gälla för ett sådant stort projekt som Götalandsbanan som för mindre projekt som kalkylmetoderna från början utvecklats för. Stockholm 2009-04-27 Bo-Lennart Nelldal Adjungerad professor 2

Sammanfattning Prognoser för Götalandsbanan med Samvips I detta projekt har prognoser och samhällsekonomiska kalkyler genomförts för Götalandsbanan som är en höghastighetsbana mellan Stockholm och Göteborg. I den statliga åtgärdsplaneringen har prognoser hittills genomförts med Sampers prognossystem, som inte visat sig kunna prognostisera effekterna av höghastighetståg på ett fullständigt sätt. KTH Järnvägsgrupp har därför fått i uppdrag att göra en prognos med ett alternativt prognossystem, Samvips, som använder Sampers matriser men Vips-systemet för färdmedelsvalet. Sampers matriser som visade sig vara för låga både jämfört dagens resande och med tidigare prognoser. Problemet var störst för långväga resor som var 30 % för låga vilket innebar att transportarbetet år 2020 var lägre än 2007 års nivå. Regionala resor låg 5 % för lågt. För att få korrekta prognoser med Samvips har justerade matriser tagits fram och använts för alternativa prognoser. Resultatet av Sampers- och Samvips-prognoserna skiljer sig åt mycket även om man bortser från skillnaderna i matriserna. Huvuddelen av ökningen i Sampers kommer från nygenererade resor medan Samvips även visar en större omfördelning från flyg och bil till tåg. Jämfört med internationella erfarenheter av höghastighetståg och forskning i Sverige bl.a. av effekterna av Svealandsbanan verkar resultaten av Samvipsprognoserna i detta avseende mer realistiska. För att få en mer realistisk fördelning mellan tåg och flyg har Sampers-prognoserna justerats manuellt i efterhand. Även vissa långväga arbetsresor över länsgränser har lagts till. I Samvips har flygutbudet korrigerats i två steg och nya prognoser har körts för att få ett nytt jämviktsläge. Samhällsekonomiska kalkyler har gjorts för tre fall: Sampers lägre matriser med 40 års kalkylhorisont, Sampers korrigerade matriser med normal efterfrågan med 40 års kalkylperiod och den normala efterfrågan med kalkylhorisont 60 år. Två olika utbudsscenarier har testats, ett alternativ med längre restider och ett alternativ med kortare restider. Sampers lägre matriser ger negativ eller svag samhällsekonomisk lönsamhet för samtliga fall. Med normal efterfrågan och anpassat utbud blir lönsamheten god i samtliga fall och som bäst 0,5 med 40 års kalkylperiod. Matrisernas storlek har således stor betydelse för den samhällsekonomiska lönsamheten. Även utbudet har betydelse. Kombineras dessa två faktorer skiljer det sig 0,5 enheter i nettonuvärdeskvot. Efterfrågan och utbud kan således avgöra ett projekts lönsamhet, vilket visar på betydelsen att vidareutveckla prognosmodellerna och optimera utbudet. Med 60 års kalkylperiod och kort restid blir nettonuvärdeskvoten 0,6. Om man dessutom räknar upp framtida tidsvinster och externa effekter med den ekonomiska utvecklingen blir nettonuvärdeskvoten 1,4. I kalkylen ligger då en investeringskostnad för Götalandsbanan som är 90 miljarder. Om investeringskostnaden för Götalandsbanan i denna kalkyl istället är 60 miljarder i enlighet med tidigare beräkningar blir nettonuvärdeskvoten över 2,0. Detta är med samma förutsättningar är i nivå med tidigare beräkningar för hela Europakorridoren i Sverige. Detta ska ses som en känslighetsanalys och visar på betydelsen av olika faktorer i den samhällsekonomiska kalkylen. För ett sådant stort projekt som Götalandsbanan bör en djupare diskussion föras om projektspecifika parametrar som bör användas, särskilt om man fäster stor betydelse vid den samhällsekonomiska kalkylen. 3

1 Prognoser Prognoser för Götalandsbanan med Samvips 1.1 Matriser och prognoser med Sampers Bakgrund Matriser framtagna med Sampers utgör underlag för Samvips-prognoserna. Därför beskrivs kortfattat Banverkets Sampers-prognoser i detta avsnitt. Detta för att också förklara en del skillnader som finns mellan prognoserna. Prognosalternativ med Sampers Prognoser med Sampers har tagits fram av Banverket med utgångspunkt från de förutsättningar som Samplan-gruppen har bestämt ska gälla för åtgärdsplaneringen. Prognoser har tagits fram för 2020 först för ett referensalternativ utan Götalandsbanan. Detta alternativ har sedan körts med EET-förutsättningarna. Därefter har prognoser gjorts för Götalandsbanan för år 2020 och 2040 också med EET-förutsättningarna. De prognoser som redovisas först är utan anpassning av flygutbudet. Resultat av Sampers-prognoserna Resultaten av Sampers-prognoserna framgår av de gråa fälten i tabell 1.2. De är också sammanställda så att de ska gå att jämföra med Samvips-prognoserna samt dagens transportarbete år 2007. Transportarbetet redovisas separat för långväga, kortväga och utrikesresor. De har sedan summerats till totalt inrikes transportarbete med och utan inrikesdelen av utrikesresorna som redovisas överst. Den nivå som är mest jämförbar mellan prognoserna är totalt inrikes transportarbete, den andra tabellen uppifrån. Det beror på att det inte ingår någon fullständig utrikesprognos i Sampers utan endast en fast matris för utrikes tågresor. Av tabellen med endast inrikesresor framgår att Götalandsbanan ökar tågresandet med 1,9 miljarder personkilometer. Den största delen, 80 % eller 1,5 miljarder personkilometer är nygenererade resor. Härutöver kommer 0,3 miljarder personkilometer från bil och 0,1 miljarder personkilometer från flyg, båda endast långväga resor. För kortväga resor sker ingen omfördelning mellan färdmedlen utan endast nygenerering på 0,9 miljarder personkilometer. För långväga resor sker således nygenerering av 0,6 miljarder personkilometer. Sampers matriser Sampers matriser för 2020 innehåller nästan ingen ökning jämfört med 2007. I prognoserna med EET-förutsättningarna är transportarbetet 2020 t.o.m. lägre än 2007. Den största skillnaden finns i långväga resor som ligger 15 % under nivån 2007 och 23 % under tidigare prognoser för år 2020. I prognosresultaten ser det ut som den största skillnaden finns i bilresandet men det är svårt att härleda vad detta beror på. För kortväga resor är inte avvikelsen lika stor, prognosen för 2020 ligger över 2007 års nivå men ca 5 % under tidigare prognostiserad nivå för 2020. För att få korrekta prognoser och samhällsekonomiska kalkyler med Samvips har Sampersmatriserna justerats så att de ska motsvara en rimlig nivå år 2020. Den långväga matrisen har skrivits upp med 30 % och den kortväga med 5 %. Detta har gjorts rakt av, och prognoserna hamnade då på en rimlig nivå jämfört med 2007 och tidigare prognoser. Det fanns även andra förhållanden i matriserna som var svåra att förklara men det fanns inte tid till att gå till botten med dessa problem. En jämförelse mellan matriserna framgår av Tabell 1.1., se även bilaga 1. 4

Tabell 1.1: Totalmatriserna i Sampers och Samvips. Samvips Sampers Index 2007 2020 2020 Sampers/ Anm Referens Referens Samvips Långväga resor 33,8 37,1 28,8 78 Sampers uppskriven med 30% i Samvips Utrikes resor 5,9 7,9 1,3 17 Endast utrikes järnväg ingår i Sampers Kortväga resor 97,7 111,0 107,7 97 Sampers uppskriven med 5% i Samvips Totalt 137,4 156,0 137,8 88 Nivån 2020 lika som 2007 1.2 Prognoser med Samvips Prognos med BV utbud och utan anpassat utbud Sedan matriserna justerats kunde prognoser med Samvips köras. En ny svårighet uppstod i och med att tidigare prognoser hade kalibrerats mot ett utgångsläge år 2007. Någon med de nya uppskrivna matriserna för 2020 konsistent matris för 2007 fanns inte tillgänglig utan kalibrering av prognosen gjordes i stället mot en tidigare prognos för 2020 genomförd med Samvips. Detta gick men är ytterligare en komplikation som också tog tid. Prognosresultaten framgår av tabell 1.2, de rosa fälten. Det är Referensalternativen för 2020 och endast inrikes som är mest jämförbara. Samvips Referensalternativ motsvarar i det närmaste EET-alternativet, se vidare kap 3.4. Med Samvips ökar tågtrafiken med 3,5 miljarder personkilometer. 1,5 miljarder personkilometer är nygenererade resor precis som i Sampers men dessa värden kan härledas direkt till Sampers matris. Överflytningseffekterna blir mycket större med Samvips: 1,6 miljarder personkilometer kommer från bil, 0,5 från flyg och 0,2 från långväga buss. De största effekterna är även här för det långväga resandet, men även på det kortväga resandet sker en överföring av 0,2 miljarder personkilometer från bil. Samvips-prognosen ger således större effekter på färdmedelsfördelningen. Jämfört med internationella erfarenheter och resultat av den forskning som bedrivits på KTH verkar dessa resultat mer realistiska. Observera att detta är innan flygutbudet anpassats. När man jämför prognoserna så ska man tänka på att hela Samvips-prognosen ligger ca 10 % över Sampers. När det gäller just tåget så hamnar prognoserna närmare varandra om man justerar för detta. Studerar man långväga bilresor hamnar man däremot långt ifrån även om man justerar. Helt klart är emellertid att Samvips reagerar starkare på utbudsförändringarna och att det sker en påverkan på färdmedelsfördelningen medan resultatet av Sampers-prognosen huvudsakligen blir nygenererade resor. Prognos med KTH utbud och med anpassat utbud Prognoser med Samvips har även körts med KTH utbud och med anpassat flygutbud både för BV och KTH utbud. I tabell 1.3 redovisas BV och KTH alternativen med anpassat flygutbud i jämförelse med referensalternativet. Med minskat flygutbud som följd av lägre efterfrågan blir tågresandet högre och ger underlag för ytterligare några tågturer. För BV utbud ökar tåg till 20,2 och för KTH utbud till 21,0 Mdr personkilometer. I båda alternativen minskar flyg med 1,2 Mdr personkilometer. I KTH-alternativet kommer mer från bil, 1,8 Mdr jämfört med 1,4 Mdr i BV-alternativet. 5

Tabell 1.2: Prognoser med Sampers och Samvips för år 2020 för BV utbud utan anpassning av flygutbudet. Totalt transportarbete inom Sverige Med BV utbud utan anpassning av utbud Statistik Samvips med Sampers rev matriser Sampers matriser och prognoser Miljarder 2007 2020 2020 Diff Ökning 2020 2020 2020 Diff Ökning pkm Referens UA Göta Ref-Göta % Referens EET UA Göta EET-Göta % Tåg 10,6 16,0 19,6 3,5 22% 14,4 15,0 16,9 1,9 13% Flyg 3,3 3,8 3,3-0,5-14% 3,1 3,2 3,1-0,1-3% Långv buss 1,9 1,4 1,2-0,2-15% 1,8 1,9 1,9 0,0 0% Båt 0,3 0,3 0,3 0,0 10% 0,3 0,3 0,3 0,0 0% Lokal koll 12,6 15,2 15,4 0,2 1% 14,1 14,4 14,4 0,0 0% Bil 103,3 113,9 112,3-1,6-1% 98,9 89,8 89,5-0,3 0% GCM 5,4 5,8 5,8 0,0 0% 3,9 4,2 4,2 0,0 0% Totalt 137,4 156,4 157,9 1,5 1% 136,5 128,8 130,3 1,5 1% Endast inrikes resor Statistik Samvips med Sampers rev matriser Sampers matriser och prognoser Miljarder 2007 2020 2020 Diff Ökning 2020 2020 2020 Diff Ökning pkm Referens UA Göta Ref-Göta % Referens EET UA Göta EET-Göta % Tåg 10,0 14,7 18,1 3,4 23% 13,1 13,7 15,6 1,9 14% Flyg 2,7 3,0 2,5-0,5-17% 3,1 3,2 3,1-0,1-3% Långv buss 1,7 1,3 1,1-0,2-15% 1,8 1,9 1,9 0,0 0% Båt 0,3 0,3 0,3 0,0 10% 0,3 0,3 0,3 0,0 0% Lokal koll 12,6 15,2 15,4 0,2 1% 14,1 14,4 14,4 0,0 0% Bil 98,8 108,4 106,9-1,5-1% 98,9 89,8 89,5-0,3 0% GCM 5,4 5,8 5,8 0,0 0% 3,9 4,2 4,2 0,0 0% Totalt 131,5 148,7 150,1 1,4 1% 135,2 127,5 129,0 1,5 1% Långväga resor - prognos Statistik Samvips med Sampers rev matriser Sampers matriser och prognoser Miljarder 2007 2020 2020 Diff Ökning 2020 2020 2020 Diff Ökning pkm Referens UA Göta Ref-Göta % Referens EET UA Göta EET-Göta % Tåg 5,6 7,4 10,1 2,7 36% 8,2 8,5 9,5 1,0 12% Flyg 2,7 3,0 2,5-0,5-17% 3,1 3,2 3,1-0,1-3% Buss 1,7 1,3 1,1-0,2-15% 1,8 1,9 1,9 0,0 0% Båt 0,3 0,3 0,3 0,0 10% 0,3 0,3 0,3 0,0 0% Bil 23,5 25,1 23,8-1,3-5% 15,4 15,0 14,7-0,3-2% Totalt 33,8 37,1 37,8 0,7 2% 28,8 28,9 29,5 0,6 2% Kortväga resor - prognos Statistik Samvips med Sampers rev matriser Sampers matriser och prognoser Miljarder 2007 2020 2020 Diff Ökning 2020 2020 2020 Diff Ökning pkm Referens UA Göta Ref-Göta % Referens EET UA Göta EET-Göta % Tåg 4,4 7,3 8,0 0,7 10% 6,2 6,5 7,4 0,9 14% Lokal koll* 12,6 15,2 15,4 0,2 1% 14,1 14,4 14,4 0,0 0% Bil+mc 75,3 83,3 83,1-0,2 0% 83,5 74,8 74,8 0,0 0% GCM 5,4 5,8 5,8 0,0 0% 3,9 4,2 4,2 0,0 0% Totalt 97,7 111,6 112,3 0,7 1% 107,7 99,9 100,8 0,9 1% *)Inkl taxi Utrikes resor inom Sverige Statistik Samvips med Sampers rev matriser Sampers matriser och prognoser Miljarder 2007 2020 2020 Diff Ökning 2020 2020 2020 Diff Ökning pkm Referens UA Göta Ref-Göta % Referens EET UA Göta EET-Göta % Tåg 0,6 1,4 1,5 0,1 10% 1,3 1,3 1,3 0,0 0% Flyg 0,6 0,8 0,8 0,0-4% Långv buss 0,2 0,1 0,1 0,0-7% Bil 4,5 5,5 5,4-0,1-1% Totalt 5,9 7,7 7,8 0,0 1% 1,3 1,3 1,3 6

Tabell 1.3: Prognoser med Samvips för år 2020 för BV och KTH utbud med anpassning av flygutbudet. Totalt transportarbete inom Sverige Med BV/KTH utbud med anpassning av utbud Statistik Samvips med BV utbud Samvips med KTHutbud Miljarder 2007 2020 2020 Diff Ökning 2020 2020 Diff Ökning pkm Referens UA Göta Ref-Göta % Referens UA Göta Ref-Göta % Tåg 10,6 16,0 20,2 4,1 26% 16,0 21,0 4,9 31% Flyg 3,3 3,8 2,5-1,2-33% 3,8 2,5-1,2-33% Långv buss 1,9 1,4 1,2-0,2-15% 1,4 1,3-0,1-6% Båt 0,3 0,3 0,3 0,0 10% 0,3 0,3 0,0 0% Lokal koll 12,6 15,2 15,4 0,2 1% 15,2 15,5 0,3 2% Bil 103,3 113,9 112,4-1,4-1% 113,9 112,0-1,8-2% GCM 5,4 5,8 5,8 0,0 0% 5,8 5,8 0,0 0% Totalt 137,4 156,4 157,9 1,5 1% 156,4 158,5 2,1 1% Endast inrikes resor Statistik Samvips med BV utbud Samvips med KTHutbud Miljarder 2007 2020 2020 Diff Ökning 2020 2020 Diff Ökning pkm Referens UA Göta Ref-Göta % Referens UA Göta Ref-Göta % Tåg 10,0 14,7 18,7 4,0 27% 14,7 19,0 4,3 29% Flyg 2,7 3,0 1,9-1,1-37% 3,0 1,9-1,1-36% Långv buss 1,7 1,3 1,1-0,2-15% 1,3 1,2-0,1-8% Båt 0,3 0,3 0,3 0,0 10% 0,3 0,3 0,0 0% Lokal koll 12,6 15,2 15,4 0,2 1% 15,2 15,5 0,3 2% Bil 98,8 108,4 107,0-1,4-1% 108,4 106,8-1,6-1% GCM 5,4 5,8 5,8 0,0 0% 5,8 5,8 0,0 0% Totalt 131,5 148,7 150,2 1,5 1% 148,7 150,5 1,8 1% Långväga resor - prognos Statistik Samvips med BV utbud Samvips med KTHutbud Miljarder 2007 2020 2020 Diff Ökning 2020 2020 Diff Ökning pkm Referens UA Göta Ref-Göta % Referens UA Göta Ref-Göta % Tåg 5,6 7,4 10,6 3,2 44% 7,4 11,2 3,8 51% Flyg 2,7 3,0 1,9-1,1-37% 3,0 1,9-1,1-36% Buss 1,7 1,3 1,1-0,2-15% 1,3 1,2-0,1-8% Båt 0,3 0,3 0,3 0,0 10% 0,3 0,3 0,0 0% Bil 23,5 25,1 23,9-1,2-5% 25,1 23,4-1,7-7% Totalt 33,8 37,1 37,9 0,8 2% 37,1 38,0 0,9 2% Kortväga resor - prognos Statistik Samvips med BV utbud Samvips med KTHutbud Miljarder 2007 2020 2020 Diff Ökning 2020 2020 Diff Ökning pkm Referens UA Göta Ref-Göta % Referens UA Göta Ref-Göta % Tåg 4,4 7,3 8,0 0,7 10% 7,3 7,8 0,5 7% Lokal koll* 12,6 15,2 15,4 0,2 1% 15,2 15,5 0,3 2% Bil+mc 75,3 83,3 83,1-0,2 0% 83,3 83,4 0,1 0% GCM 5,4 5,8 5,8 0,0 0% 5,8 5,8 0,0 0% Totalt 97,7 111,6 112,3 0,7 1% 111,6 112,5 0,9 1% *)Inkl taxi Utrikes resor inom Sverige Statistik Samvips med BV utbud Samvips med KTHutbud Miljarder 2007 2020 2020 Diff Ökning 2020 2020 Diff Ökning pkm Referens UA Göta Ref-Göta % Referens UA Göta Ref-Göta % Tåg 0,6 1,4 1,5 0,2 12% 1,4 2,0 0,6 47% Flyg 0,6 0,8 0,7-0,1-17% 0,8 0,6-0,2-21% Långv buss 0,2 0,1 0,1 0,0-8% 0,1 0,1 0,0 10% Bil 4,5 5,5 5,4 0,0-1% 5,5 5,2-0,2-4% Totalt 5,9 7,7 7,7 0,0 0% 7,7 8,0 0,2 3% 7

2 Samhällsekonomiska kalkyler 2.1 Förutsättningar Generella förutsättningar De generella förutsättningarna är desamma som i Banverkets kalkyl som grundar sig på trafikverkens gemensamma förutsättningar för åtgärdsplaneringen och ASEK 4 och framgår av tabell 2.1. De projektspecifika förutsättningarna för Götalandsbanan framgår av tabell 2.2. Tabell 2.1: Generella kalkylförutsättningar Parameter Värde Prognosår 2020 Prisnivå i beräkningar 2006 Byggstart, år 2010 Kalkylränta 4% Kalkylperiod, år från trafikstart 40 Skattefaktor 1 1,21 Skattefaktor 2 1,00 Moms biljettintäkter 6% Tabell 2.2: Projektspecifika kalkylförutsättningar Parameter Värde Byggtid, år 15 Trafikstart Götalandsbanan 2025 Trafikstart Ostlänken 2020 Årlig trafiktillväxt persontrafik 1,43% Årlig trafiktillväxt godstrafik 0,88% Ekonomisk livslängd, år 100 Specifika förutsättningar Som framgått av ovan stämmer inte de ursprungliga Sampers-matriserna med utgångsläget och med andra prognoser som gjorts för år 2020. För att få en korrekt prognos har de långväga resorna skrivits upp med 30 % och de regionala resorna med 5%. För att få jämförbarhet med Banverkets prognoser redovisas även den lägre nivån. I den samhällsekonomiska kalkylen har härvid volymerna och nyttorna räknats ned på motsvarande sätt. På grund av problem med matriserna har inte effekten av nygenererade resor kunnat härledas från Sampers-matriserna. Vid beräkning av de samhällsekonomiska effekterna har därför JA-matrisen använts både för JA och UA. De nygenererade resorna ingår dock i det redovisade transportarbetet. En särskild beräkning av de smahällsekonomiska effekterna av de nygenererade resorna har också genomförts med Vips-systemet. Godstransportprognoser Effekterna som följd av frigjord kapacitet på stambanorna för godstrafiken har beräknats och redovisas i Bilaga 3. KTH:s beräkningar stämmer väl med Banverkets. Nettonuvärdet blir 3,8 miljarder jämfört med 3,9 miljarder i Banverkets kalkyl och är lika i alla alternativ med 40 års kalkylperiod. 8

2.2 Utbud på höghastighetslinjerna Två alternativa tågutbud har tagits fram och prognostiserats, BV utbud och KTH utbud. BV har definierat ett utbud med två stomlinjer med höghastighetståg som omväxlande stannar på två stationer med en restid mellan Stockholm och Göteborg på 2:15 med i princip en dubbeltur per timme på vardera linjen. Härutöver finns ett antal snabba regionala linjer med högre turtäthet som inte går hela vägen. KTH har definierat ett utbud med höghastighetståg med en direktlinje mellan Stockholm och Göteborg med en restid på 2:01 och två linjer Uppsala-Stockholm-Göteborg med uppehåll på sex, delvis olika, stationer och en restid på 2:34 mellan Stockholm och Göteborg. Direktlinjen går i princip varje timme och de andra två linjerna går vardera varannan timme. Härutöver finns ett större antal regionaltåg med sth 300 km/h som delvis går både på höghastighetsnätet och på de gamla linjerna med hög turtäthet. På södra stambanan förkortas restiden genom att tågen kan utnyttja Ostlänken till Gripenberg söder om Linköping. Restiden till Malmö med ett normalt tåg förkortas till ca 3:45 Köpenhamn förkortas till ca 4:15 för ett tåg med normalt uppehållsmönster. Här är inte skillnaden mellan BV utbud och KTH utbud så stor. Man kan något förenklat säga att BV:s utbud är ett minimiutbud och KTH:s är ett maximiutbud. Att det inte går fler turer i BV:s utbud beror delvis på att utbudet har anpassats för att ge bästa samhällsekonomiska lönsamhet i Sampers. Det är svårt att få lönsamhet på ett kraftigt utbud med Sampers - eftersom inte resandet ökar så mycket riskerar man att enbart få höga kostnader om man ökar utbudet. När det gäller KTH:s utbud så är det inte heller optimerat, det skulle sannolikt gå att få en bättre lönsamhet om man minskade utbudet på vissa linjer med hänsyn till lönsamheten. Det har inte hunnits med i detta projekt. Prognoser för de olika utbudsscenarierna redovisas både utan och med anpassning av flyg- och tågutbudet. Anpassning av flygutbudet har gjorts i två steg i förhållande till efterfrågan på respektive flyglinje. Det ger i sin tur underlag för fler tågturer vilket införts samtidigt med den andra flygutbudsanpassningen. 2.3 Resultat av de samhällsekonomiska kalkylerna Inledning För att få jämförbarhet med SampersSamkalk redovisas först samhällsekonomiska effekter med Sampers låga matriser och Banverkets utbud med 40 års kalkylperiod. Därefter redovisas kalkyler med Sampers korrigerade matriser och både Banverkets och KTH utbud med 40 års kalkylperiod. Dessutom redovisas samma prognoser med 60 års kalkylperiod och uppräkning av restidsvinster och externa effekter. Detta ä en känslighetsanalys men man kan diskutera om det inte skulle vara lämpligt för ett sådan långsiktig investering som Götalandsbanan är. Alla monetära värden som anges är diskonterade till nuvärde för respektive kalkylperiod. I tabellerna anges dessa i miljarder SEK med en decimal, vilket vi anser är en lämplig noggrannhet för dessa kalkyler. Sampers låga matriser och 40 års kalkylperiod Av tabell 2.3 framgår först Sampers prognoser som redovisats i WSP rapporter 2009-02-23 och 2009-03-17. I den slutliga prognosen ingår en manuell justering av flygutbudet. Persontrafikeffekterna uppgår till 56,1 miljarder SEK diskonterat till nuvärde. Godstransporteffekterna uppgår till 3,9 miljarder. Kostnaden för att bygga och reinve- 9

stera i infrastrukturen uppgår till 77,7 med utgångspunkt från Banverkets successiva kalkylering. De samlade nyttorna för person- och godstransporter uppgår till 60,0 mdr. Nettonyttan blir negativ -17,7 mdr och nettonuvärdeskvoten blir -0,2. Med Samvips prognos och kalkyl med anpassning av flygutbudet i två steg med hjälp av prognosmodellen uppgår persontrafikeffekterna till 73,1 Mdr och tillsamman med godstransporteffekterna som i denna kalkyl är 3,8 Mdr blir nettonyttan -0,7 Mdr och nettonuvärdeskalkylen 0,0 d.v.s. den går precis jämnt upp. Denna kalkyl innefattar dock ingen effekt av nygenererade resor. Om Sampers värde på nygenererade resor på 7,5 mdr läggs till blir nettonyttan 6,8 mdr och nettonuvärdeskvoten 0,1. Dessa två kalkyler är så jämförbara som möjligt även om båda är fel eftersom de utgår från för låga matriser. Man kan konstatera att Samvips ger en nettonuvärdeskvot som är ca 0,3 enheter större än Sampers och ger ett positivt resultat i stället för ett negativt. En okorrigerad Sampers-prognos, där inte flygutbudet justerats för hand ger ca 10 % lägre persontrafiknyttor eller en nettonuvärdeskvot på ca -0,3. Det är således denna nivå som man får om man använder Sampers utan manuell justering. En principiell skillnad mellan Sampers och Samvips kalkyler är att Sampers beräknar en förlust för flygbolagen som följd av minskat resande. I Samvips förutsätts att flygbolagen anpassar sitt utbud så att resultatet blir +-0 på sikt, eftersom kalkylen görs på 40 år. Om man sätter flygbolagens förlust till +-0 även i Sampers kalkyl blir nettonuvärdeskvoten -0,1 med anpassning av flygutbudet. De större skillnader som återstår beror på att Samvips räknar med en större överföring från bil och flyg till tåg än Sampers som huvudsakligen räknar med nygenererat resande. Det ger mycket större intäkter till järnvägsföretagen och också mycket större externa effekter som följd av minskad bil- och flygtrafik. Att många väljer tåg i stället för flyg innebärockså mindre reskostnader för resenärerna vilket ger ett positivt tillskott till kalkylen. Sampers beräknar trots mindre överföringseffekter större restidsvinster än Samvips. Vad detta beror på är svårt att säga, noggrannare analyser har visat att Sampers och Samvips räknar mycket olika i enskilda relationer, se särskilt avsnitt och bilaga. Sampers räknar ibland med ökad nytta när standarden blir sämre och tvärtom när standarden blir bättre. Det finns en hel del till synes oförklarliga resultat i Sampers. Samvips prognoser med normala matriser och 40 års kalkylperiod Av tabell 2.4 framgår prognoser och kalkyler med de uppskrivna matriserna för såväl Banverkets som KTH utbud. Av tabellen framgår att det totala transportarbetet ligger på en högre nivå och med en rimlig tillväxt jämfört med 2007. Med BV utbud ökar järnvägens transportarbete med 4,1 miljarder personkilometer jämfört med referensalternativet och med KTH utbud ökar järnvägen med 4,9 miljarder personkilometer. Skillnaden beror på ett större utbud i KTH-alternativet och på att en särskild beräkning genomförts av nygenererade resor i Samvips som utgår från den högre nivån på transportarbetet. Den samhällsekonomiska kalkylen för BV utbud med flyganpassning ger en nytta för persontrafiken på 90,5 miljarder sek. Tillsammans med nyttan för godstrafiken blir nyttan 94,3 miljarder sek och nettonyttan 16,6 mdr sek och nettonuvärdeskvoten blir 0,2. Lägger man till nyttan av nygenererade resor från Sampers på 7,5 mdr sek blir nettonyttan 24,1 mdr och nettonuvärdeskvoten 0,3. Den samhällsekonomiska kalkylen för KTH utbud med flyganpassning ger en nytta för persontrafiken på 110,6 miljarder sek. Tillsammans med nyttan för godstrafiken blir nyttan 114,4 miljarder sek och nettonyttan 36,7 mdr sek och nettonuvärdeskvoten blir 0,5. Den särskilda prognos med nygenererade resor som gjorts med Samvips ger per- 10

sontrafikeffekter på 115,2 mdr och tillsammans med godstransporteffekter 119,0 mdr. Nettonyttan blir 41,3 mdr och nettonuvärdeskvoten blir även här 0,5. Samvips prognoser och 60 års kalkylperiod Med 60 års kalkylperiod och uppräkning av framtida tidsvinster och externa effekter blir kalkylen annorlunda. Kostnaden för infrastrukturen ökar som följd av den längre kalkylperioden med nyttorna ökar ännu mer dels på grund av den längre kalkylperioden dels på grund av att tidsvinster och externa effekter skrivs upp. Nettonuvärdeskvoten med BV utbud och nygenererade resor blir 0,7 och med KTH utbud och nygenererade resor 1,4. Detta visar vilken betydelse kalkylförutsättningarna har och att ett högkvalitativt utbud ger större lönsamhet i en långsiktig kalkyl som tar större hänsyn till framtida vinster. En känslighetsanalys har även genomförts för 60 års kalkylperiod och för lägre investeringskostnad för att kunna jämföra med tidigare beräkningar för hela Europakorridoren. Om investeringskostnaden för Götalandsbanan blir 60 miljarder i enlighet med tidigare bedömningar blir nettonuvärdeskvoten över 2,0 med uppräkning av tidsvinster och externa effekter. Det ligger i nivå med de tidigare beräkningarna för hela Europakorridoren inom Sverige. Slutsatsen av denna kalkyl visar att Götalandsbanan är ungefär lika samhällsekonomiskt lönsam som hela Europakorridoren eller vice versa. Den visar också att byggkostnaderna har en avgörande betydelse för den samhällsekonomiska lönsamheten. Byggkostnaderna påverkas av flera faktorer såsom konjunkturen, planeringsprocessen och i vilken form projektet bedrivs. Om projektet bedrivs som ett sammanhållet projekt finns möjlighet att de totala planerings- och byggkostnaderna blir lägre än om det byggs fragmenterat och successivt. Om det byggs som ett PPP-projekt behöver inte de totala kostnaderna bli lägre men erfarenheten visar att budget och byggtider oftast hålls bättre viket också påverkar kalkylerna åtminstone genom att starttidpunkten kan bli tidigare. 11

Tabell 2.3: Prognoser med Sampers och Samvips för år 2020 och samhällsekonomiska effekter med Sampers låga matris och 40 års kalkylperiod. Totalt transportarbete inom Sverige Med Sampers låga matriser Utfall Sampers 2020 med låg matris och BV utbud Samvips 2020 med låg matris och BV utbud Miljarder 2007 EET Götalandsbanan Diff Ökning Referens Götalandsbanan Diff Ökning pkm BV utbud Flyganp EET-Göta % BV utbud Flyganp Ref-Göta % Tåg 10,6 15,0 16,9 17,1 2,1 14% 14,0 16,9 17,3 3,3 24% Flyg 3,3 3,2 3,1 2,8-0,4-13% 3,1 2,7 2,1-1,0-32% Långv buss 1,9 1,9 1,9 1,9 0,0 0% 1,1 1,0 1,0-0,2-15% Båt 0,3 0,3 0,3 0,3 0,0 0% 0,2 0,3 0,3 0,0 10% Lokal koll 12,6 14,4 14,4 14,4 0,0 0% 14,5 14,7 14,7 0,2 1% Bil 103,3 89,8 89,5 89,5-0,3 0% 104,1 102,9 103,0-1,1-1% GCM 5,4 4,2 4,2 4,2 0,0 0% 5,5 5,5 5,5 0,0 0% Totalt 137,4 128,8 130,3 130,2 1,4 1% 142,5 143,8 143,8 1,3 1% Samhällsekonomi Sampers med låg matris och BV utbud Samvips med låg matris och BV utbud Miljarder SEK 40 år Utan flyg- Med flyg- Utan flyg- Med flyg- Med ny- Diskonterat till nuvärde anpassn anpassn anpassn anpassn gen resor Persontrafikeffekter Konsumentöverskott Restidsvinster 31,6 15,3 14,9 Korrigeringspost -5,6 7,5 Reskostnadsvinster -0,1 6,9 6,9 Konsumentöverskott 31,7 22,2 21,8 Producentöverskott Intäkter järnväg 35,4 34,9 45,5 Kostnader järnväg -9,5-5,2-8,6 Flygbolag netto -5,7 0,0 0,0 Övriga trafikföretag netto 0,0 0,1 0,1 Producentöverskott 20,2 29,7 37,0 Övrigt Offentliga finanser 0,7 1,5 5,7 Externa effekter 3,5 6,7 8,6 Övriga effekter 4,2 8,2 14,3 Summa persontrafik 50,5 56,1 60,1 73,1 80,7 Godstransporteffekter 3,9 3,9 3,8 3,8 3,8 Summa nyttor 54,4 60,0 63,9 77,0 84,5 Infrastrukturkostnader -77,7-77,7-77,7-77,7-77,7 Nettonuvärde -23,3-17,7-13,8-0,7 6,8 Nettonuvärdeskvot -0,3-0,2-0,2 0,0 0,1 12

Tabell 2.4: Prognoser med Sampers och Samvips för år 2020 och samhällsekonomiska effekter med Sampers normala matris samt 40 och 60 års kalkylperiod. Totalt transportarbete inom Sverige Utfall Samvips 2020 med korr matris och BV utbud Samvips 2020 med korr matris och KTHutbud Miljarder 2007 Referens Götalandsbanan Diff Ökning Referens Götalandsbanan Diff Ökning pkm BV utbud Flyganp Ref-Göta % KTH utbud Flyganp Ref-Göta % Tåg 10,6 16,0 19,6 20,2 4,1 26% 16,0 20,3 21,0 4,9 31% Flyg 3,3 3,8 3,3 2,5-1,2-33% 3,8 3,1 2,5-1,2-33% Långv buss 1,9 1,4 1,2 1,2-0,2-15% 1,4 1,3 1,3-0,1-6% Båt 0,3 0,3 0,3 0,3 0,0 10% 0,3 0,3 0,3 0,0 0% Lokal koll 12,6 15,2 15,4 15,4 0,2 1% 15,2 15,5 15,5 0,3 2% Bil 103,3 113,9 112,3 112,4-1,4-1% 113,9 112,0 112,0-1,8-2% GCM 5,4 5,8 5,8 5,8 0,0 0% 5,8 5,8 5,8 0,0 0% Totalt 137,4 156,4 157,9 157,9 1,5 1% 156,4 158,4 158,5 2,1 1% Samhällsekonomi Samvips med normal matris och BV utbud Samvips med normal matris och KTH utbud Miljarder SEK 40 år Utan flyg- Med flyg- Med ny- Utan flyg- Med flyg- Med ny- Diskonterat till nuvärde anpassn anpassn gen resor anpassn anpassn gen resor Persontrafikeffekter Konsumentöverskott Restidsvinster 27,8 23,4 44,8 44,2 46,0 Korrigeringspost 7,5 Reskostnadsvinster 8,6 8,5-0,6 0,3 0,9 Konsumentöverskott 36,3 31,9 44,1 44,5 46,9 Producentöverskott Intäkter järnväg 40,0 52,1 65,6 78,2 78,7 Kostnader järnväg -5,2-8,6-31,6-33,2-33,2 Flygbolag netto 0,0 0,0 0,0 0,0 0,0 Övriga trafikföretag netto 0,1 0,1 0,4 0,4 0,3 Producentöverskott 34,8 43,7 34,3 45,3 45,8 Övrigt Offentliga finanser 2,0 6,2 0,7 6,8 7,4 Externa effekter 6,7 8,6 10,6 13,9 15,0 Övriga effekter 8,7 14,9 11,3 20,7 22,4 Summa persontrafik 79,9 90,5 98,0 89,7 110,6 115,2 Godstransporteffekter 3,8 3,8 3,8 3,8 3,8 3,8 Summa nyttor 83,7 94,3 101,8 93,5 114,4 119,0 Infrastrukturkostnader -77,7-77,7-77,7-77,7-77,7-77,7 Nettonuvärde 6,0 16,6 24,1 15,8 36,7 41,3 Nettonuvärdeskvot 0,1 0,2 0,3 0,2 0,5 0,5 Kalkyl med 60 års kalkylperiod och med utveckling av nyttor Summa persontrafik 113,3 119,7 132,9 167,0 188,6 196,4 Godstransporteffekter 5,9 5,9 5,9 5,9 5,9 5,9 Summa nyttor 119,2 125,6 138,8 172,9 194,5 202,3 Infrastrukturkostnader -83,1-83,1-83,1-83,1-83,1-83,1 Nettonuvärde 36,1 42,5 55,7 89,8 111,4 119,2 Nettonuvärdeskvot 0,4 0,5 0,7 1,1 1,3 1,4 13

2.4 Jämförelse av samhällsekonomiska kalkyler Sampers och Samvips En jämförelse mellan nettonuvärdeskvoterna (NNK) med Sampers låga matris framgår av figur 2.5. Utan anpassning av flygutbudet blir NNK med Sampers -0,3 och med Samvips - 0,2, men då ingår inte effekten av nygenererade resor i Samvips. Med flyganpassning blir NNK -0,2 i Sampers och 0,0 i Samvips. Tar man dessutom hänsyn till nygenererade resor blir NNK 0,1 i Samvips. Om flygets lönsamhet beräknas på samma sätt i Sampers som i Sampvips blir NNK med Sampers -0,15. Det innebär att det i detta fall skiljer det 0,24 i NNK mellan de båda prognosverktygen. Tar man dessutom hänsyn till att Sampers inte kan beräkna effekterna av minskat flygutbud blir skillnaden i NNK 0,31. Olika utbud Effekterna va olika utbud i Samvips-prognoserna med den justerade matriserna framgår av figur 2.6. Med BV utbud och utan flyganpassning blir NNK 0,1. Med flyganpasning blir den 0,2 och tar man dessutom hänsyn till nygenererade resor blir NNK 0,3. Med KTH utbud och utan flyganpassning blir NNK 0,2 och med flyganpassning blir NNK 0,5. Tar man hänsyn till nygenererade resor ökar NNK med 0,06 men blir fortfarande 0,5 avrundat. Med så lika förutsättningar som möjligt skiljer det sig 0,2 mellan de olika utbuden. Kalkylperioder mm Med 40 års kalkylperiod, den låga matrisen och KTH:s utbud blir NNK 0,3. Använder man i stället den justerade matrisen blir NNK 0,5. Det skiljer 0,24 i NNK mellan den låga och den justerade matrisen som motsvarar den normala efterfrågan. Tidigare gjordes de samhällsekonomiska kalkylerna på 60 år och för en sådan stor investering som Götalandsbanan kan man ifrågasätta om inte en längre kalkylperiod vore lämplig. Med normal efterfrågan och KTH:s utbud utan uppräkning av tidsvinster och externa effekter blir nettonuvärdeskvoten 0,6 och med uppräkning blir den 1,4. I prognosmodellerna, både Sampers och Samvips, används delvis andra tidsvärden som är högre än ASEK 4 för att få prognoserna att stämma. Detta kan tolkas som att tidsvärdena är för låga. Används de högre tidsvärdena ökar NNK till 1,9 med 60 års kalkyperiod och utveckling av tidsvinster och externa effekter. Det skiljer således 0,5 i NNK om man använder de högre tidsvinsterna, mindre vid kortare kalkylperiod och utan uppräkning av tidsvinster. Diskusssion Den samhällsekonomiska lönsamheten skiljer sig ganska mycket beroende på prognosverktyg, vilka matriser man använder och vilket utbud som används. Spännvidden är här från -0,3 till +0,5 d.v.s. 0,8 enheter i NNK. De är dessa variationer som prognosmakaren och trafikplaneraren kan påverka. Med olika kalkylförutsättningar i form av kalkylperioder, utveckling av tidsvinster och externa effekter samt tidsvärden kan NNK variera från 0,5 till 1,9 eller med 1,4 enheter. Dessa parametrar bestäms huvudsakligen av ekonomerna i ASEK-gruppen. Härtill kommer variationer i byggnadskostnaderna som byggare och ekonomer kan påverka. Spännvidden i kalkylerna kan således bli mycket stora beroende på förutsättningarna. 14

0,2 Nettonärdeskvot Sampers-Samvips med Sampers låga matris och BV utbud 0,1 Nettonuvärdeskvot 0,0-0,1-0,2-0,3-0,4 Utan flyganpassn Med flyganpassn Utan flygförluster Utan flyganpassn Med flyganpassn Med nygen resor SAMPERS SAMVIPS Figur: 2.5: Jämförelse mellan Sampers och Samvips - Nettonuvärdeskvot Götalandsbanan med Sampers låga matris med BV utbud. 0,6 Nettonärdeskvot BV och KTH utbud med Samvips och justerad matris 0,5 Nettonuvärdeskvot 0,4 0,3 0,2 0,1 0,0 Utan flyganpassn Med flyganpassn Med nygen resor Utan flyganpassn Med flyganpassn Med nygen resor BV UTBUD KTH UTBUD Figur: 2.6: Jämförelse mellan BV och KTH utbud - Nettonuvärdeskvot för Götalandsbanan med Samvips och Sampers justerade matris. 15

1,6 Nettonuvärdeskvot med 60 års kalkylperiod och uppräkning av tidsvinster och externa effekter 1,4 Nettonuvärdeskvot 1,2 1,0 0,8 0,6 0,4 0,2 0,0 Utan flyganpassn Med flyganpassn Med ny-gen resor Utan flyganpassn Med flyganpassn Med ny-gen resor BV UTBUD KTH UTBUD Figur 2.7: Jämförelse mellan alternativa utbud med 60 års kalkylperiod och uppräkning av tidsvinster och externa effekter. 2,5 Nettonärdeskvot Samvips - Olika kalkylperiod mm 2,0 Nettonuvärdeskvot 1,5 1,0 0,5 0,0 Låg matris Normal matris Utan utv av nyttor Med utv av nyttor Med högre tidsvärde 40 år 60 år normal matris Figur 2.8: Jämförelse mellan alternativa kalkylperioder mm - Nettonuvärdeskvot för Götalandsbanan med olika förutsättningar. 16

3 Metoder för prognoser och kalkyler 3.1 Prognosverktyget Samvips Generell beskrivning av Samvips Utgångspunkten är Sampers matriser över den totala efterfrågan. Vips-sytemet används för att prognostisera efterfrågans fördelning på linjer och färdmedel, se figur 3.1. Vips ger också det nödvändiga underlaget för beräkning av finansiella och samhällsekonomiska effekter, se figur 3.2. Kombinationen Sampers/Vips kallas för Samvips. Till Vips har utvecklats ett program för beräkning och redovisning av finansiella och samhällsekonomiska effekter som kallas Samek. Utgångspunkten är matriser över kortväga, långväga och utrikes resor mellan 783 zoner i Sverige, se figur 3.3. Matriserna över kortväga resor och långväga resor kommer från Sampers, medan utrikesmatrisen kommer från den s.k. STM-modellen, som ursprungligen togs fram av Transek (WSP) för SJ. Utrikesresor finns med till Danmark, Norge, Tyskland, Holland, Belgien och delar av Frankrike. Kortväga resor inom en zon ingår dock inte. Resmatriserna är disaggregerade till 13 olika resärenden/resenärskategorier med olika tidsvärden och tillgång till bil, se figur: 3.3. De viktigaste är: Regionala resor uppdelade på arbets-, örviga och tjänsteresor Interregionala resor för förvärvsarbetande med/utan tillgång till bil Interregionala resor för pensionärer med/utan tillgång till bil Interregionala resor för studerande med/utan tillgång till bil Interregionala tjänsteresor Utrikes privatresor med/utan tillgång till bil Utrikes tjänsteresor Utbudet av kollektivtrafik är kodat som linjer med möjlighet att variera följande ingångsdata: Linjenät i olika relationer Uppehållsmönster Gångtider Turtätheter Förekommande tidspassningar vid byten Priser för olika operatörer, produkter och linjer Fordonskoncept med kostnader Servicenivå och bekvämlighet per fordonstyp I Samvips spelar Vips-systemet en stor roll. För att lättare kunna sätta sig in i kopplingen mellan indata, modell och resultat ägnas några avsnitt därför åt en kort beskrivning av simuleringsmodellen Vips dess väsentligaste egenskaper samt skillnader gentemot Sampers. 17

Sampers Samvips Socio-ekonomiska förutsättningar Bilinnehav Matris från Sampers Resgenerering Resenärskategorier Efter tidsvärden Målpunktsfördelning Bilinnehav Färdmedelsfördelning Färdvägsfördelning emma Färdmedelsfördelning och färdvägsfördelning VIPS Utbudsdatabas Emma-systemet Utbudsdatabas VIPS Figur 3.1: Samband mellan Sampers och Samvips prognossystem Utgångsläge 2007 Prognos 2020 Marknad SAMPERS totalmatris Ekonomisk utveckling Marknad SAMPERS totalmatris Sampers Utbud Tåg, flyg, buss, bil Efterfrågan Resor med tåg,flyg,buss,bil Nya banor, linjer,priser Nya resmönster Utbud Tåg, flyg, buss, bil Efterfrågan Resor med tåg,flyg,buss,bil Vips - Visum Utvärdering Samhällsekonomi mm Kontroll beläggn mm Utvärdering Samhällsekonomi mm Samek. 18

Resmatriser år 2007 kalibrerade Inrikesmatriserna kommer från SAMPERS-systemet via WSP. De regionala matriserna (resor<10mil) har omvandlats till 683 områdes nivå Utrikesmatriserna kommer från SJ-KTH (2000-2007). Restyp Tidvärde Miljoner Antal Ärende Kategori Färdmedel kr per h Andel resor områden Regionala Ej lokala resor Arbetsresor Alla Exkl. GCM 51 37% 2 033 683 Övriga resor Alla Exkl. GCM 51 59% 3 203 x Tjänsteresor Alla Exkl. GCM 275 4% 236 683 Summa 100% 5 471 Interregionala inrikes Privatresor Förvävsarbetande Tillgång till bil 124 48% 50 Privatresor Förvävsarbetande Ej biltillgång 124 3% 3 Privatresor Pensionärer Tillgång till bil 62 10% 10 683 Privatresor Pensionärer Ej biltillgång 62 1% 1 x Privatresor Studerande Tillgång till bil 62 15% 15 683 Privatresor Studerande Ej biltillgång 62 3% 3 Tjänsteresor Alla 450 21% 22 Summa 100% 103 Internationella Privatresor Alla Låg bilvikt 150 50% 13 683 Privatresor Alla Hög bilvikt 200 26% 6 x Tjänsteresor Alla 800 24% 6 270 Summa 100% 25 Totalt antal resor 5 600 Utrikesresor=Resor mellan Sverige och Norge, Danmark, Tyskland, Belgien, Holland och Paris Figur 3.3: Samvips prognossystem: Disaggregerade interregionala matriser och aggregerade regionala matriser från Sampers och utrikesmatriser från SJ-KTH. Avser 2007 års nivå. Sampers Val av huvudfärdmedel För privat och tjänste Två olika prisnivåer Turtätheten väger tyngst För regionala resor val mellan koll och bil Bil eller Buss eller Tåg eller Flyg Välj ett Samvips Bil och Buss och Tåg och Flyg Flera alternativ möjliga Val av färdmedel eller kombinationer För privat och tjänste och olika tidvärden Med olika taxor för operatörer, produkter och linjer Med komfortfaktorer på färdmedlen Restid, turtäthet, komfort och pris vägs ihop Figur 3.4: Principer för färdmedelsfördelning i Sampers och Samvips. 19

Beteendeantagande VIPS kan arbeta antingen med antagandet att trafikanterna använder tidtabell eller att man inte gör det d.v.s. kommer slumpmässigt till hållplatsen/stationen. Långväga trafikanter använder normalt tidtabell varför detta beteendeantagande tillämpas. Av två förbindelser som har samma frekvens men olika hastighet eller pris fördelar programmet därför också fler men inte alla på den snabbare eller billigare förbindelsen. Tidtabellskunskap har också betydelse för resuppoffringen totalt. Trafikanterna kan genom antagandet om tidtabellskunskap välja bättre alternativ än vad de skulle göra utan tidtabellskunskap. Färdmedelsfördelning Konsekvensen av beteendeantagandet är att det är kostnadsminimerande för trafikanterna att välja den linje och den hållplats som har den förväntat lägsta restidsuppoffringen. Ett linjealternativ, oavsett hållplats, är accepterat om det har kortare restid efter påstigning än restid efter påstigning plus hela turintervallet för bästa linje, där bästa linje är linje med kortaste restid plus hela turintervallet. Vips fördelar därmed trafikanter inte bara på rutter inom ett kollektivtrafikslag utan dessutom mellan samtliga kollektiva färdmedel och bil. Bilalternativet har precis som kollektivtrafik valattributet generaliserad kostnad, d v s pris plus restid uttryckt i kronor, enligt den resväg (rutt) som har lägsta generaliserade kostnad. Modellen tar hänsyn både till konkurrens- och samverkanseffekter. Om exempelvis någon trafikförändring leder till att ett tåg eller en buss som matar Intercitytågen förbättras och får högre efterfrågan så får också Intercityförbindelsen en högre efterfrågan. Vikter och färdmedelskonstanter Man kan tillämpa skilda vikter för bytes- och väntetid. Detta är väsentligt eftersom vänteoch bytestid värderas radikalt olika enligt tidsvärdestudier. I långväga trafik ligger värdet på väntetid på omkring en femtedel till en tredjedel av värdet på bytestid. Skälet är att man anpassar sig och stannar hemma och inte väntar längre än nödvändigt vid hållplatens/stationen s.k. dold väntetid. Det är möjligt att använda färdmedelskonstanter per linje, för att spegla att olika färdmedel kan innebära en specifik fix negativ upplevelse frånsett själv upplevelsen av åktiden. Man kan dessutom för varje färdmedel ansätta en specifik vikt på åktid, som speglar att olika färdmedel uppfattas som olika bekväma. Sådan viktsättning har stöd i de tidsvärdestudier som SIKA låtit genomföra. I Vips kan också beaktas att olika hållplatser/stationer/flygplatser kan betraktas som olika bekväma. Detta åstadkoms genom att modifiera den generella väntetids- och bytestidsvikten för de terminaler som anses ha avvikande bekvämlighet. Taxor För att kunna beskriva resenärens valsituation med hänsyn till både restid och pris ges i modellen en unik taxa för varje linje. Taxan kan kodas som bestående av ett grundpris plus ett pris per kilometer som kan varieras beroende på körsträcka, d v s progressiv eller regressiv taxa. Taxan kan också kodas separat för varje hållplatskombination (som en matris) för varje linje. Man kan också ange om det är fria byten eller ej mellan linjer, exempelvis hos viss operatör. Taxestrukturen för respektive linje påverkar trafikanternas val av förbindelse och konsument- och producentöverskott (per linje eller företag). Baserat på varje linjes pris beräknar programmet sammantaget pris från start till mål för ett antal accepterade resvägar som vardera kan innehålla en kombination av färdmedel och linjer. 20

Produktfaktor fordon och service Mätt i restid Produkt Serveriing Fordon Fordonf Servicef Totalfaktor X2000 Bistro/plats X2 0,85 0,90 0,77 InterCity Bistro/plats IC11-R 0,93 0,90 0,84 InterCity R-vagn IC-R 1,00 0,90 0,90 InterCity Kiosk IC-S 1,00 0,95 0,95 Regionaltåg Automat X31 0,90 0,97 0,87 Regionaltåg Kiosk X32 0,90 0,95 0,86 Regionaltåg Automat X40 0,90 0,97 0,87 Regionaltåg - X50 0,90 1,00 0,90 Regionaltåg - ICL80rev 0,95 1,00 0,95 Regionaltåg - ICL80 1,00 1,00 1,00 Regionaltåg - ICL60 1,05 1,00 1,05 Regionaltåg - Y2 0,90 1,00 0,90 Regionaltåg - Y1 1,15 1,00 1,15 Buss - Swebus 1,25 1,00 1,25 Figur 3.5: Principer för beräkning av restidsvikter för olika fordon i Samvips. Vikterna bygger på Stated-preference-undersökningar som genomförts vid bl.a. KTH. Fare ( ) 100 50 0 0 Cost-based fare C Revenue: 2500 Fare: C= 50 Consumer surplus Demand curve 50 100 Fare ( ) 100 70 50 20 Demand 0 (seats sold) 0 Market-based fare no yield management M1 20 M2 Revenue: 3200 Fares: M1= 70 M2= 50 M3= 20 40 Consumer surplus M3 80 100 Fare ( ) 100 80 60 Market-based fare with yield management Revenue: 4000 Fares: Y1= 80 Y2= 60 Y3= 40 Y4= 20 Consumer surplus minimised 40 Y1 Y2 20 Y3 Y4 Demand 0 (seats sold) 0 20 40 60 80 100 Demand (seats sold) Figur 3.6: Principer för prisdifferentiering s.k. Yield management. Källa: Doganis, 2002, sid 284. Genom att erbjuda flera prisnivåer kan det totala resandet öka samtidigt som en större del av konsumentöverskottet tas tillvara av operatören. I Samvips kan man använda olika taxor för olika operatörer och linjer samt för olika resandekategorier. Därmed är det lättare att avspegla en differentierad taxa än i Sampers som har en taxa för varje färdmedel uppdelad på tjänste- och privatresor. 21

Samhällsekonomiska kalkyler I Vips-modellen beräknas generaliserad kostnad med beaktande av att det finns flera kollektiva färdmedelsalternativ. Detta betyder att olika kollektiva färdmedel betraktas som samverkande till en resetjänst, i ekonomiska termer en joint good. Förändring i generaliserad kostnad och konsumentöverskott erhålles därmed direkt ur linjenätsanalysen. Ur modellen erhålles också resmängder, personkilometer, fordonskilometer, kostnader och intäkter per linje och företag, vilka används för att beräkna producentöverskott, statsintäkter, externa effekter samt samhällsekonomiskt resultat. För att beskriva trafikanternas vinster respektive förluster är en väsentlig egenskap också att man kan skilja på vinst/förlust i form av tid respektive pris. Ofta är det ju så att trafikanter kan vinna på en snabbare förbindelse även om den är dyrare. I sådana fall redovisas resultatet att trafikanterna vinner i form av tid och förlorar i form av pengar, men där den sammanlagda vinsten är positiv. Vad skiljer VIPS från alternativa modeller? VIPS arbetar i ett steg för beräkning av val av linje och färdmedel. Med Sampers görs beräkningar i två steg: EMME/2 för val av linje per färdmedel och Sampers (logitmodell) för fördelning på färdmedel. Ett skäl till tvåstegsmodellen är att EMME/2 antar att trafikanterna inte använder tidtabell. Förutom att detta antagande är orimligt för långväga trafik har det till konsekvens att modellen enbart fördelar trafikanterna på ett färdmedel och en station/hållplats om det finns flera att välja mellan. Därmed måste man tillgripa en annan modell för val av färdmedel, i detta fall logitmodell i Sampers, oavsett detta kan anses lämpligt eller ej. EMME/2 beaktar inte priser per linje, medan man i Vips som framgått kan tillämpa priser linjevis för samtliga linjer. För det färdmedel som EMME/2 beräknar linjeval och åktider blir valet vid viss station proportionellt mot frekvensen för respektive linje, utan hänsyn till åktid eller pris. Med EMME/2 måste väntetid vid start och bytestid ges samma vikt. I själva verket är väntetidsvikt vid start bara en bråkdel av bytestidsvikt enligt empiriska studier. I Vips kan olika vikter tillämpas. Logitmodellen har ett antal egenskaper som gör den mindre lämpad för att behandla kollektivtrafik. Detta har bland annat att göra med att logitmodell förutsätter att alternativen är oberoende, medan kollektivtrafik utmärks av att alternativen är beroende genom att de avgår med bestämda intervall i förhållande till varandra. Ett problem vid tillämpning av logitmodell är att huvudalternativ för val måste bestämmas på förhand, såsom varande tåg, flyg, buss eller bil. Detta är en mycket svår uppgift som endast kan ge schablonmässiga beskrivningar av valmängden. I själva verket finns en mängd valmöjligheter som för varje resrelation kan bestå av en mängd olika kombinationer regionalbussar, flygbussar regionaltåg, intercitytåg, flyglinjer. Ett närliggande problem är att priset måste definieras på förhand för varje sådant huvudalternativ. I Vips tas inga alternativ för givna på förhand. Programmet beräknar vilka alternativa kombinationer av färdmedel och linjer som är rimliga, d v s programmet genererar själv de alternativ på vilka trafikanterna fördelas. I denna generering tas hänsyn till restidskomponenter och priser för samtliga ingående kombinationer. Några slutsatser om prognosmodellerna Vips har de ovan nämnda fördelarna jämfört med EMME/2 men är ändå inte ett komplett prognossystem för den totala efterfrågan som Sampers. Vid tillämpningen av Vips måste man därför ta fram matriser med någon kompletterande metod. Fördelen med Sampers är 22