Samgodsresultatet för 2040 har disaggregerats för väg och järnväg och sedan använts i kalkylverktygen EVA, Sampers/Samkalk samt Bansek. I samband med denna
disaggregering har trafiktillväxttal och branschutvecklingstal från modellen använts, i kombination med detaljerade trafik- och volymuppgifter som avser basåret.
Kalkylverktygen har för närvarande basår 2014, till skillnad från Samgodsmodellen som har basår 2012. Därför har trafiktillväxt- och branschutvecklingstalen från
Samgodsmodellen omräknats till att avse perioden 2014-2040.
7.1 Järnväg
För järnväg har Samgodsmodellens resultat disaggregerats till en mer detaljerad nivå i syfte att kunna användas i Trafikverkets kalkylverktyg Bansek. Detta verktyg för framtagning av samhällsekonomiska kalkyler för järnvägsinvesteringar, för att underlätta en likvärdig hantering av olika investeringsobjekt.
Eftersom Samgodsmodellen framförallt är kalibrerad på en övergripande trafikslags- och branschnivå bör modellresultaten tolkas med försiktighet på enskilda länkar.
För att ta fram ett så tillförlitligt kalkylunderlag som möjligt för järnväg, så har därför valts att bara använda branschutvecklingstal från Samgodsmodellen, istället för resultat på en mer detaljerad nivå.
Tabell 7.1 Branschutvecklingstal 2014-2040.
Branschutvecklingstalen har sedan kombinerats med mer detaljerade uppgifter för år 2014 om tågtrafikering och godsvolymer på bandelsnivå, för att ta fram en prognos för
år 2040. Metoden finns dokumenterad i en PM tillsammans med resultaten, som även lagts in i kalkylverktyget Bansek47.
Figur 7.1 Godsvolymer per sträcka år 2014 (miljoner nettoton per år).
Det framtagna underlaget omfattar alla sträckor i järnvägsnätet som trafikeras av godståg, drygt 300 stycken, och är uppdelat på fem tågtyper och 12 varugrupper.
47 Se bilaga 2 i ”Disaggregering av godsprognos 2040 till Bansek, EVA, Sampers/Samkalk och TEN tec – Trafikverkets Basprognos 2016”; TRV 2016:063
De tågtyper som används är fjärrvagnslasttåg, som går i trafik mellan de större
bangårdarna; lokala vagnslasttåg; kombitåg, som transporterar lösa lastbärare (trailrar, växelflak och containrar); systemtåg, som transporterar gods åt enskilda kunder i fasta relationer; och malmtåg.
Figur 7.2 Förändrad godsvolym per sträcka 2014-2040 (miljoner nettoton per år).
Varugrupperna som resultatet för jänväg redovisas på, är de så kallade STAN-varugrupperna, som är aggregat av Samgods varugruppsindelning.
Nedan följer en beskrivning av trafik och volym år 2014 samt utvecklingen till 2040.
Transportarbetet för järnväg beräknas öka från 21.3 miljarder tonkilometer år 2014 till 31.9 miljarder tonkilometer år 2040 totalt sett i Sverige. I figur 7.1 nedan visas
godsvolym per år och delsträcka i järnvägsnätet år 2014 och i figur 7.2 visas förändringen under perioden 2014-2040.
De största godsvolymerna transporteras på Malmbanan, Stambanan genom övre Norrland, Norra stambanan, Godsstråket genom Bergslagen, Västra stambanan och Södra stambanan.
Stråket Botniabanan-Ostkustbanan antas få en del överflyttad trafik på grund av att spårupprustningar och kapacitetsinvesteringar genomförs här enligt planen 2014-2025.
Överflyttningen sker från Norra stambanan och Stambanan genom övre Norrland. Trots överflyttningen till kuststråket, förväntas en ökning av volymerna även längs
stambanorna i inlandet.
Banor med minskade godsvolymer är bland annat Markarydsbanan i Halland/Skåne, där godstrafiken till Malmö flyttas till Västkustbanan när tunneln genom Hallandsås färdigställs, samt Dalabanan mellan Borlänge-Avesta, där godstrafiken till Göteborg antas gå via stråket Väster om Vänern istället.
När det gäller relationen Åby-Järna, antas godstågen fortsätta att gå på
Nyköpingsbanan, eftersom denna kommer att finnas kvar även efter Ostlänkens färdigställande.
7.2 Väg
Samgodsmodellens resultat har även sammanställts för väg, i syfte att kunna användas i Trafikverkets kalkylverktyg EVA och Sampers/Samkalk.
EVA (”Effekter vid väganalyser”) används för att beräkna effekter och samhällsekonomisk lönsamhet för enskilda objekt eller trafiksystem inom vägtransportsystemet.
Sampers är ett nationellt modellsystem för trafikslagsövergripande analyser och prognoser av persontransporter.
Samkalk är en delmodell i Sampers, som används för att göra samhällsekonomiska beräkningar utifrån de resultat som Sampers genererar. Även vissa effekter för lastbilar beräknas här. Till dessa bägge verktyg har tillväxttal per län tagits fram för perioderna 2014-2040 samt 2014-2060, utifrån Samgodsresultatet. Framtagandet finns
dokumenterat i en underlagsrapport48.
48 Se ”Disaggregering av godsprognos 2040 till Bansek, EVA, Sampers/Samkalk och TEN tec–
Trafikverkets Basprognos 2016”; TRV 2016:063
Figur 7.3 Årliga vägtrafiktillväxter per län 2014-2040 (% per år).
Nedan visas trafiktillväxttal per län till EVA, ett kalkylverktyg som opererar på länknivå.
I Samgodsunderlaget till EVA görs en uppdelning på Europavägar och övriga vägar.
Europavägar har ofta höga ökningstakter, medan övriga vägar har lägre ökningstakter i snitt, enligt Trafikverkets mätningar.
Stockholm Uppsala Södermanland Östergötland Jönköping Kronoberg Kalmar Gotland Blekinge Skåne Halland Västra Götaland Värmland Örebro Västmanland Dalarna Gävleborg Västernorrland Jämtland Västerbotten Norrbotten
Län E 2014-2040 Ö 2014-2040 Totalt 2014-2040 E 2014-2060 Ö 2014-2060 Totalt 2014-2060
Stockholm 1,90 1,94 1,91 1,70 1,74 1,71
Uppsala 1,27 1,68 1,43 1,14 1,51 1,28
Södermanland 1,97 2,23 2,06 1,76 2,00 1,84
Östergötland 2,30 0,87 1,85 2,06 0,78 1,65
Jönköping 1,56 1,23 1,38 1,40 1,11 1,23
Kronoberg 1,29 0,57 0,85 1,15 0,51 0,76
Kalmar 1,13 0,76 0,91 1,01 0,68 0,82
Gotland 0,00 -0,23 -0,23 0,00 -0,21 -0,21
Blekinge 0,99 0,37 0,73 0,89 0,33 0,65
Skåne 1,60 1,74 1,65 1,43 1,56 1,48
Halland 1,51 1,79 1,61 1,35 1,60 1,44
Västra Götaland 1,91 1,91 1,91 1,71 1,71 1,71
Värmland 1,53 1,33 1,44 1,37 1,19 1,29
Örebro 1,72 1,22 1,52 1,54 1,09 1,36
Västmanland 1,90 1,06 1,51 1,70 0,95 1,35
Dalarna 1,80 0,89 1,08 1,62 0,80 0,97
Gävleborg 1,23 1,16 1,20 1,10 1,04 1,08
Västernorrland 0,89 0,95 0,91 0,80 0,85 0,82
Jämtland 1,41 1,08 1,27 1,26 0,97 1,14
Västerbotten 1,29 0,82 1,14 1,16 0,73 1,02
Norrbotten 2,21 1,11 1,93 1,98 0,99 1,73
Sverige 1,67 1,38 1,49 1,24
Tabell 7.2 Trafiktillväxttal per län till EVA (procentuell förändring av fordonskm per år)
I Samgodsunderlaget till Sampers/Samkalk görs en uppdelning på lastbilar med och utan släp. Denna modell arbetar på matrisnivå. Statistik från Trafikanalys visar att lastbilar utan släp har legat konstant på ungefär samma nivå vad gäller utfört
trafikarbete under 2000-talet. Trafikarbetet för lastbilar med släp har däremot ökat.
Nedan visas trafiktillväxttal för väg till Sampers/Samkalk, uppdelad på lastbilar med och utan släp.
Tabell 7.4 Trafiktillväxttal till Sampers/Samkalk (procentuell förändring av fordonskm per år)
7.3 Sjöfart
Resultatet för sjöfart redovisas dels som totalt transportarbete, dels som lastade och lossade volymer per hamnområde, vilka är 12 stycken till antalet. Både lastfartyg, roro och färjetrafik ingår i prognosen. Enligt hamnstatistiken för år 2012 var den totala lastade och lossade volymen i svenska hamnar 165 miljoner ton. I modellen summeras lastade och lossade volymer i hamnområdena till 152 miljoner ton. Följderna för
tillväxttakten per hamnområde i prognosen bedöms dock inte bli så stora med anledning av detta.
Län LBS 2014-2040 LBU 2014-2040 Totalt 2014-2040 LBS 2014-2060 LBU 2014-2060 Totalt 2014-2060
Stockholm 2,07 1,55 1,91 1,86 1,39 1,71
Uppsala 1,58 0,92 1,43 1,41 0,82 1,28
Södermanland 2,34 1,02 2,06 2,09 0,92 1,84
Östergötland 2,12 0,97 1,85 1,90 0,86 1,65
Jönköping 1,73 0,52 1,38 1,55 0,47 1,23
Kronoberg 1,17 0,14 0,85 1,05 0,12 0,76
Kalmar 1,16 0,30 0,91 1,04 0,27 0,82
Gotland -0,36 0,03 -0,23 -0,32 0,03 -0,21
Blekinge 1,10 -0,11 0,73 0,99 -0,10 0,65
Skåne 1,80 1,28 1,65 1,61 1,15 1,48
Halland 1,87 0,82 1,61 1,67 0,73 1,44
Västra Götaland 2,23 0,93 1,91 2,00 0,83 1,71
Värmland 1,52 1,30 1,44 1,36 1,16 1,29
Örebro 1,76 0,76 1,52 1,57 0,68 1,36
Västmanland 1,75 0,69 1,51 1,56 0,62 1,35
Dalarna 1,24 0,72 1,08 1,11 0,64 0,97
Gävleborg 1,40 0,25 1,20 1,26 0,23 1,08
Västernorrland 1,07 -0,24 0,91 0,96 -0,22 0,82
Jämtland 1,59 0,18 1,27 1,43 0,16 1,14
Västerbotten 1,30 -0,12 1,14 1,17 -0,11 1,02
Norrbotten 2,14 1,34 1,93 1,92 1,20 1,73
Sverige 1,78 0,86 1,54 1,59 0,77 1,38
Statistik för basåret49 i kombination med tillväxttal fram till 2040 från
Samgodsmodellen ger att Göteborgs hamn kommer att hantera c:a 80 miljoner ton år 2040 och vara Sveriges största hamn, liksom idag.
Figur 7.4 Lastade och lossade volymer per hamnområde (ton per år) 2012 och 2040.
Det finns ett behov av att ta fram prognosresultat på en mer detaljerad nivå än de 12 hamnområdena. Inom EU-kommissionen genomförs för närvarande en revidering av de så kallade transeuropeiska transportnätverken, TEN T. I samband med detta utvecklar kommissionen en databas, som innehåller tekniska och ekonomiska uppgifter för de transeuropeiska transportnätverken. I denna databas, som benämns TEN tec, ingår även moduler för elektroniska ansökningar av bidrag, samt uppföljning av TEN. Trafikverket levererar årligen in statistik och prognoser till denna databas för samtliga trafikslag. För sjöfart omfattar statistiken 25 stycken utpekade TEN-hamnar i Sverige.
Prognosresultaten för de 12 hamnområdena från Samgods disaggregeras till de 25 TEN-hamnarna enligt en metod som går ut på att skatta en signifikant trendframskrivning per hamn, baserat på den statistik som finns tillgänglig. Den trendframskrivna nivån för lastade och lossade volymer per år och hamn i prognosåret, används för att fördela volymerna per hamnområde från Samgodsmodellen till TEN-hamnarna i hamnområdet.
Metoden finns beskriven i en separat underlagsrapport.50 Resultatet av disaggregeringen av prognosen per hamnområde till TEN-T hamnar visas i nedanstående tabell 7.5.
49 Enligt statistik från ”Sjötrafik” (Trafikanalys).
50 ”Framtagning av godsvolymer genom TEN-T hamnar i Sverige – Metodrapport”; Ramböll 2015.
Tabell 7.5 Lastade och lossade volymer per TEN-T hamn
7.4 Diskussion om resultat
Kalkylverktygen Bansek, Sampers/Samkalk och EVA fordrar indata i form av
prognosresultat på en mer detaljerad nivå än vad Samgodsmodellen kan leverera med acceptabel kvalitet. T.ex. så skiljer sig antalet lastbilar per länk i modellen mot de vägmätningar som görs.Det finns även vissa brister i den statistik som modellresultaten stäms av mot. Exempelvis så är statistiken för transportarbetet på väg i Sverige inte heltäckande. Inrikesdelen av utrikestransporterna med svenskregistrerade lastbilar särredovisas inte. Även om transportarbetet för järnväg i modellen stämmer någorlunda mot officiell statistik på totalnivå, så finns skillnader i trafikering och volymer på enskilda bandelar.
Därför har det varit nödvändigt att kombinera statistik med resultat från
Samgodsmodellen på en mer eller mindre aggregerad nivå både för väg och järnväg för att ta fram underlag till kalkylverktygen. Detta för emellertid med sig vissa nackdelar.
Användningen av statistik innebär bland annat att nuvarande transportmönster konserveras i högre grad i prognosen än om Samgodsresultaten hade kunnat användas rakt av. Användningen av aggregerade Samgodsresultat – trafiktillväxter per län för väg, nationella branschutvecklingstal för järnväg - innebär att de framtida
transportförändringarna både kan underskattas och överskattas på enskilda väg- och järnvägslänkar.
TEN-T Hamnar Resultat 2014 Prognos 2040
Luleå 7531 14155
På sikt är det önskvärt att Samgodsmodellen förbättras väsentligt så att den ger rimliga resultat på den detaljerade nivå som kalkylverktygen kräver. Alternativt borde
kalkylverktygen anpassas efter den lägsta acceptabla aggregeringsnivån (vad gäller kvalitet) för resultaten från Samgodsmodellen.
Litteraturförteckning
de Jong, G., Ben Akiva, M., & Baak, J. (2010). Method Report - Logistics Model in the
Swedish National Freight Model System (Version 2) deliverable 6b for the Samgods group; Significance. Trafikverket.Finansdepartementet. (2015a). Långtidsutredningen 2015; SOU 2015:104. Stockholm:
Regeringskansliet.
Finansdepartementet. (2015b). Sveriges ekonomi - scenarier fram till år 2060; Bilaga 1
till Långtidsutredningen 2015; SOU 2015:106. Stockholm: Regeringskansliet.ITPS. (2010). Introduktion av rAps - Regionalt analys- och prognossystem. Östersund:
Tillväxtanalys.
Jernbaneverket. (2014). Handlingsprogram 2014-2023.Jernbaneverket SCB. (2011). Industriproduktionen i Sverige 1913-2010;
NV0402_2010A01_DI_01_SV_ar.xls. SCB.
SIKA. (2007:13). Utrikes och inrikes trafik med fartyg 2006. Trafikanalys.
Sundberg, M. (2009). Essays on Spatial Economies and Organization. Stockholm: KTH (doktorsavhandling).
Trafikanalys. (2013:28). Bantrafik 2012. Trafikanalys.
Trafikanalys. (2015:11). Svaveldirektivets införande – branschens förberedelser.
Trafikanalys.
Trafikanalys. (2013:6). Luftfart 2012.Trafikanalys.
Trafikanalys. (2013:11). Sjötrafik 2012. Trafikanalys.
Trafikanalys. (2015:a). Transportarbete 1970-2014.xls. Trafikanalys.
Trafikverket. (2016). ASEK 6.0: Investeringskostnad samt drift- och
underhållskostnader. Trafikverket.Trafikverket. (2012). Banavgifter och externa kostnader tågtrafik prognosåret 2030 Trafikverket.
Trafikverket. (2016:063). Disaggregering av godsprognos 2040 till Bansek, EVA,
Sampers/Samkalk och TEN tec. Trafikverket.Trafikverket. (2015:207). Fördjupade analyser av att tillåta tyngre fordon på det
allmänna vägnätet. Trafikverket.Trafikverket. (2013). Förslag till Nationell plan för transportsystemet 2014-2025 -
remissversion 2013-06-14. Trafikverket.Trafikverket. (2013). Järnvägsnätsbeskrivning 2013, del 1, bilaga 4.2:
”Prioriteringskriterier” utgåva 2011-12-09. Trafikverket.