Cykling under vintermånaderna -
Förstudie om exponering
Höskuldur Kröyer
Jenny Eriksson
Åsa Forsman
Trafik och väg
Institutionen för Teknik och samhälle
Lunds tekniska högskola
1
Innehållsförteckning
Förord 3
1 Inledning 5
1.1 Syfte och frågeställningar 6
2 Metod och material 7
2.1 Datainsamling 7
2.2 Framtagande av beskrivande statistik 8
2.2.1 Bearbetning av data 8
2.2.2 Valda mätplatser 8
2.3 Regressionsanalys 9
2.3.1 Bearbetning av data och valda mätplatser 9
2.3.2 Framtagande av regressionsmodell 9
3 Resultat 11
3.1 Cykelexponeringen och variation över året 11
3.2 Cykling under hösten 13
3.2.1 Stockholm - höstcykling 13
3.2.2 Göteborg - höstcykling 15
3.2.3 Östersund - höstcykling 17
3.2.4 Sammanfattning höstcykling 18
3.3 Cykling under våren 18
3.3.1 Stockholm – vårcykling 18
3.3.2 Göteborg – vårcykling 20
3.3.3 Östersund – vårcykling 22
3.3.4 Sammanfattning vårcykling 23
3.4 Cykling under sommar- och vinterhalvåret 23
3.5 Variation i exponering beroende på väderförhållanden 24
3.5.1 Regressionsmodeller om cykelexponering och väderförhållanden 30
4 Diskussion 33
5 Slutsatser och fortsatt forskning 37
5.1 Fortsatt forskning 37
2
Bilaga 1: Översikt över mätningsstationer 40
Bilaga 2: Bilder av hur cykelexponeringen varierar med väderförhållanden 41
3
Förord
Den här förstudien har drivits som ett samarbetsprojekt mellan Trafkon AB, Statens väg- och transportforskningsinstitut (VTI) och Lunds Tekniska Högskola (LTH). Vi vill tacka kommunerna Stockholm, Göteborg och Östersund samt Sveriges meteorologiska och hydrologiska institut (SMHI) för deras data som gör detta projekt möjligt. Vi vill också inrikta ett stort tack till the Nordic Road Association (NVF) och Göteborgs kommun för att ge oss ett forskningsbidrag som kunde användas för att utföra denna studie.
Hässleholm, 13 mars 2017.
Höskuldur Kröyer Jenny Eriksson Åsa Forsman
5
1 Inledning
Cykling är för närvarande ett mycket uppmärksammat transportslag i hela norden. De senaste åren har då cyklingen i Sverige minskat. Om man jämför cyklandet med de två resvaneundersökningarna 1995-1998 och 2011-2014 har cyklandet minskat med 16 procent (Trafikanalys, 2015).
Det finns flera anledningar varför det anses vara önskvärt att öka cyklingen. Cyklingen har positiv effekt på individens hälsa, att det är ett miljövänligt resesätt samt att cykeln tar inte lika mycket plats som ett motorfordon och kan på detta sätt minska trängselproblemet i storstäderna. Cykel är också ett praktiskt fordon, vilket innebär att cyklisten kan uppehålla relativt hög hastighet som gör att den kan i många fall konkurrera med motorfordonet inom tätort.
Tidigare forskning har visat att de är flera olika faktorer som påverkar benägenheten att cykla. Lindelöw (2009) utförde en litteraturstudie som visade att motion och hälsa är viktiga motiv för att cykla. Forskningen har också visat att till exempel upplevd trafiksäkerhet (Eriksson, 2009, Mullan, 2013) och väderförhållanden (Karlsson, 2000) är viktiga för cyklisterna.
Karlsson (2000) visade att vind, nederbördsmängd, snö och temperatur är viktiga faktorer för cykelexponeringen, men alla dessa faktorer har stor påverkan på hur attraktivt, trevlig och/eller svårt det är att cykla. Gallop (2012) visade att cyklingen ökar vid högre temperatur och minskar vid nederbörd. Mullan (2013) visade att vädret har stor påverkan på benägenheten att cykla, men för vissa individer så påverkade den endast om de fanns vissa extrema väderförhållanden som till exempel snö, is eller stärka vindar. En enkätstudie indikerade att de kan finnas stor potential för att påverka cyklingen på vintern genom till exempel bättre vinterväghållning (Bergström och Magnusson, 2003).
Det är också möjligt att vädrets påverkan för beslutsprocessen att cykla eller ej beror på vilken cyklist de handlar om. Det skulle till exempel kunna vara att det finns vissa grupper med mer hängivna cyklister som är benägna att cykla långt in på eller hela vintern, och att dessa påverkas huvudsakligen endast av extrema väderförhållanden, något som skulle harmonisera med resultaten från Mullan (2013), medan det kan vara så att föräldrar ställer in cykeln för barn vid viss tidpunkt på året när väderförhållanden blir sämre.
Det finns fler anledningar varför det är viktigt att försöka öka vår förståelse av hur vädret påverkar exponeringen för cyklister:
Att öka cyklingen har flera positiva effekter för samhället. För att kunna uppnå det är det viktigt att ha förståelse för hur vädret påverkar cyklisterna
Trots att det är svårt att påverka väderförhållanden kan vi mildra effekten av dessa genom bättre förståelse av hur dessa påverkar cykel som färdmedelsval, genom till exempel bättre vinterväghållning.
6
Det pågår långsiktiga klimatförändringar. Detta skulle kunna påverka cykelexponeringen, särskild under hösten och våren. Genom bättre förståelse av dessa samband så kan vi möjligtvis dra nytta av väderförändringarna genom att stödja cyklingen under dessa perioder.
I denna studie kommer vi att fokusera på sambanden mellan cykelexponeringen, årstiden och väderförhållanden.
1.1 Syfte och frågeställningar
Förstudien syftar till att undersöka sambandet mellan vädret, årstiderna och exponeringen med särskilt fokus på höst och vintercyklisterna. Studien inriktar sig huvudsakligen på tre frågeställningar:
1. Kan man se en tydlig gräns när många slutar att cykla för säsongen och hur påverkas denna gräns av vädret?
2. Är den dagliga variationen i antal cyklister större under vinterperioden jämfört med sommarperioden eller är vintercyklisterna mer robusta mot dagliga variationer i vädret?
7
2 Metod och material
Två olika tillvägagångssätt används för att analysera sambandet mellan väderförhållanden, säsongen och cykelexponeringen: Beskrivande statistik och regression analyser. Datamaterialen och metodiken beskrivs i följande delsektioner.
2.1 Datainsamling
Studien inkluderar data från tre städer: Stockholm, Göteborg och Östersund. Dessa städer är valda utifrån geografisk placering, tillgänglighet till data samt att alla är tillräckligt stora för att ha en betydande cykeltrafik, men om cykeltrafiken är för låg så finns de risk för stor slumpmässig variation i exponeringsdata (Kröyer, 2015). För att kunna utföra analyserna krävs två olika datakällor:
Exponeringsdata för cyklister. Materialen kommer från kommunernas automatiska
räkningsstationer. Vi har 18 stationer i Stockholm, 19 i Göteborg och 4 i Östersund. Tidsperioden för när dessa har varit aktiva varierar. I Bilaga 1 finns en översikt över stationerna samt vilken tidsperiod som finns tillgänglig. Cykelräkningarna finns per timme exklusive för mätningarna före december 2014 i Östersund, dessa observationer är per dygn. I analyserna så används månadsvärde, veckovärde samt värde per timme beroende på frågeställningen. Mätningarna i Stockholm och Östersund är byggda på alla veckodagar medan materialen från Göteborg bygger enbart på vardagar.
Väderdata från SMHI. För varje stad hämtade vi väderdata från väderstationer från Sveriges
meteorologiska och hydrologiska institut, SMHI. Data inkluderar sikt, solskenstid, lufttemperatur (timvärde, dygnvärde samt högsta och lägsta värde per dygn), vindhastighet och vindriktning (timvärde), nederbördsmängd (timvärde och dygnvärde), molnmängd (timvärde), snödjup (dygnvärde). Observera att alla mått inte var tillgängliga för alla städerna samt att i vissa fall blev vädervariabeln oanvändbar på grund av bortfall. I Stockholm (väderstationer: 98210 Stockholm, 98735 Stockholm Sol, 97200 Stockholm-Bromma och 97100 Tullinge A) och Göteborg (väderstation: 71420 Göteborg A, 71415 Göteborg Sol, 72360 Kållered D och 71380 Vinga) så ligger huvudväderstationen (stationen som användes för flesta av vädermåtten) mitt i staden, men för vissa vädermått fick vi använda väderstationer utanför städerna. För Östersund fick vi använda en väderstation ute på Frösön och Nordön (väderstationer: 134110 Frösön, 134615 Frösön Sol och 134090 Norderön). Dessa ligger utanför staden och vi kan förvänta oss en viss skillnad mellan dessa värden och väderförhållanden inne i staden.
Bortfallsanalyser utfördes på cykelexponerings materialen inför analyserna och observationer som ansågs som opålitliga togs bort. I Göteborg används inte mätningar utförda före 2014 på grund av det användes en annan typ av utrustning och denna byttes ut under 2013. Data från
8
den tidigare utrustningen är troligen opålitlig när det är snö och is på cykelbanan och därför är det problematiskt att ta med dessa data. I vissa fall saknas mätningar antingen för cykelexponeringen eller för väderförhållanden. I bland handlar detta om något enstaka mätningstillfälle medan i andra fall så kan de handla om flera dygn.
2.2 Framtagande av beskrivande statistik
2.2.1 Bearbetning av data
Data från Göteborg innehöll bara flöden från vardagar och för att möjliggöra jämförelser mellan orterna användes vardagsflöden även från Stockholm och Östersund. En kontroll av bortfall gjordes för alla orters mätplatser. Dygn med minst en timmes bortfall mellan kl. 5-20 tas inte med. En vardagsvecka räknas som fullständig om det finns minst tre dygn utan bortfall. Efter att bortfall kontrollerats togs medelvärdet per vardagsvecka fram. Om en plats har flera veckors bortfall tas denna inte med i analysen.
Två olika perioder valdes ut för att studera när man slutar cykla på hösten och när man tar fram cykeln igen på våren. Första perioden består av vecka 36 till 51. Vecka 36 är i början på september och vecka 51 samma vecka eller veckan innan som julen inträffar. I början av september är cykelflödet oftast som högst och i december brukar cykelflödet ligga som lägst. Den andra perioden som valdes är mellan vecka 3 till 18. Vecka 3 är i mitten på januari efter alla helger och perioden avslutas i början på maj. I januari och februari brukar flödet vara som lägst och i början på maj har de flesta som cyklar kommit igång med det. Under denna period inträffar sportlov, påsk och valborg och det kan eventuellt påverka cykelflödet.
För att möjliggöra jämförelser mellan mätplatserna för samma ort och år indexerades flödena. Detta gjordes genom att räkna ut ett medelvärde för cykelflödet för den valda platsens aktuella veckor (v. 3-18 samt 36-51). Flödet för den aktuella veckan dividerades sedan med medelvärdet för höst- respektive vårmedelvärdet. Detta gäller avsnitt 3.2 och3.3.
I avsnitt 3.4 beskrivs skillnaden mellan sommar- och vintercyklingen. Här definieras sommar som vecka 14-39 (ca april-september), och vinter, vecka 1-13 och 40-53 (ca oktober-december).
2.2.2 Valda mätplatser
Från Stockholm valdes två mätplatser ut, Danvikstullsbron och Skanstullsbron. De hade tre års mätning, 2012-2014. För många av mätplatserna i Göteborg förekom det bortfall men sju av dem kunde väljs ut. För Östersund har alla fyra mätplatser valts. Men en av platserna, Havremagasinet, hade bortfall under vecka 2 till 9 och är borttagen ur vissa analyser. I bilaga 1 finns mer detaljerad beskrivning över vilka mätpunkter som vi hade att välja på. Nedan i
9
Tabell 1 De valda mätplatserna från de olika orterna samt vilka år som valdes.
Ort Mätplatser Valda år
Stockholm Danvikstullsbron 2012, 2013, 2014 Skanstullsbron 2012, 2013, 2014 Göteborg Dag Hammarskjöldsleden 2014, 2015 Götaälvbron NV 2014, 2015 Kungsten/Långedrag 2014, 2015 Marieholmsbron 2014, 2015 Redbergsvägen 2014, 2015 Säröleden 2014, 2015 Ullevigatan 2014, 2015 Östersund Badhusparken 2015 Havremagasinet 2015 Rådhusgatan 2015 Stuguvägen 2015
2.3 Regressionsanalys
2.3.1 Bearbetning av data och valda mätplatser
Sambandet mellan cykelexponeringen och olika tidsperioder samt de olika vädervariablerna undersöktes genom beskrivande statistik, detta utfördes för varje enskild mätningsstation. Dessa analyser används för att undersöka hur sambandet ser ut. I dessa analyser används exponeringsdata på dygnsnivå. Till skillnad från analyserna i sektion 2.2 användes här även mätvärden för lördagar och söndagar för Stockholm och Östersund. Bortfall kontrollerades på veckonivå samt timnivå för att identifiera eventuella problem med data. När de saknades observation för någon av de vädervariablerna så togs denna bort. I regressionsmodellerna användes alla mätplatserna som visas i Bilaga 1.
2.3.2 Framtagande av regressionsmodell
Regressionsanalysen syftar till att undersöka hur exponeringen varierar med flera andra variabler. Vi använder linjär regression. De variabler som tas med beskriver tid (år, veckodag, tid på dygnet), väderförhållanden samt mätningsplatsen. Väderförhållanden vi inkluderade var nederbördsmängd (om det fanns nederbörd eller ej), solskenstid, vindhastighet (mer eller mindre än 5 m/s) samt lufttemperatur. På grund av bortfall samt korrelation mellan de olika variablerna som visar väderförhållanden så kunde vi inte inkludera alla vädervariablerna som var tillgängliga i datamaterialen från SMHI.
Vi inkluderar inte variabeln veckonummer eller månader i regressionsmodellen. Årstiden korrelerar med själva väderförhållanden och det är troligen så att det är väderförhållanden,
10
inte vilken månad, som är viktigast för om trafikanten cyklar eller ej. Vi testade också att inkludera månaderna som egna variabler och detta visade sig minska effekten som väderförhållanden har på cykelexponeringen.
I regressionen visade analyser av residuerna att vi inte lyckades skapa en linjär modell för Östersund, detta kan exempelvis indikera att det saknas någon variabel i modellen eller att det krävs en annan transformering av variablerna i modellen. Därför exkluderades denna modell. Vi skapade två separata modeller för Stockholm och Göteborg. (a) Förra modellen inkluderar hela året. (b) Senare modellen inkluderar endast vintermånaderna, mellan december och februari, men enligt analyserna verkar cykelexponeringen vara ganska stabil under dessa månader. Alla modellerna bygger på väderdata från SMHI och observationerna är på timnivå, detta på grund av att vissa väderförhållanden kan förväntas ha störst effekt just när dessa pågår (till exempel nederbördsmängd). Modellen har den matematiska formen som visas i ekvation 1, men denna kan omskrivas till ekvation 2. Detta gör att elasticitetfaktorn för de olika variablerna kan uppskattas genom att ta exponenten av parametern multiplicerad med värdet på variabeln, se ekvation 3.
Ekvation 11: 1 Å / ö ä Ekvation 21: Å / ∙ ö ä 1 Ekvation 3:
1 Variablerna år, veckodag, tid samt solskenstid är nominala och har flera kategorier, var parametern skiljer sig beroende på
11
3 Resultat
3.1 Cykelexponeringen och variation över året
Cyklister är ganska exponerade för olika väderförhållanden och det blir betydligt mindre attraktivt att cykla under besvärliga väderförhållanden. Eftersom väderförhållanden är mer besvärliga på hösten, vintern och våren skulle det kunna finnas en skillnad mellan cyklister som cyklar enbart på sommaren (samt in på våren/hösten) och de som cyklar året runt.
Man kan också spekulera att de olika cyklisterna (som inte cyklar året runt) har olika preferenser vad som de anser att är godtagbara förhållanden för att välja cykeln. Det skulle innebära att över en viss period på hösten kommer cykelexponeringen gradvis öka samt för en viss period på våren att minska. Utifrån detta skulle man kunna tänka sig att det finns fyra olika perioder, två relativt stabila perioder (sommaren/vintern) och två övergångsperioder (våren/hösten) mellan dessa. Vår hypotes är att det finns sådant perioder samt att dessa påverkas av väderförhållanden (det kan vara att fler faktorer som påverkas, till exempel ljusförhållanden). I detta delavsnitt kommer vi att undersöka hur cykelexponeringen varierar över året samt om vi kan identifiera dessa fyra perioder över året
Figur 1, 2 och 3 visar hur stor andel av cykelexponeringen som utförs varje månad uppdelat per år och mätningsstation. För att motverka eventuell bias på grund av bortfall uppskattades detta genom att använda medelexponeringen per timme i varje månad (om det saknades ett medelvärde för någon mätstation för en hel månad exkluderade denna från data). I Östersund verkar cykelexponeringen var relativt stabil över sommarhalvåret (maj till september) och sedan minska successivt fram till december. I mars verkar cykelexponeringen börja öka igen, se figur 1. I Göteborg verkar cykelexponeringen vara ganska stabil mellan maj och september, förutom för juli då cyklandet minskar avsevärt. Förklaringen till den minskade cykelexponeringen i juli är förmodligen att det är semesterperiod. Från oktober minskar cykelexponeringen successivt framtill december. I mars verkar cykelexponeringen börja öka igen, se figur 2. I Stockholm så verkar cykelexponeringen ha en högsäsong mellan maj och september, utom i juli då den minskade avsevärt. Från oktober så minskar cykelexponeringen successivt framtill december. I mars verkar så cykelexponeringen börja öka igen, se figur 3. Det verkar därför som att man kan identifiera den här tendensen i materialet; att cykelexponeringen är hög och stabil över sommarhalvåret, exklusivt juli och att cykelexponeringen är låg över vintermånaderna. Samt att det är två långa övergångsperioder mellan dessa när cyklingen ökar respektive minskar.
12 0% 5% 10% 15% 20% 1 2 3 4 5 6 7 8 9 10 11 12 Uppskattad andel av årsexponering Månad
E1‐2012 E1‐2013 E1‐2014 E1‐2015 E2‐2014 E3‐2014 E3‐2015 E4‐2014 E4‐2015
Figur 1 Visar hur stor andel av cykelexponeringen utförs i varje månad i Östersund beroende på mätplats och år.
Figur 2 Visar hur stor andel av cykelexponeringen i Göteborg utförs i varje månad beroende på mätplats och år.
Figur 3 Visar hur stor andel av cykelexponeringen i Stockholm utförs i varje månad beroende på mätplats och år. 0% 5% 10% 15% 20% 1 2 3 4 5 6 7 8 9 10 11 12 Uppskattning andel av årsexponering Månad
E1‐2014 E1‐2015 E2‐2014 E2‐2015 E3‐2014 E3‐2015 E4‐2014 E4‐2015 E5‐2014 E5‐2015
E7‐2014 E10‐2014 E10‐2015 E11‐2015 E12‐2014 E12‐2015 E15‐2014 E15‐2015 E16‐2015 E18‐2014 E18‐2015 E19‐2014 E21‐2014 E22‐2014 E22‐2015 E23‐2014 E24‐2014 E24‐2015 E25‐2015 E26‐2015
0% 2% 4% 6% 8% 10% 12% 14% 16% 18% 20% 1 2 3 4 5 6 7 8 9 10 11 12 Uppskattning andel av årsexponering Månad
E1‐2012 E1‐2013 E1‐2014 E2‐2012 E2‐2013 E2‐2014 E3‐2014 E4‐2014 E5‐2013 E5‐2014
E6‐2014 E8‐2014 E10‐2014 E11‐2012 E11‐2013 E11‐2014 E12‐2014 E14‐2014 E15‐2014 E15‐2013 E15‐2014 E16‐2012 E16‐2013 E16‐2014 E17‐2014 E18‐2012 E18‐2013 E18‐2014
13
3.2 Cykling under hösten
När slutar man att cykla inför vintern, om man nu gör det? I detta avsnitt studeras detta. Under vecka 44 var det höstlov och det kan ha viss påverkan på cykelflödet. Här används indexerade flöden för att kunna jämföra mellan punkter i respektive ort.
3.2.1 Stockholm - höstcykling
För de tre åren, 2012-2014, minskar cyklandet successivt under den valda perioden. Under vecka 44 ses en nedgång för åren 2012 och 2013, se figur 4 och figur 5. Under denna vecka var det 3 av 5 dygn med nederbörd för dessa år (figur 7). En liten del skulle också kunna förklaras av att det är höstlov, men 2014 hade ingen märkbar nedgång vilket det borde ha ifall om lovet hade haft påverkan (figur 6). Under 2013 gick cykelflödet märkbart ner från vecka 37 till 38. Under vecka 38 gick medeltemperaturen ner mycket och det förekom nederbörd under 3 av 5 dygn. För år 2014 var det dippar för vecka 38 och 41 och det visade sig att det förekom nederbörd 4 av 5 dagar för dessa två veckor.
Figur 4 Valda mätplatser från Stockholm år 2012. Y-axeln till vänster anger indexerade värden för cykelflödena för vecka 36-51 (ca september-december). Y-axeln till höger anger medeltemperatur under vardagsveckan. ‐10 ‐5 0 5 10 15 20 0 0,5 1 1,5 2 2,5 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 Medeltemperatur Index Vecka
14
Figur 5 Valda mätplatser från Stockholm år 2013. Y-axeln till vänster anger indexerade värden för cykelflödena för vecka 36-51 (ca september-december). Y-axeln till höger anger medeltemperatur under vardagsveckan.
Figur 6 Valda mätplatser från Stockholm år 2014. Y-axeln till vänster anger indexerade värden för cykelflödena för vecka 36-51 (ca september-december). Y-axeln till höger anger medeltemperatur under vardagsveckan. 0 2 4 6 8 10 12 14 16 18 0 0,5 1 1,5 2 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 Medeltemperatur Index Vecka
Danvikstullsbron Skanstullbron Medeltemperatur
0 2 4 6 8 10 12 14 16 18 0 0,5 1 1,5 2 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 Medeltemperatur Index Vecka
15
Figur 7 Antal dygn per vardagsvecka som haft nederbörd på minst 1 mm. Uppdelat på veckonummer och år i Stockholm.
3.2.2 Göteborg – höstcykling
Figur 8 nedan kan man se att cyklandet minskar successivt per vecka från den högsta perioden i början på september till den lägsta i december. De flesta mätplatser följer varandra relativt väl. Dock är det en mätplats som har ett något annorlunda mönster och det är Götaälvbron nordvästra sidan. Medeltemperaturen minskar också successivt. Ungefär samma mönster återfinns för år 2015, se figur 9. Här avviker dock ingen av mätplatserna nämnvärt. Under de sista veckorna stabiliseras cyklandet. Flödet för år 2015 under vecka 38 och 39 gick ner ganska mycket i förhållande till medeltemperaturen. Där verkar det ha berott på att det regnade under de flesta dagar, se figur 10.
0 1 2 3 4 5 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 Antal dagar Vecka 2012 2013 2014
16 0 2 4 6 8 10 12 14 16 18 0 0,5 1 1,5 2 2,5 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 Medeltemperatur Index Vecka Dag Hammarskjöldsleden Götaälvbron NV Kungsten/Långedrag Marieholmsbron Redbergsvägen Säröleden Ullevigatan Medeltemperatur Figur 8 Valda mätplatser från Göteborg år 2014. Y‐axeln till vänster anger indexerade värden för cykelflödena för vecka 36‐51 (ca september‐december). Y‐axeln till höger anger medeltemperatur under vardagsveckan.
Figur 9 Valda mätplatser från Göteborg år 2015. Y-axeln till vänster anger indexerade värden för cykelflödena för vecka 36-51 (ca september-december). Y-axeln till höger anger medeltemperatur under vardagsveckan. 0 2 4 6 8 10 12 14 16 18 0 0,5 1 1,5 2 2,5 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 Medeltemperatur Index Vecka Dag Hammarskjöldsleden Götaälvbron NV Kungsten/Långedrag Marieholmsbron Redbergsvägen Säröleden
17
Figur 10 Antal dygn per vardagsvecka som haft nederbörd på minst 1 mm. Uppdelat på veckonummer och år i Göteborg.
3.2.3 Östersund - höstcykling
Cyklandet i Östersund påverkas också av medeltemperatur och nederbörd. Flödet för de olika platserna följer varandra ganska väl, se figur 11. Det ska noteras att Badhusparken har det högsta flödet i Östersund. De övriga platserna har ett betydligt lägre flöde. Under vecka 44 går cyklandet ner betydligt och det kan bero att medeltemperaturen minskade mycket från föregående vecka. Det var dock bara ett dygn under den veckan som hade nederbörd på 1 mm eller mer (figur 12). Möjligen kan höstlovet ha påverkat flödet. Vid ca vecka 47 stabiliseras flödet och därefter veckar det som om cyklisterna cyklar oavsett väder.
Figur 11 Valda mätplatser från Östersund år 2015. Y-axeln till vänster anger indexerade värden för cykelflödena för vecka 36-51 (ca september-december). Y-axeln till höger anger medeltemperatur under vardagsveckan. 0 1 2 3 4 5 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 Antal dagar Vecka 2014 2015 ‐4 ‐2 0 2 4 6 8 10 12 14 0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 Medeltemperatur Index Vecka
Badhusparken Havremagasinet Rådhusgatan Stuguvägen medeltemperatur
18
Figur 12 Antal dygn per vardagsvecka som haft nederbörd på minst 1 mm. Uppdelat på veckonummer och år i Östersund.
3.2.4 Sammanfattning höstcykling
För alla orter ser vi en successiv nertrappning av flödet under denna period. Man ser att det kan kopplas till att det blir lägre medeltemperatur. Vissa veckor har haft mycket nederbörd och då ser man också att cyklandet minskar tillfälligt.
3.3 Cykling under våren
I detta avsnitt studeras när man startar upp sitt cyklande igen efter vintern. För denna period har det förekommit både sportlov och påsklov och dessa varierar veckomässigt beroende på ort.
3.3.1 Stockholm – vårcykling
Det är ganska stabil (låg) nivå på flödet under vecka 3 till ca 9-10 för båda mätplatserna och de tre åren, se figur 13, 14 och 15. Därefter ökar cyklandet successivt vecka för vecka. Man kan se att flödet följer medeltemperaturens ökning ganska mycket. Nederbörden verkar inte påverka lika mycket (figur 16).
0 1 2 3 4 5 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 Antal dagar Vecka
19
Figur 13 Valda mätplatser från Stockholm år 2012. Y-axeln till vänster anger indexerade värden för cykelflödena för vecka 3-18 (ca mitten på januari till första veckan i maj). Y-axeln till höger anger medeltemperatur under vardagsveckan. Lov: Vecka 9 sportlov, vecka 15 påsklov (efter påsk).
Figur 14 Valda mätplatser från Stockholm år 2013. Y-axeln till vänster anger indexerade värden för cykelflödena för vecka 3-18 (ca mitten på januari till första veckan i maj). Y-axeln till höger anger medeltemperatur under vardagsveckan. Lov: Vecka 9 sportlov, vecka 14 påsklov (efter påsk).
‐10 ‐8 ‐6 ‐4 ‐2 0 2 4 6 8 10 0 0,5 1 1,5 2 2,5 3 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Medeltemperatur Index Vecka
Danvikstullsbron Skanstullbron Medeltemperatur
‐10 ‐8 ‐6 ‐4 ‐2 0 2 4 6 8 10 12 0 0,5 1 1,5 2 2,5 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Medeltemperatur Index Vecka
20
Figur 15 Valda mätplatser från Stockholm år 2013. Y-axeln till vänster anger indexerade värden för cykelflödena för vecka 3-18 (ca mitten på januari till första veckan i maj). Y-axeln till höger anger medeltemperatur under vardagsveckan. Lov: Vecka 9 sportlov, vecka 16 påsklov (före påsk).
Figur 16 Antal dygn per vardagsvecka som haft nederbörd på minst 1 mm. Uppdelat på veckonummer och år i Stockholm.
3.3.2 Göteborg – vårcykling
Figur 17 nedan ser man att de första veckorna ligger cyklandet ganska jämnt fördelat över veckorna. Efter sportlovet ökar cyklandet successivt per vecka. Det förekommer en nedåtgång under vecka 12 trots att medeltemperaturen går upp med nästan två grader. Troligen beror det på att det varit en vecka med nederbörd (≥1 mm/dygn) under fyra av fem dagar. Under vecka 15 och 16 går cyklandet ner men det kan bero på att det är påskveckor och många är lediga men detta stämmer inte med år 2015. Under 2015 låg medeltemperaturen i stort sett alltid över noll grader under denna period. Efter vecka 9 börjar cyklandet att öka vecka för vecka,
0 1 2 3 4 5 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Antal dagar Vecka 2012 2013 2014 ‐8 ‐6 ‐4 ‐2 0 2 4 6 8 10 12 0 0,5 1 1,5 2 2,5 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Medeltemperatur Index Vecka
21
men under vecka 13 blir det en tillfällig dipp som troligen beror på att det var nederbörd 3 av 5 dagar samt att medeltemperaturen sjönk, se figur 18 och 19.
Figur 17 Valda mätplatser från Göteborg år 2014. Y-axeln till vänster anger indexerade värden för cykelflödena för vecka 3-18 (ca mitten på januari till första veckan i maj). Y-axeln till höger anger medeltemperatur under vardagsveckan. Lov: Vecka 7 sportlov, vecka 16 påsklov (efter påsk).
Figur 18 Valda mätplatser från Göteborg år 2015. Y-axeln till vänster anger indexerade värden för cykelflödena för vecka 3-18 (ca mitten på januari till första veckan i maj). Y-axeln till höger anger medeltemperatur under vardagsveckan. Lov: Vecka 7 sportlov, vecka 15 påsklov (efter påsk).
‐4 ‐2 0 2 4 6 8 10 12 0 0,5 1 1,5 2 2,5 3 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Medeltemperatur Index Vecka
Dag Hammarskjöldsleden Götaälvbron NV Kungsten/Långedrag Marieholmsbron Redbergsvägen Säröleden
Ullevigatan Medeltemperatur ‐6 ‐4 ‐2 0 2 4 6 8 10 12 14 16 0 0,5 1 1,5 2 2,5 3 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Medeltemperatur Index Vecka
Dag Hammarskjöldsleden Götaälvbron NV Kungsten/Långedrag Marieholmsbron Redbergsvägen Säröleden
22
Figur 19 Antal dygn per vardagsvecka som haft nederbörd på minst 1 mm. Uppdelat på veckonummer och år i Göteborg.
3.3.3 Östersund – vårcykling
Under vecka 3-10 är cyklandet ganska opåverkat av vädret, se Figur 20. Det blir kallt under vecka 6, men flödet dippar inte nämnvärt. Efter det ökar flödet etappvis med viss koppling till medeltemperatur i början. Under vecka 16-18 ökar cyklandet kraftigt. Det förekommer nederbörd för minst 3 dagar under vecka 10 och 13, se figur 21. Där ser man att cyklandet går ner troligen på grund av detta.
Figur 20 Valda mätplatser från Östersund år 2015. Y-axeln till vänster anger indexerade värden för cykelflödena för vecka 3-18 (ca mitten på januari till första veckan i maj). Y-axeln till höger anger medeltemperatur under vardagsveckan. Lov: Vecka 10 sportlov, vecka 15 påsklov (efter påsk).
0 1 2 3 4 5 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Antal dagar Vecka 2014 2015 ‐12 ‐10 ‐8 ‐6 ‐4 ‐2 0 2 4 6 0 0,5 1 1,5 2 2,5 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Medeltemperatur Index Vecka
Badhusparken Havremagasinet Rådhusgatan Stuguvägen medeltemperatur
23
Figur 21 Antal dygn per vardagsvecka som haft nederbörd på minst 1 mm. Uppdelat på veckonummer och år i Östersund.
3.3.4 Sammanfattning vårcykling
Cyklandet ligger på en stabil nivå under ca vecka 3-10. De som cyklar då verkar cykla oavsett väder. Man kan inte se någon större skillnad på orterna.
3.4 Cykling under sommar- och vinterhalvåret
För Stockholms mätplatser för år 2012 och 2013 var det ungefär samma andel cykling på vintern (tabell 2). Men 2014 ökade vintercyklingen i förhållande till sommarcyklingen. En av anledningarna till att det ökade på båda platserna kan vara att man inledde sopsaltning under vintern.
Tabell 2 Medelvardagsdygn uppdelat på sommar (v. 14-39) och vinter (v. 1-13, 40-53). Kvoten anger vintercyklingens andel av sommarflödet. Mätplatser i Stockholm för åren 2012-2014.
Danvikstullsbron Skanstullsbron
2012 2013 2014 2012 2013 2014
Sommar 4501 4961 4358 5226 5693 5786
Vinter 2261 2349 2655 2123 2293 2796
Kvot 50% 47% 61% 41% 40% 48%
För Göteborgs del ökar andelen vintercyklare, se Tabell 3 nedan. Antalet ser inte ut att öka utan man verkar behålla vintercyklingen. Det verkar mer som att cyklandet under sommarhalvåret går ner. 0 1 2 3 4 5 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Antal dagar Vecka
24
Tabell 3 Medelvardagsdygn uppdelat på sommar (v. 14-39) och vinter (v. 1-13, 40-53). Kvoten anger vintercyklingens andel av sommarflödet. Mätplatser i Göteborg för åren 2014 och 2015.
Dag Hammarskjöldsleden Götaälvbron NV Kungsten/Långedrag
2014 2015 2014 2015 2014 2015
Sommar 2634 2387 1194 1139 1775 1661
Vinter 1336 1344 719 665 910 996
Kvot 51% 56% 60% 58% 51% 60%
Marieholmsbron Redbergsvägen Säröleden Ullevigatan
2014 2015 2014 2015 2014 2015 2014 2015
Sommar 1249 1090 2979 2722 911 869 3578 3190
Vinter 641 660 1606 1630 297 327 1913 1966
Kvot 51% 61% 54% 60% 33% 38% 53% 62%
För Östersunds mätplatser ser man att andelen vindercyklare varierar mellan 49-60 procent under 2015, se tabell 4 nedan. Stuguvägen har högst andel, men den kan ses som ganska osäker då cykelflödet är relativt lågt där
Tabell 4 Medelvardagsdygn uppdelat på sommar (v. 14-39) och vinter (v. 1-13, 40-53). Kvoten anger vintercyklingens andel av sommarflödet. Mätplatser i Östersund för året 2015.
Badhusparken Rådhusgatan Stuguvägen
Sommar 1673 529 323
Vinter 816 266 194
Kvot 49% 50% 60%
Alla orter har en andel på ca 40-60 procent vintercykling bortsett från Säröleden i Göteborg (ca 35 %). Dvs ingen större skillnad mellan orterna utan snarare mellan punkter och år. Man verkar vara lika villig/ovillig att cykla på vintern i alla orter.
3.5 Variation i exponering beroende på väderförhållanden
Cyklister har begränsad skydd från vädret och det blir betydligt mindre attraktivt att cykla under besvärliga väderförhållanden. Det är därför inte förvånande att tidigare forskning har visat att de finns samband mellan cykelexponeringen och flera olika väderförhållanden (Karlsson, 2000). I detta delavsnitt kommer vi att undersöka variationen i cykelexponeringen beroende på väderförhållanden. Detta görs genom deskriptiv statistik och regression modeller. Figur 22, 23, 24 och 25 visar hur cykelexponeringen varierar utifrån de olika vädermåtten på dygnsnivå från tre mätningsstationer (en i varje stad). En genomgång av alla stationerna visade sig att dessa tre är ganska beskrivande för de resterande, även om det varierar något mellan olika stationer (i Bilaga 2 finns jämförbara bilder för de andra mätningsstationerna). Vid bearbetning av data har vi tagit bort alla dygn var de inte fanns någon cyklist.
25
Figur 22 visar hur sambandet ser ut mellan cykelexponeringen per dygn och medeltemperaturen över dygnet. Figurerna indikerar att cykelexponeringen är relativt lika när de är kallt, men någonstans just under 0 °C börjar man se en högre cykelexponering och som ökar med högre temperatur (varierar något mellan platser, i vissa fall börjar exponeringen bli högre redan vid -5 °C). Faktorer som skulle kunna bidra till denna gräns är risk för halka (observera att detta är medeltemperatur för dygnet, så det är tänkbart att temperaturen är något högre vid den tiden när de flesta cyklister åker i väg på morgonen), att lufttemperaturen i sig gör det mindre attraktivt att cykla eller att lufttemperaturen korrelerar med andra faktorer som snö, ljusförhållanden och så vidare.
Figur 23 visar hur sambandet ser ut mellan cykelexponeringen per dygn och medelsolskenstid över dygnet. Solskenstid definieras som antal sekunder (på en timme) var solexponeringen är minst 120 W/m2 per timme (SMHI, 2017). Solexponeringen påverkas både av väderförhållanden samt höjd på solen. Den här variabeln beskriver både hur ljusförhållanden (mörkret) och till exempel molnighet påverkar cykelexponeringen. Resultaten visar att cykelexponeringen är något högre när medelsolskenstiden är längre. Att de är solsken och ljust ute (molnfritt) kan göra att det är mer attraktivt att cykla och därmed öka trafikanternas benägenhet till att använda cykeln, men det kan också bero på att om det är mörkt ute blir det mindre attraktivt att cykla (till exempel när dagen blir kortare på hösten). Det är viktigt att påpeka att det sannolikt finns ett samband mellan medelsolskenstiden och årstiderna och därmed även andra viktiga variabler som exempelvis lufttemperatur. Dessutom korrelerar ljusförhållanden också med tider på dygnet där det finns begränsat behov för resandet (det är till exempel lågt cykelflöde under natten, inte på grund av själva mörkret men på grund av att flesta inte har något resbehov på dessa tidpunkter). Av dessa skäl ska resultatet endast ses som indikativ.
26
Figur 22 Visar hur exponeringen per dygn varierar utifrån medeltemperaturen per dygn på mätplats E2 i Stockholm, E5 i Göteborg och E1 i Östersund.
0 1000 2000 3000 4000 5000 6000 7000 ‐20 ‐15 ‐10 ‐5 0 5 10 15 20 25 30 Cyklister/dygn Lufttemperatur Stockholm ‐ E2 0 500 1000 1500 2000 ‐20 ‐15 ‐10 ‐5 0 5 10 15 20 25 30 Cyklister/dygn Temperatur Göteborg ‐ E5 0 500 1000 1500 2000 2500 3000 3500 ‐20 ‐15 ‐10 ‐5 0 5 10 15 20 25 30 Cyklister/dygn Temperatur Östersund ‐ E1
27 0 1000 2000 3000 4000 5000 6000 7000 0 500 1000 1500 2000 2500 3000 3500 Cyklister/dygn Medel solskenstid per timme Stockholm ‐ E2 0 500 1000 1500 2000 0 500 1000 1500 2000 2500 3000 3500 Cyklister/dygn Medel solskenstid per timme Göteborg ‐ E5 0 500 1000 1500 2000 2500 3000 3500 0 500 1000 1500 2000 2500 3000 3500 Cyklister/dygn Medel solskenstid per timme Östersund ‐ E1
Figur 23 Visar hur exponeringen per dygn varierar utifrån medelsolskenstid per timme på mätplats E2 i Stockholm, E5 i Göteborg och E1 i Östersund.
28 0 500 1000 1500 2000 0 10 20 30 40 50 60 70 Cyklister/dygn Nederbördsmängd (mm) Göteborg ‐ E5 0 1000 2000 3000 4000 5000 6000 7000 0 5 10 15 20 25 30 35 40 45 50 Cyklister/dygn Nederbördsmängd (mm) Stockholm ‐ E2 0 500 1000 1500 2000 2500 3000 3500 0 5 10 15 20 25 30 35 40 Cyklister/dygn Nederbördsmängd Östersund ‐ E1
Figur 24 Visar hur exponeringen per dygn varierar utifrån nederbördsmängd per dygn på mätplats E2 i Stockholm, E5 i Göteborg och E1 i Östersund.
29
Figur 25 Visar hur exponeringen per dygn varierar utifrån medelvindhastighet per dygn på mätplats E2 i Stockholm, E5 i Göteborg och E1 i Östersund.
0 1000 2000 3000 4000 5000 6000 7000 0 1 2 3 4 5 6 7 8 9 Cyklister/dygn Vindhastighet (m/s) Stockholm ‐ E2 0 500 1000 1500 2000 0 1 2 3 4 5 6 7 8 9 Cyklister/dygn Vindhastighet (m/s) Göteborg ‐ E5 0 500 1000 1500 2000 2500 3000 3500 0 2 4 6 8 10 12 Cyklister/dygn Vindhastighet (m/s) Östersund ‐ E1
30
Figur 24 visar sambandet mellan cykelexponeringen per dygn och nederbördsmängden över dygnet. Resultaten visar att cykelexponeringen är något högre när nederbördsmängden är lägre. Hur mycket det regnar kan ju ha betydande påverkan på hur attraktivt det är att cykla. Figur 25 visar sambandet mellan cykelexponeringen per dygn och medelvindhastighet. Resultaten visar att cykelexponeringen är något lägre när vindhastigheten är högre. Genom att undersöka detta på alla mätningsstationerna så verkade cykelexponeringen börja avta särskilt när medelvindhastigheten överskred ca. 4 - 5 m/s. Detta är inte förvånande, men en viss vindhastighet gör det betydligt svårare att cykla som påverkar hur attraktiv cykeln blir som resemedel.
Analyserna visar att det verkar finnas ett samband mellan dessa variabler och hur stor cykelexponeringen är per dygn. Resultaten får tolkas med viss försiktighet eftersom det kan finnas andra variabler som korrelerar med dessa, till exempel så kommer lufttemperaturen att minska samtidigt som att ljusförhållanden förändras på våren/hösten. Dessutom bygger dessa analyser på dygnsvärden. Vi kan spekulera att den beslutsprocess som ligger bakom att trafikanten väljer att cykla påverkas delvis av de väderförhållanden som finns just när den ska åka i väg, men medelvärdessiffran för dygnet inte nödvändigt beskriver väderförhållanden vid den tidpunkten.
3.5.1 Regressionsmodeller om cykelexponering och väderförhållanden
Vi skapade två regressionsmodeller som bygger på data för hela året, en för Stockholm och en för Göteborg. Regressionsmodellerna inkluderade en dummyvariabel för de olika mätningsstationerna som tar hänsyn till att den totala exponeringen skiljer sig avsevärt åt mellan de olika platserna. Det fanns en dummyvariabel för året för att kontrollera eventuell ökning/minskning i cyklingen mellan åren. Det fanns annan dummyvariabel för vilken veckodag det handlar om, eftersom exponeringen varierar mycket beroende på om det är vardag eller helgdag. Till sist fanns en dummyvariabel för tiden på dygnet eftersom den har stor påverkan på hur stor cykelexponeringen är över dygnet, men detta beror på vårt resebehov.
I Bilaga 3 visas detaljerade resultat för regressionsmodellen. Tabell 5 visar en sammanfattning av modellen vad gäller väderförhållanden. Modellen visar att variabeln ”Ingen nederbörd” har en elasticitetfaktor på 1,25 i Stockholm och 1,26 i Göteborg. Detta betyder enligt modellen att cykelexponeringen är 25 % respektive 26 % högre om det är uppehåll jämfört med om det förekommer nederbörd. Om vinden är mer än 5 m/s så är elasticitetfaktor 0,90 och 0,87 för Stockholm och Göteborg. Det innebär, enligt modellen, att cykelexponeringen är 10 % respektive 13 % mindre vid måttliga vindar. Modellen visar även att solskenstiden har stor betydelse. Elasticitetfaktorn när solkenstiden var större än 3 000 sekunder var 1,15 för Stockholm och 1,19 för Göteborg, jämfört med om solskenstiden är noll. Lufttemperaturen har elasticitetfaktor 1,07 i Stockholm och 1,05 i Göteborg. Detta innebär enligt modellen att cykelexponeringen 7 % respektive 5 % högre om temperaturen är 1 °C högre.
31
Under vintermånaderna visar sig att elasticitetfaktorn för lufttemperaturen är något lägre, 1,04 och 1,03 för Stockholm respektive Göteborg. Cykelexponeringen verkar inte vara lita starkt påverkad av nederbörd under vintermånaderna, här är elasticitetfaktorn 1,16 och 1,10. Måttlig vind har elasticitetsfaktorer 0,93 respektive 0,90, vilket ger en lite mindre effekt jämfört med regressionsmodellen som bygger på hela året. Vad gäller ljusförhållanden så är endast mindre skillnader för elasticitetfaktorn förutom för solskenstid 3001-3600 sek i Stockholm, här var denna betydligt högre jämfört med regressionen som bygger på hela året.
Sammanfattningsvis verkar väderförhållanden ha liknande effekt på cykelexponeringen både i Göteborg och Stockholm. Det är intressant att skillnaden inte är större på grund av att det är olika geografiskt läge som påverkar de genomsnittliga väderförhållandena. Modellen indikerar också att cykelexponeringen över vintermånaderna är något mindre känslig mot förändringar i de olika väderförhållandena.
Tabell 5 Visar parametrarna och elasticitetsfaktorn för vädervariablerna i regressionsmodellerna.
Hela året Vintermånaderna
Variabel Parameter Elasticitet faktor Parameter Elasticitet faktor
Lufttemperatur Stockholm 0,070 1,07 0,039 1,04 Göteborg 0,050 1,05 0,033 1,03 Ingen nederbörd Stockholm 0,223 1,25 0,145 1,16 Göteborg 0,231 1,26 0,109 1,10 Måttlig vind (> 5 m/s) Stockholm -0,109 0,90 -0,071 0,93 Göteborg -0,141 0,87 -0,111 0,90 Solskenstid Stockholm 1-1500 Stockholm 1501-3000 Stockholm 3001-3600 0,144 0,168 0,138 1,15 1,18 1,15 0,134 0,154 0,235 1,14 1,17 1,26 Göteborg 1-1500 Göteborg 1501-3000 Göteborg 3001-3600 0,105 0,114 0,174 1,11 1,12 1,19 0,098 0,143 0,161 1,10 1,15 1,18
33
4 Diskussion
Studien syftar till att undersöka cykelexponeringen över året och sambandet mellan vädret och exponeringen med särskild fokus på höst- och vintercyklisterna. Genom att undersöka hur cykelflödet fördelas över de olika månaderna visade sig att man kan identifiera fyra perioder, högsäsong (sommar), lågsäsong (vinter) och två övergångsperioder. Cykelexponering är som högst på sommarhalvåret och för dessa tre städer är det i huvudsakligen mellan maj och september. I Stockholm och Göteborg kunde man identifiera en tydlig effekt för juli då cykelexponeringen sjönk betydligt. Detta är en trolig effekt av semesterperioden. Vi kunde också identifiera en relativ stabil period för vintermånaderna, i dessa stader mellan december och februari. De är intressant att denna relativt stabila period inte skiljer sig så mycket mellan de tre olika städerna trots skillnad i geografisk lokalisering. Det fanns viss skillnad i hur snabbt cyklingen ökade efter vinterperioden och det verkar bero på hur medeltemperaturen ökade. Om det varit en varmare vecka ökar cyklingen, men cyklandet minskar om det blir lägre medeltemperatur veckan därpå. Över vintermånaderna så är cykelexponeringen betydligt lägre. Vintercyklingen utgörs av ungefär 40-60 procent av sommarcyklingen. Det är därför tydligt att största delen av cyklandet utförs under sommarhalvåret. Det är ingen större skillnad i andel vintercykling mellan orterna, trots skillnader i geografiskt läge.
Det är välkänt att cyklister är relativt oskyddade mot de olika väderförhållandena och besvärliga väderförhållanden gör det mindre attraktivt att cykla. Detta innebär att vissa kommer att sluta cykla under vinterhalvåret när de inte längre tycker att det är tillräckligt attraktivt att cykla. Samtidigt är det troligt att vad trafikanterna tycker att är godtagbara förhållanden för att cykla (från väderperspektiv) varierar mellan dessa. Det innebär att tidpunkten de väljer att sluta cykla kommer variera mellan olika individer, som igen gör att det blir dessa övergångsperioder. Eventuellt kommer vissa ta beslut från fall till fall och andelen cykelresor minskar successivt efter att vissa väderförhållanden blir mer vanliga (de kan till exempel vara så att förklaringen ligger i att andelen cykelresor hos vissa trafikanter sjunker, men att de använder cykeln året runt).
När vi jämförde cykelexponeringen per dygn mot de olika vädermåtten verkar det finnas ett samband mellan dessa. Ju bättre väderförhållanden desto fler cyklar. Av särskilt intresse var att cykelexponeringen blir lägre och lägre tills temperaturen har fallit under ca. 0 °C, men vid lägre temperaturer så blir skillnaden inte lika stor. Detta kan kanske bero på att det är halt och isigt där man ska cykla. Detta kräver vidare forskning. Även regressionsanalyserna visade att lufttemperaturen är viktig för cykelexponeringen; denna minskar med lägre lufttemperatur. Analyserna visade även att ökat nedbördsmängd, mindre solskenstid och högre vindhastighet faller samman med mindre cykelexponering, detta var även tydligt i regressionsmodellerna. Solskenstid beskriver samtidigt molnighet samt ljusförhållanden. De skandinaviska länderna är geografiskt placerade att tidpunkten när det blir mörkt förändras snabbt på våren och hösten. Var den förändringspunkten ofta ligger samtidigt som att vi går ut på morgonen och kommer hem på eftermiddagen. Det är möjligt att ljusförhållanden påverkar hur attraktivt de
34
är att cykla, och därmed vår benägenhet att cykla. Mörka förhållanden påverkar möjligen upplevelsen och även den subjektiva trafiksäkerheten. Våra analyser visar att de finns ett visst samband mellan exponeringen och solskenstiden. Vi har i denna analys inte kollat specifikt på hur ljusförhållanden påverkar eftersom variabeln är kombinerad effekt av ljusförhållanden och molnighet. De krävs mer forskning för att undersöka ljusförhållandens roll i detta.
Regressionsmodellerna visade de olika väderförhållandens inverkan på exponeringen är mycket lika mellan Stockholm och Göteborg. Detta resultat är mycket intressant med hänsyn till att det finns stora skillnader mellan dessa städer vad gäller geografisk placering, väderförhållande samt andra faktorer. Väderförhållanden skulle alltså kunna ha liknande effekt även om man befinner sig i olika geografiska lägen. Eftersom vi endast har regressionsmodeller för två städer så kan vi inte dra någon slutsats om detta eftersom det kan bero på slumpen. Detta kräver vidare forskning.
Vi gjorde en egen regressionsmodell för att undersöka cykelexponeringen över vintermånaderna. Denna visade att de olika väderförhållanden verkar ha något mindre effekt på cykelexponeringen över vintermånaderna jämfört med över hela året. Detta ger visst stöd för hypotesen att de som cyklar året runt är mindre påverkade av olika väderförhållanden. Man kan också spekulera i att de kanske har fattat ett beslut att de cyklar året runt oavsett väderförhållanden.
Det faktum att väderförhållanden verkar påverka cykelexponeringen har stor betydelse. Detta innebär att man möjligtvis kan påverka cyklingen genom att motverka de negativa effekter som de besvärliga väderförhållandena har, till exempel genom vinterväghållning. Vi befinner oss vid en tidpunkt när vi förväntar oss att klimatet håller på att förändras. Om till exempel temperaturen eller andra väderförhållanden förändras kommer det att påverka förutsättningarna för att cykla och eventuellt skulle det kunna resulteras i att tidpunkten när övergångsperioderna börjar/slutar flyttas. Detta skulle kunna ha betydande effekt på det totala cykelarbetet över året, samtidigt som detta kan skapa nya utmaningar var cyklisterna kommer vara mer vanliga under den mörka årstiden. För att maximera effekten av detta skulle man kunna fokusera på att förbättra de förhållanden (genom exempelvis vinterdrift för cyklister) som finns nära dessa övergångsperioder för att förlänga sommarperioden och på detta vis stegvis stödja vid utvecklingen och den positiva effekt klimatförändringarna skulle kunna orsaka (ur detta perspektiv).
Studien har några begränsningar som vi vill lyfta fram:
Analyserna bygger i flesta fall på relativt få år och är begränsad till två eller tre städer. Även om dessa städer är spridda över Sverige kan cykelpopulationen samt väderförhållandens effekt på cykelexponeringen skilja sig mellan olika orter, de skulle även kunna skilja sig beroende på ortens storlek.
Analyserna bygger på automatiserade beräkningsstationer. Dessa beräkningsstationer kan vara känsliga mot mätningsfel, särskilt under vissa förhållanden.
35
I vissa fall så fanns ingen väderstation i närheten till mätningsplatsen. Detta innebär att de kan finnas viss skillnad i vädermåtten vid väderstationen och på platsen var man räknar cyklister.
Vid analyserna använder vi observationer på månadnivå, veckonivå och timnivå. Detta gör att måtten för väderförhållanden är aggregerade som kan påverka analyserna. Det skulle kunna vara så i vissa fall att väderförhållanden på morgonen (när trafikanten tar beslut om att cykla eller inte) styr om den cyklar senare på dygnet.
Analyserna inkluderar delvis ljusförhållanden, detta genom variabeln solskenstid. De är inte otänkbart att ljusförhållanden är en viktig faktor för hur attraktivt det är att cykla och om trafikanten väljer att cykla (till exempel barn). Eftersom ljusförhållanden håller på med att förändras samtidigt som övergångsperioden är viktigt att fortsätta forska hur denna variabeln och vädervariablerna tillsammans styr cykelexponeringen. Analyserna bygger på grafiska metoder och regressionsmodeller. Det finns flera
faktorer som påverkar cykelexponeringen, vissa av dessa som kan korrelera vädervariablerna används här. Detta kan påverka modellen/analyserna och resultaten. Regression modellen använder linjär regression. Eftersom cykelexponering är i sin
natur diskret variabel och som ska inte kunna understiga noll så skulle man möjligtvis kunna uppnå viss förbättring modellera den genom poissons- eller negativ binomialregression.
37
5 Slutsatser och fortsatt forskning
De huvudslutsatser man kan dra från den här studien är: Cykelexponeringen varierar mycket mellan sommarhalvåret och vinterhalvåret och det verkar finnas fyra perioder. Högsäsong över sommarhalvåret och lågsäsong över vintern. De finns då ytterligare två långa övergångsperioder var cykelexponeringen minskar/ökar drastiskt var många slutar eller minskar sitt cyklande.
Vintersäsongen, oktober-april, står för mellan 40-60 % av sommarsäsongens cyklande. De finns därför stor potential om man kan förlänga sommarperioden genom att flytta övergångsperioderna, till exempel genom bättre vinterdrift för cyklister.
Analyserna/regressionsmodellerna indikerar att de olika väderförhållanden har liknande effekt i både Stockholm och Göteborg. Regressionsmodellerna indikerar att cykelexponeringen under vintermånaderna inte är lika känslig mot de olika väderförhållanden som för hela året.
Alla fyra väderförhållanden som undersöktes har starkt samband med cykelexponeringen, där högre lufttemperatur, ingen nederbörd, ökad solskenstid och låg vindhastighet korrelerar med högre cykelexponering.
5.1 Fortsatt forskning
Den här förstudien har fokuserad på tre frågeställningar angående hur sambandet ser ut mellan de olika väderförhållanden och cykelexponeringen. Det finns fler områden där man kan gå vidare med fortsatt forskning:
Vi har fokuserad på fyra variabler, lufttemperatur, nederbördsmängd, vindhastighet och solskenstid. De finns flera variabler som skulle kunna påverka som till exempel snö och is.
Studien har endast indirekt kunnat undersöka ljusförhållandens effekt på cykelexponeringen. Hur dessa påverkar samt korrelerar med de olika väderförhållanden kräver vidare forskning.
Studien bygger på kvantitativa metoder och vi inte kunnat undersöka vad som ligger bakom i beslutsprocessen. Genom kvalitativa studier kan man kombinera dessa resultat och undersöka vidare hur väderförhållanden påverkar cyklistens beslut att cykla eller ej. På detta sätt får man ökad förståelse av hur och varför övergångsperioderna ser ut som de gör.
Om klimatet förändras kommer det eventuellt påverka och flytta övergångsperioderna. Detta kommer att innebära att cyklingen kommer att öka/minska under mörka perioder. Detta kommer att skapa nya utmaningar och nya problem. Vi behöver
38
fortsätt forskning både angående hur vi kan använda den klimatförändringen till att öka cykelarbetet (genom att stödja vi flyttning av övergångsperioderna) samt vilka utmaningar vi kommer att bemöta i framtiden.
39
Referenser
Bergström, A., Magnusson, R., 2008. Potential of transferring car trips to bicycle during winter. Transportation Research Part A 37, pp. 649-666.
Eriksson, L., 2009. Tema Cykel – faktorer som påverkar cykelanvändning utifrån ett individperspektiv. En litteraturstudie. VTI rapport 652.
Gallop, C, Tse, C. och Zhao, J., 2012. A Seasonal Autoregressive Model of Vancouver Bicycle Traffic Using Weather Variables. Presented by the TRB 2012 Annual meeting.
Kröyer, H.R.G., 2015. Accidents between pedestrians, bicyclists and motorized vehicles: Accident risk and injury severity. Bulletin 296, Instituten för teknik och samhälle, Lunds Tekniska Högskola, Lunds Universitet.
Lindelöw, D., 2009. Strategier för ett ökat gående och cyklande – en litteraturstudie om olika faktorers betydelse. Bulletin 249, Trafik och väg, Institutionen för Teknik och samhälle, Lunds Tekniska Högskola.
Mullan, E., 2013. Exercise, Weather, Safety, and Public Attitudes: A Qualitative Exploration of Leisure Cyclists’ Views on Cycling for Transport. SAFE Open, pp. 1‐9.
SMHI, 2017. Hur mäts solskenstid? https://www.smhi.se/kunskapsbanken/meteorologi/hur-mats-solskenstid-1.5206 hämtad 2017-03-13.
Trafikanalys, 2015. Cyklandets utveckling i Sverige 1995-2014 – en analys av de nationella resvaneundersökningarna. Rapport 2015:14.
40
Bilaga 1: Översikt över mätningsstationer
Tabell 1.1: Visar översikt över cykelräkningsstationerna som används i studien samt vilken tidsperiod (observera att de kan förekomma bortfall i tidsperioderna, antingen dagar, veckor eller i vissa fall hela år). *Cykelräkningarna i Göteborg bygger endast på vardagar. **Hänvisar till sektion 2.2.2
Stad Station/plats Tidsperiod Valda mätplatser** Stockholm E1 Skanstullbron Sep 2011 – jun 2015 X
Stockholm E2 Skansbron Sep 2011 – jun 2015 Stockholm E3 Ekelundsbron Ö/V Feb 2013 – jun 2015 Stockholm E4 Karlberg Nov 2013 – jun 2015 Stockholm E5 Mariebergsbron Jul 2012 – jun 2015 Stockholm E6 Huvudstabron Des 2013 – jun 2015 Stockholm E7 Tranbergsbron Maj 2012 – jun 2015 Stockholm E8 Västbergarondellen Des 2013 – jun 2015 Stockholm E9 Västerbron Maj 2013 – jun 2015 Stockholm E10 Åminnevägen Nov 2013 – jun 2015 Stockholm E11 Liljeholmsbron Sep 2011 – jun 2015 Stockholm E12 Hägerstenvägen Des 2013 – jun 2015 Stockholm E13 Årstabron Nov 2013 – jun 2015 Stockholm E14 Sofielundsplan Des 2013 – jun 2015 Stockholm E15 Strömsbron Jul 2011 – jun 2015
Stockholm E16 Danvikstullbron Apr 2011 – jun 2015 X Stockholm E17 Brommaplan Nov 2013 – jun 2015
Stockholm E18 Munkbroleden Sep 2011 – jun 015
Göteborg* E1 Särasöleden (6042) Jan 2014 – jun 2016 X Göteborg* E2 Nya Allén (6028) Jan 2014 – jun 2016
Göteborg* E3 Lånedragsvägen (6027) Jan 2014 – jun 2016 X Göteborg* E4 Guldhedsgatan (6025) Jan 2014 – jun 2016
Göteborg* E5 Marieholmsbron (6024) Jan 2014 – jun 2016 X Göteborg* E7 Gullbergs Strandgata (6013) Jan 2014 – nov 2014
Göteborg* E10 Ullevigatan (6010) Jul 2008 – jun 2016 X Göteborg* E11 Södra vägen (6008) Jan 2014 – jun 2016
Göteborg* E12 Redbergsvägen (6007) Jan 2014 – Jun 2016 X Göteborg* E15 Dag Hammarskjl. (6002) Jan 2014 – Jun 2016 X Göteborg* E16 Delsjövägen (3937/6003) Jan 2014 – jun 2016
Göteborg* E18 Göta Älvbron NV (6935) Jan 2014 – jun 2016 X Göteborg* E19 Göta Älvbron NO (3936) Jan 2014 – des 2014
Göteborg* E21 Älvborgsbron SV (6939) Jan 2014 – jun 2016 Göteborg* E22 Älvborgsbron SÖ (6940) Jan 2014 – jun 2016 Göteborg* E23 Skeppsbron, färjeläget (6044) Jan 2014 – jun 2016 Göteborg* E24 Lundby Hamngata (6045) Jan 2014 – jun 2016 Göteborg* E25 Slussbron (6046) Aug 2014 – jun 2016 Göteborg* E26 Sprängkullsgatan (6047) Okt 2014 – jun 2016
Östersund E1 Badhusparken Jan 2012 – okt 2016 X Östersund E2 Havremagasinet Sep 2013 – okt 2016 X Östersund E3 Rådhusgatan Sep 2013 – okt 2016 X Östersund E4 Stuguvägen Sep 2013 – okt 2016 X
41
Bilaga 2: Bilder av hur cykelexponeringen varierar
med väderförhållanden
0 2000 4000 6000 8000 10000 12000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E1 0 1000 2000 3000 4000 5000 6000 7000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E2 0 1000 2000 3000 4000 5000 6000 7000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E3 0 500 1000 1500 2000 2500 3000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E4 0 500 1000 1500 2000 2500 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E6 0 500 1000 1500 2000 2500 3000 3500 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E5 Figur 2.1: Exponering per dygn och vindhastighet i Stockholm.42 Figur 2.1 (fortsättning): Exponering per dygn och vindhastighet i Stockholm. 0 2000 4000 6000 8000 10000 12000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E12 0 500 1000 1500 2000 2500 3000 3500 4000 4500 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E11 0 500 1000 1500 2000 2500 3000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E9 0 2000 4000 6000 8000 10000 12000 14000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E7 0 1000 2000 3000 4000 5000 6000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E8 0 2000 4000 6000 8000 10000 12000 14000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E10
43 Figur 2.1 (fortsättning): Exponering per dygn och vindhastighet i Stockholm. 0 2000 4000 6000 8000 10000 12000 14000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E18 0 500 1000 1500 2000 2500 3000 3500 4000 4500 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E17 0 500 1000 1500 2000 2500 3000 3500 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E15 0 500 1000 1500 2000 2500 3000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E14 0 500 1000 1500 2000 2500 3000 3500 4000 4500 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E13 0 1000 2000 3000 4000 5000 6000 7000 8000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E16
44 Figur 2.2: Exponering per dygn och lufttemperatur i Stockholm. 0 2000 4000 6000 8000 10000 12000 ‐20 ‐10 0 10 20 30 Cyklister/dygn Lufttemperatur E1 0 1000 2000 3000 4000 5000 6000 7000 ‐20 ‐10 0 10 20 30 Cyklister/dygn Lufttemperatur E2 0 1000 2000 3000 4000 5000 6000 7000 ‐20 ‐10 0 10 20 30 Cyklister/dygn Lufttemperatur E3 0 500 1000 1500 2000 2500 3000 ‐20 ‐10 0 10 20 30 Cyklister/dygn Lufttemperatur E4 0 500 1000 1500 2000 2500 3000 3500 ‐20 ‐10 0 10 20 30 Cyklister/dygn Lufttemperatur E5 0 500 1000 1500 2000 2500 ‐20 ‐10 0 10 20 30 Cyklister/dygn Lufttemperatur E6
45 Figur 2.2 (fortsättning): Exponering per dygn och lufttemperatur i Stockholm. 0 1000 2000 3000 4000 5000 ‐20 ‐10 0 10 20 30 Cyklister/dygn Lufttemperatur E11 0 2000 4000 6000 8000 10000 12000 14000 ‐20 ‐10 0 10 20 30 Cyklister/dygn Lufttemperatur E7 0 1000 2000 3000 4000 5000 6000 ‐20 ‐10 0 10 20 30 Cyklister/dygn Lufttemperatur E8 0 500 1000 1500 2000 2500 3000 ‐20 ‐10 0 10 20 30 Cyklister/dygn Lufttemperatur E9 0 2000 4000 6000 8000 10000 12000 ‐20 ‐10 0 10 20 30 Cyklister/dygn Lufttemperatur E12 0 2000 4000 6000 8000 10000 12000 14000 ‐20 ‐10 0 10 20 30 Cyklister/dygn Lufttemperatur E10
46 Figur 2.2 (fortsättning): Exponering per dygn och lufttemperatur i Stockholm. 0 1000 2000 3000 4000 5000 6000 7000 8000 ‐20 ‐10 0 10 20 30 Cyklister/dygn Lufttemperatur E16 0 1000 2000 3000 4000 5000 ‐20 ‐10 0 10 20 30 Cyklister/dygn Lufttemperatur E17 0 500 1000 1500 2000 2500 3000 3500 ‐20 ‐10 0 10 20 30 Cyklister/dygn Lufttemperatur E15 0 2000 4000 6000 8000 10000 12000 14000 ‐20 ‐10 0 10 20 30 Cyklister/dygn Lufttemperatur E18 0 500 1000 1500 2000 2500 3000 ‐20 ‐10 0 10 20 30 Cyklister/dygn Lufttemperatur E14 0 1000 2000 3000 4000 5000 ‐20 ‐10 0 10 20 30 Cyklister/dygn Lufttemperatur E13
47 Figur 2.3: Exponering per dygn och nederbördsmängd i Stockholm. 0 2000 4000 6000 8000 10000 12000 0 10 20 30 40 50 Cyklister/dygn Nederbördsmängd (mm) E1 0 1000 2000 3000 4000 5000 6000 7000 0 10 20 30 40 50 Cyklister/dygn Nederbördsmängd (mm) E2 0 1000 2000 3000 4000 5000 6000 7000 0 10 20 30 40 50 Cyklister/dygn Nederbördsmängd (mm) E3 0 500 1000 1500 2000 2500 3000 0 10 20 30 40 50 Cyklister/dygn Nederbördsmängd (mm) E4 0 500 1000 1500 2000 2500 3000 3500 0 10 20 30 40 50 Cyklister/dygn Nederbördsmängd (mm) E5 0 500 1000 1500 2000 2500 0 10 20 30 40 50 Cyklister/dygn Nederbördsmängd (mm) E6
48 Figur 2.3 (fortsättning): Exponering per dygn och nederbördsmängd i Stockholm. 0 2000 4000 6000 8000 10000 12000 0 10 20 30 40 50 Cyklister/dygn Nederbördsmängd (mm) E12 0 500 1000 1500 2000 2500 3000 3500 4000 4500 0 10 20 30 40 50 Cyklister/dygn Nederbördsmängd (mm) E11 0 2000 4000 6000 8000 10000 12000 14000 0 10 20 30 40 50 Cyklister/dygn Nederbördsmängd (mm) E10 0 500 1000 1500 2000 2500 3000 0 10 20 30 40 50 Cyklister/dygn Nederbördsmängd (mm) E9 0 1000 2000 3000 4000 5000 6000 0 10 20 30 40 50 Cyklister/dygn Nederbördsmängd (mm) E8 0 2000 4000 6000 8000 10000 12000 14000 0 10 20 30 40 50 Cyklister/dygn Nederbördsmängd (mm) E7
49 Figur 2.3 (fortsättning): Exponering per dygn och nederbördsmängd i Stockholm. 0 2000 4000 6000 8000 10000 12000 14000 0 10 20 30 40 50 Cyklister/dygn Nederbördsmängd (mm) E18 0 500 1000 1500 2000 2500 3000 3500 4000 4500 0 10 20 30 40 50 Cyklister/dygn Nederbördsmängd (mm) E17 0 500 1000 1500 2000 2500 3000 3500 0 10 20 30 40 50 Cyklister/dygn Nederbördsmängd (mm) E15 0 500 1000 1500 2000 2500 3000 3500 4000 4500 0 10 20 30 40 50 Cyklister/dygn Nederbördsmängd (mm) E13 0 500 1000 1500 2000 2500 3000 0 10 20 30 40 50 Cyklister/dygn Nederbördsmängd (mm) E14 0 1000 2000 3000 4000 5000 6000 7000 8000 0 10 20 30 40 50 Cyklister/dygn Nederbördsmängd (mm) E16
50 Figur 2.4: Exponering per dygn och medel solskenstid per timme i Stockholm. 0 500 1000 1500 2000 2500 0 1000 2000 3000 Cyklister/dygn Solskenstid (sek/timme) E6 0 500 1000 1500 2000 2500 3000 3500 0 1000 2000 3000 Cyklister/dygn Solskenstid (sek/timme) E5 0 500 1000 1500 2000 2500 3000 0 1000 2000 3000 Cyklister/dygn Solskenstid (sek/timme) E4 0 2000 4000 6000 8000 10000 12000 0 1000 2000 3000 Cyklister/dygn Solskenstid (sek/timme) E1 0 1000 2000 3000 4000 5000 6000 7000 0 1000 2000 3000 Cyklister/dygn Solskenstid (sek/timme) E2 0 1000 2000 3000 4000 5000 6000 7000 0 1000 2000 3000 Cyklister/dygn Solskenstid (sek/timme) E3
51 Figur 2.4 (fortsättning): Exponering per dygn och medel solskenstid per timme i Stockholm. 0 1000 2000 3000 4000 5000 6000 0 1000 2000 3000 Cyklister/dygn Solskenstid (sek/timme) E8 0 500 1000 1500 2000 2500 3000 0 1000 2000 3000 Cyklister/dygn Solskenstid (sek/timme) E9 0 2000 4000 6000 8000 10000 12000 14000 0 1000 2000 3000 Cyklister/dygn Solskenstid (sek/timme) E7 0 2000 4000 6000 8000 10000 12000 14000 0 1000 2000 3000 Cyklister/dygn Solskenstid (sek/timme) E10 0 1000 2000 3000 4000 5000 0 1000 2000 3000 Cyklister/dygn Solskenstid (sek/timme) E11 0 2000 4000 6000 8000 10000 12000 0 1000 2000 3000 Cyklister/dygn Solskenstid (sek/timme) E12
52 0 1000 2000 3000 4000 5000 0 1000 2000 3000 Cyklister/dygn Solskenstid (sek/timme) E13 0 500 1000 1500 2000 2500 3000 0 1000 2000 3000 Cyklister/dygn Solskenstid (sek/timme) E14 0 500 1000 1500 2000 2500 3000 3500 0 1000 2000 3000 Cyklister/dygn Solskenstid (sek/timme) E15 0 1000 2000 3000 4000 5000 6000 7000 8000 0 1000 2000 3000 Cyklister/dygn Solskenstid (sek/timme) E16 0 1000 2000 3000 4000 5000 0 1000 2000 3000 Cyklister/dygn Solskenstid (sek/timme) E17 0 2000 4000 6000 8000 10000 12000 14000 0 1000 2000 3000 Cyklister/dygn Solskenstid (sek/timme) E18 Figur 2.4 (fortsättning): Exponering per dygn och medel solskenstid per timme i Stockholm.
53 Figur 2.5: Exponering per dygn och vindhastighet i Göteborg. 0 500 1000 1500 2000 2500 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E1 0 1000 2000 3000 4000 5000 6000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E2 0 500 1000 1500 2000 2500 3000 3500 4000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E3 0 500 1000 1500 2000 2500 3000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E4 0 500 1000 1500 2000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E5 0 200 400 600 800 1000 1200 1400 1600 1800 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E7
54 Figur 2.5 (fortsättning): Exponering per dygn och vindhastighet i Göteborg. 0 1000 2000 3000 4000 5000 6000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E10 0 500 1000 1500 2000 2500 3000 3500 4000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E11 0 500 1000 1500 2000 2500 3000 3500 4000 4500 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E12 0 500 1000 1500 2000 2500 3000 3500 4000 4500 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E15 0 500 1000 1500 2000 2500 3000 3500 4000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E16 0 500 1000 1500 2000 2500 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E18
55 0 200 400 600 800 1000 1200 1400 1600 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E24 0 500 1000 1500 2000 2500 3000 3500 4000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E25
Figur 2.5 (fortsättning): Exponering per dygn och vindhastighet i Göteborg. 0 200 400 600 800 1000 1200 1400 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E22 0 500 1000 1500 2000 2500 3000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E23 0 500 1000 1500 2000 2500 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E21 0 500 1000 1500 2000 2500 3000 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E19 0 500 1000 1500 2000 2500 3000 3500 4000 4500 0 2 4 6 8 10 Cyklister/dygn Vindhastighet (m/s) E26
