• No results found

Trafikfördelningsmodellen (Traffic distribution model)

N/A
N/A
Protected

Academic year: 2021

Share "Trafikfördelningsmodellen (Traffic distribution model)"

Copied!
46
0
0

Loading.... (view fulltext now)

Full text

(1)

Sr Sc å Se == Statens väg-och trafikinstitut(VTI)*581 01 Linköping

ISSN0347-6049 sd SwedishRoadand Traffic ResearchInstitute* S-581 01 Linköping * Sweden

Trafikfördelningsmodellen

(2)

Nr 407 0 1984 Statens väg- och trafik-institut (VTI) 0 58.1 01 Linköping

ISSN 0347-6049 Swedish Road and Traffic Research Institute 0 5-581 01 Linköping 0 Sweden

Trafikiördelningsmodellen

(3)
(4)

INNEHÅLLSFÖRTECKNING

gg

REFERAT

I

ABSTRACT

_

1

H

SAMMANFATTNING

III

SUMMARY

v

1.

INLEDNDKS

I

2.

ALLMANTCMIMODELUMI

2

3.

TRAFIKARBETETS VARIATION

4

4.

UPPDELNMKERÃFORDONSSJMS

6

i

UPPDELNHKSPÅEUKTNHMS

I

18

6.

EXEMPEL PÅ ANVÄNDNING

22

VTI MEDDELANDE 407

(5)

TRAFIKFÖRDELNINGSMODELLEN

av Pavel Lacko och Ulf Linderoth

Statens väg- och trafikinstitut (VTI)

581 01 LINKÖPING

REFERAT

I detta meddelande presenteras en vid VTI utvecklad modell för beräk-ningar av trafikens storlek, sammansättning och riktningsfördelning. Mo-dellen bygger på ÅDT och geografiska uppgifter för den plats där trafiken

ska beräknas.

Modellens olika delar redovisas detaljerat och ett exempel på användning

av modellen visas.

(6)

II

THE TRAFFIC DISTRIBUTION MODEL by Pavel Lacko and Ulf Linderoth

Swedish Road and Traffic Research Institute (VTI) 5-581 01 LINKÖPING SWEDEN

ABSTRACT

A model which is used to calculate the traffic flow, composition and directional distribution has been developed at the Swedish Road and Traffic

Research Institute (VTI). This model is based on average annual daily

traffic and on geographical data.

In this report the different parts of the model are presented in detail and an example shows how the model is used.

(7)

III

TRAFIKFÖRDELNINGSMODELLEN av Pavel Lacko och Ulf Linderoth

Statens väg- och trafikinstitut (VTI)

581 01 LINKÖPING

SAMMANFATTNING

Vid VTI har en trafikfördelningsmodell utvecklats som bygger på tillgänglig information om trafiken på det statliga vägnätet. Denna modell gör det möjligt att fördela trafiken på timmar för olika delar av året, delar av vägnätet, personbilar/lastbilar samt riktning. Den innehåller också infor-mation om det genomsnittliga antalet axlar per fordon.

Veckonummer

Antal

person-Veckodag bilar i riktning l

Timme

Vägtyp Antal

person-bilar i riktning 2

Region \

Avstånd till Modell tätorter och

deras storlek Antal lastbilar i riktning l

. Antal lastbilar

L ÅDT i riktning 2

. Modellens struktur gör det möjligt att använda den generellt när det gäller trafikens fördelning i tid och rum på det statliga vägnätet men även som

beslutsunderlag för lokala sträckor. Den kan också användas för att

transformera axelparsinformation till fordonsdata - uppdelat på personbilar och lastbilar. Modellen torde också vara direkt användbar för att predikte-ra tpredikte-rafiken vid t ex tpredikte-rafikstudier. I modellen finns indirekta förklarings-variabler som beskriver trafikens variation, vilket innebär att modellen kan användas i prognossyfte. Modellen har använts vid beskrivning av

sommar-tidens effekt på trafiken (se VTI-Meddelande 365, 1983).

(8)

IV

Som ett exempel på användning av modellen har trafiken på 6 vägar i

närheten av Norrköping beräknats och resultaten presenteras i tabell- och diagramform.

Ett datorprogram som bygger på modellen finns tillgängligt på VTIs

NORD-10.

Det pågår arbete med att validera modellen med hjälp av nya trafikdata.

(9)

THE TRAFFIC DISTRIBUTION MODEL by Pavel Lacko and Ulf Linderoth

Swedish Road and Traffic Research Institute (VTI)

5-581 Ol LINKÖPING SWEDEN

SUMMARY

A traffic distribution model, which is based on available information about traffic on the national road network, has been developed at the Swedish Road and Traffic Research Institute (VTI). This model 'makes it possible to distribute traffic on different hours of the day, parts of the year, different road types, cars/lorries and directions. It also contains information about the average number of axles per vehicle.

Week nr

Day of the Nunber of cars week in dilection l

Hour

. i Number of cars

H direction 2

Region

Distance frcm Model ?omarbeiåsoin

cities and . .

their size direction l

Number of lorries in direction 2 Averageaxmual

daily traffic

The structure of the model makes it possible to use it to describe the general variation of the traffic in time and space, but also as a basis of decisions concerning local roads. It can also be used to transform information about pairs of axles into numbers of cars and lorries. The variation of the traffic is described by indirect explanatory variables, which means that the model may be used to make predictions, e.g. in connection with traffic studies. The model has been used in an analysis of

the effect of summer time on traffic (VTI-Meddelande 365, 1983).

(10)

VI

As an example the model has been used to calculate the traffic on six roads outside Norrköping. The results are presented in tables and diagrams. A computer program based on the model is available on the Nord-10 computer at VTI.

Work is carried on to validate the model with new traffic data.

(11)

1. INLEDNING

Det har sedan länge funnits ett behov att beskriva trafikens variation i tid och rum. En detaljerad kunskap om trafikens sammansättning är önskvärd i många sammanhang, t ex vid beräkningar av olycksrisker, bensinförbruk-ning, vägslitage, med mera. Visserligen kan man gå ut och mäta men dels är detta en mycket dyr metod, dels får man ändå inte den helhetsbild som

ofta krävs.

Under de senaste åren har VTI i samband med ett flertal projekt studerat trafikens variation och sammansättning och försökt beskriva dessa med modeller som bygger på data som redan finns. I följande papper görs ett försök att systematisera denna kunskap och presentera den i en enhetlig form.

Modellen kan på intet sätt anses heltäckande, bla saknas nästan helt lastbilsdata från norra regionen. Arbete har påbörjats för att validera modellen med hjälp av nya data allteftersom dessa flyter in.

(12)

2. ALLMÄNT OM MODELLEN

Målsättningen med trafikfördelningsmodellen kan sammanfattas på

följan-de sätt:

Givet en punkt på vägnätet ska man vid en godtycklig tidpunkt kunna ange storleken på trafikflödet, uppdelat på fordonslag och riktning.

Följande skiss visar hur modellen ser ut utifrån:

Veckonummer

Antal

person-VeCkOdag

bilar i riktning l

Timme

Vägtyp Antal

person-bilar i riktning 2 Region

*---OI

Avstånd till Modell

tätorter och

deras storlek Antal lastbilar

i riktning 1

Antal lastbilar

ÅDT

i riktning 2

Som synes är ÅDT den enda uppgift om trafikens storlek som behövs i modellen som indata. Detta ÄDT fördelas sedan över hela året med hjälp av geografiska uppgifter.

(13)

Vi arbetar med tre vägtyper (Europavägar, riksvägar och övriga vägar) och tre regioner (norra, mellersta och södra Sverige.). Den (minsta) tidsenhet vi använder oss av är en timme och utdata är alltså egentligen angivna i antal/timme.

Grunddata som ligger till grund för modellen är av två slag:

För undersökning av trafikarbetets variation har vi använt data från

vägverkets helårsräknade punkter under åren 1977-80. Detta är ett stort och ganska pålitligt material.

Möjligheten att undersöka trafikens fördelning på fordonsslag och riktning har vi fått tack vare VTIs DTA-Z-mätningar. Dessa har pågått sedan 1975 och omfattar nu mer än 350 mätdygn på 58 platser.

Arbetet har därför på ett naturligt sätt uppdelats i tre avsnitt: 1. Kartläggning av trafikarbetets variation i tid och rum

2. Uppdelning på fordonsslag (personbilar/lastbilar).

3. Uppdelning på riktningar.

I fortsättningen presenteras dessa delar var och en för sig.

(14)

3. TRAFIKARBETETS VARIATION

Problemställningen är att beskriva trafikarbetets variation som funktion av tiden och det geografiska läget. För att få en hanterlig struktur på problemet har vi valt att dela upp analysen med avseende på tidsvariabler på följande sätt:

1. Variation inom året. 2. variation inom veckan.

3. Variation inom dygnet.

I varje steg har vi undersökt vilka geografiska och eventuellt överordnade tidsvariabler som är relevanta i respektive fall med följande resultat:

variation inom dvs trafikarbetets som funktion av storlek under en

âr

vecka (1..53)

region, ÄDT

vecka veckodag region, vecka,

(måndag..söndag)

ÅDT

dygn timme (1..24) region, årstid,

veckodag, vägtyp.

Ärstid definieras här som

sommar (vecka 26.33) vinter (vecka 47.53, i..9)

vår/höst (övriga veckor)

(15)

För varje nivå i hierarkin har vi beräknat ett index och det totala

trafikarbetet för en viss timme, veckodag, osv får man genom att

multiplicera dessa index med varandra och med platsens ÅDT. Indexberäk-ningen har gjorts med en enkel linjär ansats med avseende på ÄDT och för varje utfall på de övriga variablerna. I första fallet hade vi alltså för de tre olika regionerna:

indexvecka = ko + k 1 . ÄDT

ko och kl har vi bestämt med regressionsanalys i varje särskilt fall. Med 7

veckodagar och 3 regioner har det betytt Zl regressionsanalyser.

På liknande sätt har vi beräknat ett index för varje veckodag med hjälp av 7 - 3 - 53 = 1113 regressionsanalyserl

Slutligen har vi helt enkelt tabellerat inomdygnsvariationen för alla tänk-bara kombinationer av region, årstid, vägtyp och veckodag.

Alla dessa data har vi lagrat. På grund av tabellernas omfattning redovisas de inte här. Det är också ganska svårt att få ut information genom att bara läsa dem. Man kan naturligtvis fråga sig om detta är något framsteg

eftersom så mycket data måste lagras. Ändå är mycket vunnet genom att

man har fått en klar struktur på materialet. Och datamängden är inte större än att den lätt kan läsas in i ett program som gör beräkningarna.

(16)

4. UPPDELNING PÅ FORDONSSLAG

Mätutrustningen DTA-Z lämnar data om antal axlar och typ på varje fordon som passerar. Teoretiskt skulle man kunna dela upp trafiken i motorcyklar, personbilar, bussar, 2-axliga lastbilar, 3-axliga lastbilar, osv. Vi har emel-lertid bedömt en sådan databehandling som alltför ohanterlig och beslutat att stanna vid uppdelningen på två stora grupper: personbilar och lastbilar. I gruppen personbilar ingår också motorcyklar medan alla andra fordon har hamnat i gruppen lastbilar.

Den enda extra uppgift vi lagrat förutom antalet personbilar och lastbilar per tidsperiod 'är medelantalet axlar per lastbil. Detta möjliggör omräk-ning mellan axelpar och fordon och ger också en viss uppfattning om

lastbilarnas storlek.

Den metod vi använt för att angripa problemet är ingen modell i egentlig mening, utan snarare en ganska enkel beskrivning av våra data. Vi har delat upp materialet på ett stort antal celler enligt nedanstående kriterier. För varje cell har sedan lastbilsandelen och medelantalet axlar per lastbil beräknats och tabellerats. Uppdelningen är gjord med avseende på. följande

variabler:

VÄGTYP Europavägar

Riksvägar

Övriga vägar

ÄRSTID _

juni, juli, augusti

övriga månader. VECKODAG måndag tisdag-torsdag fredag lördag söndag. VTI MEDDELANDE 407

(17)

TIMME

0-2

2-4

4-6

6-8

8-10

10-12

12-14

14-16

16-18

18-20

20-22

22.24

För att inte fresta på materialet genom att dela upp det i onödan har vi antagit att trafiken under vardagarna mellan måndag 1200 och fredag 1200 kan beskrivas med ett dygn. Detta är dock svårt att presentera på ett överskådligt sätt, varför vi har valt att vid redovisningen av resultaten bara slå ihop tisdag-torsdag till ett dygn.

Innan vi presenterar resultaten kan det vara lämpligt att skriva upp några enkla samband som bör underlätta användningen av tabellerna.

AzApi+AL=2P+dL där A = antal axlar AL : antal lastbilasaxlar AP = antal personbilsaxlar = antal personbilar = antal lastbilar

d 2 medelantal axlar per lastbil.

Lastbilsandelen (k) utryckt i % samt medelantal axlar per lastbil (d) finns

tabellerade och definieras: lOO°L

P+L

(18)

Samband mellan axelpar och fordon:

P + L = ' -A- .

1

2 (d-2)k

+

200

där P + L är antal fordon och _5_ antal axelpar.

N

Medelantalet axlar per fordon.

A k(d-2)

P+L lOO

(19)

LASTBILS- AxLAR PER VAGTYP ARSTID VECKODAG KLOCKSLAG ANDEL (K) LASTBIL (D)

EUROPAVAGAR JUN-AUG MÅNDAG 00-02 31.6 4.72

EUROPAVAGAR JUN-AUG MÅNDAG 02-04 28.7 4.47 EUROPAVAGAR JUN-AUG MÅNDAG 04-06 16.2 4.14 EUROPAVAGAR JUN-AUG HRNDAG 06-08 11.0 3.92 EUROPAVAGAR JUN-AUG MÅNDAG 08-10 15.8 3.56 EUROPAVAGAR "UUN-AUG' HBNDAG' 10-12" " 1615" w 3.52

EUROPAVÄGAR' JUN-AUE NHNOAG '12-14 " *"M21S.4 ' "3;SO" '

EUROPAVÄGAR JUN-AUG HBNDAG 14-16 ' 14.8 3.45 EUROPAVAGAR JUN-AUG MÅNDAG 16-18 12.8 3.66

EUROPAVAGAR JUN-AUG HENDAG 15-20 16.3 4.13

.EUROPAVÄGAR JUN-AUG HRNDAG 20-22 23.1 4.64 EUROPAVAGAR___UUN:AUG MÅNDAG 22-24 "3172__" _'t:80_'"""" EUROPAVAGAR JUN-AUG TIS-T0 00-02 41.5 4.71

EUROPAVAGAR JUN-AUG TIS-10 02-04 41.9 4.80

EUROPAVÄGAR JUN-AUG TIS-TO 04-06 28.5 4.17 EUROPAVAGAR JUN-AUG TIS-TO 06-08 15.5 3.58

EUROPAvIGAu Jun-AUG' Tis-10 08-10 '14.5 3.26

'EUROPAVAGAR *JUN-AUG 115-10 10-12 12.: 5:26

EUROPAVÃGAR JUN-AUG TIS-To 12-14 15.4 3.50 EUROPAVAGAR JUN-AUG TIS-TO 14-16 14.8 3.45

EUROPAVAGAR JUN-AUG TIS-T0 16-18 12.8 3.66 EUROPAVÃGAR JUN-AUG TIS-TO 18-20 16.3 4.18 EUROPAVAGAR UUNJAUG __TTS=TU'_"""20322_ " "P 23:1 w _4164_" _ 2 EUROPAVÃGIR" UUN1AUG IIs-TD 22:24' * " "3112 " 4.80 ' EUROPAVAGAR JUN-AUG ?REDAG 00-02 41.5 4.71 EUROPAVAGAR JUN-AUG FREDAG 02-04 41.9 4.80 EUROPAVAGAR JUN-AUG FREDAG 04-06 28.5 4.17 EUROPAVÃGAR' _3UN=AUG'_"7REDAG *""UÖ-DB "15.5 3.58 EUROPAVAGAR' 3UN;AUG FREDAG 05-10 14.5 3726 EUROPAVÃGAR JUN-AUG FREDAG 10-12 12.5 3.26

EUROPAVAGAR JUN-AUG FREDAG 12-14 11.8 3.25

EUROPAVAGAR JUN-AUG FREDAG 14-16 10.1 3.31 EUROPAVAGAR JUN-AUG FREDAG 16-18 8.1 3.44 EUROPAVAGAR""mJUN-AUG FREDAG "'* 18-20 '7;3 ' 3I49 W *

EUROPAVRGAR ' UUH-AUE " FREDAG 20-22 9:3* ^'324$ *

EUROPAVÃGAR JUN-AUG' FREDAG 22-24 11.6 3.67 EUROPAVÄGAR JUN-AUG VLÖRDAG 00-02 16.7 3.60 EUROPAVIGAR JUN-AUG LÖRDAG 02-04 17.9 3.46 EUROPAVAGAR JUN-AUG LÖRDAG 04-06 15.0 3.26 EUROPAVAGAR" _TUN-AUG _fÖRDAG _ 06-OB ' ' " 7;6"* * 27?9 '_ EUROPAVAGAR*_ UUN-AUG"* IÖRDAG _03=102 2 810 3:01 "" W' EUROPAVÃGAR JUN-AUG LÖRDAG 10-12 7.8 3.03 EUROPAVAGAR JUN-AUG LÖRDAG 12-14 8.3 3.15

EUROPAVAGAR JUN-AUG LÖRDAG 14-16 9.0 3.00

EUROPAVAGAR JUN-AUG LÖRDAG 16-18 9.3 2.98

'EURDPAVTGAR JUN-AUG LÖRDAG' 18-20 _" 9:9 " '2;99 ' EUR0PAVTGAR JUN-AUG LÖRDAG 20-22 9.5 3.15 '

EUROPAVAGAR JUN-AUG LÖRDAG 22-24 12.2 3.16 EUROPAVAGAR JUN-AUG' SÖNDAG 00-02 12.8 3.35 EUROPAVAGAR JUN-AUG SÖNDAG 02-04 19.6 3.44

EUROPAVTGAR Jun-AUG §ONUAG 404-06 14.9 *3.20 EUROPAvKGAR JUN-AUG SÖNDAG 06=OB*_ _* " 870 ' 3:1D' ' '

EUROPAVAGAR. JUN-AUG SÖNDAG 08-10 8.5 3.01 ' EUROPAVÃGAR JUN-AUG SÖNDAG 10-12 9.2 3.12 EUROPAVAGAR JUN-AUG SÖNDAG 12-14 7.9 3.17 EUROPAVAGAR JUN-AUG SÖNDAG 14-16 7.4 3.19 EUROPAVÃGAR Tün=AUG" SÖNDA6""* "16=18 _'*_*" "6;L' "W'3:ZS "

EUROPAVAGAR JUN-AUG bÖNDAG '18-20 ' :.9' 3:tz _ _

EUROPAVAGAR JUN-AUG SÖNDAG 20-22 8.4 3.99

EUROPAVAGAR JUN-AUG SÖNDAG 22-24 15.4 4.53

(20)

10

LASTBILS- AXLAR PER

VAGTYP ARSTID VECKODAG KLOCKSLAG ANDEL (x) LASTBIL (D)

EUROPAVAGAR' SEP-MAJ MBNDAG 00-02 52.3 4.86'

EUROPAVAGAR SEP-MAJ HaNDAG 02-04 51.9 4.52

EUROPAVAGAR SEP-MAJ HBNDAG 04-06 27.7 4.32

EUROPAVAGAR SEP-MAJ HBNDAG 06-08 16.0 4.06

EUROPAVAGAR SEP-MAJ HBNDAG 08-10 18.7 3.58

EUROPAVAGAR _*SEP-MAJ"W'HÃNDAG ' "1O-12'_' "' 21;9 ' 3.03 -_'"EUROPAVAG'AR_SEP-MAJ_ HBNDAG -*--°--1 2-1 4---**-,_21;1 3365

-EUROPAVAGAR SEP-MAJ MÅNDAG 14-16 17.7 3.56 EUROPAVAGAR SEP-MAJ HBNDAG 16-18 12.9 3.79

EUROPAVAGAR SEP-MAJ MÅNDAG 18-20 17.8 4.41

EUROPAVAGAR SEP-MAJ MRNDAG 20-22 26.9 ' 4.79

'EUROPAVAGAR*-_$EP-MAü __H2NDAG**' '22*24_ __ _3379.___ *4780_* __'

EUROPAVAGAR SEP-MAJ TIS-TO 00-02 55.2 4.89 EUROPAVAGAR SEP-MAJ TIS-TO 02-04 63.8 5.03

EURDPAVAGAR SEP-MAJ TIS-T0 04-06 40.4 4.47

EUROPAVAGAR SEP-MAJ TIS-TO 06-08 15.8 3.64

"EUROPAVAGAR*-*SEP-MAd__-11$-TO_*_""08-10 ' '1578*

-_*3:26*--"-- EURDPAvAGAR-_*3:26*--"---_*3:26*--"--SEP=MAT*-_*3:26*--"--*TTS-_*3:26*--"--TO*-_*3:26*--"--W" 10-_*3:26*--"--12 _' 1S:? ____*3750 * _ _ EUROPAVAGAR SEP-MAJ TIS-T0 12-14 21.1 3.65 EUROPAVAGAR SEP-MAJ TIS-TO 14-16 17.7 3.56 EUROPAVAGAR SEP-MAJ TIS-TO 16-18 12.9 3.79

EUROPAVAGAR SEP-MAJ TIS-TO 18-20 17.8 4.41

EUROPAVAGAR- _SEP-MAU_*"TIS-TO ° 20-221 "" -*26:9 ' tT79 ' EUROPAVAGIR'__$E?5NAU MTIS-TO "' 22-24 " '* - 33.9 " "4:80' ""*

EUROPAVAGAR SEP-MAJ FREDAG 00-02 55.2 4.89

EUROPAVAGAR SEP-MAJ FREDAG 02-04 63.8 5.03

EUROPAVAGAR SEP-MAJ FREDAG 04-06 40.4 4.47 "EUROPAVAGAR *SE?-MAU _ TREDAG "_ *06;OS 15.8 3.64

EUROPAVAGAR" SEP*MAT_"-FREDÅG_ *'_08=TO _"__"_ 1578"__* -3726__"'_*'

EUROPAVAGAR SEP-MAJ FREDAG 10-12 15.9 3.50

EUROPAVAGAR SEP-MAJ FREDAG 12-14 13.9 3.36 EUROPAVAGAR SEP-MAJ FREDAG 14-16 11.0 3.41

EUROPAVAGAR SEP-MAJ FREDAG 16-18 6.9 3.60

^ EUROPAVAGAR_ _SEP-MA3"_ 1REDAG _ _18620 8.4 3.68

--EURDPAVAGAR--SE?-nAt_-fREDAG_-*-"20-22"' **"' 11:9 3.67

EUROPAVAGAR SEP-MAJ FREDAG 0 22-24 15.4 4.04 EUROPAVAGAR SEP-MAJ LDRDAG 00-02 19.5 3.74 EUROPAVAGAR SEP-MAJ LÖRDAG 02-04 19.2 3.37

EURDPAVAGAR SEP-MAJ LDRDAG 04-06 31.4 2.97

- EUROPAVAGAR--SEP=MRU**_10RDAG' 06-08 11.1 3.00

EUROPAVAGAR_ _SfP=WAJ * tüRDAG '08-10 - _ 7;T__ '2:74- ""*"

EUROPAVAGAR SEP-MAJ LÖRDAG 10-12 7.3 3.14

EUROPAVÃGAR SEP-MAJ LDRDAG 12-14 8.8 3.34

EUROPAVAGAR SEP-MAJ LDRDAG 14-16 11.0 3.37

EUROPAVAGAR' SEP-MAJ LÖRDAG 16-18 10.7 3.04

fUROPAVAGAR___SE?=MAJ _tÖRDAG '18-20 *- ""11;1r"* -" 3:01'"** iUROPAVAGAR' _SEF=hA1"__tU?DAG ""*20622" _ ___"1271 3712 _-*_

EUROPAVAGAR SEP-MAJ LÖRDAG 22-24 20.4 3.34

EUROPAVAGAR SEP-MAJ SDNDAG 00-02 31.2 3.83

EUROPAVAGAR SEP-MAJ SÖNDAG 02-04 37.2 3.45

**EUROPAVAGAR*__SE?=HA7***SÖNDÅG_" *_06=Oö_*_ 26;2 2.77 EUROPAVAGAR -_SEP=MAJ SUNDAG _- _06=08" _ _19;3 3.24

EUROPAVAGAR SEP-MAJ SÖNDAG 08-10 15.6 3.15

EUROPAVAGAR SEP-MAJ SÖNDAG 10-12 12.0 3.37 EUROPAVAGAR SEP-MAJ SÖNDAG 12-14 8.4 3.67 EUROPAVAGAR SEP-MAJ SÖNDAG 14-16 7.6 3.57

' EUROPAVAGAR _SEP-MAU $DNDAG _ 16-18"' " _"B:2 "3:49-- "

EUROPAvAGAR_ $EP=NAU __SDNDAG * ° 18-20 ' ' '11:1 * " 3796 * ___'

EUROPAVAGAR SEP-MAJ SDNDAG 20-22 22.1 4.62

EUROPAVAGAR SEP-MAJ SÖNDAG 22-24 34.0 4.82

(21)

11

LÅSTBILS- AXLAR PER

VAGTYP ARSTID VECKODAG KLOCKSLAG ANDEL (x) LASTBIL (D)

RIKSVÅGAR JUN-AUG HRNDAG 00-02 18.4 4.12

RlKSVAGAR JUN-AUG MBNDAG 02-04 15.1 3.58

RIKSVAGAR JUN-AUG HBNDAG 04-06 16.4 3.53

RIKSVAGAR JUN-AUG NRNDAG 06-08 13.1 2.93

RIKSVAGAR JUN-AUG NaNDAG 08-10 18.8 3.46

" RIKSVAGAR "UUN-AUG' HBNDAG ' 10-12 m 18.S ° * 3.43 "RlKSVÅGAR_ "*1UNGWUG * HÃNOAG __ "12-14> " 17;5 ___3134"

RIKSVAGAR JUN-AUG HBNDAG 14-16 '16.1 3.34 ,

RIKSVAGAR JUN-AUG MÅNDAG 16-18 11.2 3.56 */

*RIKSVÅGAR JUN-AUG HHNDAG 18-20 13.9 3.91

RIKSVAGAR JUN-AUG HANDAG 20-22 15.1 4.19

" RIKSVAGAR UUN=AUG_ _HBNDAG* 22-24 * ** 21.9 4.46

RIKSVAGAR JUN-AUG TIS-TO 00-02 32.9 4.71

RIKSVAGAR JUN-AUG TIS-T0 02-04 39.7 4.58

RIKSVAGAR JUN-AUG TIS-TO 04-06 27.6 4.16

RIKSVAGAR JUN-AUG TIS-TO 06-08 15.5 3.57

RIKSVAGAR *__UUN=AUG' -TTS-TU ' 08-10 18.7 3.04 ' '"R1K$VAGAF*_"_UUN-AUG Tis-TU 10-12 1?.5 3.10

RIKSVAGAR JUN-AUG TIS-T0 12-14 17.5 3.34

RIKSVAGAR JUN-AUG TIS-T0 14-16 16.1 3.34 RIKSVÃGAR JUN-AUG TIS-T0 16-18 11.2 3.56 RIKSVAGAR JUN-AUG TIS-T0 18-20 13.9 3.91

RI(SVAGAR'"-*UUN=AUG*-TTs=TU-"- -20522* '**TS:1 4.19 "RrXSVAGAR-_-ÖUN=AUG-'_TIS-TD* " 22-24* '" *' 21.9 "' "4:46° "

RIKSVAGAR JUN-AUG FREDAG 00-02 32.9 4.71

RIKSVAGAR JUN-AUG FREDAG 02-04 39.7 4.58

RIKSVÅGAR JUN-AUG FREDAG 04-06 27.6 4.16

RlxstGAR' '_Junäruc-"-FREDAG m_ '06=08 "* " T$;3 __ _'3TST"___ ' RIKSVAGÅR UUN=IUG___fREDAG^ .'08-10"" 18:7 3:04

RIKSVAGAR JUN-AUG FREDAG 10-12 19.3 3.10

RIKSVAGAR JUN-AUG FREDAG 12-14 15.0 3.13 RIKSVÄGAR JUN-AUG FREDAG 14-16 9.7 3.42

RIKSVAGAR JUN-AUG FREDAG 16-18 6.7 3.48

RxKSVAGAR -"*uun=AUG* -FREDAG_--'18=20 *__ * 7:7-_- ' 3:46*--"" wR1:SVAGAR-*-vvn=AUG""-FREDAG"- _ ZO-22'*""" "11.3 3.73

RIKSVÅGAR JUN-AUG FREDAG 22-24 18.0 4.12

RIKSVAGAR JUN-AUG LÖRDAG 00-02 19.3 4.55

RIKSVÄGAR JUN-AUG LÖRDAG 02-04 25.0 4.53

RIKSVAGAR JUN-AUG LÖRDAG 04-06 13.5 4.28

'SRIKSVÄGAR'_ UUN-1UG"_ 1ÖRDAG " 06-08L * __ TZ74 * 3249 " _" "' RXKSVAGAR"_ _TUN-AUG '*töROAG"' *08-10 " 'b:7 3;43 '

RIKSVAGAR JUN-AUG LÖRDAG 10-12 5.5 3.11

RIKSVAGAR JUN-AUG LÖRDAG 12-14 6.2 2.96

RIKSVAGAR JUN-AUG LÖRDAG 14-16 5.7 2.99

RIKSVAGAR .JUN-AUG LbRDAG 16-18 5.8 2.77

-WRIxSVAGAR *-_10N-AUG-*LÖRDAG*-'-*18-20 _* - *-'Sg386 ***-**- 2:

»_RiiivAGAR____1üN-tüG*__tüñDAG' "* 20-22 4*_4.1 2:90 RIKSVAGAR JUN-AUG LÖRDAG 22-24 5.4 2.98

RIKSVAGAR JUN-AUG SÖNDAG 00-02 3.8 2.96

RIKSVAGAR JUN-AUG SÖNDAG 02-04 6.9 2.41

-RIKSvAGAR-_-*TUN=AUG*-SÖNDAG"--_04-06 10.6 3.0? -RI(SVAGAR-* "DUN-ADG-_-SÖNDAG*"°-*06-08 -*"°* 10:7*_ -"3;23*-_"*

RIKSVAGAR JUN-AUG SÖNDAG 08-10 7.3 2.84

RIKSVAGAR JUN-AUG SÖNDAG 10-12 5.6 2.98

RIKSVAGAR JUN-AUG SÖNDAG 12-14 5.1 2.93

RIKSVAGAR JUN-AUG SÖNDAG 14-16 4.5 3.06

RIKSVAGAR' *UUN-AUG 'SÖNDAG " " 16-18 **""579 *_"- 3:11* '-* -*

RIKSVAGAR_ 0UN-ADG ' SöNDAG* 18-20' 4;9 3.24 - '

RIKSVAGAR JUN-AUG SÖNDAG 20-22 4.9 3.37

RIKSVAGAR JUN-AUG SÖNDAG 22-24 10.6 3.91

(22)

12

LASTBILS- AxLAR pen

VAGTYP ARSTID VECKODAG KLOCKSLAG ANDEL (x) LASTBIL (0)»

RIKSVAGAR SEP-MAJ F-HANDAG 00-02 14.8 3.98

RIASVAGAR SEP-MAJ NDNDAG 02-04 28.0 4.21

RIKSVAGAR SEP-MAJ HBNDAG 04-06 23.8 4.45

RIKSVAGAR SEP-MAJ HBNDAG 06-08 11.4 3.60

RIKSVAGAR SEP-MAJ MANDAG 08-10 18.4 3.45

*"RIKSVÄGAR ' SEP-MAJ" MANDAG* '10-12" "' 22.8 " " 3.4S ' '* RIKSVAGAR *'SEP-MAJ M8NDAG _ *12-1ü ' '-19;9 -- 3;41-'--"

RIKSVAGAR SEP-MAJ MÅNDAG 14-16 - 16.6 3.31

RIKSVAGAR SEP-MAJ MÅNDAG 16-18 _ 10.4 3.44

RIKSVAGAR SEP-MAJ HBNDAG 18-20 12.0 3.99

RIKSVAGAR SEP-MAJ MÅNDAG 20-22 14.7 4.51

' 1IK$VÃGWR__ _$EP3N11 *N8NDAG " 22=Zü _ ' 19;3 4.54

RIKSVAGAR SEP-MAJ TIS-T0 00-02 33.1 4.72

RIKSVAGAR SEP-MAJ TIS-TO 02-04 39.7 4.36

RIKSVÃGAR SEP-MAJ TIS-T0 04-06 28.6 4.31

RIKSVÄGAR SEP-MAJ TIS-TO 06-08 14.9 3.46

°RIKSVÃGKR _ SEP=MÅU__ 11S-T0*- 08=1ü 17.0 3.09 '

" RTKSVAGAR__ 'SEP=MAD__*TIS=TO_ _"*10-12" 18.6 3.18 RIKSVAGAR. SEP-MAJ TIS-T0 12-14 19.9 3.41 RIKSVAGAR SEP-MAJ TIS-To 14-16 16.6 3.31 RIKSVÄGAR SEP-MAJ TIS-To 16-18 10.4 3.44 RIKSVAGAR SEP-MAJ TIS-10 18-20 12.0 3.99

R 1 KSVAGA'R'üS'EP-MÅ'J*"T1 5-10 -- ao-22 -1 I. . 7 i. .51

- RIKSVAGAR "-SEP=MAD TTG-TD ' "22-24 ' ' 19.3'* -**4:54-"'*'

RIKSVAGAR SEP-MAJ FREDAG 00-02 33.1 4.72

RIKSVAGAR SEP-MAJ FREDAG 02-04 39.7 4.36

RIKSVAGAR SEP-MAJ FREDAG 04-06 28.6 4.31

"* RItSVAGAR " SEP-MAU _TREDAG "06-08 ' _ Tt;9 3;46 '*R1KSVÄGÅR ___SEP=MWV__ TREDÅG 08-10 17.0 3.0?'

RIKSVAGAR SEP-MAJ FREDAG' 10-12 18.6_ 3.18

RIKSVAGAR SEP-MAJ FREDAG 12-14 15.2 3.05

RIKSVAGAR SEP-MAJ FREDAG 14-16 11.4 3.11

RXKSVAGAR SEP-MAJ FREDAG 16-18 6.1 3.29

R1xswGAR-_SEszAu-TREDAG-*_M18-20- 7 .1 3 .51

' RIKSVÅGAR__ $EP=MÄU _'TREDAG " 20-ZZ 9.1 *m3:61

*°'-RLKSVAGAR SEP-MAJ FREDAG 22-24 12.3 4,16

RIKSVAGAR SEP-MAJ LÖRDAG 00-02 16.0 4.51

RIKSVÃGAR SEP-MAJ LÖRDAG 02-04 27.6 4.61

RIKSVAGAR SEP-MAJ LÖRDAG 04-06 20.7 3.87

'Ri(SVAGAR*--$fP-MA1'-tüRDAG" " 06-08_ _*__*'T0.9 3:12 "RIKSVÄGAR* _SEP-MÅJ *töROAG"" 08-10 * ' 6;1 _ 3:10 _ "

RxKSvAGAR SEP-MAJ LÖRDAG 10-12 4.1 3.01

RIKSVAGAR SEP-MAJ LÖRDAG 12-14 4.6 2.92

RIKSVAGAR SEP-MAJ LÖRDAG 14-16 4.8 2.89

RIKSVÅGAR SEP-MAJ LÖRDAG 16-18 5.6 2.77

"iiKSVÄGÅR__-_SEP-MI1___töROAG " **18-ZO ' _ '3; **- 277$-*_* '*"11KSVÄGWR "_ SfP-H11-""töROÅG_ " 20-22 3:4 2.81

RIKSVAGAR SEP-MAJ LÖRDAG 22-24 4.3 2.84

RxxstGAR SEP-MAJ SÖNDAG 00-02 3.0 2.59

RIKSVAGAR SEP-MAJ SÖNDAG 02-04 7.1 2.45

RTK$VÅGÅR__ _SEP=MFD__ SöNDWG___ Oü-O6 873 2.33

'- RIKSVAGAR"-"-SEP=MA1-*_SÖNors' 06-08' ' * ' '8:9 3.26 *

RIKSVAGAR SEP-MAJ SÖNDAG 08-10 7.4 3.17

RIKSVÅGAR SEP-MAJ SÖNDAG 10-12 5.2 2.97

RIKSVÃGAR SEP-MAJ SÖNDAG 12-14 4.3 2.98

RIKSVAGAR SEP-MAJ SÖNDAG 14-16 3.7 3.08

' 11KSVÄGAR' ' $EP-MAJ_ $UNDAG"" '16i18'"' '1;0" ?ams-m*-w

-_*RIKSVAGAR *"-SEP=MAD * SÖNOAG"** 18-20 ' _**"_4:8 3736

RIKSVAGAR SEP-MAJ SÖNDAG 20-22 5.7 3.62

RIKSVAGAR SEP-MAJ SÖNDAG 22-24 7.8 3.88

(23)

13

'LASTBILS- AxLAR pER

VAGTYP ARSTID VECKODAG KLOCKSLAG ANDEL (x) LASTBIL (0)

- ÖVRIGA VAGAR JUN-AUG H8NDÅG 00-02 7.7 3.63

ÖVRIGA VAGAR JUN-AUG MRNDAG 02-04 7.0 3.67

ÖVRIGA VAGAR JUN-AUG HBNDAG 04-06 11.0 3.72

ÖVRIGA VAGAR JUN-AUG MÅNDAG 06-08 12.1 2.94

ÖVRIGA VAGAR JUN-AUG MBNDAG 08-10 15.5 3.05

öVRIGA'VÅGAR' uUN-AUG *HÃNDAG' ' 10-12"_ " '14.1 ^ '3;11"

öVRIGA VÅGAR' UUN-AUG "MBNDÅG * 12-16M " _ "1573" '3719

ÖVRIGA VAGAR JUN-AUG NBNDAG 14-16 x 16.6 2.98

ÖVRIGA VAGAR JUN-AUG HANDAG 16-18 7.1 3.09

ÖVRIGA VAGARF*JUN-AUG MBNOAG 18-20 7.9 3.49

ÖVRIGA VAGAR JUN-AUG MBNDAG 20-22 8.1 3.43

' ÖVRiGA-NÄGAR*_ÖUN-ÅUG*_-MÃNDA6 22-24 **"12:3 3.52

ÖVRIGA VAGAR JUN-AUG TIS-TO 00-02 15.5 4.6?

'ÖVRIGA V'A'5AR JUN-AUG TIS-T0 02-04 28.6 4.80

ÖVRIGA VAGAR JUN-AUG TIS-TO 04-06 21.7 3.35

ÖVRIGA VAGAR JUN-AUG TIS-T0 06-08 15.6 3.41

* "övR-IGA-*VAGAi-dün-Wiü-10m"08'-10_____2378_*_°STS9°_.

"-ÖVRIGA-VAGAR-ÖUN-AÖG--TIS-TD**-H-10-12"" "- 21:2-5"_ '""- 572

ÖVRIGA VAGAR JUN-AUG TIS-TO 12-14 15.3 3.19

ÖVRIGA VAGAR JUN-AUG TIS-TD 14-16 16.6 2.98

ÖVRIGA VAGAR JUN-AUG TIS-T0 16-18 7.1 3.09

ÖVRIGA VAGAR JUN-AUG TIS-TO 18-20 7.9 3.49

*WÖVRiGA ViGAR- 1UN-AUG"_*TI$äTO * 20 ZZ 8:1 3:43 --ÖVRIGA-VAGAR""ÖÖN-AUG*-*1I$-To* * *22-24"W - ' 12.3' * 3:52

ÖVRIGA VAGAR JUN-AUG FREDAG 00-02 15.5 4.67

ÖVRIGA VAGAR JUN-AUG FREDAG 02-04 28.6 4.80

ÖVRIGA VAGAR JUN-AUG FREDAG 04-06 21.7 3.35

'öVRIGN-VÄGAR UUN=ÅUG*_*fREDÅG_ "O6308 13.6 _ 370"__" --ÖVRIGA-VAGAR-UUN=AUG-"-FREDAG*f-*D8-10---*'*2373_*" -3739_-"*

ÖVRIGA VAGAR JUN-AUG FREDAG 10-12 21.2 3.25

ÖVRIGA VAGAR JUN-AUG FREDAG 12-14 16.7 3.43

ÖVRIGA VAGAR JUN-AUG FREDAG 14-16 12.0 3.10

ÖVRIGA VAGAR JUN-AUG FREDAG 16-18 8.8 3.21

H öVRIGA VÃGAR* ?UN3RUG"__fREOAG " 18-20' °' w 73' *m2;89"-"" * öVRIGA VÃGÅR UUN=1UB __TRED!G _ * 20-22 ' '6:? " ?788* _

ÖVRIGA VAGAR JUN-AUG FREDAG> 22-24 4.2 3.50

ÖVRIGA VAGAR JUN-AUG LÖRDAG 00-02 3.0 4.13

ÖVRIGA VAGAR JUN-AUG LÖRDAG 02-04 5.8 3.72

ÖVRIGA VAGAR JUN-AUG LÖRDAG 04-06 16.4 2.91

öVRiGA ViGüR- 7UNHWUG__*töROAG "' 06-08 ' "11:$ * " 2780-* " 'öVRIGA-VÄGAR*-1UN-#UG_ _tbRDAG m " 08-10 ""*9:9"m-**'2:77

ÖVRIGA VAGAR JUN-AUG LÖRDAG 10-12 5.3 2.91

ÖVRIGA VAGAR JUN-AUG LÖRDAG 12-14 4.8 2.89

ÖVRIGA VAGAR JUN-AUG LÖRDAG 14-16 4.3 3.40

ÖVRIGA VAGAR JUN-AUG LÖRDAG 16-18 7.5 2.75

*-öVRiüi-ViüiR-"ÖUN-AUG*_ tURDAG" _ 18ñ20 _ _675' **2:80_-"-" -ÖVRiGA-VAGAR-vüN-AÖG--tÖRDAG -20-22 *4.1 2.éü

ÖVRIGA VAGAR JUN-AUG LÖRDAG 22-24 6.0 2.25

ÖVRIGA VAGAR JUN-AUG SÖNDAG 00-02 4.9 2.53

ÖVRIGA VAGAR JUN-AUG SÖNDAG 02-04 5.7 2.39

-ÖVRIGA-VÖGAR-ÖÖN-AUG* -SÖNDAG---D4-06 ' 7.4 2.70 -"öVRiGA-Vütii-_iüN-ÅUG_-_SÖNDAG _** 06-08 5.9 3:52_

--ÖVRIGA VAGAR JUN-AUG SÖNDAG 08-10 4.7 3.00

ÖVRIGA VAGAR JUN-AUG SÖNDAG 10-12 4.7 2.61

ÖVRIGA VAGAR JUN-AUG SÖNDAG 12-14 2.0 2.71

ÖVRIGA VAGAR JUN-AUG SÖNDAG 14-16 4.2 3.08

"öVRiGA-VÄGAR *TUN-AUG_*-SÖNOAG _"*16618 "' 478 2:96

'ÖVRIGA 1161R' 1UNÖÅUG__-SONDAG_ **_18-20 ' ' '"3:b"' 2:88

ÖVRIGA VAGAR JUN-AUG SÖNDAG 20-22 5.2 3.00

ÖVRIGA VAGAR JUN-AUG SÖNDAG 22-24 7.5 4.00

(24)

14

LÅSTSILS- ÅXLAR PER VAGTYR ARSIID VECKODAG KLOCKSLAG ANDEL (K) LASTBIL (0)

'öVRIGA VAGAR SEP-HAJ ' MÅNDAG' ' 00-02 '> 9.3 3.91 "

ÖVRIGA VAGAR SEP-MAJ NRNDAG 02-04 14.7 3.10

ÖVRIGA VAGAR SEP-MAJ HBNDAG 04-06 17.6 4.53

ÖVRIGA VAGAR SEP-MAJ MÅNDAG 06-08 13.1 3.21

ÖVRIGA VAGAR SEP-MAJ MÅNDAG 08-10 17.8 ,3.11

*öVRIGA_VÄGAR *$EP-HAJ _ HBNOAG M' 10-12 "-"* " 2378'* " 3;24_-""---**ÖVRIGA*VAGAR-*SEP=NA7--MANDAG-*"*12-14 4-24.9 3:07-- *

ÖVRIGA VAGAR SEP-MAJ MÅNDAG 14-16 '- 21.6 3.10

ÖVRIGA VÄGAR SEP-MAJ MANDAG 16-18 13.0 2.89

ÖVRIGA VAGAR SEP-MAJ NRNDAG 18-20 9.6 3.67

ÖVRIGA VAGAR SEP-MAJ MRNDAG 20-22 14.7 ' 3.61

*mini RIGA- 1111011 RäEP-MAWAW_2 2-2 i. i i . 3 i» . i i

öVRIGA VAGAR sEp-NAJ TIS-T0 00-02 26.0 4.08

ÖVRIGA VAGAR SEP-MAJ TIS-T0 02-04 32.6 4.44

ÖVRIGA VAGAR SEP-MAJ TIs-To 04-06 22.2 4.12

ÖVRIGA VAGAR SEP-MAJ TIS-T0 06-08 17.9 3.30

_" üVR1GI*NAGAR"'SEP=MWT__ TTS TO____"O8310 _" 30.ö 3.42 ° öVRIGA VñGÅR_ $E?=MAU __WT$=TO" 10612"_'__ *"1?.5 3.00

ÖVRIGA VAGAR SEP-MAJ TIS-T0 12-14 24.9 3.07

'D'VRIGA V'A'GAR SEP-MAJ TIS-T0 14-16 21.6 3.10

ÖVRIGA VAGAR SEP-MAJ TIS-TO 16-18 13.0 2.89

ÖVRIGA VAGAR SEP-MAJ TIS-T0 18-20 9.6 3.67

* 'ännu-'WAG'A'R'WFPE'MATüfrFTOM" '20-22 14.7 3 .01

* 'ÖVRIGA VAGAR-SER=NAI- T1s-TD'"' 22-24 ' -' "11.3 "" " 4711 "'

ÖVRIGA VAGAR SEP-MAJ FREDAG 00-02 26.0 4.08

ÖVRIGA VAGAR SEP-MAJ FREDAG 02-04 32.6 4.44

ÖVRIGA VAGAR SEP-MAJ FREDAG 04-06 22.2 4.12

'->ÖVRIDA-VABAR-_GEF=MAv-*FREDAG *06=08 -*- 17:9--**3730r-' -'

*_'0'11 R1 (ST-v ÄFAWTWWBäMOTF-*W

ÖVRIGA VAGAR SEP-MAJ FREDAG 10-12 19.5 3.00

ÖVRIGA VAGAR SEP-MAJ FREDAG 12-14 15.5 3.27

ÖVRIGA VAGAR SEP-MAJ FREDAG 14-16 10.9 3.19

ÖVRIGA VAGAR SEP-MAJ FREDAG 16-18 6.1 2.96

- _ÖVRIGN-VAGAR**SEP=MAü*-*FREDAG * _18-20 7.1 3.24 ' ÖVRIG] YAEWR* $EP=WIV__ fREUIG_ _20=?Z__ _"_" _7TZ__ _ _?739___ __

ÖVRIGA VAGAR SEP-MAJ FREDAG 22-24 6.2 3.31

ÖVRIGA VAGAR SEP-MAJ LÖRDAG 00-02 6.6 3.46

ÖVRIGA VAGAR SEP-MAJ .LÖRDAG 02-04 19.9 4.03

ÖVRIGA VAGAR SEP-MAJ LÖRDAG 04-06 18.3 2.48

*-ÖVR1GA*VAGAR-SEF=NAv--tüwDAG-*-06=08*-*- -10:1 2.61 --ÖVRIGA-VAGAR-SEF=NAu--nnnnnur*""-08=10-*--"" S:6*"- -2:86 - "*

ÖVRIGA VAGAR SEP-MAJ LÖRDAG 10-12 4.9 2.87

ÖVRIGA VAGAR SEP-MAJ LÖRDAG 12-14 4.4 2.85

ÖVRIGA VAGAR SEP-MAJ LÖRDAG 14-16 4.4 3.09

ÖVRIGA VAGAR SEP-MAJ LÖRDAG »16-18 4.7 2.74

--ÖVRIGA*VAGAR-SEF=NAv-*-tÖRDAG°*--18-20 4.7 2.48

--ÖVRIGA-VAGAR**SEP-nAv--tÖRDAG 20-22 3.7 2.94

ÖVRIGA VAGAR SEP-MAJ .LÖRDAG 22-24 4.5 3.05

ÖVRIGA VAGAR SEP-MAJ SÖNDAG 00-02 5.7 3.08

ÖVRIGA VÄGAR' SEP-MAJ SÖNDAG 02-04 6.7 3.14

* övRTGI_YTUIR"*$EP=HIU $UNDIF __ _Ot=UU "__"_ " _8TE __ _ 3TTt-_ " üVRtGÅ YÄEÅR _SE?=HFT_* SöNUÃG 06-08 *13.4 3.24

öVRIGA VAGAR SEP-MAJ SÖNDAG 08-10 14.5 3.11 '

ÖVRIGA VAGAR SEP-MAJ SÖNDAG 10-12 6.1 3.09

ÖVRIGA VAGAR SEP-MAJ SÖNDAG 12-14 5.0 2.87

ÖVRIGA VAGAR SEP-MAJ SÖNDAG 14-16 3.2 3.11

_'UVRI G'A *V'A' G'mnSEP-miljö MATT- m '1 6:1 6 5 . 1 2 . 85

" ñVRIGA VIGlñ SEP=NÄU"_ $öNDAG _ 13-ZU 4.1 3.05

ÖVRIGA VAGAR SEP-MAJ SÖNDAG 20-22 6.0 3.44

ÖVRIGA VAGAR SEP-MAJ SÖNDAG 22-24 6.0 3.86

1 1 i J

(25)

15

För att kunna beräkna lastbilsandelar m m över längre perioder och/eller summera över vägtyperna måste man veta hur mycket trafikarbete som utförs i Varje cell. Nedanstående tabeller visar trafikarbetets fördelning på årstid, vägtyp och inom veckan för hela landet. Tabellerna innehåller självklart bara genomsnittsvärden men dessa bör vara tillräckliga för viktning av lastbilsandelar. Summan inom varje tabell är 100.

FÖRDELNING AV DET TOTALA TRAFIKARBETET I SVERIGE

Fördelning på årstid juni - augusti 32.6 resten av året 67.4 Fördelning på vägtyp Europavägar 27.9 Riksvägar 7 29.5

Övriga vägar

42.6

VTI MEDDELANDE l+07

(26)

16

Fördelning inom veckan

Måndag Tis-to Fredag Lördag Söndag Sum ma

00-02 0,147 0.482 0,174 0,261 0,353 1,42 02-04 0,094 0,301 0,106 0,127 0,137 0,76 04-06 0,415 1,014 0,339 0,155 0,088 2,01 06-08 1,758 4,829 1,556 0,553 0.283 8,98 08-10 1,562 4,478 1,454 1,540 0,829 9,86 10-12 1,631 4,701 1.679 2,319 1,694 12,02 12-14 1,671 5,005 2,010 2,189 2,153 13,03 14-16 1,877 5,764 2,446 1,961 2,441 14,49 16-18 2,303 7,219 2,868 1,734 2,526 16,65 18-20 1,393 4,474 1,922 1,290 2,006 11,08 20-22 0,842 2,716 0,935 0,756 1,116 6,36 22-24 0,437 1,485 0,522 0,421 0,455 3,32 Summa 14,13 42,47 16,01 13,31 14,08 100,0

Så här använder man tabellerna: Först räknar man ut antal lastbilsaxlar, personbilsaxlar och lastbilar i varje cell enligt

AL: A L_

200+k(d-2) AP: A 100-k 100-k+s&; 2 L :Åk d

A är i det här :fallet trafikarbetsandelen för cellen enligt ovan. Sedan summerar man över de celler man är intresserad av och får på så sätt totala antalet lastbilsaxlar, personbilsaxlar och lastbilar. Ur dessa är det sedan lätt att gå tillbaka till lastbilsandel och axlar/lastbil. Det bör kanske påpekas att man i dessa beräkningar håller på med relationer och alltså

inte absoluta nivåer.

(27)

17

Om man exempelvis summerar över hela året får man:

Lastbils- axlar per

andel lastbil

Europavägar 14,3 3,86

Riksvägar 12,4 3,48

Övriga vägar

12,9

3,32

Totalt :för hela Sverige är lastbilsandelen 13,1 % och medelantalet axlar per lastbil är 3,49.

(28)

18

5. UPPDELNING PÅ RIKTNING

Att på ett allmängiltigt sätt beskriva trafikens fördelning på riktningar är naturligtvis ett svårt problem. Ändå är det känt att trafikströmmarna i viss mån är förutsägbara. I närheten av en stor tätort rör sig tex merparten av trafiken på en fredagskväll fiån tätorten medan det motsatta gäller en söndagkväll.

För att beskriva mätpunktens geografiska läge har vi infört två

riktnings-tal, rj och r2. För vardera riktningen anger man de A-regioner som kan

tänkas påverka trafiken i mätpunkten. Riktningstalen beräknas sedan i likhet med någon slags gravitationsmodell som

Z invånarantal

A-regioner avstånd till regionscentrum + 5 i riktning i

i=l,2

Det har visat sig att riktningsfördelningen varierar med enkelt snarare än kvadratiskt avstånd. Femman i nämnaren symboliserar att modellen börjar fungera 5 km utanför en tätort. Ur praktisk synpunkt finns den där för att

motverka alltför starka effekter vid små avstånd.

Eftersom det finns olika slags resor har vi valt att definiera två olika typer

av riktningstal. För korta resor (arbetsresor) summerar vi bara över regioner som ligger på avstånd < 100 km. För övriga resor låter vi ingå

A-regioner som ligger inom 250 km utom för Europavägar, då inga avstånds-restriktioner gäller. I fortsättningen kallar vi "korta" riktningstal rj, rz

och "långa" pl, pz.

Om man betraktar långa mätserier ser man att trafiken i stort sett är ganska jämnt fördelad på riktningar utom vid vissa speciella tidpunkter. Ur detta föddes idén att för varje sådan tidpunkt införa en variabel som antar värden just då men som är noll i övrigt. Detta gör det sedan möjligt att slå ihop alla sådana variabler i en linjär additiv modell.

(29)

19

En sådan kan fungera på följande sätt för personbilar och 8

riktnings-variabler fj:

antal personbilar i riktning l :

8 r

bo + bl . personbilsaxlar + ( 1rl + rz - 0,9 _23 bj . fj . personbilsaxlarJ 1

antal personbilar riktning 2 =

8

. r

bo + bl o personbilsaxlar + _2..._ _ 0,9 bj . fl. . personbilsaxlar

rl + rz

jzl

Personbilsaxlar är den aktuella andel av totala axelantalet, som tillhör personbilarna. Som synes är riktningsvariablerna viktade med riktningstal

(ju större skillnad mellan rl och rz desto större snedfördelning). Det har

dessutom visat sig nödvändigt att införa en för Europavägarna speciell term som förstärker snedfördelningen något.

bi 'ar regressionskonstanter som bestäms med minsta kvadratanpassning ur

materialet.

Riktningsvariablerna är funktioner som ser ut så här:

A Storlek på

snedvrldnlngen Fokus

(30)

20

Nedanstående tabell visar vilka riktningsvariabler som har visat sig påverka riktningsfördelningen av personbilar. Regressionskoefficienten anger höj-den på trapetsen ovan, dvs storleken på snedfördelningen. Tecknet visar i vilken riktning merparten av trafiken går, positivt tecken betyder trafik i riktningen med störst riktningstal (t ex mot en storstad).

Riktnings- Fokus Längd Typ av Regressions- Övriga

variabel (minuter) riktnings- koefficient egenskaper

tal f 1 kl 0730 må, ti,on, 450 r + 0,192 -f 2 söndag. kl 2000 i juli 600 p + 0,622 -kl 1630 i januari desse-mellan linjärt f 3 kl 1700 må ti, 450 r - 0,111

on, to

f 4 fredag kl 1830 600 p - 0,398 -f 5 lördag kl 1100 450 p - 0,283 -f 6 lördag kl 1730 450 p + 0,342 -f 7 söndag ' kl 0930 450 p - 0,498 -kl 1030 300 p - 0,184 Bara på må ti, _ Europa-on,to vägar f 8 fre kl 1700 400 p + 0,184 må, ti, on, to

VTI MEDDELANDE 407

(31)

21

För lastbilarna används på samma sätt riktningsvariabler gi. Här gäller att

snedfördelningar bara uppträder på Europavägar och riksvägar. På' övriga vägar sätts riktningsvariablerna till noll.

Riktnings- Fokus Längd Typ av Regressions- Övriga

variabel _ riktnings- koefflcient egenskaper

tal g 1 Samma som F 2 + 0.455 -g 2 Samma som F 4 - 0,221 -g 3 Samma som F 6 + 0,322 -g 4 Samma som F 7 - 0,335 -g 5 Samma som F 8 - 0,063 + 0,063 Samma som F 8 g 6 måndag 660 p + 0,679 Bara på kl 0200 Europavägar g 7 kl 0900 480 p - 0,140 Bara på må, ti, Riksvägar on, to, fre g 8 kl 1900 450 p - 0,363 Bara på må, ti, Europavägar g 9 kl 0200 600 p + 0,499 Omvänt ' tecken

ti, on, 1 på

Riksvä-garna t0,fre g 10 fredag 600 p - 0,212 Bara på kl 2200 Europavägar

VTI MEDDELANDE 407

(32)

VTI MEDDELANDE 407

arbetet kan fördela sig annorlunda över dygnet (och veckan).

lastbilsandelen inte ar exakt lika på samma vagtyp beror på att trafik-00

ar det intressant att jamfora antalet fordon med ÅDT-vardet. A121: variabler. Tabellen på nasta sida visar en sammanfattning av dessa. Bl a

.I

varfor summor och genomsnittsvarden -har beraknats for några viktiga

en .0 i.. 00

ngarna också ar ha

Av utrymmesskal ar det inte molligt att redovisa trafiken dag for dag, ÅDT-värden f ör beräkni

nspi

mtade.

Som synes ar bildeni rerad av. vägverkets trafikflodeskarta, dän0

från

-.: ggg

*än 'i ' I (3 27 %. å' '22 :7 "V -'

55' 'E y' ' '. "iiäi f'nf åifçj 'ica zm_ - F i nedanstående kartskiss 0.

helt år på 6 vägar i närheten av Norrköping. Punkterna ar utmarkta med A

Som exempel på användning av modellen har vi beräknat trafiken under ett

6. EXEMPEL PÅ ANVÄNDNING

(33)

23

Am :mg ñgsrond-ara*ia;;; :3332; :35:1

A 4890 4485 3940 545 2,18 3,49 12,2 8 9900 8689 7390 1299 52,28' 3,86 14,9 C 2630 2452 2147 305 '2,15 3,17 12,4 D 8780 7711 6561 1150 2,28 3,86 14,9 E 13620. 11930 10133 1797 2,28 _3,88 15,1 F 6180 5664 4973 691 2,18 3,49 12,2

I fortsättningen visas i diagramform trafikens storlek och sammansättning under vissa dagar vecka 10 och vecka 28. Man kan se de olika veckodagar-nas typiska trafikmönster och dessas variation på olika typer av vägar. Det framgår tydligt att lastbilstrafiken varierar mindre än personbilstrafiken, både under veckan och under året. Lastbilsandelarna uppnår sin topp under vinterhalvårets vardagsnätter på europavägar.

En generell modell som denna kan naturligtvis inte ta hänsyn till omstän-digheter som är speciella för vissa vägar. En person med lokalkännedom kan t ex ha anledning att tro att fritidstrafiken under sommarhalvåret i punkt C är större än vad som framgår av diagrammen. På en del håll i landet förekommer virkestransporter i en omfattning som gör att vissa småvägar kan ha överraskande stora andelar lastbilstrafik. Om man

miss-tänker att en sådan lokal anomali föreligger, bör man naturligtvis använda

modellen med försiktighet.

(34)

24

FBHDDN PER TIHHE I SHITT n

"IKSUÃE

'

.MIT 4890

üusnns

UECKn 23

*-

xammumm

_... .. ... nu »- .. "'-' ...w ..._ ...U ._ _ .... ._u .- -... -.... m.. ...m---....-.3 ...u "" ..._. . ._ .. .. ._.. . ... ...u-." 5...u-." _- _.

W

w»-*êéäê-r s

i MMMMMMH: k: _ u.-.._..._.4..._..1 v...o_ .-.-.._.-.--._-0..._-»-.-0.. .. .- nu .3: 4.. ._- .- _--u

.-Figur 1.1 Beräknade modellvärden

Funnnu PER TIHHE I SHITT n

HIKEUÄB

ååp? ü

ñnT 4390

;§%% _åå

Lannnü

'*"

*

UECKH 28

....- _-.._ n_ -_. _- ...m-._--_ *0-* m...._._. ..."°'..--"' _--- __--_.. -__-...av_n. 0._ _-...n,...1...,...__. -._ -._._..._..-_p...-...-u. ....- _- ...n

.LLMWLM __

Figur 1.2 Beräknade modellvärden

(35)

25

M |

FORDON PER TII'IHE I SHIT?" H

.-.- .-__--__.-u .- -.

...g-_.-a 11 T

4 B 9 0

I

Immmmm

I:) N S :u H 6

-i! E C K n 1 :D

m m- m_ ..._.ü _-0. .4._. _. .---- m M M

...thätt um

Figur 1.3 Beräknade modellvärden

h_-....

v..

_-_-.-

.-,.

FORDON PER TIHHE I SNITT Fi

å = .. "1'_ = :'7- = =: :: .... *.;fgf-;f'gM35 5 . . .-__==..._=._ .. .,, ä 1] T 4 3 9- o. .: __-:. ._ 'I :i ': ._ _...__.:L:- :14. 1:1... :r: :.r.::;:'_.:'....\.. _M_ .-._"M .. ..:r r: . .. ._.... .. .. .... .. ... .. ...u

LÖHDHB

UECKR

IG

.-...- .. .-...o_....__...n. 4._u.-..--..-n.__.._.-.q v ...- .. 1... a a. n_ ..._ _-. ...-__

Figur 1.4 Beräknade modellvärden

(36)

26

Fünññn ;çn TIHHEMI RHI T B

EUHDPñüåñ

,

== 15*'3.: -:.-'*._ ='"

-

3:- ;--. 2* =.7 1;.:- = = 'Thu-.731531._ 4:3 . 'çu

= .. =.- _ .. .._-, e: = = ... .... _ M... _ , __ å ' ...-.., ...-... n 5.59... 5.531,2'5 Sååå-,I 5:' E 3 .' =_. :...--..m ...--..M ..._==._==:=-.-:z.1n:==

üñgnüü

UECMH

10

...T ..:"'.... '_7_ __ .. . _. .. _. _. . ._ ... ._. M. .-- nu.. _nu- *i

m n

%u

wa

22%

I

,J

"f

ååäglllumumlm

z

Figur 1.5 Beräknade modellvärdén

FBHBBW PER TIHHE I SHITT

EUHUPQUÄB

=

rum

m

-. ...u ._- '_00 ... . .

. --.u..--. n.. .-.av _. 41 4_nya-F.,.

.. - .. .- _ .- - 2 x '1:' . v, ._ .- .- _.- - _..- .y.. . . n .0. *#2 - .u -- .u - __ 1,43.. . '. n - _. . .... .. .... .. _ . -0-.. .- .- ...r - ...- _ 4 ...._.. _....v _. ..-.. .. ._. _.... .d _-... - . .- .- .... ... v_ ._ .os ..- _. ._ .g .-V -w-...-.§- ...- .- ç .- _.u__... .-1.. -. .- .- .o _ 2 .- .- -.- .a.- .. ..-a.... ._ .- .ana 0-....- .u _- -.. .- ...- ..- .- .-_.... .- nu...o .- -... _-hu..--. .__-.-.v

FREBRB

UECKH

1G

..._.-..um .-0-4 .- ._ 4 .-_--u-n _- _-_ _. _. ...-... .- --_ E--_ H.llluzlxlluliuliimg'

Figur 1.6 Beräknade modellvärden VTIMEDDELANDE407

(37)

27

FDHBDN PER TIHHE I SMITT B

5 11' T '9' 9 '3' '3'

mmummn

üusnns

UECKn 23

li:á:glilllimumullüä I

' i

.7 '15-1

._-______-bum

.... . .J' 3:..." w* "

Figur 1.7 Beräknade modellvärden

FORDON PER TII'II'IE I SHI T B

EUHDPFIUÃE

55.:...?

-E

ñIlT

?9430

FHEDFIB

UECKH

23

l _..._ . _-0-. .... '1 3' I :_, . . k v,ç" f,ra-V är" ... ...,... ... ... ... ... .. := :: ::: :2 :3 s: :: :: ::: ::: :::-:::: :::"::. := := .. .. .. _h_ .. __ .. ...-__- v.. *0 l [M I nu ili ,l) l "F Hi III ' lll !:: , 21! ?

mm

äêê

V

.

W * ?t

:unikt n

_-...V_..

" I :I _ u

...---.-.-...a ..-.-..a_....-.. ._.-.- -Figur 1.8 Beräknade modellvärden

(38)

28

FBI-HIGH PER TIHHE I 5 ITT [i

LÃHSUÃB

«-._... _-.a_... v.. u..mu_ n_-. ...n-..._.d ...--._.... -n. .._. ._..._ ..._.. _..--_...- . 1.u ul -. hub." _.. .H -7.4,,4 :JJ . ;-H ,\;__.A:ump. {4,v

_ _ -. .op. - .Inu. - u. ' - ... .. .. ..._ .. .__.. ..._ ... ... _..._ ..--. ____ .... ._ n_ ..._ . -- ._ .. .. _. .. .. ._ u- .. m.. .4 .p .. ._ _. ._ .. -- _. .. .. .. .. .. .. .. ... .. _-1_ ._.._... ... .... ... .... -...-..wH... .. ._ ___... ._ .._. _. *. _. _. u_ .. _-. ._ .-.. _. 4.. .. ... .. ... .. .. ... __..u...- .._.__..u.._

nnsnnü .

uecxn 10

.. ._- m4-.-.-....»- ._..._...-...-- .-.. .-... ...-_-... _-...- ..-... -..._- .-...- ..._ -.. _..._ . _--m '=. -ø - _..._. _ ._..._- _.-ø...-....- ..-- _-..._-_....- .-_'u .- '..-._ ... .... _- ... _ _- .-_ .. .o .-_' _..._ '- .-... _-u.4_.-...- n..-.-

lJ .

:umudh.mqü l"C : : -U::_ '44; 4 ' :r *- -* __3 N. _. .. .. ._ . -. . _ ... _ _u. _. .- --_-- :-... ._ .. ... ... .... M- __7' ...; '.__ J' _._" _- '

"-Figur 1.9 Beräknade modellvärden

FDHDDH PEH TIHNE I SNI T B

LÄNBPÃB

m

a 11 T i 6 '5- 0

mmmumn

Suunna

UEEKH 1a

:§55 V i l I

3 i m mr

nJULLMMügJUW

gm

i, ;ån

mgku

Figur 1.10 Beräknade modellvärden VTIMEDDELANDE407

(39)

29

Funnüu PER TIHHE I SNITT c

LÃHSUÃE

ågåäää_

wa

'5 11' T 2 5 3 '0'

unnmunm

DHSDHE

UECKR 23

_ ...

I 2 I

I. -

JL..

Figur 1.11 Beräknade modellvärden

FDHDUH PEH TIHHE I SNI T B

LåHSUåE

aan_:

Jm;

ut 11 T 2 6 '-5 0

nummmm

Sannas

UECKH 23

"U li l lil l!

I 'n u jun !! n i rum "h a n im I ! ,i *m 'L I! I!! ! ... .._ ..-.._.__. .._. ._w-....- .n.-._.__.-_u. _-_.1 H .-.._.. ...0- .. V .... .._-5. .... __-. -_-.. . .. _ _-gn uh asa; 111 1"' m, mig

. .. -. .-4_ I! ll .-0 'i n _ _.4-V ,nu ._ * lug n" H W W g W i ;l' irl E

I

n, a '

LLLLWLLLL

m n

Figur 1.12 Beräknade modellvärden

(40)

30

FORDON PER TIHHE I SWITT D

.nu .. _. ... 0... n..- -.- .. . r_ _. ... i... ._ .._ .. ._ 0-... .- _... a.. .-._ _.- .u y .. 0 x'M , v 7;; ._ ._ .- ... .. ...- .. ..- .1;...2 -.. .- ....- ... .- ..-._ . _ . 3.- »Hud _ .. ... .- _. .. _ _. -. 1- vi' r ._ .- .. ... ..._ _ ...- 4.. ...-..._ . ..._. _. ... ... _ _- _a- -_ w.- .- ..- .m.. ...-.. .- __ .._ .- ._ .-...q .. ._ 0... _....-... ...- .-__ ._.. _..a 0.... . _. .._... ...0. .. : ... ._ a. .- ._ ._ .- ..- .- .- -. _. ._ .- .. u. n. - - .a ...- -- .- - -ø .. p..- .. -. .. _- ._ ._ ....- -.

...-DHSDHG

UECKQ

10

...- __. .-0 m..._ .... __-..' ...-_..g.- _.-_. .._ _0-. m... ...__ .-_. __0.. ...- _-. _.u ...n .-... .. _-.. <a..-. ._._ ...a..-_. .n_.a...1.4.-._.a. .- ..._. 4.._...u__.._.A... .-.- ._ _- . -,_ ... .- .. .0. _. ...-.0-0- _ _ _--- _...1- _..-.._.0...-.-. -' ._ ...--u-_. __... .. ' 7 ha :2%: -. v ' "'tf 5132 3.213"

Nm

IM U%

3 m "immuml i e a :m ' __- .-...--_ ...-.

Figur 1.13 Beräknade modellvärden

FDHDDH PER TIHHE I SHI T B

EUHUPQUÃB

åâgäää_

51

33730

Lönnnü

UEcKn 10

åâê

!

_____;J'LIHLH:Lusmuujllgma

.'

i

Figur 1.14 Beräknade modellvärden VTIMEDDELANDE407

(41)

ä D T

B F Sü

UNSDQG

UECKH

28

1+ ;;

I!

i,i

1:

JJ'

?gililllumumälllålgE ,s

.-__.__...n_-

'. .1:55

...-_-..-u_ ..

M

-.

I .. -n..

--

.m

Ä D T

B ? BD

LÖHBHB

.-W _.-. .u....-nv-s-_Aa . 4._ ._ _- ...øwø _-_ .. ._.-....-_-_.._._.... m _. 0.. ...g _.._.._7-..." -..

U

r

.-.a . ..-w I 1

m

I I

-.. _....u

f!7*IIL

W

f [

____JÖUILHILWLIHLMIUlb

j

lllllllllllllllllllllllvärden EEEEEEEEEEEEEE07

(42)

32

m

FBRDUN PER TIHNE I SNI T

EUHUPHUÃG

! um 'n'u' mm ll||§I | i|, ll| Eli t !

l mm

__- .._-: w-;w.. .. q .Am-;i., _ _- v'-^'|"^| . .. ... ._. ... . ... ..--...- u..-. ... _.-.... _.. --.--.-... _ -...._ .. an..- _....--..._..._-.----..w - .._ -. A .. _.

DHSDHB

UEEKH

IO

L ll! ill ;m h u :2 -M M _ _ -n -äinä _ :åáéå 'L {

I!!!

' i

i

M

1 llslllltllltlllllih _ . I _ * _ ____

såäa4:- 1:" äääl"1-3" i.: ê*§5.. _-3_ gå;_E_ :_51 :âå5.... "1-7

Figur 1.17 Beräknade modellvärden

Funnün PER TIHHE I SN

T E

EURDPPUÃE

åääääg_

-ww

*5 13 T 1 5 45 2 O

mummmu

Snunns

UECKH 10

.LliuhuniI'LMIL it'iile

Figur 1.18 Beräknade modellvärden VTIMEDDELANDE407

(43)

33

Funnüu PER TIHHE I SNITT E

35 11' T 1 3 "5 Å "3

nmumunu

nusnnü

UECKH 28

a..

äJmemJål

J :IHWUL

,

L

Figur l;l9 Beräknade modellvärden

Funnnu PEH TIHHE I SNITT E

EunnPnuaa

ååâug;

Nu

3* E! T 1 3 5 2 0

mummnm

SDHDñB

UECHn 2B

... u... .. .. H... #-4. I_:n... .-....v.._.-... --1 nu... .- ._ -. o-....av_-.- .. ..-..._ ..._. ,4... _.-.ø _- u-v- .--..m

mg aa

!

äJWMWMQÄL

_.-._... --ag.-.---...;0 .-...-m__.m--1.m..-.a .-..a._-....-.n_... .-Figur 1.20 Beräknade modellvärden

(44)

34

FUHDDN PER TIHHE I SMITT F'

.'5- 1] T

6- 1 8 'D

HIIHHHNHH

m .n .. ..-..._...Va..._-....-...V .._._.._...-_-_-_-.. ... v-.... __.-.... .. -...-0. ._ - m....n g .- M N... ._

UECKFI

10

...-k

-

sm:Nm

... ' n..."" " ....A ""..- - .q ...._. .s. ...u ... nu ._-. _a. .. ..- .n -0O

.--..._..u..- -.--u.. .m...u n.n.__p.-.-. ,_u-..- å... ...-_._._ _...-u..

.-Figur 1.21 Beräknade modellvärden

FUHDUN PER TIHHE I SNITT F

HIKSUÃG

..__»._.4._

--n

_..-.up.-_...-._m_._ w_.--._ ...-1--___...-._-0- ..-._.g-....-a-- ...a.m__...-.-..-.--.-__-_--_.-_.__.av...-a_-.g_-.-

_-m__.._ nu. ...m ...-._ .- .0 _-..

u.. .- .-.- v. __. ._...- ..-..-.uu ....- .s-s _-.- V.. ..- ..-_.-r_I_ vi.

_-W0...on- a..." .4: -_..._ M... a..

_-_ ..- ..-.u _ ._ -u .- _._ - _-u. m .-= .-._ .-.- .. ...u ..- u. .- .-- ..._- _ _u- -q_.- -a .-

.-SÖHDHE

UECKF'I

10

.. ...m.. .. .._- .p _-.. ...n _... ..., .._...__.-.- -.__.-_- a.-.. ...m .n.V..._.._. u..n..- .-.._- .._. ..._-..._.. __- .-...- 44-4 m... ..-. ..._ ..-._ ...n-'r _u.. _ _ u... ._...u -n _-... ... .. -. ...- .-.-0 ra .-.. n.. .a ...a ...H _.uø

_-...HL'LLW.L.L!LLW

--.. a __ .-_ .- AM

1-.-Figur 1.22 Beräknade modellVärden VTIMEDDELANDE407

(45)

35

FDHBGH PER TIHHE I SHITT F

H I K 5 U Ä [5' g_ggg-.7; 'å' ä_

"5 11' T, *5 1 3 Ö

mnmmmu

üHsnnE

UECKn 23,

H 0, __.4 _-ø _..\ . .'...-..__... 5-...b--

__. " ' I i * I- 0 A. ...n ...a --..u.. ... ...-nu... _ .4... A..._- 0-_-.-._. --- ._-aa.__

Figur 1.23 Beräknade modellvärden

Funnün PER TIHHE I SHITT F

H I K 5 U 5 6 5 :55:32 5:3 ' _ ,

*5 11' T 6 1 3 *3*

;3:45

mmmmnn

SGHBHE

UECKR 28

ååâl

q 1

l

i

Figur 1.24 Beräknade modellvärden

(46)

Figure

Figur 1.2 Beräknade modellvärden VTIMEDDELANDE407
Figur 1.4 Beräknade modellvärden
Figur 1.6 Beräknade modellvärden
Figur 1.7 Beräknade modellvärden
+7

References

Related documents

Figure 18 TEM of goethite nanoparticles (rod shaped) and titanium dioxide nanoparticles in an A549 cell.. of measurements with graphene oxide Raman bands from graphene oxide in

Goddard and Cherry [8] report on an attenuation-prediction model using S-band radar measurements of reflectivity and along the slant path and found excellent agreement with

Sannolikt reducerar man därför inte risken för påkörning av fotgängare genom att förbättra dennes synbarhet med högre belysningsnivå, utan genom att göra fotgängaren

Störst andel godkända delobjekt hade Region Syd med 57 procent, följt av Väst, Öst, Norr, Mitt och Stockholm.. • På riksvägar blev 46 procent av samtliga

The National Road Administration currently measures speeds on the Swedish road network in order to monitor speed trends, but there is uncertainty about how its measuring

The electricity production is calculated for the two heat market scenarios giving the highest and lowest electricity consumption: SD-LSEL (slow development and a large share of

Friction values measured with a standard test tyre on a standard friction trailer using xed longitudinal slip braking of the test wheel is proposed to be used as normalising

The Swedish National Council for Crime Prevention (2019) explains that there is a need to enhance knowledge among crime prevention stakeholders and highlight that both