Trafikplanering under explicita miljö- och energikrav

Full text

(1)Examensarbete LITH-ITN-KTS-EX--05/055--SE. Trafikplanering under explicita miljö- och energikrav Joakim Ekström 2005-12-21. Department of Science and Technology Linköpings Universitet SE-601 74 Norrköping, Sweden. Institutionen för teknik och naturvetenskap Linköpings Universitet 601 74 Norrköping.

(2) LITH-ITN-KTS-EX--05/055--SE. Trafikplanering under explicita miljö- och energikrav Examensarbete utfört i kommunikations- och transportsystem vid Linköpings Tekniska Högskola, Campus Norrköping. Joakim Ekström Handledare Clas Rydergren Examinator Clas Rydergren Norrköping 2005-12-21.

(3) Datum Date. Avdelning, Institution Division, Department Institutionen för teknik och naturvetenskap. 2005-12-21. Department of Science and Technology. Språk Language. Rapporttyp Report category. x Svenska/Swedish Engelska/English. Examensarbete B-uppsats C-uppsats x D-uppsats. ISBN _____________________________________________________ ISRN LITH-ITN-KTS-EX--05/055--SE _________________________________________________________________ Serietitel och serienummer ISSN Title of series, numbering ___________________________________. _ ________________ _ ________________. URL för elektronisk version. Titel Title. Trafikplanering under explicita miljö- och energikrav. Författare Author. Joakim Ekström. Sammanfattning Abstract Vägtrafiken. står för en allt större del av energianvändning och luftföroreningar. Att kunna beskriva de effekter på energianvändning och miljö som vägtrafiken ger upphov till blir därför allt viktigare. Modeller för simulering av personbilstrafik, energianvändning och utsläpp kommer i detta sammanhang att få en central roll. I detta examensarbete visar vi hur en modell för trafiksimulering kan användas tillsammans med en modell för beräkning av energianvändning och utsläpp vid analyser av infrastrukturförändringar i ett trafiknätverk. Vi tillämpar modellerna praktiskt på ett trafiknätverk över Norrköping och studerar vilken ytterligare information en beräkning av energiförbrukning och utsläpp kan tillföra planeringsprocessen. Den beräkningsmetodik för energiförbrukning och utsläpp som används kommer att ge oss information om bränsleförbrukning samt utsläpp av koldioxid, kväveoxider och lättflyktiga organiska ämnen från personbilstrafik. Resultat från tillämpningen på trafiknätverket över Norrköping visar att beräkning av utsläpp, när två planeringsalternativ jämförs, tillför information som kan få betydelse i planeringsprocessen, jämfört med om endast information om förändring i trafikarbete och upplevd reskostandsförändring varit tillgänglig. Utsläpp av kväveoxider och lättflyktiga organiska ämnen från fordon med inte fullt uppvärmd motor kommer påverka de totala utsläppen kraftigt. Att uppskatta de totala effekterna av en förändring i energiförbrukning och utsläpp av koldioxid är svårt om endast biltrafiken studeras. Om vi även uppskattar effekten på tung trafik kan vi se att denna effekt inte är obetydlig. Under antagande om att den tunga trafiken är obenägen att förändra sitt val av resväg och avreserestid, kan vi med större säkerhet uttala oss om hur stora förändringar som kan förväntas.. Nyckelord Keyword. trafiksimulering, emissionsmodell, energianvändning, utsläpp.

(4) Upphovsrätt Detta dokument hålls tillgängligt på Internet – eller dess framtida ersättare – under en längre tid från publiceringsdatum under förutsättning att inga extraordinära omständigheter uppstår. Tillgång till dokumentet innebär tillstånd för var och en att läsa, ladda ner, skriva ut enstaka kopior för enskilt bruk och att använda det oförändrat för ickekommersiell forskning och för undervisning. Överföring av upphovsrätten vid en senare tidpunkt kan inte upphäva detta tillstånd. All annan användning av dokumentet kräver upphovsmannens medgivande. För att garantera äktheten, säkerheten och tillgängligheten finns det lösningar av teknisk och administrativ art. Upphovsmannens ideella rätt innefattar rätt att bli nämnd som upphovsman i den omfattning som god sed kräver vid användning av dokumentet på ovan beskrivna sätt samt skydd mot att dokumentet ändras eller presenteras i sådan form eller i sådant sammanhang som är kränkande för upphovsmannens litterära eller konstnärliga anseende eller egenart. För ytterligare information om Linköping University Electronic Press se förlagets hemsida http://www.ep.liu.se/ Copyright The publishers will keep this document online on the Internet - or its possible replacement - for a considerable time from the date of publication barring exceptional circumstances. The online availability of the document implies a permanent permission for anyone to read, to download, to print out single copies for your own use and to use it unchanged for any non-commercial research and educational purpose. Subsequent transfers of copyright cannot revoke this permission. All other uses of the document are conditional on the consent of the copyright owner. The publisher has taken technical and administrative measures to assure authenticity, security and accessibility. According to intellectual property law the author has the right to be mentioned when his/her work is accessed as described above and to be protected against infringement. For additional information about the Linköping University Electronic Press and its procedures for publication and for assurance of document integrity, please refer to its WWW home page: http://www.ep.liu.se/. © Joakim Ekström.

(5) Förord Detta examensarbete är genomfört på Institutionen för teknik och naturvetenskap vid Linköpings universitet. Arbetet har genomförts under hösten 2005 och är det avslutande momentet på civilingenjörsutbildningen Kommunikations- och transportsystem vid LiU Norrlöping. Jag vill tacka min handledare, Clas Rydergren, som har varit ett stort stöd under hela arbetet och bidragit med värdefulla synpunkter. Jag vill även tacka opponenten, Sophie Mörch, för synpunkter på rapporens utförande och innehåll. Norrköping, december 2005 Joakim Ekström.

(6) Sammanfattning Vägtrafiken står för en allt större del av energianvändning och luftföroreningar. Att kunna beskriva de effekter på energianvändning och miljö som vägtrafiken ger upphov till blir därför allt viktigare. Modeller för simulering av personbilstrafik, energianvändning och utsläpp kommer i detta sammanhang att få en central roll. I detta examensarbete visar vi hur en modell för trafiksimulering kan användas tillsammans med en modell för beräkning av energianvändning och utsläpp vid analyser av infrastrukturförändringar i ett trafiknätverk. Vi tillämpar modellerna praktiskt på ett trafiknätverk över Norrköping och studerar vilken ytterligare information en beräkning av energiförbrukning och utsläpp kan tillföra planeringsprocessen. När vi vill uppskatta hur energianvändning och utsläpp påverkas av en infrastrukturförändring kommer inte bara resenärernas ändrade val av resväg få betydelse. Vi måste även ta hänsyn till hur resenärer väljer mellan olika färdmedel samt hur benägna resenärerna är att genomföra en resa. Den modell för trafiksimulering vi använder måste därför kunna hantera elastisk efterfrågan och färdmedelsval, förutom att beskriva hur resenärerna fördelar sig i trafiknätverket. Den beräkningsmetodik för energiförbrukning och utsläpp som används kommer att ge oss information om bränsleförbrukning samt utsläpp av koldioxid, kväveoxider och lättflyktiga organiska ämnen från personbilstrafik. Utsläpp av koldioxid är inte direkt hälsoskadligt men kan ses som ett globalt miljöproblem eftersom det påverkar växthuseffekten. Effekter av utsläpp av kväveoxider och lättflyktiga organiska ämnen är istället ett lokalt problem och dessa utsläpp kan direkt skada miljö och påverka människors hälsa negativt, exempelvis genom ökad risk för cancer eller hjärt- och kärlsjukdomar. Resultat från tillämpningen på trafiknätverket över Norrköping visar att beräkning av utsläpp, när två planeringsalternativ jämförs, tillför information som kan få betydelse i planeringsprocessen, jämfört med om endast information om förändring i trafikarbete och upplevd reskostandsförändring varit tillgänglig. Utsläpp av kväveoxider och lättflyktiga organiska ämnen från fordon med inte fullt uppvärmd motor kommer påverka de totala utsläppen kraftigt. Det är även förändringen av dessa utsläpp som kommer att ge den kraftigaste förändringen och att endast beräkna utsläpp från fordon med varm motor skulle ge en felaktig bild av förändringen i utsläpp. Att uppskatta de totala effekterna av en förändring i energiförbrukning och utsläpp av koldioxid är svårt om endast biltrafiken studeras. Om vi även uppskattar effekten på tung trafik kan vi se att denna effekt inte är obetydlig. Under antagande om att den tunga trafiken är obenägen att förändra sitt val av resväg och avreserestid, kan vi med större säkerhet uttala oss om hur stora förändringar som kan förväntas..

(7) Abstract Road traffic represents an increasing part of energy use and air pollution. To be able to describe the impact of road traffic on energy use and the environment is becoming more important. In this context, models simulating road traffic, energy use and emissions will have a central role. In this Master’s thesis we illustrate how a model for traffic simulation can be used together with models used for computation of energy use and emissions for estimating the effects of different changes in road infrastructure. The models are applied on a traffic network over the city of Norrköping and evaluated with respect to what information that can be used, from the computation of energy use and emission, to enhance the traffic planing process. When estimating changes in energy use and emissions due to changes in road infrastructure it is not only of interest how the travellers choose routes through the network. We also have to consider how the travellers choose between different means of travel and how inclined the travellers are to carry out a trip. Therefore it is essential that the model used for simulating the traffic can handle elastic demand and modal splits as well as traffic assignment. The models used to estimate energy use and emissions presents information about fuel consumption and emissions of carbon dioxide, nitrogen oxides and volatile organic compounds from motorcar traffic. Emissions of carbon dioxide do not present any direct danger to health but can in the long term have impact on global heating. The emission of nitrogen oxides and volatile organic compound presents a more immediate risk on a local level for nature and humans. Emission of nitrogen oxides and volatile organic compounds posses a threat to our health by increasing the risk of cancer and heart- and lung diseases. The results from an application on the city of Norrköping show that, when comparing two different changes in infrastructure, computation of changes in emissions provide information that may be significant to the traffic planing process. Emissions due to cold excess emissions will give rise to the most substantial changes in emissions of nitrogen oxides and volatile organic compounds. Only to compute emissions from vehicles with hot engines would provide false information. To estimate the change in energy use and emission of carbon dioxides is difficult when only studying light weighted vehicles. If effects on heavy-duty vehicles are included in the estimation, these effects can not be considered insignificant. With the assumption that heavy-duty vehicles will not change their travel routes or time of departure due to changes in travel time, we can estimate changes in energy use and emissions of carbon dioxides for heavy-duty vehicles with more certainty compared to when only considering motorcars..

(8) Innehåll 1. . . . . .. 5 5 5 6 6 6. . . . . . . . .. 7 8 8 9 12 13 14 15 20. . . . . . . . .. 21 21 22 23 23 24 26 26 29. 4. Lösningsmetod 4.1 Exempel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 30 34. 5. Beräkning av emissioner 5.1 Fordonsflottans fördelning . . . . . . . . . . . . . . . . . . . 5.2 Varmutsläpp . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.3 Kallutsläpp . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.4 Avdunstning . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.5 Korrektionsfaktorer . . . . . . . . . . . . . . . . . . . . . . . 5.5.1 Åldrande . . . . . . . . . . . . . . . . . . . . . . . . 5.5.2 Bränslekvalitet . . . . . . . . . . . . . . . . . . . . . 5.6 Exempel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.7 Värdering av emissioner . . . . . . . . . . . . . . . . . . . . 5.8 Användning av emissionsmodell tillsammans med trafikmodell. . . . . . . . . . .. 36 37 38 40 45 46 46 48 49 52 52. Grundscenario 6.1 Trafiknätverket . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2 Kollektivtrafik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 53 54 56. 2. 3. 6. Inledning 1.1 Syfte . . . . . . . . . . . . . . . . 1.2 Problemformulering . . . . . . . . 1.3 Arbetsgång och metodbeskrivning 1.4 Avgränsningar . . . . . . . . . . . 1.5 Rapportens disposition . . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. . . . . .. Bakgrund 2.1 Introduktion till trafikplanering och trafikmodeller . . . . . . 2.1.1 Trafikplanering . . . . . . . . . . . . . . . . . . . . 2.1.2 Modeller för trafiksimulering . . . . . . . . . . . . . 2.2 Modellering av vägtrafikens utsläpp . . . . . . . . . . . . . 2.2.1 Grunder för emissionsberäkning . . . . . . . . . . . 2.2.2 Tillgängliga emissionsmodeller . . . . . . . . . . . 2.2.3 Jämförelse av beräkningsmetodik i MEET och EVA 2.2.4 Föroreningshalter . . . . . . . . . . . . . . . . . . . Simulering av trafik 3.1 Beskrivning av biltrafiknätverket . 3.2 Modellering av valsituationer . . . 3.2.1 Efterfrågan . . . . . . . . 3.2.2 Färdmedelsval . . . . . . 3.3 Modellering av biltrafik . . . . . . 3.4 Modellering av kollektivtrafik . . 3.5 Optimeringsmodell . . . . . . . . 3.6 Värdering av förändrad reskostnad. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . .. . . . . . . . .. . . . . . . . .. . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . . . .. . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . . . .. . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . . . .. . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . . . .. . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . . . .. . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . . . .. . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . . . .. . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . . . ..

(9) 6.3 6.4 7. 8. Elastisk efterfrågan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Emissioner . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. Resultat 7.1 Nuläge . . . . . . . . . . . . . . . . . . . 7.2 Effekter av kapacitetsförändringar . . . . 7.2.1 Trafikarbete istället för utsläpp . . 7.2.2 Effekt av kallutsläpp . . . . . . . 7.2.3 Hur påverkas den tunga trafiken? . 7.3 Effekter av förändrad kollektivtrafiktaxa . 7.4 Slutsatser . . . . . . . . . . . . . . . . . Diskussion. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. . . . . . . .. 56 57 57 58 59 63 63 65 66 67 69. Referenser. 71. A Prognosdata över fordonsflottan år 2005. 73.

(10) Figurer 2.1. 3.1 3.2 3.3 3.4 4.1 5.1 5.2 5.3 6.1 6.2 7.1 7.2. Utsläpp av N Ox i EVA och MEET för forodnklass B/EURO I på landsväg med siktklass 4. Korrigeringen avser att återspegla fordon utan försämring pga. åldrad katalysator, för jämförelse mot EVA. . . . . . . . . . . . . . . . . . . . . . Exempel över ett litet nätverk med fyra start- och slutpunkter vilket ger totalt tolv O/D-par. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Binomial Logitmodell för modellering av efterfrågan. . . . . . . . . . . . . . . Binomial Logitmodell för modellering av färdmedelsval. . . . . . . . . . . . . Nästlad logitmodell för modellering av efterfrågan i den övre nivån tillsammans med färdmedelsval i den undre nivån. . . . . . . . . . . . . . . . . . . . . . . Nätverket med tre länkar, fyra noder och två O/D-par, (1,4) och (2,4). . . . . . Andel av det totala utsläppet som funktion av kvoten mellan ressträcka och kallsträcka. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Restid och hastighet över tre länkar. . . . . . . . . . . . . . . . . . . . . . . . Andel utsläpp mellan δ start och δ slut . . . . . . . . . . . . . . . . . . . . . . . Schematisk bild över processen att generera data till ett grundscenario. . . . . . Restid, t, som funktion av flöde, w, för vägklass M50 och M70. . . . . . . . . Nuvarande trafiksituation i hela nätverket, tjockleken på länkarna representerar storleken på flödet. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Nuvarande trafiksituation i de centrala delarna av staden, tjockleken på länkarna representerar storleken på flödet. . . . . . . . . . . . . . . . . . . . . . . . . .. 17 21 23 24 25 34 42 44 45 54 56 59 60. Tabeller 4.1 4.2 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 5.10 5.11 5.12 5.13. Efterfrågan och kostnader i exempelnätverket. . . . . . . . . . . . . . . . . . . Parametrar i BPR-funktionen för exempelnätverket. . . . . . . . . . . . . . . . Årsmodeller och fordonsklasser. . . . . . . . . . . . . . . . . . . . . . . . . . Reduktionsfaktor, R, för varmutsläpp från fordonsklass C-E. . . . . . . . . . . Samband mellan emissionsfaktor för NOx och medelhastighet. . . . . . . . . . Samband mellan emissionsfaktor för VOC och medelhastighet. . . . . . . . . . Samband mellan emissionsfaktor för bränsleförbrukning (FC) och medelhastighet. Parameter a och ω samt kallsträcka dc som funktion av medelhastigheten, vc , under kallfasen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Reduktionsfaktor, R, för kallutsläpp från fordonsklass C-E. . . . . . . . . . . . Korrektionsfaktorer för hastighet och temperatur. . . . . . . . . . . . . . . . . Emissionsfaktor för utsläpp av HC till följd av avdunstning under färd. . . . . Parametervärden för beräkning av korrektionsfaktor, M C, pga fordons åldrande, fordonsklass B och C. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Parametervärden för beräkning av korrektionsfaktor, M C, baserad på UDC, pga fordons åldrande, fordonsklass D och E. . . . . . . . . . . . . . . . . . . . . . Parametervärden för beräkning av korrektionsfaktorer, M C, baserad på EUDC, pga fordons åldrande, fordonsklass D och E. . . . . . . . . . . . . . . . . . . . Bränslespecifikationer. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 34 35 37 39 39 40 40 41 41 42 46 48 48 48 49.

(11) 5.14 Antaganden om fordonsflottans fördelning vid beräkning av utsläpp i exempelnätverket. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.15 Länkdata för exempelnätverk. . . . . . . . . . . . . . . . . . . . . . . . . . . 5.16 Resultat av delberäkningar för kallutsläpp på länk 3 i exempelnätverket. . . . . 5.17 Värdering av utsläpp. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1 Vägklass och parametrar i BPR-funktionen för en länk med längden 1 km. . . . 6.2 Spridningsparametrar i den nästlade logitmodellen. . . . . . . . . . . . . . . . 7.1 Beskrivning av nuläge. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.2 Effekt av förändrad potentiell efterfrågan på efterfrågan för biltrafik. . . . . . . 7.3 Procentuell förändring med alternativ 1, oförändrad efterfrågan. . . . . . . . . 7.4 Procentuell förändring med alternativ 1, 15 % ökad efterfrågan. . . . . . . . . 7.5 Procentuell förändring med alternativ 1, 30 % ökad efterfrågan. . . . . . . . . 7.6 Procentuell förändring med alternativ 2, oförändrad efterfrågan. . . . . . . . . 7.7 Procentuell förändring med alternativ 2, 15 % ökad efterfrågan. . . . . . . . . 7.8 Procentuell förändring med alternativ 2, 30 % ökad efterfrågan. . . . . . . . . 7.9 Kallsträcka, vid temperaturen 6 o C, för fordon med katalysator. . . . . . . . . 7.10 Körsträcka för att nå 90 % av kallutsläppet, vid temperaturen 6 o C för fordon med katalysator. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.11 Effekt på kallutsläpp respektive varmutsläpp om alternativ 1 genomförs. . . . . 7.12 Emissionsfaktor, bränsleförbrukning för tung trafik, 16-32 ton, fyllnadsgrad 50 %. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.13 Vinst(+)/förlust(-) med ökad kollektivtrafiktaxa, i kronor, under den studerade timman. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A.1 Genomsnittlig ålder uttryckt i antal körda mil, M Kf m , för fordonskategori m med cylindervolym f . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A.2 Andel trafikarbete, Af m som för prognosåret 2005 utförs av fordonskategori m med cylindervolym f . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 50 50 51 52 55 57 58 59 61 61 61 62 62 62 63 64 64 66 66 73 74.

(12) 1 INLEDNING. 1 Inledning Vägtrafiken står för en allt större del av energiförbrukning och luftförorening. Samtidigt ställs allt högre krav på att minska utsläpp från vägtrafiken. Drygt 70% av transportsektorns totala energianvändning kommer från vägtransporter och 2001 stod transportsektorn för 36% av de totala koldioxidutsläppen i Sverige [7]. För tätorter uppskattas att 70-80% av kvävedioxidutsläppen kommer från vägtrafiken. Trafikmodeller har traditionellt använts för att uppskatta framkomligheten i ett vägnät och den utdata som erhålls från trafikmodellen är ofta restid och flöde. Vid analyser av olika förändringsscenarier i ett trafiknätverk har fokus ofta legat på att framkomligheten ska förbättras, dvs. att restiden ska minska. Med de klimat- och miljömål som idag finns i Sverige bör det finnas ett behov av att tidigt i planeringsprocessen utvärdera hur förändringar i ett trafiknätverk påverkar utsläpp som ger en negativ klimat- eller hälsopåverkan. Genom att använda trafikmodeller tillsammans med beräkningsmodeller för fordonsutsläpp kan förändringar i utsläpp analyseras och kvantifieras. Ett bredare beslutsunderlag som innehåller både information om förändringar i restid och utsläpp, kan på detta sätt erhållas.. 1.1. Syfte. Syftet med detta examensarbete är att undersöka hur en trafiksimuleringsmodell tillsammans med en emissionsmodell kan användas vid utvärdering av större förändringar i infrastruktur, tex. vägar. Resultatet av utvärderingen ska ge trafikplaneraren ett beslutsunderlag som innefattar både resenärernas och samhällets värdering av effekterna från förändringen. Examensarbetet syftar även till att belysa eventuella problem som uppstår när vi vill studera hur större förändringar i ett trafiknätverk påverkar energianvändning och miljö.. 1.2. Problemformulering. Syftet kan brytas ner i två huvudfrågeställningar som sedan kan brytas ner ytterligare. Dessa frågor besvaras i rapporten. 1. Kommer utdata från emissionsmodellen att ge någon ytterligare information eller kan vi använda andra mått som är direkt tillgängliga från trafikmodellen för att uppskatta förändringar i energiförbrukning och utsläpp? • Kan en förbättring av framkomligheten leda till minskade utsläpp och hur kommer i så fall storleken på dessa förändringar att förhålla sig till varandra? • Kan förändring av utsläpp och energiförbrukning vid en större förändring i ett trafiknätverk uppskattas med endast information om förändringar i trafikflöde? 2. Hur detaljerat behöver vi beskriva energiförbrukning och utsläpp för att vi ska kunna dra några slutsatser om vilken effekt en planeringsåtgärd ger?. 5.

(13) 1.3 Arbetsgång och metodbeskrivning. 1 INLEDNING. • Personbilstrafiken står för en stor del av stadstrafiken. Kommer en uppskattning av utsläpp från personbilstrafiken att vara tillräcklig för att kunna dra slutsatser om hur en förändring i trafiknätverket påverkar utsläpp och energiförbrukning? • Att uppskatta utsläpp från fordon med inte fullt uppvärmd motor på enskilda gator kräver mer avancerade metoder jämfört med att uppskatta utsläpp från fordon med fullt uppvärmd motor. Är det tillräckligt att uppskatta utsläpp från fordon med varm motor för att få en bra uppfattning om de totala utsläppen?. 1.3. Arbetsgång och metodbeskrivning. Till en början har en litteraturstudie genomförts inom området trafik- och emissionsmodeller. Utifrån kravet att större förändringar i trafiknätverket ska kunna beskrivas och att effekterna från en förändring ska kunna uppskattas för hela nätverket har en modell för trafiksimulering tillsammans med en beräkningsmetodik för energi- och utsläppsberäkning valts ut. För att beräkna energianvändning och utsläpp används en s.k. emissionsmodell. För att besvara de frågor som ställs i problemformuleringen har beräkningsmetoderna tillämpats praktiskt på ett trafiknätverk över Norrköping. Effekten på energianvändning och utsläpp av olika planeringsalternativ har jämförts. Genom den praktiska tillämpningen har vi haft möjlighet att studera vilket mervärde information om energianvändning och utsläpp kan ge i planeringsprocessen.. 1.4. Avgränsningar. I detta examensarbete har främst miljöeffekter från privat biltrafik med bensindrivna fordon studerats. En kortare reflektion har även gjorts över vilka effekter vi kan förvänta oss från den tunga trafiken. De utsläpp som studeras är N Ox , V OC och CO2 . Endast metoder för att beräkna mängden utsläpp från fordon har studerats och inga beräkningar görs av de faktiska halter som uppstår i luften. Metoder för att uppskatta föroreningshalter berörs dock ytligt. Det hade varit önskvärt att även beskriva de partikellutsläpp som fordonstrafiken ger upphov till eftersom dessa har en stor hälsopåverkan och börjar bli ett problem i många städer. Den största delen av partikellutsläpp uppkommer dock inte vid förbränning utan virvlas upp från vägbanan. De beräkningsmetoder som används för att beräkna partikelutsläpp som uppstår vid förbränning kan endast beskriva en liten del av de totala partikelhalter som kan uppmätas i vägar och gators närhet. Inom ramen för detta examensarbete har det inte funnits utrymme att studera mer avancerade metoder för beräkning av partikelhalter.. 1.5. Rapportens disposition. I kapitel 2 ges en bakgrund till området trafikplanering, modeller för trafiksimulering och beräkning av energiförbrukning och emissioner. I kapitel 3, 4 och 5 görs en mer detaljerad beskrivning av den modell för trafiksimulering och metodik för emissionsberäkning som implementeras i detta examensarbete. Det grundscenario som används i de praktiska tillämpningarna beskrivs i 6.

(14) 2 BAKGRUND. kapitel 6 och de resultat som har erhållits vid de praktiska tillämpningarna återfinns i kapitel 7 tillsammans med slutsatser från resultaten. Slutligen finns i kapitel 8 en diskussion om de resultat som har erhållits i detta examensarbete samt områden som bör vara intressanta för vidare studier.. 2 Bakgrund Utsläppen från vägtrafiken kan delas in i två kategorier. Utsläpp med global påverkan och utsläpp med lokal påverkan. Utsläpp med global påverkan är som namnet antyder utsläpp som påverkar hela jordklotet och de vanligaste utsläppen med global påverkan är olika former av växthusgaser, däribland koldioxid. Utsläpp av koldioxid i sig är inte skadligt men om ett nettotillskott av koldioxid sker till atmosfären, vilket inträffar när fossiltbränsle används, bidrar koldioxiden till den globala uppvärmningen. Utsläpp med lokal påverkan ger skador på miljö och människan inom ett begränsat geografiskt område. Typiska utsläpp från vägtrafiken inom denna kategori är kolmonoxid, kväveoxider, lättflyktiga organiska ämnen samt damm- och sotpartiklar. Dessa utsläpp ger en direkt effekt på människan genom en ökad risk för cancer och hjärt- och kärlsjukdomar. År 2002 fastslog Sveriges riksdag en ny klimatstrategi [23]. Det kortsiktiga målet i denna strategi är att medelutsläppen av koldioxid under åren 2008-2012 inte ska överstiga utsläppen från år 1990. På lång sikt ska utsläppen av växthusgaser minskas till 4,5 ton koldioxidekvivalenter per invånare. Bakgrunden till den nya klimatstrategin är en oro över hur växthuseffekten kan komma att påverka vårt klimat i framtiden. Uppskattning av koldioxidutsläpp från vägtrafiken görs årligen med hjälp av EMV-modellen [13] som är utvecklad av VTI (Statens väg-och transportforskningsinstitut) på uppdrag av Naturvårdsverket. Beräkningar kan göras för hela, eller delar av Sverige. Utsläppen av koldioxid är direkt proportionella till energianvändningen, vid förbränning av fossila bränslen. Förutom att en minskning av energiförbrukningen minskar koldioxidutsläppen kan en minskning av energiförbrukningen ge positiva ekonomiska konsekvenser, både för den enskilda användaren och för samhället. För kommunerna har det även införts krav på reglering av utsläpp med lokal påverkan. Dessa krav är satta av Sveriges riksdag i form av ett antal miljökvalitetsnormer (MKN) [24]. Dessa normer är satta på gatunivå och bestämmer vid vilka föroreningshalter som åtgärder måste vidtas. För att uppskatta föroreningshalter på gatunivå används vanligen mätstationer vilket kommunerna ofta har en begränsad mängd av. Beräkningsmodeller kan användas för att utifrån uppskattningar om fordonsflöde och metrologiska data uppskatta de genomsnittliga föroreningshalterna. Ett sådant beräkningsverktyg, SIMAIR, har utvecklats av SMHI och Vägverket på uppdrag av Naturvårdsverket [8]. Problemet för trafikplaneraren är att genomföra förändringar i trafiknätverket som leder till minskade utsläpp samtidigt som resenärerna har en acceptans för förändringen. Trafikplaneringen för en stad genomförs på kommunal nivå och riktlinjerna för trafikplaneringen styrs av kommunalpolitiska beslut. För att ge ett bra underlag till den politiska beslutsprocessen bör relevanta effekter av en förändring i trafiknätverket kunna kvantifieras. Det är därför viktigt att. 7.

(15) 2.1 Introduktion till trafikplanering och trafikmodeller. 2 BAKGRUND. effekter som påverkar miljön och människan enkelt kan värderas och sättas i relation till den nytta som förändringen ger såväl den enskilda resenären som samhället. Den enklaste måttet som trafikplaneraren har för att uppskatta effekterna av en förändring är att se på hur framkomligheten påverkas, dvs. hur den upplevda restiden förändras. Verktyg för att enkelt uppskatta förändringar av utsläpp är däremot bristfälliga. De verktyg och modeller som har tagits fram är ofta inte anpassade för att användas i trafikplaneringsprocessen vid analyser av större förändringar i ett trafiknätverk. Istället fokuserar de antingen på en detaljerad beräkning av utsläpp från enskilda fordon på kortare vägsträckor eller totala utsläpp från större geografiska områden. Exempel på verktyg som kan beskriva utsläpp detaljerat för enskilda fordon [33] är VETO, HUTSIM och TRAF-NETSIM medan den tidigare nämnda EMV-modellen är exempel på en modell som endast kan användas för att beräkna utsläpp och energiförbrukning på en kraftigt aggregerad nivå. De få modeller som delvis är anpassade för att användas vid analyser av förändringar i ett trafiknätverk, dvs. de kan beräkna utsläpp och energiförbrukning utifrån information om medelhastighet och flöde, saknar ofta möjligheten att uppskatta var i trafiknätverket som utsläppen från fordon med inte fullt uppvärmd motor och katalysator uppstår, s.k. kallutsläpp. För några av de mest hälsoskadliga utsläpp kommer dessa kallutsläppen att stå för en stor del av de totala utsläppen. De metoder för utsläppsberäkning som används måste dessutom kunna uppskatta utsläppen vid trängsel, dvs. för hastigheter som skiljer sig kraftigt från den skyltade hastigheten. En modell som kan används för att uppskatta utsläpp och energiförbrukning i ett trafiknätverk är Vägverkets EVA-modell (Effektberäkning vid VägAnalyser) [32]. Detta är ett exempel på en modell som har dålig förmåga att beskriva utsläpp vid trängsel och använder en kraftigt förenklad metodik för att uppskatta kallutsläpp. Även om inte emissionsmodellerna ger någon möjlighet att direkt uppskatta halter av skadliga ämnen i vägar och gators närområden är de en förutsättning för att sådana beräkningar ska vara möjliga att göra med hjälp av spridningsmodeller. Beräkningsmodellen för fordonsutsläpp i EVA-modellen kan exempelvis inte uppskatta utsläpp vid hastigheter under 30 km/h. Detta medför inte enbart problem på gator med kraftig trängsel utan innebär även ett problem när utsläpp på gator med skyltad hastighet 30 km/h ska uppskattas. För att vi ska kunna sätta explicita krav på miljö och energiförbrukning i planeringsprocessen måste trafikplaneraren ha tillgång till verktyg för att uppskatta dessa effekter på ett enkelt sätt.. 2.1. Introduktion till trafikplanering och trafikmodeller. 2.1.1. Trafikplanering. Trafikplanering kan genomföras på olika geografiska nivåer • Riksplanering • Regionalplanering • Kommunalplanering. 8.

(16) 2.1 Introduktion till trafikplanering och trafikmodeller. 2 BAKGRUND. I detta examensarbete fokuserar vi på den kommunala planeringen som är en integrerad del av den fysiska planeringen inom en kommun. Trafikplaneringen syftar till att genomföra förbättringar i trafiknätverket enligt ett eller flera kriterier. Olika mål med planeringen kan vara motstridiga, exempelvis förbättrad framkomlighet och ökat resande med kollektivtrafik. Ökad framkomlighet kan leda till ett ökat bilresande på bekostnad av resandet med kollektivtrafik. Det är därför viktigt att tydligt formulera de krav som ställs vid trafikplaneringen. Att trafikplaneraren kan mäta de effekter som det ställs krav på är här en förutsättning. Trafikplanering i en kommun innefattar samtliga transportslag för persontransporter, inklusive gång och cykel. Trafiksystemet är ett komplext system och kan sällan studeras isolerat. Trafikplaneraren måste ta hänsyn till den övriga fysiska planeringen men även till politiska riktlinjer. Trafikplaneringen kan på så sätt ses som ett styrmedel för politiker att forma det framtida samhället. Förändringar i trafiknätverket kan skilja sig kraftigt åt i storlek. Vi kan exempelvis genomför mindre fysiska förändringar på en enskild vägsträcka, justering av signalreglering i en korsning, större förändringar på enskilda vägsträckor eller nybyggnation av vägar. Ser vi även till övriga transportslag kan vi genomföra förändringar i prissättning och utbud hos kollektivtrafiken samt förändringar i utformning av gång- och cykelvägar. Varje förändring kan förväntas ge en effekt på hur resenärerna beter sig och trafikplaneraren använder ofta något verktyg för att evaluera effekten av förändringen. Olika former av trafikmodeller kan i detta sammanhang användas för att simulera trafiken på enskilda gator eller i hela trafiknätverket. Med hjälp av dessa verktyg kan trafikplaneraren uppskatta effekten av en eller flera förändringar. Trafikplaneraren kan således endast evaluera de kombinationer av förändring och effekt som det finns tillgängliga verktyg för. I vissa fall kan förändringen eller effekten uppskattas utifrån enklare samband. I många fall krävs det dock avancerade verktyg som kan hantera det komplexa system som trafiksystemet utgör. 2.1.2. Modeller för trafiksimulering. Trafikmodeller kan användas för att uppskatta trafikflöden, restider och körförlopp. De olika modelltyperna delas ofta upp i tre kategorier. • Mikromodeller • Mesomodeller • Makromodeller Modellerna används idag främst för att uppskatta effekter av olika förändringar i ett trafiknätverk alternativt effekter av trafikledningsåtgärder. Den utdata som ofta är mest intressant är framkomlighet som uppskattas genom restiden på de olika gatorna. Valet av modelltyp är beroende av på vilken detaljnivå det finns tillgängliga indata samt vilka krav som ställs på detaljnivå för utdata. Mikromodeller ger hög detaljnivå på utdata och kan simulera enskilda fordons körmönster. Makromodeller ger inte samma möjlighet till detaljerad beskrivning av trafiken utan ger endast trafikflöden och restider som utdata. Någonstans mellan. 9.

(17) 2.1 Introduktion till trafikplanering och trafikmodeller. 2 BAKGRUND. mikro- och makromodeller placeras mesomodeller som ger en möjlighet att modellera köer och fördröjning i korsningar mer detaljerat jämfört med makromodeller. Mikromodeller I mikromodeller beskrivs varje fordon individuellt. Mikromodeller kräver en detaljerad beskrivning av den fysiska infrastrukturen och modellerna innehåller dessutom en mängd parametrar för fordonsprestanda samt förarbeteende. Dessa parametrar måste kalibreras för varje trafiksituation som analyseras. Utdata från mikromodeller är körförlopp för varje fordon. Denna information kan aggregeras till flöden och medelhastigheter för en given vägsträcka. Eftersom mikromodeller genomför beräkningar för varje enskilt fordon kräver simuleringar med mikromodeller hög datorkapacitet. Efterfrågan, dvs. antalet fordon som anländer till den studerade vägsträckan under en given tidsperiod, beskrivs ofta utifrån någon sannolikhetsfördelning. Fördelen med mikromodeller är möjligheten att studera förändringar på en väg eller i en korsning där det är viktigt att fånga upp de dynamiska samband som finns i trafiken. Det kan exempelvis vara inställning av signalljus i en korsning eller förändringar i en gatas utformning. Kalibreringen görs mot ett verkligt system, exempelvis genom uppmätning av data i en korsning. När experiment genomförs med modellen kan förändringar som görs i nätverket påverka förarbeteendet på ett sådant sätt att den tidigare kalibreringen inte längre gör att modellen är en bra representation av verkligheten. På grund av svårigheter med kalibrering är det inte praktiskt att använda mikromodeller för större nätverk. Mesomodeller Mesomodeller har en lägre detaljnivå jämfört med mikromodeller. Indata i form av efterfrågan är uppdelad i tidsperioder och beskriver efterfrågan mellan varje start- och slutpunkt i trafiknätverket, dvs. området där en resa startar respektive slutar. Restiden på varje delsträcka i trafiknätverket beror av flödet och eventuella fördröjningar i korsningar. Trafikanternas val av resväg mellan två platser förväntas i de flesta modeller ske enligt antagandet att samtliga resenärer väljer den resväg som ger lägst reskostnad. Trafiken modelleras som enskilda fordon eller grupper av fordon vilket ger modellen en möjlighet att delvis hantera interaktionen mellan fordon, dock inte på samma detaljnivå som kan göras i en mikromodell. En fördel jämfört med mer aggregerade modelltyper är att effekter av köer samt fördröjning vid korsningar kan beskrivas mer detaljerat. Möjligheten att se hur köer på en delsträcka kommer att påverka omgivande vägar saknas ofta helt i mer aggregerade modeller. I mesomodeller kan effekter av hur köer sprids från en vägsträcka till en annan studeras vilket kan ge mer realistiska restider i nätverk med trängsel. Exempel på utdata kan vara andel fördröjda fordon i korsningar eller flöde på enskilda länkar uppdelade i mindre tidsintervall. Eftersom mesomodeller inte beskriver enskilda fordons rörelser lika detaljerat som i mikromodeller finns möjlighet att studera större nätverk med mesomodeller. 10.

(18) 2.1 Introduktion till trafikplanering och trafikmodeller. 2 BAKGRUND. Även mesomodeller har en stor mängd parametrar som måste kalibreras, dock inte i samma nivå som mikromodeller. Det stora antalet parametrar gör att det blir lättare att få modellen att stämma väl överens med verkligheten men det kan innebära problem när modellen används för prognoser. Den parameteruppsättning som används i ursprungsscenariot och som modellen blivit validerad mot kanske inte stämmer för det framtidsscenario som studeras. Att uppskatta hur bra parameteruppsättningen är för det framtidsscenario som studeras är dessutom mycket svårt. Mesomodeller kan vara lämpliga att använda då köbildning eller fördröjning vid korsningar är av särskilt intresse. Mesomodeller erbjuder även en möjlighet att modellera mer detaljerade förändringar i trafiken så som ändrade signalscheman i korsningar eller trafikledningsåtgärder. Makromodeller Makromodeller används för att uppskatta medelvärden av trafikflöde och restider i ett trafiknätverk under en given tidsperiod. Längden på de tidsperioder som är intressanta att studera varierar mellan en timma och ett dygn beroende på vad syftet är med analysen. Vanligen används makromodeller för att studera trafiken under de timmar då trafiken är som störst i nätverket. En makromodell kan innehålla delmodeller för ruttval, färdmedelsval, destinationsval och resegenerering. Det finns i makromodeller ingen beskrivning av individuella fordon utan endast av fordonsströmmar i form av trafikflöde på de olika vägsträckorna. Makromodeller delas vanligen upp i statiska respektive dynamiska modeller. I statiska makromodeller finns ingen tidsdynamik vilket innebär att förändringar över tiden inte kan modelleras. Det finns heller ingen möjlighet att modellera interaktion mellan flöden, exempelvis i korsningar. I dynamiska modeller kan interaktion mellan flöden på olika vägavsnitt och i olika tidsperioder modelleras. Dynamiska modeller ger dock andra problem. Den matematiska formuleringen av denna typ av modeller gör att det finns svårigheter att utveckla beräkningsalgoritmer som är effektiva och garanterar att en lösning kan erhållas. Detta har gjort att forskningen kring dynamiska modeller främst är inriktad mot den matematiska formuleringen och utveckling av beräkningsalgoritmer. Det finns idag få praktiska tillämpningar där dynamiska modeller används. Fortsättningsvis avses därför enbart statiska makromodeller när makromodeller diskuteras. Jämfört med de tidigare beskriva modelltyperna har makromodeller färre parametrar och modelltypen används vanligen för att studera hur trafiken fördelar sig i ett större trafiknätverk. Vi får i en makromodell en sämre möjlighet att studera hur mindre förändringar i trafiknätverket påverkar trafiken, exempelvis korsningsutformning eller fartdämpande åtgärder. I makromodeller förväntas resenärernas val av resväg ske enligt antagandet att samtliga resenärer väljer den resväg som ger lägst reskostnad. Vanligtvis kommer restiden eller den generaliserade reskostnaden att bero av flödet på en vägsträcka och vi kommer därmed att erhålla en ökad restid när trängseln ökar på en vägsträcka. Vanligtvis formuleras resenärernas ruttval enligt Wardrop’s användarjämvikt [34]. Användarjämvikten innebär att resenärerna fördelas på ett sätt som gör att ingen resenäer kan byta rutt utan att öka sin reskostnad, vilket matematiskt kan formuleras som ett optimeringsproblem [28]. När vi använder Wardrop’s användarjämvikt måste vi göra antagandet att samtliga resenärer har perfekt information om reskostnaderna i trafiknätver-. 11.

(19) 2.2 Modellering av vägtrafikens utsläpp. 2 BAKGRUND. ket och att samtliga resenärer väljer den resväg med lägs kostnad. I verkligheten kommer inget av dessa antaganden att uppfyllas fullständigt. I makromodellen modelleras resenärernas beteende genom antaganden om de val de gör, exempelvis Wardrop’s användarjämvikt, vilket innebär att resenärernas beteende inte behöver kalibreras med parametrar. Om vi kan erhålla en god överensstämelse med verkligheten kan vi däför förvänta oss att vi har en god överenstämelse även i de prognoser som görs med modellen. Elastisk efterfrågan används ofta för att beskriva förändringar av efterfrågan på bilresor. Den elastiska efterfrågan innebär att reseefterfrågan beror av den generaliserade reskostnaden att resa mellan två platser. Den generaliserade reskostnaden kan bero av både restid och reskostnad. När restiden mellan två platser ökar är det vanligt att resandet kommer att minska. På samma sätt kommer antalet resande att öka om restiden istället minskar. En infrastrukturinvestering som avser att minska trängseln genom att öka kapaciteten i nätverket kan därför ge upphov till ett totalt ökat resande till följd av en elastisk efterfrågan. Delar av den ökade kapacitet som investeringen skulle ge kan komma att ätas upp av ett ökat resande. En del av den elastiska efterfrågan kommer att bero av färdmedelsval och destinationsval. Om dessa val inte modelleras explicit kan de hanteras i en modell för elastisk efterfrågan. Eftersom syftet med detta examensarbete är att studera hur större förändringar ger effekt på efterfrågan, färdmedelsval och ruttval i ett större trafiknätverk kommer vi att använda en makromodell. Detta medför dock begränsningar i hur detaljerade förändringar vi kan beskriva i modellen.. 2.2. Modellering av vägtrafikens utsläpp. Emissionsmodeller finns för olika detaljnivå på den indata som används för att beskriva trafiken. Ett av de vanligare sätten att dela upp emissionsmodeller är • Momentana modeller • Medelhastighetsmodeller • Delförloppsmodeller Emissionsmodeller kan beräkna emissioner av en mängd reglerade och icke reglerade ämnen. Exakt vilka ämnen som emissioner beräknas för kan variera mellan olika modeller. Gemensamt för de flesta modeller är att emissioner beräknas för kolmonoxid (CO), koldioxid (CO2 ), lättflyktiga organsika ämnen (V OC), och kväveoxider (N Ox ). Utsläpp av V OC är en gruppering av flera olika utsläpp där utsläpp av kolväten HC kommer vara en stor del. Koldioxidutsläppen är starkt kopplade till bränsleförbrukning och en uppskattning av koldioxidutsläppen kan göras utifrån information om bränsleförbrukningen. Flera modeller kan även beräkna utsläpp av partiklar (P M ) som uppstår vid förbränning. Det är dock en liten del av pariklarna som kommer från avgasutsläpp och det är då främst från dieseldrivna fordon. En stor del av de partikelhalter som kan uppmätas i städer beror dock inte på partiklar från förbränning utan uppkommer vid förslitning av däck och bromsar samt sandning och saltning av vägbanan på vinterhalvåret. För dessa utsläpp krävs specifika beräkningsmetodiker som skiljer sig från beräkning av avgasutsläpp.. 12.

(20) 2.2 Modellering av vägtrafikens utsläpp. 2 BAKGRUND. Momentana modeller har en hög detaljnivå och kan användas för att beräkna emissioner utifrån ett enskilt fordons körmönster. Medelhastighetsmodeller beräknar emissioner utifrån medelhastigheten på en enskild gata eller i ett helt område. De samband som används för att beräkna emissionerna är baserade på ett medelkörmönster och enskilda fordon modelleras ej. Delförloppsmodeller använder medelhastighet kombinerat med information om antal hindrade i korsningar för att beräkna emissioner. 2.2.1. Grunder för emissionsberäkning. Grunderna för emissionsberäkningar är samma för samtliga detaljnivåer och modelltyper. Emissionerna beräknas separat för olika klasser av fordon. Först och främst delas fordonen upp i tunga och lätta fordon. Respektive kategori kan sedan delas upp mer detaljerat efter drivmedel, avgasreningsteknik, årsmodell och cylindervolym. Det totala utsläppet (E) från varje fordonskategori delas upp i tre delbidrag. E = Evarm + Ekall + Eavdunstning • Evarm är de emissioner som släpps ut från fordon med fullt uppvärmd motor. • Ekall är de emissioner som släpps ut från fordon vars motor ännu inte nått full arbetstemperatur. • Eavdunstning är de emissioner av kolväten som uppstår genom avdunstning. De olika delutsläppen beror i sin tur på emissionsfaktorer som är kopplade till olika aktiviteter, vilket för delbidrag k beskrivs genom Ek = ek · a där ek är en emissionsfaktor som är relevant för delbidrag k och a är storleken på den trafikaktivitet som kopplas till emissionsfaktorn. Emissionsfaktorn, e, och trafikaktiviteten, a, kan i sin tur bero av andra variabler. Vanliga mått på trafikaktivitet är trafikarbete och antal genomförda resor. För varmutsläpp beror emissionsfaktorn, evarm , i de flesta modeller till stor del av fordonens hastighet. I en momentan emissionsmodell är det den momentana hastigheten för varje fordon som används medan det i en medelhastighetsmodell är medelhastigheten för ett fordonsflöde som ligger till grund för beräkning av emissionsfaktorn. Ett antal korrektionsfaktorer kan även användas för att kompensera för mereffekter till följd av exempelvis vägens utformning eller vilken tid på året som beräkningen avser. Vägutformning påverkar exempelvis emissioner genom lutning och linjeföring. En kurvig väg ger upphov till fler inbromsningar och accelerationer. Tid på året påverkar emissionerna kraftig. Under sommarhalvåret kan den ökade användningen av klimatanläggningar i bilar öka bränsleförbrukningen vilket kan påverka emissionsfaktorerna. Förutom de tidigare nämnda mereffekterna finns en mängd andra faktorer som kan påverka emissioner och som därför behöver uppskattas. Emissionsfaktorn för kallstarter, ekall , beräknas ofta med hjälp av medelhastighet, motortemperatur, reslängd samt del av reslängd som gjorts med ej fullt uppvärmd motor. Under den kallare 13.

(21) 2.2 Modellering av vägtrafikens utsläpp. 2 BAKGRUND. tiden på året kommer det att ta längre tid för motorn att nå arbetstemperatur vilket påverkar kallstartseffekterna. För tunga fordon finns sällan samma detaljerade beskrivning av kallstarteffekter. Avdunstningen påverkar främst utsläppen av kolväten och kan uppstå på flera sätt. Genom avdunstning under färd, avdunstning på grund av motorns temperatur vid avstängning samt avdunstning till följd av varierande omgivningstemperatur då bilen står parkerad. Eftersom avdunstning kan uppstå av flera anledningar finns flera emissionsfaktorer för att beskriva de emissioner som uppstår till följd av avdunstning. För avdunstning till följd av motorns höga temperatur vid avstängning är antal resor som avslutats med fullt uppvärmd motor den viktigaste aktiviteten. För avdunstning till följd av omgivningen temperaturvariationer kan aktiviteten beskrivas av antalet fordon som parkeras i garage respektive utomhus. 2.2.2. Tillgängliga emissionsmodeller. Det finns i Sverige och övriga världen en mängd olika emissionsmodeller som bygger på olika beräkningsmetodiker för olika tillämpningsområden och detaljnivå. Fyra modeller eller beräkningsmetoder som kan vara lämpliga att använda när vi vill studera utsläpp i ett större trafiknätverk är • MEET • Delmodell för emissionsberäkning från EVA-modellen • ARTEMIS • Handbook Emission Factor for Road Transport Två EU-finansierade projektet, MEET och COST319, pågick under en stor del av 1990-talet och bestod av två delar, MEET (Methodology for Estimating Air Pollutant Emissions from Transport) [14] och COST319 (estimation of pollutant emissions from transport) [17]. Syftet med MEET var att skapa en metodik för emissionsberäkningar och COST319 var en studie över hur emissionsfaktorerna kan beräknas från olika delar av vägtrafiken. Resultatet från projektet var en metodik för att beräkna emissioner utifrån medelhastighet. Delar av resultaten från MEET finns implementerade i en modell för emissionberäkning som heter COPERT III [26]. De emissionssamband som används finns väl dokumenterade i både MEET och COPERT III. EVA-modellen, Effektberäkning för VägAnalyser [32], innehåller en delmodell, FOKO (Fordons Kostnader), för beräkning av bränsleförbrukning och emissioner på ett vägavsnitt. Modellen är framtagen av Vägverket i samarbete med VTI. Till grund för emissionssambanden som används ligger simuleringar av körförlopp från simuleringsmodellen VETO. Emissionsmodellen är en delförloppsmodell och beräknar bränsleförbrukning och emissioner utifrån medelhastighet på vägavsnittet samt antalet fördröjda fordon i korsningar. EVA-modellen och de bakomliggande sambanden för emissionsberäkning finns väl dokumenterade. ARTEMIS [31] är en modell som inte använder medelhastighet som förklaring utan bygger på ett antal definierade trafiksituationer. ARTEMIS är ett EU finansierat forskningsprojekt som skulle varit klart 2003 men fortfarande pågår. Ett av målen med ARTEMIS är att ta fram en gemensam emissionsmodell för hela EU. ARTEMIS kommer att beräkna emissioner utifrån en 14.

(22) 2.2 Modellering av vägtrafikens utsläpp. 2 BAKGRUND. mängd definierade trafiksituationer. Enligt det förslag som fanns för ARTEMIS 2003 bestäms trafiksituationen av vägkategori, hastighetsbegränsning, kurvatur, lutning och servicenivå. Servicenivå är tänkt att beskriva hur stor trängsel det är på vägen. Eftersom projektet ännu inte är slufört finns ingen officiell dokumentation tillgänglig. Den tysk-schweiziska modellen Handbook Emission Factor for Road Transport [2] är ytterligare ett exempel på en modell som använder information om trafiksituation för att beräkna emissionsfaktorerna. Modellen bygger delvis på det underlag som togs fram i samband med MEET/COST319. Modellen finns endast fullständigt dokumenterad på tyska. Utifrån krav på tillgänglighet och dokumentation har två metoder valts ut för att studeras mer ingående, MEET samt delmodellen för emissionsberäkningar i EVA-modellen. I samband med MEET kommer även COPERT III att diskuteras. En utförligare beskrivning av de två modellerna följer nedan. Med EVA-modellen avses fortsättningsvis den delmodellen för emissionsberäkningar som beskrivs i EVA SYSDOK, version 2.3 [16]. 2.2.3. Jämförelse av beräkningsmetodik i MEET och EVA. Beskrivning av fordonsflottan En central del vid beräkningar av emissioner är hur fordonsflottan delas upp i olika kategorier. Dels bör en uppdelning göras mellan lätt och tung trafik samt för olika drivmedelklasser, bensin och diesel. Dessutom behöver en uppdelning göras efter årsmodell. Olika årsmodeller har olika krav på tillåtna utsläpp och för fordon med katalysator kommer en försämring att ske när fordonen blir äldre. En stor skillnad i utsläpp finns mellan fordon med och utan katalysator, detta gäller dock inte utsläpp av CO2 . Uppdelningen efter utsläppskrav bygger i MEET på gemensamma EU/ECE-krav sedan 1970. I EVA-modellen bygger fordonsfördelningen istället på Svenska avgasregleringar. Efter att Sverige blev EU-medlem 1994 har de Svenska reglerna harmoniserats med det EU-gemensamma regelverket. För fordon med katalysator är därför den uppdelning som görs i EVA och MEET jämförbara. För äldre fordon utan katalysator är det något svårare att finna en bra överenstämmelse mellan klassificeringen i EVA och MEET men uppskattningar kan göras baserat på under vilka år som de olika avgasreglerna var giltiga i Sverige respektive EU/ECE [10]. I MEET sker en uppdelning i respektive fordonsklass med avseende på cylindervolym. I det centrala bilregistret där information om samtliga fordon lagras i Sverige finns ingen information om cylindervolym, det är därför inte möjligt att uppskatta fördelningen mellan olika cylindervolym genom att göra utdrag ur det centrala bilregistret. Det är dock möjligt att uppskatta fördelningen av cylindervolym för respektive årsmodell genom att studera statistik för fordonsförsäljningen respektive år [11]. Förutom med avseende på avgaskrav delas personbilar och lätta lastbilar (under 3,5 ton) upp med avseende på drivmedel, bensin, diesel eller gas. Uppdelningen av tung lastbilstrafik (över 3,5 ton) sker i MEET efter vikt i fyra olika klasser mellan 3,5 och 32 ton. Denna uppdelning finns endast för dieselfordon. Busstrafiken delas in i två kategorier, stadsbussar och långfärdsbussar. För tvåhjuliga fordon kan emissioner beräknas för tvåtaktsmopeder respektive motorcyklar. 15.

(23) 2.2 Modellering av vägtrafikens utsläpp. 2 BAKGRUND. Den uppdelning som finns i EVA-modellen bygger helt och hållet på den svenska klassificeringen av utsläppskrav kopplat till de årtal då kraven infördes men ingen uppdelning görs efter cylindervolym. Det centrala bilregistret kan därför användas för att uppskatta hur fördelningen av olika årsmodeller ser ut inom ett mindre geografiskt område. I EVA-modellen kan dessutom en uppskattning av fördelningen mellan olika fordonskategorier göras för olika prognosår. I den ursprungliga versionen av EVA-modellen antas att samtliga lätta fordon är bensindrivna personbilar. Från och med version 2.3 kan en korrektionsfaktor användas för att korrigera emissionsfaktorerna för de lätta fordon som drivs med diesel. För personbilstrafiken görs uppdelningen i sex kategorier, A-F, där A motsvarar fordon utan katalysator med avgaskrav från 1986 och F som klarar avgaskrav från 2008. Även uppdelningen av tung trafik sker i sex kategorier med avseende på avgaskrav, A-F. Respektive kategori delas dessutom upp i två delar, en för lastbil och buss samt en för lastbil med släp. Det finns ingen fordonskategori i MEET som motsvarar avgaskrav för personbilar av årsmodell 2008 och senare, dvs. kategori F. Totalt sett finns det i EVA-modellen 18 olika fordonskategorier vilket kan jämföras med 107 kategorier vid implementering av MEET i COPERT III. Bakgrunden till MEET är dock att skapa en beräkningsmetodik som kan användas i hela europeiska unionen. Beroende på hur avgaskraven har införts i respektive land kommer olika kategorier vara aktuella att använda. Tillsammans med EVA-modellen finns en metodik för att beräkna fordonsflottans fördelning samt de olika fordonskategoriernas genomsnittliga ålder för olika basår och prognosår. Denna metodik kan användas för att ta fram indata till både EVA och MEET. Varmutsläpp Både EVA-modellen och MEET innehåller metoder för att beräkna bränsleförbrukning och varmutsläpp för en mängd reglerade och icke reglerade ämnen. De olika förorenande ämnena som emissionsfaktorer kan beräknas för kan delas in i tre olika grupper. 1. Utsläpp av ämnen för vilka detaljerad modellering sker. 2. Utsläpp av ämnen som är proportionella mot bränsleförbrukningen. 3. Utsläpp av ämnen där en förenklad metodik används Emissionssambanden i MEET är baserade på medelhastighet. För tung trafik bygger emissionssambanden i MEET på den tysk-schweziska modellen Handbook Emission Factor for Road Transport. I COPERT III används sambanden från MEET för att beräkna emissioner över ett större geografiskt område med en låg detaljnivå för enskilda vägsträckor. Detta innebär att samtliga vägar och gator i de centrala delarna av en stad grupperas samman och en gemensam medelhastighet uppskattas för hela området. Baserat på denna medelhastighet uppskattas de totala utsläppen i hela området, vilket medför att vi får en sämre noggranhet och inte kan studera utsläpp på enskilda vägsträckor. Det finns dock inget som hindrar att sambanden används för att uppskatta emissioner på enskilda vägar. Ingen skillnad görs i MEET mellan olika vägkategorier. Samma emissionssamband används för att beräkna emissionsfaktorer för en gata i ett tätbebyggt område som för en motorväg. Hastig16.

(24) 2.2 Modellering av vägtrafikens utsläpp. 2 BAKGRUND. heter mellan 10 och 50 km/h ska representera trafiksituationen på en väg i tätbebyggt område, mellan 40 och 80 km/h ska representera trafiksituationer på landsväg och hastigheter mellan 70 och 130 km/h ska representera motorväg. Ett funktionssamband används för att beräkna emissionsfaktorn beroende av medelhastighet (figur 2.1). För att beräkna totala mängden av ett förorenande ämne multipliceras emissionsfaktorn med aktiviteten trafikarbete. Emissionsfaktorer kan beräknas i intervallet 10 - 130 km/h för äldre fordon och i intervallet 5 - 130 km/h för nyare fordon. EVA-modellen är en delförloppsmodell som använder medelhastighet tillsammans med information om antalet fördröjda fordon i korsningar för att beräkna bränsleförbrukning och emissioner. Beräkningarna av bränsleförbrukning och emissioner delas upp i två delar, grund-länkeffekter (GLEF) som beror av trafikflödet på aktuellt vägavsnitt och grund-mereffekter (GMEF) som beror av antal fordon som blir fördröjda i korsningar. I EVA-modellen finns emissionsfaktorerna angivna för fasta hastigheter för olika vägkategorier (figur 2.1). För icke angivna hastigheter ska den närmast tillgängliga hastigheten väljas. Detta förfarande kan ge problem om modellen används tillsammans med en trafikmodell för att uppskatta effekter av förändringar i ett trafiknätverk. En liten hastighetsförändring kan få stor effekt på emissionerna, alternativt kan en stor förändring av hastigheten lämna emissionerna oförändrade. För de hastigheter som inte har emissionsfaktorer angivna bör därför en interpolering göras mellan kända emissionsfaktorer.. 0.5 NOx − MEET okorrigerad NOx − MEET korrigerad NOx − EVA, Lväg siktklass 4. 0.45. 0.4. emissionsfaktor i g/fkm. 0.35. 0.3. 0.25. 0.2. 0.15. 0.1. 0.05. 10. 20. 30. 40. 50 hastighet i km/h. 60. 70. 80. 90. Figur 2.1: Utsläpp av N Ox i EVA och MEET för forodnklass B/EURO I på landsväg med siktklass 4. Korrigeringen avser att återspegla fordon utan försämring pga. åldrad katalysator, för jämförelse mot EVA.. 17.

(25) 2.2 Modellering av vägtrafikens utsläpp. 2 BAKGRUND. Det finns i EVA-modellen nio olika vägkategorier. Vägkategorin för landsväg och motorväg bestäms av siktklass och för vägar i tätort bestäms vägkategorin av områdestyp samt hastighetsbegränsning. Samma medelhastighet kan för olika vägkategorier ge upphov till skilda emissionsfaktorer. Detta möjliggör en bättre beskrivning av hur emissionerna beror av körmönster. En nackdel med EVA-modellen är att de finns ett begränsat hastighetsområde för varje vägkategori i vilket det finns definierade emissionsfaktorer. Exempelvis finns emissionsfaktorer definierade för en gata i ett centrumområde med hastighetsbegränsningen 50 km/h i hastighetsområden 30 till 45 km/h, det antas att hastigheten vid fritt flöde för denna vägkategori är 45 km/h. Att det inte finns någon möjlighet att modellera emissioner vid lägre hastigheter än 30 km/h i EVAmodellen kan innebära ett stort problem om modellen används för att beräkna utsläpp på länkar med trängsel. EVA-modellen använder även information om antalet fördröjda fordon i korsningar för att beräkna mereffekter till följd av korsningar. Även dessa beräkningar bygger på värden för fasta hastigheter. Mereffekterna finns definierade för respektive fordonstyp i hastighetsintervallet 20 till 90 km/h och ges i enheten gram emissioner per stopp. Lägre hastighet ger lägre mereffekt eftersom lägre acceleration behövs. Kallutsläpp Utsläpp och ökad bränsleförbrukning på grund av start med kall motor kan i båda modellerna endast beräknas för personbilar. För tung trafik kommer reslängden ofta vara högre och antalet kallstarter är förhållandevis. Emissionerna till följd av kallstarter från tung trafik kommer därför endast påverka de totala utsläppen marginellt. Beräkningsmetoden för emissioner vid kallstart bygger i MEET och COPERT III på två skilda metodiker. Den metod som används i COPERT III bygger på en metodik som togs fram i den tidigare versionen, COPERT 90. Korrigeringar har gjorts i COPERT III för bättre anpassning mot resultat från MEET/COST319. I MEET föreslås en annan metod som är framtagen av INRETS (Institut National de Recherche sur les Transports et leur Securite) för beräkning av emissioner till följd av kallstarter [18]. Kallstartsutsläppen beräknas här som en funktion av resans längd, omgivningens temperatur samt medelhastigheten under den tid då motorn ännu inte nått arbetstemperatur. Beräkningarna kan göras för samtliga personbilskategorier som används i COPERT III. Emissionsfaktorer kan beräknas för bränsleförbrukning, CO, CO2 , V OC och N Ox . Med denna metodik kan kallutsläppen beräknas för varje enskild rutt och för varje kombination av startpunkt och destination i trafiknätverket, ett så kallat O/D-par (Origin/Destination). Det blir därmed möjligt att koppla kallstartseffekterna till enskilda O/D-par och även bestämma hur stora effekterna är på enskilda vägavsnitt. Denna metod har implementerats av Henrik Edwards [6] på ett nätverk över Uppsala med lyckat resultat. Beräkningen av kallstartseffekter är i EVA-modellen kraftigt förenklad jämfört med MEET. Beräkningen bygger på en uppskattning av den genomsnittliga körsträckan mellan kallstarter på olika vägtyper och utifrån detta kan en emissionsfaktor för kallstarter beräknas för varje vägtyp och får enheten g/km. Emissionsfaktorerna för kallstarter i EVA-modellen har ingen koppling till medelhastighet eller omgivningens temperatur. Även om kallstartseffekterna kan adderas till 18.

No results found