PM Region Stockholm
Validering Sampers version 20–06
2020 - maj
Trafikverket E-post:
Telefon:
Dokumenttitel: Validering Basprognoser version 20–06 Författare: Johannes Östlund, M4Traffic
Dokumentdatum: 2020-05-20
Version: 0.3
Kontaktpersoner: Carsten Sachse, Kerstin Peterson och Sofia Heldemar, Trafikverket
MALL 0004 Rapport generell v 2.0
Innehåll
SAMMANFATTNING ... 5
1. INLEDNING ... 9
1.1. Bakgrund ... 9
1.2. Syfte ... 9
2. METOD – STEGVIS VALIDERING ... 10
3. FÖRUTSÄTTNINGAR ... 14
3.1. Indataparametrar ... 14
3.2. Områdesindelning ... 15
3.3. Markanvändning ... 16
3.3.1. Befolkning ... 16
3.3.2. Förvärvsarbetande ... 18
3.3.3. Arbetsplatser ... 18
3.3.4. Inkomster ... 20
3.3.5. Bilinnehav ... 22
3.3.6. Övriga indata markanvändning ... 25
3.4. Vägutbud inkl trängselskatter och parkeringsmotstånd ... 26
3.5. Kollektivtrafikutbud inkl. taxor ... 30
3.5.1. Buss ... 30
3.5.2. Tunnelbana ... 32
3.5.3. Lokaltåg (Spårväg) ... 34
3.5.4. Pendeltåg ... 36
3.5.5. Regional- och fjärrtåg ... 38
3.5.6. Taxor ... 42
3.6. Tilläggsmatriser ... 43
3.6.1. Arlanda (och Skavsta) ... 43
3.6.2. Yrkestrafik ... 44
4. RESULTAT ... 44
4.1. Trafik- och transportarbete ... 45
4.2. Resande i olika snitt ... 47
4.3. Antal resor och färdmedelsfördelning ... 50
4.4. Medelreslängd, tid och hastigheter ... 55
4.5. Påstigande på kollektivtrafik ... 56
4.5.1. Pendeltåg ... 56
4.5.2. Tunnelbana ... 60
4.5.3. Lokaltåg ... 63
4.5.4. Regionala/Snabbtåg ... 63
4.5.5. Påstigande per kommun ... 64
4.6. Trafikflöden ... 65
4.7. Belastning i väg- och kollektivtrafiksystemet ... 69
4.7.1. Vägsystemet ... 69
4.7.2. Kollektivtrafik ... 71
5. KÄNDA BRISTER/FORTSATT ARBETE ... 74
6. REKOMMENDATION VID ANVÄNDNING AV MODELL I UTREDNINGAR . 76 BILAGA 1 - ANTAL RESOR/FÄRDMEDELSFÖRDELNING ... 77
BILAGA 2 PÅSTIGANDE PER HÅLLPLATS ... 81
Pendeltåg ... 81
Tunnelbana ... 82
Lokala Tåg ... 86
Regionala Tåg... 89
Snabbtåg ... 89
BILAGA 3-NÄTUTLÄGGING KOLL ... 91
BILAGA 4-ÖVRIGA INDATATABELLER ... 94
BILAGA 5 – DETALJERAD LINJEKODNING ... 98
Tunnelbana ... 98
Lokala tåg/Spårväg ... 100
Pendeltåg ... 102
BILAGA 6 – TYNGDPUNKTER YRKESTRAFIK ... 104
Sammanfattning
Markanvändning
Befolkningen i Stockholms län förväntas öka med 28 % mellan 2017 och 2040.
På total nivå är befolkningen 3 % större än i tidigare basprognos innebärande en marginellt högre tillväxt. Fördelningen av den tillkommande befolkningen mellan basår och prognosår har implementerats som tänkt, dock innebär den en relativt stor förändring jämfört tidigare basprognos.
Enligt basprognosen kommer Stockholm generellt att ha en åldrande befolkning
innebärande att utvecklingen av förvärvsarbetande befolkning inte kommer att ha en lika stark utveckling som befolkningen totalt.
Precis som för befolkningen har fördelningen av antalet arbetsplatser förändrats ganska mycket jämfört med tidigare basprognos. Länet som helhet har ett underskott av förvärvsarbetande jämfört med arbetsplatser innebärande att länet förväntas ha en inpendlande befolkning från angränsande län.
För framtagning av bilinnehav till basprognosen har man i version 20–06 infört en ny metod innebärande att antalet bilar och disponerare av bilar justeras för att på länsnivå stämma överens med Trafikanalys RVU från 2015. Jämfört med tidigare basprognos innebär den nya metoden en relativt stor förändring av disponerare som förväntas bli ca 12 % högre.
Antalet bilar och körkort ligger dock på i princip samma nivå som tidigare. Kompletterande RVU data att ytterligare validera/ korsreferera har varit begränsad. Indikationer från andra regioner samt kommunal RVU från Sollentuna är dock att disponerare av bilar sannolikt ligger i överkant.
Bilinnehavet för prognosåret ska följa bilinnehavet i basåret per capita. Detta stämmer relativt bra, dock verkar körkortsinnehavet avvika mer per capita, dvs. en liten förändring jämfört basåret. Detta beror dock på att körkorten per capita beräknas på befolkning > 18 år medan övrig bilinnehavsindata baseras på hela befolkningen.
Utbud bil och kollektivtrafik
Vägnätet har i modellen anpassats dels till 2017 års vägnät och dels till 2040 års vägnät enligt nationella och regionala planer. Även trängselavgifter och de parkeringsmotstånd som förekommer i modellen har uppdaterats.
För kollektivtrafiknäten har anpassning av tunnelbana och lokala tåg/spårväg anpassats utifrån Trafikförvaltningens förväntade utbud i basåret och i prognosåret. Justeringarna innebär relativt stora förändringar jämfört utbuden i tidigare basprognos (i de flesta fall ett lägre utbud).
Avseende järnvägstrafik (pendeltåg, regionala tåg och snabbtåg) har förändringar mellan basår och prognosår kodats av Trafikverket (Expertcenter). Generellt har regionala tåg och snabbtåg en stor utveckling mellan basår och prognosår medan pendeltågen står sig relativt oförändrade.
För busstrafik har GTFS kodade nät införts i omkringliggande län. I Stockholms län har man dock valt att behålla samma bussnät som i tidigare basprognoser. Anledning till detta var:
Osäkerheter i kvaliteten vid implementering av GTFS genererade nät.
Bussnäten i Stockholm bedömdes hålla acceptabel kvalitet.
I prognosåret har vissa förändringar i busskodning införts. Dessa är kopplade till kommande infrastrukturförändringar, exempelvis Förbifart Stockholm, Tvärförbindelse Södertörn samt tunnelbana mot Nacka.
Jämfört med tidigare basår och basprognos har i version 20–06 även taxematriser för kollektivtrafiken uppdaterats innebärande enhetstaxa för resor inom länet. För länsöverskridande taxor har framförallt förändringar skett mot Uppsala, vilket är en konsekvens av pendeltågens trafikering till Uppsala som inte fanns vid tidpunkt för framtagning av tidigare taxematriser. I vissa fall kan de nya taxematriserna slå något fel i relationer över länsgränsen där val mellan att resa med SJ tåg och lokal kollektivtrafik finns tillgänglig. Exempel på detta är resor från/till Enköping och Södertälje.
Tilläggsmatriser
I ny modellversion har resor till/från Arlanda uppdaterats för vägtrafik och införts för kollektivtrafik. I prognosåret har även resor till/från Skavsta införts, dock enbart för järnvägstrafik. Dessa förekommer dock inte i basåret. I prognosåret har tilläggsmatriser till Arlanda räknats upp enligt förväntad flygprognos. Dock har uppräkningen skett med olika uppräkningsfaktorer för regionala resor (57 %) och långväga resor (50 %).
Avseende yrkestrafik har ny metod för uppräkning mellan basår och basprognos införts innebärande en något lägre uppräkning för personbilar yrkestrafik och lastbil utan släp, dock en lite högre uppräkning för lastbil med släp.
Resultat
Trafikarbete i Stockholms län förväntas öka med ca 39 % mellan basår och basprognos.
Detta är en lite större årlig ökning än i tidigare basprognos.
För kollektivtrafiken ligger den totala ökningen i samma härad som biltrafiken, ca 40 % ökat persontransportarbete innebärande en något svagare årlig utveckling än föregående
basprognos. Det är framförallt lokala tåg och spårvägstrafik som ökar mycket relativt, men även regionala tågtrafiken har en stor ökning.
Andelen kollektivtrafikresor i modellen är ca 27 % vilket bedöms vara en liten
underskattning jämfört RVU data. Andelen bilresor ligger i samma jämförelse på en bra nivå, ca 41 %.
Antalet bilresor per capita bedöms överskattas medan kollektiva resor sannolikt underskattas.
Över Saltsjö Mälarsnittet och tullsnittet i Stockholm ger modellen relativt bra
överensstämmelse mot tillgängliga trafikdata, både för väg och kollektivtrafik. I tullsnittet verkar dock det kollektiva resandet överskattas något. Jämfört med tidigare basprognos är förändringarna dock relativt små.
För länssnittet kommer dock kollektivtrafiken förändras relativt mycket jämfört tidigare basprognos, ca 30 % mer i modellversion 20–06. Detta bedöms dels bero på ett ökat utbud för regional och snabbtågstrafikering dels förändrade taxor. I modellversion 18–04 förekom även kodningsfel på Mälarbanan innebärande att kodat utbud för järnvägstrafik enbart kunde nyttjas till ca 50 %.
Antal resor kommer generellt att öka mer än befolkningsökningen. Vissa områden sticker ut lite mer än andra, exempelvis Västerort som har ca 10 % högre utveckling av antal resor än befolkningsökning. Andra områden som sticker ut är Ekerö, Nordväst och Nordost som har en stor utveckling av kollektivtrafikresande. Anledning till detta är oklart, dock skulle det förbättrade bussutbudet till följd av förbifart Stockholm delvis kunna förklara den ökande kollandelen från Ekerö.
Påstigande på pendeltåg stämmer bra överens i modellen jämfört räkningar från SL1. Även jämförelse med belastning på pendeltågen visar på en bra överenstämmelse med uppmätt resande bortsett från vissa punkter, exempelvis Mall of Scandinavia, Flemingsberg och Älvsjö. Det förekommer även viss problematik med linjeval i Arlanda. Genom att använda alternativ nätutläggningsmetod för kollektivtrafik kan detta delvis avhjälpas.
Påstigande på tunnelbana underskattas något i modellen. Underskattningarna förefaller vara större i de norra delarna av tunnelbanenätet.
Även lokala tåg/spårväg förefaller underskattas avseende påstigande med undantag för Lidingöbanan och Spårväg City där överskattningar förekommer.
Jämfört med uppmätta trafikflöden genererar modellen på övergripande nivå en bra överensstämmelse, dock förekommer stråk med större avvikelser, exempelvis kommer flödena på Norrortsleden och E18 mot länsgränsen överskattas relativt mycket medan E4/E20 vid Kungens kurva kommer underskattas. Avseende E4/E20 bedöms
underskattning bero på avsaknad av handelstrafik till/från Kungens Kurva. För överskattningar i norra delen av länet har ingen förklaring hittats.
1 SL Fakta om länet 2017
Rekommendation vid användning av modellen
Man bör ha i åtanke att den validering som genomförts inom ramen för detta PM avser en övergripande nivå, dvs. detaljer i modellen och dess resultat har inte validerats. Därav är det viktigt att inom ramen för diverse utredningar alltid genomföra kompletterande valideringar för det influensområde som bedöms vara aktuellt för respektive utredning.
1. Inledning
1.1. Bakgrund
Sampers är ett nationellt modellsystem för trafikslagsövergripande analyser av persontransporter.
Sampers beräknar framtida trafikvolymer för olika scenarier, där det finns möjlighet att variera infrastruktur, BNP, bränslepris, sysselsättning, befolkningstillväxt med mera.
Scenarierna kan ställas mot varandra i en samhällsekonomisk kalkyl.
De främsta användningsområdena för Sampers är:
- prognoser för framtida trafikflöden
- konsekvensanalyser och investeringskalkyler, främst för stora och komplexa objekt med nygenererade flöden eller med trafikomfördelningar mellan trafikslag
- konsekvensanalyser för tänkbara transportpolitiska åtgärder
- tillgänglighetsanalyser och konsekvensanalyser av omfattande förändringar i markanvändning och transportsystem i städer och regioner
Modellen är indelad i en nationell modell för beräkning av långväga resor (> 10 mil) och fem regionala modeller för beräkning av resor <10 mil.
I juni 2020 publiceras en ny basprognos för 2040 med tillhörande basårsanalys (2017).
Detta innebär att den basprognos som benämns som version 18–04 kommer ersättas med denna version, benämnd 20–06.
Den nya versionen innebär en mängd uppdateringar jämfört tidigare version.
- Uppdaterat basår till 2017 (tidigare 2014)
- Ny metod för framtagning av kollektivtrafiknät 2017 och 2040 (Gäller ej Stockholm) - Ny metod för beräkning av bilinnehav, 2017 och 2040.
- Ny metod för justering av dagbefolkning i basåret, 2017.
- Uppdatering av taxematriser, 2017 och 2040
- Uppdatering av kör- och marginalkostnader för vägtrafik, 2017 och 2040.
- Uppdatering av befolkningsprognos för 2040.
- Uppdaterad områdesindelning, 2017 och 2040 - Uppräkning av yrkesmatriser mellan 2017 och 2040
- Uppdatering/komplettering av tilläggsresor till Arlanda (och Skavsta) - Uppdatering av trängselavgifter till följd av Norra länkens öppnande.
1.2. Syfte
Syftet med detta PM är att beskriva de förändringar som införts ny version av basprognosen samt belysa de resultat som genereras av den uppdaterade modellen med fokus på den regionala modellen för Stockholmsregionen.
2. Metod – stegvis validering
Arbetet med validering av modellen har pågått mer eller mindre löpande under 2019-2020.
För att förbigå konsekvenser av vad förändrad indata innebär för resultaten i modellen har Region Stockholm valt att genomföra analyser där respektive identifierad åtgärd i modellen analyserats enskilt för att dels fånga upp konsekvenser av åtgärden dels för att på ett enklare sätt fånga upp potentiella felkällor i indata.
De resultat som redovisas nedan bör betraktas som en del i detta valideringsarbete. Flera av de indata som använts har senare justerats.
I ett första steg genomfördes detta för att ta modellen från det tidigare basåret 2014 till det nya basåret 2017.
Tabell 1 - Stegvisa analyser 2014 till 2017 Analys
1. Sampers basår 2014 (version 18-06)
2. Justerade hastighetsgränser mellan 2014 och 2017 3. Uppdaterad vägnätskodning samt trängselavgifter 4. Uppdaterad kollektivtrafikkodning
5. Uppdaterade taxematriser 6. Uppdaterade Arlandamatriser 7. Förändrad realinkomstutveckling 8. Förändrade körkostnader.
För respektive scenario analyserades sedan förändringar i resande, flöden samt flöden över olika snitt.
Nedan visas övergripande resultat av dessa analyser.
Figur 1 - Konsekvenser av resande över olika snitt vid införande av olika åtgärder i modellen, vägtrafik.
Diagrammet visar att de åtgärder i modellen som främst påverkar resultaten är uppdatering av vägnät/trängselavgifter samt bilinnehavet.
Man bör ha i åtanke att vid införandet av vägnät/trängselavgifter förändrades tullsnittet till följd av Norra länkens införande. Definitionen av det snittet skiljer sig alltså åt mellan de första 2 analyserna och övriga analyser.
Figur 2- Konsekvenser av resande över olika snitt vid införande av olika åtgärder i modellen, kollresor.
För kollektivtrafiken ser man att det framförallt var uppdatering av taxor, införandet av Arlandaresor samt bilinnehavet som hade stor konsekvens för resandet över snitten och att det framförallt var de yttre snitten som påverkades mest.
I ett andra steg genomfördes motsvarande analyser för att komma från basåret 2017 till prognosåret 2040.
Tabell 2- Analyser 2017 till 2040 Analys
1. Sampers basår 2017, prel version 5 2. Vägnät 2040
3. Uppdatering trängselskatter 4. Uppdatering parkeringsmotstånd 5. Uppdatering kollnät
6. Uppdaterat prognosår
7. Uppdaterad realinkomstutveckling 8. Uppdaterade körkostnader 9. Yrkesmatriser
10. Arlanda 2040
11. Markanvändning 2040
Figur 3- Konsekvenser av resande över olika snitt vid införande av olika åtgärder i modellen, vägtrafik.
Resultaten visade att olika snitt påverkades lite olika av åtgärderna mellan 2017 och 2040.
Exempelvis påverkade vägnätet resandet i Saltsjö-Mälarsnittet och Regionscentrumsnittet medan tull- och länssnittet var mer oförändrade. Detta beror till stora delar på förbifart Stockholm som tillkommer i 2040.
För övrigt visade analyserna på en stor påverkan till följd av uppdaterade yrkesmatriser.
Den uppräkning som användes i dessa analyser reviderades dock senare i processen så utvecklingen inte var lika stor.
-20%
-10%
0%
10%
20%
30%
40%
50%
60%
70%
80%
% Förändring
Scenario
Förändring personbilar i olika snitt jämfört grundscenario 2017
SM snitt Tullsnitt Länssnitt Regioncentrumsnitt
Figur 4- Konsekvenser av resande över olika snitt vid införande av olika åtgärder i modellen, kollresor.
Åtgärder inom kollektivtrafiken hade inte lika stor enskild påverkan. Man ser att länssnittet lyfter lite vid införande att realinkomstutveckling vilket tyder på att reslängder ökar.
Vid dessa analyser uppmärksammades dock att resandet med pendeltåg minskade på Ostkustbanan till följd av ökade restider. Det noterades att ansatta gångtider i den tidtabellsmodell som används för att generera restider i prognosåret och basåret innehöll inkonsistenser samt felkodning av tåg mot Arlanda som innebar stora kapacitetspåslag norr om Arlanda.
-20%
-10%
0%
10%
20%
30%
40%
50%
60%
70%
80% Förändring kollektivtrafik i olika snitt jämfört grundscenario
SM snitt Tullsnitt Länssnitt Regioncentrumsnitt
3. Förutsättningar
3.1. Indataparametrar
Följande förutsättningar anges i modellversion 18–04 samt 20–062.
Tabell 3- Förutsättningar i basår och basprognos version 18–04 och 20–06
Förutsättning 2014 2017 2040 (1804) 2040 (2006) Enhet
Prognosår 2014 2017 2040 2040
Realinkomstutveckling
(från -97) 1,45 1,54 2,13 2,17
Årtal för kostnader 2014 2017 2014 2017
KPI 313,49 322,11 313,49 322,11
Skatteavdrag-
Marginaleffekt 0,4 0,4 0,4 0,4 andel
Skatteavdrag- Tidsvinst 30 30 30 30 minuter
Skatteavdrag- avstånd 2 2 2 2 km
Skatteavdrag- Gräns 10 000 10 000 10 000 10 000 kr
Marginalkostnad 0,882 1,01 0,882 1,01 kr/km
Bränslekostnad 0,968 1,02 0,775 0,86 kr/km
Summa körkostnad 1,85 2,03 1,657 1,87 kr/km
De förutsättningar som förändrats mellan de båda modellversionerna är framförallt körkostnaden som ökat något i modellversion 20–06, både i basåret och prognosåret.
De reala inkomsterna räknas från 1997 och ser ut att ha i princip samma ökningstakt i de båda versionerna.
2 Trafikverket (Expercenter)
3.2. Områdesindelning
Den så kallade områdesindelningen i modellen är grunden för nivån på vilket en resa startar eller slutar. Den indata som hanteras i modellen är till mångt och mycket kopplat till denna indelning.
För Stockholm län har det genomförts små förändringar avseende områdesindelning.
I Trafikverkets version 18–04 fanns 1 364 områden i Stockholm län
I Trafikverkets version 20–06 finns 1 375 områden i Stockholm län.
Nedan visas bild över hur områdesindelningen har förändrats i Stockholm mellan de båda modellversionerna.
Figur 5 – Nya områden i Stockholm län i version 20–06
3.3. Markanvändning
Markanvändning är kanske det mest relevanta indatat till modellen- Den beskriver hur många som bor- arbetar, inkomster, bilinnehav mm. för respektive geografiska område i modellen. Merparten av denna indata hämtas från faktisk statistik via SCB, men i viss mån måste detta indata bearbetas då indata från SCB inte ger den bild som modellsystemet kräver.
För prognosåret baseras indata på befolkningsprognoser för 2040 från SCB. I detta steg har hänsyn till indata från de olika regionerna tagits hänsyn, åtminstone i avseenden som rör fördelning av indata för olika områden. Precis som för basåret kommer vissa indata bearbetas manuellt.
3.3.1. Befolkning
Nedan beskrivs befolkning. Befolkningen per område i basåret baseras på faktisk statistik 2016-12-31 från SCB medan prognosåret för 2040 baseras på SCB prognos. Fördelning av tillskottet mellan kommuner utgår från RUFS20503.
Det intressanta i tabellen nedan ur en valideringssynpunkt är kanske framförallt prognosårets befolkning. Indata visar på relativt stora förändringar för vissa kommuner jämfört med tidigare basprognos. På total nivå innebär förändringen för Stockholms län ca 3 % medan Gotland minskar med ca 1 %.
Den årliga utvecklingen av befolkning i Stockholms län förväntas vara ca 1 % medan Gotland förväntas ha en negativ utveckling med ca 0,1 % per år fram till 2040.
Fördelning av tillskottet av boende ska ske enligt RUFS. Tabellen ovan visar att fördelningen har genomförts som tänkt.
3Tillskott av bostäder och arbetsplatser per Sampersområde i Stockholm till år 2040 som indata till markanvändningen för Trafikverkets basprognos 2020 (Peter Almström, WSP Advisory)
Tabell 4- Befolkning i olika basår och prognoser
Kommun 2017 2040
Utveckling 2017->2040
Förändring tidigare prognos
Andel av tillkommande befolkning 17->40
Andel av tillkommande befolkning 15->40
Underlag Upplands
Väsby 43 796 52 266 19% -3% 1,3% 1,5%
Vallentuna 32 738 44 158 35% 10% 1,8% 1,7%
Österåker 43 237 51 913 20% 6% 1,3% 1,6%
Värmdö 41 931 57 210 36% -2% 2,4% 2,3%
Järfälla 74 279 104 241 40% -10% 4,6% 4,4%
Ekerö 27 367 33 135 21% 14% 0,9% 1,0%
Huddinge 107 219 134 098 25% 3% 4,2% 4,3%
Botkyrka 90 344 108 594 20% 1% 2,8% 3,0%
Salem 16 598 18 906 14% -1% 0,4% 0,5%
Haninge 85 470 104 293 22% -4% 2,9% 3,2%
Tyresö 46 997 54 172 15% 6% 1,1% 1,4%
Upplands-
Bro 26 701 34 331 29% 7% 1,2% 1,2%
Nykvarn 10 436 12 838 23% 6% 0,4% 0,4%
Täby 69 301 104 103 50% 23% 5,4% 4,9%
Danderyd 32 620 43 565 34% 27% 1,7% 1,6%
Sollentuna 70 869 90 925 28% 13% 3,1% 3,0%
Stockholm 932 612 1 171 121 26% 0% 37,0% 37,6%
Södertälje 94 387 115 441 22% 3% 3,3% 3,4%
Nacka 99 178 138 117 39% 3% 6,0% 5,7%
Sundbyberg 47 621 82 418 73% 23% 5,4% 4,6%
Solna 77 957 117 483 51% 5% 6,1% 5,4%
Lidingö 46 779 55 227 18% 17% 1,3% 1,5%
Vaxholm 11 613 14 666 26% 4% 0,5% 0,5%
Norrtälje 59 323 75 983 28% 1% 2,6% 2,7%
Sigtuna 46 147 55 841 21% -5% 1,5% 1,7%
Nynäshamn 27 681 32 721 18% 5% 0,8% 0,9%
Gotland 57 946 56 564 -2% -1% - -
Stockholms
län 2 263 201 2 907 766 28% 3% 100% 100%
3.3.2. Förvärvsarbetande
Antalet förvärvsarbetande kommer framförallt att påverka hur många arbetsresor som genereras i modellen och är därav en viktig parameter. Tabellen visar att utvecklingen av förvärvsarbetande generellt är långsammare än den totala befolkningsutvecklingen. Detta skulle kunna tyda på att länet antingen har en större tillväxt av unga eller äldre personer vilket man även ser i åldersfördelningen där Stockholms län och Gotland förväntas ha en åldrande befolkning i framtiden. Den största utvecklingen ligger i åldersklass 65+ vilket stödjer hypotesen om varför förvärvsarbetande inte ökar i samma takt som befolkningen i stort.
Tabell 5- Utveckling förvärvsarbetande samt för olika åldersgrupper
3.3.3. Arbetsplatser
Kommun 2017 2040
Utveckling Förvärvsarbetande
2017->2040
Befolkningsutveckling 2017->2040
Utveckling 0–16 år
Utveckling 16–65 år
Utveckling 65+ år Upplands
Väsby 22 111 25 135 14% 19% 15% 16% 37%
Vallentuna 17 005 22 037 30% 35% 16% 28% 92%
Österåker 22 007 24 937 13% 20% 1% 13% 65%
Värmdö 21 730 28 023 29% 36% 22% 28% 86%
Järfälla 35 837 49 724 39% 40% 28% 41% 55%
Ekerö 13 811 16 387 19% 21% -3% 17% 71%
Huddinge 53 245 63 455 19% 25% 8% 20% 77%
Botkyrka 41 836 49 849 19% 20% 4% 14% 74%
Salem 7 992 9 017 13% 14% -6% 11% 49%
Haninge 42 883 48 321 13% 22% 15% 14% 64%
Tyresö 23 782 25 562 7% 15% 2% 6% 65%
Upplands-
Bro 13 153 15 787 20% 29% 14% 25% 64%
Nykvarn 5 434 6 216 14% 23% 6% 16% 72%
Täby 34 107 51 055 50% 50% 38% 52% 60%
Danderyd 14 789 19 790 34% 34% 11% 38% 48%
Sollentuna 35 059 42 815 22% 28% 15% 25% 60%
Stockholm 499 395 604 285 21% 26% 16% 19% 66%
Södertälje 43 606 52 623 21% 22% 17% 17% 49%
Nacka 50 119 66 256 32% 39% 21% 33% 89%
Sundbyberg 26 249 44 088 68% 73% 50% 72% 113%
Solna 43 039 63 425 47% 51% 37% 51% 64%
Lidingö 22 165 25 978 17% 18% 2% 18% 37%
Vaxholm 5 695 7 021 23% 26% 8% 24% 56%
Norrtälje 28 652 35 064 22% 28% 20% 21% 50%
Sigtuna 22 819 26 172 15% 21% 10% 16% 58%
Nynäshamn 13 372 14 945 12% 18% 26% 15% 20%
Gotland 28 436 26 061 -8% -2% 1% -10% 13%
Stockholms
län 1 159 892 1 437 967 24% 28% 16% 24% 64%
Nedan visas tabell över arbetsplatser i basår och prognosår.
Tabell 6- Arbetsplatser i basår 2017 samt prognosår 2040
Kommun 2017 2040 Utveckling
Förändring tidigare prognos
Förvärvsarbetande /Arbetsplatser 2017
Förvärvsarbetande /Arbetsplatser 2040
Upplands Väsby 15 492 18 617 20% -12% 1,43 1,35
Vallentuna 8 986 11 068 23% 12% 1,89 1,99
Österåker 10 880 13 864 27% 14% 2,02 1,80
Värmdö 12 215 15 939 30% 3% 1,78 1,76
Järfälla 26 076 32 266 24% -18% 1,37 1,54
Ekerö 8 992 11 900 32% 52% 1,54 1,38
Huddinge 45 145 65 724 46% 21% 1,18 0,97
Botkyrka 25 553 33 410 31% 11% 1,64 1,49
Salem 3 135 4 494 43% 20% 2,55 2,01
Haninge 28 480 37 082 30% 9% 1,51 1,30
Tyresö 11 659 15 618 34% 22% 2,04 1,64
Upplands-Bro 9 224 12 209 32% 19% 1,43 1,29
Nykvarn 2 877 3 662 27% 19% 1,89 1,70
Täby 25 502 30 054 18% -8% 1,34 1,70
Danderyd 18 472 26 442 43% 38% 0,80 0,75
Sollentuna 25 788 31 728 23% 7% 1,36 1,35
Stockholm 675 534 814 183 21% -2% 0,74 0,74
Södertälje 50 102 59 279 18% 14% 0,87 0,89
Nacka 34 762 43 690 26% -11% 1,44 1,52
Sundbyberg 23 878 28 148 18% -17% 1,10 1,57
Solna 87 835 108 149 23% -4% 0,49 0,59
Lidingö 12 029 15 776 31% 7% 1,84 1,65
Vaxholm 2 831 3 661 29% 3% 2,01 1,92
Norrtälje 22 240 27 016 21% -3% 1,29 1,30
Sigtuna 30 153 35 938 19% -1% 0,76 0,73
Nynäshamn 7 467 10 387 39% 10% 1,79 1,44
Gotland 27 343 25 480 -7% 3% 1,04 1,02
Stockholms län 1 225 307 1 510 304 23% 0% 0,95 0,95
Var arbetsplatser finns styr framförallt målpunktsfördelning för arbetsresor.
Antalet arbetsplatser ser ut att utvecklas förhållandevis på liknande sätt som förvärvsarbetande befolkning på länsnivå vilket verkar rimligt.
Jämfört med tidigare prognos (version 1804) ser man ganska stora förändringar för vissa kommuner. Exempelvis Ekerö och Danderyd sticker ut.
Genom att titta på förhållandet mellan förvärvsarbetande och arbetsplatser kan man få en känsla för vilka kommuner som kommer att ha ett inpendlings överskott/underskott. En kvot <1 innebär att det finns fler arbetsplatser än förvärvsarbetande och en kvot > 1 att det finns fler förvärvsarbetande än arbetsplatser. De kommuner som ser ut att kunna få ett inpendlingsöverskott är Stockholm, Danderyd, Södertälje, Solna och Sigtuna vilket verkar logiskt. I andra ändan av spannet, dvs. utpendlingsöverskott hittar vi exempelvis
Vallentuna, Österåker, Salem, Tyresö och Vaxholm.
3.3.4. Inkomster
I modellen anges inkomster för befolkning äldre än 16 år. Uppdelning sker via olika
inkomstintervall som anger hur många personer som finns inom varje intervall. Det översta intervallet avser inkomster på 400 000 + kronor per år.
Nedan visas genomsnittliga inkomster för boende inom olika kommuner i Skåne.
Genomsnittlig inkomst inom respektive intervall har tagits fram via statistik från SCB för år 2016.
Tabell 7- Medelinkomster per kommun för olika basår och prognosår
Kommun 2017
2040 version.
2006
Utveckling 2017->2040
Förändring tidigare prognos Upplands
Väsby 243 348 43% 5%
Vallentuna 272 381 40% 1%
Österåker 265 365 38% -1%
Värmdö 270 369 37% -2%
Järfälla 248 359 45% 5%
Ekerö 285 387 36% 1%
Huddinge 245 333 36% 0%
Botkyrka 207 317 53% 4%
Salem 259 370 43% 2%
Haninge 233 340 46% 0%
Tyresö 267 362 36% -1%
Upplands-Bro 240 348 45% 3%
Nykvarn 273 377 38% -2%
Täby 299 393 31% 5%
Danderyd 304 379 25% 4%
Sollentuna 279 367 32% 0%
Stockholm 264 359 36% 0%
Södertälje 208 321 54% 5%
Nacka 287 379 32% 1%
Sundbyberg 257 366 42% 1%
Solna 269 383 42% 3%
Lidingö 289 378 31% 4%
Vaxholm 286 381 33% -4%
Norrtälje 224 329 47% 0%
Sigtuna 228 332 45% -1%
Nynäshamn 233 340 46% 3%
Gotland 205 260 27% -16%
Stockholms
län 258 358 38% 1%
Den reala inkomstutvecklingen som generellt används i Sampers är satt till en ökning med ca 1,5 % per år innebärande ca 40 % mellan 2017 och 2040. Detta stämmer ganska väl överens med inkomstutvecklingen på länsnivå i modellens indata. En osäkerhet i tabell ovan är såklart inkomstintervall över 400 000.
Det finns till synes inga kommuner som utvecklingsmässigt sticker ut som avvikande. Dock är förändringen jämfört tidigare basprognos relativt stor för Gotland.
Annars ser medelinkomster ut att fördela sig på ett rimligt sätt där kommuner som Danderyd, Täby, Lidingö, Nacka och Vaxholm har höga inkomster medan kommuner som Botkyrka, Södertälje och Norrtälje har lägre inkomster.
3.3.5. Bilinnehav
Bilinnehavet i modellen beskriver hur många bilar, hur många disponerare av bilar samt antal personer som innehar körkort inom respektive område i modellen. Denna indata bedöms ha stor påverkan, framförallt på bilresandet som genereras.
Enligt tidigare tester är elasticiteterna enligt följande:
- Körkort 0.8 - Bildisp 0.6 - Bilantal 0.3
Detta innebär att om ex, körkortsinnehavet ökar med 10 % kommer antalet bilresor att öka med 8 % osv.
Vid framtagning av bilinnehav till modellen krävs att ett antal antaganden görs, detta då det indata som levereras av SCB inte är komplett.
Indata som levereras avser privatägda bilar (inkl. leasing> 1 år) samt disponerare av privatägda bilar. Det som alltså saknas i underlagen är juridiskt ägda bilar som brukas av privata personer, dvs. tjänste/förmånsbilar.
En skillnad i underlag som levererats inför denna uppdatering av modellen är att antalet privatägda bilar levererats på modellens områdesindelning. I version 18–04 levererades ingen information om detta varpå indata på kommunnivå från Trafikanalys fordonsdatabas4 användes och fördelades sedan ner på modellens områdesnivå med stöd av
befolkningssammansättningen per område i respektive kommun.
Man bör alltså i grunden ha en bättre fördelning av antalet fordon per kommun i version 20–06.
För att få en komplett bild av bilinnehavet måste alltså levererade indata kompletteras med antal förmånsbilar samt antal personer som disponerar sådana bilar (eller mer korrekt antal personer som disponerar förmånsbilar som inte disponerar en privatägd bil).
Då information om antal förmånsbilar inte finns enkelt tillgängligt måste antaganden göras.
I modellversion 18–04 gjordes antagandet att antalet förmånsbilar korrelerade med antalet bilar som ägs av personliga företag på kommunnivå. I ett andra steg gjordes sedan ett antagande om att 50 % av brukare av förmånsbilar redan har en privatägd bil i hushållet (de
4 https://www.trafa.se/vagtrafik/fordon/
disponerar alltså redan en bil), dvs. antalet tillkommande disponerare avser hälften av det tillskott som tillskottet av antal bilar innebär.
I modellversion 20–06 har man istället valt att utifrån nationella resvaneundersökningen som Trafikanalys genomför5 kalibrera bildisponerare på länsnivå utifrån andel per län som i RVU angett att de har en eller fler bilar i hushållet6, dvs. om man i grundindata (exkl.
förmånsbilar) har en bildisponerarfrekvens på 60 % men RVU säger att 70 % av hushållen innehar >1 bil justeras frekvensen upp med 10 %. I ett andra steg justeras sedan antalet bilar med samma procentuella andel. Samtliga områden inom länet räknas upp med samma andelar för antal bilar och bildisponerare.
I modellen kommer områden där antalet disponerare överstiger befolkningen i ett område automatiskt justeras ner till 90 % av befolkningen, men om andelen disponerare är ex. 99 % av befolkningen kommer den andel stå sig vid modellering. Detta är en modellteknisk lite olycklig konsekvens. För att komma undan detta har man i version 20–06 i efterhand justerat områden där antal disponerare> antal boende så antal disponerare = antal boende, dvs. exakt 100 %.
Avseende körkort har samma metod använts i modellversion 18–04 och 20–06.
Nedan visas tabell över bilinnehavet, dels för version 18–04, dels för version 20–06.
5 https://www.trafa.se/kommunikationsvanor/RVU-Sverige/
6 Då använd RVU bedöms som något osäker (bland annat låg svarsfrekvens, ca 1000 svar för hela Stockholm) har man som en försiktighetsåtgärd valt att använda sig av den nedre delen av ovan nämnd andel utifrån ett 95 procentigt konfidensintervall.
Tabell 8 - Bilinnehav i olika modellversioner
Bilinnehav Andel bilar av befolkning Andel disponerare av befolkning Andel körkort av befolkning
Kommun 2014 2017 2040 2014 2017 2040 2014 2017 2040
Upplands Väsby 37% 40% 40% 71% 85% 86% 54% 54% 55%
Vallentuna 43% 45% 45% 85% 96% 96% 52% 52% 55%
Österåker 42% 44% 44% 82% 94% 95% 53% 53% 56%
Värmdö 40% 41% 40% 81% 92% 91% 52% 53% 54%
Järfälla 35% 38% 37% 71% 85% 84% 54% 53% 55%
Ekerö 43% 44% 43% 86% 97% 97% 52% 52% 55%
Huddinge 32% 34% 34% 67% 82% 82% 52% 52% 55%
Botkyrka 30% 32% 34% 63% 79% 81% 52% 52% 55%
Salem 37% 39% 40% 78% 91% 92% 51% 51% 55%
Haninge 34% 36% 37% 68% 83% 86% 53% 53% 54%
Tyresö 35% 38% 38% 73% 86% 86% 52% 53% 55%
Upplands-Bro 39% 41% 42% 74% 89% 88% 53% 53% 55%
Nykvarn 47% 50% 50% 86% 97% 97% 52% 52% 55%
Täby 39% 40% 40% 80% 91% 91% 53% 53% 54%
Danderyd 38% 39% 39% 78% 91% 90% 52% 52% 55%
Sollentuna 35% 36% 37% 74% 86% 86% 52% 52% 54%
Stockholm 23% 23% 23% 48% 59% 59% 55% 55% 57%
Södertälje 34% 37% 38% 64% 80% 81% 54% 54% 55%
Nacka 32% 33% 33% 70% 82% 82% 52% 52% 55%
Sundbyberg 25% 26% 26% 50% 65% 67% 55% 55% 57%
Solna 26% 27% 27% 51% 64% 64% 57% 57% 58%
Lidingö 35% 35% 35% 72% 83% 82% 53% 54% 56%
Vaxholm 40% 41% 41% 82% 93% 92% 53% 53% 55%
Norrtälje 50% 48% 48% 83% 92% 91% 58% 58% 59%
Sigtuna 38% 39% 39% 71% 84% 85% 53% 53% 55%
Nynäshamn 40% 42% 43% 73% 86% 87% 56% 56% 55%
Gotland 56% 49% 49% 90% 88% 88% 70% 69% 68%
Stockholms län 30% 31% 31% 61% 73% 74% 54% 54% 56%
Resultaten ovan visar att med avseende på antal bilar kommer resultaten i de olika modellversionerna och beräkningsmetoderna att ge väldigt liknande värden på länsnivå, men även på kommunnivå bortsett från Gotland som får en ganska stor avvikelse. Även på kommunnivå är olikheter inte jättestora för merparten av kommunerna.
Tittar man dock på disponerare kommer skillnaderna vara större där vald metod i version 20–06 genomgående kommer generera en högre andel av befolkningen som disponerar bil.
Det finns inte några omfattande källor att korsreferera använd RVU mot. Det som kunnat hittas är en kommunal RVU för Sollentuna som genomfördes 2019. I denna undersökning svarade 75 % att de alltid har tillgång till bil, 15 % att de ibland hade tillgång och ca 10 % att de aldrig har tillgång till bil.
Vald metod för beräkning av bilinnehav visar att i vald metod disponerar 86 % av befolkningen.
I jämförelsen med Sollentuna visar resultaten att beroende på hur man tolkar vad som ska ingå i bilinnehavet, dvs. är kravet att man alltid eller ibland kan disponera en bil avgör vilken metod som genererar bäst överensstämmelse.
Resultaten för körkort visar på liknande resultat mellan tidigare basår och nuvarande basår vilket är logiskt då samma metod har tillämpats.
I prognosåret har angetts att bilinnehavet ska vara samma andel av befolkningen som i basåret. Detta stämmer i princip för antal bilar och bildisponerare där det förekommer någon procents avvikelse på kommunnivå och länsnivå (bildisponerare). För körkorten är dock avvikelser lite större (om än små). Genomgående avviker det 2–3 % på kommunnivå.
Detta beror dock på att beräkningen för prognosåret baseras på befolkning > 18 år medan övriga indata beräknas på hela befolkningen.
3.3.6. Övriga indata markanvändning
I den markanvändningsdatabas som används i modellen förekommer utöver ovanstående en mängd andra tabeller som inte är lika kritiska för de resultat som genereras i modellen.
Dessa beskrivs i Bilaga 4.
3.4. Vägutbud inkl trängselskatter och parkeringsmotstånd
Vägnäten i modellen baseras på de nät som togs fram i arbetet med basår och basprognoser till version 16–04. Till modellversion 18–04 gjordes mindre uppdateringar men till
modellversion 20–06 har en något större uppdatering gjorts för att komma från basår 2014 till basår 2017.
För Stockholm har följande objekt kodats in för att komma från 2014 till 2017.
Tabell 9- Vägobjekt mellan 2014 och 2017
Objekt Plan
Generella hastighetsjusteringar
E18 Hjulsta-Kista Nationell
E18 Tpl Kallhäll Nationell
Väg 268 Vallentuna C Län
Väg 76 Förbifart Norrtälje, etapp 1 och 2 Län
E20 Trafikplats Almnäs Nationell
E20 Norra länken Nationell
E18 Tpl Viggbyholm Nationell
Mölnvik-Insjön Län
Tomteboda-Haga Södra Nationell
Tabell 10- Järnvägsobjekt mellan 2014 och 2017
Objekt Plan
Rosersberg, anslutning kombiterminal Nationell, ÖFT 2015
Citybanan Nationell, ÖFT 2017
Nynäsbanan Tungelsta-Hemfosa Nationell, ÖFT 2017
Mellan 2017 och 2040 har sedan följande objekt kodats in. Notera att planer innehåller flera objekt. Många av dem har dock karaktär som inte är kodningsbart i Sampersmodellen.
Tabell 11- Vägobjekt mellan 2017 och 2040.
Objekt Plan Kommentar
E18 Danderyd-Arninge Nationell
E18 Norrtälje-Kapellskär Nationell
E18 Trafikplats Kockbacka Nationell
E18 Trafikplatser Roslags Näsby (och Viggbyholm) Nationell
E4 Förbifart Stockholm Nationell
E18 Hjulsta-Jakobsberg, kapacitetsförstärkning till följd av FS Nationell E4/E20 Södertäljebron, kapacitetsförstärkning till följd av FS Nationell
E4/E20 Hallunda-Vårby Nationell
E4/Lv259 Tvärförbindelse Södertörn Nationell
77 Länsgränsen-Rösa och åtgärder i Rimbo Län
222 Trafikplats Kvarnholmen och Skvaltan, 4:e körfältet Län 226 Högskolan tpl anslutning Alfred Nobels allé Län
226 Pålamalmsvägen-Högskolan Län
261 Tappström-Nockeby Län
267 Rotebro-Stäket Län
E4-Grana Län
väg 57 Gnesta-E4 Län
väg 73 Vega trafikplats Län
väg 222 Mölnvik-Ålstäket Län
väg 222 Skurubron Län
väg 276 Sjöbergsvägen-Åkersberga Län
E18 Statlig följdinvesterng Arninge hållplats Nationell Ej kodningsbar
E4/E20 Tomteboda-Bredäng, ITS Nationell Ej kodningsbar
Essingeleden, riskreducerande åtgärder upprättande av ledverk Nationell Ej kodningsbar
Norra Sköndal bytespunkt Län Ej kodningsbar
257 Tungelstavägen, ny utformning Län Ej kodningsbar
Hemmesta vägskäl Län Ej kodningsbar
Roslagsbanan 1+2, kommunala följdinvesteringar Län Ej kodningsbar
Södertälje C, bytespunkt Län Ej kodningsbar
Brommaplan bytespunkt Län Ej kodningsbar
Gullmarsplan bytespunkt Län Ej kodningsbar
Haningeterassen bytespunkt Län Ej kodningsbar
Slussen bussterminal Län Ej kodningsbar
väg 226 Huddingevägen oskyddade trafikanter och åtgärder för stombuss Län Ej kodningsbar
Tabell 12- Järnvägsobjekt mellan 2017 och 2040.
Objekt Plan Kommentar
Mälarbanan Tomteboda-Kallhäll, ökad kapacitet Nationell Ingår i Basprognos.
Barkarby bytespunkt med anslutning till t-bana Nationell Anslutning till Tunnelbanan ingår i Basprognos.
Kollektivtrafik Stockholm, tunnelbaneutbyggnad
(statlig medfinansiering) Nationell Trafikeringen har stämts av med trafikförvaltningen.
Stockholm Central och Karlberg,
funktionsanpassnignar efter Citybanan Nationell Bedöms ej vara kodningsbar.
Årstaberg-Flemingsberg, signalåtgärder
optimering Nationell Bedöms ej vara kodningsbar.
Alvik-Ulvsunda-Solna stn Nationell Trafikeringen har stämts av med trafikförvaltningen.
Hagalund, bangårdsombyggnad Nationell Bedöms ej vara kodningsbar.
Roslagsbanan, dubbelspår etapp 1+2 (statlig
medfinansiering) Nationell/Länsplan Trafikeringen har stämts av med trafikförvaltningen.
Stockholm C-Sörentorp, ökad kapacitet Nationell Bedöms ej vara kodningsbar.
Tvärspårväg Ost/Saltsjöbanan (statlig
medfinansiering)* Nationell Trafikeringen har stämts av med
trafikförvaltningen.
Västra stambanan, Flemingsberg-Järna,
upprustning tunnlar Nationell Bedöms ej vara kodningsbar.
