VTlnotat
Hummer: T 63 Datum: 1989-09-01
Titel: Trafikkaraktäristika under de mest trafikerade timmarna
Författare: Hans-Åke Cedersund
Avdelning: Trafikavdelningen Projektnummer: 743 53-4
Projektnamn: Trafikdata för beräkning av avgashalter vid gator
Uppdragsgivare: Naturvårdsverket
Distribution:
;gi/nyförvärv/begrânsad/
. Pa: §81 01 Linköping. TeI.__013-2q40__0(_). Telex 50125 VTISGIS. Telefax 013-14 1436
Inst/ruter Besok. Olaus Magnus vag 32 Llnkoplng
din
1
TRAFIKKARAKTÃRISTIKA UNDER DE MEST TRAFIKERADE TIMMARNA
av Hans-Åke Cedersund
Innehållsförteckning: ( D N .5 U1 0 1 0 1 0 1 O \ U ' I U ' |L D U 1 0 1 U T N N N N N N .b 0 5 0 1 Sammanfattning Bakgrund Beskrivning av mcdellen Syfte Insamling av data Resultat Deskription Trafikkaraktäristika för förmiddagens och eftermiddagens dimensionerande timmar Trafikmässigt dimensionerande timme på för-middagen och efterför-middagen
Andel trafik av hela dygnets trafikflöde Riktningsuppdelning
Kallstartsandel Körmönster
Hastighet dimensionerande timme Andel tung trafik
Referenser
SAMMANFATTNING:
Statens Naturvårdsverk (SNV) i samarbete med SMHI och bilavgas-laboratoriet i Studsvik utvecklade en beräkningsmodell för bil-avgaser i gatumiljö.
1980 tillsatte nordiska ministerrådets ämbetsmannakommitté en
styrgrupp för nordiskt samarbete av bilavgasfrågor. Som ett resul-tat av detta samarbete vidareutvecklades en nordisk beräknings-modell för bilavgaser som dels grundade sig på naturvårdsverkets modell dels på det utvecklingsarbete som utförts vid Norsk Insti-tutt for Luftforskning, NILU.
1987 beslutade styrgruppen att beräkningsmodellen skulle aktuali-seras och revideras dock utan att den grundläggande modellen skulle förändras.
Uträkningen av avgashalterna kan enligt modellen göras på tre olika nogrannhetsnivåer:
Beräkningsnivå 1 är en grovsorteringsmetod som enbart syftar till att besvara frågan: Är avgashalterna så höga att de kan vara ett problem?
Beroende av hur mycket kunskap om trafiken som finns tillgänglig eller på hur stora nogrannhetskrav man har väljer man beräknings-2 eller 3.
Med liten kunskap och/eller små noggrannhetskrav väljer man beräk-ningsnivå 2. Beräkberäk-ningsnivå 2 är en schablonmetod som används för översiktliga beräkningar. De nödvändiga indata som behövs för
modellen på nivå två är trafikflöde, körbanebredd och avstånd till vägmitt. Övriga indata kan tas ur en schablonvärdestabell för 5 olika gatutyper.
Beräkningsnivå 3 kräver mer kunskap om gatans trafikkaraktäristika. Även här kan dock kunskapsbrister ersättas med schablonvärden.
Arbetet som redovisas här syftar till att revidera dessa schablon-värden.
De trafikkaraktäristika som studerats är: medelhastighet
kallstartsandel maxtimandel körmönster
riktningsfördelning
andel tung trafik
för olika gatutyper och under dimensionerande timmen idag och i morgon i Norden.
Många av de trafikkaraktäristika som erfordras till beräknings-modellen kan fås från vanliga trafikmätningar eller enkla obser-vationer av en trafikingenjör från vägkanten.
VTI har samlat in trafikmätningsdata från hela Norden och har dessutom trafikdata insamlade med VTIs egna trafikanalysatorer.
Över hälften av alla här redovisade mättillfällen är insamlade av VTI från ett femtontal städer i mellan-Sverige. Resten är från alla nordiska huvudstäder och några, huvudsakligen svenska, mellan-stora städer som gjort trafikmätningar i egen regi.
Gatorna har klassifierats i 5 huvudtyper där de tre första är vanligt förekommande i alla städer. Dessa tre gatutyper är gatu-typ A, som är infart mot centrum eller förbifart; gatugatu-typ B som är huvudgata i centrum och gatutyp C som är huvudgata i bostadSr område.
Klassificering av gatorna kan normalt göras med hjälp av en van-lig stadskarta och lite lokalkännedom. Men gränsdragningen mellan gatutyperna är inte entydig.
I beräkningsmodellen är intresset fokuserat till de "dimension-erande" timmarna på morgonen och eftermiddagen. Först måste den dimensionerande timmen pekas ut innan man studerar de övriga parametrarna.
Den dimensionerande timmen definieras som den timme när avgashalten är som högst. Det är alltså inte tillräckligt att mäta trafikflödet för att avgöra vilken timme som är dimensionerande Vanligtvis är flödet under eftermiddagens rusningstid större eller mycket större än motsvarande timme under förmiddagen. Men med hänsyn till andra. faktorer kan ändå utsläppet vara större under förmiddagens rusnings-timme.
Redovisningen här kan inte besvara frågan om vilken rusningstimme som är dimensionerande bara visa på problemets komplexitet. Det är upp till varje trafikingenjör som vill tillämpa modellen att med hjälp av egen kunskap och schablonvärdena försöka avgöra vilken timme som ger de högsta avgasutsläppen.
Dokumentationen består av dels av en genomgång av inventeringen av de hastighets- och trafikmätningar som funnits tillgängliga i Nor-den, dels av en analys av trafikkaraktäristika framförallt för de
dimensionerande timmarna, dels av en förteckning av typvärden,
schablonvärden, för dessa trafikkaraktäristika. Dessa
schablon-värden ska kunna användas i modellen där användaren saknar egna
indata eller önskar stämma av egna observationer mot typvärden. Scahblonvärdena är medvetet satta med breda intervall för att de ska användas med omdöme och så långt det är möjligt stämmas av mot egna observationer.
Denna dokumentation kan bli föremål för omskrivning efter det att projektet redovisats för styrgruppen 26-27 september 1989.
1. BAKGRUND:
Statens Naturvårdsverk (SNV) i samarbete med SMHI och bilavgas-laboratoriet i Studsvik utvecklade en beräkningsmodell för bil-avgaser i gatumiljö.
1980 tillsatte nordiska ministerrådets ämbetsmannakommitté en
styrgrupp för nordiskt samarbete av bilavgasfrågor. Som ett resul-tat av detta samarbete vidareutvecklades en nordisk beräknings-modell för bilavgaser som dels grundade sig på naturvårdsverkets modell dels på det utvecklingsarbete som utförts vid Norsk Insti-tutt for Luftforskning, NILU. Resultatet presenterades i en rapport "Nordisk Berekningsmetode for Bilavgasser, augusti 1984 (NMR-projekt l80.21-2.6).
1987 beslutade bilavgasgruppen under Nordiska ministerrådet att beräkningsmodellen skulle aktualiseras och revideras dock utan att den grundläggande modellen skulle förändras. Det uppdrag som VTI fick och som redovisas här berör trafikdata i olika typer av gatu-typer.
2. BESKRIVNING AV MODELLEN:
Att mäta avgashalterna i gatusystemet är både tids- och resurs-krävande. Den framtagna modellen kräver tämligen få och relativt lättframtagna indata.
För att få en bild av avgashalterna i vårt gatusystem måste man, enligt modellen , beräkna dels bakgrundshalten, som inte påverkas av trafiken på det aktuella mätsnittet, dels gatans bidrag.
Uträkningen av avgashalterna kan göras på tre olika nogrannhets-nivåer. .
Beräkningsnivå 1 är en grovsorteringsmetod som enbart syftar till att besvara frågan: Är avgashalterna så höga att de kan vara ett problem?
Av grovsorteringsnomogrammet nedan framgår direkt att om trafik-mängden ligger under 4000 fordon behövs inte någon vidare under-sökning: WHOs riktvärde för koloxid överskrids inte. M.a.o. det
är framförallt på huvudnätet, så som det definieras i TRÅD
(all-männa råd för planering av stadens trafiknät) som trafikbelast-ningen kan vara så hög att WHOs riktvärde för koloxid kan över-skridas.
Ingångsvärden i nomogrammet nedan är gatans trafikflöde per dygn och avståndet till gatumitt.
Grovsorteringsnomogram för bilavgaser
-30000
[tilll H
WHOIs riktvärde
H' H I H H
för koloxid
Noggrannare
överskrides
beräkningar
erfordras -20.000 . (enl. bernivá 2 e|||le|rI WHOIS riktvärde för koloxid över-lllllll skrides ejTr
af
ik
män
gd
_
fo
rd
on
/år
sm
ed
el
dyg
n
j5
10
15
20
. 25
30
Om man ur grovsorteringsnomogrammet utläser att "Noggrannare be-räkning erfordras..." får man använda sig av beräkningsnivå 2
eller 3.
Beroende av hur mycket kunskap om trafiken som finns tillgänglig eller på hur stora nogrannhetskrav man har väljer man beräknings-2 eller 3.
Med liten kunskap och/eller små noggrannhetskrav väljer man beräk-ningsnivå 2. Beräkberäk-ningsnivå 2 är en schablonmetod som används för översiktliga beräkningar. De nödvändiga indata som behövs för ' modellen å nivå två är trafikflöde, körbanebredd och avstånd till vägmitt. vriga indata kan tas ur en schablonvärdestabell för 5
olika gatutyper. Se schablontabell gällande gamla modellen nedan!
Schablonvärden för olika gatutyper
Gatutyp Beräk- Dim. Andel Riktn. Kallstarts- Andel dieselfordon
Körbe-nings- timme trafik fördel- andel, nans
år under dim. ning max min pb lb lb lb bredd
timme riktn. riktn < 10t 10-20t >20t m
Infart genom- . Fart 1985 em 10 60/40 25 25 * 6 3 3 4 8 Huvud-gata i centrum område 1985 em 8 55/45 25 25 8 3 2 1 8 Huvud-gata i bostads- . område 1985 fm 10 70/30 40 15 4 2. 2 - 8 Huvud-gata i arbets-område 1985 em 10 65/35 40 15 6 -4 4 5 8 Bussgata 1985 em 10 50/50 ' - - - - 100 - 8
Gatutyperna definieras enligt följande: Gatutyp A: Infart/genomfartsgata
Huvudgata mot centrum eller förbifart med halcentralt läge. Gatan har markerade trafiktoppar morgon och eftermiddag och relativt stor andel tung trafik.
Gatutyp B: Huvudgata i centrumomrâde
Gatan betjänar huvudsakligen trafik med start eller målpunkt i centrumområdet. Trafiken är ganska jämnt fördelad under dagen och andelen tung trafik är liten om inte busstrafik förekommer på gatan. trafikrytmen på gatan är ojämn, störningar förekommer ofta. Gatutyp C: Huvudgata i bostadsområde
Gatan är en uppsamlingsgata för trafik mellan bostadsområden och större trafikleder. Gatan har markerade trafiktoppar morgon och eftermiddag med en liten andel tung trafik.
Gatutyp D: Huvudgata i arbetsområde
Gatan är en uppsamlingsgata för trafik till och från större arbets-områden. Andelen tung trafik är stor.
Gatutyp E: Bussgata
Gatan är reserverad för busstrafik. Trafiken är lika stor i båda riktningarna. Kvävedioxidhalten är klart dimensionerande.
Som regel kan gatorna klassifieras enligt mallen ovan med så enkla medel som en stadskarta.
Ett utgångsvärde för avgashalten för CO och N02 fås ur ett nomo-gram som sedan eventuellt korrigeras för körbanebredd och beräk-ningsår. Till gatans/trafikens bidrag adderas bakgrundshalten.
Det är framförallt schablonvärdena som är föremål för
aktuali-sering och revidering i detta projekt.
Beräkningsnivå 3, slutligen, kräver mer kunskap om gatans trafik-karaktäristika. Även här kan dock kunskapsbrister ersättas med schablonvärden. Modellen på nivå 3 är en multiplikativ nivå. Ett "normal"-utgångsvärde för varje fordonsslag multipliceras med antal fordon och korrigeras med ett antal korrigeringsfak-torer. En stor avvikelse från vad som kan anses "normalt" enligt modellen, ger en korrigeringsfaktor som kraftigt påverkar resul-tatet. Om däremot exempelvis kallstartsandelen är "normal" blir korrigeringsfaktorn betydelselös. (Eftersom det är en multiplika-tiv modell blir korrigeringsfaktorn 1.)
Faktorer som påverkar CO-halten är trafikmängd, år, dygnsfördel-ning (andel trafik under dimensionerande timme), medeltemperatur, medelhastighet, kallstartsandel (andel kallkörda fordon) och kör-mönster.
Motsvarande faktorer för NOX är beräkningsår,ev. medeltemperatur, kallstartsandel och medelhastighet. För varje faktor fås en mot-svarande korrigeringsfaktor ur en tabell.
Det är som regel olika utgångsvärden och korrigeringsfaktorer för olika fordonsslag (bensinpersonbilar, diesel-pb, lastbil <lO ton, lb o buss, lb >20 ton).
Totala avgashalten på en gata är enligt modellen summan av ut- _ släppen från de olika fordonsslagen tillsammans med bakgrundshalten
3. SYFTE
Syftet med projektet är att revidera beräkningsmodellen för avgas-halter vid gator och vägar. Detta delprojekt avser att aktualisera och revidera schablonvärdena för trafikkaraktäristika.
De trafikkaraktäristika som studerats är: medelhastighet
kallstartsandel maxtimandel körmönster
riktningsfördelning andel tung trafik
för olika gatutyper och under dimensionerande timmen idag och i morgon i Norden.
4. INSAMLING AV DATA:
De flesta av de trafikkaraktäristika som behövs som indata i beräkningsmodellen kan fås från vanliga trafikmätningar eller enkla observationer av en trafikingenjör från vägkanten.
VTI har utvecklat en trafikanalysator som kan särskilja ett 50-_ tal fordonstyper med hjälp av deras olika axeluppsättningar. Trafikanalysatorn kan urskilja hastigheten på varje axel. Axlar med ungefär samma hastighet och på rimligt avstånd till varandra anses tillhöra samma fordon. Exempelvis en personbil har två axlar där axelavståndet nästan undantagslöst är under 3.10 m. En tung lastbil har ett axelavstånd mellan 3.5 och 5.5 meter. Utav de stora bussarna har endast några enstaka procent ett axelavstånd mindre än 5.5 meter.
På detta sätt kan trafikanalysatorn särskilja de allra flesta fordonen och ange deras hastighet, riktning, exakt tidpunkt och axelavstånd. Data om varje enskild fordonspassage lagras för
alltid och aggregering av data kan göras på valfritt sätt efteråt. Vägverket har en liknande trafikanalysator som särskiljer varje
fordon och klassificerar efter ett liknande system. Systemet lagrar som regel inte varje fordonspassage utan data aggregeras redan i fält. Utrustningen finns numera på de flesta vägförvaltningar.
Både VTIs och Vägverkets utrustningar är mobila och kan hyras eller lånas.
Många kommuner har nyligen skaffat sig mätapparut enligt det så kallade Golden-River-systemet. GR-systemet kan urskilja fyra for-donstyper, noterar hastighet och riktning. Systemet lagrar data i hastighetsklasser på exempelvis timnivå. Utav de kommuner som VTI varit i kontakt med har få skaffat sig hastighetsanalystillbehör men att de planerar att göra det inom kort.
VTI har varit i kontakt med följande kommuner som alla har någon form av GR-utrustning: Göteborg, Stockholm, Västerås, Malmö, Hel-singborg, Eskilstuna, Gävle, Köpenhamn, Oslo och Helsingfors. En-dast Göteborg och Västerås har ett inarbetat system för hastighets-analys.
I Norge är det vanligt att mäta fordonshastigheter med radar. Kristiansand stad i Norge är ett exempel som återfinns i inven-teringen.
Finland representeras, förutom av Helsingfors, av Uleåborg.
VTI har alltsedan 1979 mätt trafik och hastigheter i sammanlagt 16 städer. Flera mätplatser ingår i ett speciellt mätprogram för att följa förändringar i hastighetsnivåerna år från år. Mätningarna har som mest upprepats 10 gånger. Övriga hastighetsmätningar har varit av engångskaraktär oftast på uppdrag av en kommun som vill ha
hastigheter mätta exempelvis utanför skolor och liknande. I
inven-teringen finns 160 hela mätdygn utförda med VTIs utrustning.
Göteborg har mätt hastigheter mer eller mindre kontinuerligt sedan 1986 på 6 platser. Västerås har mätt hastigheter på några enstaka platser.
De fyra huvudstäderna Helsingfors, Köpenhamn, Oslo och Stockholm har alla ambitiösa mätprogram där man mäter trafiken över vissa gränssnitt exempelvis en (tänkt) cityring eller ett större vatten-drag. Bidraget i inventeringen från de olika huvudstäderna är 45, 40, 75 och 15 vanligtvis hårdtrafikerade mätdygn. Trafikmätningarna har inte ännu kompletterats med hastighetsmätningar.
Samma sak gäller för de redovisade mätningarna gjorda i Malmö, Helsingborg, Gävle och Eskilstuna: Trafikmätningar hela dygn men inga hastighetsmätningar.
Från övriga Norden finns bara redovisade mätningar från Uleåborg, Finland och Kristiansand, Norge.
Intresset för hastighetsmätningar har ökat de senaste åren. Det är troligt att inslaget av hastighetsmätningar kommer att öka markant i en nära framtid när mätutrustningen blivit mer lättåtkomlig och billigare att använda. En liknande inventering som denna skulle, om den upprepas om 2-3 år, bli betydligt bredare representerad.
5. RESULTAT:
5.1 Deskription:
Trafikdatainventeringen omfattar sammanlagt 288 mätplatser med 399 hela 24-timmarsdygn från 23 städer i hela Norden. 187 mätdygn har hastighetsdata. Utav dessa är 172 mätta med VTIs trafikanalysatorer. Samtliga 399 mätdygn återfinns med ett urval av trafikkaraktäristika i bilagan.
Utav de 399 mätplatsdygnen ingående i inventeringen har 161 klassi-ficerats som mätta på gatutyp.A, infart eller förbifart med halv-centralt läge. Dvs har klassats som den första av de 5 gatutyper som definierades tidigare.
77 har klassifierats som huvudgata i centrumområde, gatutyp B, och 129 som huvudgata i bostadsområde, dvs gatutyp C, 17 i arbetsområde, gatutyp D. 14 har inte kunnat klassifierats alls med de enkla och snabba medel som här använts.
Klassifieringen har gjorts ifrån studier av vanliga stadskartor över respektive stad plus den information som kommit VTI tillhanda tillsammans med trafikdata plus eventuell lokalkännedom. Som regel är gatutyp A, infart mm, lättast att urskilja. Gränsdragningen mellan huvudgata i centrum eller bostadsområde är mer flytande. Självklart innehåller en klassificering gjord med så enkla medel som här ett stort mått av subjektivitet. En annan klassificerare med bättre
lokalkännedom kan naturligtvis ha invändingar mot den gjorda klassi-ficeringen. Av en turistkarta framgår inte klart om den omgivande bebyggelsen består av vanliga bostadshus eller kontorskomplex eller av industrianläggningar.
Inventeringen och analysen har naturligtvis allvarliga brister på grund av subjektivt gjorda klassificeringar och av att materialet har allvarliga snedsidor. Exempelvis har inventeringen en kraftig övervikt av svenska data framtagna av VTI och huvudstadsdata. För-hoppningsvis kompenseras det av att materialets storlek och bredd. I beräkningsmodellen är intresset fokuserat till de "dimension-erande" timmarna på morgonen och eftermiddagen. Först måste den dimensionerande timmen räknas fram innan man studerar de övriga parametrarna: Andel av hela dygnets trafik, riktningsuppdelning, medelhastighet i båda riktningarna, andel tung trafik för just den timmen.
Den dimensionerande timmen definieras som den timme när avgashalten är som högst. Det är alltså inte tillräckligt att mäta trafikflödet för att avgöra vilken timme som är dimensionerande. Vanligtvis är flödet under eftermiddagens rusningstid större eller mycket större än motsvarande timme under förmiddagen. Men med hänsyn till andra faktorer såsom andel kallkörda fordon kan ändå förmiddagens rusnings-timme vara dimensionerande.
Ett exempel:
Kaserngatan i Linköping har underhösten 1988 ett uppmätt trafikflöde på förmiddagens respektive eftermiddagens mest trafikerade timmar 827 respektive 1000 fordon. Flödet är alltså 21% större på efter-middagen än på förefter-middagen. Andelen av hela dygnets trafik är 8.4%
Vid ett tillfälle under våren 1989 uppmättes eftermiddagens andel icke varmkörda fordon till 18%. Vi antar att den andelen och andra uppmätta förhållanden hade varit desamma om temperaturen idealiskt sett varit 0 grader.
Nedan beräknas vilken andel icke varmkörda fordon på morgonen som, enligt modellen, ger samma CO-utsläpp förmiddag som eftermiddag. De redovisade korrektionsfaktorerna är från den tidigare modellen. Alla andra faktorer anses lika.
Eftermiddagens CO-halt: (korrektionsvärdena fås från tabeller)
(1000 fordon) * (utgångsvärde) * (dygnsfördelning 10.1% ger 0.9925) * (andel icke varmkörda fordon 18% ger 0.86) = 853.6 "utgångsvärdes-enheter".
Den sökta korrektionsfaktorn för morgonens andel icke varmkörda fordon antas vara "X".
(827 fordon) * (utgångsvärde) * (dygnsfördelningsfaktorn 1.12) * (andel icke varmkörda fordonsfaktorn X)= 921.6 "utgångsvärdesenhe-ter".
"X" är alltså lika med 0.9216 vilket motsvarar en andel icke varm-körda fordon på drygt 20% vilket måste bedömas som'fullt realistik.
Med andra ord: Trots det betydligt högre flödet påeftermiddagen
kan utsläppen av CO vara högre på morgonen.
Att räkna fram vilken av förmiddagens och eftermiddagens mest tra-fikerade timmar som är dimensionerande är komplicerat och måste av-göras från fall till fall. De följande kapitlet kan vara en hjälp på traven.
I den stora tabellen i bilagan är trafikkaraktäristika redovisade både för förmiddagens och eftermiddagens trafikdimensionerande tim-mar.
5.2 Trafikkaraktäristika för förmiddagens och eftermiddagens dimensionerande timmar
5.2.1 Trafikmässigt dimensiönerande timmar på förmiddagen och eftermiddagen.
tabell 1 Trafikmässigt dimensionerande timme på förmiddagen.
Antal mätdygn fördelat på gatutyp
klock-slag A B C D ? sum 06-07 11 1 11 2 0 25 07-08 79 (49%) 27 (35%) 60 (47%) 8 2 176 (44%) 08-09 63 (39%) 29 (38%) 34 (26%) 5 9 140 (35%) 09-10 3 2 2 0 0 7 10-11 1 6 *3* 3 2 3 15 11-12 5 12 *10* 19 *14* 0 0 36 162 77 *72* 129 *124* 17 -14 399
Förmiddagen har definierats 06-12.
Tabellen ger inte en helt korrekt bild. Exempelvis Helsingfors anger bara morgonrusningen till att vara 7.45 - 8.45 för alla mätplatser. Dessutøm är 9 mätdygn från lördagsmätningar. Inom * * anges värdena de 9 lördagsmätdygnen exkluderade.
Tabellen visar dock klart att morgonrusningstimmen inte är entydigt definierad, men att 7-8 är vanligast, framförallt på gatutyp A och C. På huvudgator i centrum, gatutyp B, är dock 8-9 vanligast.
Det är också väsentligt att påpeka att det ibland är högre flöden
mellan 11-12 än på morgonen. Det är då ett utslag av att eftermiddags-trafiken ibland är väsentligt större än förmiddagens vilket medför att även 11-12 har större trafikvolym än exempelvis 7-8.
tabell 2 Trafikmässigt dimensionerande timme på eftermiddagen. Antal mätdygn fördelat på gatutyp
klock-slag A B C D ? sum 12-13 0 0 3 O 1 4 13-14 0 O 0 0 0 0 14-15 1 O 0 '0 1 2 15-16 17 13 20 2 3 55 16-17 137 (85%) 57 (74%) 90 (70%) 13 (76%) 9 306 (77%) 17-18 6 7 14 1 0 28 18-19 1 0 2 1 0 4 162 77 129 17 14 399
Eftermiddag har definierats 12.00 till 19.00.
Eftermiddagens trafikmässigt dimensionerande timme är mer entydigt bestämd. I ungefär 75% av alla mättillfällen har 16-17 den högsta
trafikbelastningen. I de fall där 16-17 inte har högst flöde har
16-17 bara obetydligt mindre flöde (redovisas inte här). Det är
med andra ord aldrig helt fel att schablonmässigt anta att det högsta flödet på eftermiddagen är mellan 16 och 17.
tabell 3: trafikflödet under eftermiddagens dimensionerande timme dividerat med motsvarande flöde på förmiddagen.
gatutyp A B C tot (inkl D och ?)
10-percentil 0.95 1.01 0.91 0.95
30-percentil 1.03 1.18 1.12 1.09
Medianen 1.17 1.33 1.33 1.25
70-percentil 1.36 1.48 1.54 1.45
90-percentil 1.68 1.70 2.05 1.79
Förmiddagens flöde är större i (dvs värde 1.00 eller lägre) i 21% i gatutyp A, 9% gatutyp B och 17% gatutyp C.
Tabellen ska läsas så här:
Alla mättillfällen som mätts i gatutyp A har rangordnats efter kvoten flöde em/ flöde fm. De 10% med de lägsta kvoterna har kvoten 0.95 eller lägre. Precis hälften (SO-percentilen eller medianen) har lägre kvot än 1.17 och precis hälften har högre kvot än 1.17.
21% av mättillfällena har lägre kvot än 1.00, dvs förmiddagens trafik är större än eftermiddagens trafik. Omvänt gäller natur-ligtvis: 79% har större trafik på eftermiddagen.
På centrumgator (B) är förhållandet ändå mer snedfördelat. Endast 9% har högre trafikvolym på förmiddagen än eftermiddagen.
***'k************************************************************************ * i -* I -* I -* I -* I
-Högsta flödet under förmiddagen kan vanligtvis antas vara mellan 7-8 för gatutyp A.och C och 8-9 i gatutyp B.
Eftermiddagens högsta flöde kan som schablon anses inträffa mellan 16.00 och 17.00.
Som schablonvärde kan flödet under eftenmiddagens rusningstimme anses vara 1.25 gånger så stor som.förmiddagens.
* 3 + * * 3 + * »+ * * ****************************************************************************
En genomgång av vilka gator som har lägst kvot visar att, om man undantar mätplatser med extremt lite trafik, Köpenhamn, Oslo och Helsingfors är överrepresenterade.
tabell 4: Mättillfällen rangordnade efter flöde dimensionerande timme på eftermiddagen dividerat med flöde dimensionerande timme på förmiddagen.
1. MOTALA SMÅLANDSGATAN 0 595 2. KOBENHAVN FOLKE BERNADOTTES 0.601 3. OSLO EKEBERGVEIEN 0.694 4. OSLO BAERUMSVEIEN 0.710
5. MOTALA ÖSTRAESPLANADENA 0.746
6. OSLO STRÖMSVEIEN 0.767
7. KOBENHAVN RYGÅRDS ALLE 0.771 8. OSLO N. PRINSDALS VEI 0.788 9. HELSINKI MEILAHDEN SILTA 0.791 10. KOBENHAVN RYVANGS ALLE 0 797 11. MOTALA SPOLEGATAN 0.800 12. KOBENHAVN TUBORGVEJ 0 808 13. OSLO SANNERBRUA 0.811 14. OSLO DOKKVEIEN 0 814
15. HELSINKI KYLÄSAARENKATU 0.815
16. OSLO KR. AUGUSTS GATE 0.839 17. OSLO HAGEGATA 0.851 18. HELSINKI OTANIEMEN SILTA 0.874 19. KOBENHAVN HOLBAKVEJEN 0.882
20 OSLO ST.OLAVS GATE 0.883
21. HELSINKI METSÃLANTIE 0.883 22. OSLO EUROPAVEIEN 0 889 23. KOBENHAVN LYNGBYVEJ 0.894 24 HELSINKI PIRKKOLANTIE 0.899 25 HELSINKI RATAPIHANTIE 0 902 26. HELSINKI LANTINEN M-TIE 0.916 27. OSLO SANDSTUVEIEN 0 917 28. STOCKHOLM MARIEBERGSBRON 0 918 29. OSLO VÖYEN BRU 0.918 30. KOBENHAVN TUBORGVEJ II 0.919 31. KOBENHAVN SLOTSHERRENSVEJ 0.920 32. LINKÖPING ÅLERYDSVÄGEN 0.921 33. KOBENHAVN ÖSTERBROGADE 0.925 34. OSLO NYDALSBRUA 0.929 35. STOCKHOLM SKANSBRON 0 929 36. OSLO KARIHAUGVEIEN 0 930 37. KOBENHAVN ENGLANDSVEJ 0.936 38. KOBENHAVN GRÖNNEMOSE 0.943 39. HELSINKI HAKAMAENTIE 0.953 40. OSLO ÖSTRA ÅKER VEI 0 957 41 OSLO UELANDS GATE 0.964
42 OSLO SÖRKEDALSVEIEN 0.968
43 MALMÖ CARLSGATAN 0.977
44 OSLO LÖKKEVEIEN 0.978
45 HELSINKI NORDENSKIÖLDINK 0.978 46 OSLO BYGDÖY ALLE 0.980 47 KOBENHAVN FREDENSBRO 0.981 48 OSLO DRAMMENSVEIEN 0.982 49 KRISTIANSAND KONGSGAARD 0.983 50 STOCKHOLM LIDINGÖBRON 0.986
5.2.2 Andel trafik av hela dygnets trafikflöde tabell 5: Andel av hela dygnets trafikflöde A: Förmiddagens dimensionerande timme
gatutyp A B C tot (inkl D och ?)
10-percentil 6.1% 5.8% 5.7% 6.0%
30-percentil 7.2% 6.6% 6.7% 6.8%
medianen 8.0% 7.2% 7.6% 7.7%
70-percentil 8.8% 8.1% 8.9% 8.8%
90-percentil 9.9% 9.5% 11.2% 10.5%
B: Eftermiddagens dimensionerande timme
gatutyp A B C tot (inkl D och ?)
lO-percentil 8.1% 8.1% 8.6% 8,2%
30-percentil 9.0% 9.4% 9.6% 9.3%
medianen 9.7% 9.9% 10.6% 10.0%
70-percentil 10.5% 10.4% 11.4% 10.9%
90-percentil 11.4% 11.3% 12.7% 11.9%
Utav tabellerna framgår att det inte föreligger någon väsentlig skillnad mellan gatutyperna vad avser andel trafik under dimen-sionerande timme av hela dygnets trafik.
Det förefaller rimligt att ansätta 10% som schablonvärde för alla gatutyper för eftermiddagens andel av hela dygnets trafik. Avvikel-sen är bara undantagsvis större än 1 procentenhet.
Om dimensionerande timme är på förmiddagen verkar 8% för gatutyp A och 7.5% för övriga gatutyper vara en rimlig schablonuppskattning.
*t************************************************************************
Sam schablonvärde för andel trafik under dimensionerande föreslås för alla gatutyper 10.0% för eftermiddagen och på förmiddagen 8% för gatutyp A.och 7.5% för övriga gatutyper.
» »+ » * » * 3 + * » **************************************************************************
5.2.3 Riktningsuppdelning:
tabell 6: Trafikflödet i den dominerande riktningen under dimension-erande timmen:
Förmiddagen:
gatutyp
A
B
C
tot (inkl D och ?)
lO-percentilen 53% 52% 52% 52% 30-percentilen 59% 56% 56% 57% medianen 65% 59% 62% 62% 70-percentilen 70% 65% 68% 69% 90-percentilen 76% 74% 83% 77% Eftermiddagen:
gatutyp A B C tot (inkl D och ?)
lO-percentilen 52% 51% 52% 52%
30-percentilen 56% 54% 55% 55%
medianen 60% 56% 58% 58%
70-percentilen 64% 59% 64% 63%
90-percentilen 68% 64% 70% 69%
Av tabellerna framgår att eftermiddagens trafik är mer jämnt fördelad på båda riktningarna än förmiddagens. Det är förmod-ligen ett utslag av att morgontrafiken huvudsakförmod-ligen består av arbetsresor medan eftermiddagens trafik har ett betydande
till-skott av sk. övrig trafik. Det är dessutom den troligaste
för-klaringen till att flödena som regel är så pass mycket större under hela eftermiddagen.
***********************************************************************
Som schablonvârden för riktningsuppdelning för eftermiddagens dimensionerande timme föreslås 60-40 för gatutyp A, C och D och 55-45 för gatutyp B.
Som schablonvärden för riktningsuppdelning för förmiddagens dimensionerande timme föreslås 65-35 för gatutyp A och 60-40 för övriga gatutyper. * »a -»+ » »x-» »+ » * 3 + * * + * ***********************************************************************
5.2.4 Kallstartsandel:
Den kanske svåraste variabeln att uppskatta men också en av de viktigaste är "kallstartsandel" eller riktigare uttryckt "andel icke varmkörda fordon". För att korrekt kunna uppskatta om ett fordons motor har kommit upp i en bra arbetstemperatur, som är cirka 80 grader, måste man ju stoppa fordonen och helt enkelt mäta temperatureni motorn. Vanligtvis brukar man nöja sig med
att intervjua föraren om hur mycket fordonet använts den sista ,
tiden och på så sätt indirekt få fram motorns temperatur. Man brukar anse att en motor är varm om den körts mer än sex minuter precis före intervjun. Om svaret är nej kan den ändå anses som varm om den använts några timmar, 2-6 timmar, innan. Den kan också definieras som varm om en effektiv motorvärmare varit in-kopplad innan.
Dessa undersökningar som kan göras antingen genom intervjuer eller genom att ett förarna får ett svarskort som kan skickas till inter-vjuaren är mycket störande på trafiken. Speciellt som undersökning-arna måste göras när trafiken är som intensivast.
Inte många undersökningar har gjorts. Generaliserbarheten av en-staka undersökningar är säkerligen också mycket begränsad.
VTI har gjort en undersökning på en enda plats, en riktning under en rusningstimme på eftermiddagen. Det uppmätta värdet, 18% icke varmkörda fordon, understiger det schablonvärde som angetts till förra modellversionen.
Nordisk planeringskonsult AB gjorde en pilotstudie med ett modell-antagande för att beräkna kallstartsandel. Pilotstudien benämndes "Beräkning av kallstartsandel och energiförbrukning för biltrafik inom ett väg och gatunät", och preliminärredovisades februari 1983. Uppdragsgivare var Transportforskningsdelegationen. Studien har
inte slutredovisats.
Man redovisar bland annat en schablonmetod, se tabell nedan, som tar hänsyn till gatutyp och ortsstorlek.
tabell 7: Kallstartsandel för olika gatutyper och ortsstorlek
Ortsstorlek (1000-tal inv)
<50 50-150 150-500 >500
genomfart/infart 0.30 0.25 0.25 0.15
tangentled o huvudgata 0.45 0.35 0.35 0.20
centrumgata 0.60 0.45 0.35 0.25
Ofta har man god kunskap om trafikmönstren i en kommun genom att göra intervjuundersökningar eller genom nummerskrivnings-undersökningar. Dvs man vet start- och målpunkter för enskilda fordon, kanske också deras ärende, vägval och tidsförbrukning i/av gatunätet. Fördelningen av fordon med olika motortempera-turer kan skattas. På så sätt kan man också beräkna sträckan för fordonens uppvärmningskörning.
Modellen är tidskrävande att använda och kräver kunskap och _
insikt om en mängd oberoende variabler. Fel i grundantagandena kan säkerligen få stora konsekvenser för slutresultatet. Model-len har applicerats på förhållandena i Örebro. Det är inte känt om modellen har kallibrerats mot exempelvis en intervjuunder-sökning eller en känslighetsanalys. Hur som helst är modellen ett intressant sätt att angripa problemet att undersöka andelen icke varm kallkörda fordon. Det vore mycket intressant att bygga vidare på modellen och exempelvis göra en känslighetsanalys där man varierar indataantagandena och studerar konsekvenserna.
I Vejdatalaboratoriets rapport 79, 1989 "Luftforurening fra
vejtrafik, 2 exsempler fra Lyngby og Ålborg" redovisar man bland annat en intervjuundersökning av andel icke varmkörda fordon. I dessa undersökningar uppmätte man högre andel icke.varmkörda for-don på eftermiddagen än på morgonen. Det förklarar'man med att trafiken som regel åkt långt på morgonen innan man kommit till de centrala delar där intervjuerna ägt rum. I L ngby uppmättes
18% på morgonen och 22% på eftermiddagen och i lborg 21%
respek-tive 33%.
I augusti 1989 ska man företa en omfattande intervjuundersökning där man ska jämföra resultaten med indatavärdena i avgasmodellen. Resultat föreligger under hösten. Förhoppningsvis kan resultatet från denna undersökning inarbetas i modellombetningen som sker samma höst.
Schablonvärden ur tidigare beräkningsmodellmanual jämfört med Nordisk Planeringskonsults schablonvärden resp. VTIs och Vej-datalaboratoriets intervjuundersökning:
tabell 8: Andel icke varmkörda fordon (kallstartsandel enligt olika källor (procent)
Gatutyp A B C D
gamla modellen
max/min riktning
25/25
25/25
40/15
40/15
Nordisk planeringskonsult
genomfart/ tangentled/ centrumgata
ortstorlek infart huvudgata
<50.000 30% 45% 60%
50-150.000 25% 35% 45%
ISO-500.000 25% 35% 35%
>500.000 15% 20% 25%
VTI Linköping B-gata em. 18%
Lyngby B-gata fm. 18% em. 22%
Ålborg
B-gata
fm. 21%
em.
33%
Material finns inte för närvarande för att vare sig bekräfta eller revidera gamla modellens schablonvärden.
******************************************************************
Tidigare angivna schablonvärden för andel icke varmkörda fordon ändras inte. Eventuellt kan den under förhösten 1989 gjorda intervjuundersökningen revidera värdena.
» * a v* » » * a e * * *******************************tt******t**************************
5.2.5 Körmönster
En lika viktig och möjligen än mer svårskattad parameter till
modellen är "körmönster". Körmönster beskrivsi nuvarande
modell-enmen med andelar retarderande och accelererande fordon. Med kända värden för andelarna kan man ur ett nomogram få fram en korrek-tionsfaktor.
Korrektionsfaktorn är mycket känslig: Exempelvis en andel
retardationer på 0% och en andel accelerationer på 0% fås en k-faktor vid en medelhastighet på 40 km/h för bensindrivna per-sonbilar på 1.1. Med andelarna 30% respektive 0% och samma medelhastighet fås en k-faktor på 0.9. En skillnad på 22%. VTI har inte gjort några mätningar av dessa andelar. Däremot har VTI utfört ett antal körmönsterkörningar med en bil som på en graf av lagra hastighetsförloppet och bensinåtgången över en körd sträcka. Exempel finns nedan.
Mätningar har gjorts på ett 10-tal sträckor där en redovisas i tabell och grafer. Mätningarna har utförts med en och samma bil av tre olika förare "BT", "HS" och "MB". De har i riktning
l kört 5, 5 respektive 3 gånger och i riktning 2 4, 5 och 2 gånger. Sträckan är drygt 4100 meter och körd mellan 16.00 och 17.00 varje gång. Mätsträckan är Industrigatan i Linköping från Vallarondellen till Kannanrondellen. Industrigatan är en mycket typisk gata av typ A; förbifart i halvcentralt läge. God stan-dard, inga oskyddade trafikanter, delvis 70-skyltad men med ett antal större korsningar varav flera med (samordnade) sig-naler.
På en gata med 50 km/h som medelhastighet så är hastigheterna nästan normalfördelade och har en spridning på ungefär 8 km/h. Högre medelhastighet ger som regel större spridning. Det bety-der att, eftersom hastigheterna är normalfördelade, att 95% av alla hastigheter ligger mellan 34 och 66 km/h (50 +- 2*8 km/h).
Det ligger nära till hands att tro att den stora spridningen
till stor del kan förklaras av olika förare, olika bilar, olika omgivande trafikförhållanden, olika tillfälligheter mm. Att, en
och samma förare som kör samma bil under liknande förhållanden
kör i samma hastighet, verkar vara ett rimligt antagande. Dessa körningar styrker inte en sådan hypotes, som framgår av tabellen. Förare "BT" har på sina 5 körningar i riktning 1 en variations-bredd på 13 km/h (högsta minus lägsta hastighet), förare "HS" motsvarande 20 km/h och förare "MB" på tre körningar en varia-tionsbredd på 13 km/h.
De tre graferna till höger och nederst till vänster är utvalda för att de visar samma medelhastighet men med olika förare. Som synes har antalet hastighetsdoppningar varierat.
Den fjärde grafen, längst upp till vänster, en gjord under samma trafikförhållanden men med bara ett hastighetsdopp. Medelhastig-heten är självfallet mycket högre (47 km/h mot 35 km/h).
Mätningarna med denna bil pågår. Det är en förhoppning att dessa mätningar ska kunna appliceras i modellen i någon form.
tabell 9: Karaktäristika för ett antal körningar på en 4110 lång sträcka.
riktning 1
förare nr bränsle- hastig- antal Max- sträcka
åtgång het stopp hast. under 50 km/h
BT 1 396 35 3 78 1800 BT 2 330 48 3 74 1500 BT 3 356 45 2 76 1800 BT 4 360 44 4 79 1500 BT 5 355 45 3 78 1600 HS 1 301 50 1 76 1200 HS 2 390 39 4 75 1500 HS 3 390 38 4 77 1500 HS 4 391 34 5 70 1700 HS 5 432 30 7 68 1500 MB 1 402 34 4 67 2200 MB 2 314 47 1 69 900 MB 3 335 42 2 62 1200 riktning 2
förare nr bränsle- hastig- antal Max- sträcka
åtgång het stopp hast. under 50 km/h
BT 1 462 36 3 69 1700 BT 2 454 44 3 76 1200 BT 4 434 42 4 74 1400 HS 1 405 49 3 77 1200 HS 2 448 44 4 83 1100 HS 3 447 36 4 80 1700 HS 4 438 45 3 75 1300 HS 5 464 39 3 71 1400 MB 1 374 46 3 75 1200 MB 2 428 42 3 71 1000 ********************************************************************** * *
* Det finns för närvarande inget analyserat material om "körmönster" *
'k *
5.2.6 Hastighet dimensionerande timme
Hastighetsnivån, dvs medelhastigheten under den dimensionerande timmen, är en mycket viktig<indatavariabel till modellen. Till skillnad från andra viktiga indatavariabler såsom andel icke varm-körda fordon och körmönster är den relativt lätt att observera. Användare av modellen bör därför göra någon form av hastighets-observationer och bara använda de nedan rekommenderade schablon-värdena som en bekräftelse på eller ifrågasättande av att de observerade hastigheterna är rimliga eller inte.
Hastighetsdata finns från sammanlagt 185 mätdygnstillfällen. Värdet av dessa data begränsas av att hastighetsdata nästan uteslutande finns från VTIs mätningar och att inga hastighets-data på A-, B- och C-gator finns från Övriga Norden. Materialet är dock väl spritt på många mätplatser på A, B och C-gator i 15 olika stora mellansvenska städer.
tabell 10: Antalet mätdygn fördelade på olika gatutyper A, B och C och olika hastighetsklasser. Medelhastigheten definieras som medelhastigheten i båda riktningarna under både förmiddagens och eftermiddagens rusningstimme.
gatutyp A B C hastighets-intervall 25-30 30-35 35-40 40-45 45-50 50-55 55-60 60-65 65-70 70-75 75-80 km/h km/h km/h km/h km/h km/h km/h km/h km/h km/h km/h en e N q wo wo m o o o o o H F -O C D N H D t h L n ©n 4 C > O H F J H O L U F H B B J W W D C H o xJ w medelhastighet 64.3 km/h summa A-gatorna,
uppvisar som väntat den snabbaste hastighetsfördelningen. A-fördelningen ser för ögat ut att vara sammansatt av 2 fördel-ningar: En fördelning med tyngdpunkten i 55-60 intervallet och en fördelning med tyngdpunkten i 70-75 intervallet.
58 43
48.0 km/h
73
48.5 km/h
Det är troligtvis ett utslag av att det finns två sinsemellan olika kategorier av A-gator: En kategori med mycket hög och
säker standard som oftast till och med är skyltad med 70
km/h och den andra kategorien A-gator med något sämre
säker-het, störningar från tvärgator eventuellt med inslag av oskyddade trafikanter. Men standarden på A-gator tillåts aldrig bli riktigt dålig: Lägsta uppmätta medelhastighet lig-ger alltid över 50 km/h.
Gator av B-typ, dvs huvudgator i centrum, är en mer homogen klass av gator om än med stor spännvidd mellan höga och låga medelhastigheter. Huvuddelen av gatorna har en uppmätt medel-hastighet på mellan 45 och 55 km/h. Inslaget av låga hastig-heter är förhållandevis stort.
Gator av C-karaktär, dvs huvudgator i bostadsområden,
upp-visar ett snarlikt mönster som B-gator; dvs en fördelning
med en tyngdpunkt i 50-55 km/h-intervallet. Men spridningen är ännu större än B-fördelningens. Inslaget av mycket låga hastigheter, under 40 km/h, är betydande.
************************************************************************ » * + * * + * * + * »+ * * 3 + *
Som schablonvärden för medelhastigheter under dimensionerande olika typer av gator föreslås:
För.A-gator med.mycket god standard 70 km/h god standard 50 km/h För B-gator med god standard 60 km/h
med.medelgod standard (vanligast) 50 km/h
med stora kapacitetsproblem 40 km/h För C-gator med.mycket god standard 60 km/h med medelgod standard (vanligast) 50 km/h med kapacitetsproblem 40 km/h med stora kapacitetsproblem 35 km/h
» * # 0 * * i t * * + » * + * * + » ************************************************************************
Dessa schablonvärden bör som sagts tidigare tillämpas med mycket stor försiktighet och så långt det är möjligt ersättas av riktiga hastighetsmätningar. Schablonnvärdena ska helst ses som en bekräf-telse på om den uppskattade hastighetsnivån är rimlig eller inte. Om inte schablonvärdena och den uppskattade hastighetsnivån stäm-mer överens bmhövs noggrannare mätningar för att fastställa den verkliga hastighetsnivån.
VTI har mätt hastigheter på ett begränsat antal platser, i från 1979, i 5 städer och sedan 1986 ytterligare 6 städer i syfte att analysera årsvisa hastighetsförändringar. Materialet ingår i ett större projekt med förutom tätortsmätningarna också ett stort antal 70-, 90- och 110-vägar ingående.
Resultaten av dessa mätningar visar att hastighetsnivåerna på gatorna visserligen svänger upp och ned ungefär i takt med landsbygdsvägarna men att svängningarna är betydligt mindre kraftiga. Generellt gäller att en allmän förändring av hastig-hetsnivåerna i Sverige mest märks på motorvägarna och minst på 50-gatorna. En "stor" Ökning av hastigheterna på motorvägar är cirka + 4 km/h och motsvarande på 50-gator 1-l.5 km/h. En nor-mal förändring på 50-gator mellan två år ligger under en halv kilometer i timmen.
En i detta sammanhang viktig skillnad mot landsbygdsvägarna är att det i tätortsmiljöer inte finns nå on underliggande positiv trend att hastighetsnivån skulle öka. Okningar och minskningar har tagit ut varandra och hastighetsnivåerna idag är ungefär desamma som i början på åttitalet.
Ett försök till förklaring måste bli att på gator med normala kapacitetsproblem i form av täta korsningar, omgivande trafik, oskyddade trafikanter osv. kör alla fordon, beroende på omgivande begränsande faktorer under sin egen kapacitet. Den förbättring av fordonsparken som ständigt pågår får med andra ord inget genomslag i en höjning av hastighetsnivåerna på 50-gatorna. Detta resonomang leder till en profetia för framtiden som säger att hastighetsnivåerna på 50-gator kommer att var ungefär de-samma som idag sett fram till åtminstone 1995. Däremot kan man tänka sig att hastighetsnivåerna på de bästa gatorna/vägarna i tätortsmiljö kommer att höjas, men höjningen kommer realistiskt sett att vara mindre än 2-3 km/h fram till 1995 vilket under-stiger osäkerheten i de angivna schablonvärdena så att:
*********************************************************************** * * * * *
De angivna schablonvärdena för hastighetsnivåerna under rusnings- *
tid för olika typer av gator gäller åtminstone fram till 1995. *
* ***********************************************************************
5.2.7 Andel tung trafik:
Tung trafik definieras som alla fordon exklusive personbil, person-bil plus släp och motorcykel. Andel tung trafik definieras som
tung trafik dividerat med samtliga fordon exklusive motorcyklar.
Andel tung trafik är enmycket viktig variabel för att förklara
avgasutsläppen från trafiken. I framtiden, då katalysatorförsedda personbilar blir allt vanligare, så kommer den tunga trafiken att stå för en relativt större andel av utsläppen.
Att ange användbara schablonvärden för andel tung trafik är mycket besvärligt, som anges nedan. Trafikingenjören rekommenderas därför
att om möjligt själv skatta andelen tung trafik och bara använda
de nedan angivna schablonvärdena med största skepsis. Helst bör han studera både förmiddagens och eftermiddagens rusningstrafik. Andelen tung trafik är väsentlig olika på förmiddagen och efter-middagen och är alltså väsentlig när det gäller att avgöra vilken timme som är dimensionerande av dygnets alla timmar.
Uppgifter angående tung trafik under ett helt dygn finns framtagna från sammanlagt 137 mätdygnstillfällen i A, B och C-gator. Samt-liga mätdygnstillfällen mätta med VTIs mätutrustning. YtterSamt-ligare data finns att tillgå men ingår inte i redovisningen mer än i en
fotnot.
-tabell 11: Antal mätdygnstillfällen fördelade på gatutyp A, B och
och i olika procentandelsklasser för andel tung trafik. (Andel av
respektive gatutyp) hela dygnet: gatutyp A B C procentandelsklass O - 2% O 1 16 (28%) 2 - 4% 4 13 (36%) 11 (19%) 4 - 6% 14 (33%) 8 (22%) 19 (33%) 6 - 8% 15 (35%) 3 7 (12%) 8 -10% 5 (12%) 9 (25%) 4 10 -12% 1 2 1 12 -- - 4 O O 43 36 78
tabell 11 forts. förmiddagen (7.00 - 8.00) gatutyp A B C procentandelsklass O - 2% 2 6 (17%) 19 (33%) 2 - 4% 3 8 (22%) 7 (12%) 4 - 6% 7 (16%) 2 7 (12%) 6 - 8% 13 (30%) 10 (28%) 5 8 -10% 9 (21%) 3 8 (14%) 10 -12% 4 6 (17%) 3 12 -- 5 (12%) 1 9 (16%) 43 36 58 eftermiddagen (16.00 - 17.00) gatutyp A B C procentandelsklass 0 - 2% 3 7 (19%) 27 (47%) 2 - 4% 11 (26%) 12 (33%) 16 (28%) 4 - 6% 12 (28%) 13 (36%) 4 6 - 8% 15 (35%) 3 5 8 -10% 2 0 3 10 -12% 0 1 2 12 -- O O 1 43 36 58
A-gatorna, det vill säga infarter mot centrala delar eller för-bifarter, har som väntat, den genomsnittligt högsta andelen tung trafik. Två av tre A-gator har en andel tung trafik mellan 4 och 8 % sett över hela trafikdygnet. Ingen gata har under 2% och få gator över 10%.
B-gator, dvs huvudgator i centrum, har, naturligt nog, en lägre andel tung trafik sett över hela trafikdygnet. 6 av 10 B-gator har en andel tung trafik mellan 2 och 6%. Var fjärde B-gata har dock en så stor andel tung trafik som 8-10%, vilket förklaras av att huvudgator i centrumområden ibland har ett stort inslag av linje-bussar och distributionsfordon.
C-gator, dvs huvudgator i bostadsområden, har klart lägst andel tung trafik. Var fjärde till och med under 2%. 4 av 5 har lägre än 6%.
Eftermiddagens rusningstid har här av praktiska skäl alltid
schablonmässigt satts till 16.00-17.00. I VTIs trafikmätningar har eftermiddagens rusningstimme oftast mer eller betydligt mer trafik än förmiddagens rusingstimme.
Andelen tung trafik mellan 16 och 17 är genomgående lägre eller mycket lägre än andelen tung trafik sett över hela dygnet. Andelen tung trafik är mycket sällan högre än 6%. Dvs. sedvanligt tung. trafik, inklusive distributionsfordon men exklusive linjebuss, undviker, om möjligt, bostadsgator under eftermiddagens högtrafik. Förmiddagens rusningstid har här definierats till att alltid in-träffa mellan O7.00-08.00. Morgonens rusningtimma har i kontrast till eftermiddagens motsvarande ett stort inslag av tunga fordon.
Det måste tolkas som att distributionsfordonen är aktiva då plus
sedvanliga linjebussar mm på morgonen. Andelen tung trafik på
morgonen är ofta större än till och med hela dygnets andel. Mer än var tionde har, sett över alla tre gatutyper, en andel tung trafik överstigande 12%. Speciellt stort är inslaget på huvudgator i bo-stadsområden där var sjätte gata har en andel tung trafik på mer än 12%. Men spridningen är stor: Var tredje C-gata har en andel
tung trafik under 2%. .
Att andelen tung trafik är större på morgonen i VTIs mätningar
skulle kunna förklaras av att VTIs mätningar oftast visar på större trafikmängder på eftermiddagen i motsats till de flesta
huvud-stadsmätningar. En ministudie, som inte redovisas här, av trafiken i Köpenhamn visar dock på samma mönster som VTIs mätningar: Andel tung trafik är betydligt större på morgonen än på eftermiddagen. Det här visar ännu mer på komplexiteten vid val av dimensionerande timme. Dvs den timme som avger mest avgaser. Att eftermiddagens rusningstimme vanligtvis har mer trafik motverkas av den större andelen tung trafik på morgonen. På grund av dessa komplikationer så anges de rekommenderade scha lonvärdena med stora restriktioner och stort spann och för både fö;middagens och eftermiddagens rus-ningstimmar. Trafikteknikern som tänker använda sig av dessa scha-blonvärden rekommenderas att komplettera med egna observationer.
******t***************************************************************** *
* Som schablonvârden för andel tung trafik sett över hela dygnet
rekommenderas följande: för för för för för för för för för för för A-gator mellan
B-gator med lite tung trafik mellan
mycket tung trafik mellan
C-gator mellan
förmiddagens dimensionerande timme: A-gator
B-gator med lite tung trafik normalt tung trafik mycket tung trafik
mellan mellan mellan mellan
C-gator med lite tung trafik mellan
mycket tung trafik mellan
eftermiddagens dimensionerande timme:
A-gator mellan B-gator mellan C-gator mellan O C D R M D ( D C D C HM C D h och och och och och och och och och och och och och 8% 6% 10% 6% 10% 8% 12% 5% 13%
8%
6%
4%
(6%)
(4%)
(9%)
(3%)
(7%)
(2%)
(7%)
(11%)
(2%)
(10%)
(5%)
(3%)
(2%)
********************************************************************** * * * * * * * * * * * * * * * * * * * * * * * * *6. Referenser
Beräkning av kallstartsandel och energiförbrukning för biltrafik
inom ett väg och gatunät. Etapp 1, pilotstudie feb 1983. Utfört
av Nordisk Planeringskonsult AB på uppdrag av Transportforsknings-delegationen TFD dnr 205/82-82
Beräkning av avgashalter vid gator och vägar. Manual. Naturvårds-verket. 1984.
Resvaneundersökningen 1985/85. Statistiska meddelanden SCB T11$M8701 Hastighetsmätningar i tätort 1979-81. av Hans-Åke Cedersund, VTI-meddelande 287, 1982.
Winter use of cars in Finland. av Kari Alppivuori. VTT-meddelande 446 från 1985, Finland.
Användning av elektrisk motorvärmare - inverkan på bränsleförfrukning vid kallstart. av Olle Odsell. VTI-rapport 190, 1980.
Den tunga trafiken i Norrköping 1988. Gatukontoret i Norrköping dec 1988.
nyttan av att använda elektrisk motorvärmare i bil. Karin Westman. VTI-rapport 285, 1985.
Trafikdata, Västerås kommun 1987. gatukontoret i Västerås, juni 1988. Trafikkutvikling 1966-1987, trafikkundersökelser 1986 og 1987. Tra-fikkdata fra kontrollstasjonene 1988. Prosamrapport nr 4, april 1988. plus bilaga. Oslo byplankontor.
Resultat fra Hastighedsmålinger i 1986 på hovedlandeveje. Vej-dirktoratet, Ökonomisk statistisk afdelning 1988.
Teknisk trafikrapport 1987. Trafik på de enkelte
tällestationer.Vej-dirktoratet, Ökonomisk statistisk afdelning 1988.
Trafikrapport 1986, Trafikströmme på hovedlandeveje og
landevejeVej-dirktoratet, Ökonomisk statistisk afdelning 1987.
Hastighetsutveckling på vägar och gator i Sverige 1987. Hans-Åke Cedersund och Göran K Nilsson. VTI-notat T26 1987.
Hastighetsmätningar i tätort 1988. Hans-Åke Cedersund. VTI-notat T50,
Beräkningsmodell för bilavgaser. Ingångsparametrar på trafiksidan. Janne Rusk. K-konsult. Snv pm 1662, april 1983.
Axelavstånd för olika fordonstyper. Förslag till nytt system för fordonskoder. Arne Carlsson. VTI-notat T17, 1987.
G A T A . O C H S T A D E S K I L S T U N A E S KI L S T U N A E S K I L S T U N A E S K I L S T U N A E S K I L S T U N A E S K I L S T U N A E S K I L S T U N A E S K I L S T U N A E S K I L S T U N A E S K I L S T U N A E S K I L S T U N A E S K I L S T U N A F A L K E N B E R G F A L K E N B E R G F A L K E N B E R G F A L K E N B E R G F A L K E N B E R G F A L K E N B E R G F A L K E N B E R G F A L K E N B E R G F A L K E N B E R G F A L K E N B E R G NY BR ON V A S A V ÅG E N VA SA VA GE N V A S A V A G E N V A S A V A G E N V A S A V A G E N VÄS TE RÅS VI AD . V A S T E R A S V A G E N VA ST ER ÅS VÅG EN VÄS TE RÅS VÃG EN VÄS TE RÅS VÃG EN V A S T E R ÅS V ÃG E N B R A C K E V ÃG E N L A S A R E T T S G A T A N L A S A R E T T S G A T A N L A S A R E T T S G A T A N S A N D G A T A N S A N D G A T A N S A N D G A T A N S A N D G A T A N S V E N L J U N G A V ÄG E N S V E N L J U N G A V ÃG E N G ÄV L E S T A K E T G A T A N G ÖT E B O R G A L I N G S ÅS L E D E N G ÖT E B O R G D A G HA MM AR SK . L. G ÖT E B O R G K U N G S A L V S L E D E N G ÖT E B O R G M A R I E H O L M S L E D E N G ÖT E B O R G O S C A R S L E D E N G ÖT E B O R G V I D E6 G ÅR D A F U R U G A T A N F U R U G A T A N F U R U G A T A N F U R U G A I A N K O R N H I L L S V ÃG E N K O R N H I L L S V A G E N K O R N H I L L S V ÄG E N K O R N H I L L S V ÄG E N T Y L ÖS A N D S V ÃG E N T Y L ÖS A N D S V A G E N H E L S I N G B O R G D R O T T N I N G G A T A N H E L S I N G B O R G H A L S O V ÄG E N H E L S I N G B O R G M A L M ÖL E D E N I H E L S I N G B O R G M A L M ÖL E D E N II H E L S I N G B O R G ÖS T E R L E D E N I H E L S I N G B O R G ÖS T E R L E D E N II 88 87 89 872 881 882 89 87 88 872 881 882 872 872 881 288 871 872 881 882 287 881 882 872 882 88 88 88 88 88 88
4tüdlMtndY4Iåd:4lüdå (Jdlmtnalmtnñldld m 4:4i1<:4!# UKJL)UIJL)U(Jñ14 aldlådidlt
F L ÖD E 22 41 5 99 89 84 56 95 52 10 39 8 11 74 0 17 13 7 75 82 83 10 66 85 86 35 56 49 952 58 30 6461 6551 5135 5229 5884 5668 5334 6076 7511 3630 4 32 28 5 30 15 4 27 04 2 39 58 6 70 55 2 27 10 32 26 30 45 30 37 27 81 33 07 31 56 32 75 11 12 7 10 43 1 23 80 3 25 19 2 17 99 0 18 22 2 14 74 1 95 61 11 -1 2 7_ 7_ 7_ 7_ 7_ 7_ 7_ 7-oocomoooocooomoomm 11 -1 2 7-8 7-8 7-8 F Ö R . u I D D A . G E N D -T I H F L ÖD E 14 69 593 589 583 605 677 1150 491 547 507 583 755 64 325 334 345 352 369 365 349 386 366 541 3717 2704 2817 2649 3493 2865 148 179 165 183 191 221 184 238 763 919 5815 1606 1296 1510 1386 819 A N D E L 6. 6% 5. 9% 7. 0% 6. 1% 5. 8% 5. 8% 6. 7% 6. 5% 6. 6% 7. 6% 6. 8% 9. 9% 6. 7% 5. 6% 5. 2% 5. 3% 6. 9% 7. 1% 6. 2% 6. 2% 7. 2% 6. 0% 7. 2% 10 .2 % 8. 4% 9. 3% 9. 8% 8. 8% 9. 3% 5. 5% 5. 5% 5. 4% 6. 0% 6. 9% 6. 7% 5. 8% 7. 3% 6. 9% 8. 8% 6. 5% 6. 3% 7. 2% 8. 3% 9. 4% 8. 6% R1 47 58 60 58 59 56 35 62 41 64 61 59 41 77 79 74 47 54 49 47 41 44 44 76 64 73 71 65 51 47 70 64 67 60 68 58 59 76 80 57 47 34 41 56 55
OOOOOOOOOOOO OOOOOOOOOO 0 000000 OOOOOOOOOO OOOOOO
R2 53% 42% 40% 42% %41 44% 65% 38% %59 36% %39 41% 59% 23% 21% 26% 53% 46% 51% 53% 59% 56% 56% 34% 36% 27% 39% %35 49% 53% 30% 36% 33% %40 32% 42% 41% 24% 20% 43% 53% 66% 59%' 44% 45% KH /H 51 .4 50 .8 51 .7 51 .1 54 .4 53 .6 53 .5 53 .3 46 .4 53 .5 54 .6 54 .1 47 .1 48 .2 48 .2 49 .2 58 .6 59 .7 87 .1 82 .1 84 .0 78 .9 67 .5 60 .7 47 .4 49 .6 51 .2 49 .9 60.2 60.1 62.5 57.7 65.7 66.1 K H / H 52 .0 51 .2 51 .1 51 .7 54 .2 53 .8 53 .0 54 .4 43 .6 54.2 53.6 55.3 50.4 50.9 51.6 49.9 61.4 64.5 91.6 85.4 90.0 .379 70.7 62.3 49.6 51.4 51.9 .853 57.7 58.1 59.4 56.3 65.8 68.9 xxxxxxxx KN NNNNNNNNNN N NMMNNN NNNNNNKNNN NNNNNN 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 18-1 9 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 17 -1 8 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 E F T E R . H I D D A . G EN D -TI H F L ÖD E 20 74 1009 87 4 96 2 10 01 11 57 16 04 851 840 820 820 760 118 621 635 738 546 496 558 601 559 601 747 3819 3244 3306 27 77 36 58 72 18 303 336 320 635 370 397 353 421 10 06 11 13 19 85 23 67 17 37 17 15 16 02 986 A N D E L 9. 3% 10 .1 % 10 .3 % 10 .1 % 9. 6% 9. 9% 9. 3% 11 .2 % 10 .1 % 12 .3 % 9. 5% 10 .7 % 12 .4 % 10 .7 % 9. 8% 11 .3 % 9. 1% 9. 5% 9. 5% 10 .6 % 10 .5 % 9. 9% 10 .0 % 10 .5 % 10 .0 % 11 .0 % 10 .3 % 9. 2% 10 .2 % 11 .2 % 10 .4 % 10 .5 % 11 .7 % 13 .3 % 12 .0 % 11 .2 % 12 .9 % 9. 0% 10 .7 % 8. 3% 9. 4% 9. 7% 9. 4% 10 .9 % 10 .3 % R1 52 43 49 44 45 44 58 48 50 50 49 50 58 39 42 37 60 56 53 54 47 47 61 31 41 27 36 45 48 -42 43 40 38 37 32 35 38 40 38 55 51 62 59 50 41
OOOOOOOOOOOO OOOOOOOOOO 0 000000 OOOOOOOOOO OOOOOO
R2 48% 57% 51% 56% %55 56% 42% 52% 50% 50% %51 50% 42% 61% 58% 63% 40% 44% 47% %46 53% 53% 39% 69% 59% 73% 64% %55 52% 58% 57% 60% 62% %63 68% 65% 62% 60% 62% 45% 49% 38% 41% 50% 59% K H / H 50 .7 51 .0 51 .7 49 .2 55 .2 54.4 55.2 54.4 47.6 52.7 51.7 52.6 .049 47.9 49.9 48.7 59.3 59.4 30.2 92.3 85.4 98.1 82.3 71.2 68.2 47.0 46.7 .349 49.7 57.0 55.8 57.5 56.8 66.6 67.5 K H / H 50 .6 49 .9 50 .7 47 .1 53 .4 52 .8 51 .7 53 .4 45 .1 51 .6 50 .8 53 .0 52 .2 51 .2 52 .6 52 .4 57 .6 59 .4 32 .5 94 .8 85 .7 93 .3 83.5 69.8 47.3 49.1 47.9 50.2 .550 56.8 56.6 57.6 56.0 61.8 61.0 Bilaga
1(9)
r o R ÅM I D D A . G a n D -r n u F L ÖD E A NDE L R1 R2 xu/ n K H / H E F T B R . H I D D A . G B N G A I A . O C H SI AD ÅR F L ÖD E D -T I H F L ÖD E A N D E L R 1 R2 xu/ n xu/ n H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I H E L S I N K I E H R E N S T R ÖM I N T I E H A K A M A E N T I E H A K A N I E M E N S I L T A H A M E E N T I E N S I L T A H E L S I N G I N K A T U I T A V A I L Ã K A I V O K A I U K E H A I K E H Ã I K U L O S A A R E N S I L T A K Y L ÃS A A R E N K A T U L A H D E N M -T I E L A N T I N E N M -T I E L A P I N L A H D E N SI LT A L A U T T A S A A R E N SI LT A L ÄN S I V ÅX L Ä L ÃN S I V ÅY L Ä M A N N E R H E I M I N T I E M A N N E R H E I M I N T I E M E C H E L I N I N K A T U M E I L A H D E N S I L T A M E R I K A N N O N T I E M E T S ÄL A N T I E M U N K K I N I E M E N S I L T A M ÃK E L A N K A T U N O R D E N S K I ÖL D I N K N U R M I J ÃR V E N T I E O T A N I E M E N S I L T A P I R K K O L A N T I E P I T K A S I L T A P O O J . E S P L A N A D I P O R V O O N M -T I E P U I S T O K A T U R A I A P I H A N T I E R U N E B E R G I N K A T U T E H T A A N K A T U T I K K U R I T I E T O O L O N K A T U T U R U N T I E T U U S U L A N M -T I E v. S U U T A R I N K Y L ÃN T v. T U U S A L A N T I E V . N U R M I J ÃR V E N T I E V A N H A P O R V O O N T I E V A R A S T O K A T U V E T U R I T I E V I H D I N T I E 004 m4444 mddmn addddmdmuoddddddmmm momm 0 4 42 80 29 22 7 52 77 6 25 34 1 49 31 0 10 57 6 29 81 7 46 68 3 60 24 9 63 04 3 43 43 37 90 5 29 58 6 49 25 2 22 45 8 66 31 0 66 31 0 41 87 3 42 70 5 28 55 9 92 26 1065 2 21 91 0 45 20 9 48 25 1 39 76 6 45 29 4 20 87 1 87 02 23 48 3 35 28 9 88 29 42 48 15 80 8 29 39 1 58 33 10 59 4 80 26 16 60 9 38 09 1 56 48 11 58 3 89 55 84 85 19 97 1 19 49 0 30 52 7 8. . 8. . 8 _ 8 -8 _ 8. . 8 _ 8. .. 8 _ 8 _ 8. _ 8. .. 8. . 8 _ 8 _ 8. . 8. . 8. _ 8. .. 8. . 8 -8. . 8. .. 8. . 8. . 8. . 8 _ 8. . 8 -8. .. 8. . 8. . 8 _ 8 _ 8. .. 8 _ 8. _ 8 _ 8 _ 8 _ 8. .. 8 _ 8. .. 8. . 8. .. 8. . 8 _ mmmOsmose»masdammasommmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmm 17 7 23 68 42 49 19 38 33 30 958 1924 46 23 61 15 53 18 335 3895 31 42 36 89 16 95 70 40 70 40 22 31 25 86 26 29 11 18 10 25 22 90 41 32 37 32 35 84 43 66 24 93 10 55 14 18 22 40 637 384 1763 22 28 371 696 606 1493 3371 356 998 964 719 1821 1664 2573 4. 1% 8. 1% 8. 1% 7. 6% 6. 8% 9. 1% 6. 5% 9. 9% 10 .1 % 8. 4% 7. 7% 10 .3 % 10 .6 % 7. 5% 7. 5% 10 .6 % 10 .6 % 5. 3% 6. 1% 9. 2% 12 .1 % 9. 6% 10 .5 % 9. 1% 7. 7% 9. 0% 9. 6% 11 .9 % 12 .1 % 6. 0% 6. 3% 7. 2% 9. 0% 11 .2 % 7. 6% 6. 4% 9. 1% 7. 6% 9. 0% 8. 8% 6. 3% 8. 6% 10 .8 % 8. 5% 9. 1% 8. 5% 8. 4% 44 39 69 37 55 60 41 57 44 37 61 72 72 76 61 70 70 59 49 62 71 92 56 70 68 56 69 51 71 58 53 50 40 77 39 46 40 76 66 44 57 62 67 57 75 65 70 OOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOO 56 % 61 % 31 % 63 % 45 % 40 % 59 % 43 % 56 % 63 % 39 % 28 % 28 % 24 % 39 % 30 % 30 % 41 % 51 % 38 % 29 % 8% 44 % 30 % 32 % 44 % 31 % 49 % 29 % 42 % 47 % 50 % 60 % 23 % 61 % 54 % 60 % 24 % 34 % 56 % 43 % 38 % 33 % 43 % 25 % 35 % 30 % NMMMNNNNNNNMN NNNNNNNNNNNNNNNKNNNNNNKKKNNNNNNNN 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 30 8 22 56 51 42 19 23 41 73 11 41 22 51 52 01 62 92 61 57 273 4295 28 78 36 91 19 14 71 19 71 19 31 64 3324 2693 88 4 10 16 20 22 43 26 43 82 35 06 45 20 21 80 948 1891 28 03 975 436 1591 27 96 520 1297 693 19 16 33 87 634 14 56 12 89 992 19 68 18 09 31 30 7. 2% 7. 7% 9. 7% 7. 6% 8. 5% 10 .8 % 7. 5% 11 .1 % 10 .4 % 9. 8% 6. 3% 11 .3 % 9. 7% 7. 5% 8. 5% 10 .7 % 10 .7 % 7. 6% 7. 8% 9. 4% 9. 6% 9. 5% 9. 2% 9. 6% 9. 1% 8. 8% 10 .0 % 10 .4 % 10 .9 % 8. 1% 7. 9% 11 .0 % 10 .3 % 10 .1 % 9. 5% 8. 9% 12 .2 % 8. 6% 11 .5 % 8. 9% 11 .2 % 12 .6 % 14 .4 % 11 .7 % 9. 9% 9. 3% 10 .3 % 45 57 35 48 44 37 45 45 55 62 33 27 30 43 48 33 33 39 38 39 54 54 46 39 36 48 39 43 36 54 62 53 26 36 63 45 52 54 51 62 55 51 31 36 32 32 32 OOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOO 55 % 43 % 65 % 52 % 56 % 63 % 55 % 55 % 45 % 38 % 67 % 73 % 70 % 57 % 52 % 67 % 67 % 61 % 62 % 61 % 46 % 46 % 54 % 61 % 64 % 52 % 61 % 57 % 64 % 46 % 38% 47% 74% 64% 37% 55% 48% 46% %49 38% 45% 49% %69 64% 68% 68% 68% bilaga
2(9)
G A I A O C H S T A D H U S K V A R N A H U S K V A R N A H U S K V A R N A H U S K V A R N A H U S K V A R N A H U S K V A R N A H U S K V A R N A H U S K V A R N A H U S K V A R N A H U S K V A R N A H U S K V A R N A H U S K V A R N A H U S K V A R N A H U S K V A R N A H U S K V A R N A H U S K V A R N A H U S K V A R N A H U S K V A R N A J ÖN K ÖP I N G J ÖN K ÖP I N G J ÖN K ÖP I N G J ÖN K ÖP I N G J ÖN K ÖP I N G J ÖN K ÖP I N G J ÖN K ÖP I N G J ÖN K ÖP I N G J ÖN K ÖP I N G J ÖN K ÖP I N G J ÖN K ÖP I N G J ÖN K ÖP I N G J ÖN K ÖP I N G K O B E N H A V N K O B E N H A V N K O B E N H A V N K O B E N H A V N K O B E N H A V N K O B E N H A V N K O B E N H A V N K O B E N H A V N K O B E N H A V N K O B E N H A V N K O B E N H A V N K O B E N H A V N K O B E N H A V N K O B E N H A V N K O B E N H A V N K O B E N H A V N K O B E N H A V N K O B E N H A V N K O B E N H A V N K O B E N H A V N GR ÃN NA VA GE N GR AN NA VA GE N GR ÃN NA VA GE N GR AN NA VA GE N O X H A G S G A T A N O X H A G S G A T A N O X H A G S G A T A N o a n G S G A m A N R O G B E R G A V A G E N R O G B E R G S V A G E N T E N H U L T S V A G E N T E N H U L T S V A G E N T E N H U L T S V A G E N T E N H U L T S V A G E N ÅD AL SV AG EN ÅD AL SV AG EN ÅD A L S V A G E N ÅD AL SV AG EN B I R K A G A T A N K A P P E L G A I A N K O R T E B O V A G E N K O R T E B O V A G E N K O R T E B O V ÃG E N A R F L ÖD E 87 1 87 2 88 1 88 2 87 1 87 2 88 1 88 2 88 1 87 1 87 1 87 2 88 1 88 2 87 1 87 2 88 1 88 2 87 2 88 1 88 2 87 1 87 2 88 1 88 2 87 1 87 2 882 N O R R A H A M M A R S V ÃG E N 8 7 1 N O R R A H A M M A R S V ÃG E N B S I N O R R A H A M M A R S V ÃG E N 8 8 2 A M A G E R S T R A N D V E J A M A G E R B R O G A D E E N G L A N D S V E J F O L K E B E R N A D O T T E S F R E D E N S B R O F R EDE R I K S B O R G S v. F R E D E R I K S S U N D S B R O GA MM EL K O N G E V E J GL . KÖG E L A N D E V E J GR ÖN NE MÖS E G Y L D E N L ÖV E S G A D E H A L M T O R V E T H A R E S K O V V E J H O L B A K V E J E N H O R S E B A K K E N I N G E R S L E V S G A D E I S L E V H U S V E J I S T E D G A D E J Y L L I N M G E V E J K A L V E B O D B R Y G G E L)UG#C)4råd:4tåL>4tD<44IJ42mtnn=4 4'1144:U!)L)UI)L)4116:4i44:4!4 UKJL)mtnalmt44=4()L)U 29 35 32 73 33 22 31 36 27 03 26 38 31 68 32 35 22 96 19 55 25 12 27 04 25 37 27 94 46 28 48 06 51 28 48 06 58 21 51 29 72 42 40 90 40 35 36 85 36 96 82 92 1051 1 10 50 7 33 22 31 74 27 80 79 16 12 25 5 36 57 2 39 08 48 88 2 17 28 4 22 16 5 19 59 9 24 79 6 32 25 61 76 6 18 85 5 42 99 8 54 41 6 37 73 11 00 0 90 36 55 21 32 18 0 31 56 7 D -T I H FLÖD E commcocomcomcobcorshhcommco mmmmm mmmmmmmmmmmmmmmmmmmm 19 7 21 3 19 2 20 1 191 170 198 189 123 103 166 156 180 180 371 389 409 409 041 428 472 279 265 268 251 146 912 904 185 174 160 611 814 29 68 469 1044 15 33 19 56 16 28 23 08 370 56 44 13 43 40 66 54 44 379 1039 716 316 27 07 24 58 A N DE L 6. 7% 6. 5% 5. 8% 6. 4% 7. 1% 6. 4% 6. 3% 5. 8% 5. 4% 5. 3% 6. 6% 5. 8% 7. 1% 6. 4% 8. 0% 8. 1% 8. 0% 8. 5% 7. 0% 8. 3% 6. 5% 6. 8% 6. 6% 7. 3% 6. 8% 5. 6% 8. 7% 8. 6% 5. 6% 5. 5% 5. 8% 7. 7% 6. 6% 8. 1% 12 .0 % 9. 0% 8. 9% 8. 8% 8. 3% 9. 3% 11 .5 % 9. 1% 7. 1% 9. 5% 10 .0 % 10 .0 % 9. 4% 7. 9% 5. 7% 8. 4% 7. 8% 68 70 68 67 54 59 56 61 41 65 65 52 47 52 77 79 81 78 44 49 44 68 70 70 68 56 80 79 65 72 63 50 57 56 62 69 68 36 63 76 77 69 63 62 29 68 66 49 60 53 65 000000000000000000 0000000000000 00000000000000000000 32 % 30 % 32 % 33 % 46 % 41 % 44 % 39 % 59 % 35 % 35 % 48 % 53 % 48 % 23 % 21 % 19 % 22 % 56 % 51 % 56 % 32 % 30 % 30 % 32 % 44 % 20 % 21 % 35 % 28 % 37 % 50 % 43 % 44 % 38 % 31 % 32 % 64 % 37 % 24 % 23 % 31 % 37 % 38 % 71 % 32 % 34 % 51 % 40 % 47 % 35 % K H / H 58 .2 57 .2 57 .0 56 .5 57 .2 57 .9 55 .1 57 .6 56 .4 55 .9 69 .1 70 .7 72 .1 70 .2 58 .8 57 .6 58 .2 58 .1 54 .3 53 .4 50 .5 39 .9 38 .6 39 .6 36 .6 71 .7 67 .3 70 .6 59 .1 60 .6 59 .4 K H / H 62 .5 61 .1 61 .5 62 .3 53 .2 53 .1 54 .0 48 .3 53 .6 55 .7 77 .2 76 .6 77 .9 74 .4 59 .2 56 .5 58 .3 58 .1 52 .6 51 .7 48 .6 40 .0 39.4 42.6 36.6 69.0 .070 71.9 65.3 64.6 61.0 NNNNKMNNNNNNNMNNNN NNMNNNNNMNNNN NNNNNNMNMMMNNNNKNNNN D -T I H F L ÖD E 16 -1 7 16 -1 7 16 -1 7 16 -1 7 17 -1 8 17 -1 8 16 -1 7 17 -1 8 17 -1 8 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 17 -1 8 16 -1 7 16 -1 7 16 -1 7 17 -1 8 17 -1 8 16 -1 7 16 -1 7 16 -1 7 15 -1 6 15 -1 6 15 -1 6 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 16 -1 7 15 -1 6 16 -1 7 15 -1 6 16 -1 7 16 -1 7 16 -17 15 -1 6 16 -1 7 16 -1 7 28 8 36 4 33 6 33 0 31 4 29 3 33 5 38 4 26 8 22 4 25 5 32 0 30 1 34 7 53 1 53 1 57 5 56 5 55 9 53 5 68 8 41 7 35 0 31 0 34 7 10 89 10 70 10 78 335 288 266 707 1183 2778 282 4325 1611 2029 1627 2380 349 5774 1641 4461 4799 425 1030 844 471 3189 3017 A N D E L 9. 8% 11 .1 % 10 .1 % 10 .5 % 11 .6 % 11 .1 % 10 .6 % 11 .9 % 11 .7 % 11 .5 % 10 .2 % 11 .8 % 11 .9 % 12 .4 % 11 .5 % 11 .0 % 11 .2 % 11 .8 % 9. 6% 10 .4 % 9. 5% 10 .2 % 8. 7% 8. 4% 9. 4% 13 .1 % 10 .2 % 10 .3 % 10 .1 % 9. 1% 9. 6% 8. 9% 9. 7% 7. 6% 7. 2% 8. 8% 9. 3% 9. 2% 8.3% 9.6% 10.8 % 9. 3% 8. 7% 10 .4 % 8. 8% 11 .3 % 9. 4% 9. 3% 8. 5% 9. 9% 9. 6% R 1 39 34 35 36 45 52 44 42 52 46 47 49 52 48 29 31 31 28 36 39 42 49 48 43 49 34 33 34 34 31 35 50 46 55 63 42 42 61 41 37 36 37 36 39 67 45 33 46 55 46 42 000000000000000000 0000000000000 00000000000000000000 G Jul & \ l-'J . L U I , . I 9 . D R2 61% 66% 65% 64% 55% %48 56% 58% 48% 54% 53% 51% 48% 52% 71% 69% 69% 72% %64 61% 58% 51% 52% 57% 51% 66% 67% 66% 66% 69% 65% %50 54% 45% 37% 58% 58% 39% 59% 63% 64% 63% 64% 61% %33 55% 67% 54% 45% 54% 58% K H / H 56 .2 54 .6 57 .3 56 .9 56 .2 54 .8 59 .1 57 .6 54 .2 53 .7 70 .3 70 .2 69 .9 70 .8 56 .3 57 .3 60 .3 59 .1 53 .6 53 .5 51.8 40.1 41.1 42.2 40.4 .370 68.2 70.5 61.8 59.2 60.7 K H /H 58 .1 57 .1 60 .2 60 .1 56 .3 54 .2 60 .7 54 .4 53 .3 52 .8 71 .5 66 .5 72 .8 69 .3 55 .5 53 .9 56 .5 54 .3 51 .1 51 .4 49 .1 39 .7 38.6 40.6 39.1 68.7 .366 67.0 61.2 61.4 61.5 bilaga 3 (9)
