• No results found

Validering Sampers, regionala modellen Palt 2020 - maj

N/A
N/A
Protected

Academic year: 2022

Share "Validering Sampers, regionala modellen Palt 2020 - maj"

Copied!
90
0
0

Loading.... (view fulltext now)

Full text

(1)

PM Region Mitt och Nord

Validering Sampers, regionala modellen Palt

2020 - maj

Expertcenter lägger till valfri

bild som representerar Palt

(2)

Trafikverket

Postadress: Röda vägen 1, 781 89 Borlänge E-post: trafikverket@trafikverket.se

Telefon: 0771-921 921

Dokumenttitel: PM Region Mitt och Nord Validering Sampers, regionala modellen Palt 2020 - maj Författare: Olivier Canella – WSP Sverige AB, Henrik Carlsson – M4Traffic AB & Qian Wang – WSP Sverige AB

Dokumentdatum: 2020-05-28

ort generell v 2.0

(3)

Innehåll

SAMMANFATTNING ... 5

BAKGRUND ... 7

FÖRUTSÄTTNINGAR ... 8

VALIDERING AV NULÄGE (BASÅR 2017) ... 9

Markanvändning ... 9

Region Nord ... 9

Region Mitt ... 10

Extra attraktion ... 17

Region Nord ... 17

Region Mitt ... 18

Färdmedelsfördelning ... 20

Region Nord ... 20

Region Mitt ... 21

Avståndsfördelning ... 22

Region Nord ... 22

Region Mitt ... 22

Ärendefördelning på kollektivtrafikresor ... 23

Region Mitt ... 23

Validering mot trafikräkningar - Biltrafik ... 23

Region Nord ... 23

Region Mitt ... 26

Validering mot trafikräkningar - Lastbilstrafik ... 31

Region Nord ... 31

Region Mitt ... 32

Validering mot resandestatistik - Kollektivtrafik ... 37

Region Nord ... 38

Region Mitt ... 40

Slutsatser validering av nuläge (basår 2017) ... 46

Region Nord ... 46

Region Mitt ... 47

VALIDERING AV PROGNOSÅR 2040 ... 50

Markanvändning ... 50

Region Nord ... 50

Region Mitt ... 51

(4)

Antal resor och färdmedelsfördelning ... 60

Region Nord ... 60

Region Mitt ... 61

Vägtrafik utveckling ... 62

Region Nord ... 62

Region Mitt ... 62

Kollektivresor utveckling ... 75

Region Nord ... 75

Region Mitt ... 76

Slutsatser validering av prognosår 2040 ... 81

Region Nord ... 81

Region Mitt ... 82

REKOMMENDATION VID ANVÄNDNING AV DELMODELL PALT I UTREDNINGAR ... 84

VIDARE ARBETE ... 86

BILAGOR ... 88

Bilaga 1: Detaljerade flödesbilder ... 88

Tung trafik Gävle... 88

Trafiktillväxt personbil Östersund ... 89

(5)

Sammanfattning

Detta PM slutversion år 2020 maj beskriver validering av Sampers delmodell Palt, vilken kommer att användas för utredningar och analyser från det att Basprognos publiceras 15 juni 2020 fram till dess att en ny version publiceras.

Första kapitlet validerar nuläge (basår 2017) mot tidigare Basprognos (basår 2014) och mot tillgänglig statistik och trafikräkningar. Utom förändring av basår har en del saker

uppdaterats i samtliga delmodeller och därmed även Palt:

• Ny zonindelning (SAMS20)

• Ny kollektivtrafiktaxa som representerar 2017 (straff för korta resor borttagen)

• Nytt kollektivtrafiknät kodat med GTFS (2017)

• Nya matriser för lastbil och personbil yrkestrafik

• Uppdaterat markanvändning till år 2017

o Ändrad metod för arbetsplatser utan lokalisering till något SAMS område som sprids på alla zoner inom en kommun istället för att exkluderas

o Ändrat metod för antal bilar (generellt färre bilar) och bildisponerare (generellt fler bildisponerare)

Generella slutsatser från validering av basår 2017:

Konsekvens för nuläge är fler korta kollektivtrafikresor jämfört med basår 2014.

För vägnätet ger Basprognos version 2020 en underskattning av lastbilstrafik men en relativt bra överenstämmelse för biltrafik. Vissa sträckor har dock större avvikelser, bland annat länsöverskridande resor och resor över landsgräns (mot Norge och Finland). Det går även att se ruttvalsproblematik för lastbilstrafik i de fall parallella vägar finns. Här

underskattas den tunga trafiken på de större vägarna medan den överskattas på mindre vägar.

För kollektivtrafik ger Basprognos 2020 överskattning av länstrafik, varierande resultat mot statistik för tåg per station och bra överenstämmelse vid stora städer.

Andra kapitlet validerar prognosår 2040 med en lista av inkodade objekt och en jämförelse mot nuläge.

Generella slutsatser från validering av prognosår 2040:

(6)

Många kommuner får en minskande befolkning medan större städer (bland annat Gävle, Borlänge, Umeå och Luleå) får en ökad befolkning. Antalet resor per capita ökar till prognosår, speciellt för övriga resor (5-10%). Färdmedelsandel för privata resor är relativt lika mot 2017 men trafikarbete för personbilstrafik ökar (fler resor per capita och längre resor). Yrkes- och lastbilstrafik ökar kraftigare än personbilstrafik och antalet arbetsplatser i regionen. De ruttvalsproblem som sågs i basåret där den tunga trafiken underskattades på större vägar och överskattas på mindre ses även under prognosåret. Detta genom att den trafikökning som ses från basåret till prognosåret är kraftigare på de mindre vägarna.

Basprognosen är en förutsättning och därmed inte tillräcklig för analys innan man genomfört kompletteringar och justeringar. Det är viktigt att anpassa förutsättningarna (Basprognosen) till den analys som skall utredas för att spegla nuläget i infrastrukturen på bästa sätt.

Den som ska tillämpa delmodellen Palt i analyser rekommenderas att läsa detta dokument men särskilt avsnitt som innehåller slutsatser av validering för basår och prognosår samt rekommendation vid användning av delmodell Palt i utredningar, då dessa avsnitt kan innehålla viktig information om det geografiska området.

(7)

Bakgrund

Normalt sker uppdatering till ny version av Trafikverkets Basprognos vartannat år enligt gällande regleringsbrev. Trafikverkets Region Nord och Mitt som båda ingår i delmodellen Palt har tillsammans med anlitade konsulter arbetat med denna validering i samråd med Trafikverkets Expertcenter som leder arbetet med Basprognosen.

Trafikverket

Henry Degerman och Tina Nilsson, Regionala Trafikanalytiker, Trafikverket Region Nord Magdalena Lundberg och Simon Lindgren, Regionala Trafikanalytiker, Trafikverket Region Mitt

Anlitade konsulter

Olivier Canella, Trafikanalytiker, WSP Sverige AB (Region Nord)

Qian Wang, Trafikanalytiker, WSP Sverige AB (Region Mitt, kollektivtrafik) Henrik Carlsson, Trafikanalytiker, M4Traffic AB (Region Mitt, vägtrafik)

(8)

Förutsättningar

Normalt publiceras Trafikverkets Basprognos den 1 april vartannat år, detta år har arbetet påverkats av förseningar vilka inneburit att Basprognosens publiceringsdatum har

senarelagts till 15 juni 2020. Detta har påverkat tidplanen för validering av Basprognos varför slutversion av detta PM är maj 2020.

Huvudsakligen har anlitade konsulter utfört arbetet med validering av Basprognos vilket presenteras i följande kapitel. Avstämningsmöten har skett löpande med Region Nord, Region Mitt samt Expertcenter.

Validering av nuläge (basår 2017) har utgått ifrån Person2017_200615_v9.

Validering av prognosår 2040 har utgått ifrån Person2040_200615_v4.

I valideringsarbetet och i detta dokument jämförs nu gällande Basprognos och den som kommer den 15 juni 2020.

• Den Basprognos som gäller från 1 april 2018 med basår 2014 benämns Basprognos 2018, BP18 eller BP2018.

• Den Basprognos som kommer att gälla från 15 juni 2020 med basår 2017 benämns Basprognos 2020, BP20 eller BP2020.

För ytterligare dokumentation angående Basprognos och förutsättningar hänvisas läsaren till: https://www.trafikverket.se/for-dig-i-branschen/Planera-och-utreda/Planerings--och- analysmetoder/Samhallsekonomisk-analys-och-trafikanalys/Kort-om-trafikprognoser/

(9)

Validering av nuläge (basår 2017)

Markanvändning

Region Nord

I Figur 1 presenteras skillnader för olika delar av markanvändning för 2014 och 2017. Detalj per kommun redovisas i Tabell 1.

Metoden för att fram markanvändningsdatabas för arbetsplatser har ändrats mellan 2014 och 2017. Arbetsplatser som är ”ej lokaliserat” till ett SAMS område i SCB data är fördelat inom en kommun på alla SAMS-områden istället för att exkluderas som tidigare i

Basprognos 2018. Antalet arbetsplatser per kommun ökar mellan 1% till 23% på kommunnivå och med 11-12% i genomsnitt i Region Nord.

Metoden har också ändrats för antal bilar och antal bildisponerare vilket ger relativ stor skillnad med 10% färre bilar men 5% fler bildisponerare. Ökningen av antalet bildisponerare i Norrbottens län har inte lika tydlig koncentration som i Västerbottens län där

koncentrationen främst sker till Umeå kommun.

Befolkning, förvärvsarbetande och antal körkort verkar ha en rimlig utveckling i respektive län och kommun.

Figur 1 Skillnad i markanvändning och bil/körkortsinnehav mellan basår 2014 (BP18) och basår 2017 (BP20) i Region Nord

(10)

Tabell 1 Markanvändningsutveckling mellan 2014 och 2017 per kommun i Region Nord

Kommun Befolkning Utv. Förvärvsarbetande Utv. Arbetsplatser Utv.

2014 2017 2014 2017 2014 2017

Nordmaling 7 004 7 126 2% 3 242 3 259 1% 2 147 2 391 11%

Bjurholm 2 436 2 453 1% 1 072 1 110 4% 704 838 19%

Vindeln 5 343 5 410 1% 2 589 2 551 -1% 2 326 2 551 10%

Robertsfors 6 733 6 777 1% 3 370 3 300 -2% 2 272 2 356 4%

Norsjö 4 175 4 124 -1% 1 937 1 918 -1% 1 696 1 774 5%

Malå 3 155 3 100 -2% 1 561 1 570 1% 1 316 1 549 18%

Storuman 5 954 5 896 -1% 2 818 2 798 -1% 2 419 2 704 12%

Sorsele 2 592 2 534 -2% 1 255 1 266 1% 932 1 063 14%

Dorotea 2 757 2 718 -1% 1 260 1 241 -2% 991 1 206 22%

Vännäs 8 578 8 692 1% 4 213 4 248 1% 2 499 3 012 21%

Vilhelmina 6 881 6 798 -1% 3 127 3 120 0% 2 386 2 758 16%

Åsele 2 872 2 873 0% 1 246 1 223 -2% 920 1 123 22%

Umeå 118 195 122 765 4% 59 822 62 935 5% 58 489 65 281 12%

Lycksele 12 265 12 178 -1% 5 983 5 896 -1% 5 622 6 022 7%

Skellefteå 71 947 72 233 0% 35 113 35 604 1% 31 770 35 437 12%

SUMMA 260 887 265 677 2% 128 608 132 039 3% 116 489 130 065 12%

Arvidsjaur 6 468 6 441 -0% 3 088 3 151 2% 2 640 3 114 18%

Arjeplog 2 979 2 875 -3% 1 519 1 492 -2% 1 418 1 648 16%

Jokkmokk 5 044 5 082 1% 2 579 2 591 0% 1 992 2 442 23%

Överkalix 3 436 3 377 -2% 1 634 1 580 -3% 1 485 1 521 2%

Kalix 16 373 16 217 -1% 7 583 7 620 0% 6 256 7 034 12%

Övertorneå 4 707 4 531 -4% 2 089 2 043 -2% 1 602 1 824 14%

Pajala 6 295 6 111 -3% 2 910 2 718 -7% 2 439 2 457 1%

Gällivare 18 330 17 959 -2% 9 623 9 500 -1% 9 184 9 976 9%

Älvsbyn 8 164 8 190 0% 3 767 3 876 3% 2 880 3 384 18%

Luleå 75 311 76 707 2% 37 651 39 053 4% 39 762 44 015 11%

Piteå 41 249 41 879 2% 20 235 20 710 2% 16 189 18 590 15%

Boden 27 820 28 021 1% 13 447 13 769 2% 10 329 11 453 11%

Haparanda 9 867 9 851 -0% 3 859 3 814 -1% 3 253 3 553 9%

Kiruna 23 171 23 146 -0% 12 495 12 480 -0% 12 708 13 484 6%

SUMMA 249 214 250 387 0% 122 479 124 397 2% 112 137 124 495 11%

Region Mitt

Motsvarande mönster som i Region Nord visar sig även i Region Mitt avseende fler arbetsplatser och färre bilantal till följd av de metodförändringar som gjorts. I Figur 2

(11)

Jämtland är även det enda länet som har färre bildisponerare år 2017 jämfört med år 2014.

Samtliga län har fler boende (befolkning) och förvärvsarbetare år 2017 (BP2020) jämfört med år 2014 (BP2018).

Figur 2 Procentuell förändring gällande markanvändning och bil/körkort från år 2014 (BP2018) till år 2017 (BP2020) för länen i Region Mitt.

Nedan presenteras befolkningsdata och bilinnehavsdata kommunvis inom Region Mitt.

Boende och förvärvsarbetande

I Tabell 2 redovisas kommunvis befolkningsstatistik gällande boende och förvärvsarbetande för Region Mitt. Data presenteras för BP2018 (år 2014) och BP2020 (år 2017) tillsammans med procentuell förändring mellan de olika basåren. Som visades i Figur 2 ovan går det se en marginell ökning gällande antalet boende och förvärvsarbetande i samtliga län.

Boendestatistik hämtas från Statistiska Centralbyrån och avser faktiska boende under respektive basår, förändringarna beror således inte på någon metodförändring.

Tabell 2 Befolkningsdata i BP2018 (år 2014) och BP2020 (år 2017) samt utveckling. Kommunvis i Region Mitt

Boende Förvärvsarbetande

Dalarnas län BP2018

(2014) BP 2020

(2017) BP2018 -> BP 2020

BP2018

(2014) BP 2020

(2017) BP2018 ->

BP 2020

AVESTA 21 545 23 135 7% 9 840 10 242 4%

BORLÄNGE 49 910 51 500 3% 22 755 23 573 4%

FALUN 56 625 57 567 2% 27 702 28 279 2%

GAGNEF 10 014 10 170 2% 4 838 4 898 1%

HEDEMORA 15 010 15 451 3% 6 879 7 037 2%

LEKSAND 15 204 15 557 2% 7 323 7 513 3%

LUDVIKA 25 706 26 928 5% 11 657 11 861 2%

MALUNG 10 056 10 084 0% 4 934 4 935 0%

MORA 19 982 20 264 1% 9 827 9 819 0%

(12)

ORSA 6 839 6 851 0% 3 075 3 130 2%

RÄTTVIK 10 749 10 844 1% 4 955 5 035 2%

SMEDJEBACKEN 10 651 10 871 2% 5 024 5 002 0%

SÄTER 10 862 11 075 2% 5 336 5 501 3%

VANSBRO 6 727 6 882 2% 3 074 3 140 2%

ÄLVDALEN 7 095 7 033 -1% 3 299 3 317 1%

Summa 276 975 284 212 3% 130 518 133 282 2%

Gävleborgs län

BOLLNÄS 26 124 26 911 3% 11 834 12 016 2%

GÄVLE 97 060 99 658 3% 45 202 47 233 4%

HOFORS 9 486 9 556 1% 4 284 4 288 0%

HUDIKSVALL 36 796 37 258 1% 17 196 17 431 1%

LJUSDAL 18 911 19 038 1% 8 805 8 827 0%

NORDANSTIG 9 485 9 508 0% 4 429 4 519 2%

OCKELBO 5 769 5 842 1% 2 746 2 716 -1%

OVANÅKER 11 347 11 626 2% 5 309 5 423 2%

SANDVIKEN 37 207 38 914 5% 16 658 16 994 2%

SÖDERHAMN 25 417 25 965 2% 11 204 11 290 1%

Summa 277 602 284 276 2% 127 667 130 737 2%

Västernorrlands län

HÄRNÖSAND 24 488 25 243 3% 10 979 11 012 0%

KRAMFORS 18 430 18 663 1% 8 235 8 185 -1%

SOLLEFTEÅ 19 596 19 817 1% 8 884 8 866 0%

SUNDSVALL 96 855 98 199 1% 46 688 48 109 3%

TIMRÅ 18 053 17 971 0% 8 351 8 510 2%

ÅNGE 9 540 9 485 -1% 4 448 4 458 0%

ÖRNSKÖLDSVIK 54 950 55 929 2% 26 582 26 840 1%

Summa 241 912 245 307 1% 114 167 115 980 2%

Jämtlands län

BERG 7 158 7 078 -1% 3 493 3 419 -2%

BRÄCKE 6 557 6 494 -1% 3 013 2 951 -2%

HÄRJEDALEN 10 269 10 197 -1% 4 943 5 061 2%

KROKOM 14 639 14 842 1% 7 281 7 396 2%

RAGUNDA 5 448 5 414 -1% 2 474 2 460 -1%

STRÖMSUND 11 976 11 801 -1% 5 579 5 505 -1%

ÅRE 10 410 11 080 6% 5 455 5 937 9%

ÖSTERSUND 59 882 61 677 3% 29 823 31 073 4%

Summa 126 339 128 583 2% 62 061 63 802 3%

Region Mitt 922 828 942 378

Arbetsplatser

I Tabell 3 redovisas antal arbetsplatser (dagbefolkning) per kommun för BP2018 och BP2020 samt den procentuella tillväxten mellan de två nulägesprognoserna. Som visades i Figur 2 går det se att antalet arbetsplatser ökar relativt kraftigt i samtliga län från 2014 till 2017. Ökningen beror delvis på den metodförändring som gjorts. I BP2020 fördelas arbetsplatser som inte kan knytas geografiskt ut på olika Sampers-områden medan dessa i tidigare versioner ströks.

(13)

finns fler arbetsplatser än förvärvsarbetande och att man då kan vänta inpendling till kommunen. På motsvarande sätt innebär en kvot högre än 1 att det troligtvis kommer vara utpendling av arbetsresor från kommunen. I tabellen går det se att det främst är de större kommunerna som har underskott på förvärvsarbetare. Totalt sett har dock samtliga län ett visst underskott på arbetsplatser i förhållande till antal förvärvsarbetare.

Tabell 3 Arbetsplatser per kommun inom Region Mitt Dalarnas län BP2018

(2014) BP 2020 (2017)

BP2018 ->

BP 2020

Förvärvsarb. / Arbetsplatser 2017

AVESTA 9 170 10 370 13% 0,99

BORLÄNGE 24 958 28 081 13% 0,84

FALUN 25 214 28 403 13% 1,00

GAGNEF 2 601 3 230 24% 1,52

HEDEMORA 6 059 6 541 8% 1,08

LEKSAND 6 091 7 025 15% 1,07

LUDVIKA 12 066 12 996 8% 0,91

MALUNG 4 964 5 545 12% 0,89

MORA 9 649 10 605 10% 0,93

ORSA 2 050 2 409 18% 1,30

RÄTTVIK 3 490 4 095 17% 1,23

SMEDJEBACKEN 2 956 3 322 12% 1,51

SÄTER 3 308 3 559 8% 1,55

VANSBRO 2 475 2 897 17% 1,08

ÄLVDALEN 2 619 3 031 16% 1,09

Summa 117 670 132 109 12% 1,01

Gävleborgs län

BOLLNÄS 10 566 11 487 9% 1,05

GÄVLE 42 518 47 846 13% 0,99

HOFORS 3 658 3 943 8% 1,09

HUDIKSVALL 15 631 17 294 11% 1,01

LJUSDAL 7 512 8 435 12% 1,05

NORDANSTIG 2 803 3 415 22% 1,32

OCKELBO 1 837 2 127 16% 1,28

OVANÅKER 4 765 5 450 14% 1,00

SANDVIKEN 16 251 17 428 7% 0,98

SÖDERHAMN 9 171 10 761 17% 1,05

Summa 114 712 128 186 12% 1,02

Västernorrlands län

HÄRNÖSAND 9 500 10 485 10% 1,05

KRAMFORS 7 177 8 224 15% 1,00

SOLLEFTEÅ 7 387 8 551 16% 1,04

SUNDSVALL 46 128 51 890 12% 0,93

TIMRÅ 4 966 5 977 20% 1,42

ÅNGE 3 795 4 044 7% 1,10

ÖRNSKÖLDSVIK 24 492 26 437 8% 1,02

Summa 103 445 115 608 12% 1,00

Jämtlands län

BERG 2 538 2 973 17% 1,15

BRÄCKE 2 131 2 357 11% 1,25

(14)

HÄRJEDALEN 4 547 5 106 12% 0,99

KROKOM 4 521 5 104 13% 1,45

RAGUNDA 2 203 2 276 3% 1,08

STRÖMSUND 4 781 5 267 10% 1,05

ÅRE 4 740 5 570 18% 1,07

ÖSTERSUND 31 510 34 221 9% 0,91

Summa 56 971 62 874 10% 1,01

Region Mitt 392 798 438 777 12% 1,01

Bilantal

Bilantal för BP2018 och BP2020 redovisas i Tabell 4 per kommun i Region Mitt. Bilantalet redovisas även i förhållande till antal boende. Bilantalet faller kraftigt i BP2020 jämfört med BP2018 i framförallt Jämtland där det går att se att antalet bilar per boende är 0,42, vilket är lågt i förhållande till övriga län (snitt 0,46 i hela Region Mitt).

Även i övriga län går det se en sammantagen minskning av bilantalet i BP2020 i förhållande till BP2018. Utvecklingen mellan de båda Basprognoserna är dock ganska spretig där det t.ex. i Dalarna går se en 25 %-ig minskning i Malung medan det är en ökning om 2 % i Borlänge.

Tabell 4 Bilantal för BP2018 och BP2020 samt den procentuella tillväxten mellan prognoserna BP2018 (2014) BP2020 (2017) Bilantal

Dalarnas län Bilantal Bilantal /boende

Bilantal Bilantal /boende

BP2018 ->

BP2020

AVESTA 11 687 0,54 11 820 0,51 1%

BORLÄNGE 23 693 0,47 24 218 0,47 2%

FALUN 27 229 0,48 26 247 0,46 -4%

GAGNEF 5 964 0,60 5 417 0,53 -9%

HEDEMORA 8 370 0,56 8 001 0,52 -4%

LEKSAND 8 601 0,57 7 368 0,47 -14%

LUDVIKA 13 044 0,51 13 319 0,49 2%

MALUNG 6 299 0,63 4 738 0,47 -25%

MORA 11 758 0,59 9 825 0,48 -16%

ORSA 3 870 0,57 3 331 0,49 -14%

RÄTTVIK 6 340 0,59 5 457 0,50 -14%

SMEDJEBACKEN 6 035 0,57 6 090 0,56 1%

SÄTER 6 340 0,58 6 038 0,55 -5%

VANSBRO 4 038 0,60 3 355 0,49 -17%

ÄLVDALEN 4 589 0,65 3 550 0,50 -23%

Summa 147 857 0,53 138 774 0,49 -6%

Gävleborgs län

BOLLNÄS 13 515 0,52 12 625 0,47 -7%

GÄVLE 40 439 0,42 42 067 0,42 4%

HOFORS 5 099 0,54 5 030 0,53 -1%

HUDIKSVALL 18 952 0,52 17 755 0,48 -6%

LJUSDAL 9 970 0,53 8 668 0,46 -13%

NORDANSTIG 5 512 0,58 4 694 0,49 -15%

(15)

Västernorrlands län

HÄRNÖSAND 11 333 0,46 10 845 0,43 -4%

KRAMFORS 9 967 0,54 8 895 0,48 -11%

SOLLEFTEÅ 10 802 0,55 9 275 0,47 -14%

SUNDSVALL 45 196 0,47 44 045 0,45 -3%

TIMRÅ 9 389 0,52 9 138 0,51 -3%

ÅNGE 5 443 0,57 4 471 0,47 -18%

ÖRNSKÖLDSVIK 28 905 0,53 25 987 0,46 -10%

Summa 121 035 0,50 112 656 0,46 -7%

Jämtlands län

BERG 4 185 0,58 2 865 0,40 -32%

BRÄCKE 3 701 0,56 2 812 0,43 -24%

HÄRJEDALEN 6 156 0,60 4 661 0,46 -24%

KROKOM 8 126 0,56 6 397 0,43 -21%

RAGUNDA 3 202 0,59 2 382 0,44 -26%

STRÖMSUND 6 710 0,56 5 145 0,44 -23%

ÅRE 5 573 0,54 4 498 0,41 -19%

ÖSTERSUND 27 521 0,46 25 149 0,41 -9%

Summa 65 174 0,52 53 909 0,42 -17%

Region Mitt 469 097 0,51 437 067 0,46 -7%

Bildisponerare

I BP2020 ökar antalet bildisponerare i samtliga län utom i Jämtland i förhållande till BP2018. Störst ökning sker i Gävleborgs län med en stor ökning i Gävle. Antalet

bildisponerare per boende är lägst i Jämtland med kvoten 0,84 i BP2020. Dalarna har högst kvot om 0,89 i BP2020. I BP2018 hade Berg och Krokom fler bildisponerare än boende.

Denna felaktighet förekommer inte i BP2020.

Tabell 5 Bildisponerare för BP2018 och BP2020 samt den procentuella tillväxten mellan prognoserna BP2018 (2014) BP 2020 (2017) Bildisp.

Dalarnas län Bildisp. Bildisp.

/boende Bildisp. Bildisp.

/boende BP2018 ->

BP2020

AVESTA 17 913 0,83 20 160 0,87 13%

BORLÄNGE 38 397 0,77 43 573 0,85 13%

FALUN 47 456 0,84 50 904 0,88 7%

GAGNEF 9 726 0,97 9 982 0,98 3%

HEDEMORA 12 976 0,86 13 755 0,89 6%

LEKSAND 14 559 0,96 14 634 0,94 1%

LUDVIKA 20 215 0,79 23 115 0,86 14%

MALUNG 9 924 0,99 9 295 0,92 -6%

MORA 18 973 0,95 18 956 0,94 0%

ORSA 6 145 0,90 6 241 0,91 2%

RÄTTVIK 9 993 0,93 9 930 0,92 -1%

SMEDJEBACKEN 9 254 0,87 10 058 0,93 9%

SÄTER 9 925 0,91 10 500 0,95 6%

VANSBRO 6 361 0,95 6 359 0,92 0%

ÄLVDALEN 6 873 0,97 6 550 0,93 -5%

Summa 238 690 0,86 254 012 0,89 6%

Gävleborgs län

BOLLNÄS 22 061 0,84 23 480 0,87 6%

GÄVLE 70 258 0,72 80 367 0,81 14%

HOFORS 7 682 0,81 8 428 0,88 10%

(16)

HUDIKSVALL 31 160 0,85 32 893 0,88 6%

LJUSDAL 16 811 0,89 17 007 0,89 1%

NORDANSTIG 8 836 0,93 8 803 0,93 0%

OCKELBO 5 050 0,88 5 146 0,88 2%

OVANÅKER 10 420 0,92 10 538 0,91 1%

SANDVIKEN 29 768 0,80 33 473 0,86 12%

SÖDERHAMN 20 353 0,80 22 552 0,87 11%

Summa 222 399 0,80 242 687 0,85 9%

Västernorrlands län

HÄRNÖSAND 19 773 0,81 21 117 0,84 7%

KRAMFORS 16 019 0,87 15 992 0,86 0%

SOLLEFTEÅ 17 409 0,89 17 329 0,87 0%

SUNDSVALL 76 903 0,79 83 386 0,85 8%

TIMRÅ 15 216 0,84 16 066 0,89 6%

ÅNGE 8 628 0,90 8 316 0,88 -4%

ÖRNSKÖLDSVIK 49 070 0,89 50 129 0,90 2%

Summa 203 018 0,84 212 335 0,87 5%

Jämtlands län

BERG 7 196 1,01 6 214 0,88 -14%

BRÄCKE 6 117 0,93 5 526 0,85 -10%

HÄRJEDALEN 9 572 0,93 8 796 0,86 -8%

KROKOM 14 709 1,00 13 634 0,92 -7%

RAGUNDA 5 093 0,93 4 669 0,86 -8%

STRÖMSUND 10 960 0,92 10 035 0,85 -8%

ÅRE 9 700 0,93 9 419 0,85 -3%

ÖSTERSUND 47 905 0,80 49 781 0,81 4%

Summa 111 252 0,88 108 074 0,84 -3%

Region Mitt 775 359 0,84 817 108 0,87 5%

Körkort

Antalet körkort är relativt oförändrat mellan BP2018 och BP2020. Samtliga län visar en ökning från BP2018 till BP2020 men ökningen är mindre än befolkningstillväxten varför antalet körkort per boende minskar marginellt i den nya Basprognosen.

Tabell 6 Antal körkort för BP2018 och BP2020 samt den procentuella tillväxten mellan prognoserna

BP2018 (2014) BP 2020 (2017) Körkort

Dalarnas län Körkort Körkort

/boende Körkort Körkort

/boende BP2018 ->

BP2020

AVESTA 15 001 0,70 15 687 0,68 5%

BORLÄNGE 33 013 0,66 33 329 0,65 1%

FALUN 38 072 0,67 38 067 0,66 0%

GAGNEF 6 678 0,67 6 710 0,66 0%

HEDEMORA 10 408 0,69 10 527 0,68 1%

LEKSAND 10 542 0,69 10 680 0,69 1%

LUDVIKA 17 673 0,69 18 033 0,67 2%

MALUNG 7 020 0,70 6 976 0,69 -1%

MORA 13 858 0,69 13 879 0,68 0%

ORSA 4 771 0,70 4 749 0,69 0%

RÄTTVIK 7 627 0,71 7 669 0,71 1%

SMEDJEBACKEN 7 487 0,70 7 521 0,69 0%

SÄTER 7 459 0,69 7 509 0,68 1%

VANSBRO 4 640 0,69 4 679 0,68 1%

ÄLVDALEN 4 939 0,70 4 845 0,69 -2%

Summa 189 188 0,68 190 860 0,67 1%

Gävleborgs län

(17)

OVANÅKER 7 584 0,67 7 704 0,66 2%

SANDVIKEN 24 544 0,66 25 237 0,65 3%

SÖDERHAMN 17 084 0,67 17 212 0,66 1%

Summa 182 371 0,66 184 866 0,65 1%

Västernorrlands län

HÄRNÖSAND 16 484 0,67 16 802 0,67 2%

KRAMFORS 12 788 0,69 12 892 0,69 1%

SOLLEFTEÅ 13 427 0,69 13 409 0,68 0%

SUNDSVALL 64 326 0,66 64 690 0,66 1%

TIMRÅ 11 890 0,66 11 862 0,66 0%

ÅNGE 6 573 0,69 6 527 0,69 -1%

ÖRNSKÖLDSVIK 36 717 0,67 37 022 0,66 1%

Summa 162 205 0,67 163 204 0,67 1%

Jämtlands län

BERG 4 909 0,69 4 822 0,68 -2%

BRÄCKE 4 503 0,69 4 487 0,69 0%

HÄRJEDALEN 7 164 0,70 7 169 0,70 0%

KROKOM 9 389 0,64 9 438 0,64 1%

RAGUNDA 3 770 0,69 3 710 0,69 -2%

STRÖMSUND 8 289 0,69 8 172 0,69 -1%

ÅRE 6 931 0,67 7 318 0,66 6%

ÖSTERSUND 40 227 0,67 41 038 0,67 2%

Summa 85 182 0,67 86 154 0,67 1%

Region Mitt 618 946 0,67 625 084 0,66 1%

Extra attraktion

Nedan listas områden med extra attraktion som finns med i riggningarna. Inga tester har gjorts gällande vilken effekt den extra attraktionen har.

Region Nord

Handel

I BP2020 finns inget område gällande extra attraktion för handel i Region Nord.

Galleriaområden i Umeå (IKEA/Avion), Luleå (Storheden) och Haparanda (IKEA) skulle kunna kvalificeras som större köpcentrum med regional betydelse.

Högskola/Universitet

I BP2020 finns ett antal lärosäten som anges i extra attraktionstabellen i region Nord. Dessa delas in i ”Stort universitet/högskola” och ”Litet universitet/högskola” och redovisas i Tabell 7 tillsammans med respektive värde (antal studenter). Alla i Västerbottens län och den i Kiruna är tyvärr fel placerat.

Tabell 7 Områden med extra attraktion för lärosäten i Region Nord

Zon-ID Värde Beskrivning

948009 20 130 Stort Universitet/högskola i Umeå (felplacerat, 947103) 948001 570 Litet universitet/högskola i Umeå (felplacerat)

948241 573 Litet universitet/högskola i Skellefteå (felplacerat, 948237) 958025 7 462 Stort universitet/högskola i Luleå

958108 468 Litet universitet/högskola i Piteå

(18)

958201 879 Litet universitet/högskola i Boden

958413 162 Litet universitet/högskola i Kiruna (fel placerat, 958418)

Sjukhus

I extra attraktionstabellen finns även sjukhus angivna som regionsjukhus, länssjukhus och länsdelssjukhus. I Region Nord finns inget sjukhus med extra attraktion. Enligt

dokumentation på Trafikverket hemsida (”Extra attraktion i Sampers 2.1 ver 75” 2006-01- 23) används de inte.

Turism

Region Nord innehåller område med extra attraktion för sommar- och vinterturism enligt Tabell 8. En del är troligtvis felplacerade och de behöver ses över.

Tabell 8 Områden med extra attraktion för turism i Region Nord Zon-ID Sommar Vinter Beskrivning

942113

X Hemavan Tärnaby flygplats

942502

X Dorotea

948104

X Lycksele

948212

X Fällfors (Skellefteå)

948230

X Skellefteå omland

950502

X Arvidsjaur

951808

X Övertorneå (omland)

952306

X Gällivare

958222

X Sävast (Boden)

958430

X Abisko (Kiruna)

958431

X Björkliden (Kiruna)

958432

X X Riskgränsen (Kiruna)

Region Mitt

Handel

I BP2020 finns ett fåtal områden gällande extra attraktion för handel i Region Mitt. Totalt finns fem områden för stormarknader och två för större köpcentra. Samtliga områden har värde 1. Samma områden ligger med i både nuläget och prognosåret och listas i Tabell 9 nedan.

Tabell 9 Områden med extra attraktion för handelsresor i Region Mitt

Zon-ID Beskrivning

902912 Större köpcentra i Insjön (Hjultorget) 908118 Större köpcentra i Borlänge (Kupolen)

918017 Större köpcentra i Gävle (Valbo) 927112 Större köpcentra i Sundsvall (Birsta)

928467 Större köpcentra i Örnsköldsvik (Överön) troligtvis felplacerat

(19)

Av områdena i tabellen ovan är område 928467 och 928205 troligtvis felplacerade. Område 928467 ligger öster om Örnsköldsvik i område som saknar större handelsetableringar.

Däremot finns handelsområde längre västerut. Område 928205 ligger i Frånö utanför Kramfors och även här verkar det saknas handelsområden.

Övriga områden representerar större handelsområden/köpcentra. Eventuellt skulle en översyn av ytterligare handelsområden behöva genomföras för att ha likvärdiga

förutsättningar i hela regionen. Andra handelsområden som t.ex. Hemlingby köpcentrum i Gävle är inte angivna med extra attraktion.

Högskola/Universitet

I BP2020 finns även ett antal lärosäten som anges i extra attraktions-tabellen. Dessa delas in i ”Stort universitet/högskola” och ”Litet universitet/högskola” och redovisas i Tabell 10 tillsammans med respektive värde (antal studenter).

Tabell 10 Områden med extra attraktion för lärosäten i Region Mitt

Zon-ID Värde Beskrivning

918008 8314 Stort Universitet/högskola i Gävle 908054 3580 Litet universitet/högskola i Falun

908149 3030 Litet universitet/högskola i Borlänge 928005 3010 Litet universitet/högskola i Härnösand

928159 4330 Litet universitet/högskola i Sundsvall 928470 620 Litet universitet/högskola i Örnsköldsvik 938003 4330 Litet universitet/högskola i Östersund

Sjukhus

I extra attraktionstabellen finns även sjukhus angivna som regionsjukhus, länssjukhus och länsdelssjukhus. I Region Mitt finns inget regionsjukhus men ett länssjukhus för respektive län samt ett antal länsdelssjukhus. Vid övergripande översyn kan eventuellt fel centroider för extra attraktion vara angivna för Länssjukhuset i Östersund samt för länsdelssjukhusen i Avesta och Härnösand. I Tabell 11 redovisas centroider med extra attraktion för sjukhus samt angivna värden för antal vårdplatser. Värdena är desamma i både basåret samt 2040- prognosen.

Tabell 11 Områden med extra attraktion för sjukhus i Region Mitt

Zon-ID

Värde

Beskrivning

908002 517 Länssjukhus i Falun

918043 524 Länssjukhus i Gävle

928136 618 Länssjukhus i Sundsvall

938047 470 Länssjukhus i Östersund (ev fel centroid)

906214 186 Länsdelssjukhus i Mora

908406 60 Länsdelssjukhus i Avesta (ev. fel centroid)

908530 67 Länsdelssjukhus i Ludvika

918205 242 Länsdelssjukhus i Söderhamn

918406 267 Länsdelssjukhus i Hudiksvall

928036 103 Länsdelssjukhus i Härnösand (ev. fel centroid) 928333 148 Länsdelssjukhus i Sollefteå

(20)

928460 252 Länsdelssjukhus i Örnsköldsvik

Turism

I Region Mitt finns sammanlagt 93 områden som anges ha extra attraktion för turism. 55 områden anges ha extra attraktion för sommarturism (område eller punkt), 20 områden har extra attraktion gällande vinterturism (område eller punkt) och 30 områden har extra attraktion för helårsturism (område). Vissa av de angivna områdena finns med inom två kategorier (t.ex. Sommar och vinterturism) varför summan för vinter-, sommar- och helårsturism (totalt 105 områden) överstiger antalet områden som har någon slags turism (93 områden).

Troligtvis ger inte extra attraktion för turism någon effekt för den genererade trafiken i Sampers.

Färdmedelsfördelning

Region Nord

Färdmedelsfördelning per ärende är relativ konstant mellan Basprognos 2018 (avser år 2014) och 2020 (avser år 2017). Bil och kollektivtrafik har ökat lite medan gång och cykel har minskat, speciellt i Norrbottens län. Nya kollektivtrafiknät och nya taxan (straff på korta resor borttagen) förklarar effekt av ökad kollektivtrafik jämfört med gång och cykel.

Figur 3 Färdmedelsandel (exkl. bil som passagerare) i Basprognos 2018 och 2020 för respektive basår i Västerbottens län

(21)

Figur 4 Färdmedelsandel (exkl. bil som passagerare) i Basprognos 2018 och 2020 för respektive basår i Norrbottens län

Region Mitt

För Region Mitt redovisas färdmedelsfördelningen i BP2020 för basåret (2017) i Figur 5.

Färdmedelsfördelningen avser regionala resor och inkluderar passagerare för biltrafiken (1,13 personer per bil vid arbetsresor, 1,31 personer per bil vid tjänsteresor och 1,89 personer per bil vid övrigtresor). Resultaten redovisas per kommun, län samt för hela regionen.

För hela regionen (se stapel längst till höger) ligger andelen bilresor på 70 %, andelen cykelresor på 8 %, andelen gångresor på 15 % och andelen kollektiva resor på 7 %.

Resultaten visar att andelen resor med bil är som lägst i Jämtlands län (63 %) där samtidigt andelen gångresor är som högst (20 %). Eventuellt kan detta bero på grövre

områdesindelning. En grövre indelning innebär att arbetsplatsen och bostaden kan hamna inom samma område i större utsträckning jämfört med län med finare områdesindelning.

I övrigt går det se att kollektivtrafikandelen är som högst i de större städerna vilket känns rimligt med tanke på att utbudet för kollektiva resor är som störst i dessa städer.

Figur 5 Färdmedelsfördelning kommuner och län i Region Mitt för nuläget i BP2020

(22)

Avståndsfördelning

Region Nord

Avståndsfördelning, som också benämns reslängdsfördelning, för regionala bilresor är relativt lika mellan 2014 (Basprognos 18) och 2017 (Basprognos 20).

För kollektivtrafik observeras fler korta resor. Andelen resor mellan 1 och 5 kilometer har ökat från 27% till 41% för alla resor. Orsaken är en ändrad metod för

kollektivtrafiktaxematriser där det i Basprognos 2018 fanns ett straff för korta resor.

Figur 6 Avståndsfördelning för bil och kollektivtrafikresor för basåret i respektive Basprognos 18 och 20 i Region Nord

Region Mitt

I Figur 7 redovisas reslängdsfördelningen (avståndsfördelning) för regionala bilresor i Region Mitt. Resultat redovisas för olika ärendetyper i BP2020 och BP2018. Resultaten visar att det är en högre andel korta övrigtresor mellan 2,5–5 kilometer i BP2020 jämfört med BP2018. Det går även se att antalet arbetsresor mellan 5–10 km är högre i BP2020 i jämförelse med BP2018. Överlag är det relativt små förändringar mellan de båda

Basprognoserna.

(23)

Figur 7 Reslängdsfördelning uppdelat på olika ärenden för regionala bilresor i nuläget för BP2020 och BP2018 i Region Mitt

Ärendefördelning på kollektivtrafikresor

Region Mitt

I Tabell 12 redovisas ärendefördelning av kollektivtrafik i Basprognos 2020, år 2017 och Basprognos 2018, år 2014. Förändringarna mellan BP2018 och BP2020 är liknade i Dalarnas län, Gävleborgs län och Västernorrlands län. Det visar att tjänstereseandelen inte har förändrats. Andelen arbetsresor har minskat och övrigreseandelen har ökat. I Jämtlands län har dock arbetsreseandelen ökat i BP2020 och övrigreseandelen minskat.

Tabell 12 Ärendefördelning för kollektivtrafik regionala resor (<10 mil)

Län/Regional modell BP2018, år 2014 BP2020, år 2017 Arbete Tjänst Övrigt Arbete Tjänst Övrigt

Dalarnas län 24% 3% 73% 20% 3% 77%

Gävleborgs län 23% 3% 74% 20% 3% 78%

Västernorrlands län 22% 3% 75% 20% 3% 78%

Jämtlands län 20% 4% 76% 23% 3% 74%

Region Mitt 23% 3% 74% 20% 3% 77%

Validering mot trafikräkningar - Biltrafik

Region Nord

Nulägesmodellen visar sammantaget en god överenstämmelse mot trafikräkningar (ÅDT) på statliga vägar i region Nord. Figur 9 visar faktiskt flöde enligt trafikräkningar (Y-axel) och

0%

5%

10%

15%

20%

25%

30%

Fördelning [%]

Reslängd [km]

Reslängdsfördelning - Bilresor Region Mitt

Arb.resor BP2020 Tjn.resor BP2020 Övr.resor BP2020 Arb.resor BP2018 Tjn.resor BP2018 Övr.resor BP2018

(24)

modellflöde (X-axel). Korrelationsfaktorn är på 0.87 och lutning på 0.96. Ruttalternativ i Region Nord är begränsat utifrån möjliga alternativa vägar varför inget särskilt

ruttvalsproblem har identifierats.

Figur 8 Jämförelse mellan faktiskt flöde enligt trafikräkningar (Y axis) och modellflöde (X-axis) för bil (personbil privat och yrke) – R2 0.872 y=98+0.957x

Av figur 9 och 10 framgår att flödet på E4 mellan södra länsgränsen (mot region Mitt) och Skellefteå stämmer relativt bra (+/- 20%).

Mellan Skellefteå och Luleå är det däremot en överskattning med upp till 55% vid

länsgränsen Västerbotten-Norrbotten (se Figur 9 och 10 för detaljerad bild av sträckan). En separat jämförelse av norrgående riktning visar enligt trafikräkning 1620 fordon ÅDT men modellen ger 2450 fordon (+830). Av de 2450 resorna påbörjas 80% vid Skellefteå kommun med målpunkter spridda på flera kommuner i Norrbottens län (55% i Piteå kommun, 25% i Luleå kommun och 10% i Boden kommun). Jämförelse mot pendlingsstatistik, kommun till kommun från SCB, visar ingen överskattning av arbetsresor mellan Skellefteå och

Piteå/Luleå. Även ärendetyperna regional övrigt (ca 600 fordon), tjänste långväga (ca 300 fordon) och privat långväga (ca 1000) bedöms vara överskattade.

Norr om Luleå underskattas resor på E4 mot Haparanda. Gränsöverskridande resor mot Finland finns inte med i modellen vilket förklarar en del av underskattningen på den här delen. Samma mönster ses mot Norge, till exempel på sträckan E12 Lycksele-Storuman- Norge, väg 95 Arvidsjaur-Norge, E10 Kiruna-Riksgräns.

En sträcka som sticker ut är E10 Överkalix-Gällivare med underskattning högre än 50%.

(25)

Figur 9 Jämförelse mellan modell och trafikräkningar för bil i region Nord

Figur 10 Jämförelse mellan modell och trafikräkningar 2017 för bil vid Skellefteå-Luleå

55%

25%

45%

30%

25%

1780

1330

1810 2360

1880

(26)

Figur 11 är en inzoomning vid Umeå-Vännäs område. Relationen mellan de två kommunerna samt flödet vid Umeå motorvägsystem (E4-E12) underskattas med bil.

Figur 11 Jämförelse mellan modell och trafikräkningar 2017 för bil vid Umeå-Vännäs

Region Mitt

För att på ett övergripande sätt se hur väl modellerade flöden stämmer med uppmätta flöden görs en linjär regression. I Figur 12 nedan visas den linjära regressionen för

personbilstrafiken (@pb+@pby) i Region Mitt. I figuren presenteras mätdata (@adpb) på y- axeln och modellerade flöden (@pb+@pby) på x-axeln. Röda punkter indikerar att

modellerade flöden överskattas i förhållande till mätningar och gröna punkter indikerar att modellerade flöden underskattas. R2-värdet i Region Mitt är 0,908 och lutningen är 0,975 vilket indikerar en relativt god överensstämmelse mellan uppmätta och modellerade flöden.

-1540

-3120 -3280

-25%

-40%

-15%

(27)

Figur 12 Linjär regression, personbilsresor i Region Mitt (gröna punkter = underskattning i modellen, röda punkter = överskattning i modellen)

För nulägesprognosen görs jämförelser mellan modellerade flöden och uppmätta flöden.

Jämförelser presenteras länsvis i form av separata flödeskartor för personbilstrafik och lastbilstrafik. I flödesbilderna representerar tjockleken på länkarna storleken på det modellerade flödet och färgerna på länkarna representerar den procentuella avvikelsen mellan modellerat och uppmätt flöde. Röda länkar innebär att trafiken i modellen överskattas jämfört med mätningar och blå länkar innebär att flöden i modellen underskattas. Gröna länkar indikerar god överensstämmelse mellan modellerat och uppmätt flöde där det modellerade flödet ligger i intervallet plus/minus 10 % från det uppmätta flödet.

Dalarnas län

Likt BP2018 och ytterligare tidigare versioner överskattas personbilstrafiken i modellen för de södra och östra delarna av länet. Framförallt överskattas resor över länsgränser till Gävleborg och Västmanland. En bidragande orsak till den underskattade trafiken i de norra och västra delarna av länet är avsaknaden av resor till/från Norge i modellen. I Figur 13 redovisas relativ avvikelse mellan uppmätt och modellerat flöde.

(28)

Figur 13: Jämförelse personbilstrafik i Dalarnas län mellan modell 2017 och trafikräkningar 2017 (årsmedeldygn)

Gävleborgs län

Likt i Dalarna så överskattas personbilsflödet i de södra delarna av länet över länsgränserna mot Uppsala, Västmanland och Dalarna. I övrigt bedöms överensstämmelsen mellan modellerat och uppmätt flöde som god. Längs E4 överskattas flödet något söder om Gävle, norr om Söderhamn och längst i norr mot länsgränsen till Västernorrlands län. Söder om Söderhamn och förbi Gävle underskattas trafiken något.

(29)

Figur 14: Jämförelse personbilstrafik i Gävleborgs län mellan modell 2017 och trafikräkningar 2017 (årsmedeldygn)

Västernorrlands län

I Västernorrland är överensstämmelsen mellan modellerad och uppmätt trafik god längs E4.

Något överskattad trafik bland annat längst i norr och söder. På E14, väster om Sundsvall, underskattas trafiken något.

Söderhamn

Gävle

(30)

Figur 15: Jämförelse personbilstrafik i Västernorrlands län mellan modell 2017 och trafikräkningar 2017 (årsmedeldygn)

Jämtlands län

I Jämtland underskattas personbilstrafiken i modellen generellt. Till stor del beroende på avsaknad av trafik till/från Norge men kanske även till följd av att turisttrafik inte fångas fullt ut i modellen.

Sundsvall

(31)

Figur 16: Jämförelse personbilstrafik i Västernorrlands län mellan modell 2017 och trafikräkningar 2017 (årsmedeldygn)

Validering mot trafikräkningar - Lastbilstrafik

Region Nord

Nulägesmodellen visar en god överenstämmelse mot trafikräkningar (ÅDT) på statlig väg i region Nord. Figur 9 visar faktiskt flöde enligt trafikräkningar (Y-axel) och modellflöde (X- axel). Korrelationsfaktorn är på 0.89 och lutningen på 1.18 vilket tyder på en generell underskattning.

Av Figur 18 framgår att underskattningen i de flesta fall ligger mellan 0 och 20%. I modellen ingår inte lastbilstrafik till och från Norge respektive Finland (t.ex. Umeå-Lycksele-

Storuman-Norge, Arvidsjaur-Norge), vilket skapar större avvikelse mot trafikräkningar.

Lastbilstrafik på sträckorna Gällivare-Överkalix-Töre och Umeå-Lövånger underskattas med mer än 20%.

(32)

Figur 17 Jämförelse mellan faktiskt flöde enligt trafikräkningar (Y-axel) och modellflöde (X-axel) för lastbil med och utan släp – R2 0.895 y=9+1.183x

-50/55%

-20/30%

Filter: trafikräkning >100

-30/50%

-30/40%

(33)

Likt personbilstrafiken görs en linjär regression för lastbilstrafiken där modellerade flöden (@lbs+@lbu) ställs mot uppmätta flöden. Resultaten visar på en generell underskattning av de modellerade flödena. Regressionsanalysen visar dock på ett relativt bra R2-värde om 0,891 och en lutning på 1,152. I modellen bedöms lastbilstrafiken underskattas på de större vägarna medan det parallella vägnätet generellt får överskattad lastbilstrafik. Detta framgår tydligare i de efterföljande länsvisa flödesbilderna. Under valideringsarbetet har det gjorts tester på alternativ hantering av VD-funktioner för den tunga trafiken. Bland annat har det testats att lägga ut den tunga trafiken med personbilsfunktioner vilket gav en bedömd bättre överensstämmelse mellan modellerad och uppmätt trafik. Denna hantering är dock inte optimal när samhällsekonomiska beräkningar ska genomföras. Oavsett val av VD-funktioner kommer den generella underskattningen bestå då funktionerna inte påverkar antal resor. I Figur 19 redovisas den linjära regressionen för lastbilstrafiken i Region Mitt.

Figur 19: Linjär regression, lastbilsresor i Region Mitt (gröna punkter = underskattning i modellen, röda punkter

= överskattning i modellen)

Nedan presenteras länsvisa flödeskartor som visar avvikelse mellan modellerade och uppmätta lastbilsflöden.

Dalarnas län

Lastbilstrafiken (@lbs+@lbu) i modellen bedöms ha en relativt god överensstämmelse mot mätdata. Dock överskattas trafiken på flera av de mindre vägarna samtidigt som några av de större vägarna får underskattad trafik. Avvikelserna beror troligt delvis på felaktiga ruttval.

(34)

Likt personbilstrafiken underskattas lastbilstrafiken i modellen för de norra delarna av länet, troligtvis till följd av avsaknad av resor över landsgränsen till Norge. I Figur 20 presenteras avvikelse mellan modellerade och uppmätta lastbilsflöden.

Figur 20: Jämförelse lastbilstrafik i Dalarnas län mellan modell 2017 och trafikräkningar 2017 (årsmedeldygn) Gävleborgs län

Lastbilstrafiken i Gävleborg underskattas längs E4:an. Underskattningen längs vägen bedöms bero på felaktiga ruttval då de mindre parallella vägarna får överskattade flöden i modellen. Runt Gävle finns relativt stora avvikelser mellan uppmätta och modellerade flöden. Avvikelserna kring Gävle har även noterats i BP2018 och tidigare versioner av Sampers och beskrivs lite mer ingående i Bilaga 1: Detaljerade flödesbilder. Eventuellt skulle avvikelsen kunna bero på att trafik till/från hamnverksamhet ansluter i en centroid. I själva verket finns hamnverksamheter både norr och söder om den fjärd som leder in mot Gävle.

(35)

Figur 21: Jämförelse lastbilstrafik i Gävleborgs län mellan modell 2017 och trafikräkningar 2017 (årsmedeldygn) Västernorrlands län

Tendensen med underskattade lastbilsflöden i modellen på de större vägarna går även att se längs E4 och E14 i Västernorrland. Även underskattade flöden längs väg 90 förbi Kramfors medan flera andra mindre vägar har överskattad trafik i modellen.

(36)

Figur 22: Jämförelse lastbilstrafik i Västernorrlands län mellan modell 2017 och trafikräkningar 2017 (årsmedeldygn)

Jämtlands län

Även lastbilstrafiken underskattas överlag i modellen i Jämtland. Underskattningen sker främst på E45 och E14 som är de mest trafikerade vägarna. Längs vissa mindre vägar sker en överskattning likt övriga län.

Kramfors

(37)

Figur 23: Jämförelse lastbilstrafik i Jämtlands län mellan modell 2017 och trafikräkningar 2017 (årsmedeldygn)

Validering mot resandestatistik - Kollektivtrafik

Statistik från respektive kollektivtrafikmyndighet har samlats in. Statistiken varierar på olika detaljeringsnivå, påstigande per station/hållplats, resande per linje eller totalt resande i en kommun. Jämförelsen mot modellresultaten är årsmedeldygn år 2017 vilka konverteras till årsflöde med faktor 365 dagar.

För jämförelse på linjenivå har linjerna i statistiken matchats mot linjerna i modellen och endast de linjer som finns i både statistiken och modellen har tagits med i jämförelsen. När jämförelsen gjorts på kommunnivå, har påstigande per hållplats och busslinje under ett årsmedeldygn summerats till kommunnivå.

Tågstatistiken har Trafikverkets Statistikcenter samlat in från trafikhuvudmän och tågoperatörer under vintern 2018-2019 genom telefon- och mailkontakt.

Resandeundersökningen är en sammanställning av antal av- och påstigande resenärer per svensk järnvägsstation för helåret 2017. Totalt antal av- och påstigande kan delas upp i långväga resor, som är längre än 10 mil, och övriga. Då detta är sekretessbelagda uppgifter har det valts att redovisa dessa i spridningsdiagram med linjär regression. En jämförelse

(38)

mellan modell och sekretessbelagd statistik har tagits fram för ett antal stationer med avseende på påstigande under ett årsmedeldygn för stationer inom Region Nord och Mitt, detta resultat presenteras länsvis nedan.

Region Nord

Västerbottens län

Figur 24 och Figur 25 jämför modellens påstigande per linje ett årsmedelsdygn med tillgänglig statistik från lokaltrafik som avser en vardag i september / oktober. Skillnaden i period medför att modellresultatet förväntas bli underskattat i förhållande till statistiken (en vardag i höst förväntas ha fler påstigande än ett årsmedeldygn).

För Umeå stadstrafik är kollektivtrafikresandet i modellen i samma storlek som i statistiken utom för de två största linjerna (linje 1 och 8). En del av skillnaden förklaras av olika mätningsperiod mellan statistik och modellresultat.

Figur 24 Jämförelse mellan statistik och modellresultat för Umeå stadstrafik

För Skellefteå stadstrafik är kollektivtrafikresandet överskattat för de tre största linjerna.

(39)

Figur 25 Jämförelse mellan statistik och modellresultat för Skellefteå stadstrafik

Tabell 13 jämför påstigande på årsnivå för ett urval av största Västerbottens länstrafik busslinjer. Tabellen indikerar en relativt stor överskattning av påstigande i modellen för de största stråken.

Tabell 13 Jämförelse mellan 2017 statistik och modellresultat (ådt) för urval av Västerbottens länstrafik

STRÅK LINJEURVAL STATISTIK MODELL SKILLNAD

UMEÅ-HAPARANDRA 12/20/100 765 846 1 811 130 +136%

UMEÅ-VÄNNÄS 15/55 256 567 489 830 +91%

UMEÅ-NORDMALING 11 90 376 206 955 +129%

UMEÅ-HOLMSTUND 123/124/125 430 112 799 058 +86%

UMEÅ-HÖRNEFORS 126 83 752 192 355 +130%

UMEÅ-SÄVÄR 118 115 320 509 905 +342%

OMKRING SKELLEFTEÅ 202-207, 210, 212, 217-227

665 791 1 528 792 +130%

På grund av sekretess om tågstatistik redovisas inga siffror på stationsnivå.

Följande observation avser regionala resor (under 10 mil). Påstigande i Umeå (kombination av både Umeå Östra och Umeå Central) och Vännäs underskattas med 40-50% medan påstigande Nordmaling och Vindeln överskattas med mer än 50%. Påstigning vid Hörnefors stämmer relativ bra mot statistik.

Följande observation avser långväga resor (över 10 mil). Umeå (kombination av Umeå Östra och Umeå Central) påstigande överskattas med över 300%.

(40)

Norrbottens län

Figur 26 jämför påstigande per linje ett årsmedelsdygn mot tillgänglig statistik från Luleå lokaltrafik som avser en vardag i oktober. De flesta linjerna får bra överenstämmelse mot statistik

Figur 26 Jämförelse mellan statistik och modellresultat för Luleå stadstrafik

På grund av sekretess om tågstatistik redovisas inga siffror på stationsnivå.

Följande observation avser regionala resor (under 10 mil). Stationer i Luleå, Notviken och Sunderbyn får totalt 2 påstigningar per dag i modellen vilket är mycket lägre jämfört med statistik. I modellens ruttval är väntetiden hälften av turtätheten så att buss blir attraktivare än tåg, men i verkligheten har tågresenärer kännedom om tidtabellen och väntar därför mest troligt inte 30 minuter på perrongen. Påstigande vid Bodens tågstation är lite

överskattat medan påstigning vid Gällivare och Kiruna är underskattat med 30-70%. Dock är regionala resor med tåg begränsat i region Nord jämfört med långväga resor (ca 75% av alla påstigningar).

Följande observation avser långväga resor (över 10 mil). De största stationerna överskattas med 50 till 200%, dessa är Boden, Luleå, Gällivare och Kiruna.

Region Mitt

Dalarnas län

Statistiken från Dalatrafik avser antal påstigande per kommun år 2017. I Tabell 14 visas en jämförelse av antal resande i kommunerna i Dalarnas län. Bussresenärer överskattas i modellen förutom i Vansbro kommun. Totalt är bussresande överskattat med över 90%

jämfört mot statistiken. Det finns osäkerhet med jämförelsen eftersom det saknas

(41)

Falun 3 074 654 5 890 878 92%

Borlänge 2 732 076 5 226 463 91%

Avesta 864 514 1 025 572 19%

Ludvika 636 954 1 357 870 113%

Mora 468 771 1 386 739 196%

Hedemora 297 930 709 590 138%

Rättvik 228 911 524 602 129%

Gagnef 220 297 454 159 106%

Leksand 220 147 512 537 133%

Säter 199 569 328 215 64%

Malung-Sälen 187 573 323 505 72%

Vansbro 172 296 176 682 3%

Smedjebacken 135 907 292 886 116%

Älvdalen 116 225 164 290 41%

Orsa 114 904 185 690 62%

Totalt 9 760 728 18 559 677 90%

I Figur 27 ses summan (Y-axeln) av antal påstigande på länstågsstationer enligt Palt- modellen och påstigande från den långväga modellen jämfört mot totalt antal påstigande från statistiken (X-axeln). Utifrån figuren ses att modellen överskattar antal resande på alla Dalarnas länstågstationer. Högt R2-värde på 0,8252 innebär att fördelningen av påstigande i modellen stämmer bra med fördelning i statistiken.

Figur 27 Jämförelse av påstigande mellan statistiken och modellen på tågstationer i Dalarnas län (blå prickad linje är linjär regression av påstigande på tågstationer i Dalarnas län enligt statistik och modell; orange linje är en referenslinje om modellen är lika som statistiken)

Jämtlands län

(42)

Statistiken från Länstrafiken avser antal påstigande per kommun för landsort respektive tätort år 2017. Summan av bussresande i landsorten och tätort jämförs mot aggregerat antal påstigande i kommuner i Jämtland från modellen i Tabell 15. I tabellen kan ses att

modellresultatet i kommunerna Bräcke, Ragunda och Åre överensstämmer relativt väl med statistiken. I övrigt överskattas all busstrafik i Jämtlands län. Det är okänt vilka busslinjer som ingår i statistiken som skickats från Länstrafiken.

Tabell 15 Jämförelse av antal påstigande mellan statistik och modell för kommuner i Jämtlands län Kommun Statistik 2017 Modell 2017 Relativ Diff

Berg 149 865 268918 79%

Bräcke 121 953 124286 2%

Härjedalen 125 028 227795 82%

Krokom 429 422 600132 40%

Ragunda 112 673 119197 6%

Strömsund 122 640 280438 129%

Åre 389 039 440906 13%

Östersund 4 825 157 6445618 34%

Totalt 6 275 777 8 507 292 36%

I Figur 28 ses summan (Y-axeln) av påstigande på tågstationer i Palt-modellen och påstigande från långväga modell. Denna jämförs mot totalt antal påstigande från statiken (X-axeln). I Jämtlands län är tågresande både överskattat och underskattat men summan av påstigande på alla stationer i Jämtland län överskattas i modellen med 57% jämfört mot statistiken. Högt R2-värde på 0,7558 innebär att fördelningen av påstigande i modellen stämmer bra med fördelningen i statistiken.

(43)

Kollektivtrafikresande från X-trafik inkluderar bussresandestatistik från år 2017 för stomlinjer och landsbygdslinjer i Gävleborgs län. Figur 29 visar ett spridningsdiagram med linjeregression för skillnaden mellan matchade stom- och landsbygdsbusslinjer i statistiken och modellen.

Figur 29 Jämförelse av bussresande (1000-tal) per linjer i Gävleborgs län

Tågresandejämförelsen redovisas i Figur 30 gällande antal påstigande på stationer i länet.

Utifrån figuren ses att påstigande på flesta stationer i Gävleborgs län överskattas och några stationer underskattas. Summan av påstigande är 61 % högre i modellen än i statistiken.

Fördelningen mellan stora och små stationer i modellen är mycket nära statistiken. På Ostkustbanan (OKB) är påstigande underskattat på start- och slutstationer medan påstigande på stationer längs linjen är något högre i modellen än i statistiken. Tågresande mellan Ljusdal och Gävle på Norra stambanan (NSB) överskattas också på stationer mitt på linjen och underskatts på start- och slutstationer.

y = 1,8737x R² = 0,8935

0 50 100 150 200 250 300 350 400 450 500

0 50 100 150 200 250 300 350 400 450 500

Modell

Statistik

(44)

Figur 30 Jämförelse av påstigande mellan statistiken och modellen på tågstationer i Gävleborgs län (blå pricklinje är linjär regression av påstigande på tågstationer i Gävleborgs län enligt statiskt och modell; orange linje är en referenslinje om modellen är lika som statistiken)

Västernorrlands län

Kollektivtrafikresandestatistiken från Dintur innefattar antal bussresande på linjenivå för hela året 2017, totalt antal påstigningar och totalt antal påstigningar enbart vardagar per hållplats 2017, samt Trafikbokslut 2018.

Matchning av busslinjer mellan statistiken och modellen baseras på underlaget

Trafikbokslut 2018. Ett antal busslinjer som återfinns i statistiken 2017 saknas i modellen, t.ex. linjer i avtalsområde Örnsköldsviks tätort och vissa linjer i avtalsområde Härnösand.

Ett spridningsdiagram med linjeregression visas i Figur 31 för dess gemensamma busslinjer.

Bussresandet överskattas kraftig över de flesta linjer och bara några få linjer med lågt resande blir underskattade i modellen.

(45)

Figur 31 Jämförelse bussresande (1000 tal) per linje i Västernorrlands län

Utifrån Figur 32 ses att antal påstigande på tågstationer i modellen överskattas på nästan alla stationer i Västernorrlands län. Summan av påstigande på alla stationer i

Västernorrlands län överskattas i modellen, 67% högre jämfört mot statistiken. Avvikelsen mellan modell och statistiken på de stora stationerna är emellertid mindre än avvikelsen på de små stationerna.

y = 1,8023x R² = 0,9209

0 200 400 600 800 1000 1200 1400 1600

0 200 400 600 800 1000 1200 1400 1600

modellen

statistik

(46)

Figur 32 Jämförelse av påstigande mellan statistiken och modellen på tågstationer i Västernorrlands län (blå pricklinje är linjär regression av påstigande på tågstationer i Västernorrlands län enligt statiskt och modell;

orange linje är en referenslinje om modellen är lika som statistiken)

Slutsatser validering av nuläge (basår 2017)

Region Nord

Markanvändning

Befolkningen och antalet förvärvsarbetande ökar i Västerbotten län med ca 2% och är nästan oförändrat i Norrbottens län mellan år 2014 som är basår i BP2018 och år 2017 som är basår i BP2020.

Det går att se en relativt stor ökning gällande arbetsplatser i BP2020 jämfört med BP2018.

Förändringen beror till viss del på förändrad metod gällande arbetsplatser i BP2020. Här fördelas arbetsplatser som inte är knutna till något SAMS-område ut kommunvis. I BP2018 ströks dessa arbetsplatser.

Även beräkningen av antal bilar har justerats mellan de båda Basprognoserna. Bilantalet minskar i region Nord med ca 8-10%. Antalet bildisponerare ökar däremot med ca 4-5%.

Antalet körkortsinnehav följer befolkningsförändringarna.

Extra attraktion

Ett flertal områden med extra attraktion är felplacerade eller saknar kodning med extra attraktion i Region Nord. Områden med extra attraktion måste ses över för

universitet/högskola, handel och turism i Region Nord.

(47)

minskat, speciellt i Norrbottens län. Nya kollektivtrafiknät och nya taxan (straff på korta resor borttagen) förklarar effekt av ökad kollektivtrafik jämfört med gång och cykel.

Avståndsfördelning

Avståndsfördelning för regionala bilresor är relativt lika mellan 2014 (Basprognos 18) och 2017 (Basprognos 20). För kollektivtrafik observeras fler korta resor. Orsaken är en ändrad metod för kollektivtrafiktaxematriser där det i BP2018 fanns ett straff för korta resor.

Biltrafik

För biltrafik är största avvikelse vid länsgränsen mellan Västerbotten/Norrbotten där biltrafik överskattas med ca 55% på E4. För att förbättra modellöverenstämmelse mot trafikräkningar rekommenderas Expertcenter att till nästa Basprognos se över 10- milsgränsen för regionala resor och/eller göra en snittkalibrering vid länsgräns. Andra större avvikelser för biltrafik är mellan Vännäs och Umeå.

Lastbilstrafik

Lastbilstrafik stämmer relativt väl men är dock generellt underskattad, speciellt mot Finland och Norge samt sträckan Överkalix-Gällivare.

Kollektivtrafik

Påstigande per linje för buss i de största städerna i Region Nord stämmer relativt bra.

Däremot observeras större avvikelser (överskattning) för de allra största länstrafikstråken i Västerbotten.

Regionala påstigande vid tågstationerna i Region Nord över- och underskattas stort medan långväga påstigande överskattas stort vid de allra största stationerna.

Ruttval i Emme favoriserar färdmedel med högst turtäthet (väntetid är hälften av turtäthet) så att resenärer som ska välja mellan buss och tåg på t.ex. sträckan Luleå-Boden i högre utsträckning väljer buss. En algoritm med en maximumväntetid skulle förbättra modellen (med låg turtäthet anpassar sig då resenärer till avgångstid).

Region Mitt

Markanvändning

Befolkningen och antalet förvärvsarbetande har ökat i samtliga län mellan år 2014 som är basår i BP2018 och år 2017 som är basår i BP2020.

Det går att se en relativt stor ökning gällande arbetsplatser i BP2020 jämfört med BP2018.

Förändringen beror till viss del på förändrad metod gällande arbetsplatser i BP2020. Här fördelas arbetsplatser som inte är knutna till något SAMS-område ut kommunvis. I BP2018 ströks dessa arbetsplatser.

(48)

Även beräkningen av antal bilar har justerats mellan de båda Basprognoserna. Bilantalet minskar i samtliga län där Jämtland sticker ut med en minskning på 17 % mellan de båda Basprognoserna. Förändringarna gällande bilantal är relativt spretig sett på kommunnivå där vissa kommuner får en marginell ökning medan andra får ganska kraftiga minskningar.

Jämtland är det län som har minst bilantal per boende i BP2020.

Antalet bildisponerare ökar i samtliga län utom Jämtland i BP2020 från BP2018. Jämtland är det län som har minst bildisponerare per boende.

Körkortsinnehavet ökar marginellt i alla län. Ökningen är mindre än befolkningstillväxten.

Extra attraktion

Finns vissa felaktiga områden gällande extra attraktion i Region Mitt. Likt för Region Nord skulle det vara bra med en genomgång av extra attraktions områden för framförallt handel.

Oklart vilken effekt de olika extra attraktions-områdena har på den genererade trafiken.

Färdmedelsfördelning

För hela Region Mitt går det se en färdmedelsfördelning för regionala resor om 70 % bilresor, 8 % cykelresor, 15 % gångresor och 7 % kollektiva resor. Jämtland är det län som sticker ut med flest gångresor (20 %) och minst andel personbilsresor (63 %). Eventuellt skulle detta kunna bero på grövre områdesindelning i detta län där ett område i större utsträckning innehåller t.ex. både arbetsplatser och boende. Kollektivtrafikandelen är högst i de större städerna vilket känns rimligt då dessa har större utbud.

Avståndsfördelning

Avståndsfördelningen visar en högre andel korta övrigtresor och arbetsresor i BP2020 jämfört med BP2018. Eventuellt skulle detta kunna innebära minskat trafikarbete då andelen längre resor samtidigt minskar. Förändringarna är dock relativt små.

Ärendefördelning

I Region Mitt redovisas antal bilresor på ärendenivå först vid validering av prognosåret.

Från den data går det se att andelen övrigtresor dominerar med 60 % följt av andelen arbetsresor om 33 %. Andelen tjänsteresor är 5 % medan andelen långa privata resor och långa tjänsteresor utgör 1 % vardera. För kollektivtrafik har också övrigtresor den största andelen, 77%. Arbetsreseandelen har 20% och tjänstereseandelen ligger på 3%.

Biltrafik

Personbilstrafiken i Region Mitt överskattas i de södra delarna av Dalarna och Gävleborg.

Här går det se en relativt kraftig överskattning av resandet överlänsgränser inom Palt- modellen (mellan Dalarna och Gävleborg) samt mellan län i Palt-modellen och andra modeller (mellan Dalarna och Värmland-Örebro och Västmanland samt mellan Gävleborg och Uppsala-Västmanland). Överskattningarna har även setts i tidigare versioner av Sampers. Det går även se överskattningar av personbilstrafiken över länsgränser längre

References

Related documents

mf35 Beräknad tilläggsmatris timme lågtrafik mf36 Fast tillägg för bil arbete mf37 Fast tillägg för bil tjänste mf38 Fast tillägg för bil övrigt mf39

I Tabell 8 och Tabell 9 redovisas antal otransponerade regionala persontrafiksresor (&lt;10 mil) i SAMM och SYDOST enligt Basprognos 2020, år 2017 respektive Basprognos 2018, år

Inom ramen för basprognoser version 20-06 har ingen sådan ansats genomförts (bortsett från förändrad metod vid uppräkning av matriser mellan basår och basprognos) men borde

Nedan visas tabell över antal samt utveckling av förvärvsarbetande mellan 2017 och 2040.. Detta kan ställas i förhållande till befolkningsutvecklingen under

Antalet resor enligt biljettstatistiken uppgår till närmare 15 000 påstigande/åmd för 2017, medan antalet resor genererade i Sampers uppgår till närmare 39 000 påstigande/åmd

För bussar och spårvagnar har statistik över antal påstigande på ett urval av olika linjer runtom i Västra Götalandsregionen tillhandahållits av Västtrafik. Siffrorna är

Kommentar Expertcenter: Det beror på att transportarbetet på järnväg inom denna varugrupp ökar i Samgodskörningen för 2040 jämfört med motsvarande körning för 2017.. -

I underlaget sammanställs differensen mellan kommande basprognos järnväg 2040 och inhämtad statistik uppräknad med senast kända kommande tillväxttal (20191216) per