Bakgrund

Ett problem när man ska göra prognoser är att ta fram detaljerade data över såväl befolkning och dess regionala fördelning som trafiknät och utbud av kollektivtrafik. Nedbrytning av regionala prognoser kräver stora resurser och det är dessutom svårt att veta hur den framtida regionala strukturen kommer att utvecklas. Vill man beskriva utbudet i den form som prognosmodellerna kräver måste varje linje kodas in. Det säger sig självt att det är svårt att veta, eller ens föreställa sig, exakt hur en viss regional busslinje trafikeras år 2050 och vilken turtäthet och pris det ska vara.

Behovet av att göra scenarier med olika utvecklingsinriktning har ökat bl.a. som följd av klimatkrisen, som för att lösas inte bara kräver teknikutveckling utan även beteendeförändringar. Prognosmodellerna måste då kunna spegla inte bara marginella förändringar utan även systemförändringar i transportsystemet och den regionala strukturen.

Syfte

Syftet med detta projekt är föreslå en metod att ta fram indata till prognoser på ett generaliserat sätt som kan användas för att beskriva scenarier med olika inriktning, i första hand för persontransportprognoser. Denna metod ska huvudsakligen användas för förenklade långsiktiga prognoser från 20 år och framåt samt även för back-casting under lika lång period för att kontrollera prognosbarheten i modellerna. En fördel med den metod som föreslås är också att den resulterar i färre modeller med färre områden vilket betydligt snabbar upp och förenklar användandet av dem.

Denna metod är tänkt att var ett komplement till de konventionella prognosmodellerna som Sampers och användas förkänslighetsanalyser större systemförändringar i samhället och transportsystemen på övergripande nivå och inte i enskilda länkar.

Metod

En regional indelning som föreslås användas är en indelning efter tätortsstorlek. En stor del av resebeteendet är relaterat till tätortstorleken, t.ex. ökar andelen inompendling med tätortsstorleken liksom kollektivreseandelen. Befolkningsutvecklingen har också i stor utsträckning styrts av tätorternas expansion med ett ökat antal stora tätorter med fler invånare och minskad befolkning i glesbygden och därmed ökad urbaniseringsgrad, se figur 1 och 2.

En gruppering efter tätortstorlek görs i sex tätortsregioner, förkortat kallade T-regioner, se tabell 1. Klassificeringen av tätorterna är gjorda med SCB:s tätortsindelning som bas. Genom att använda tätorterna som indelningsgrund kan man undvika olika administrativa indelningar (t.ex. kommun, län) som är mer oprecisa när det gäller resgenerering och som också ändras över tiden. Tätorten är en befolkningskoncentration som för lokala resor utgör vad kulturgeograferna brukar kalla en homogen transportyta och som för externa resor utgör en distinkt start eller målpunkt som är lätta att definiera i rummet.

En annan fördel med denna indelning är, förutom förklaringsvärdet, att man kan använda stickprovsdata för att få fram många variabler. De sex T-regionerna har ca 600 000 – 2 300 000 invånare och en riksomfattande resvaneundersökning med ett normalt urval kan därmed användas för att ta fram många variabler, vilket är svårare på läns- och kommunnivå där den minsta enheten har färre invånare.

Nedbrytning av befolkningsprognoser

Analyserar man befolkningsförändringarna historiskt så finns det dels en omfördelning mellan länen från norr till söder se figur 3, dels en omfördelning mellan glesbygd och tätorter och mellan tätorter till allt större tätorter, se figur 2. Detta kan man utnyttja när man ska göra scenarier för befolkningsutvecklingen. Befolkningsprognoser kan först göras på riks- och länsnivå med konventionella metoder som är väl utvecklade och sedan kan brytas ner till tätorter på T-region-nivå och ända ner till enskilda tätorter. Syftet är då inte att förutsäga exakt var folk kommer att bo eller arbeta utan att spegla olika strukturella förändringar.

I denna rapport har vi analyserat utvecklingen av nattbefolkningen men samma metod kan vara tillämplig på den förvärvsarbetande dagbefolkningen eller sysselsättningen, vilket skulle kunna analyseras i ett fortsättningsprojekt.

Utbudsprognoser

Infrastrukturen i form av vägnät och järnvägsnät samt utbudet i form av linjenät för tåg, flyg, buss och kollektivtrafiknät utgör en viktig del i prognossystemen, både för att föda modellerna med indata och för att presentera resultatet av prognoserna utlagda på trafiknäten. Det är belastningen på vägar, järnvägar och kollektivtrafiklinjer som i slutändan är dimensionerande för investeringarna.

Det är relativt lätt att koda in de nuvarande nätverken och utbuden, men desto svårare att göra prognoser för framtida utbudsförändringar särskilt i ett långsiktigt perspektiv. Särskilt svårt är det när man kommer till den lokala kollektivtrafiken i tätorterna. Oftast finns det ett särskilt lokalt kollektivtrafiknät i tätorter med mer än 25 000 invånare d.v.s. i ca 50 tätorter. Detta är nästan omöjligt att koda in på ett fullständigt sätt, beroende på att regionindelningen är för grov – även i Sampers regionala modell med 9 000 områden - och härtill hörande problem med att koppla samman linjenäten med zonerna där geografiska data finns.

Därför föreslås här olika metoder för utbudscenarier för lokala, regionala och interregionala resor, se figur 4 och 5. Vissa förenklingar föreslås också i modellsystemen, se vidare nedan.

För lokala resor föreslås att en modell görs på T-region-nivå för trafiken inom tätorterna med resgenerering, medelreslängder beroende på tätortsstorlek och färdmedelsfördelning beroende på kollektivtrafikstandard och bilinnehav samt socioekonomiska faktorer. Utbudet av kollektivtrafik kan beskrivas utifrån avstånd till hållplats och turtäthet från resvaneundersökningar. När det gäller utvecklingen av utbudet så kan man studera detta i form av utvecklingen av antalet vagnkilometer per invånare, se figur.

Man kan också stratifiera data för tätorter med högt utbud och tätorter med lågt utbud av bussar mätt i vagnkilometer per invånare, tätorter med och utan spårväg och tätorter med tunnelbana (=Stockholm). Mot bakgrund av detta kan modeller estimeras där kollektivtrafikens marknadsandel varierar. När sedan en prognos görs kan tätorter flyttas mellan dessa grupper för att spegla olika utbud.

Utvecklingen av bilinnehavsmodellen visade att det gick att ta hänsyn till tillgängligheten till kollektivtrafik när det gäller bilinnehavet och bearbetningen av resvaneundersökningen visade signifikanta skillnader i cykelandelen mellan tätorter med utbyggt cykelvägnät och sådana utan utbyggt nät. Det viktiga är att man kan spegla olika scenarier i ett långsiktigt perspektiv på aggregerad nivå, inte att man prognosticerar exakt vilken buss resenärerna åker med i en enskild tätort eller exakt vilken cykelväg man tar år 2050.

Det går även att spegla nya transportmedel som spårtaxi med förenklade modeller. Om man t.ex. ökar genomsnittshastigheten på kollektivtrafiken från 20 till 40 km/h och sätter en turtäthet på var 5:e minut skulle det kunna återspegla ett spårtaxisystem.

För den regionala trafiken föreslås en förenkling av modellsystemen genom att de fem[1] regionala modellerna slås ihop till en modell för hela Sverige med samma områdesindelning som Sampers interregionala modell, 682 område. Genom att de lokala resorna inom tätorterna görs i en särskild modell förlorar man inte så mycket i den geografiska upplösningen av de regionala resorna, se figur 7. Detta har tillämpats i Samvips och har fungerat bra. Det går inte att se några större skillnader i belastningen på länkarna när de är utlagda på de nationella nätverken.

För den regionala trafiken finns nätverk med linjer och utbud inkodat i Sampers och då kan det vara lämpligt att utgå från dessa. Eftersom den regionala trafiken är kopplad till noder och länkar kan man utgå från medelhastigheten och turtätheten på länkarna förutom priset för att resa. Resehastighet och turtäthet kan varieras på olika sätt, antingen med procentuella förändringar, eller med vissa nivåer t.ex. en viss minimihastighet och turtäthet.

För att göra en sådan prognos mer verklighetsanpassad så kan man välja ut relationer ur SCB:s pendlingsstatistik t.ex. med mer än 50 pendlare per dag i utgångsläget vilket sedan kan förändras i prognosläget. Man kan då variera turtätheten beroende på trafikunderlaget och också lägga ner linjer som får för få pendlare i ett visst scenario år 2050.

De interregionala resorna använder oftast samma nätverk som de regionala resorna. Eftersom huvudsyftet med de nationella prognoserna är att vara ett stöd den statliga infrastrukturplaneringen av just de interregionala nätverken och dessa också är mer överblickbara kan det vara värt att analysera dessa noggrannare. Åtminstone fram till 2025 finns det ganska konkreta planer på att bygga ut väg- och järnvägsnätet som också är inkodade i Sampers. Med lite fantasi kan man också föreställa en fortsatt utveckling av dessa planer till 2050. Det kan t.ex. vara ett utbyggt nät för höghastighetståg i Sverige eller en fullständig utbyggnad av ett motorvägsnät.

Ovanpå detta kan man sedan lägga generella förändringar. När det gäller vägnätet t.ex. att hastigheten på alla motorvägar höjs till 120 km/h. När det gäller järnvägsnätet t.ex. att resehastigheten på alla järnvägslinjer med interregional trafik ökar med 10% samtidigt som turtätheten på de stora linjerna ökar med 30% på grund av att fler operatörer kommer in på grund av avregleringen samtidigt som utbudet försämras på de mindre linjerna. Samma kan göras när det gäller flyget – ett ökat utbud på de större linjerna särskilt för utrikestrafik och ett minskat utbud eller nedläggning av mindre inrikeslinjer. Här kan också en anpassning ske av utbudet på flyglinjer som får konkurrens av höghastighetståg i en iterativ process.

Modellsystem

Slutresultatet skulle bli ett modellsystem med en enkel modell för lokala resor på T-regionnivå, en modell för regionala resor i stället för fem med samma regionindelning som Sampers interregionala modell samt Sampers interregionala modell i princip som den är med 683 områden, se figur 7. Om man önskar kan man också lägga till fasta matriser för utrikesresor eller en förenklad utrikesmodell.

Modellmässigt så kan man utgå från att man har en mycket bra databas över utgångsläget på tätortsnivå. De flesta socioekonomiska variablerna kan fås direkt från SCB på tätortsnivå för utgångsåret och även bakåt i tiden. Transportnätverken är kopplade till tätorterna genom att de utgör noder i nätverken och att det går länkar mellan tätorterna. Andra variabler går att koda på för varje tätort, så att man har en mer eller mindre fullständig databas för utgångsläget.

Utifrån detta går det att utarbeta scenarier med förändringar av olika variabler. Förändringar i utbudet kan göras på ett mer schabloniserat sätt med utgångspunkt från att man har relativt detaljerade data för utgångsläget. Det intressanta i en scenariobaserad prognosmodell är ju att kunna spegla konsekvenserna av vitt skilda utvecklingar i förhållande till en basprognos som kan betraktas som ”business as usual”.

Implementering

En implementering av en scenariobaserad prognosmodell kan göras med olika ambitionsnivå. Den enklaste är att använda nuvarande Sampers som den är och att göra nedbrytningen av befolkningsprognosen från län till T-region-nivå samt implementera generella utbudsförändringar. 

Ska man gå ett steg till är utvecklingen av en särskild modell för lokala resor en viktig del, då det möjliggör att beskriva scenarier för lokala resor på ett nytt sätt, samtidigt som det möjliggör en områdesindelning för regionala resor som är lika som för interregionala resor. Det sistnämnda steget möjliggör också att man kan ha en regional modell i stället för fem. Detta kräver dock en ny kalibrering av den regionala modellen. När detta väl är gjort så blir det också mycket enklare att köra flera scenarier.

En möjlighet att testa modellen är att köra den scenariobaserade prognosmodellen med samma förutsättningar som en basprognos i Sampers och sedan jämföra resultaten med Sampers. Ett nästa steg är att validera modellen genom att göra en baklängesprognos för år 1970 eller 1990. Detta är intressant forskningsprojekt i sig och möjliggörs genom att indata är mer schabloniserade än i de konventionella modellerna. Det ger också ett perspektiv på utvecklingen att analysera de ingående variablerna i modellen lika långt bakåt i tiden som man gör prognoser framåt i tiden. Exempel på indata för utvecklingen bakåt i tiden framgår av figur 11-14.

Förvaltning

När det gäller förvaltning av ett scenariobaserat prognossystem borde Trafikverket ha ett huvudansvar för detta. SCB borde ha ett ansvar för att statistik tas fram på såväl tätorts- som T-regionnivå. Det behöver säkerställas att framtida resvaneundersökningar kodas på tätortsnivå och att det finns en nyckel mellan Sams-områden och tätorter. När det gäller indata så kan dessa tas fram via forskare eller konsulter men förvaltas av Trafikverket, Trafikanalys eller annan myndighet.

  [1] Sverige är indelat i fem regioner. För region Skåne finns två varianter, en med Skåne och en med Skåne och Själland.