Det finns platser, flaskhalsar, i trafiknätet där framkomligheten av olika anledningar är begränsad, vilket resulterar i att trafikanterna drabbas av fördröjningar. Historiskt har man med hjälp av bl.a. trafikmodeller kunnat beskriva detta väl främst för fordonstrafiken, men interaktion mellan gång- och cykeltrafikanter (GC) och fordonstrafik samt systemperspektiv på flaskhalsproblem har saknats. Med systemperspektiv menas i detta fall analys av hela trafiknät, där även interaktionen mellan trafikslagen hanteras. Syfte och mål: Syftet med detta forskningsuppdrag är att utveckla en metod för att kartlägga och arbeta strategiskt med flaskhalsar för samtliga trafikslag ur ett systemperspektiv inom tätortsmiljö. Målet är att få svar på följande frågor: • Är trafikmodellering bästa sättet att ”kartlägga och arbeta strategiskt med flaskhalsar för samtliga trafikslag ur ett systemperspektiv inom tätortsmiljö.”? • Kan en modell/metod användas för att ”kartlägga och arbeta strategiskt med flaskhalsar för samtliga trafikslag ur ett systemperspektiv inom tätortsmiljö.”? • Kan flera modeller/metoder samverka för att ”kartlägga och arbeta strategiskt med flaskhalsar för samtliga trafikslag ur ett systemperspektiv inom tätortsmiljö.”? • Skall en helt ny modell tas fram för att ”kartlägga och arbeta strategiskt med flaskhalsar för samtliga trafikslag ur ett systemperspektiv inom tätortsmiljö.”? Metod: Studien är uppdelad i en litteraturstudie och två s.k. case studies (fallstudier). Litteraturstudien tittar på kända metoder, modeller och samband. I fallstudierna implementeras det som litteraturstudien kommer fram till. Malmö och Helsingborg är fallstudier och med hänvisning till litteraturstudien föreslås att en cykelmodell och en bilmodell byggs upp för de båda fallstudierna, och att dessa sedan integreras. Malmö modelleras i Dynameq samt en rasterbaserad GIS-modell för GC. Helsingborg modelleras i Cube avenue samt en nätvärksbaserad GIS-modell för GC. Fokus i studierna ligger på interaktionen mellan biltrafik och GC-trafik i korsningar och sträckor, samt vad detta ger för effekt på övergripande stadsnivå. Då trängsel i stadsmiljö till stor del präglas av korsningarna och dess köbildning är det viktigt att biltrafikmodellerna är dynamiska och kan hantera kö-uppbyggnad och avveckling. Fallstudierna visar att det är möjligt att skapa en dynamisk biltrafikmodell på stadsnivå, samt att samma metodik kan inkludera både biltrafik och GC-modeller. Dock har ingen metod implementerats som direkt kopplar ihop biltrafik och GC i ett integrerat system. I slutfasen av detta projekt påbörjades ett samarbete med METKAP-projektet (METoder för KAPacitetsanalys) som är ett projekt finansierat av Trafikverket för att skapa en ny Svensk kapacitetsmanual för vägtrafikanläggningar. Detta samarbete resulterade i kapacitetsmanual för Gång- samt Cykeltrafikanläggningar, dock begränsade till kapacitet i enskilda anläggningar. Slutsats: Det finns idag inte någon modell som hanterar både bil- och GC-trafik på ett integrerat sätt på övergripande nivå. Däremot är det möjligt att ta fram separata modeller för GC och bil, där respektive trafikslag påverkas av det andra. Det är dock inte enkelt att med dagens verktyg koppla de olika modellerna med varandra för att analysera interaktion och systemeffekter automatiskt. En nätverksbaserad modell för gång och cykel har fördelen att den kan kopplas till en befintlig modell för biltrafik såsom Cube. Detta innebär att de kan använda sig av samma trafiknätverk för bil och GC. Genom att klassificera näten kan trafiken differentieras och trafikslagen kan integrerade i samma system. Däremot ser vi inget enkelt sätt att koppla resultat från GC-lager till biltrafiknätet utan manuella justeringar. Eftersom ingen programvara på marknaden klarar av interaktionen mellan biltrafiken och GC på ett validerat och transparent sätt skulle ett helt nytt tankesätt behövas för koppa ihop modellerna. Utveckling pågår dock inom detta område med förhoppningen att kunna koppla ihop olika trafikmodeller med olika detaljeringsgrader. En förutsättning för att kunna göra bra och tillförlitliga analyser för GC, samt interaktionen med bil, är tillgången till data. För att höja kvaliteten på modellerna behövs dels insamling av mätdata kring interaktion mellan oskyddade trafikanter och biltrafik, dels insamling av data för flöden och alstring. Modellerna behöver också utvecklas vad gäller efterfrågemodeller som hanterar bil-, kollektiv-, cykel- och gångtrafik.