14 januari 2010, 1

Sampers – erfarenheter från

åtgärdsplaneringenMuriel Beser Hugosson Maria Börjesson

14 januari 2010, 2

Sampers

• Prognosticerar efterfrågan på personresor

• Utgångsläget att göra ”det perfekta

systemet”

• Skulle ha krävt mycket resurser

• Enklare lösningar med för- och nackdelar

• Består av efterfrågemodeller och

nätverksanalysprogram (Emme/2)

14 januari 2010, 3

Delmodeller• Lokala och regionala resor: 9 000 zoner, 5 regioner

• Inrikes långväga resor: 670 zoner

• Utrikes resor: 180 zoner utanför och 670 zoner inom

Sverige.

PALT Kopparberg, Gävleborg, Västernorrland,

TASS väst Halland, Göteborg och Bohuslän,

SAMM III Uppsala, Stockholm, Västmanland,

TASS sydöst Östergötland, Jönköping,

SKÅNE Kristianstad, Malmöhus

Jämtland, Västerbotten, Norrbotten

Älvsborg, Skaraborg, Värmland

Örebro, Södermanland

Kronoberg, Kalmar, Blekinge

Dataunderlag

• Riks-RVU 94-00 (ca 50 000 observationer)

• Fehmarn Belt studien

• Öresundsstudien

• Turistdatabasen

• Andra nationella RVU

14 januari 2010, 4

Höghastighetståg berör främst långväga

resande

• Hur beskriva beteende för långväga

resande?

• Tidtabell

• Val av restidpunkt

• Biljettpris

• Ursprunglig ambition• För resurskrävande år 2000

• Förenklad variant används

• Modell finns utvecklad men ej

uppdaterad

• Både standard Sampers och Samvips är

förenklade varianter

Resfrekvens

Destination

Färdsätt

Tidpunkt

Biljettyp

14 januari 2010, 5

Efterfrågemodeller

RP värdering: kostnad, tid, väntetid etc.

SAMPERS

Emme/2

Efterfrågan på resor per färdmedel och destination

Samkalk

Bränslekostnad

BilinnehavBNP

Körkostnad

Bilpark

Områdesdatabas

från SCB:

Befolkning

Attraktionsdata

BiljettprisVäg- och linjenät

Värdering : Olyckor, CO2,Tid, väntetid etc (ASEK)

Uppräkning/diskontering (ASEK)

Metod budgeteffekter (ASEK)

Trafikering!

Trafikerings-kostnad (ASEK)

Investeringskostnad

14 januari 2010, 6

Förenklade modeller i olika avseenden

• Både standard Sampers och Samvips är förenklade versioner av

”ideal modell”

• Efterfrågemodellerna i standard Sampers beaktar faktorer som

inte finns med i modellen, om datamaterialet är bristfälligt leder

detta till att modellen underskattar elasticiteterna

• Efterfrågeberäkningen i Samvips tar inte hänsyn till faktorer som

inte ingår i modeller och kan därför överskatta elasticiteterna

14 januari 2010, 7

Konkurrerande linjer

• Beroende av assignmentalgoritmen

• Ett mindre problem på långväga resor

• Färdmedelsvalet bestäms i efterfrågesteget

och inte i nätverksanalysprogrammet

• Kompensation i efterfrågedelen för låg

turtäthet

• Realtids EMMA

14 januari 2010, 8

Kombinationsresor

• Anslutningsresa – finns i Sampers

• Kombinationsresorna var väldigt få

• I datakällor finns inte stöd för att kombinationsresor behöver

särbehandlas

• Äkta kombinationsresa – finns inte för de långväga resorna i

Sampers (finns i de regionala modellerna)

14 januari 2010, 9

Vad är en bra modell?

• En bra modell ska beskriva beteendeförändringar.

• Den ska beskriva hur viktigt tid och kostnad är i valet av färdmedel.

• Att modellen kan återskapar nuläget väl är av underordnad

betydelse.

• En extremt enkel modell med bara konstanter återskapar nuläget perfekt.

• Men den är helt oanvändbar för prognoser.

• En modell med bara tidsvärden kan också återskapa också nuläget perfekt.

• Vill man ha låga elasticiteter bara konstanter

• Vill man ha höga elasticiteter bara tidsvärden

• Viktigt att man använder tillförlitliga och transparenta data när

modellen skattas. Annars finns det finns möjlighet att vara

strategisk.

14 januari 2010, 10

Modeller behöver slumpterm: människor är olika

• I en modell som beskiver val mellan färdmedel måste man ta hänsyn

till att människor inte tycker lika och inte har samma behov. • En del gillar/behöver sin bil.

• En del tycker om att åka tåg en del att flyga.

• Vi ser olikheterna omkring oss och i RVU:n.

• Detta ger en tröghet i färdmedelsbyte när restider och reskostnader

ändras.

• Om man inte tar hänsyn till olikheter säger modellen att alla väljer

samma färdmedel.

14 januari 2010, 11

Korselaticiteter

• Utan slumptermer i modellen får man för stora

korselasticiteter

• Sampers korselasticiteterna kan vara lite låga. Det är

fortfarande de bästa gissningen vi har.

• Korselasticiteter är extremt situationsspecifika.

14 januari 2010, 12

Rule-of-a-half

• Slumptermerna skiljer mellan färdmedel och tar hänsyn till

skillnader mellan färdmedel och resenärer som vi inte kan förklara.

• Det är därför man måste använda rule-of-a-half

tåg tåg tåg tåg tåg

flyg flyg tåg flyg flyg

U C kostnad tid

U C kostnad tid

14 januari 2010, 13

Utbud UA

Utbud JA

0 1 Andel som väljer tåg

Resuppoffring tåg

Rule-of-a-half – vad är det?

• Modellen visar hur andelen som väljer tåg gradvis blir större när tåget blir bättre.

• Utan hänsyn till olikheterna väjer alla eller ingen tåg (röd streckad linje)

• Rule-of-a half är en standard metod som används i alla länder.

• Den enda approximationen man gör är att kurvan antas vara linjär. Okej för små prisförändringar.

14 januari 2010, 14

Utbud JAUtbud UAEfterfrågan

T = Antal resor

GK

Efterfrågan

T = Antal resor

GK

Utbud JAUtbud UA

Ett förbättrat utbud på tåg leder till att

efterfrågan ökar. Nyttan ökar för

tågresenärer, befintliga och de som

tillkommer, pga av det förbättrade tågutbudet.

Ett försämrat utbud på flyg leder till att efterfrågekurvan för tåg skiftar utåt. De resenärer som därför tillkommer på tåget har inte fått det bättre. Räkna med den mörkblå rektangeln.

• Måste veta ”varför” resenärer byter färdmedel för att kunna veta om deras nytta ökar eller minskar: två prognossteg

Förändrat utbud på två färdmedel

Efterfrågan sedan flygutbudet försämrats

T0 T1 T0 T1 T2

14 januari 2010, 15

Totalefterfrågan - stor betydelse för

nyttan• Sampers är kalibrerad mot Riks-RVU/RES och mot järnvägs- och luftfartsstatistik

från SJ och LFV.

• Samvips använder SAMPERS resandematriser: ÅP:s referensscenario….

• ..men har skrivit upp långväga resande. Motiv ”glömske-effekt” i RVU som sampers-kalibreringen inte tagit hänsyn till.

• Effekten på nyttan beror mycket på modellens korselasticiteter.

SAMPERS Samvips Skillnad Nuläge

2006 JA (EET) 2020

Ökn Nuläge 2007

JA 2020 Ökn Nuläge JA 2020

Långväga bil 13.8 15 8% 23.5 25.1 7% 1.70 1.67 Långväga tåg 5.2 7.2 38% 5.6 7.4 32% 1.08 1.03 Långväga buss 1.8 1.9 10% 1.7 1.3 -24% 0.94 0.68

Inrikes flyg 3.1 3.2 4% 2.7 3 11% 0.87 0.94

Summa långväga

23.8 27.3 14% 33.5 36.8 10% 1.41 1.35

14 januari 2010, 16

Slutsatser

• Sampers väl underbyggt av befintliga data

• Bygger på väletablerade teorier

• Väl validerad och utforskad metodik

• Används av ”alla” – trafikverken, forskare, konsulter

• Brister och förtjänster välkända och tas hänsyn till!

• Kalibrerade mot observerat resande

• Transparent

• Viktigast är att vi gör lika och kan jämföra!

• Utvecklingsarbete pågår – behövs bättre tillgång till

operatörernas data

14 januari 2010, 17

Tack!Muriel Beser Hugosson och Maria Börjesson

Centre for Transport Studies

www.cts.kth.se

14 januari 2010, 18

Vad är då rätt?

• RVU: har två delundersökningar: mätdagsresande och långväga

resande.

• De ger inte samma resvolym eftersom respondenter lättare glömmer resor som

gjorts för länge sedan (delstudien långväga resande).

• Men resorna är säkrare skattade delstudien långväga resande.

• Och resorna är i genom snitt längre i delstudien långväga resande. Det är lättare att

glömma frekventa och kortare långväga resor.

Källa: RES05/06. Bearbetning Anna Johans

Insamling mätdag Insamling långväga

Transportarbete, miljarder km 25,2 18,2

Osäkerhetsmarginal*, +/- intervall 2,1 0,5

Osäkerhetsmarginal*, i procent +/- 8% 3%

Genomsnittlig reslängd per resa, km 190 208

Osäkerhetsmarginal +/- 8 3

Osäkerhetsmarginal i procent 4% 2%