session 43 bo lennart nelldal

1KTH Järnvägsgruppen • Centrum för forskning och utbildning i järnvägsteknik

JärnvägsgruppenJärnvägsgruppen

Sampers – en pers för höghastighetståg

– Problem och möjligheter

Adj.Professor Bo-Lennart NelldalKTH Järnvägsgrupp

2010-01-14



Kostnad

Konkurrens/samverkan Lönsamhet

KTH Järnvägsgruppen- Systemsyn

Intäkt

Effektiva

tågsystem



1. Bakgrund

2. Problem med Sampers

3. Jämförelser med verkligheten

4. Samvips – en alternativ metod

5. Slutsatser – hur kan prognoser och kalkyler utvecklas?

Innehåll



Översikt av olika prognoser för Götlandsbanan-Europabanan

Prognos Omfattning Modelltyp Styrka Svaghet

SJ 1995 Ej Regionala Flera (matris-beräkn, logit)

Interregionala resor Något gamla indata

KTH 2001 Alla resor Matrisberäkning Interregionala resor Endast berörda relationer

Infraplan 2002 Alla resor Matsrisberäkning,Arbetsmarknader

Regionala resor Endast berörda relationer

Sampers 2002 Alla resorInkl Själland

Sampers+Emme2Logit

Resgenering, målpunktfördeln

För konservativ,Inkonsistent

Samvips 2002 Alla resorInkl i utlandet

Sampers+Vips Färdmedelsval Kräver noggrann kalibrering

UIC 2002 Ej Regionala System (mikro, makro, logit)

Internationella resor Inrikesresor mycket grova

Sthlmsberedn 2002

Endast tåg -flyg inrikes

Logit Tåg-flyg-resor Ej hela marknaden

Sampers 2007Sampers 2008

Alla resorInkl Själland

Sampers rev +Emme2, Logit

Resgenering, målpunktfördeln

För konservativManuell justering krävs

Samvips 2008Samvips 2009

Alla resorInkl i utlandet

Sampers+Vips rev Färdmedelsval Kräver noggrann kalibrering



Från verklighet till samhällsekonomisk kalkyl

Verklighet

Prognos

Samhällsekonomiskkalkyl

PrognosmodellEstimeringKalibrering

Prognos-förutsättningar

Värderingar



1. Sampers kan inte återspegla effekten av stora utbudsförändringar i långväga trafik

2. Sampers saknar en modell för utrikesresor

3. Nivån på Sampers matriser är för låg

Bakgrund

I höghastighetsutredningen användes Samvips prognoser i stället för Sampers, huvudsakligen av följande skäl:

Därutöver finns metodproblem som forskarna diskuterar



Modellens omfattning- Exempel från Europakorridoren

Ökning av tågresor efter restyp- transportarbete i personkilometer

Långväga inrikes56%

Långväga utrikes

27%

Kortväga resor17%



Nivåproblemet:20% av transportarbetet saknas

Källa: Sampers prognos för 2006 jämfört med Banverkets och SIKA:s statistik för 2006

100%90% Saknas80%70%60%50% Kortväga Långväga Utrikes40% 93% 73% 0%30%20%10%

0%92 34 7

134 Miljarder personkilometer inom Sverige 2006



Prognos och verklighet- Skillnad mellan Sampers och statistik för 2006

Omfattning Enligt Enligt Jämförbart Andel %Miljarder personkilometer BV Sampers värde Sampers/ Anm.

2006 2006 2006 jämförbart

Ingår i SampersInrikes transportarbetePersonbil långväga 27,2 13,8 22,8 61% Utrikes resor ingår ejPersonbil kortväga 71,5 66,3 71,5 93%

Flyg 3,3 3,1 2,7 115% Utrikes resor ingår ej

Tåg långväga 5,7 5,9 5,7 104% Utrikes resor ingårTåg kortväga 3,9 4,3 3,9 110%

Buss långväga 2,1 1,8 1,9 95% Utrikes resor ingår ejBuss kortväga 9,5 8,2 8,5 96% Lokal koll i mindre städer ingår ej

Tunnelbana/Spårväg 2,1 5,0 5,1 98% Regionaltåg på Själland ingår

Gång och cykel 4,8 3,8 4,8 79%

Färjetrafik till Gotland 0,3 0,3 0%Summa 130,4 112,2 127,2 88%

Långväga resor 38,6 24,6 33,9 73%Kortväga resor exkl Danmark 91,8 84,6 90,8 93%Summa 130,4 109,2 124,7 88%

Störst skillnad på långväga bilresor

men påverkar totalmatrisen



• Resvaneundersökningen (RES) innehåller två olika undersökningar – Mätdagens resor: Intervjuer av alla resor under en dag med liten risk

att resor glöms

– Månadens resor: Intervjuer av långväga resor under en månad med större risk att tidigare resor glöms

• Månadens resor ger den bästa informationen om strukturen på resandet – den behövs för att estimera modellen

• Mätdagens resor ger den bästa skattningen av det totala transportarbetet – den behövs för att kalibrera modellen

• Problemet är att månadens resor använts både för att estimera och kalibrera modellen

• Det innebär att Sampers matriser innehåller för lite långväga resor

Resvaneundersökningen som underlag för prognosmodeller



Olika sätt att beräkna och definiera resandet

Transportarbete summerat Mätdagens resorLångväga Transportarbete summeratpå reselementsnivå (RE) resor databasen på långväga delresenivå (LV DR)TotaltStart/mål bostad, arbete, skola, 27 194 024 21 227 485 Start/mål bostad/fritidshusfritidshus mm Huvudresa minst 100 km ellerReselement minst 100 km 200 km ToREndast inrikesSamma som ovan exkl alla delresor 25 220 359 18 234 155 Samma som ovan exkl alla långvägasom hör till utrikes huvudresor, t.ex delresor som hör till utrikes långvägasaknas enkel- och ToR-resor huvuderesortill/från flygplatser samt hamnarmed Finlands- och DanmarkstrafikenEndast inrikes ej arbete/skolaSamma som ovan exkl alla rese- 23 357 766 16 865 251 Samma som ovan exkl alla långvägaelemnt som hör till arbete/skola, t.ex. delresor som hör till långväga huvud-saknas resor till högskola, dubbel resa med ärende arbete/skolaarbetssplats, vissa tjänsteresor m.m.



Prognos med Sampers och Samvips- Färdmedelsval och nygenerering

-3

-2

-1

0

1

2

3

4

5

6

Till tåg Nygen resor Från flyg Från bil ochbuss

Mil

jard

er p

erso

nki

lom

eter

Sampers Samvips

Sampers: Mycket små färdmedelsvaleffekter

80% nygenererade resor Samvips: Betydande färdmedelsvaleffekter

70% omfördelade resor

Källa: Prognoser med Sampers och Samvips för Götalandsbanan 2008, BV och KTH

Resultat jämförelse Sampers-Samvipsför Götalandsbanan



• En manuell justering har gjorts av resandet tåg-flyg i Banverkets Sampers-prognos för Götalandsbanan

• Om man inför snabba tåg i Sampers väljer resenärerna ändå de långsammare eftersom turtätheten har en avgörande betydelse

• Det innebär att de snabbaste tågen blir samhällsekonomiskt olönsamma

• För att förbättra samhällsekonomin minskas de snabbaste tågen

• Detta ger en orealistiskt utbud och en sämre kalkyl än en fullständig prognos

Manuella bearbetningar av Sampersmåste göras



• Det finns mycket internationella erfarenheter av höghastighetståg

• Många studier och statistiska analyser har gjorts av konkurrensen tåg-flyg bl.a. av WSP

• Konkurrens med bil är svårare men ändå tydlig

• I Sverige finns Oskar Fröidhs studie om Svealands-banan ex post ex ante

• Svårast att härleda är nygenererade resor och ändrad målpunktsfördelning

Hur stämmer prognoserna med verkligheten?



Prognos och verklighet- Prognoser med prognosmodellerna Sampers

och Samvips jämfört med verkligheten



Prognos och verklighet- Prognoser med prognosmodellerna Sampers

och Samvips jämfört med verkligheten

Sampers

Samvips



WSP analys av tåg-flyg i Sverige

Marknadsandel tåg-flyg inrikes i Sverige- beroende på tågrestid

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

0:00 1:00 2:00 3:00 4:00 5:00 6:00Restid h:min

Ma

rkn

ad

sa

nd

el t

ågCity-City kurva City-City per flygplats

Transfer kurva Transfer per flygplats



Nyare data för Europa- Pågående analys på KTH

Marknadsandel tåg (enbart Tåg/Flyg)

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

0 1 2 3 4 5 6 7 8

Marknadsandel tåg

Expon. (Marknadsandel tåg)

Madrid -ValladolidParis-Bryssel

Córdoba-Malaga Madrid-Zaragoza

Paris-Lyon

Bryssel-London

Bryssel-Amsterdam

Paris-Strasbourg

Madrid-Malaga

Stockholm-Sundsvall

Berlin Frankfurt a M

Berlin-Köln

Köln-Munchen

Hamburg-München

Berlin-MünchenStockholm-Malmö

Paris-Nice

Oslo-Stockholm

Milano-Rom

Madrid-Barcelona

Restid i h



Market share Madrid-SevillaBefore and after high speed train

1991

Rail14%

Bus15%

Car60%

Air11%

2000

Rail54%

Bus8%

Car34%

Air4%



1993

Regional trips(millions per year)

Södermanland county PTA buses

1997

CarEstimated regional travel

1

2

3

4

5

19981996199519940

20001999 2001

Train SJ bus

Long-distanceexpress bus

TrainThe Svealand line

Effekterna av regionala snabbtåg:Svealandsbanan Stockholm-Eskilstuna



80

100

120

140

160

180

200

220

240

260

77 78 79 80 81 82 83 84 85 86 87 88 89 90 91

A4 motorväg PARIS - METZ

A13 motorväg PARIS - CAEN

A6 motorväg PARIS - LYON

SYD-OST-TGV södra delen öppnas sept 81

SYD-OST-TGV norra delen öppnas sept 83

247,5 A4

220,0 A13

156,3 A6

Utvecklingen av biltrafiken i Frankrike efter TGV



Utvecklingen av flygtrafiken i Frankrike efter TGV



0%

10%

20%30%

40%

50%

60%

70%80%

90%

100%nygenererad

trafik

från konv. tåg

från bilen

från flyget

Var kommer TGV-resenärerna ifrån? - Erfarenheter från Paris-Lyon



• Effekten på andra färdmedel är betydande både flyg och bil och även buss när sådan finns

• En fördubbling av tågresandet sker där ungefär hälften kommer från flyg och hälften från bil

• Därutöver sker en nygenerering av resande på ca 20-30% på sikt. Eventuellt ingår ändrad målpunktsfördelning i detta

• Påverkan på flygresandet och flygutbudet sker snabbt och är mycket tydlig – en ren substitution

– Om restiden blir likvärdig är det lätt att byta från flyg till tåg

• Påverkan på bilresandet är svår att se på trafikflödet eftersom vägtrafiken består av så många relationer– Kan ske i form av minskad tillväxttakt och bilinnehav

Slutsatser av internationella erfarenheter av

höghastighetståg



• Nätverksmodellen EMMA är utvecklad för stadstrafik fungerar inte bra för tidtabellstyrd långväga trafik

• Konstanterna behövs för att kalibrera modellen men får för stor betydelse vid stora systemförändringar

• Effekterna på färdmedelsfördelning är för svaga och på målpunktsfördelning är för starka

• Formen på den linjära logitmodellen ifrågasätts (M Gaudry m. fl. 1997) liksom logsumman som mått på generaliserad kostnad i tidtabellsbunden kollektivtrafik (K Jansson m.fl. 2006)

• Det faktum att varje transportmedel betraktas för sig gör att kombinerade resor inte kan prognsoticeras

• Inkonsistens mellan Emma, logitmodellerna och Samkalk

• Samkalk är behäftad med metodproblem särskilt när det gäller att göra kalkyler för nya förbindelser

Metodproblem med Sampers



• Total marknadstillväxt, regional utveckling, bilinnehav

• För långväga inrikes och utrikes samt regionala resor

• Samma områdesindelning för alla restyper 668 i Sverige

• 14 resandekategorier med olika ärenden/tidsvärden

• Utbudsförändringar:

• Nya länkar och transportsystem

• Linjenät och uppehållsmönster

• Restider

• Turtäthet och bytestider

• Priser för olika operatörer och produkter

• Fordonskoncept och servicenivå

SAMVIPS-prognoser tar hänsyn till



Sampers och Samvips

Socio-ekonomiskaförutsättningar

Bilinnehav

Resgenerering

Målpunktsfördelning

Färdmedelsfördelning

UtbudsdatabasEmma-systemet

ResenärskategorierEfter tidsvärden

Sampers Samvips

Bilinnehav

Färdmedelsfördelning och färdvägsfördelning

VIPS

UtbudsdatabasVIPS

Matris frånSampers

Färdvägsfördelningemma



Sampers• Val av huvudfärdmedel

• För privat och tjänste

• Två olika prisnivåer

• Turtätheten väger tyngst

• För regionala resor val mellan koll och bil

Bil eller

Busseller

Tågeller

Flyg-välj ett



Bil eller

Busseller

Tågeller

FlygVälj ett

Sampers• Val av huvudfärdmedel

• För privat och tjänste

• Två olika prisnivåer

• Turtätheten väger tyngst

• För regionala resor val mellan koll och bil Samvips

• Val av färdmedel eller kombinationer

• För privat och tjänste och olika tidvärden

• Med olika taxor för operatörer, produkter och linjer

• Med komfortfaktorer på färdmedlen

• Restid, turtäthet, komfort och pris vägs ihop

Bil och

Bussoch

Tågoch

FlygFlera alter-nativ

möjliga



Fordons- och produktfaktormätt i restid

Produktfaktor fordon och serviceMätt i restidProdukt Serveriing Fordon Fordonf Servicef Totalfaktor

X2000 Bistro/plats X2 0,85 0,90 0,77InterCity Bistro/plats IC11-R 0,93 0,90 0,84InterCity R-vagn IC-R 1,00 0,90 0,90InterCity Kiosk IC-S 1,00 0,95 0,95Regionaltåg Automat X31 0,90 0,97 0,87Regionaltåg Kiosk X32 0,90 0,95 0,86Regionaltåg Automat X40 0,90 0,97 0,87Regionaltåg - X50 0,90 1,00 0,90Regionaltåg - ICL80rev 0,95 1,00 0,95Regionaltåg - ICL80 1,00 1,00 1,00Regionaltåg - ICL60 1,05 1,00 1,05Regionaltåg - Y2 0,90 1,00 0,90Regionaltåg - Y1 1,15 1,00 1,15Buss - Swebus 1,25 1,00 1,25

Fordons- och produktfaktor i restid

0,00

0,20

0,40

0,60

0,80

1,00

1,20

1,40

X2SJ

X2L Y2

IC11

-RIC

-RIC

-S X31 X32 X40 X50

X50TH

L80re

vL80 L60 Y1

Buss

Vik

tad

res

tid

Källa: SP-undersökningar



Yield management(Doganis, 2002, p 284)

Fare (€)

Demand(seats sold)

100

50

50 1000

0

Consumer surplus

Demand curve

C

Fare (€)

Demand(seats sold)

100

70

80 1000

0

Consumer surplus

M1

Fare (€)

Demand(seats sold)

100

80

60 1000

0

Consumer surplusminimised

Y1

Cost-based fare

Revenue: €2500Fare: C=€50

Market-based fareno yield management

Market-based farewith yield management

M2

M3

4020

50

20

804020

Y2Y3

Y4

60

40

20

Revenue: €3200Fares: M1=€70 M2=€50 M3=€20

Revenue: €4000Fares: Y1=€80 Y2=€60 Y3=€40 Y4=€20

Möjlighet att laborera med olika taxor- För olika operatörer, linjer och kundgrupper



Resmatriser i Sampers-Samvips

Sampers SamvipsRestyp Rela- Restyp Rela-Ärende Färdmedel tioner Ärende Kategori Färdmedel tioner

Regionala resor Ej vissa lokal Regionala Ej lokalaBil Tåg Buss Övrigt Bil Tåg Buss Övrigt

Arbetsresor x x Kollektivt x 5700 Arbetsresor Alla x x x _ 683Övriga resor x x Kollektivt x x Övriga resor Alla x x x _ xTjänsteresor x x Kollektivt x 5700 Tjänsteresor Alla x x x _ 683

Långväga inrikes Långväga inrikesPrivatresor Bil Tåg Buss Flyg Bil Tåg Buss FlygBilinnehavs- x x x x Privatresor Förvävsarb Tillgång till bil x x x xmodell finns Privatresor Förvävsarb Ej biltillgång x x x x

683 Privatresor Pensionärer Tillgång till bil x x x x 683x Privatresor Pensionärer Ej biltillgång x x x x x

683 Privatresor Studerande Tillgång till bil x x x x 683Tjänsteresor x x x x Privatresor Studerande Ej biltillgång x x x x

Tjänsteresor Alla

Utrikes resor Utrikes resorBil Tåg Buss Flyg Bil Tåg Buss Flyg

Privatresor Alla Låg bilvikt x x x x 683Saknas Privatresor Alla Hög bilvikt x x x x x

Tjänsteresor Alla x x x x 270



• Sampers går inte att använda för analyser av kollektivtrafik där man använder tidtabell

• Prognoserna ger felaktiga resultat och kan inte ligga till grund för samhällsekonomiska kalkyler

• Matriserna stämmer inte – för lite långväga resor

• Använd Sampers kontrollerade och justerade matriser i Samvips tills vidare

• Vidareutveckla Samvips

Slutsatser - Prognoser



Effekt av utbyggnad av höghastighetsbanor och stambanorna

Effekter på persontransportmarknaden 2025 jämfört med basalternativet

-6

-4

-2

0

2

4

6

8

10

Tåg Flyg Bil Övrigt Nya resor

Milj

ard

er p

erso

nki

lom

eter

Stambanealternativet Höghastighetsbanor



Jämförelsealternativet Stambanealternativet

Antal resor med tåg 2020



Stambanealternativet Höghastighetsalternativet

Antal resor med tåg 2020



Stambanealternativet Höghastighetsalternativet

Förändring i antal resor med tåg och flyg 2020



Kortsiktiga och långsiktiga effekter

Socio-ekonomiskaförutsättningar

Bilinnehav

Resgenerering

Målpunktsfördelning

Färdmedelsfördelning

Enskilda länkar ibefintliga transportsystem

Nya socio-ekonomiskaförutsättningar

Marginella förändringar Systemförändringar

Bilinnehav

Resbehov

Lokalisering

Dynamiska effekter påkonkurrerande utbud

Hela nätverk, nyatransportsystem

Prognosmodell



• Dynamiska utbudseffekter– Höghastighetståg får effekter på flygutbudet

• Påverkan på bilinnehav– Bättre kollektivtrafik ger lägre bilinnehav

• Ändrat bilinnehav ger ändrade resvanor

• Påverkan på lokalisering– Nya transportsystem påverkar lokalisering av

arbetsplatser och bostäder

• Ändrad lokalisering ger andra resvanor

Långsiktiga effekter



1970

1996

Utveckling totalt transportarbete Index 1970=100

Sverige 7% 6% 164

Europa 10% 6% 219

Japan 41% 30% 200

USA 0,5% 0,3% 191

Utveckling av järnvägens marknadsandelar iSverige, Europa, Japan och USA

Källa: Bo-Lennart Nelldal, Järnvägsgruppen KTH



1996

Sverige Europa EU 15

Japan USA

Antal inv/km2 22 115 334 29

Bilar/1000 inv 413 447 375 770

Marknadsandelar(%) Bil 81 79 55 86

Tåg 6 6 30 0,3

Flyg 2 6 6 11

Övrigt 11 9 9 3 Infrastruktur

Högfartsbana i % av motorväg

0% 5% 38% 0%

Förutsättningar för järnvägen i olika länder

Källa: Bo-Lennart Nelldal, Järnvägsgruppen KTH



Prognosmodeller – lång sikt

Sampers-spåret: • Skatta nya matriser• Byt ut Emma mot VIPS/VISUM• Testa Box-Cox-Logit• Lägg till utrikesmodell med VIPS/VISUM• Implementera den nya bilinnehavsmodellen• Överväg en regional modell med färre områden

för nationella väg- och järnvägsnätet• Överväg förenklingar i modellerna – använd bara

variabler som har betydelse• Översyn av Samkalk



Prognosmodeller – lång sikt

Samvips-spåret: • Ta fram en metod för att ta fram matriser• Övergå från Vips till VISUM• Utveckla funktion för resgenerering och

målpunktsfördelning• Förbättra den regionala modellen • Komplettera med enkel modell för lokala resor• Koppla på funktioner för miljö- och klimatberäkningar• Utveckla automatiska kopplingar och tidtabellsdatabaser

mm• Skapa och förankra ett modellsystem som fler personer

förstår och kan använda



M.G.N. för utveckling av prognosmodeller?

• Ta fram matriser som på ett bättre sätt kan återspegla dagens resande

• Modellen måste kunna prognostisera kombinerade resor med flera färdmedel

• Modellen måste kunna prognostisera ett utbud med flera operatörer och produkter

• Modellen måste kunna användas för tidtabellsbunden kollektivtrafik

• Modellen måste vara robust och kunna hanteras och förstås av flera användare



Tack!

[email protected]

Hemsida:

www.infra.kth.se/jvg



• Europakorridoren – ett bredband för fysiska transporter (2001)

• Banverkets utredning 2003 – deltog med prognoser

• Europabanan – utbud, prognoser och samhällsekonomi (2003)

• Banverkets utredning – underlagsrapport (2008-06)

• Höghastighetståg i Sverige – affärsmässighet och samhällsnytta (WSP-KTH 2008)

• Nya tåg i Sverige – marknad och finansiering (Railize 2008-07)

• Höghastighetståg effekter för godstrafiken (2008-08)

• Regeringsutredning om höghastighetsbanor N 2008:14:– Delrapport 0 - Nulägesanalys 2009-06-30 – Delrapport 7 – Marknad, trafiksystem och prognoser 2009-09-10

Litteratur om Höghastighetstågfrån Järnvägsgruppen KTH

session 43 bo lennart nelldal

Documents