1. No category

Prognoseforudsætninger
for trafikmodelberegninger
Camilla Brems
Allan Steen Hansen
Juli 2010
Prognoseforudsætninger
for trafikmodelberegninger
Notat 2010:1
Juli 2010
Af Camilla Riff Brems og Allan Steen Hansen
Copyright:
Hel eller delvis gengivelse af denne publikation er tilladt med
kildeangivelse
Forsidefoto: Michael Medgyesi
Udgivet af:
DTU Transport
Bygningstorvet 116 V
2800 Kgs. Lyngby
Rekvireres hos:
www.transport.dtu.dk
ISSN:
ISBN:
1601-9466
978-87-7327-202-2
(Elektronisk udgave)
(Elektronisk udgave)
Indhold
1
Indledning ....................................................................... 1
1.1
Baggrund ..................................................................................... 1
1.2
Formål ......................................................................................... 1
1.3
Principper for prognoseforudsætninger ......................................... 1
2
Generelle forudsætninger .................................................. 3
2.1
Økonomi ...................................................................................... 3
2.2
Befolkning .................................................................................... 5
2.3
Arealanvendelse ........................................................................... 6
2.4
Bilejerskab og -brug ....................................................................... 8
2.5
Transportomkostninger ................................................................. 12
3
Generel trafikvækst ........................................................ 15
3.1
Trafikvækst for vejtrafik ................................................................ 15
3.2
Trafikvækst for banetrafik ............................................................. 17
4
Netdata ........................................................................ 18
4.1
Vejnet ....................................................................................... 18
4.2
Kollektive net .............................................................................. 18
5
Referencer .................................................................... 20
1 Indledning
1.1
Baggrund
For trafikmodelberegninger som for så meget andet er forudsætningerne helt afgørende for resultaterne. I bestræbelserne på at opnå så konsistente trafikberegninger og
projektvurderinger som muligt udarbejdes blandt andet Transportøkonomiske Enhedspriser og en række andre forudsætninger fra centralt hold. På trafikmodelområdet har
der ikke hidtil været en udbredt tradition for udarbejdelse af fælles forudsætninger,
men det har en naturlig sammenhæng med modelbibliotek ved Modelcenter.
Den hidtidige fastlæggelse af prognoseforudsætninger har til en vis grad været bestemt af de respektive myndigheder, hvor der kan være meget forskellige traditioner,
der ikke nødvendigvis er konsistente. Derfor har det i formuleringen af de fælles forudsætninger været vigtigt at sikre en bred opbakning.
1.2
Formål
De fælles forudsætninger udarbejdes del på det generelle niveau med en række henvisninger til officielle datakilder, som det fremgår af dette notat, dels på det konkrete
niveau i form af datafiler svarende til et basisscenarium for de modeller, der findes i
modelbiblioteket. Det er således muligt at rekvirere eksempelvis net til OTM, ligesom
der med tiden vil komme filer til et basisscenario for Landstrafikmodellen.
Det er valgt i notatet at medtage prognoseforudsætninger for størrelser, der anvendes
bredt i forbindelse med trafikmodeller, det vil sige størrelser som befolkning, indkomst, bilejerskab og mange flere.
Med ønsket om at sikre konsistens ikke kun inden for transportområdet men også ved
sammenligning med andre områder, baseres forudsætningerne i videst muligt omfang
på officielle kilder. Hvor disse er offentligt tilgængelige vil det ofte ske ved direkte
henvisninger til disse kilder, hvorved sikres, at forudsætningerne altid er opdaterede.
For øvrige kilder sikres opdateringen ved, at Modelcenter under DTU Transport opdaterer forudsætningerne ca. hvert andet år i forbindelse med Transportministeriets rullende planlægning. Den rullende planlægning betyder, at de her givne forudsætninger
opdateres ca. hvert andet år. Denne version er således gældende til og med 2011.
1.3
Principper for prognoseforudsætninger
Prognoseforudsætningerne anses som anbefalinger, der kan afviges, hvis der er en
god grund, eksempelvis hvis der findes mere specifikke forudsætninger for det analy-
1
serede område. Forudsætningerne svarer til en basisfremskrivning, mens det kan være relevant at gennemføre trafikmodelberegninger for en række scenarier, der ikke er
specificeret her.
Benyttes andre forudsætninger om eksempelvis indkomst, er der en række andre forudsætninger, der skal opdateres tilsvarende for ikke at forvride balancen i de estimerede modeller. Blandt de forudsætninger, der skal opdateres, er bilejerskab, belægning, trafikarbejde samt kørselsomkostninger for forskellige transportmidler. De sidste
kan baseres på de opgørelser, der foreligger i Transportøkonomiske Enhedspriser.
Derudover kan scenarieberegningerne omfatte endnu ikke besluttede projekter, som
forventes at have indflydelse på det analyserede projekt.
Nedenstående tabel giver en oversigt over notatets hovedforudsætninger med angivelse af kilder.
Tabel 1
Oversigt over forudsætninger
Data
Kilder
Generelle forudsætninger
Økonomi
Finansministeriet og Danmarks Statistik
Befolkning
Danmarks Statistik
Arealanvendelse
Danmarks Statistik, Finansministeriet, regioner og kommuner
Bilejerskab
Danmarks Statistik og DTF for Infrastrukturkommissionen
Transportomkostninger
Transportøkonomiske Enhedspriser
Generel trafikvækst
Vejtrafik
ART til Infrastrukturkommissionen
Kollektiv trafik
Tetraplan for Infrastrukturkommissionen
Vej
Vejdirektoratet
Kollektiv
Trafikstyrelsen
Netdata
2
2 Generelle forudsætninger
De generelle forudsætninger omfatter som nævnt en række forudsætninger om økonomi, befolkning, arealanvendelse samt bilejerskab og -brug opdelt på zonerne i en
trafikmodel. I det følgende angives nogle af de mest anvendte forudsætninger. Hvor
det er muligt angives forudsætningerne som reference til officielle kilder.
2.1
Økonomi
Forudsætningerne for økonomi omfatter den forventede udvikling i bruttonationalproduktet (BNP) samt befolkningens indkomst. Selve beskæftigelsen indgår som en del af
arealanvendelsen.
BNP
Prognoser for BNP udarbejdes på kort sigt af Finansministeriet og offentliggøres i
Økonomisk redegørelse, der udkommer to gange om året. Derudover benytter Finansministeriet en fremskrivning af BNP på langt sigt til analyser af den danske økonomi i ADAM. Denne langsigtede fremskrivning af real BNP per indbygger indgår i
Transportøkonomiske Enhedspriser, der indeholder fremskrivninger til og med 2090.
Tabel 2
Udvikling i real BNP
2010
2011
2012
2013
2014
2015
2016
2017
2018
2019
1,1%
1,3%
1,8%
2,1%
2,3%
1,9%
1,5%
1,1%
1,2%
1,3%
2020
2021
2022
2023
2024
2025
2026
2027
2028
2029
1,4%
1,4%
1,4%
1,6%
1,6%
1,7%
1,6%
1,5%
1,6%
1,5%
2030
2031
2032
2033
2034
2035
2036
2037
2038
2039
1,4%
1,5%
1,5%
1,5%
1,6%
1,6%
1,6%
1,7%
1,7%
1,7%
2040
2041
2042
2043
2044
2045
2046
2047
2048
2049
1,7%
1,7%
1,8%
1,7%
1,8%
1,8%
1,9%
1,9%
2,0%
2,0%
Kilde: Finansministeriet (Konvergensprogrammet for 2009) via Transportøkonomiske Enhedspriser, version 1.3 (2010)
Indkomst og tidsværdier
Husstandes eller personers indkomst har stor betydning for transportadfærden og inddrages derfor i stigende grad i trafikmodellerne.
3
Som udgangspunkt fremgår indkomsten i basisåret af modellens datagrundlag. I de tilfælde, hvor det er nødvendigt at supplere eller validere indkomstoplysninger, offentliggør Danmarks Statistik en række statistikker over den danske befolknings indkomster. Tabellerne findes i Statistikbanken, www.statistikbanken.dk -> indkomst, forbrug
og priser -> indkomster. Følgende tabeller opdateres årligt:
•
For familieindkomsten benyttes INDKF1, der omfatter en opgørelse af familieindkomsten med en opdeling på område, enhed, ejer/lejer af bolig og indkomsttype
•
For personindkomsten kan benyttes en række forskellige tabeller afhængig af
trafikmodellens inddeling. Eksempelvis omfatter INDKP5 en opgørelse af personindkomsten med en opdeling på område, enhed, køn, alder og indkomstinddeling, mens INDKP6 beskriver den disponible indkomst med en tilsvarende
inddeling
Bemærk, at der er en vis behandlingstid for disse statistikker, og at tallene derfor typisk er 2 år gamle, når tabellerne offentliggøres.
Tidsværdier er i de fleste trafikmodeller en implicit variable givet af de estimerede parametre for henholdsvis tid og omkostninger. Værdierne kan valideres ved at sammenholde med DATIV, hvor rapporterne på www.transport.dtu.dk -> forskning -> publikationer -> publikationer DTF -> 2007 angiver tidsværdier differentieret på blandt andet transportmidler.
For prognoseberegninger med trafikmodeller, hvor indkomst er en eksogen variabel,
er det nødvendigt at fremskrive indkomsten. Traditionen inden for samfundsøkonomiske opgørelser er at fremskrive indkomsten med den forventede udvikling i real BNP
per indbygger (se ovenfor), når beregningerne holdes i faste priser. Benyttes løbende
priser skal nettoprisudviklingen medregnes. Denne opgøres af Finansministeriet på
samme måde som BNP og indgår i Transportøkonomiske Enhedspriser. Det bør bemærkes, at fremskrivninger af indkomst og dermed tidsværdier kan medføre markante
forskydninger i trafikmodellernes transportmiddelvalg i retning af hurtigere men dyrere
transportmidler.
Endelig skal man ved fremskrivning af indkomsten sikre konsistens, så indkomstens
effekt på eksempelvis bilejerskab medtages, hvis dette ikke ligger implicit i trafikmodellen. Det bør bemærkes, at det bilejerskab, der er angivet i afsnit 2.4 ( Tabel 5 ) nedenfor er en fastholdelse af fremskrivningen til Infrastrukturkommissionen, og at det
dermed ikke er konsistent med en indkomstvækst svarende til udviklingen i real BNP
per indbygger i faste priser som angivet i Tabel 2 ovenfor.
4
2.2
Befolkning
Befolkningens størrelse og fordeling benyttes ofte i trafikmodeller. Udover statistikker
over den nuværende befolkning gennemfører Danmarks Statistik officielle fremskrivninger af den danske befolkning på forskellige detaljeringsniveauer og med forskellige
tidshorisonter. Bemærk, at disse fremskrivninger ikke omfatter eventuelle tendenser i
flyttemønstre mellem eksempelvis by og land. Tabellerne findes i Statistikbanken,
www.statistikbanken.dk -> befolkning og valg -> befolkningsfremskrivning. Følgende
tabeller opdateres årligt:
•
Til den helt lange fremskrivning af befolkningen benyttes PROG7A, der omfatter en fremskrivning af den samlede befolkning til 2050 med en opdeling på alder, køn, herkomst og landegruppe
•
For en opdeling af befolkningen på regioner benyttes PROG4, der omfatter en
fremskrivning af befolkningen på regioner til 2040 med en yderligere opdeling
på landsdel, alder og køn
•
For en opdeling af befolkningen på kommuner benyttes PROG1, der omfatter
en fremskrivning af befolkningen på kommuner til 2040 med en yderligere opdeling på alder og køn
I tilfælde, hvor der er behov for en opdeling af befolkningen på kommuner eller mindre
zoner udover 2040, benyttes de mere generelle vækstprocenter for den samlede fremskrivning (PROG7A) på sammensætningen af befolkningen for 2040 (PROG4 eller
PROG1). Det anbefales, at man i basis benytter disse generelle fremskrivninger, da
der hermed er konsistens i forhold til den samlede befolkning i landet.
I visse situationer kan der være behov for mere detaljerede analyser. Her er det vigtigt, at ændringerne ikke i basissituationen kommer til at påvirke det samlede befolkningstal, ligesom en ændring af den geografiske fordeling skal foretages med varsomhed. Danmarks Statistik offentliggør en særlig befolkningsprognose for Hovedstadsområdet fremstillet af HUR med udgangspunkt i 2004:
•
PROGH, fremskrivning til 2020 af befolkningen i Hovedstadsområdet opdelt på
kommune, alder og køn
Denne prognose (PROGH) benyttes typisk i modeller for Hovedstadsområdet i stedet
for PROG1. I forbindelse med strukturreformen og indførelsen af regioner bliver denne
særfremskrivning ikke længere opdateret.
Endelig producerer en række kommuner lokale mere detaljerede befolkningsfremskrivninger. Disse kan benyttes, når der er behov for differentiering på zoner, der er
mindre end kommunerne.
5
2.3
Arealanvendelse
I princippet kan arealanvendelsen beskrives på mange forskellige måder, men i trafikmodellerne opgøres arealanvendelsen ofte som antal arbejdspladser opdelt på kategorier og antal uddannelsespladser inden for givne områder eksempelvis trafikmodellens zoner.
Derudover kan lands-, regional- og lokalplaner benyttes i prognosearbejdet, idet disse
planer omfatter mulige ændringer i arealanvendelsen i forhold til dagens situation.
Som for befolkningen er det dog vigtigt, at en eventuel inddragelse af lokale ændringer ikke kommer til at påvirke størrelserne på nationalt niveau.
Arbejdspladser
Antallet og typen af arbejdspladser er en afgørende turattraherende variabel i mange
trafikmodeller. Danmarks Statistik opgør omfang og lokalisering af eksisterende arbejdspladser på www.statistikbanken.dk -> arbejdsmarked -> beskæftigede personer
(RAS)
•
RASA1 beskriver beskæftigede efter arbejdsstedsområde (kommuner), branche (27-grp), socioøkonomisk status, herkomst, alder og køn (RASA omfatter
samme statistik blot med den gamle kommuneinddeling)
Opgørelsen har tidligere haft væsentlige problemer med at fordele arbejdspladser for
virksomheder med flere domiciler. Langt de fleste af disse problemer er nu håndteret.
Til prognoseberegninger kan benyttes Finansministeriets fremskrivning af arbejdspladser. Disse er en del af den generelle analyse af dansk økonomi på langt sigt i
ADAM. For de regionale prognoser er det vigtigt at sikre overensstemmelse med den
samlede nationale prognose.
Prognoserne i ADAM er baseret på 130 forskellige brancher, der dog af praktiske hensyn aggregeres til 19 brancher i forbindelse med beregning af øvrige variable i ADAM.
Tallene fremskrives til 2090, mens der af praktiske hensyn kun er medtaget tal for udvalgte år til og med 2050 i tabellen nedenfor.
6
Tabel 3
Beskæftigede fordelt på brancher for udvalgte år
2005
2010
2020
2030
2040
2050
83,3
71,4
52,8
45,6
41,1
36,9
1,3
1,8
0,9
0,6
0,3
0,0
10,4
11,9
8,8
7,8
7,2
6,7
0,7
0,8
0,5
0,5
0,4
0,3
62,9
58,7
54,0
50,0
46,6
43,2
5,9
5,1
4,3
4,8
5,1
5,3
Kemisk industri mv.
54,6
54,3
49,7
47,8
47,6
51,0
Leverandører til byggeri
27,5
27,5
25,0
24,8
25,1
26,5
Transportmiddelindustri
12,9
12,8
12,8
12,5
12,7
13,5
151,3
160,8
138,0
136,0
137,8
149,5
70,7
30,3
29,8
30,5
32,1
35,1
Bygge- og anlægsvirks.
172,1
158,9
160,8
168,0
172,7
180,7
Handel
406,9
457,1
464,2
462,2
461,8
475,0
Anden transport mv.
163,2
167,0
179,6
187,5
193,7
206,8
Søtransport
14,6
18,4
24,9
25,8
26,0
25,8
Finansiel virksomhed
78,5
90,1
93,7
95,0
94,9
96,7
598,0
607,5
651,2
671,9
693,3
732,5
15,4
14,1
13,8
14,0
14,5
14,9
796,5
810,6
828,7
864,4
892,2
904,0
2726,9
2759,1
2793,5
2849,7
2905,1
3004,5
Landbrug mv.
Udv. af brunkul, råolie mm
El-, gas- og fjernvarmefors.
Olieraffinaderier
Næringsmiddelindustri
Nydelsesmiddelindustri
Jern- og metalindustri
Anden fremstillingsvirks.
Andre tjenesteyd. erhverv
Boligbenyttelse
Erhvervet offentlige tjenester
I alt
Kilde: Finansministeriet (Konvergensprogrammet for 2009)
Note: Finansministeriets befolkningstal er ikke helt konsistent med DST fremskrivningen
Endelig har Danmarks Statistik gennemført en registerbaseret kobling af bopæls- og
arbejdsadresser, der kan benyttes som en registerbaseret pendlingsmatrix på tværs af
transportmidler. Denne kan findes på www.statistikbanken.dk -> arbejdsmarked ->
pendling mellem bopæl og arbejde (RAS)
•
PENDAB11 beskriver beskæftigede efter bopælskommune, arbejdsstedsområde (kommune) og køn
7
Studiepladser
Danmarks Statistik opgør omfang og lokalisering af eksisterende studiepladser opdelt
på www.statistikbanken.dk -> uddannelse og kultur -> elever pr. 1. oktober
•
U1207 beskriver antal elever efter uddannelsesinstitutionens beliggenhed, uddannelse, alder og køn
Der kan opnås lidt flere detaljer ved at benytte de specifikke statistikker for henholdsvis grundskole og gymnasium. Statistikken skal benyttes med varsomhed på de længerevarende uddannelser, da beliggenheden registreres som uddannelsesstedets hovedadresse.
Til prognoseberegninger udarbejder Finansministeriet en officiel prognose på nationalt
niveau baseret på ADAM. Denne prognose omfatter elevtallet på gymnasiale og videregående uddannelser og beregnes via befolkningstallet i aldersgruppen 15-29 år. For
grundskolen baseres elevtallet på befolkningstallet for gruppen 7-14 år.
Arealanvendelse
Både den nuværende og planlagte arealanvendelse beskrives i lands-, regional- og
lokalplaner, som derfor er afgørende for især beskrivelsen af den fremtidige anvendelse af forskellige arealer.
Den mest detaljerede dokumentation af landets arealanvendelse eksisterer i form af
kommuneplanerne. Alle godkendte og dermed officielle kommuneplaner skal efter loven indberettes i digital form til det fælles plansystem PlansystemDK. I forbindelse
med kommunernes indberetning, er det meningen, at kommuneplanernes kortbilag i
fremtiden skal indberettes i GIS i et format, der følger en standardiseret datamodel.
Kommuneplaner på det fælles plansystem PlansystemDK er offentligt tilgængelige via
adressen www.plansystemdk.dk.
2.4
Bilejerskab og -brug
I nogle trafikmodeller optræder bilejerskabet og belægningsgraden per bil som endogene variable, så fremskrivningen fastlægges på baggrund af bl.a. indkomst og rejsetider for vej- og kollektiv trafik. I disse tilfælde bør modellens egne fremskrivninger
selvfølgelig benyttes. I tilfælde, hvor bilejerskab og belægningsgrader er eksogene variable, anbefales det at tage udgangspunkt i følgende prognoser, der er udarbejdet af
DTU Transport (reference Danmarks TransportForskning) i forbindelse med arbejdet
for Infrastrukturkommissionen.
Bilejerskab
Det aktuelle bilejerskab opgjort som bilejerskab per 1000 indbyggere kan opgøres på
basis af registeroplysninger fra Danmarks Statistik, hvor de relevante tabeller kan findes på henholdsvis www.statistikbanken.dk -> transport -> køretøjer og
www.statistikbanken.dk -> befolkning og valg -> folketal
8
•
BIL707 omfatter bestanden af køretøjer per 1. januar efter område (nye kommuner) og køretøjstype opgjort på forskellige typer af personbiler, busser, varebiler og lastbiler (tabellen BIL7 omfatter bestande for de gamle kommuner)
•
BEF1A07 beskriver folketal per. 1. januar efter kommune/region, køn, civilstand og alder (tabellen BEF1A omfatter folketal for de gamle kommuner og
amter)
Herefter kan bilejerskab per 1000 indbyggere udregnes kommune for kommune ved
1000*bestand/befolkningstal.
I Tabel 4 er angivet størrelsesordener for hele landet, regioner og landsdele. Tallene
kan endvidere opgøres på kommuneniveau.
Tabel 4
Bilejerskab (personbiler) i 2010 for regioner og landsdele
Regioner
Bilejerskab
Hele landet
383
Hovedstaden
342
Sjælland
Syddanmark
Midtjylland
Nordjylland
403
403
393
397
Landsdele
Bilejerskab
383
Københavns By
244
Københavns omegn
394
Nordsjælland
425
Bornholm
387
Østsjælland
390
Vest- og Sydsjælland
409
Fyn
389
Sydjylland
412
Østjylland
382
Vestjylland
414
Nordjylland
397
Kilde: Bearbejdning af tal fra Danmarks Statistik
I de tilfælde, hvor bilejerskab 1 er en eksogen variabel i trafikmodellerne anbefales det
at opgøre bilejerskabet ved en opgørelse for modellens basisår samt en fremskrivning
baseret på DTU Transports prognosemodel for bilejerskab og trafikarbejde.
1
I det følgende beskrives bilejerskabet, da dette følger af oplysningerne i de offentlige
registre. I andre sammenhænge tales om bilrådighed, der imidlertid kræver oplysninger om muligt lån af bil, oplysninger som sjældent er offentligt tilgængelige.
9
Fremskrivninger for bilejerskabet på nationalt niveau er gennemført med DTU Transports ART model, der udover en fremskrivningen af bestanden af person- og varebiler
også fremskriver trafikarbejdet for personbiler. Fremskrivningen er baseret på forudsætninger om udviklingen i BNP, realrente, befolkning, variable samt faste omkostninger. For BNP, befolkning og brændstofudgifter anvendes de samme forudsætninger
som beskrevet i dette notat 2.
Fremskrivning af bestanden af personbiler samlet set og per 1000
indbyggere
3,0
600
2,5
500
2,0
400
1,5
300
1,0
200
0,5
Bestand personbiler
Personbiler per 1000 indb
Bestand af personbiler (mio.
Figur 1
100
Personbiler per 1000 indb
0,0
0
1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020 2025 2030
Tabel 5 viser de faktiske størrelser for udvalgte år samt gennemsnitlige vækstrater for
de specificerede perioder.
2
Fremskrivningerne er beskrevet i Langsigtet fremskrivning af vejtrafik – baggrunds-
rapport, der kan findes på hjemmesiderne for henholdsvis Infrastrukturkommissionen
og DTU Transport.
10
Tabel 5
Fremskrivning af bestanden af personbiler samlet set og per 1000
indbyggere for udvalgte år
Bestand personbiler
Biler per 1000 indb.
Bestand
Gns.
Bestand
Gns.
Ultimo
årlig vækst
Ultimo
årlig vækst
1970
1.253.707
253
1970-1980
1.511.400
1,9%
295
1,5%
1980-1990
1.689.698
1,1%
328
1,1%
1990-2000
1.991.323
1,7%
372
1,3%
2000-2005
2.118.504
1,2%
390
1,0%
2005-2010
2.264.311
1,3%
412
1,1%
2010-2015
2.401.704
1,2%
434
1,0%
2015-2020
2.500.153
0,8%
447
0,6%
2020-2030
2.676.494
0,7%
471
0,5%
Kilde: DTF, Langsigtet fremskrivning af vejtrafikken – delresultater
Note: Bestand af personbiler omfatter i denne sammenhæng personbiler, varebiler under 2 t og motorcykler
Geografiske opdelte fremskrivninger kan opnås ved at benytte differentierede vækstprocenterne eller ved at benytte vækstprocenterne på en differentieret opgørelse af
bilejerskab i basisåret. Ved brug af geografisk opdelte fremskrivninger, må det ikke
påvirke det samlede bilejerskab.
Belægningsgrader
Belægningsgrader beskriver det gennemsnitlige antal personer pr. bil. Vejdirektoratet
har tidligere (1981, 1992, 1995 og 2001) på baggrund af tællinger lavet analyser af
belægningsgraden bl.a. fordelt på vejtype og tidspunkt. De nyeste tal fra 2009 kan findes i Vejdirektoratets notat Personer pr. bil fra december 2009. Tilsvarende opgøres i
Transportøkonomiske Enhedspriser belægningsgrader for forskellige turformål baseret
på Transportvaneundersøgelsen.
11
Figur 2
2,0
Belægningsgrader (personer per bil)
1,84
1,68
1,60
1,54
1,5
1,47
1,0
0,5
0,0
1981
1992
1995
2001
2008
Kilde: Vejdirektoratet, Personer pr. bil, december 2009
Der eksisterer ikke efter vores kendskab nogen form for officielle prognoser for belægningsgraden. Tabellen viser faldende belægningsgrader over tid, men der vil være
en grænse for, hvor lave belægningsgraderne kan blive på sigt.
2.5
Transportomkostninger
Transportomkostninger indgår i trafikmodellerne enten som en implicit værdisætning i
modellen eller som en eksternt fastlagt omkostning, der kan ændres som en del af beregningsforudsætningerne. Det er afgørende, at de benyttede transportomkostninger
svarer til det prisniveau, modellen er estimeret på.
Transportomkostningerne skal ses fra et brugersynspunkt og omfatter derved kørselsomkostninger for person-, vare- og lastbiler samt takster for kollektiv trafik. Derimod
omfatter transportomkostninger her ikke opgørelse af kørselsomkostninger for kollektive transportmidler. Disse kan findes i Transportøkonomiske Enhedspriser.
Kørselsomkostninger
Kørselsomkostninger for person-, vare- og lastbiler er fastlagt i Transportøkonomiske
Enhedspriser. Priserne angives i markedspriser for hvert år i den periode samfundsøkonomiske analyser skal dække. Det er her væsentligt at bemærke, at tidligere analyser har peget på, at de fleste trafikanter ikke tager højde for de fulde omkostninger i
12
deres valg af transportmiddel og rute. Flertallet inddrager primært brændstofprisen,
mens nogle medtager en del af de variable omkostninger.
Opgørelsen af kørselsomkostninger i Transportøkonomiske Enhedspriser omfatter både gennemsnitlige og marginale markedspriser inkl. afgifter for private formål og
ekskl. refunderbare afgifter for erhvervsmæssige formål. Der differentieres ikke på zoner. Eksempler på omkostningsniveauet (i 2010-priser) for udvalgte køretøjer og år er
angivet i Tabel 6.
Tabel 6
Gennemsnitlige kørselsomkostninger for person-, vare- og lastbiler
for udvalgte år (i 2010-priser)
2010
2020
2030
2,44
2,40
2,46
1,69
1,66
1,73
297
336
380
1,84
1,96
2,02
411
451
495
3,69
4,07
4,26
Personbil – private formål
variable (kr./km)
inkl. afgifter
Personbil – erhvervsformål
variable (kr./km)
ekskl. refunderbare afgifter
Varebil
faste (kr./time)
ekskl. refunderbare afgifter
Varebil
variable (kr./km)
ekskl. refunderbare afgifter
Lastbil
faste (kr./time)
ekskl. refunderbare afgifter
Lastbil
variable (kr./km)
ekskl. refunderbare afgifter
Kilde: Transportøkonomiske Enhedspriser, version 1.3 (2010)
Udviklingen i variable omkostninger over tid påvirkes særligt af forventningerne til udviklingen i brændstofomkostninger, som er hentet fra det Internationale EnergiAgentur
(IEA) og Energistyrelsen. For de faste omkostninger er det forventningerne til udviklingen i lønniveauet for chauffører for vare- og lastbiler, der medfører en stigning i
omkostningerne udover den generelle prisudvikling.
Parkeringsafgift og parkeringssøgetid
Aktuelt niveau og fremskrivninger for parkeringsafgift fastlægges i de enkelte kommuner. Den aktuelle afgiftspolitik har betydning for parkeringssøgetiden. Forudsætninger
13
bør derfor afhænge af det konkrete analyseområde, men praksis i tidligere modelberegninger har ofte været at fastholde niveauerne fra modellens basisår.
Kollektive takster
De kollektive takster fastsættes af de enkelte trafikselskaber, dog med et politisk vedtaget loft for stigningerne. Det forventes, at finansieringen fra kommuner og regioner
ikke øges ud over den almindelige prisudvikling, og at trafikselskaberne dermed vil
udnytte takstloftet fuldt ud set over en længere periode.
På baggrund af informationer fra Trafikstyrelsen anbefales det, at fremskrivningen af
de kollektive takster tager udgangspunkt i det omkostningsbaserede indeks, der beregnes som et vægtet gennemsnit af følgende fire indeks opgjort i løbende priser:
Ændring i %
Nettoprisindeks
Indeks for brændstof
Lønindeks for privat sektor
Ændring i obligationsrente
Vægt
20
10
60
10
hvor obligationsrenten dog opgøres i %-point.
14
3 Generel trafikvækst
I de tilfælde, hvor trafikarbejdet modelleres implicit i trafikmodellerne, skal modellen
benyttes. I andre tilfælde kan benyttes de fremskrivninger, der blev lavet i forbindelse
med Infrastrukturkommissionen. Hovedtrækkene fra disse er præsenteret nedenfor.
3.1
Trafikvækst for vejtrafik
Med udgangspunkt i forudsætningerne ovenfor om udvikling i bl.a. BNP og brændstofpriser giver ART udover fremskrivninger af bilejerskab også fremskrivninger af trafikefterspørgslen opgjort som trafikarbejde på nationalt niveau. Rammeprognosen angiver en samlet stigning i trafikarbejdet på 44 % for perioden 2005-2030. På baggrund
af tællinger er den samlede efterspørgsel opdelt i vækst på statsvejnettet (primært og
sekundært) samt på kommunevejene. For den lette trafik er væksten på statsvejene
69 %, mens den på kommunevejene er 28 %. Når der tages højde for vejtyper, viste
analyserne ikke signifikante regionale forskelle.
Det skal bemærkes, at fremskrivningen er en ren efterspørgselsfremskrivning, der ikke
tager højde for kapacitetsproblemer i afviklingen af trafikken.
15
Figur 3
Udvikling i trafikarbejde på statsveje og kommunevej for henholdsvis
let og tung trafik
200
Statsveje, let trafik
180
Statsveje, tung trafik
Statsveje, i alt
Kommuneveje, let trafik
160
140
120
100
80
2005
2010
2015
2020
2025
2030
Note: Der er ikke i forbindelse med Infrastrukturkommissionen lavet fremskrivninger af den tunge trafik
på kommuneveje.
Derudover omfatter Tabel 7 mere detaljerede opgørelser for den lette trafik på det samlede
vejnet samt opdelt på primært og sekundært statsvejnet. Forskellen mellem samlet trafikarbejde og summen af primære og sekundære statsveje er trafikarbejdet på kommunevejene.
Tabel 7
Fremskrivning af trafikarbejde med person- og varebiler (mio.
km per år)
Samlet trafikarbejde
Primære statsvejnet
Sekundære statsvejnet
Trafikar-
Gns. årlig
Trafikar-
Gns. årlig
Trafikar-
Gns. årlig
bejde
vækst
bejde
vækst
bejde
vækst
ultimo
ultimo
ultimo
2005
42.604
-
10.773
-
5.590
-
2005-2010
47.132
2,0%
12.507
3,0%
6.184
2,0%
2010-2015
52.208
2,1%
14.540
3,1%
6.850
2,1%
2015-2020
55.463
1,2%
16.212
2,2%
7.277
2,0%
2020-2025
58.456
1,1%
17.933
2,0%
7.669
1,1%
2025-2030
61.200
0,9%
19.704
1,9%
8.029
0,9%
16
Flere detaljer om forudsætningerne og beregningerne kan findes på
www.infrastrukturkommissionen.dk.
3.2
Trafikvækst for banetrafik
Med udgangspunkt i de samme forudsætninger som ART beregningerne ovenfor beregnede Tetraplan trafikvækst for en række banetyper i en model opstillet for Infrastrukturkommissionen. Tetraplan udarbejdede to fremskrivninger baseret på henholdsvis høje og lave brændstofpriser. I Tabel 8 er gengivet resultaterne for de høje
brændstofpriser, da denne fremskrivning svarer bedst til den opdaterede fremskrivning
for vejtrafikken. Rammeprognosen angiver en samlet stigning i antallet af banerejser
på 10,5 % for perioden 2005-2030.
Dette antal rejser er på baggrund af historiske oplysninger om rejsende på de forskellige banetyper opdelt på de 6 banetyper.
Tabel 8
Fremskrivning af antal banerejser (mio. rejser per år)
2005
2030
Gns. årlig vækst
158,3
173,8
0,4%
S-tog
89,7
83,5
-0,3%
Regionaltog, øst
35,5
41,8
0,7%
Regionaltog, vest
18,1
25,2
1,3%
7,8
9,3
0,7%
151,1
159,8
0,2%
Internationale
0,8
1,0
0,9%
Øresund
6,3
13,0
2,9%
Alle tog
Fjerntog
Nationale rejser i alt
17
4 Netdata
4.1
Vejnet
Der findes flere forskellige kilder til vejnet, hvor de mest anvendte er KRAK, Navteq
og Top10DK. For brug i forbindelse med trafikmodeller er det afgørende de attributter,
der knyttes til vejnettet. De fleste modeller gør brug af oplysninger om bl.a. længde,
ensretning, skiltet hastighed, kapacitet, vejtype, speed-flow sammenhæng samt eventuelle krydsoplysninger.
Til prognoseberegninger er det væsentligt at inkludere fremtidige ændringer i vejnettet. Typisk inkluderes udelukkende besluttede vejprojekter i et basisscenario, men ved
langsigtede fremskrivninger kan der argumenteres for at inddrage endnu ikke besluttede projekter i særlige scenarieberegninger.
For statsvejnettet findes på Vejdirektoratets hjemmeside oversigter over besluttede
projekter under www.vd.dk -> vejprojekter -> større vejprojekter ’her bygger vi’, mens
projekter under planlægning tilsvarende findes på ’her planlægger vi’. Der findes tilsvarende opgørelser over mindre vejprojekter. Det er vigtigt altid at hente oplysningerne direkte på Vejdirektoratets opdaterede hjemmeside. På det helt lange sigt arbejder Vejdirektoratet endvidere med nogle projekter, der blev diskuteret i forbindelse
med Infrastrukturkommissionen. En beskrivelse af disse projekter kan findes i ’Fremkommelighed på statsvejnettet 2030-2050 - principper, muligheder og hovedudfordringer’ fra maj 2007. Publikationen kan findes på www.infrastrukturkommissionen.dk.
For kommunevejene kan en oversigt over planlagte vejprojekter fås ved kontakt til den
enkelte kommune. Den største del af de kommunale vejprojekter er dog af en størrelse, så de ikke har afgørende betydning for modelberegninger på landsplan.
4.2
Kollektive net
Netdata for kollektiv trafik omfatter net med oplysninger om afstande, hastigheder, køretider og køreplanoplysninger (enten som frekvenser eller som afgangstidspunkter)
for henholdsvis bane, metro og busser. For kollektiv trafik er netdata er en kombination af oplysninger om selve infrastrukturen og den betjening (trafik), der tilbydes. Derfor er det kun for bane- og metroprojekterne, at der opstilles en liste over infrastrukturprojekter med betydning for betjeningen. For alle kollektive transportmidler er det
desuden nødvendigt at have oplysninger om betjeningen. Det kan enten være i form af
fuldt specificerede køreplaner eller i form af linieforløb med stop og en angivelse af
frekvensen.
18
Dagens køreplaner kan rekvireres gennem Rejseplanen 3. Køreplaner for prognoseår
er tilsvarende meget detaljerede og udarbejdes derfor kun i forbindelse med større
(kollektive) projekter. En specifikation af en forventet betjening i Hovedstadsområdet
kan findes i specifikationerne i forbindelse med beregninger for Metro Cityringen, se
notat fra Ørestadsselskabet (2004).
En liste over projekter på baneområdet findes i Transportministeriets Status for anlægsprojekter på Transportministeriet område, der udarbejdes to gange om året til
Folketinget. Rapporterne kan findes på www.ft.dk. Her beskrives projekter under projektering, VVM-undersøgelser og forundersøgelser på baneområdet, samt projekter
under gennemførelse, dvs. projekter der er blevet overdraget til Banedanmark eller
Metroselskabet efter politisk beslutning.
Generelt kan siges, at det fremtidige betjeningsomfang for infrastrukturprojekter under
planlægning ikke er endeligt fastlagt, men til brug for analyser af projekterne er der oftest opstillet køreplaneksempler eller en dimensionerende kapacitet. Det skal bemærkes, at ikke alle baneprojekter medfører en øget betjening, idet nogle projekter eksempelvis har til formål at forbedre regulariteten. De forudsatte køreplanseksempler
fremgår af baggrundsnotater på Trafikstyrelsens hjemmeside (www.trafikstyrelsen.dk).
3
Et køreplanudtræk fra Rejseplanen ligger i HAFAS-format. Bemærk, at udtræk fra Rej-
seplanen indeholder planlagte ændringer som eksempelvis sporarbejder med indflydelse på togbetjeningen.
19
5 Referencer
Danmarks TransportForskning (2007) Langsigtet fremskrivning af vejtrafik, for Infrastrukturkommissionen.
Danmarks TransportForskning (2007) The Danish Value of Time Study, final report,
DTF rapport nr. 5, 2007.
Tetraplan (2008) Metroprognoser 2008, beregningsforudsætninger 2012 og 2018. Udarbejdet af Tetraplan, juni.
Ørestadsselskabet (2004) Metro etape 4 – Cityringen Reviderede busnet til trafikmodelkørsler for Forum-alternativet, Frederiksberg-alternativet samt første deletape København H-Nørrebro. Udarbejdet af COWI, august.
20
DTU Transport forsker og underviser i trafik og transportplanlægning. Instituttet rådgiver myndighederne inden for infrastruktur, samfundsøkonomi, transportpolitik og trafiksikkerhed. DTU Transport
samarbejder tillige med erhvervslivet om grøn logistik, behovsstyret kollektiv trafik, brugerbetaling
og design af bæredygtige transportnetværk.
DTU Transport
Institut for Transport
Danmarks Tekniske Universitet
Bygningstorvet 116 Vest
DK-2800 Kgs. Lyngby
Tlf. 45 25 65 00
Fax 45 93 65 33
www.transport.dtu.dk