En national godstrafikmodel

Transkript

1 En national godstrafikmodel Gennemgang og vurdering af eksisterende datagrundlag Notat Christian Overgård Hansen

2

3 En national godstrafikmodel Gennemgang og vurdering af eksisterende datagrundlag Notat Christian Overgård Hansen

4 En national godstrafikmodel Gennemgang og vurdering af eksisterende datagrundlag Notat Af Christian Overgård Hansen, CTT, DTU Tryk: Danmarks TransportForskning Oplag: 100 Copyright: Eftertryk tilladt med kildeangivelse Udgivet af: Danmarks TransportForskning Knuth-Winterfeldts Allé Bygning 116 Vest 2800 Kgs. Lyngby Rekvireres hos: Danmark.dk s netboghandel Tel.: Pris: kr. 50,00 inkl. moms ISSN: (trykt version) ISBN: (trykt version) ISSN: (elektronisk version ISBN: (elektronisk version)

5 Forord En national godstrafikmodel vil kunne finde anvendelse i en lang række sammenhænge. Imidlertid er der store metodiske og statistiske vanskeligheder, som skal overvindes, før en tilfredsstillende model kan realiseres. Trafikministeriet og Hovedstadens Udviklingsråd har derfor ønsket en undersøgelse, som kan bane vejen for en national dansk godstrafikmodel. Projektet gennemføres af Danmarks TransportForskning i samarbejde med Center for Trafik og Transport ved DTU med et samlet budget på kr Projektet er opdelt i fire aktiviteter: 1. En behovsanalyse, som igennem interview med centrale institutioner sammenfatter analysebehovene, som en national godstrafikmodel kan bidrage til. 2. En datagennemgang, som kortlægger mulighederne i eksisterende datakilder. 3. En modelgennemgang, som kortlægger mulighederne i eksisterende nationale modeller i andre lande, såvel som i den forskningsmæssige litteratur. 4. Et arbejdsprogram, som skitserer opbygningen af en national dansk godstrafikmodel udfra brugerbehovene i sammenhæng med de data- og modelmæssige muligheder. Dette notat er det andet af fire notater fra projektet og afrapporterer gennemgangen af en række datakilder. Notatet er opbygget med først en gennemgang af begreber og klassifikationer, dernæst gruppering og afgrænsning af data, som efterfølges af en gennemgang og vurdering af de forskellige datakilder. Der afsluttes med konklusioner. Notatet omfatter desuden en litteraturliste og en række fakta blade om de enkelte datakilder. Kgs. Lyngby oktober 2003 Ole Zacchi Direktør Mogens Fosgerau Forskningschef

6 Indhold 1 Indledning Begreber og klassifikationer Vareklassifikation Områdeinddeling (NUTS) Gruppering og afgrænsning af data Databehov Datagrundlag Beskrivelse og vurdering af data Plandata Økonomiske data Net og køreplaner Handels- og transportstatistik Trafikanalyser efterspørgselsdata Trafikanalyser adfærdsdata Operationelle data Konklusioner Sammenfattende konklusion Beregning af varestrømme i basisår Estimation og udvikling af model Validering, kalibrering og anvendelser Litteratur Bilag 1: Vareklassifikationssystemer Bilag 2: Beskrivelser af datakilder... 52

7 1 Indledning Nærværende notat er en del af projektet En national godstrafikmodel, som udføres for Trafikministeriet og Hovedstadens Udviklingsråd af Danmarks TransportForskning i samarbejde med Center for Trafik og Transport ved Danmarks Tekniske Universitet. Projektet omfatter i alt fire aktiviteter: 1. En behovsanalyse, som igennem interview med centrale institutioner sammenfatter analysebehovene, som en national godstrafikmodel kan bidrage til. 2. En datagennemgang, som kortlægger mulighederne i eksisterende datakilder. 3. En modelgennemgang, som kortlægger mulighederne i eksisterende nationale modeller i andre lande, såvel som i den forskningsmæssige litteratur. 4. Et arbejdsprogram, som skitserer opbygningen af en national dansk godstrafikmodel ud fra brugerbehovene i sammenhæng med de dataog modelmæssige muligheder. Dette notat vedrørende en kortlægning af det eksisterende datagrundlag er udarbejdet af Christian Overgård Hansen med bidrag fra Jeppe Husted Rich, Mikal Holmblad, Goran Jovicic og Otto Anker Nielsen vedrørende beskrivelser af de enkelte datakilder (Bilag 2). Transportrådet (2002) og TetraPlan (2003) indeholder en god gennemgang af primært udenrigshandels- og transportstatistikker. Dette notat inddrager flere datakilder, så der opnås en mere dækkende og systematisk kortlægning af data, som er relevante ved udvikling af en godstrafikmodel for Danmark. Specielt er der brugt ressourcer på afdækning af internationale kilder. Beskrivelse og vurdering af data er baseret på et litteraturstudium. Afsnit 2 og Bilag 1 indeholder en beskrivelse af vareklassifikation og områdeopdeling. I afsnit 3 udarbejdes en metode til beskrivelse af datakilder. Afsnit 4 indeholder sammen med Bilag 2 en beskrivelse og vurdering af de enkelte datakilder. I afsnit 5 belyses mangler og svagheder i det eksisterende datagrundlag set i forhold til udvikling af en godstrafikmodel. 1

8 2 Begreber og klassifikationer 2.1 Vareklassifikation Af hensyn til bl.a. toldbestemmelser, nationalregnskab, planlægning og trafiksikkerhed klassificeres gods efter varens type. Der anvendes forskellige klassifikationssystemer afhængig af formålet. I det følgende behandles klassifikationssystemer indenfor udenrigshandel, erhvervs- og økonomiområdet samt transportområdet. Beskrivelsen koncentreres til de mest almindelige systemer indenfor Europa Udenrigshandel I handelsstatikkerne er de mest almindelige vareklassifikationer det harmoniserede varebeskrivelses- og varenomenklatursystem (HS), den kombinerede nomenklatur (KN) og SITC. KN Det harmoniserede varebeskrivelses- og varenomenklatursystem (HS), som trådte i kraft den , udgør verden over referencegrundlaget for udenrigshandelsstatistikken og toldtarifferne. Den Kombinerede Nomenklatur (KN) er EU s varenomenklatur for udenrigshandel mellem EU-lande og mellem EU-lande og tredjelande. KN er baseret på HS og er opbygget på fuldstændig samme måde. Den er kun underopdelt i forhold til HS, når det er nødvendigt af hensyn til særlige EU forordninger indenfor eksempelvis landbrugsområdet. KN beskriver omkring forskellige varegrupper angivet ved et 8- cifret kodenummer. I praksis aggregeres klassifikationen ofte til færre varegrupper eksempelvis KN4 (4-cifret kode) med 1200 varegrupper og KN2 (2-cifret kode) med 98 varegrupper. Mængdeenheden afhænger af varetypen, men mest almindelige er anvendelse af nettovægt. En nærmere beskrivelse af KN findes i bl.a. Danmarks Statistik (2003). SITC Den danske handelsstatistik har traditionelt benyttet Standard International Trade Classification (SITC), som er udviklet af FN. Den seneste revision i 1986 benævnes SITC rev. 3 og indeholder varegrupper angivet ved et 5-cifret kodenummer (niveau 5). Varegrupperne kan aggregeres til forskellige niveauer, således er eksempelvis niveau 4 opdelt i varegrupper og niveau 1 opdelt i 10 varegrupper. Der findes en nøgle til HS og KN klassifikationerne. 2

9 2.1.2 Erhverv og økonomi NACE Nomenclature statistique des Activés économiques dans la Communaté Européenne (NACE) anvendes af EU til klassifikation af virksomheder i forskellige erhvervsbrancher. Den seneste revision NACE Rev. 1.1, som afløste NACE Rev. 1, gælder fra Det nye klassifikationssystem indeholder på det mest detaljerede niveau 514 brancher, hvilket er en udvidelse fra 503 brancher. FN har udviklet en tilsvarende klassifikation af erhvervsbrancher ISIC, hvis seneste version benævnes ISIC Rev De to klassifikationssystemer er ens på de to mest aggregerede niveauer. I Danmark benyttes DB03, som i år 2003 afløste DB93. DB03 indeholder en yderligere detaljering i forhold til NACE Rev.1.1 og ISIC Rev. 3.1, idet systemet på den mest detaljerede niveau (niveau 4) indeholder 825 branchekoder, hvor DB93 omfattede 810 brancher. Bortset fra få tilfælde stemmer de øvrige tre niveauer overens med NACE Rev. 1.1 og ISIC Rev CPA Formålet med Statistical Classification of products by Activity (CPA), som anvendes indenfor EU, er at klassificere vare- og tjenester. Den tager udgangspunkt i definitioner og grupperinger i NACE og opdateres i takst med ændringer i NACE. På det mest detaljerede niveau (niveau 5) indeholder CPA 947 grupper. FN har udviklet et parallelt system, hvis seneste version benævnes CPC Ver NACE Rev. 1 og CPA omfatter 60 hovedgrupper (niveau 2) og fremgår af Bilag 1. Revisionen gældende fra den har medført en udvidelse i antallet af hovedgrupper til 62 ved tilføjelse af grupperne 96 og 97, der beskriver ikke nærmere angivne varer og tjenester produceret af private husholdninger til eget forbrug. ENS95 Nationalregnskaber samt input-outputtabeller klassificeres indenfor EU i henhold til Det europæiske Nationalregnskabssystem - ENS95 (engelsk ESA95), som er en europæisk udgave af FN s System of National Accounts. Systemet er baseret på kombination af 60 erhvervsbrancher defineret i NA- CE Rev. 1 (niveau 1) og 60 grupper i CPA (niveau 1). Da DB93 svarer til NA- CE Rev. 1 på aggregeret niveau, kan den danske statistik sammenholdes med den øvrige EU-statistik på området Transport I den europæiske transportstatistik er der historisk set anvendt to klassifikations systemer: Nomenclature Uniforme des marchandises pour les Statistiques de transport (NST) og Commodity Classification for Transport Statistics in Europe (CTSE). 3

10 NST Den første version af NST blev udviklet i I 1967 blev klassifikationen revideret af EU, og er efterfølgende benævnt NST/R. NST/R klassificerer i varegrupper i 3 niveauer. På det mest detaljerede niveau (positioner) indeholder NST/R 176 varegrupper, og på det andet niveau (grupper) omfatter klassifikationen 52 varegrupper. Det mest aggregerede niveau (kapitler) omfatter den 10 grupper og fremgår af Tabel 1. Bilag 2 giver en samlet oversigt over NST/R klassifikationen. Da 10 varegrupper kan være for aggregeret og 52 varegrupper for detaljeret, er der i udarbejdet en afart af NST/R, som indeholder en gruppering på 24 varegrupper (NST/R-24). Den anvendes i flere EU-landes transportstatistik og er gengivet i Tabel 2. Der er en entydig sammenhæng med NST/R på niveau 2. Kode Beskrivelse af varegruppe 0 Landbrugsprodukter og levende dyr 1 Næringsmidler og foder 2 Faste mineralske brændselsstoffer 3 Olieprodukter 4 Mineraler og affald til den metallurgiske industri 5 Metallurgiske produkter 6 Ubearbejdede eller bearbejdede mineraler og bygningsmaterialer 7 Gødningsstoffer 8 Kemiske produkter 9 Maskiner, køretøjer, andre bearbejdede varer og særligt fragtgods Tabel 1 Hovedgrupper i NST/R vareklassifikation (kapitler) 4

11 Kode NST/R kapitler. NST/R grupper Beskrivelse af varegruppe 1 01 Korn 2 02,03 Frisk frugt og grønsager ,06 Levende dyr, sukkerroer 4 05 Træ, tømmer og kork 5 04,09 Tekstilfibre, rå ani. og vegetabilske varer ,16,17 Andre næringsmidler og foderstoffer Olieholdige frø og frugter Kul, koks og briketter 9 31 Råolie Petroleumsprodukter 11 41,46 Jernmalm og affald Ikke-jernholdige mineraler og affald deraf Metaller 14 64,69 Cement og forarbejdede bygningsmaterialer ,65 Rå og forarbejde mineraler ,72 Gødningsstoffer Tjære, rå kemikalier fra kul og gas ,82,89 Andre kemiske produkter Papir og papirmasse Maskiner, transportmidler mv Mere bearbejdede metalvarer Glas og keramiske produkter 23 96,97 Læder, beklædning og forarbejdede varer Andre varer Tabel 2 Vareklassifikation NST/R-24 5

12 CTSE CTSE vareklassifikationen er udviklet af FN Economic Commission for Europe (UNECE) og er senest revideret i Svarende til NST/R er klassifikationen opdelt i tre niveauer. På det mest detaljerede niveau omfatter CTSE 169 varegrupper (positioner), som svarer overens med NST/R klassifikationen på niveau tre, idet 7 varegrupper dog er underopdelt i NST/R. På niveau 2 omfatter CTSE 52 varegrupper (divisioner), og på niveau 1 omfatter den 20 grupper (kategorier). På niveau 1 og 2 er der ikke helt overensstemmelse mellem NST/R og CTSE klassifikationerne. Tabel 3 viser en skønsmæssig sammenhæng mellem CTSE s 20 hovedgrupper og NST/R grupper på niveau 2. Kode NST/R Beskrivelse af varegruppe 1 01 Korn 2 00, 02,03,06 Frisk frugt og grønsager ,16,17 Andre næringsmidler og foderstoffer 4 18 Olieholdige frø og frugter 5 05 Træ, tømmer og kork 6 71,72 Gødningsstoffer ,69 Sten, sand, grus mv. 8 41,46 Jernmalm og affald 9 45 Ikke-jernholdige mineraler og affald deraf 10 04,09,84 Anim. og vegt. råstoffer Kul, koks og briketter Råolie og petroleumsprodukter Tjære, rå kemikalier fra kul og gas 14 81,82,89 Andre kemiske produkter Varer af ikke metalliske mineraler Metaller Mere bearbejdede metalvarer Maskiner, transportmidler mv Andre varer 20 Særlige forsendelser Tabel 3 Hovedgrupper i CTSE vareklassifikation (kategorier) 6

13 NST/2000 År 2002 er det i FN og EU vedtaget at anvende et nyt klassifikationssystem NST/2000 til afløsning af NST/R og CTSE. Kriterierne i NST/2000 er baseret på den økonomiske aktivitet og dermed i bedre overensstemmelse med CPA og NACE klassifikationerne, hvilket gør det lettere at sammenkoble økonomi og transport. Foreløbigt er alene 20 hovedgrupper defineret og vedtaget. EU arbejder i øjeblikket med detaljering af NST/2000 til flere niveauer. Tabel 4 viser hovedgrupperne og deres relationer til CPA og NACE Rev. 1. Kode Beskrivelse af varegruppe CPA NACE Rev. 1 1 Landbrugsprodukter og levende dyr 01,02,05 01,02,05 2 Kul, råolie, gas og uran 10,11,12 10,11,12 3 Metalholdige malme o.lign. 13,14 13,14 4 Næringsmidler, drikkevarer og tobak 15,16 15,16 5 Tekstiler, beklædning og læder 17,18,19 17,18,19 6 Træ og papir 20,21,22 20,21,22 7 Olieprodukter Kemiske produkter 24,25 24,25 9 Sten-, ler og glas Metaller 27,28 27,28 11 Maskiner, IT-udstyr, instrumenter mv. 29,30,31,32,33 29,30,31,32,33 12 Transportmidler 34,35 34,35 13 Møbler og bearbejdede produkter Affaldsprodukter 37 37,90 15 Breve og stykgods Udstyr og materiel i godstransport 17 Bagage og flyttegods 18 Blandet gods 19 Ikke identificerede varer 20 Andet Tabel 4 Hovedgrupper i NST/2000 vareklassifikation 7

14 2.2 Områdeinddeling (NUTS) Nomenclature of Statistical Territorial Units (NUTS) blev i begyndelsen af 1970 erne udviklet af EUROSTAT, som er EU s statistiske bureau, fordi der var behov for en enkelt ensartet geografisk opdeling til brug ved produktion af regionalstatistikker for EU. NUTS-nomenklaturen har indtil nu ikke haft nogen egentlig retsgyldighed, men det forventes vedtaget i år NUTS er defineret på seks niveauer fra NUTS 0 til NUTS 5. I NUTS 0, som er det mest aggregerede niveau, underopdeles landene ikke. De øvrige niveauer indeholder en regional og lokal opdeling af landene. Den geografiske underopdeling af landene er primært baseret på politiske og administrative afgrænsninger som f.eks. delstater, amter, kommuner o.lign. NUTS 1-3 beskriver regionale underopdelinger af landene. Udover at opdelingen følger de enkelte landes administrative grænser anvendes et befolkningskriterium som fremgår af Tabel 5. Eksempelvis bør hver zone i NUTS 1 indeholde en befolkning på 3 til 7 mio. personer. Niveau Minimum Maximum 1 3 mio. 7 mio mio Tabel 5 Befolkningskriterium ved opdeling i NUTS niveauerne 1-3 Der gennemføres en løbende justering af zoneopdelingen af hensyn til administrative og politiske ændringer i landene. Den seneste revision af NUTS blev foretaget i Der forventes en ny revision gennemført i år Tabel 6 viser den regionale underopdeling af EU-landene baseret på NUTS version De tre niveauer indeholder 78 zoner, 211 zoner henholdsvis 1093 zoner. Generelt beskriver NUTS 1 og NUTS 2 regionale opdelinger baseret på delstater el.lign og befolkningskriterium. I NUTS 3 anvendes primært en opdeling på amtsniveau. Der er ingen underopdeling af Danmark i NUTS 1 og NUTS 2. Først på det tredje niveau underopdeles Danmark i amter, hvor København og Frederiksberg kommuner er slået sammen til en zone. Formelt omfatter den regionale opdeling i NUTS alene de 15 EU-lande. Siden 1999 er der imidlertid gennemført en regionaliseret underopdeling af 8

15 EFTA-lande (18 lande) og kandidatlande til optagelse i EU (13 lande). Alle øvrige lande beskrives alene på NUTS 0 niveau. NUTS 4 og 5 beskriver lokale underopdelinger af EU-lande. De to lokale niveau benyttes i udvalgte statistikker bl.a. befolkningsstatistik. NUTS 5 svarer nogenlunde til en opdeling på kommuneniveau. Land NUTS 1 NUTS 2 NUTS 3 Belgien Danmark England Finland Frankrig Grækenland Holland Irland Italien Luxemborg Portugal Spanien Sverige Tyskland Østrig I alt Tabel 6 Antal zoner i NUTS på niveau 1-3 9

16 3 Gruppering og afgrænsning af data 3.1 Databehov Metodestudiet i projektet om en national godstrafikmodel giver et overblik over godstrafikmodeller. Gennemgangen behandler modeller baseret på den traditionelle opbygning omkring produktion, fordeling, valg af transportmiddel og rute. Andre typer af modeller byggende på et væsentlig forskelligt modelteoretisk grundlag f.eks. simuleringsmodeller af Portlandtypen (Williams, 2002a) er ikke beskrevet, da de i første omgang næppe er relevante ved udvikling af en national dansk godstrafikmodel. Der er en gensidig afhængighed mellem model og databehov. Databehovet afhænger naturligvis af den konkrete modelformulering. Omvendt vil det i modelformuleringen normalt blive taget hensyn til eksisterende data, da omkostninger forbundet med nye dataindsamlinger kan være meget store. Det er her valgt at belyse datakilder, som generelt er relevante i sammenhæng med godstrafikmodeller beskrevet i metodenotatet. Modeller udvikles igennem en trinvis proces, som eksempelvis omfatter: Kortlægning og beregning af varestrømme i et givet basisår. Estimation og udvikling af model. Validering og kalibrering. Anvendelse til bl.a. prognoser. Disse trin stiller forskellige krav til data. I forbindelse med kortlægning af varestrømme er det særligt handels- og transportdata og andre aggregerede data, som er relevante. Estimation og udvikling af model kan underopdeles i delmodeller som beskrevet i metodenotatet, det vil sige produktion, fordeling, logistik, transport- og rutevalg. Adfærdsdata er væsentlige i forbindelse med estimation og udvikling af modellen. 10

17 Til validering og kalibrering benyttes statistiske nøgletal, tællinger o.lign. Endelig er der behov for data som input til anvendelse af modellen i form af eksempelvis befolkningsdata og BNP. Det kræver samtidig, at det er muligt at fremskrive disse data på pålidelig måde frem i tiden. 3.2 Datagrundlag Det eksisterende datagrundlag beskrives i afsnit 4. Til brug herfor kan det være hensigtsmæssigt at inddele data i nogle hovedgrupper. Trafikministeriet i England har netop gennemført en kortlægning af data til brug for godsmodellering (Williams, 2002b). Inspireret af denne undersøgelse er datagrundlaget her opdelt i følgende syv hovedgrupper: 1. Plandata 2. Økonomiske data 3. Net og køreplaner 4. Handels- og transportstatistik 5. Trafikanalyser efterspørgselsdata 6. Trafikanalyser adfærdsdata 7. Operationelle data Plandata omfatter oplysninger om bl.a. befolkning og arbejdspladser opdelt på trafikzoner. Økonomiske data omfatter f.eks. nationalregnskab, input-outputtabeller og firmastatistik og er således udskilt fra statistik vedrørende handel og transport. Statistik opfattes her som en løbende registrering eller opgørelse af data, som er offentlig tilgængelig. Trafikanalyser er mere ad hoc prægede, idet de ikke gennemføres med faste tidsrum og desuden er bestemt af konkrete behov. Der skelnes her mellem efterspørgselsdata og adfærdsdata, idet efterspørgselsdata typisk beskriver aggregerede data i form af godsmatricer el.lign. og adfærdsdata en enkelt transport, en gruppe af homogene transporter eller en forsyningskæde. Operationelle data omfatter data f.eks. transportomkostninger og lokalisering af lagre, som er knyttet til gennemførelse af transporterne. Data kan også beskrives ud fra en geografisk og tidsmæssig dimension. Den geografiske dimension beskriver den geografiske udbredelse og områdeinddeling. Her fokuseres på kilder, som indeholder væsentlige data om godstransporten i Danmark, til og fra Danmark eller transit igennem Danmark. Endelig koncentreres beskrivelsen til data, som ikke er ældre end 10 år. 11

18 4 Beskrivelse og vurdering af data Bilag 2 indeholder en detaljeret beskrivelse af de enkelte datakilder, som er fundet relevante i forbindelse med udvikling af en national godstrafikmodel. Nærværende afsnit sammenfatter og vurderer datakilderne. 4.1 Plandata Plandata er data, der fysisk beskriver et givet geografisk område. I modelsammenhæng svarer den geografiske opdeling til modellens zoner. Plandata benyttes typisk i anvendelsessituationer som forudsætninger ved beregning af fremtidige scenarier. De benyttes også i bestemmelse af modeller for produktion og turfordeling i de tilfælde, hvor der benyttes aggregerede data i estimationen. En anden anvendelse er detaljering af godsmatricer til et finere zonesystem. Det er primært danske datakilder, som er relevante i forbindelse med udvikling og anvendelse af en national godstrafikmodel. De beskrives i afsnit På grundlag af bl.a. behovsanalysen er det sandsynligt, at den sydlige del af Sverige vil indgå som en integreret del af modellen. Svenske datakilder beskrives derfor summarisk i afsnit Danmark De vigtigste plandata er formodentlig oplysninger om befolkning og antal arbejdspladser (Bilag 2 kilde 1.1). Danmarks Statistik besidder meget præcise oplysninger om aktuel befolkning og antal arbejdspladser opdelt på arbejdsstilling henholdsvis erhvervsbranche, køn og alder. Som standard kan de leveres geografisk opdelt på postnumre, sogne, byer, kommuner og amter, men brugeren kan også selv definere den geografiske opdeling ud fra vejregister eller GIS. Diskretionshensyn begrænser dog muligheden for geografisk detaljering, idet hvert område skal omfatte mindst personer. Endelig hemmeligholdes oplysninger om militærområder o.lign. Danmarks Statistik udgiver prognoser for befolkningsudviklingen opgjort på kommuner og amter. Befolkningsprognoserne indeholder ikke opdeling efter arbejdsstilling, hvilket i givet fald må skønnes på basis af den aktuelle situation. Det vil også normalt være nødvendigt at skønne en geografisk detaljering i forhold til modellens zonesystem. 12

19 Danmarks Statistik udgiver ikke arbejdspladsprognoser. De kan fremskaffes fra HUR, amter og kommune, hvilket dog er ressourcekrævende. Endvidere er der sjældent konsistens mellem de uafhængige prognoser udarbejdet af amter og kommuner. En mulighed er at benytte RIMO (Regional Iterativ Model) til at fremskrive befolkning og arbejdspladser. RIMO er et pc-beregningsystem, som kan købes af Danmarks Statistik, til brug for regionaliseret fremskrivning af bl.a. befolkning og beskæftigelse. Befolkning opdeles efter køn og alder, og beskæftigelse opdeles efter branche. Modellen beregner som standard prognoser opdelt på amter, men brugeren kan selv definere en geografisk opdeling Sverige Oplysninger om den aktuelle befolkning og antal arbejdspladser i Sverige kan fremskaffes fra Statistiska Centralbyrån (SCB) (Bilag 2 kilde 1.2). Datagrundlag og fremgangsmåde minder meget om Danmark. Data kan leveres på faste geografiske områder såsom amter, kommuner og byer. Men det er også muligt at skræddersy data med hensyn til geografisk områdeopdeling, arbejdsstilling, branche, køn, alder mv. Zoneinddeling benyttet i forbindelse med udvikling af de nationale svenske modeller for person- og godstrafik (SAMPERS og SAMGODS) kan formodentlig nyttiggøres ved udtræk af svenske plandata. Endelig kan det nævnes, at der kan forventes at være forskelle mellem Danmarks Statistik og SCB med hensyn til definitioner og klassifikationer. Ligesom Danmarks Statistik udarbejder SCB befolkningsprognoser opdelt på kommuner ca. 50 år frem i tiden. SCB offentliggør med 2-3 års mellemrum arbejdspladsprognoser ca. 20 år ud i fremtiden. De officielle prognoser er kun opdelt på 8 regioner i Sverige, så en mere detaljeret opdeling i f.eks. kommuner kræver en bestilling hos SCB Platform Plandata bør opbevares i en digital database omfattende modellens zonestruktur, da det muliggør fleksibel brug af forskellige datakilder samt brug af allerede standardiserede metoder til kvalitetssikring. Et eksempel er ArcGIS, som er et større geografisk informationssystem og anvendt i flere projekter på CTT. For en nærmere behandling af emnet henvises i øvrigt til metodestudiet. 13

20 4.2 Økonomiske data Økonomiske data omfatter her primært input-outputtabeller. I godstrafikmodeller kan input-outputtabeller indgå i flere sammenhænge. For det første kan de bidrage til opstilling af varestrømme for modellens basisår. For det andet kan de benyttes som grundlag for udvikling af model til beregning af produktion/forbrug og fordeling af varestrømme mellem modellens zoner. Derudover omtales regnskabs- og firmastatistikken, idet disse data være relevante svarende til plandata beskrevet i afsnit 4.1. Det vil sige, at de kan anvendes i forbindelse med underopdeling af godsmatricer til et mere detaljeret zonesystem og i udvikling af modeller for produktion og turfordeling Input-outputtabeller En input-outputtabel er en måde at beskrive sammenhængene mellem import, produktion og anvendelser i økonomien for en given periode. Tabellen beskriver i pengeværdi, hvordan varer og tjenester i økonomien flyder mellem udbydere og efterspørgere. Udbydere er erhvervene, import og andre primære inputs, herunder aflønning af ansatte, mens efterspørgere udgøres af erhvervene og de endelige efterspørgsler bl.a. privat konsum og eksport. Tabellen, som udarbejdes af Danmarks Statistik, er baseret på nationalregnskabssystemet ENS95 (Bilag 2 kilde 2.3). Regionalisering Input-outputtabellen indeholder ikke nogen geografisk dimension. Derfor konstruerer Danmarks Statistik, Statens Jordbrugs- og Fiskeriøkonomisk Institut (SJFI) og AKF en særlig regionaliseret input-outputtabel refereret til som SAM-K (Bilag 2 kilde 2.4). Den geografiske inddeling er opgjort på kommuner og amter, således at matricerne beskriver pengestrømme mellem kommuner henholdsvis amter. Udlandet er alene repræsenteret ved en zone, som omfatter den samlede mængde import og eksport. Erhvervs- og varegrupperingen er aggregeret i forhold til den nationale input-outputtabel, idet der eksempelvis anvendes 20 varegrupper. Vurdering Da de regionaliserede input-outputtabeller er delvis konstruerede, er de behæftet med usikkerheder. Generelt vurderes kvaliteten som god. Den afhænger naturligvis af aggregeringsniveau, så der må forventes nogen usikkerhed ved opdeling på kommuneniveau. 14

21 Der kan nævnes følgende komplikationer i forhold til anvendelse i en godstrafikmodel: Varegrupperingen stemmer ikke overens med de traditionelle varegrupper i transportstatistikken f.eks. NST/R. Udlandet er alene repræsenteret ved en zone, hvilket er utilstrækkeligt i en national godstrafikmodel. SAM-K matricer indeholder pengestrømme, som skal oversættes til godsmængder. SAM-K matricerne indeholder ikke oplysninger om transportmidler Regnskabs- og firmastatistikken Danmarks Statistik udarbejder national og regional regnskabsstatistik (Bilag 2 kilderne og 2.5-6). Nationalregnskabet er baseret på ENS95 og foreligger for Danmark og EU-lande. I de regionale regnskaber er nationalregnskabet som standard opdelt på amter. Det er dog ved specialudtræk muligt at detaljere den geografiske opdeling. Firmastatistikken, som er baseret på ToldSkat s regnskabsoplysninger, indeholder bl.a. information om firmaernes omsætning og vareforbrug (Bilag 2 kilde 2.7). Oplysningerne offentliggøres dog kun på amtsniveau. Både regnskabs- og firmastatistikken vurderes at have stor pålidelighed. Det kan nævnes, at SCB besidder tilsvarende oplysninger. 4.3 Net og køreplaner Net og køreplaner er grundlaget for assignment af trafikken til vejstrækninger, banestrækninger, færgeruter mv. Desuden benyttes de til beregning af rejsetider, omladninger, omkostninger o.lign., som danner input til de øvrige beregninger i godstrafikmodellen. Endelig kan net og køreplaner i digital form anvendes i forbindelse med kvalitetssikring og præsentation af resultater. Brugbarheden af digitale kort afhænger af: Attributdata. Det er essentielt, at det digitale kort rummer nødvendige attributdata som f.eks. afgangstidspunkt, vejtype og hastighed. Geografisk detaljeringsgrad. Ved brug af GIS er det med rimelig geografisk detaljering muligt automatisk at kombinere forskellige digitale 15

22 kort. Det gælder f.eks. forbindelse mellem vejnet, banenet og færgeruter. Opdatering. For at fremtidssikre modellen vil det være en fordel at basere den på et digitalt kort, der opdateres løbende. Relationer til andre datakilder. Selvom et kortværk har en rimelig geografisk detaljeringsgrad vil det være en fordel, hvis der er prædefinerede relationer til andre datakilder. Organisatorisk tilgængelighed. Er kortet offentligt tilgængeligt (sælges eller formidles uden restriktioner), og hvad er prissætningen? Vejnet i Danmark Der findes et stort antal digitale vejnetsdatabaser i Danmark. Nogle af de vigtigste fremgår af Figur 1. Der findes en gruppe af digitale kort, som er knyttet til trafikmodeller. Det gælder f.eks. Havnetunnelmodellen, OTM, KRM og Landstrafikmodellen. OTM vers. 4.0, som er en videreudvikling af Havnetunnelmodellen, dækker Hovedstadsregionen. Attributdata er meget udbygget med hastigheder, antal kørespor, kapacitet, vejtyper og krydsdata. Den geografiske detaljeringsgrad er derimod mindre god, og det er vanskeligt at forbinde kortene til andre digitale kort. Vejnettet i København-Ringstedmodellen (KRM) svarer indenfor Hovedstadsregionen til Havnetunnelmodellen. Derudover indeholder KRM digitale kort for det øvrige Sjælland, Lolland-Falster og Fyn med samme attributdata bort set fra krydsdata. Landtrafikmodellen omfat- Havnetunnelmodellen VejnetDK VIS Landstrafikmodellen OTM Vers 4 DAU KRM ASTRID TrafMIL KRAKS Geodatabase KRAK AKTA/Trængsel Top10DK Eksempler på digitale vejnetskort i Danmark og deres relatio- Figur 1 ner Modelvejnet 16

23 ter et landsdækkende vejnet i EMME/2 format. Imidlertid er antallet af attributdata lille, idet det kun indeholder oplysninger om længde og skiltet hastighed. ASTRID ASTRID er Vejdirektoratets database over tællinger inden for TRIM-nettet. Der er tale om en database ikke et digitalt kort. TrafMIL TrafMIL er Københavns Kommunes vejnetsdatabase. TrafMIL er tilknyttet et digitalt kort, der dog ikke er topologisk sammenhængende og som er geografisk unøjagtigt. Der er i forbindelse med et andet projekt ved CTT manuelt kodet forbindelse til KRAK. VIS Vejsektorens Informationssystem (VIS) rummer data om stats- og amtsvejene. VIS er meget detaljeret hvad angår såvel attributdata som koordinatsætning. Imidlertid dækker VIS ikke kommuneveje, hvorfor nettet ikke er fuldt topologisk sammenhængene, og især i Hovedstadsregionen er det ikke tilstrækkeligt dækkende. VejnetDK VejnetDK er et digitalt vejkort, der ejes af Vejdirektoratet. Nettet er landsdækkende og rummer skønnede hastigheder samt en grov vejklassificering. Den geografiske nøjagtighed er nogenlunde, men der er ikke forbindelser til andre relevante kortværk. Prisen for VejnetDK er overkommelig, hvis ikke der endda kan opnås gratis adgang hertil via Vejdirektoratet. DAV DAV er et detaljeret landsdækkende digitalt vejnet med stor geografisk detaljering. Det indeholder dog kun få relevante attributdata, og der kan forekomme fejl i form af topologisk usammenhængende net. Det forhandles af Kampsax/Cowi. Top10DK Top10DK er Kort og Matrikelstyrelsens digitale kortværk over Danmark. Den geografiske nøjagtighed er særdeles høj. Men kortet opdateres regionsvist i en 5-års takt, hvilket er ret langsomt set i forhold til trafikmodellering. Top10Dk rummer ikke relevante attributdata eller forbindelse til andre kortværk. Top10DK er kostbart (den præcise pris forhandles, men for vejtemaet vil det være i størrelsesordenen 0,5-1 mio. kr.), og derfor ikke relevant for en national godstrafikmodel. CTT har en forsknings- og undervisningsversion af Top10DK, dog kun for Hovedstadsregionen. KRAKS Geodatabase KRAKS geodatabase er den digitale version af de velkendte KRAKSkortbøger (Bilag 2 kilde 3.1). I de områder, der dækkes af de trykte bøger bygger geodatabasen primært på KRAKS egne kort (Hovedstadsområdet, Nordsjælland, Større byer, m.v.). I resten af landet er KRAK en videreudvikling af DAV. KRAK rummer i forhold til DAV et kvalitetssikret felt for skiltet hastighed, samt en funktionel vejklassificering. KRAK er et kommercielt kort, der er overkommeligt prissat. KRAK er meget detaljeret geografisk 17

24 såvel hvad angår antal veje (alle danske veje er med) og koordinatsætning. På grund af de mange brugere af KRAK's kortbøger kombineret med aftaler med kommuner, opdateres og kvalitetssikres KRAK løbende (hvert kvartal udsendes ny version af det digitale kort). En række transportfirmaer benytter KRAK til rutelægning, hvorfor kortet er topologisk sammenhængende. I forbindelse med AKTA-projektet på CTT/DTU er KRAK benyttet som primært vejnet. I den forbindelse blev KRM attributdata overført til KRAK, og der blev etableret en ny vejklassificering omfattende hele Danmark. Det samlede net indeholder oplysninger om skiltet hastighed, antal kørespor og kapacitet. I Hovedstadsregionen er der via AKTA og Trængselsprojektet omfattende hastighedsmålinger, fordelt på morgenmyldretid, eftermiddagsmyldretid og resten af dagen. I forbindelse med Trængselsprojektet er der derudover etableret links til Vejdirektoratets ASTRID database (hastighedsmålinger på motorveje) og Københavns Kommunes TrafMIL database. DTF og CTT benytter allerede KRAK. KRAK er som nævnt et kommercielt kortværk. De nye attributfelter kan stilles til rådighed af CTT. Vurdering Det vurderes, at KRAKS geodatabase i den viderebearbejdede version er bedste bud på en dansk vejnetsdatabase, der er landsdækkende, koordinatsat nøjagtigt, rummer de nødvendige attributdata og er økonomisk overkommelig at erhverve. Den er uddybende beskrevet i Bilag Internationalt vejnet Der findes en række kommercielle internationale vejkort. Typisk indeholder de overordnede vejtyper (motorveje, motortrafikveje, landeveje og byveje), samt en grov hastighedsinddeling (typisk de generelle hastighedsgrænser for vejtyperne i det enkelte land). Andre kilder er de forskellige EU-modeller. Et review på enkelte af disse har dog afsløret en ganske ringe kvalitet (eksempelvis mangler "nye" motorveje, mens nedlagte færgeruter indgår). De kommercielle vejkort må således foretrækkes frem for mere tvivlsomme EU-modeldata. I Sverige og Norge vil vejnettet fra de nationale trafikmodeller (SAMPERS, SAMGODS og NEMO) formentligt være den bedste kilde. I Tyskland må data fra SENEX (TetraPlan, 2003) anses for det mest brugbare, ligesom en første version af en national godsmodel kan bygge videre på SENEX internationale net Banenet Digitaliseringen af det danske banenet kan bygge på KRAKS geodatabase eller datakilder fra Banestyrelsen. Da antallet af banegodsterminaler er ret 18

25 begrænset, og godskanalerne ligeså, vil det være let at kode de nyeste oplysninger direkte efter anvisning fra Banestyrelsen. Udenfor Skandinavien og det nordtyske område er det kun hovednettet, som skønnes relevant. Det kan formodentlig relativt nemt manuelt kodes ud fra oplysninger fra Banestyrelsen og relevante transportører, f.eks. Railion. Som alternativ kan benyttes SENEX eller data fra EU Planco modellen, som dækker Europa rimeligt detaljeret. CTT har adgang til dette kortværk. Det vil dog være nødvendigt at foretage nogen manuel kodning bl.a. omladningspunkter til vejnettet Færger og søfart De interne danske færgeruter er allerede kodet i forbindelse med CTT's AKTA-projekt i KRAKS geodatabase. Sejltiden inkl. en skønnet ventetid indgår som attribut. Relevante internationale færgeruter indgår i SENEX. Da antallet af ruter er begrænset kan oplysningerne evt. opdateres manuelt. Lloyds Maritime Information Services (LMIS) besidder meget omfattende databaseoplysninger vedrørende verdens skibsfart. Databaserne indeholder bl.a. oplysninger om skibsdata og bevægelser, hvorfor det kan benyttes i forbindelse med en manuel kodning af de vigtigste sejlruter. 4.4 Handels- og transportstatistik Nedenfor omtales handelsstatistikken og den transportmiddelopdelte transportstatistik Udenrigshandelsstatistik Udenrigshandelsstatistikken er en vigtig kilde ved udvikling af godstrafikmodeller med et internationalt perspektiv. Data benyttes ved opstilling af godsmatricer for basisåret, estimation og validering af modellen. Intrastat/Extrastat Den danske udenrigshandelsstatistik er opdelt i to statistikker: Intrastat for handel mellem EU-lande og Extrastat for handel med ikke EU-lande. Instratstat (Bilag 2 kilde 4.1) er baseret på lovpligtig indberetning af import og eksport for firmaer, som har en årlig import større end 1,5 mio. Dkr. og/eller eksport større end 2,5 mio. kr. Instratastat afløste den den tidligere handelsstatistik baseret på told- og forsendelsesdokumenter. Extrastat (Bilag 2 kilde 4.2) er fortsat baseret på indberetninger til ToldSkat i forbindelse med ind- og udførsel af varer. Alle transaktioner over Dkr. og kg skal angives. Transaktioner under de statisti- 19

26 ske tærskler i Intrastat og Extrastat estimeres af Danmarks Statistik for at fuldstændiggøre statistikkerne. Geografisk foreligger statistikkerne på landeniveau (NUTS 0) og beskriver oprindelsessted og det endelige bestemmelsessted for varerne. Hvis data skal benyttes i en godstrafikmodel, er det nødvendigt med en geografisk underopdeling. Da Intrastat er baseret på indberetninger fra firmaer med kendt lokalisering, er det principielt muligt at bregne en mere detaljeret opdeling indenfor Danmarks grænser. I Extrastat kendes toldsted og grænseovergang, som kan benyttes til en skønsmæssig fordeling af vare på geografiske områder indenfor Danmark. De nævnte fremgangsmåder kræver dog specielle dataleverancer fra Danmarks Statistik, og det er ikke muligt at underopdele geografisk udenfor Danmark. Alternativt må den geografiske fordeling skønnes ved hjælp af modelberegninger. Begge statistikker indeholder oplysninger om nettovægt, værdi og varetype i henhold til KN. Nettovægt betyder, at vægten af f.eks. container og emballage ikke medtages. Statikkerne dækker alene transport af varer. Flyttegods, transport af tomme containere o.lign. indgår derfor ikke. Disse to punkter adskiller udenrigshandelsstatistikken fra transportstatikken. Vurdering Intrastat indeholder ingen oplysninger om transportmiddel, hvilket er et stort problem i forbindelse med anvendelse af data til modellering. Extrastat indeholder oplysninger om transportformen ved grænsen, men: Transportformen kan være misvisende, f.eks. vil en transport med lastbil til Hamborg og videre med skib til USA optræde som en lastbiltransport til USA i statistikken. Der er ingen information om kombinerede transporter, idet alene det anvendte transportmiddel ved grænsen registreres. Lastbil og tog med færge registreres i statistikken som søtransport, hvor det i modeller og transportstatikken normalt opfattes som lastbilog banetransport. Den danske udenrigshandelsstatistik kan sammenlignes med partnerlandets opgørelser. Det er f.eks. gennemført i forbindelse med udvikling af SENEX, hvor det konkluderes, at ved samhandel mellem et stort og lille land er statistikken fra det lille land som regel mest præcis. Statistikken for samhandel mellem ensartede lande bør baseres på importstatistikken, idet den er mere valid end eksportstatistikken. EU s handelsstatistik COMEXT (EUROSTAT, 2002b), som trådte i kraft med indførelse af det indre marked den , omfatter udenrigshandel mel- 20

27 lem EU-landene samt mellem EU-lande og ikke EU-lande (Bilag 2 kilde 4.3). Den er baseret på medlemslandes handelsstatistikker: Instrastat og Extrastat. EUROSTAT gennemfører en efterbehandling af de nationale statistikker for at opnå konsistens. Eksempelvis håndteres opregning for virksomheder og forsendelser under minimumsgrænserne forskelligt mellem landene. Siden den er det muligt at angive det forventede transportmiddel ved grænsen i Instrastat, hvilket benyttes i flere EU-lande. COMEXT indeholder derfor angivelse af transportmiddel. EU intermodal Som nævnt ovenfor er beskrivelsen af transportmidler mangelfuld i udenrigshandelsstatiskkerne. EUROSTAT udarbejder derfor lejlighedsvis en særlig statistik, som beskriver varetransport opdelt på kombinationer af transportmidler (EUROSTAT, 2002c) mellem EU-lande samt mellem EU-lande og ikke EU-lande. Den seneste stammer fra år 2002 og er baseret på en viderebearbejdning af foreliggende statistikker fra 1998/99 (Bilag 2 kilde 4.4). Statistikken er foreløbig koncentreret om transport med container, veksellad og sættevogn, som ofte anvendes i kombinerede transporter. Det sammen med den tidsmæssige forsinkelse begrænser i nogen grad anvendeligheden i forbindelse med modellering. Endvidere har statistikken ikke samme store nøjagtighed som udenrigshandelsstatistikkerne, idet den i høj grad er baseret på skøn Kørebogsanalyser Godstransport med lastbil beskrives ved hjælp af en national kørebogsanalyse og en stikprøveundersøgelse blandt virksomheder med international transport. National trafik Den nationale kørebogsanalyse omfatter transport med danske lastbiler (over 6 ton), hvor både på- og aflæsningssted ligger i Danmark (Bilag 2 kilde 4.5). Undersøgelsen er gennemført siden Hvert kvartal udsendes et spørgeskema til en stikprøve på ca. 900 af de ca lastbiler i Danmark, som skal beskrive de enkelte transporter indenfor en uge i kvartalet. Oplysningerne omfatter bl.a. på- og aflæsningsted (amt), køretøjstype, lasteevne, godsmængde og varetype. Varerne kodes i 28 grupper, som er sammenlignelig med NST/R-24. Svarprocenten stor (ca. 90%), men: Stikprøven er relativ lille, så der er væsentlig usikkerhed forbundet med segmenteringer efter varegrupper og geografi. Besvarelserne er i en del tilfælde mangelfulde, idet chaufføren ofte glemmer nogle af de gennemførte ture. 21

28 Transport udført med udenlandske biler i Danmark (cabotagekørsel) er ikke omfattet af undersøgelsen. International trafik Der gennemføres en tilsvarende undersøgelse af international transport med danske lastbiler omfattende kørsel til og fra Danmark, tredjelandskørsel (mellem to udlande) og cabotagekørsel (Bilag 2 kilde 4.6). Statistikken er gennemført siden 1993 ved udsendelse af spørgeskemaer hvert kvartal til ca. 700 af de 1600 firmaer, der har international godstransport med egne eller leasede lastbiler. Virksomhederne skal svarende til den nationale kørebogsanalyse oplyse om internationale lastbiltransporter indenfor en given uge i kvartalet. På grund af manglende indberetninger af ture og fejlfortolkninger, er der en større systematisk undervurdering af de internationale lastbiltransporter, hvilket korrigeres af Danmarks Statistik. Vurdering Tilsvarende kørebogsundersøgelser gennemføres i de øvrige EU-lande og sammenstilles af EUROSTAT til at omfatte godstransport med lastbiler indenfor EU. Ved sammenligning med udenrigshandelsstatistik skal man bl.a. være opmærksom på: At statistikken indeholder bruttovægt inkl. emballage. At statistikken beskriver af- og pålæsningssted, som ikke altid er det samme som varens oprindelses- og bestemmelsessted. At statistikken alene omfatter transport med lastbiler fra EU-lande. Kørebogsanalyserne indeholder oplysninger om de enkelte ture, det vil sige disaggregerede data, som kan benyttes til modelestimationer. Imidlertid forbyder diskretionshensyn at udlevere rådata, så udtræk altid foreligger i aggregeret form. Kørebogsanalyserne kan derfor primært benyttes til bestemmelse af godsmatricer for basisåret og valideringer. Da undersøgelserne indeholder informationer om kapacitetsudnyttelse og tomkørsel, kan de endvidere benyttes ved konverteringer fra godsmængder til lastbilture. Danmarks Statistik har gennemført tilsvarende ad hoc undersøgelser af godstrafik med varebiler. Datagrundlaget er relativt spinkelt og undersøgelserne har dermed begrænset værdi Banetransport Statistikken over godstransport med bane omfatter national og international godstransport på det danske banenet (Bilag 2 kilde 4.7). Der skelnes mellem: National transport, hvor på- og aflæsningssted foregår i Danmark. 22

29 International transport, hvor enten på- eller aflæsning foregår i udlandet. Transitkørsel, hvor godset passerer igennem Danmark. Statistikken udarbejdes af Danmarks Statistik på basis af indberetninger fra Banestyrelse, Railion og privatbanerne. Den nationale godstransport opgøres i bruttovægt fordelt på amter. International godstransport og transitkørsel fordeles på landeniveau. Godset opdeles i få grupper efter type (kombigods, hellast og stykgods) og vareart (5 grupper). Statistikken har stor nøjagtighed, da den er baseret på totalopgørelser. Tilsvarende statistikker udarbejdes i de øvrige EU-lande, da det er påkrævet via et EU-direktiv. Statistikken kan primært benyttes i forbindelse med etablering og opdeling af godsmatricer for basisåret efter anvendt transportmiddel. Men den manglende geografiske detaljering af den internationale godstransport og få varearter er et problem. Det er derfor nødvendigt at supplere med andre datakilder, modelberegninger eller skøn. Eksempelvis kan oplysninger fra Railion baseret på fragtbreve anvendes Søtransport Den danske statistik om søtransport, som udarbejdes af Danmarks Statistik omfatter: Indberetninger fra færgerederier om gods i færgefart. Indberetninger fra havne om godsomsætning fra fragtskibe. Færger Færgestatistikken beskriver godsmængder på færger mellem to danske havne eller mellem en dansk og en udenlandsk havn opgjort på lastbilgods, banegods og andet gods (Bilag 2 kilde 4.8). Der er i et vist omfang tale om skøn, idet godsmængder med lastbil er beregnet på basis af antal overførte lastbiler. Fragtskibe Havnestatistikken beskriver omfanget af ud- og indskibning af gods med fragtskib mellem to danske havne eller mellem dansk og udenlandsk havn (Bilag 2 kilde 4.9). For den indenlandske transport findes godsmængder opgjort mellem amter. For den internationale godstransport opgøres godsmængder kun mellem lande. For de store havne er der tale om indberetninger af alle anløb, så statistikken har stor pålidelighed. Derimod er omsætning på de mindre havne baseret på summariske opgørelser. 23

30 Tilsvarende statistikker findes i de øvrige EU-lande, da det er bestemt ved EU-direktiver. Vurdering TetraPlan (2003) indeholder en vurdering af datagrundlaget, hvor det for den internationale godstransport bemærkes: At statistikken i modsætning til udenrigshandelsstatistikken ikke beskriver varens oprindelses- og bestemmelsessted. Eksempelvis vil de store kontinentalhavne som Hamborg, Bremen, Rotterdam og Antwerpen have mere trafik end antydet i handelsstatistikken, idet varer feeders videre til de nordiske lande. Et andet eksempel er de baltiske lande, som fungerer som transithavne for import og eksport til Rusland. At vareklassifikationen for transport med fragtskib afviger fra de normale standarder, som er beskrevet i afsnit 2. Og for gods i færgefart foretages ingen vareklassifikation. At der kan være geografisk uoverensstemmelse med udenrigshandelsstatistikken. Eksempelvis angiver søtransportstatistikken større mængder af eksporteret olie til de sydeuropæiske lande end handelsstatistikken. Det kan skyldes, at det i udenrigshandelsstatistikken opføres under Holland, idet det kan være solgt til oliemarkedet i Rotterdam. At godsvægten omfatter emballage, hvilket medfører en overvurdering af vægten. Data for den indenlandske transport kan anvendes til bestemmelse af transportmiddelopdelte godsmatricer for basisåret. Det kræver dog skøn med hensyn til vareklassifikation og geografisk detaljering udover amtsniveauet. Data kan også benyttes til opstilling af internationale godsmatricer, men jf. ovenstående vil der i mange tilfælde være behov for skøn. Endelig kan statistikkerne benyttes til validering og kalibrering af modellen Luftfragt Statens Lufthavnsvæsen indberetter godsomsætningen over alle danske lufthavne til Danmarks Statistik (Bilag 2 kilde 4.10). Der skelnes ikke mellem varearter, og varestrømme opdeles ikke geografisk. Da mængden af luftfragt er lille, ses der ofte bort fra den i godstrafikmodeller. Ellers kan den nuværende statistik primært benyttes i forbindelse med validering af modellen. Et EU-direktiv forventes vedtaget i år 2003, hvilket vil medføre bedre informationer om bl.a. geografisk fordeling af varestrømme. 24

31 4.4.6 Vejtrafiktællinger Vejdirektoratet, amterne og kommunerne gennemfører systematiske maskinelle og manuelle tællinger af biltrafikken (Bilag 2 kilde 4.11). Vejdirektoratet og amterne gennemfører permanente maskinelle tællinger over 300 steder på stats- og amtsvejnettet. Imidlertid opdeles maskinelle tællinger kun efter længde og ikke efter køretøjstype, hvorfor det er vanskeligt at udskille lastbiler. Vejdirektoratet gennemfører et mindre antal manuelle tællinger bl.a. 70 faste steder i Danmark. Desuden gennemfører amter og kommuner også manuelle tællinger på ad hoc basis. Københavns kommune foretager dog et stort antal systematiske manuelle tællinger. Usikkerheden forbundet med manuelle tællinger er dog væsentlig, idet der typisk kun tælles få timer. VIS indeholder oplysninger om årsdøgntrafikken og andel af lastbiler på stats- og amtsvejnettet. VIS opdateres hvert år på grundlag af de gennemførte tællinger. Da der ikke tælles på alle strækninger, er der i stort omfang tale om skøn i forbindelse med de årlige opdateringer. Specielt er tallene om lastbiltrafikken meget usikre. Der kan ikke opgøres godsmængder ud fra tællingerne, men data kan benyttes i forbindelse med kalibrering og validering af en godstrafikmodel. 4.5 Trafikanalyser efterspørgselsdata I forhold til statistiske data er trafikanalyser ad hoc prægede dataindsamlinger baseret på konkrete behov. Efterspørgselsdata beskriver aggregerede data i form af godsmatricer el.lign. Her er det valgt at belyse den svenske varestrømsundersøgelse (VFU), godsmatricer stammende fra danske modelstudier og europæiske godsdatabaser. De nævnte datakilder kan mere eller mindre direkte benyttes til opstilling af basismatricer i en national godstrafikmodel Den svenske varestrømsundersøgelse (VFU) Den svenske varestrømsundersøgelse dækker år 2001 (SIKA, 2003). To mindre undersøgelser er gennemført i 1996 og 98. Formålet med undersøgelsen er at give et geografisk billede af godsstrømme indenfor Sverige samt mellem Sverige og udlandet samt belyse anvendelsen af transportmidler. Undersøgelsen koster omkring 5,0 mio. Dkr. og foretages af Sveriges SCB for SIKA (Bilag 2 kilde 5.1). 25