Prognoseforudsætninger for trafikmodelberegninger. Camilla Brems Allan Steen Hansen

Transkript

1 Prognoseforudsætninger for trafikmodelberegninger Camilla Brems Allan Steen Hansen Juli 2010

2 Prognoseforudsætninger for trafikmodelberegninger Notat 2010:1 Juli 2010 Af Camilla Riff Brems og Allan Steen Hansen Copyright: Udgivet af: Rekvireres hos: Hel eller delvis gengivelse af denne publikation er tilladt med kildeangivelse Forsidefoto: Michael Medgyesi DTU Transport Bygningstorvet 116 V 2800 Kgs. Lyngby ISSN: (Elektronisk udgave) ISBN: (Elektronisk udgave)

3 Indhold 1 Indledning Baggrund Formål Principper for prognoseforudsætninger Generelle forudsætninger Økonomi Befolkning Arealanvendelse Bilejerskab og -brug Transportomkostninger Generel trafikvækst Trafikvækst for vejtrafik Trafikvækst for banetrafik Netdata Vejnet Kollektive net Referencer... 20

4 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 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

5 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 Data Oversigt over forudsætninger Kilder Generelle forudsætninger Økonomi Befolkning Arealanvendelse Bilejerskab Transportomkostninger Finansministeriet og Danmarks Statistik Danmarks Statistik Danmarks Statistik, Finansministeriet, regioner og kommuner Danmarks Statistik og DTF for Infrastrukturkommissionen Transportøkonomiske Enhedspriser Generel trafikvækst Vejtrafik Kollektiv trafik ART til Infrastrukturkommissionen Tetraplan for Infrastrukturkommissionen Netdata Vej Kollektiv Vejdirektoratet Trafikstyrelsen 2

6 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 Tabel 2 Udvikling i real BNP ,1% 1,3% 1,8% 2,1% 2,3% 1,9% 1,5% 1,1% 1,2% 1,3% ,4% 1,4% 1,4% 1,6% 1,6% 1,7% 1,6% 1,5% 1,6% 1,5% ,4% 1,5% 1,5% 1,5% 1,6% 1,6% 1,6% 1,7% 1,7% 1,7% ,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

7 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, -> 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 -> 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

8 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, -> 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

9 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 -> 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

10 Tabel 3 Beskæftigede fordelt på brancher for udvalgte år Landbrug mv. 83,3 71,4 52,8 45,6 41,1 36,9 Udv. af brunkul, råolie mm 1,3 1,8 0,9 0,6 0,3 0,0 El-, gas- og fjernvarmefors. 10,4 11,9 8,8 7,8 7,2 6,7 Olieraffinaderier 0,7 0,8 0,5 0,5 0,4 0,3 Næringsmiddelindustri 62,9 58,7 54,0 50,0 46,6 43,2 Nydelsesmiddelindustri 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 Jern- og metalindustri 151,3 160,8 138,0 136,0 137,8 149,5 Anden fremstillingsvirks. 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 Andre tjenesteyd. erhverv 598,0 607,5 651,2 671,9 693,3 732,5 Boligbenyttelse 15,4 14,1 13,8 14,0 14,5 14,9 Erhvervet offentlige tjenester 796,5 810,6 828,7 864,4 892,2 904,0 I alt 2726,9 2759,1 2793,5 2849,7 2905,1 3004,5 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 -> arbejdsmarked -> pendling mellem bopæl og arbejde (RAS) PENDAB11 beskriver beskæftigede efter bopælskommune, arbejdsstedsområde (kommune) og køn 7

11 Studiepladser Danmarks Statistik opgør omfang og lokalisering af eksisterende studiepladser opdelt på -> 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 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 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 -> transport -> køretøjer og -> befolkning og valg -> folketal 8

12 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 Landsdele Bilejerskab Hele landet Hovedstaden 342 Københavns By 244 Københavns omegn 394 Nordsjælland 425 Bornholm 387 Sjælland 403 Østsjælland 390 Vest- og Sydsjælland 409 Syddanmark 403 Fyn 389 Sydjylland 412 Midtjylland 393 Østjylland 382 Vestjylland 414 Nordjylland 397 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

13 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. Figur 1 Fremskrivning af bestanden af personbiler samlet set og per 1000 indbyggere 3, ,5 500 Bestand af personbiler (mio. 2,0 1,5 1, Personbiler per 1000 indb 0,5 Bestand personbiler Personbiler per 1000 indb 100 0, 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 baggrundsrapport, der kan findes på hjemmesiderne for henholdsvis Infrastrukturkommissionen og DTU Transport. 10

14 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 ,9% 295 1,5% ,1% 328 1,1% ,7% 372 1,3% ,2% 390 1,0% ,3% 412 1,1% ,2% 434 1,0% ,8% 447 0,6% ,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 Tilsvarende opgøres i Transportøkonomiske Enhedspriser belægningsgrader for forskellige turformål baseret på Transportvaneundersøgelsen. 11

15 Figur 2 Belægningsgrader (personer per bil) 2,0 1,84 1,5 1,68 1,60 1,54 1,47 1,0 0,5 0, 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

16 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) 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 2,44 2,40 2,46 1,69 1,66 1, ,84 1,96 2, ,69 4,07 4,26 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

17 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 % Vægt Nettoprisindeks 20 Indeks for brændstof 10 Lønindeks for privat sektor 60 Ændring i obligationsrente 10 hvor obligationsrenten dog opgøres i %-point. 14

18 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 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

19 Figur 3 Udvikling i trafikarbejde på statsveje og kommunevej for henholdsvis let og tung trafik Statsveje, let trafik Statsveje, tung trafik Statsveje, i alt Kommuneveje, let trafik 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 km per år) Fremskrivning af trafikarbejde med person- og varebiler (mio. Samlet trafikarbejde Primære statsvejnet Sekundære statsvejnet ultimo Gns. årlig vækst ultimo Gns. årlig vækst Trafikarbejde Trafikarbejde Trafikarbejde ultimo Gns. årlig vækst ,0% ,0% ,0% ,1% ,1% ,1% ,2% ,2% ,0% ,1% ,0% ,1% ,9% ,9% ,9% 16

20 Flere detaljer om forudsætningerne og beregningerne kan findes på 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 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) Gns. årlig vækst Alle tog 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% Fjerntog 7,8 9,3 0,7% Nationale rejser i alt 151,1 159,8 0,2% Internationale 0,8 1,0 0,9% Øresund 6,3 13,0 2,9% 17

21 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 -> 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 principper, muligheder og hovedudfordringer fra maj Publikationen kan findes på 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

22 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 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 ( 3 Et køreplanudtræk fra Rejseplanen ligger i HAFAS-format. Bemærk, at udtræk fra Rejseplanen indeholder planlagte ændringer som eksempelvis sporarbejder med indflydelse på togbetjeningen. 19

23 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, Tetraplan (2008) Metroprognoser 2008, beregningsforudsætninger 2012 og 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

24 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 Fax