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

32 VFU er gennemført som en stikprøveundersøgelse blandt virksomheder indenfor minedrift, fremstillingsvirksomhed og engroshandel (NACE Rev. 1 koderne 10-37, 503 og 51) suppleret med registeroplysninger for virksomheder indenfor sukkerproduktion, produktion af mælk og træproduktion. Der er udsendt spørgeskemaer til virksomheder ud af de i alt ca virksomheder i de nævnte brancher svarende til en stikprøveandel på 33%. Alle større virksomheder har for hvert kvartal indberettet i en udvalgt uge, hvor et udvalg af mindre virksomheder kun har indberettet for en uge i et kvartal. De allermindste virksomheder er ikke medtaget i undersøgelsen. Virksomheder skal indberette varer sendt fra virksomheden til andet sted i Sverige eller udlandet samt modtaget fra udlandet. Vare modtaget fra Sverige indberettes ikke for at undgå dobbeltregning. Forsendelserne beskrives detaljeret med hensyn til bl.a. vægt, værdi, varetype, anvendte transportmidler samt modtagelses- og afsendelsessted: Vægt angives som nettovægt uden emballage, og værdi svarer til faktura uden fragtomkostninger. Varerne klassificeres i overensstemmelse med NST/R og aggregeres efterfølgende til varegrupper i SAMGODS (12 STAN varegrupper). Der er en detaljeret beskrivelse af transportmidler i og udenfor Sverige, således at kombinerede transport også kan belyses. Endvidere oplyses lasttypen f.eks. stor container, palle og fast bulk. Indenfor Sverige registreres modtagelses- og afsendelsessted ved postnummer og by. I det øvrige Europa opdeles varestrømmene geografisk efter land og by. Udenfor Europa skelnes alene mellem verdensdele. Der er en stor svarprocent på grund af indberetningspligt. Efter korrektion for manglende svar og ufuldstændige svar viser undersøgelsen fin overensstemmelse med bl.a. udenrigshandelsstatistikken. Datakilden vurderes derfor som meget pålidelig, skønt usikkerheden naturligvis stiger med omfang af segmenteringer efter varegrupper, transportmidler og geografi. Da ikke alle virksomhedsbrancher er omfattet af undersøgelsen, er den ikke i stand til at beskrive den samlede transport. De væsentligste mangler vedrører fødevarer og detailhandel. Undersøgelsen indeholder heller ikke information om distributionscentre og oplagring, hvilket har været en ulempe i forbindelse med de igangværende overvejelser om udvidelse af SAMGODS med en logistikmodul. Den næste VFU er planlagt til gennemførelse i år 2004, hvor det er målet at inddrage flere brancher og indhente oplysninger om distribution. 26

33 I udvikling af en national godstrafikmodel kan VFU være meget relevant til beskrivelse af godstransport mellem Danmark og Sverige samt godstransport indenfor den sydlige del af Sverige, idet den giver en pålidelig og detaljeret opdeling på geografi, transportmidler og varegrupper Danske modelstudier Inden for de sidste 10 år er der gennemført flere større modelstudier, hvor godstransport har indgået. Der kan fremhæves følgende studier: undersøgelse af fast forbindelse over Femern Bælt, undersøgelse af tyske kørselsafgifter samt undersøgelse af fast forbindelser over Storebælt og Øresund. I alle nævnte projekter er der opstillet godsmatricer, som kan benyttes i udvikling af en national godstrafikmodel. Femern Bælt Undersøgelsen af en fast forbindelse over Femern Bælt blev gennemført i midten af 1990 erne og omfattende både person og godstrafik (Fehmarnbelt Traffic Consortium, 1999). Studiet beskriver trafik mellem Norden (Danmark, Norge, Sverige og Finland) og det Europæiske Kontinent over et snit langs den danske landegrænse og Østersøen. Godsmatricerne er opstillet for 1994 og dækker godsstrømme for 11 varegrupper baseret på NST/R og 4 transportmidler (lastbil, bane, skib og fly). Geografisk er området opdelt i 207 zoner, hvoraf der findes ca. 30 zoner i Danmark. I Jylland og Fyn svarer zoneinddelingen stort set til amter, hvor det på Sjælland og Lolland- Falster er mere detaljeret. Godsmatricerne er opstillet på basis af statistiske kilder og interview (Bilag 2 kilde 5.3). SENEX Der er i år 2002 gennemført en undersøgelse af konsekvenser af afgifter ved lastbilkørsel i Tyskland. Til brug herfor er der opstillet en model baseret på Femern Bælt undersøgelserne (TetraPlan, 2003). Godsmatricerne er ud fra handels- og transportstatistikker opdateret til år Der anvendes samme vareklassifikation men fly er udeladt som transportmiddel, idet det behandles under lastbil, og der er sket en sammenlægning af mindre zoner omkring Femern Bælt og i Skåne (Bilag 2 kilde 5.2). Storebælt Undersøgelsen beskriver trafikken mellem Øst- og Vestdanmark over et snit igennem Storebælt. Ud fra interview med lastbilchauffører er der opstillet godsmatricer for året 1995 med varestrømme mellem amter øst og vest for Storebælt. Godsmatricerne vedrører alene lastbiltransport og er opdelt på 8 varegrupper samt tomkørsel (Bilag 2 kilde 5.4). Øresund Undersøgelsen beskriver trafikken over et snit langs Kattegat, Øresund og Østersøen syd for Sverige. Der er gennemført et stort antal interview med lastbilchauffører i havnene år 1995 og 96 som sammen med handels- og transportstatistikker har dannet grundlag for opstilling af godsmatricer. Godsmatricerne omfatter alene godstransport med lastbil. Varerne er klas- 27

34 sificeret i 25 varegrupper men i modellen aggregeret til 4 grupper. Zoneinddelingen omkring Øresund er relativ detaljeret (Bilag 2 kilde 5.5). Det kan konkluderes: At godsmatricerne i SENEX bør foretrækkes frem for Femern Bælt undersøgelserne, idet de er opdateret til år At godsmatricerne i SENEX udgør en vigtig kilde til beskrivelse af den internationale godstransport til og fra Danmark samt transit igennem Danmark. En viderebearbejdning af matricerne vil dog være nødvendigt, før de kan indgå i en national godstrafikmodel, eksempelvis må der forventes behov for en større geografisk detaljering. Dokumentationen antyder også et relativt stort omfang af skøn i forbindelse med opdateringen, hvilket indikerer nogen usikkerhed i matricerne. At data fra undersøgelse af de faste forbindelser over Storebælt og Øresund kun har begrænset værdi. For det første er de relativ gamle, idet de stammer fra midten af 1990 erne før etablering af de faste forbindelser. For det andet er zonestruktur og vareklassifikation relativ aggregeret, så en eventuelt anvendelse vil kræve adgang til grunddata. At modelstudierne ikke indeholder væsentlig viden om den interne godstransport i Danmark Europæiske godsmatricer Der findes en række EU-projekter omhandlende godstrafik. Godsmatricer udviklet i disse projekter kan bidrage til beskrivelse af varestrømme til og fra Danmark samt transit igennem Danmark. Her fremhæves følgende to projekter: SCENES og NEAC databasen (Bilag 2 kilde 5.6). SCENES I EU-projektet SCENES (EU FP4, 2002) er der udviklet en trafikmodel som behandler person- og godstrafik mellem 23 lande (15 EU-lande samt 8 central- og østeuropæiske lande) samt mellem disse lande og den øvrige verden. Der er etableret godsmatricer, som beskriver varestrømme for år 1995 opdelt på 13 varegrupper baseret på NST/R og transportmidler. De 23 lande er opdelt i 244 zoner primært baseret på NUTS 2, hvor Danmark udgør en zone. Verden udenfor dette områder er opdelt i 21 zoner. NEAC database NEAC databasen (NEA, 1999) indeholder varestrømme mellem EU-lande inkl. Norge og Svejts samt mellem disse lande og den øvrige verden. Databasen er sammenstillet på basis af forskellige nationale og internationale statistikker og beskriver så vidt vides varestrømme for året Varerne er klassificeret i 11 varegrupper svarende til NST/R s 10 hovedgrupper og 28

35 en særlige gruppe for råolie produkter. Der er opdelt på 5 transportmidler og kombinationer heraf. Zoneinddelingen er også her baseret på NUTS 2, hvor Danmark udgør en zone. NEAC databasen ejes af firmaet NEA, så der skal betales for udtræk af data. Databasen er benyttet i flere EU-projekter f.eks. TEN-STAC (EU, 2003), hvor NEA har deltaget. Vurdering Ovennævnte kilder er relevante i det omfang international trafik skal behandles i den nationale godstrafikmodel. NEAC databasen udgør den mest opdaterede beskrivelse af varestrømme, men adgang til data er formodentlig forbundet med ikke uvæsentlige omkostninger. Endvidere kræver det en geografisk nedbrydning af varestrømme til og fra Danmark. 4.6 Trafikanalyser adfærdsdata I dag estimeres trafikmodeller ofte på basis af disaggregerede data i form af oplysninger om faktisk gennemførte ture og transporter (RP-data) og stated preference data (SP-data). Da det er forholdsvis dyrt at gennemføre indsamlinger af sådanne data, omtales her eksisterende RP- og SP-data omhandlende godstransporter i Danmark (Bilag 2 kilde 6.1-2). RP-data I forbindelse med broprojekterne (Femern Bælt, Storebælt og Øresund) er der gennemført interview med lastbilchauffører om de aktuelle transporter. I Femern Bælt projektet er der gennemført interview med lastbilchauffører, og i Øresundsprojektet er der gennemført i interview med lastbilchauffører. SP-data Igennem 1990 erne er der gennemført et større antal SP-analyser af godstransport. Der kan nævnes: I 1993/94 (Transportrådet, 1995) blev der foretaget 235 SP-interview fordelt på 155 lastbiltransporter, 52 kombinerede vej- og banetransporter samt 28 søtransporter. I 1995/96 blev der i forbindelse med Øresundsprojektet gennemført 157 SP-interview med virksomheder i Danmark og Sverige. I 1995/96 blev der gennemført et par hundrede SP-interview i forbindelse med Storebælt undersøgelsen. I 1996 (Transportrådet, 1997) blev der gennemført 131 SP-interview med transportkøbere og -udbydere. I 1996 blev der gennemført ca. 300 SP-interview med virksomheder i Nodjylland, det sydlige Norge samt vestlige del af Sverige i forbindelse med vurdering af kombiterminal i Ålborg. 29

36 I 1996/97 blev der i forbindelse med Femern Bælt undersøgelserne gennemført 392 SP-interview. Vurdering Der foreligger således en del RP-data og SP-data om primært den internationale godstransport. Det kan dog være vanskeligt at kombinere data, da de formodentlig indeholder forskellige variabler og definitioner. Endvidere er kvaliteten af de første SP-analyser gennemført i 1993/94 noget tvivlsom. Det kan konkluderes, at der mangler RP-data og SP-data om den nationale godstransport i Danmark. Og i det omfang der indgår nationale transporter i ovennævnte data, så er det i alle tilfælde før åbning af de faste forbindelser. 4.7 Operationelle data Operatører som f.eks. Railion og Scanlines har detaljerede oplysninger om gennemførte transporter f.eks. fragtbreve, som kan være nyttige i forbindelse med udvikling af en godstrafikmodel. De kan bl.a. bidrage til detaljering og uddybning af de mere aggregerede statistikker, som indberettes til Danmarks Statistik. Data hos de enkelte operatører foreligger i varierende format og tilgængelighed. I dag foreligger de fleste data om transporter formodentlig på elektronisk form. Der kan dog være begrænset adgang til data, og det er derfor i hvert enkelt tilfælde nødvendigt at kontakte de enkelte operatører. Nogle af de vigtigste oplysninger i forbindelse med udvikling af en godstrafikmodel er transportomkostninger og placering af lagre og terminaler. Oplysninger om lagre og terminaler er i særlig grad relevante, hvis der skal udvikles en logistikmodul. Det kan nævnes, at Miljøministeriet har gennemført en analyse af godstransport i Danmark (Miljøministeriet, 2002), som bl.a. indeholder en kortlægning af terminaler og transportcentre i Danmark. Omkostninger indgår som et meget centralt element i estimation og anvendelse af en godstrafikmodel. I enkelte lande som f.eks. England udarbejdes et prisindeks på basis af et panel af virksomheder, hvilket kan give et indtryk af prisudviklingen og rabatteringen. Der findes ikke nogen tilsvarende statistik i Danmark. NEA (2003) indeholder en større hollandsk undersøgelser over omkostninger indenfor godstransport med lastbil, bane, skib, fly og rør. Den er baseret på rapporter og interview med transportører. Omkostningerne opgøres som gennemsnitlige omkostninger pr. km, time og ton. 30

37 TetraPlan (2003) indeholder en dansk oversigt over transportpriser for udvalgte transporter. På grund af kommercielle hensyn er det ofte vanskeligt at fremskaffe oplysninger om de reelle omkostninger (Transportrådet, 1997), fordi mange store kunder får betydelige rabatter. TetraPlan (2003) foreslår derfor, at listepriserne korrigeres med en rabat på 30%. 31

38 5 Konklusioner 5.1 Sammenfattende konklusion Afsnit 4 beskriver og vurderer de enkelte datakilder opdelt efter indhold. I nærværende afsnit belyses det eksisterende datagrundlag med udgangspunkt i modellen. Der kan sammenfattende fremhæves følgende mangler i det eksisterende datagrundlag i forhold til udvikling af en national godstrafikmodel: Data til etablering af pålidelige og detaljerede godsmatricer som beskriver varestrømme for et givet basisår. Specielt er den eksisterende viden om godstransport indenfor Danmarks grænser lille. Data til brug for udvikling af en model, der behandler virksomheders valg af forsyningskæder og oplagring (logistikmodul). SP-data som beskriver transportadfærden. Specielt mangler data om kort og mellemlange transporter. Oplysninger om de reelle transportomkostninger foreligger sjældent og er ofte baseret på skøn. Det kan nævnes, at der ofte er inkonsistens mellem de enkelte datakilder eksempelvis indeholder udenrigshandelsstatistikken nettovægt og transportstatistikken bruttovægt inkl. emballage. Det kræver arbejde at afdække sådanne forskelle og tilpasse data til modellens definitioner. I de følgende afsnit beskrives muligheder og begrænsninger i det eksisterende datagrundlag nærmere med udgangspunkt i modelaktiviteter som beskrevet i afsnit Beregning af varestrømme i basisår Det vurderes som afgørende, at der kan etableres pålidelige vare- og transportmiddelopdelte godsmatricer, som for et givet basisår beskriver varestrømme mellem modellens zoner. Dels kan de benyttes til pivot-point korrektion af modelberegninger, og dels kan de benyttes til estimation og validering af modellen. 32

39 International gods Der findes en række kilder som beskriver den internationale godstransport, der kan primært nævnes: VFU (afsnit 4.5.1) SENEX (afsnit 4.5.2) Europæiske godsmatricer (afsnit 4.5.3) Udenrigshandelsstatistik (afsnit 4.4.1) De kan vurderes med hensyn til kvalitet, geografisk detaljering, vareklassifikation og opdeling i transportmidler. Hvis der kan opnås adgang til nogle af grunddata i VFU, burde alle krav med hensyn til kvalitet og detaljering være opfyldt. Ud fra VFU kan der således etableres godsmatricer beskrivende varestrømme mellem Sverige og Danmark, mellem Sverige og det Europæiske Kontinent samt eventuelt internt i Sydsverige. DA VFU ikke omfatter alle varegrupper primært fødevarer mangler er det nødvendigt at supplere med andre af ovennævnte kilder. Data fra SAM- GODS må også kunne benyttes med opdatering til det aktuelle basisår. Den øvrige internationale godstransport til og fra Danmark og transit igennem Danmark kan beskrives ved hjælp af SENEX, europæiske godsmatricer og udenrigshandelsstatistikken. Fælles for dem er dog et behov for geografisk underopdeling af Danmark. SENEX er formodentlig den bedste kilde, idet den indeholder den mest detaljerede geografiske opdeling med Danmark inddelt i 25 zoner. Men SENEX indeholder ikke varestrømme mellem Danmark og Norge og er baseret på opdateringer af ældre godsmatricer fra Femern Bælt undersøgelserne. Ovennævnte datakilder benytter NST/R, så vareklassifikationen kan baseres på noget der ligner Tabel 1. Målet bør dog være at basere fremtidige vareklassifikationer på NST/2000, som er beskrevet i Tabel 4. SENEX benytter en relativ grov transportmiddelfordeling på skib, bane og lastbil. Kombinerede transportmidler behandles således ikke, luftfragt medtages under lastbiler og rørtransport under skib. Europæiske godsmatricer, VFU og EUROSTAT s intermodal statistik (afsnit 4.4.1) kan muligvis udnyttes til detaljering af transportmiddelfordeling. National gods I modsætning til den internationale godstransport findes der få data om den nationale danske godstransport. For Trafikministeriet udvikler Te- 33

40 traplan en model for national godstransport med lastbiler over 3,5 ton. Godset opdeles på samme 11 varegrupper som i SENEX, og Danmark inddeles i 64 zoner. Godsmatricerne baseres på den foreliggende statistik, og kvaliteten er på nuværende tidspunkt usikker. Alternativt kan regionaliserede input- outputtabeller benyttes sammen med transportstatistikken. For transportstatistikken gælder, at: Den nationale kørebogsanalyse beskriver godstransport med lastbil mellem amter i Danmark. Datagrundlaget er dog meget spinkelt, så det er behæftet med meget store usikkerhed. Statistikken over godstransport med bane opgør godsmængder (bruttovægt) mellem amter i Danmark. Vareklassifikationen er imidlertid meget grov med mindre grunddata i form af fragtbreve anvendes. Havnestatistikken beskriver godstransport (bruttovægt) med fragtskib mellem amter i Danmark. Der anvendes en særlig vareklassifikation som afviger fra NST/R. Hvis alene foreliggende data anvendes til beskrivelse af den nationale godstrafik, vil der være behov for en skønsmæssig fordeling til et finere zonesystem og tilpasninger af vareklassifikationer. Der må således samlet forventes en relativ usikker beskrivelse af den nationale godstransport opdelt på zoner og varegrupper. Hvis der kan opnås adgang, kan grunddata fra operatører f.eks. Railion benyttes til detaljering af vareklassifikation og geografi. Det vil dog kræve en ikke ubetydelig arbejdsindsats. Og godstransport med lastbil vil fortsat være beskrevet usikkert. 5.3 Estimation og udvikling af model Produktion og geografisk fordeling af varestrømme Databehovet afhænger i udpræget grad af modelvalget. Vælges eksempelvis en traditionel modelopbygning baseret på beregning af generation, attraktion og turfordeling ved hjælp af gravitationsmodel, er der især behov for godsmatricer for basisåret (se afsnit 5.2). Turrateprojektet, som belyser sammenhæng mellem arealanvendelse og lastbiltransport, kan eventuelt også benyttes. Hvis der derimod vælges en modeltype i retning af økonomiske ligevægtsmodeller, er det vigtigste databehov input-outputtabeller. Eksempelvis udgør SAM-K (afsnit 4.2) datagrundlaget for LINE modellen, som er en prognosemodel udviklet af AKF til beregning og geografisk fordeling af penge- 34

41 strømme. Anvendelse af SAM-K matricer ved udvikling af en model kræver dog en større geografisk detaljering med flere zoner både indenlands og udenlands. Endvidere skal varegrupperingen tilpasses modellering af godstransport. Idet økonomiske modeller beskriver pengestrømme, er det nødvendigt at konvertere værdi til vægt, hvilket f.eks. behandles i Kveiborg (2000). Der kan i øvrigt henvises til ME&P m.fl. (2002), som behandler økonomiske ligevægtsmodeller og databehov i forbindelse med en videre udvikling af SAMGODS Virksomhedslogistik For at kunne modellere godstransport mest korrekt er det nødvendigt at tage hensyn til distribution og oplagring af gods. Eksempler på sådanne modeller er beskrevet i metodenotatet. Det er ikke muligt ud fra det eksisterende datagrundlag at udvikle og estimere modeller, som kan håndtere logistiske betragtninger vedrørende valg af oplagring og distribution. Hvis en sådan model ønskes implementeret, er det nødvendigt at gennemføre en ny dataindsamling, hvor der bl.a. indhentes oplysninger om virksomheders forsyningskæder og oplagring. Problemet er nærmere behandlet i forbindelse med revision af SAMGODS (TFK, 2002) Transportmiddelvalg Transportmiddelvalget kan modelleres separat eller kombineres med rutevalget. Den sidste løsning behandles i afsnit Model for transportmiddelvalg kan estimeres på basis af aggregerede eller disaggregerede data. Estimation alene på basis af aggregerede data, det vil primært sige godsmatricer, kan ikke anbefales, idet der i dag findes væsentlig bedre metoder. Dermed vil der være behov for disaggregerede data. Afsnit 4.6 beskriver danske RP- og SP-data, indsamlet i forbindelse med andre projekter i løbet af 1990 erne. Der mangler imidlertid data om korte og mellemlange godstransporter. Og for den internationale godstransport må der i praksis forventes problemer ved kombination af data fra de forskellige undersøgelser. I estimationen er der behov for udbudsdata om transportomkostninger, tider mv. De kan eksempelvis beregnes ved hjælp af rutevalgsmodellen. 35

42 5.3.4 Rutevalg Grundlaget for rutevalgmodeller og kombinerede modeller for rutevalg og transportmiddelvalg er net og køreplaner. Det eksisterende datagrundlag beskrives i afsnit 4.3. Der er et stort udvalg af forskellige typer af databaser og digitale kort, og det vurderes, at der med en relativ beskeden arbejdsindsats til manuel kodning, vil være muligt at opstille digitale kort omfattende veje, baner, færgeruter og fragtskibsruter. Der skal til hver strækning i nettene knyttes attributdata. De mest simple attributdata som længder og hastigheder findes. Hvis der skal tages hensyn til kapacitet, omladninger, køreplaner o.lign., er det nødvendigt at kode oplysninger. Som nævnt i afsnit 4.7 kan det være vanskeligt at indhente oplysninger om de reelle transportomkostninger. TetraPlan (2003) beskriver listepriser, som eventuelt kan anvendes. Før udlægning af trafikken i nettene vil der være behov for at konvertere godsmængder til lastbilture, containere mv. Kørebogsanalyserne og VFU indeholder oplysninger, som kan benyttes til etablering af konverteringsrutiner. Sammenvejning af tider og omkostninger på de enkelte strækninger kan gennemføres ved hjælp af eksisterende danske og internationale modelstudier (Femern Bælt, Storebælt, OTM, SAMGODS m.fl.) eller direkte anvendelse af de foreliggende SP- og RP-data, selvom det naturligvis begrænser modelformuleringen i forhold til en ny dataindsamling. 5.4 Validering, kalibrering og anvendelser Før modellen avendes til prognoser, skal den valideres og kalibreres. Der er typisk tale om en sammenligning mellem beregnet og observeret trafik på strækninger og terminaler. De vigtigste datakilder er således transportstatistik og tællinger, som beskrives i afsnittene Der findes både i Danmark og udenfor Danmark et relativt stort materiale til brug for validering og kalibrering. Der må dog forventes arbejde forbundet med tilpasninger til modellens definitioner og afstemninger mellem de enkelte kilder. Til brug for prognoser skal plandata, økonomi mv. fremskrives. I Danmark er den vigtigste kilde Danmarks Statistik, som bl.a. udarbejder befolkningsprognoser. RIMO-modellen, som omtales i afsnit 4.1.1, er en mulighed til brug for mere detaljerede fremskrivninger. For udlandet vil der primært være tale om mere overordnede nøgletal beskrivende den forventede udvikling. Her er SCB i Sverige og EUROSTAT væsentlige kilder. 36

43 6 Litteratur Danmarks Statistik (2003). Intrastat. Den kombinerede nomenklatur. EU (2003). TEN-STAC: Scenarios, Traffic Forecasts and Analysis of Corridors on the Trans-European Network. Final Inception Report. Projektnr EU FP4 (2002). Final Report for Publication. SCENES European Transport Scenarios ST-97-RS EUROSTAT (2002a). European regional Statistics. Changes in the NUTS classification EUROSTAT (2002b). Statistics on the trading of goods User Guide. EUROSTAT (2002c). EU Intermodal Freight Transport. Key Statistical Data EUROSTAT (2003). European regional Statistics. Reference Guide. Fehmarnbelt Traffic Consortium (1999). Fehmarnbelt, Traffic Demand Study Final Report. (fås ved henvendelse til Trafikministeriet). Kveiborg, O. (2000). Determining Factors in the Development of Road Freight Transport. Paper præsenteret ved 3rd. KFB konference i Stockholm, Juni 13-14, ME&P, WSP og TNO-Inro (2002). Feasibility Study of SCGE Models of Goods Flows in Sweden. Udgivet af SIKA december Miljøministeriet (2002). Transport i det kompetente og innovative Danmark Erhvervsudvikling bæredygtig godstransport og fysisk planlægning til debat. NEA (1999). The NEAC-Model Western Europe. Description Database Construction and Forecasting Module. NEA (2003). Factorkosten van het goederenvervoer: een analyse van de ontwikkeling in de tijd. Adviesdienst Verkeer en Vervoer, Rijswijk marts SIKA (2003). Varuflödesundersökningen 2001 metodrapport. TetraPlan (2003). Analyse af effekter af tyske afgifter Beskrivelse af modeldata. TFK, TNO-Inro og TetraPlan (2002), A Logistics Module for Samgods. Udgivet af SIKA november

44 Transportrådet (1995). Valg af transportmiddel i international godstransport en stated preference analyse. Notat Transportrådet (1997). Godstransport og kvalitet. Notat nr Transportrådet (2002). Goods Transport Modelling vol. I + II. Notat Williams, I m.fl. (2002a), Review of Freight Modelling Final Report. Department of Transport Integrated Transport and Economic Appraisal. Ref Williams, I m.fl. (2002b), Review of Freight Modelling. Report 4 Review of data Sources. Department of Transport Integrated Transport and Economic Appraisal. Ref

45 Bilag 1: Vareklassifikationssystemer Bilaget beskriver følgende klassifikationssystemer: Klassifikation af virksomheder efter erhvervsbranche, NACE Rev. 1 (hovedgrupper) Klassifikation af varer og tjenester, CPA (hovedgrupper) Klassifikation af varer i transportstatistik, NST/R 39

46 Klassifikation af virksomheder efter erhvervsbranche, NACE Rev. 1 (hovedgrupper) Kode Beskrivelse af branche 01 Landbrug, jagt mv. amt servicevirksomhed i forbindelse hermed 02 Skovbrug og servicevirksomhed i forbindelse hermed 05 Fiskeri, dambrug og fiskeavl 10 Kulminer, brunkulslejer og tørvegrave 11 Udvindning af råolie og naturgas mv. samt servicevirksomhed i forbindelse hermed 12 Brydning af uran- og thoriummalme 13 Brydning af metalholdige malme 14 Råstofudvidning i øvrigt 15 Fremstilling af fødevarer og drikkevarer 16 Tobaksindustri 17 Tekstilindustri 18 Beklædningsindustri 19 Læderindustri, herunder garverier, fremstilling af tasker, sko mv. 20 Træindustri ekskl. fremstilling af møbler 21 Papirindustri 22 Grafisk industri 23 Mineralolieindustri og oparbejdning af nukleart brændsel 24 Kemisk industri 25 Gummi- og plastindustri 26 Sten-, ler- og glasindustri mv. 27 Fremstilling af metal (råprodukter) 28 Jern- og metalvareindustri 29 Maskinindustri 30 Fresmtilling af kontormaskiner og IT-udstyr 31 Fresmtilling af andre elektriske maskiner og apparater 32 Fremstilling af telemateriel 33 Fresmtilling af medicinsk udstyr, instrumenter, ure mv. 34 Fremstilling af biler mv. 35 Fremstilling af andre transportmidler 36 Møbelindustri og anden industri 40

47 Kode Beskrivelse af branche 37 Genbrug af affaldsprodukter 40 El-, gas- og varmeforsyning 41 Vandforsyning 45 Bygge- og anlægsvirksomhed 50 Handel, reparation, vedligeholdelse af biler samt servicestationer 51 Engroshandel ekskl. biler mv 52 Detailhandel og reparationsvirksomhed ekskl. biler 55 Hotel- og restaurantvirksomhed 60 Land- og rørtransport 61 Skibsfart 62 Lufttransport 63 Hjælpevirksomhed i forbindelse med transport 64 Post og telekommunikation 65 Banker og finansieringsvirksomhed 66 Forsikringsvirksomhed 67 Servicevriksomhed i forbindelse med banker, finansierings- og forsikringsvirk. 70 Virksomhed i forbindelse med fast ejendom 71 Udlejning af biler, maskiner, udstyr mv. 72 IT-servicevirksomhed 73 Forskning og udvikling 74 Anden forretningsservice 75 Offentlig administration, forsvar og socialforsikring 80 Undervisning 85 Sundhedsvæsen og sociale foranstaltninger 90 Kloakvæsen, renovationsvæsen, rengøring mv. 91 Organisationer og foreninger 92 Forlystelser, kultur og sport 93 Anden servicevirksomhed 95 Private husholdninger med ansat medhjælp 99 Internationale organisationer 41

48 Klassifikation af varer og tjenester, CPA (hovedgrupper) Kode Beskrivelse af branche 01 Produkter fra landbrug, jagt samt tilhørende tjenesteydelser 02 Produkter fra skovbrug og tjenesteydelser i forbindelse hermed 05 Fisk og fiskeprodukter samt tjenesteydelser i forbindelse hermed 10 Stenkul, brunkul og tørv 11 Råolie og naturgas samt tjenesteydelser i forbindelse olie- og gasudvinding 12 Uran- og thoriummalm 13 Metalmalm 14 Produkter af anden råstofudvidning 15 Næringsmidler og drikkevarer 16 Tobaksprodukter 17 Tekstiler 18 Beklædningsartikler 19 Læder og lædervarer 20 Træ og varer af træ og kork (ekskl. møbler) 21 Papirmasse, papir og papirvarer 22 Trykt materiale og indspillede medier 23 Koks, raffinerede olieprodukter og nukleart brændsel 24 Kemiske produkter og kemofibre 25 Gummi- og plastprodukter 26 Andre ikke-metalholdige mineralske produkter 27 Metal (råprodukter) 28 Færdige metalprodukter undtagen maskiner og udstyr 29 Maskiner og udstyr 30 Kontormaskiner og IT-udstyr 31 Elektriske maskiner og apparater 32 Telemateriel 33 Medicinske og optiske instrumenter samt ure 34 Motorkøretøjer, påhængsvogne og sættevogne 35 Andre transportmidler 36 Møbler og andre færdigvarer 37 Sekundære råmaterialer 42

49 Kode Beskrivelse af branche 40 El, gas, damp og varmt vand 41 Indvundet og renset vand samt distribution af vand 45 Bygge- og anlægsarbejder 50 Handel med, reparation og vedligeholdelse af motorkøretøjer 51 Engroshandel ekskl. motorkøretøjer 52 Detailhandel (ekskl. motorkøretøjer) og reparation af varer til personlig brug 55 Hotel- og restaurantvirksomhed 60 Land- og rørtransport 61 Skibsfart 62 Lufttransport 63 Hjælpevirksomhed I forbindelse med transport 64 Post og telekommunikation 65 Banker og finansieringsvirksomhed 66 Forsikring 67 Servicevirksomhed i forbindelse med banker, finansierings- og forsikringsvirk. 70 Virksomhed i forbindelse med fast ejendom 71 Udlejning af biler, maskiner, udstyr mv. 72 IT-servicevirksomhed 73 Forskning og udvikling 74 Anden forretningsservice 75 Offentlig administration, forsvar og socialforsikring 80 Undervisning 85 Sundhedsvæsen og sociale foranstaltninger 90 Kloakvæsen, renovationsvæsen, rengøring mv. 91 Organisationer og foreninger 92 Forlystelser, kultur og sport 93 Anden servicevirksomhed 95 Husholdningers tjenester i deres egenskab af arbejdsgivere for ansat medhjælp 99 Tjenester fra eksterritoriale organer 43

50 Klassifikation af varer i transportstatistik, NST/R Lbnr Kode Niveau Beskrivelse Landbrugsprodukter og levende dyr Levende dyr Levende dyr Korn Hvede, spelt, blandsæd af hvede og rug Byg Rug Havre Majs Ris Andre kornsorter i. a. t Kartofler Kartofler Andre friske eller frosne grønsager og friske frugter Citrusfrugter Andre frugter og nødder, friske Andre grønsager, friske, frosne Tekstilvarer og affald Uld og andre dyrehår Bomuld Regenererede eller syntetiske fibre Natursilke, hør, jute, hamp og andre vegetabilske tekstilfibre Klude, tekstilaffald Træ og kork Træ til papir, træ til papirmasse Minetømmer (pit-props) Andet uafbarket træ Jernbane- og sporvejssveller af træ og andet tilhugget eller savet træ Brænde, trækul, affald deraf, ubearbejdet kork og affald deraf Sukkerroer Sukkerroer 44

51 Lbnr Kode Niveau Beskrivelse Andre råmaterialer af animalsk eller vegetabilsk oprindelse i. a. t Rå huder, skind og pelsskind, affald deraf Naturgummi, syntetgummi, rå eller regenereret Ubearbejdede produkter, ikke-spiselige, af animalsk eller vegetabilsk oprindelse Næringsmidler og foder Sukker Råsukker Raffineret sukker Melasse Drikkevarer Vin, druesaft Øl Andre alkoholholdig drikkevarer Ikke-alkoholholdige drikkevarer Nydelsesmidler og kolonialvarer Kaffe Kakao og chokolade Te, mate, krydderier Råtobak og affald deraf Tobaksvarer Glucose, dextrose, andet sukker, sukkervarer, honning Produkter fra næringsmiddelindustrien i. a. t Fordærvelige eller halvfordærvelige næringsmidler og konserves Kød, fersk, kølet og frosset Fisk, krebsdyr, bløddyr, ferske, frosne, tørrede, saltede, røgede Mælk og fløde, frisk Smør, ost, andre mejeriprodukter Margarine, svinefedt og andet spisefedt Æg Kød, tørret, saltet, røget, varer af kød, tilberedte eller konserverede Varer af fisk, krebsdyr eller bløddyr, tilberedte eller konserverede Ufordærvelige næringsmidler og humle Mel, fine gryn og grove gryn at korn Malt 45

52 Lbnr Kode Niveau Beskrivelse Andre kornprodukter Frugter, frosne, tørrede, varer af frugt, tilberedte eller konserverede Grønsager, tørrede Varer af grønsager, tilberedte eller konserverede Humle Dyrefoder og næringsmiddelaffald Halm, hø, avner af korn Oliekager og restprodukter fra udvinding af vegetabilske olier Klid, andet dyrefoder, i. a. t. restprodukter fra næringsmiddelindustrien Olieholdige frø og frugter, fedtstoffer Olieholdige frø, nødder, mandler Animalske eller vegetabilske olier og fedtstoffer og følgeprodukter Faste mineralske brændselsstoffer Stenkul Stenkul Stenkulsbriketter Brunkul og tørv Brunkul Brunkulsbriketter Tørv Koks Koks og halvkoks af stenkul Koks og halvkoks af brunkul Olieprodukter Råolie Råolie Afledte energiprodukter Benzin Belysningspetroleum, kerosin, jet fuel, mineralisk terpentin Gasolie, let brændselsolie til hjemmebrug Tung brændselsolie Energetiske carbonhydrider, luftformige, flydende eller komprimerede Energetiske carbonhydrider, luftformige, flydende eller komprimerede Andre afledte produkter 46

53 Lbnr Kode Niveau Beskrivelse Smøreolier og -fedtstoffer Kunstig asfaltbitumen og bituminøse blandinger Andre afledte produkter Mineraler og affald til den metallurgiske industri Jernmalme Jernmalme, undtagen svovlkis og andre naturlige jernsulfider Ikke-jernholdige mineraler og affald derfra Affald af ikke-jernholdige metaller Kobbermalm og koncentrater deraf, kobbersten Aluminiummalm og koncentrater deraf, bauxit Manganmalm og koncentrater deraf Andre malme af ikke-jernholdige metaller og koncentrater deraf Skrot og støv fra højovne Skrot til omsmeltning Jern- og stålaffald, ikke til omsmeltning Slagger til omsmeltning Støv fra højovne Svovlkis og andre naturlige jernsulfider, brændte Metallurgiske produkter Ubearbejdet støbejern og stål, jernlegeringer Ubearbejdet støbejern, spejljern, kulstofrigt ferromangan Jernlegeringer, undtagen kulstofrigt ferromangan Ubearbejdet stål Halvfabrikata af valset stål Halvfabrikata af valset stål, luppe, knipler, plader, platiner Andre halvfabrikata af stål Stænger, profiler, tråd, materiel til jernbaner og sporveje Stænger, varmtvalsede og profilerede Stænger, koldtvalsede og -profilerede eller smedede Valstråd Tråd af jern eller stål Stålskinner og -materiel til jernbaner og sporveje Plader og bånd af stål Valsede stålplader i bånd eller i rulier, universalplader 47

54 Lbnr Kode Niveau Beskrivelse Andre stålplader Båndstål, hvidblik Andre plader og bånd af stål Rør, røremner, støbegods og smedeemner af jern eller stål Rør, røremner og rørfittings Støbegods og smedeemner af jern eller stål Ikke-jernholdige metaller Kobber og dets legeringer, ubearbejdede Aluminium og dets legeringer, ubearbejdede Bly og dets legeringer, ubearbejdede Zink og dets legeringer, ubearbejdede Andre ikke-jernholdige metaller og deres legeringer, ubearbejdede Hel- og halvfabrikata af ikke-jernholdige metaller, undtagen bearbejdede varer Ubearbejdede eller bearbejdede mineraler og bygningsmaterialer Sand, grus, ler, slagger Sand til industriel brug Almindeligt sand samt grus Pimpsten, pimpstenssand og -grus Ler og lerjord Slagger, ikke bestemt til omsmeltning, aske hammerskæl Salt, svovlkis og andre naturlige jernsulfider, svovl Salt, ubearbejdet eller raffineret Svovlkis og andre naturlige jernsulfider, ikke brændte Svovl Andre sten- og jordarter og mineraler Knuste sten, småsten, makadam, tjæremakadam Monument- eller bygningssten, ubearbejdede Kalksten til industriel brug Kridt Andre mineraler, ubearbejdede Cement, kalk Cement Kalk Gips 48

55 Lbnr Kode Niveau Beskrivelse Gips Andre byggematerialer, bearbejdede Pimpstensagglomerater, beton- og cementelementer elles lignende Mursten, tagsten og andre byggematerialer af ler og ildfaste byggematerialer Gødningsstoffer Naturlige gødningsstoffer Naturligt natriumnitrat (natronsalpeter) Naturlige phosphater, rå Naturlige kaliumsalte, rå Andre naturlige gødningsstoffer Bearbejdede gødningsstoffer Thomasslagge Andre phosphatholdige gødningsstoffer Kaliumholdige gødningsstoffer Salpeterholdige gødningsstoffer Sammensatte gødningsstoffer og andre bearbejdede gødningsstoffer Kemiske produkter Kemiske basisprodukter Svovlsyre, rygende svovlsyre Kaustisk natron og sodalud Natriumkarbonat Calciumcarbid Andre kemiske basisprodukter Oxid og hydroxid af aluminium Oxid og hydroxid af aluminium Kulkemiske produkter Benzin Tjære og andre kemiske råprodukter fremstillet af kul og naturgas Cellulose og affald deraf Papirmasse, cellulose Affald af papir, gammelt papir Andre kemiske produkter Plast, ubearbejdet Farvestoffer, farver og garvestoffer 49

56 Lbnr Kode Niveau Beskrivelse Medicinalvarer og farmaceutiske produkter, parfumer, rengøringsmidler Bearbejdede sprængstoffer, pyroteknik, jagt- og sportsammunition Stivelse, gluten Diverse kemiske stoffer og produkter Maskiner, køretøjer, andre bearbejdede varer og særligt fragtgods Køretøjer og transportmidler Køretøjer og transportmidler, også demonterede, og dele dertil Traktorer, landbrugsmaskiner og -materiel Traktorer, landbrugsmaskiner og -materiel, også demonterede og dele dertil Andre maskiner, motorer og dele dertil Maskiner, materiel, motorer, elektriske, og dele dertil Andet materiel, andre maskiner, motorer, ikke-elektriske, og dele dertil Metalvarer Færdigt byggemateriel og metalkonstruktioner Andre bearbejdede metalvarer Glas, glasvarer, keramiske produkter Glas Glasvarer, lervarer og andre bearbejdede varer af mineralske stoffer Læder, tekstiler, beklædning Læder, bearbejdede læder- og skindvarer Garn, stoffer, tekstilvarer og beslægtede produkter Rejseartikler, beklædningsgenstande, trikotage, fodtøj Diverse bearbejdede varer Halvfabrikata og bearbejdede varer af gummi Papir, pap, ubearbejdet Bearbejdede papir- og papvarer Tryksager Møbler og møbeludstyr, nyt Bearbejde varer af træ og af kork, undtagen møbler Bearbejdede varer, i. a. t Særligt fragtgods (inkl. stykgods) Brugt emballage Bygningsentreprisemateriel, cirkusvogne og -materiel, brugt Flyttegods 50

57 Lbnr Kode Niveau Beskrivelse Guld, mønter, medaljer Varer, der ikke kan klassificeres efter art 238 xx 2 Våben og ammunition til militært brug 51

58 Bilag 2: Beskrivelser af datakilder Bilaget beskriver følgende datakilder: ID Navn Datatype 1.1 Befolkning og arbejdspladser i Danmark Plandata 1.2 Befolkning og arbejdspladser i Sverige Plandata 2.1 ADAM Økonomiske data 2.2 Nationalregnskab i Danmark og udlandet Økonomiske data 2.3 Input- og outputtabel Økonomiske data 2.4 Regionaliseret input- og outputabel Økonomiske data 2.5 Regionale regnskaber Økonomiske data 2.6 Regnskabsstatistik (Eurostat) Økonomiske data 2.7 Firma- og ressourceområdestatistik Økonomiske data 3.1 KRAKs Geodatabase Net og køreplaner 4.1 EU-handel (Intrastat) Handels- og transportstatistik 4.2 Øvrige udenrigshandel (Extrastat) Handels- og transportstatistik 4.3 EU's handelsstatistik (COMEXT) Handels- og transportstatistik 4.4 EU intermodal transport Handels- og transportstatistik 4.5 National kørebogsanalyse Handels- og transportstatistik 4.6 International godstransport med danske lastbiler Handels- og transportstatistik 4.7 Jernbanetransport Handels- og transportstatistik 4.8 Passager- og færgefart på danske havne Handels- og transportstatistik 4.9 Skibsfarten på danske havne Handels- og transportstatistik 4.10 Luftfragt på danske lufthavne Handels- og transportstatistik 4.11 Vejtrafiktællinger Handels- og transportstatistik 5.1 VFU Trafikanalyser - efterspørgsel 5.2 SENEX godsmatricer Trafikanalyser - efterspørgsel 5.3 Femer Bælt projekt Trafikanalyser - efterspørgsel 5.4 Storebælt projekt Trafikanalyser - efterspørgsel 5.5 Øresund projekt Trafikanalyser - efterspørgsel 5.6 Internationale godsmatricer Trafikanalyser - efterspørgsel 5.7 Turrateprojektet Trafikanalyser - efterspørgsel 6.1 Danske SP-analyser Trafikanalyse - adfærdsdata 6.2 Danske havneanalyser Trafikanalyse - adfærdsdata 52

59 IDNR: 1.1 Navn: Datatype: Dataejer: Befolkning og arbejdspladser i Danmark Plandata Danmarks Statistik, HUR, kommuner og amter Dato: Indhold 1.1 Beskrivelse: Danmarks Statistik besidder detaljerede oplysninger om befolkning og beskæftigelse i Danmark. Ved hjælp af Markedsstatistikken kan oplysningerne individualiseres efter behov på områder, stillinger, indkomstgrupper mv. Danmarks Statistik gennemfører befolkningsprognoser opgjort på område (kommuner og amter), alder og køn. Analyse- og statistikafdelingen i HUR foretager befolknings- og arbejdspladsprognoser i Hovedstads-regionen opgjort på kommuner. Endvidere gennemfører mange kommuner og amter deres egne og uafhængige befolknings- og arbejdspladsprognoser. RIMO (Regional Iterativ Model) er et pc-beregningssystem, som er ejet af Danmarks Statistik, til brug for en regionaliseret fremskrivning af befolkning, beskæftigelse, arbejdsmarked, uddannelse og byggeri. 1.2 Variabler: Danmarks Statistik opdaterer hvert år de aktuelle oplysninger om befolkning, beskæftigelse, indkomst mv. I Markedsstatistikken kan oplysningerne skræddersyes efter behov, og der indgår variabler såsom: - Befolkning (natbefolkning), dvs. personer med bopæl i området - Arbejdsstilling (funktionærer med højere indkomst, selvstændige mv.) - Beskæftigede (dagbefolkning), dvs. personer med arbejdssted i området - Erhvervsgruppe (landbrug, fremstilling mv.) - Husstande og husstandstype - Familietype - Beboede boliger - Boligtype - Bruttoindkomst-intervaller - Biler opgjort efter fabrikat. Danmarks Statistik offentliggør hvert år en befolkningsprognose, som gælder år frem i tiden. Befolkningen fordeles efter køn og alder. Desuden belyses befolkningens bevægelser i form af levendefødte, døde samt til- og fraflyttede. Analyse- og statistikafdelingen i HUR udgiver hvert år befolknings- og arbejdspladsprognoser 53

60 for Hovedstadsregionen for de næste år. Arbejdspladsprognoserne foreligger med 5- årsintervaller, hvor befolkningsprognoserne foreligger for hvert år. Befolkningen fordeles efter køn og alder. RIMO-modellen opdateres af Danmarks Statistik med de seneste registeroplysninger om befolkning, befolkningsprognose, arbejdsstyrke, uddannelse, bygning- og boligregister og ADAM. RI- MO kan benyttes til at udskrive prognoser udarbejdet af Danmarks Statistik eller vurdere prognoserne ud fra alternative forudsætninger. Den beregner udviklingen op til 20 år frem i tiden med hensyn til: - Befolkning (fordelt på køn og alder) - Beskæftigelse (opdelt på 22 brancher) - Arbejdsstyrke (fordelt på køn og alder) - Arbejdsløshed - Boligbyggeri (antal boligenheder) - Erhvervsbyggeri (kvadratmeter etageareal) - Uddannelse (fordelt på 39 kategorier og køn). 1.3 Tid: De fleste oplysninger i Markedsstatistikken opgøres hvert år den 1. januar og forligger omkring den 1.marts. Danmarks Statistiks befolkningsprognose udkommer hvert år i slutning af juni måned. Prognoser for Hovedstadsregionen udgivet af Analyse- og statistikafdelingen i HUR og udkommer hvert efterår. RIMO-modellen opdateres hvert år og udgives i årets sidste kvartal. 1.4 Geografi: Markedsstatistikken kan leveres på faste områder (postnumre, sogne, kommuner, byer) eller på egne områder som kunden selv definerer ud fra vejkatalog eller GIS. Eksempelvis kan oplysninger i Hoved-stadsregionen leveres meget detaljeret på HT-planzoner, som er kodet ud fra vejregister. Danmarks Statistiks befolkningsprognoser foreligger opgjort på landsniveau, amter og kommuner. Prognoserne fra Analyse- og statistikafdelingen i HUR foreligger opgjort på kommuner. Kommuner og amters egne befolknings- og arbejdspladsprognoser foreligger ofte på mere detaljerede delområder, som benyttes i den øvrige planlægning. Eksempelvis foretager Københavns Kommune befolknings- og arbejdspladsprognoser opdelt på 15 bydele. RIMO beregner prognoser opdelt på amter eller delområder (arbejdskraftoplande), som defineres af brugeren. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: De aktuelle oplysninger om befolkning, arbejdspladser mv. baseres på registeroplysninger CPR, BBR osv. Befolknings- og arbejdspladsprognoser tager udgangspunkt i disse data suppleret med forventning beskrevet i bl.a. Finansredegørelsen og Økonomisk oversigt. 54

61 2.2 Relation til andre datakilder: Der er ikke nødvendigvis nogen sammenhæng mellem prognoser udarbejdet af forskellige offentlige myndigheder. Endvidere kan definitioner på f.eks. arbejdspladser varierer mellem datakilder. Det kan nævnes, at Markedsstatistikken ofte ikke kan sammenlignes med anden statistik, idet områdeinddeling samt dataindhold specificeres af brugeren og dermed afviger fra standardstatistik som offentliggøres jævnligt. 2.3 Vurdering af validitet: Kvaliteten af oplysninger om den aktuelle befolkning, arbejdspladser mv. udarbejdet af Danmarks Statistik er meget høj. Prognoser er naturligvis behæftet med usikkerhed. Befolkningsprognoserne er formodentlig forbundet med mindst usikkerhed, som især knytter sig til børn, som ikke er født, dødelighed samt til- og fraflytning. Med stigende geografisk opdeling stiger usikkerheden. Prognoser med hensyn til beskæftigelse, økonomi, boligbyggeri mv. må forventes at være behæftet med relativ stor usikkerhed, idet de i høj grad er underlagt politiske beslutninger og økonomisk udvikling i ind- og udland. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Data opbevares elektronisk af de pågældende offentlige myndigheder. 3.2 Adgang til data: Adgang til data fås på Danmarks Statistiks standardvilkår. Markedsstatistikken leveres efter behov, dog således at detaljeringsgraden er fastlagt under hensyn til en områdestørrelse på mindst personer eller 500 husstande, så enkeltpersoner eller husstande ikke kan identificeres. Endvidere hemmeligholdes oplysninger om militærområder o.lign. Befolknings- og arbejdspladsprognoser for Hovedstadsregionen kan downloades fra nettet ( Prognoser udarbejdet af amter og kommuner kan fås ved henvendelse til de berørte myndigheder. RIMO-modellen kan købes ved henvendelse til Danmarks Statistik. 3.3 Dokumentation: Der kan bl.a. nævnes: - Statistisk årbog og Statistiske Efterretninger - Statistisk Tiårsoversigt - Danmarks Statistikbank. Af baggrundsmateriale om metoder og forudsætninger kan nævnes: - Befolkningsprognoser , Statistiske Undersøgelser nr RIMO analyse, Arbejdsmarkedsstyrelsen, Brugervejledning til RIMO, pc-udgave, Miljøministeriet, Evaluering af RIMO-modellens befolkningsfremskrivninger og Danmarks Statistiks befolknings- 55

62 prognoser. Modelnotat nr. 1, Danmarks Statistik, Evaluering af RIMO-modellens arbejdsstyrkefremskrivninger. Modelnotat nr. 2, Danmarks Statistik, Evaluering af RIMO-modellens beskæftigelsesfremskrivninger. Modelnotat nr. 3, Danmarks Statistik, Bemærkninger Ingen. 56

63 IDNR: 1.2 Navn: Datatype: Dataejer: Befolkning og arbejdspladser i Sverige Plandata Statistiska Centralbyrån Dato: Indhold 1.1 Beskrivelse: Statistiska Centralbyrån (SCB) har detaljerede oplysninger om befolkning og beskæftigelse i Sverige. SCB gennemfører også befolknings- og arbejdspladsprognoser 1.2 Variabler: SCB opdaterer hvert år de aktuelle oplysninger om befolkning og beskæftigelse. Oplysningerne kan skræddersyes efter behov, og der indgår variabler såsom: - Alder og køn - Arbejdsstilling - Erhvervsgruppe - Familietype - Bruttoindkomst-intervaller. SCB offentliggør hvert år en befolkningsprognose, som gælder ca. 50 år frem i tiden. Befolkningen fordeles efter køn og alder. Prognoseinstituttet ved CSB offentliggør jævnligt prognoser for bl.a. udvikling i beskæftigelse ca. 20 år frem i tiden. Det er også muligt at bestille skræddersyede prognoser ved instituttet f.eks. opdelt på brancher og geografiske delområder. 1.3 Tid: De fleste oplysninger opgøres hvert år den 1. januar. Befolkningsprognosen udkommer godt et år efter offentliggørelse af nye befolkningstal, og arbejdspladsprognosen udkommer med års mellemrum. 1.4 Geografi: Befolknings- og arbejdspladstal kan leveres på faste områder (postnumre, sogne, kommuner, byer) eller områder, som brugeren selv definerer. Befolkningsprognoser kan leveres opdelt på kommuner. Arbejdspladsprognoser offentliggøres normalt opdelt på 8 regioner i Sverige (NUTS 2), men det er muligt at bestille den opdelt på kommuner. 57

64 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: De aktuelle oplysninger om befolkning, arbejdspladser mv. baseres på registeroplysninger CPR, BBR osv. Befolknings- og arbejdspladsprognoser tager udgangspunkt i disse data suppleret med officielle forventninger til den økonomiske udvikling. 2.2 Relation til andre datakilder: Prognoserne kan sammenlignes med andre myndigheders prognoser. 2.3 Vurdering af validitet: Kvaliteten af oplysninger om den aktuelle befolkning, arbejdspladser mv. er meget høj. Prognoser er naturligvis behæftet med usikkerhed. Befolkningsprognoserne er formodentlig forbundet med mindst usikkerhed, som især knytter sig til børn, som ikke er født, dødelighed samt til- og fraflytning. Med stigende geografisk opdeling stiger usikkerheden. Prognoser med hensyn til beskæftigelse må forventes at være behæftet med relativ stor usikkerhed, idet de i høj grad er underlagt politiske beslutninger og økonomisk udvikling i ind- og udland. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Data opbevares elektronisk af de pågældende offentlige myndigheder. 3.2 Adgang til data: Adgang til data fås ved henvendelse til CSB. I vist omfang kan data downloades fra nettet ( 3.3 Dokumentation: Generelt henvises til SCB s hjemmeside. 4. Bemærkninger Ingen. 58

65 IDNR: 2.1 Navn: ADAM Datatype: Økonomiske data Dataejer: Danmarks Statistik Dato: Indhold 1.1 Beskrivelse: ADAM er en nationaløkonomisk model for Danmark. Den vedligeholdes og opbevares af Danmarks Statistik og anvendes primært til fremskrivninger. 1.2 Variabler: Dele af modellen med størst interesse for godstransport er udenrigshandel, forbrug og produktion. Udenrigshandel: - Eksport er grupperet på 9 varer og 2 tjenester. Varegrupperingen er konsistent med DB03 (tidligere BD93) klassificering i Danmarks Statistik. - Importen er opdelt på 15 komponenter, 13 varer og 2 tjenester. Mange af disse er desuden yderligere delt op i hver to dele efter deres grad af konkurrence med danske varer. Forbrug: - Privatforbrug er opdelt på 11 forbrugskomponenter hvoraf bilkøb, benzinkøb og boligydelser bestemmes for sig. Produktion: - I produktionen opereres der med 19 erhverv hvoraf offentlige tjenester, andre tjenesteydende erhverv, handel, jern- og metalindustri og bygge- og anlægsvirksomhed er de største. Erhvervene i ADAM er en simpel aggregering af nationalregnskabets 64-gruppering og er DB kompatibel. Der er således i ADAM en direkte forbindelse til nationalregnskabets 117- grupperinger. I ADAM opgøres samhandel mellem alle 19 erhverv i input-outputtabelform. Rækker i I/O tabellen angiver tilgang på 19 erhverv og 15 import grupper, mens søljer angiver anvendelse i de 19 erhverv og 25 grupper af endeligt forbrug. 1.3 Tid: Databanken opdateres sædvanligvis tre gange om året (april, juli og december). Den offentliggøres tre uger efter nationalregnskabet. ADAM er en tidsseriemodel. - I prognosesammenhæng er modellen mellemfristet hvilket vil sige at den er beregnet til korte (1 års) og mellemsigtede (5 års) fremskrivninger. - Modellen reestimeres og forbedres løbende. Seneste forbedringer er dateret 2002, hvilket bl.a. inkluderede en bedre behandling af boligmarkedet, samt revision af skatte- og afgiftsrelationer, m.m. 59

66 1.4 Geografi: Modellen dækker Danmark som helhed. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Grundmaterialet omfatter nationalregnskab, arbejdsmarked og finansielle data. Modellens datagrundlag opdateres årligt som led i Danmarks Statistiks Standard opgaver, hvilket inkluderer opdatering og vedligeholdelse af varestatistik, nationalregnskab, m.m. 2.2 Relation til andre datakilder: ADAM modellen er en aggregeret model for den danske økonomi og relateret til bl.a. udenrigshandels-statistikken. Endvidere er der en direkte kobling til nationalregnskabet. Der findes en konsistent tidsserie tilbage til Vurdering af validitet: Pålideligheden og sikkerheden i grunddata er stor. Modellen er relativt aggregeret hvorfor de fejl der eksempelvis findes i disaggregerede varestatistikker elimineres. Usikkerheden på modellens ligninger fremgår af dokumentationen. Usikkerheden på fremskrivningerne kan ligeledes findes i dokumentationen. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: ADAM opdateres og opbevares af Danmarks statistik. 3.2 Adgang til data: Datakilder der anvendes i ADAM er aggregeret i et sådannet omfang at de er umiddelbart tilgængelige. Kørsel af ADAM og erhvervelse af ADAM software og data er offentligt tilgængeligt fra ADAM s hjemmeside på Danmarks Statistik ( ADAM s databanker stilles til rådighed mod betaling pr. år. Det samme er tilfældet for ADAM modellen, som alt efter abonnomenttype koster mellem og kr. (priser april 2003). 3.3 Dokumentation: Der kan nævnes følgende baggrundslitteratur: - Dam P.U. 1995, ADAM en model af dansk økonomi, Danmarks Statistik. - Modelgruppen Danmarks Statistik, opdateringer ADAM 2002, Danmarks Statistik. 4. Bemærkninger Ingen. 60

67 IDNR: 2.2 Navn: Nationalregnskab i Danmark og udlandet Datatype: Økonomiske data Dataejer: Danmarks Statistik Dato: Indhold 1.1 Beskrivelse: Nationalregnskabet giver et samlet helhedsbillede af landets økonomi. Det danske nationalregnskabet er, som de fleste andre EU lande, udarbejdet i overensstemmelse med definitionerne i EU s Det Europæiske National Regnskabssystem ENS95. Hovedstruktur består af en række konti for økonomien. De vigtigste er: konto for varer og tjenester, produktionskonto, konto for indkomstdannelse (fordeling og anvendelse), kapitalkonto og konto for udlandet. 1.2 Variabler: For Danmark består kilderne til nationalregnskabet af en række separate statistikker vedr. økonomi, erhvervsstruktur, beskæftigelse og priser, som forankret i forskellige konti. Kernen i det funktionelle nationalregnskab er de ca produktbalancer der er afstemt i årets priser. Herfra opgøres hovedstørrelser opdelt på nationalregnskabets detaljerede erhvervsgrupperinger på 130 erhvervsgrupper. Hovedstørrelserne inkluderer: - Produktionsværdi - Forbrug i produktion - Bruttoværditilvækst - Aflønning af ansatte - Bruttooverskud af produktion og blandet indkomst - Beskæftigelse. Det private konsum er opdelt på 72 konsumgrupper og faste bruttoinvesteringer på 53 erhvervsgrupper. 1.3 Tid: Kvartalsstatistikken udgives otte gange årligt. Hvert kvartal offentliggøres første gang 60 dage efter kvartalets udløb og derefter i en revideret version ca. tre måneder efter kvartalets udløb. Det foreløbige nationalregnskab udgives ca. 6 måneder efter årets udløb. Den endelige statistik udgives årligt med en 3 årig forsinkelse efter tællingsåret afslutning. Pengestrømme dækker transaktioner, der har fundet sted i løbet af året, mens beskæftigelsesoplysninger er gennemsnit over året. Statistikken findes for Danmark i officiel form tilbage til 1930 erne. Fra 1997 har Danmark som det første land taget det nye Europæiske nationalregnskabssystem ENS95 i brug. For Danmark findes sammenhængende tidsserier med de nu anvendte definitioner tilbage til Finland og England har pr taget ENS95 i brug. Irland, Østrig og Italien har gennemført 61

68 delvise tilpasninger til ENS95. Andre EU lande er begyndt at offentliggøre estimater på BNI beregnet efter den nye metode. Grækenland, Luxembourg, Spanien og Sverige opgør stadig BNI efter den gamle metode SNA Geografi: Nationalregnskabet foreligger for Danmark og en række EU lande. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Det kvartalvise nationalregnskab udarbejdes på grundlag af forskellige primærstatistikker (udenrigshandel, betalingsbalance, momsstatistik mv.). Den endelige statistik udarbejdes på basis af de endelige statistikker vedrørende økonomi, erhvervsstruktur, beskæftigelse og priser. 2.2 Relation til andre datakilder: Det endelige nationalregnskabs 130 erhvervsgrupper svarer med få afvigelser til 111-standard grupperingen med underopdelinger i DB03 (tidligere DB93). Nationalregnskabet kan derfor sammenlignes med andre DB-standardgrupperinger. Divergens i forhold til andre datakilder kan forekomme, primært som følge variabeldefinitionsforskelle, men også som følge af at nationalregnskabet er afgrænset af kalenderåret. Internationalt er der en høj grad af sammenlignelighed i forhold til andre landes regnskaber, da det danske nationalregnskab er udarbejdet i henhold til ENS Vurdering af validitet: Usikkerheden i det kvartalsvise nationalregnskab påvirkes af fejl i de enkelte primærstatistikker. Danmarks statistik skønner en usikkerhed på den første offentliggjorte BNP på 0,54 procentpoint. Usikkerheden i det endelig nationalregnskab er lille. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Data konstrueres og opbevares af Danmarks Statistik. 3.2 Adgang til data: I Danmarks Statistik Bank findes aggregerede versioner, der indeholder en opdeling på 21 brancher, 10 anvendelseskomponenter og 26 konsumgrupper. Regnskaberne publiceres kvartalvis og er tilgængelige tilbage til Egentlige kryds mellem produktion, anvendelse og konsum (IO tabeller) findes ikke. Grunddata, de ca produktbalancer, kan erhverves mod betaling. Oplysninger om investeringer sælges ligeledes i deres mest disaggregerede form, dvs. oplysninger om investeringssammensætning i et givent erhverv. 3.3 Dokumentation: Der kan nævnes: - Danmarks Statistik, Statistisk Årbog, Danmarks Statistik, Varedeklaration: Endelige Nationalregnskab Nyt fra Danmarks Statistik 62

69 - Nationalregnskab og betalingsbalance Statistiske efterretninger - Konjunktur oversigt - Statistisk Tiårsoversigt. 4. Bemærkninger Ingen. 63

70 IDNR: 2.3 Navn: Input- outputtabel Datatype: Økonomiske data Dataejer: Danmarks Statistik Dato: Indhold 1.1 Beskrivelse: Input-outputtabellerne konstrueres af Danmarks Statistik og belyser sammenhængen mellem produktion, import og anvendelse. 1.2 Variabler: Input- outputtabellen indeholder oplysninger om produktion, import samt anvendelse. Tabellen er baseret på nationalregnskabets ca produkt balancer, der i pengeværdi beskriver strømmen af varer og tjenester mellem udbydere og efterspørgere i økonomien. Udbyderne er erhvervene, import og andre primære inputs, herunder aflønning af ansatte. Efterspørgerne er erhvervene og de endelige efterspørgsler, bl.a. privat forbrug og eksport. - Opdelingen i erhverv følger den generelle praksis fra nationalregnskabet, dvs. 130 erhverv med mulighed for standard aggregeringer til 111, 53, 27 og 9-erhvervsgrupperinger. - For det endelige forbrug sondres der mellem privat konsum, offentlig konsum, faste brutto investeringer, lagerforøgelser og eksport. Konsumgrupper referer til opdelingen der anvendes i nationalregnskabet. Tabellen er opstillet i basispriser, dog inklusiv told for import. 1.3 Tid: Statistikken referer til kalenderåret. Pengestrømme dækker transaktioner der har fundet sted i løbet af året, mens beskæftigelsesoplysninger er gennemsnit. Statistikken udgives årligt, med en 3 årig forsinkelse efter tællingsåret afslutning. 1.4 Geografi: Hele Danmark. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Pålideligheden vurderes løbende ved at afstemme nationalregnskabet på detaljeret niveau. 2.2 Relation til andre datakilder: Statistikken findes, som nationalregnskabet, med de nu anvendte definitioner tilbage til Input- outputtabellernes erhvervsklassifikation er som nationalregnskabets, der er afledt af Danmarks Statistiks erhvervsgruppering DB-systemet. Derfor kan statistikken sammenholdes med andre statistikker opgjort efter erhverv. Der vil ofte være afvigelser i forhold til mere de- 64

71 taljeret erhvervsstatistik, bl.a. på grund af forskelle i definition af variabler. 2.3 Vurdering af validitet: - 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Data konstrueres og opbevares af Danmarks statistik. 3.2 Adgang til data: Tabellen findes i nationalregnskabsstatistikken. Her findes også underopdelinger af data i den grundliggende tabel. Mere disaggregerede versioner stilles til rådighed mod betaling. 3.3 Dokumentation: Resultater offentliggøres bl.a. i: - Statistisk Årbog, 2001 indeholdende en stærkt aggregeret tabel med en opdeling på 9 brancher. - Danmarks Statistik, Varedeklaration: Input- output tabeller, Bemærkninger Ingen. 65

72 IDNR: 2.4 Navn: Regionaliseret input- outputtabel Datatype: Økonomiske data Dataejer: Danmarks Statistik og AKF Dato: Indhold 1.1 Beskrivelse: Data beskriver indenlandske danske pengestrømme mellem kommuner og amter. Pengestrømme etableres ved at opstille eksport- import for alle regioner og sektorer. Herefter køres en gravitationsmodel som etablerer varestrømme mellem regioner. 1.2 Variabler: De regionaliserede input- output er opgjort fra et detaljeret niveau svarende til de disaggregerede grupperinger der anvendes i nationalregnskabet, dvs. 130 erhvervsgrupper og 72 konsument grupper som de vigtigste. Data processen og model niveauet er aggregeret i forhold hertil. - For varegrupper opereres der med 20 grupper. - For offentligt forbrug opereres der med 8 grupper. - For fremmed eksport opereres der med 1 gruppe. - For informationen af den faste bruttokapital (kapital kontoen) opereres der med 10 grupper, som er identisk med nationalregnskabets opgørelse. I princippet vil det være muligt, ved at anvende den fulde detaljeringsgrad i grunddata, at opnå en 130-erhvervsgruppe opdeling. 1.3 Tid: Oplysningerne er koblet til Danmarks Statistik og opdateres årligt. Input data fra Danmarks Statistik er til rådighed med ca. 1½ års forsinkelse (skyldes primært forsinkelse på regionale brutto produkter som opgøres i Danmarks Statistik). Data foreligger i tidsserier fra 1970 og frem med udvalgte nøgleår 1970, 80, 87, 92 og Geografi: Statistikken dækker Danmark med det kommunale niveau som det mest disaggregerede. Fra det kommunale niveau kan der aggregeres vilkårligt, eksempelvis til amtsniveau. Statistikken er i den mest aggregerede form - Danmark som en region - identisk med nationalregnskabet. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Data er delvist konstruerede. Den primære datakilde er Danmarks Statistik og mere specifikt: nationale make-use matricer, regionale regnskaber og brutto produkt pr. sektor, regionale in- 66

73 termediate efterspørgsel pr. sektor, regionale data for endeligt forbrug på komponenter og interregionale transportomkostninger 2.2 Relation til andre datakilder: Data er en regional spejling af nationalregnskabet. 2.3 Vurdering af validitet: Eftersom grundmaterialet er delvist er konstrueret er der to kilder til usikkerhed. Dels fejl i grunddata og dels fejl eller usikkerheder i de metoder der er anvendt i regionaliseringen. Helt generelt gælder: - Pålideligheden er bedre jo mere data aggregeres. Hvis data aggregeres til nationalt niveau vil data afspejle nationalregnskabet og den pålidelighed/usikkerhed man opererer på dette niveau. - Der forekommer fejl i Danmarks Statistiks grunddata. Danmarks Statistik skønner 10% usikkerhed på den detaljerede vareopgørelse. Dette vil også slå igennem på pågørelsen i de regionaliserede varestrømme, skønt aggregeringen fra ca til 130 varegrupper stort set vil eliminere udsving. - I regionaliseringen har man forudsat at import og eksport på regioner er fordelt efter nationale import og eksport andele. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Data konstrueres og opbevares af AKF. 3.2 Adgang til data: Hovedparten af grunddata er fra Danmarks Statistik, mens regionaliseringen foretages af AKF. Ser vi på grunddata så gælder at; - Regionale regnskaber er til rådighed i en aggregeret form på amtsniveau, men ikke på kommunalt niveau (Danmarks Statistiks Databank). - Adgang til data på det kommunale niveau kan ske på Danmarks Statistiks standardvilkår. 3.3 Dokumentation: Der kan nævnes følgende litteratur: - Madsen B., Jensen-Butler C. Og Dam P.U. 2001, A social accounting matrix for Danish Municipalities (SAM-K), AKF Forlaget December Madsen B., Jensen-Butler C. Og Dam P.U. 2001, The Line Model, AKF Forlaget December Madsen B. og Jensen-Butler C. 1999, Make and Use Approaches to Regional and Interregional Accounts and Models, Economic Systems Research, Vol.11, no.3, Bemærkninger Ingen. 67

74 IDNR: 2.5 Navn: Regionale regnskaber Datatype: Økonomiske data Dataejer: Danmarks Statistik Dato: Indhold 1.1 Beskrivelse: De regionale regnskaber opgøres af Danmarks Statistik og belyser produktions- og indkomstforhold geografisk. 1.2 Variabler: Der findes oplysninger om produktionsværdi, forbrug i produktion og bruttoværditilvækst. Herudover findes andre produktionsskatter og subsidier, lønninger samt bruttooverskud. Derudover opgøres antallet af lønmodtagere og beskæftigede i alt. BNP på regioner opgøres som total og som per capita. Mere specifikt: - Den seneste version findes i en version med 277 kommuner og 130 erhvervsgrupperinger (DB). - Danmarks Statistik leverer som standard en version opdelt på 27 brancher for amterne, dog mod betaling. Opdelingen i de 27 brancher er konsistent med DB-klassifikationen i nationalregnskabet. 1.3 Tid: Regnskaberne følger principperne i det nye nationalregnskab (ENS95) og er første gang offentliggjort De regionale regnskaber referer til kalenderåret. Pengestrømme dækker over transaktioner der har fundet sted i løbet af året, mens beskæftigelsesoplysninger er årsgennemsnit. Statistikken udgives årligt, med ca. 15 måneders forsinkelse efter tællingsåret. Dvs. regnskaberne for 2003 er til rådig omkring marts De regionale regnskaber erklæres endelige i takt med nationalregnskaberne. 1.4 Geografi: Danmark er opdelt på amter. Hertil kommer en mulig underopdeling i et antal kommuner der tilsammen udgør en befolkning på mere end indbyggere. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Relation til andre datakilder: Data findes fra 1993 og frem. De regionale regnskaber er en spejling af nationalregnskabet. Summen over regioner af en variabel, eksempelvis BNP, er derfor identisk med nationalregn- 68

75 skabsværdien for denne variabel. Fortolkningen af variabler er derfor den samme i nationalregnskabet som i regionalregnskabet. De regionale regnskaber er udarbejdet i overensstemmelse med EUROSTATs retningslinier og derfor sammenlignelige med regnskaber fra andre EU lande. 2.3 Vurdering af validitet: Pålideligheden og sikkerheden i grunddata er i forhold til almindelig europæisk standard stor. Udover de generelle usikkerheder i nationalregnskabet er der i forhold til den regionale dimension visse forhold der berører usikkerheden. - Der knytter sig begrebsmæssige og datamæssige problemer til transporterhverv, finansielle ydelser og forsikring. Produktionen af eksempelvis jernbaners transportydelser er vanskelig. - Regionale forskelle i prisudviklingen tages der ikke højde for. - Ved opgørelsen af BNP anvendes konventionen, at produktionsskatter og subsidier-netto regionalfordeles proportionalt med bruttotilvæksten. Valget af opgørelsesmetode vurderes at kunne påvirke væksten i den enkelte region. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Data konstrueres og opbevares af Danmarks statistik. 3.2 Adgang til data: Fra Danmarks Statistiks Databank er der gratis adgang til aggregerede opgørelser på 17 regioner (amtsniveau) og indtil fire brancher for hovedstørrelser som BNP, BNP pr. capita og bruttoværditilvækst. Danmarks Statistik leverer mod betaling regionale regnskaber opdel på 27 brancher og 17 regioner (amter). Hertil kommer en eventuelt underopdeling som omtalt i afsnit 1.4. Adgang til data på amtsniveau er ikke omfattet af andre restriktioner, da data er aggregeret i et sådannet omfang, at kravet om anonymitet ikke berøres. Yderligere detaljeringsgrad kan erhverves mod betaling fra Danmarks Statistik. 3.3 Dokumentation: Af publikationer kan nævnes: - Danmarks Statistik, Introduktion: Regionale Regnskaber, Danmarks Statistik, Varedeklaration: Regionale Regnskaber, Bemærkninger Ingen. 69

76 IDNR: 2.6 Navn: Regnskabsstatistik Datatype: Økonomiske data Dataejer: Danmarks Statistik Dato: Indhold 1.1 Beskrivelse: Statistikken indeholder regnskabsmæssige og driftsøkonomiske oplysninger vedrørende dansk erhvervsliv. Statistikken omfatter følgende erhverv: - Bygge- og anlægsvirksomhed og detailhandel (fra 1994) - Industri (fra 1995) - Engroshandel (fra 1998) - Øvrige private byerhverv (fra 1999). 1.2 Variabler: Grundmaterialet indeholder detaljerede regnskabs- og driftsøkonomiske oplysninger på firmaniveau og på arbejdsteds- og faglig enhedsniveau for eksempelvis : - Omsætning - Diverse omkostningstyper - Vareforbrug - Aktiver/Passiver - Resultatopgørelse - Balance - Investeringer - Energiforbrug. Variabler: - Branche (DB03 tidligere DB93) - Ejerform (Juridisk ejerform, enkeltmandsfirma, interessentselskab, A/S, ApS, mv.) - Størrelsesgruppe (0-9, 10-19, og 100+ beskæftigede) - Geografi (indtil amtsniveau, NUTS 3) - Firma. 1.3 Tid: Regnskabsstatistikken for et givet år er baseret på regnskaber afsluttet i perioden 1.maj til 30. april. Statistikken opgøres årligt. Offentliggørelse ca. 14 måneder efter referenceåret. 70

77 1.4 Geografi: Statistikken dækker Danmark. Oplysninger offentliggøres årligt på amtsniveau, men grundmaterialet er på arbejdsstedsniveau, hvorved yderligere geografisk detaljering er mulig. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Statistikken baserer sig på Told- og skattestyrelsens SLS-E system (standardiserede regnskabsoplysninger, som indberettes til skattemyndighederne). Disse informationer suppleres med spørgeskemaer til virksomhederne. Herudover anvendes Erhvervsregistret i Danmark Statistik. 2.2 Relation til andre datakilder: På baggrund af grundmaterialet for regnskabsstatistikken udarbejdes en række andre statistikker eksempelvis Omsætningsstatistikken og Varestatistikken for industrien. Disse statistikker er dog ikke direkte sammenlignelige med regnskabsstatistikken pga. forskelle i enhedsafgrænsning, dækningsgrad og definitioner. 2.3 Vurdering af validitet: Statistikken giver iflg. Danmarks Statistik et pålideligt billede af det danske erhvervslivs økonomiske situation. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Data lagres elektronisk hos Danmarks Statistik som årsfiler indeholdende et komplet sæt af variabler for hvert eneste firma dækket af statistikken, og dette giver stor fleksibilitet mht. anvendelser ifm. serviceopgaver. Desuden forefindes sumdatasæt for branche, ejerform, størrelsesgruppe og geografi. 3.2 Adgang til data: Adgang til data fås på Danmarks Statistiks standardvilkår. Endvidere kan data leveres, hvor kunderne får udvalgte data leveret efter behov. 3.3 Dokumentation: Statistikken publiceres på følgende vis: - Nyt fra Danmarks Statistik, Generel erhvervsstatistik (Statistiske Efterretninger) - Danmarks Statistikbank - Statistisk årbog (årlig, som i Statistiske Efterretninger) - Statistisk Tiårsoversigt. Dokumentation og beskrivelse for de enkelte år findes i Statistiske Efterretninger. 4. Bemærkninger Ingen. 71

78 IDNR: 2.7 Navn: Firma- og ressourceområdestatistik Datatype: Økonomiske data Dataejer: Danmarks Statistik Dato: Indhold 1.1 Beskrivelse: Statistikken kombinerer økonomiske, beskæftigelses- og regnskabsmæssige oplysninger på samme enhedsniveau nemlig firmaet. Firmastatistikken indeholder oplysninger om økonomiske og beskæftigelsesmæssige oplysninger vedrørende den private sektor. Ressourceområdestatistikken baserer sig på en sektororienteret brancheaggregering af den samme population af firmaer, som indgår i firmastatistikken. 1.2 Variabler: Økonomiske og beskæftigelsesmæssige oplysninger : - Antal beskæftigede ultimo november - Kommunekode - Ejerkode - Eksport - Enhedskode - Firmabranche - JUR-nummer - Køb - Lønsum - Omsætning - SE-nummer (CVR-nummer) - Branchekode (DB03 tidligere DB93) - Antal fuldtidsansatte/ årsværk. Regnskabsmæssige oplysninger: - Anlægsaktiver - Balancesum - Egenkapital - Fremmedkapital - Værditilvækst. 72

79 Ressourceområdeinddelingen er baseret på NACE grupper. 1.3 Tid: Statistikken opgøres årligt. Offentliggørelse sker dog først ca. 21 måneder efter referenceåret, da statistikken er baseret på andre statistikker (se pkt. 2.1), som først skal foreligge. Statistikken blev etableret i 1992 og er i denne form opgjort til og med Herefter er etableret en ny statistik, Generel Firmastatistik. 1.4 Geografi: Statistikken dækker Danmark. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Statistikken baserer sig på andre statistikker fra Danmarks statistik: - Omsætningsstatistikken - Erhvervsbeskæftigelsesstatistikken - Den generelle regnskabsstatistik for byerhverv - Det Erhvervstatistiske Register. 2.2 Relation til andre datakilder: Se pkt. 2.1 Grundmateriale. 2.3 Vurdering af validitet: Samlet set vurderes statistikkens pålidelighed at være høj. Den væsentligste usikkerhed er forbundet med manglende eller ukorrekte henvisninger/relationer mellem enhederne, som kan betyde at økonomiske og beskæftigelsesmæssige data ikke knyttes korrekt sammen for enkelte enheder. Sammenkædningen af enheder er baseret på Told & Skat s systemer. Problemet søges reduceret ved manuel kontrol og fejlretning. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Data lagres elektronisk hos Danmarks Statistik. 3.2 Adgang til data: Adgang til data fås på Danmarks Statistiks standardvilkår: 3.3 Dokumentation: Statistikken publiceres på følgende vis: - Nyt fra Danmarks Statistik, Generel erhvervsstatistik (Statistiske Efterretninger) - Statistisk årbog. Dokumentation findes i forbindelse med offentliggørelsen i Statistiske Efterretninger. 4. Bemærkninger Ingen. 73

80 IDNR: 3.1 Navn: KRAKS Geodatabase AKTA Trængselsversion Datatype: Digitalt vejnet med attributdata Dataejer: KRAK Dato: Indhold 1.1 Beskrivelse: KRAKS geodatabase er den digitale version af de velkendte KRAKS-kortbøger, der i den digitale version dækker hele landet. Der er tilknyttet en lang række trafikrelaterede variabler, hvilket blandt andet er sket i forbindelse med AKTA og Trængselsprojekterne. Tidligere data fra KRM og OTM er importeret som variabler, ligesom der er sket en betydelig efterbearbejdning. KRAK er meget detaljeret geografisk såvel hvad angår antal veje (alle danske veje er med), samt koordinatsætning. Kortet er topologisk sammenhængende, så man automatisk kan skifte mellem nationale, regionale og mere detaljerede niveauer. 1.2 Variabler: Databasen indeholder følgende variabler: - Længde - Vejnavn - Skiltet hastighed (KRAK) - Model hastighed (CTT). Oftest ligger model hastigheden mellem den skiltede og målte gennemsnitshastigheder (se kommende dokumentation fra Trængselsprojektet) - Funktionel vejtype: Motorvej, rampe til motorvej, motortrafikvej, rampe til motortrafikvej, national hovedvej, regional vej, trafiksaneret regional vej, regionale ramper og forbindelsesveje, stor trafikvej, rampe til stor trafikvej, trafikvej, trafiksaneret trafikvej, rampe til trafikvej, større trafikal plads, busvej, bussluse, stor lokalvej, vej i landområde, trafiksaneret stor lokalvej, lokalvej, lille vej i landområde, diverse mindre vejtyper ned til indkørsler, færgeforbindelse i rute, færgeforbindelse lejlighedsvis, diverse planlagte veje af forskellig type (CTT) - KRM Zoneophæng - OTM Zoneophæng - DAU Vejtype (svarer til KMS klassifikation) - KRAK Vejtype - Postnummer (hhv. højre og venstre side af vejen) - Rute nr. - Frakørselsnummer (på motorveje) 74

81 - Ensretning (særlig relevant ved motorveje) - VEJNR - Midterrabat (dårligt kvalitetssikret) - Rundkørsel (dårligt kvalitetssikret) - KRM ID, samt attributdata fra KRM (antal kørespor, kapacitet, hastighed, m.v.) - Kapacitet pr. spor (nyt felt dannet af CTT) - Antal kørespor (CTT-felt) - AKTA Målt hastighed pr. retning pr. tidsinterval, samt antal observationer, antal målte biler, etc. - Modelleret trafik, KRM matricer og zonestruktur - Modelleret trafik, OTM matricer og zonestruktur - Talt trafik og hastighed fra ASTRID + ASTRID ID - Talt trafik og hastighed fra TrafMIL + TrafMIL ID hvorved andre attributdata kan linkes. Kode for om vejen er dobbeltdigitaliseret i KRAK, samt for retning af delsegmenter. 1.3 Tid: Kortet opdateres kvartalsvist for hele landet. AKTA og Trængselsdata er dog kun synkroniseret med 2002-version 2. kvartal 1.4 Geografi: Dækker Danmark. En anden version af KRAKS Geodatabase dækker tillige SKÅNE, men her er der langt færre variabler. Der er ligeledes link til KRAKS adressedatabase og erhvervsdatabase. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: I de områder, der dækkes af de trykte bøger (Hovedstadsområdet, Nordsjælland, Større byer, m.v.) bygger geodatabasen primært på KRAKS egne kort. I resten af landet er KRAK en betydelig videreudvikling af DAU. I forbindelse med AKTA-projektet på CTT/DTU er KRAK benyttet som primært vejnet. I den forbindelse blev KRM attributdata importeret til DAU via nøglen fra KRM, og derefter til KRAK via de (stort set) identiske koordinater. 2.2 Relation til andre datakilder: Som nævnt er der links til KRM (og derigennem tidligere versioner af VejnetDK og OTM), AK- TA, Trængselsprojektet, DAU, ASTRID og TrafMIL. 2.3 Vurdering af validitet: På grund af den store brugerkreds vurderes kvalitetssikringen af KRAK at være omfattende. 75

82 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: På grund af de mange brugere af KRAK's kortbøger samt aftaler med de fleste 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. AKTA- og Trængselsdata er tilknyttet KRAK det år, hvor data blev indsamlet (2002-net). Der vil skulle gennemføres en koordinering såfremt nyere versioner af KRAK ønskes benyttet. 3.2 Adgang til data: KRAK er kommercielt tilgængeligt. Attributdata, der er etableret af CTT stilles til rådighed under forudsætning af, at efterbehandling heraf ikke pålægges restriktioner (nye rettighedsmæssige begrænsninger) og at CTT får fuld adgang hertil. AKTA trafikmålinger ejes af parterne bag projektet. På aggregeret form (niveauet i KRAK aggregeret til trafikveje og samlede antal observationer af et vist antal) kan data udleveres uden problemer. På mere detaljeret niveau er data personfølsomme. 3.3 Dokumentation: KRAK som i kortbøgerne. AKTA og Trængsel er dokumenteret i særskilte rapporter. Efterbehandling af KRAK i teknisk notat. 4. Bemærkninger CTT og DTF har allerede erfaring med brug af KRAKs geodatabase. 76

83 IDNR: 4.1 Navn: EU-handel (Intrastat) Datatype: Handels- og transportstatistik Dataejer: Danmarks Statistik Dato: Indhold 1.1 Beskrivelse: Statistikken viser Danmarks import og eksport af varer til og fra de øvrige EU-lande. Den blev startet den til erstatning af den tidligere handelsstatistik baseret på told- og forsendelsesdokumenter. 1.2 Variabler: Variablerne i statistikken er: - Varekode - Land - Varens værdi - Nettovægt eller anden enhed (liter, stk. mv.). Varestrømmene angives ved varekode i henhold til Den Kombinerede Nomenklatur (KN). KN er EU s varenomenklatur, som benyttes ved opgørelse af handelen mellem EU-lande. KN indeholder ca vareopdelinger og aggregeres bl.a. til SITC rev. 3 og NST/R. På detaljeret niveau opgøres varestrømme på landeniveau mellem Danmark og øvrige EUlande. Fakturaværdi opgøres sammen med nettovægt eller anden enhed som angivet i KN. 1.3 Tid: Oplysningerne indsamles hver måned. 1.4 Geografi: Statistikken dækker EU. Import og eksport til Danmark opgøres på landeniveau (NUTS 0). Da statistikken er baseret på indberetninger fra firmaer med kendt lokalisering, er det principielt muligt at beregne en mere detaljeret opdeling indenfor Danmarks grænser ved direkte anvendelse af rådata. Den geografiske detaljering vil dog være behæftet med nogen usikkerhed, idet firmaets registrerede lokalisering og lokalisering af produktion ikke altid er identisk. En geografisk detaljering udenfor Danmarks grænser er ikke mulig med mindre handelsstatistikker fra de øvrige EU-lande tages i anvendelse. 77

84 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Lovpligtig indberetning af import og eksport for ca firmaer i Danmark, som har en årlig import større end 1,5 mio. Dkr. og/eller eksport større end 2,5 mio. Dkr. Grundmaterialet indeholder identifikationsoplysninger (f.eks. adresse, SE-nr.), som eksempelvis muliggør lokalisering af firmaet og samkørsel med andre statistikker. 2.2 Relation til andre datakilder: Intrastat kan sammenlignes med flere andre kilder, herunder partnerlandets opgørelse (spejltransaktion), betalinger i forbindelse med varesamhandel med udlandet, momsopgørelser og industristatistikkens opgørelse af omsætning på eksportmarkederne. Det er dog vanskeligt direkte at sammenligne statistik-kerne på grund af forskellige opgørelser og enheder. Der kan også være relativt store afvigelser i indberetninger fra to partnerlande i eksport og korresponderende import. 2.3 Vurdering af validitet: Fejlkilderne omfatter: - Udeladelse af mindre virksomheder - Manglende indberetning - Mangelfuld indberetning - Inkonsistente oplysninger - Diskretionshensyn. Eksport og import fra mindre virksomheder indgår ikke i statistikken. Det skønnes dog at udgør under 5% af den samlede eksport og import til EU-lande. Da det er lovpligtig at indberette, er svarprocenten stor over 90%. Indberetninger er dog ifølge Danmarks Statistik ofte forsinkende, hvorfor de første offentliggjorte månedstal er behæftet med betydelig usikkerhed. Danmarks Statistik skønner en usikkerhed på 10% på den detaljerede vare- og landefordelte statistik. Diskretionshensyn ved detaljerede opdelinger kan dog forøge fejlen. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Danmarks Statistik forestår indsamling, stikprøvevis kontrol og opbevaring af data. Grundmaterialet opbevares af Danmarks Statistik uden offentlig adgang. Behandlede og aggregerede data opbevares i Statistikbanken. 3.2 Adgang til data: Adgang til data fås på Danmarks Statistiks standardvilkår: Ved brug af Statistikbanken kan der via internet udtrækkes en detaljeret på vare- og landefordelte statistik. Endvidere kan data leveres, hvor kunderne får udvalgte data leveret efter behov. 78

85 3.3 Dokumentation: Udenrigshandelstallene publiceres på følgende vis: - Nyt fra Danmarks Statistik (månedlig oversigtstabeller) - Statistiske Efterretninger (månedlig, detaljeret landefordeling med 2-cifret varegruppering) - StatistikService (kvartalsvis, detaljeret vare- og landefordelt) - Danmarks vareimport og eksport (årlig, 2- og 5-cifret SITC varegrupper) - Statistisk årbog (årlig, som i Statistiske Efterretninger) - Statistisk Tiårsoversigt (årlig oversigttabel) - Konjunkturstatistik (månedlig, lidt mere detaljeret end i Nyt fra Danmarks Statistik) - Danmarks Statistikbank (månedlig, detaljeret se ovenfor) - Statistik uden grænser (årlig, oversigtstabeller). 4. Bemærkninger Hvorvidt det er muligt at få data leveret geografisk opdelt indenfor Danmarks grænser afhængig af firmaets lokalisering, er uvist. 79

86 IDNR: 4.2 Navn: Øvrig udenrigshandel (Extrastat) Datatype: Handels- og transportstatistik Dataejer: Danmarks Statistik Dato: Indhold 1.1 Beskrivelse: Statistikken viser Danmarks import og eksport af varer til og fra ikke-eu lande. Statistikken er regelmæssigt udarbejdet siden Før den omfattede den også varehandel med EU-lande. 1.2 Variabler: Variablerne i statistikken er: - Varekode - Land - Varens værdi - Nettovægt eller anden enhed (liter, stk. mv.) som angiver i KN - Transportform ved grænsen. Varestrømmene angives ved varekode i henhold til Den Kombinerede Nomenklatur (KN), som indeholder ca vareopdelinger. Danmarks Statistik aggregerer til bl.a. SITC rev. 3. På basis af KN kan der også aggregeres til NST/R. 1.3 Tid: Oplysningerne indsamles hver måned. 1.4 Geografi: Statistikken dækker ikke-eu lande. Import og eksport til Danmark opgøres på landeniveau (NUTS 0). 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Statistikken udarbejdes på basis af indberetninger til ToldSkat i forbindelse med ind- og udførsel af varer til/fra ikke-eu lande. Alle transaktioner over kr. og kg skal angives, hvorfor statistikken er næsten totaldækkende. Transaktioner under den statistiske tærskel estimeres af Danmarks Statistik. Grundmaterialet indeholder oplysninger (f.eks. adresse, SEnr., toldmyndighed), som eksempelvis muliggør nærmere lokalisering indenfor Danmarks grænser og samkørsel med andre statistikker. 2.2 Relation til andre datakilder: Statistikken kan sammenlignes med partnerlandets opgørelse (spejltransaktion), betalinger i 80

87 forbindelse med varesamhandel med udlandet og industristatistikkens opgørelse af omsætning på eksportmarkederne. Det er dog vanskeligt direkte at sammenligne statistikkerne på grund af forskellige opgørelser og enheder. Der kan også være relativt store afvigelser i indberetninger fra to partnerlande. 2.3 Vurdering af validitet: Varefordeling af transaktioner under den statistiske tærskel må forventes at være lidt upræcis, idet den estimeres. Vareposterne dækker dog kun 2-4% af den samlede handel med ikke-eu lande. Der må endvidere forventes en større usikkerhed på eksporttallene end importtallene, idet importtransaktionerne er underlagt en større kontrolindsats end eksporttransaktioner. De første offentliggørelser er behæftet med væsentlig usikkerhed, idet flere poster er så fejlbehæftede, at de ikke kan medtages direkte men må skønnes. De endelige tal betegner Danmarks Statistik som særdeles pålidelige, både totaler og på detaljeret niveau. Den samlede usikkerhed kendes dog ikke. Transportformen beskriver alene det anvendte transportmiddel ved grænsen. Det er således ikke muligt at udskille eventuelle kombinerede transporter. Endvidere behandles lastbil og tog ombord på færge som skibstransport i statistikken. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Danmarks Statistik forestår indsamling, stikprøvevis kontrol og opbevaring af data. Grundmaterialet opbevares af Danmarks Statistik uden offentlig adgang. Behandlede og aggregerede data opbevares i Statistikbanken. 3.2 Adgang til data: Adgang til data fås på Danmarks Statistiks standardvilkår: Ved brug af Statistikbanken kan der via internet udtrækkes en detaljeret vare- og landefordelte statistik. Endvidere kan data leveres, hvor kunderne får udvalgte data leveret efter behov. 3.3 Dokumentation: Udenrigshandelstallene publiceres på følgende vis: - Nyt fra Danmarks Statistik (månedlig oversigtstabeller) - Statistiske Efterretninger (månedlig, detaljeret landefordeling med 2-cifret varegruppering) - StatistikService (kvartalsvis, detaljeret vare- og landefordelt) - Danmarks vareimport og eksport (årlig, 2- og 5-cifret SITC varegrupper) - Statistisk årbog (årlig, som i Statistiske Efterretninger) - Statistisk Tiårsoversigt (årlig oversigttabel) - Konjunkturstatistik (månedlig, lidt mere detaljeret end i Nyt fra Danmarks Statistik) - Danmarks Statistikbank (månedlig, detaljeret se ovenfor) - Statistik uden grænser (årlig, oversigtstabeller). 4. Bemærkninger Se 4.1 Intrastat. 81

88 IDNR: 4.3 Navn: EU s handelsstatistik (COMEXT) Datatype: Handels- og transportstatistik Dataejer: EUROSTAT Dato: Indhold 1.1 Beskrivelse: Statistikken omfatter udenrigshandel mellem EU-lande og ca. 250 handelspartnere. Den afløste den nuværende statistik den tidligere udenrigshandelsstatistik (TREX), som var baseret på told- og forsendelsesdokumenter. Statistikken er dannet på basis af Intrastat (4.1) og Extrastat (4.2), som gennemføres af de enkelte medlemslande. 1.2 Variabler: Variablerne i statistikken er: - Varekode - Land - Varens værdi - Nettovægt eller anden enhed (liter, stk. mv.) som angivet i KN - Transportmiddel ved grænsen - Container (kun Extrastat). Varestrømmene angives ved varekode i henhold til bl.a. Den Kombinerede Nomenklatur (KN), SITC rev. 3 og NST/R. Varens værdi er baseret på faktura eller tolddokumenter konverteret til Euro. Transportmidler omfatter: skib, bane, lastbil, fly, indenlandske vandveje og pipelines. I Extrastat registreres transportmidlet ved grænsen. Siden den er det muligt i Intrastat at angive transportmiddel, som forventes benyttet ved grænseovergang, hvilket dog ikke benyttes af alle medlemslande. I Extrastat indsamles oplysninger om hvorvidt godset transporteres i container eller ej. 1.3 Tid: Oplysningerne indsamles hver måned og offentliggøres ca. 2 måneder efter. 1.4 Geografi: Statistikken dækker handel mellem EU-lande (intra-eu handel) samt mellem EU-lande og ikke-eu-lande (extra-eu handel). Statistikken opgøres på landeniveau (NUTS 0), idet enkelte fjerne lande dog aggregeres til større områder. 82

89 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Statistikken er baseret på en harmonisering af medlemslandenes udenrigshandelsstatistikker - Intrastat og Extrastat. Grundlaget for Intrastat er lovpligtige indberetninger fra virksomheder, hvor Extrastat udarbejdes ud fra tolddokumenter. EUROSTAT gennemfører en efterbehandling af de nationale statistikker for at opnå konsistens og afstemning af tallene. 2.2 Relation til andre datakilder: Statistikken kan sammenlignes med medlemslandenes udenrigshandelsstatistikker. Det er dog forskelle, idet EUROSTAT har gennemført justeringer af hensyn konsistens. Endvidere kan der være principielle forskelle med de nationale statistikker, eksempelvis indeholder den danske statistik ikke transit i modsætning til COMEXT. 2.3 Vurdering af validitet: Fejlkilderne i statistikken baseret på Intrastat omfatter: - Udeladelse af mindre virksomheder - Manglende indberetning - Mangelfuld indberetning - Inkonsistente oplysninger - Diskretionshensyn. Svarprocenten er ca. 90%. Eksport og import fra mindre virksomheder indgår ikke i Intrastat. Hvert land har defineret tærskelgrænser, som varierer mellem landene. Der knytter sig usikkerhed til manglende og ufuldstændige indberetninger. Der findes ikke nogen fælles procedure for justering af de nævnte fejler og mangler. Afsendervirksomheden og modtagervirksomheden kan oplyse forskellige varekoder og værdi, hvorved der opstår inkonsistente oplysninger mellem de nationale statistikker. Endvidere kan diskretionshensyn og håndtering af transithandel variere fra land til land. Den væsentligste usikkerhed i statistikken for handel mellem EU-lande og ikke-eu-lande knytter sig til de enkelte landes håndtering af forsendelser under kg eller værdi mindre Euro, idet de ikke registreres. Trods ovennævnte fejlkilder er statistikken pålidelig. De første månedlige udsendelser kan dog være behæftet med nogen usikkerhed, idet der kan forekomme skøn pga. forsinket indsendelse eller fejl. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: EUROSTAT forestår indsamling, efterbehandling og opbevaring af data. Grundmaterialet opbevares i databasen COMEXT. 83

90 3.2 Adgang til data: Danmarks Statistik har direkte adgang til COMEXT. Hver måned udsendes CD-Rom med standardudtræk. Endvidere offentliggøres nøgletal i EUROSTAT publikationer, hvoraf enkelte er tilgængelige på website Dokumentation: Af dokumentation kan nævnes: - Statistics on the trading of goods User Guide, Eurostat, Stastistical Yearbook, EUROSTAT - Monthly Bulletin on External Trade, EUROSTAT. 4. Bemærkninger Ingen. 84

91 IDNR: 4.4 Navn: EU Intermodal transport Datatype: Handels- og transportstatistik Dataejer: EUROSTAT Dato: Indhold 1.1 Beskrivelse: Statistikken beskriver varetransport til og fra EU-lande opdelt på kombinationer af transportmidler. Statistikken blev første gang publiceret i 1999 og omfatter en viderebearbejdning af den løbende statistikindsamling. Foreløbig koncentreres statistikken om transport med container, veksellad og sættevogn, som ofte anvendes i kombinerede transporter. 1.2 Variabler: Variablerne i statistikken omfatter: - Varekode - Land - Anvendte transportmidler - Transportenhed (container, veksellad mv.) - Nettovægt og TEU. Varerne klassificeres i henhold til NST/R på første niveau. Følgende transportmidler omtales: lastbil, bane, indenlandske vandveje, skib og fly. 1.3 Tid: Statistikken udarbejdes lejlighedsvis, og der er flere års forsinkelse i forhold til aktuelle data. Den seneste publikation stammer fra år 2002 og omfatter opgørelser for år 1998/ Geografi: Statistikken dækker varetransport mellem EU lande samt import og export til og fra EU. Det opgøres på landeniveau (NUTS 0). 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Statistikken er en sammenstilling af mange forskellige kilder. Det kan bl.a. nævnes: Containerisation Yearbook, havnemyndigheder, NEAC database og handelsstatistik. 2.2 Relation til andre datakilder: Der er ikke nogen direkte relation til andre kilder, da statistikken beskriver kombinationer af transportmidler. Men på aggregeret niveau kan den sammenlignes med handelsstatistikker, i det omfang som containere kan udskilles. Den kan også sammenlignes med havnemyndighedernes og baneselskabernes statistikker. 85

92 2.3 Vurdering af validitet: Usikkerhed på tallene er ukendt. Da statistikken er baseret på forskellige kilder og skøn må der forventes nogen usikkerhed på detaljerede varestrømme opdelt efter geografisk relation og kombination af transportmiddel. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Data opbevares af EUROSTAT. 3.2 Adgang til data: Adgang til data fås via EUROSTAT. Nøgletal fra statistikken findes offentlig tilgængelig på internettet. 3.3 Dokumentation: - EU Intermodal Freight Transport. Key Statistical Data , EUROSTAT Bemærkninger Ingen. 86

93 IDNR: 4.5 Navn: National kørebogsanalyse Datatype: Handels- og transportstatistik Dataejer: Danmarks Statistik Dato: Indhold 1.1 Beskrivelse: Statistikken omhandler national godstransport med danske lastbiler, dvs. kørsel mellem på- og aflæsningssteder, der begge ligger i Danmark. Statistikken omfatter lastbiler med en maksimal tilladelig totalvægt over 6 ton. 1.2 Variabler: Variablerne i statistikken er: - Køretøjsdata (vogntype,totalvægt, lasteevne,aksler,alder) - Trafikarbejde (kørte km) og transportarbejde (tonkm) - Transportafstand - På- og aflæsningsamt - Pålæsset godsmængde - Kapacitetsudnyttelse og tomkørsel - Vareart (28 kategorier, sammenlignelig med NST/R-24 gruppering). 1.3 Tid: Oplysninger indsamles hvert kvartal. Statistikken er fuldt ud sammenlignelig fra 1980 og frem. 1.4 Geografi: Statistikken dækker Danmark på amtsniveau (NUTS 3). 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Statistikken er baseret på en spørgeskemabaseret stikprøvetælling. Hvert kvartal indsamles data fra en stikprøve som omfatter ca. 900 af de ca danske lastbiler med mere end 6 ton totalvægt. Der medtages kørsel for egen (firmakørsel) såvel som for fremmed regning (vognmandskørsel). Det statistiske register indeholder alle indberettede variabler for hvert læs og tomtur. Data findes fra Relation til andre datakilder: - 87

94 2.3 Vurdering af validitet: Usikkerhedskilder omfatter: - Målefejl - Fejl i indberetninger - Statistisk usikkerhed, som følge af stikprøvemetoden - Manglende indberetninger. Den statistiske usikkerhed er i 1998 af Danmarks statistik blevet op gjort til +/- 5,7 % og +/- 5,3 % for henholdsvis godsmængde og transportarbejde. Usikkerheden vokser med stigende detaljeringsgrad. For den samlede godsmængde i 2001 er konfidensintervallet (95 %) opgjort til 190,0 mio. ton +/- 6,0 %. For det samlede transportarbejde er konfidensintervallet opgjort til 10,9 mia. tonkm +/- 5,5 %. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Danmarks Statistik forestår indsamling, stikprøvevis kontrol og opbevaring af data. Grundmaterialet opbevares af Danmarks Statistik uden offentlig adgang. Behandlede og aggregerede data opbevares i Statistikbanken. 3.2 Adgang til data: Adgang til data fås på Danmarks Statistiks standardvilkår. Ved brug af Statistikbanken kan der via internet udtrækkes en detaljeret på vare- og landefordelte statistik. Endvidere kan data leveres, hvor kunderne får udvalgte data leveret efter behov. 3.3 Dokumentation: Godstransporttallene publiceres på følgende vis: - Nyt fra Danmarks Statistik og Transport / Statistiske Efterretninger (kvartalsvis og årligt) - Danmarks Statistikbank - Transport (publikationen er udkommet i 1995 og 2000) - Statistisk årbog (årlig). 4. Bemærkninger Kontaktpersoner: Vedr. statistisk metode : Specialkonsulent Erik Egemose Grib, tlf , [email protected]. Vedr. international kørsel : Else Jacobsen, tlf , [email protected]. 88

95 IDNR: 4.6 Navn: International godstransport med danske lastbiler Datatype: Handels- og transportstatistik Dataejer: Danmarks Statistik Dato: Indhold 1.1 Beskrivelse: Statistikken omhandler international godstransport med danske lastbiler og sættevognstrækkere med en maksimal tilladelig totalvægt over 6 ton. 1.2 Variabler: Variablerne i statistikken er: - Køretøjsdata (vogntype, totalvægt, lasteevne, aksler, alder) - Trafikarbejde (kørte km, turlængder) - På- og aflæsningsland (15 EU, 4 ikke-eu lande, øvrige lande) - Pålæsset godsmængde og transportarbejde - Vareart (5 og 28 kategorier). 1.3 Tid: Oplysninger indsamles hvert kvartal. 1.4 Geografi: Statistikken dækker EU (og tilstødende lande). Godstransporten opgøres på landeniveau (NUTS 0). International godstransport med danske lastbiler omfatter: - Kørsel til og fra Danmark (kørsel, hvor enten på- eller aflæsninger sker i udlandet) - Tredjelandskørsel (kørsel mellem to udlande) - Cabotagekørsel (kørsel i samme udland). 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Statistikken er siden 1993 baseret på en spørgeskemabaseret stikprøvetælling. Hvert kvartal indsamles data fra en stikprøve på ca. 700 af de ca firmaer, der har international godstransport med egne eller leasede lastbiler. Data bliver indberettet af firmaer med international kørsel for egen (firmakørsel) eller fremmed regning (vognmandskørsel). Det statistiske register indeholder alle indberettede variabler for hvert læs og tomtur. Data findes fra

96 2.2 Relation til andre datakilder: Indtil 1992 blev statistikken opgjort på grundlag af indberetningerne til udenrigshandelsstatistikken. Stikprøveundersøgelsens resultater kan ikke direkte sammenlignes med den indtil 1992 opgjorte statistik, fordi udenrigshandelsstatistikken også omhandler små lastbiler og varebiler (udgør dog kun ca. 2 % af godstransporten), benytter varens nettovægt og bestemmelsesland. 2.3 Vurdering af validitet: Usikkerhedskilder omfatter: - Underrapportering - Undervurdering af cabotagekørsel - Statistisk usikkerhed. Danmarks Statistik vurderer, at det opregnede resultat undervurderer transporternes omfang pga. transportfirmaernes fejlfortolkninger af retningslinjer m.v. for rapporteringen. Endvidere har Danmarks Statistik et ufuldstændigt kendskab til alle firmaer som kører udlandskørsel. Danmarks Statistik korrigerer det opregnede resultat fra stikprøveundersøgelsen med en korrektionsfaktor på ca Faktoren justeres kvartalsvis og estimeres ved sammenligning med stikprøveundersøgelserne til bestemmelse af den indenlandske godstransport med danske lastbiler (Kørebogsanalysen). Cabotagekørsel vurderes at være undervurderet som følge af danske lastbiler, som opholder sig i udlandet i længere tid. Danmarks Statistik skønner (for 1998 statistikken) en usikkerhed på +/- 2.5 %, 2.8 % og 11.5 % for godsmængderne transporteret ved kørsel henholdsvis fra Danmark, til Danmark og mellem to andre lande. For transportarbejdet er de skønnede usikkerheder henholdsvis +/- 3.6 %, 3.8 % og 13.6 %. Ved større detaljeringsgrad øges de statistiske usikkerheder. For den samlede godsmængde i 2001 er konfidensintervallet (95 %) opgjort til 15,2 mio. ton +/- 2,7 %. For transportarbejdet er konfidensintervallet opgjort til 11,3 mia. tonkm +/- 2,6 %. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Danmarks Statistik forestår indsamling, stikprøvevis kontrol og opbevaring af data. Grundmaterialet opbevares af Danmarks Statistik uden offentlig adgang. Behandlede og aggregerede data opbevares i Statistikbanken. 3.2 Adgang til data: Adgang til data fås på Danmarks Statistiks standardvilkår: Ved brug af Statistikbanken kan der via internet udtrækkes en detaljeret på vare- og landefordelt statistik. Endvidere kan data leveres, hvor kunderne får udvalgte data leveret efter behov. 90

97 3.3 Dokumentation: Godstransporttallene publiceres på følgende vis: - Nyt fra Danmarks Statistik og Transport / Statistiske Efterretninger (kvartalsvis og årligt) - Transport (publikationen er udkommet i 1995 og 2000) - Statistisk årbog (årlig). 4. Bemærkninger Se

98 IDNR: 4.7 Navn: Jernbanetransport Datatype: Handels- og transportstatistik Dataejer: Danmarks Statistik Dato: Indhold 1.1 Beskrivelse: Statistikken omfatter national og international godstrafik på det danske jernbanenet. Der skelnes mellem national transport, hvor både på- og aflæsningssted foregår i Danmark, international transport, hvor enten på- eller aflæsning sker i udlandet, og transitkørsel, hvor godset passerer igennem Danmark. 1.2 Variabler: Variablerne jernbanegodsstatistikken er: - Godsmængde (bruttovægt) - På- og aflæsningssted - Godstyper (kombigods, hellastgods og stykgods) - Vareart (5 kategorier). Varerne er inddelt i følgende fem grupper: 1) træ- og landbrugsprodukter, 2) næringsmidler og foder, 3) kul, olie og kemiske produkter, 4) jern, stykgods og bearbejdede varer og 5) grus, sand, cement og jord. 1.3 Tid: Oplysninger indsamles hvert kvartal. 1.4 Geografi: Den nationale godstransport opgøres fordelt på amter (NUTS 3). Den internationale godstransport og transitkørsel opgøres på landeniveau (NUTS 0). 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Opgørelsen baserer sig overvejende på indberetninger fra Banestyrelsen, Railion Danmark A/S og Privatbanernes Fællesrepræsentation. 2.2 Relation til andre datakilder: Jernbanestatistikken i sin nuværende form blev lavet første gang i Opgørelser kan dog for de fleste posters vedkommende sammenlignes tilbage til

99 2.3 Vurdering af validitet: Jernebanestatistikken er en totalopgørelse af jernbanenet og transport i Danmark og har derfor stor pålidelighed. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Danmarks Statistik forestår indsamling og opbevaring af data. Grundmaterialet opbevares elektronisk af Danmarks Statistik uden offentlig adgang. 3.2 Adgang til data: Adgang til data fås på Danmarks Statistiks standardvilkår. 3.3 Dokumentation: Transporttallene publiceres på følgende vis: - Statistiske Efterretninger (kvartalsvis og årligt) - Transport (publikationen udkommer hvert 5. år) - Statistisk årbog (årlig). 4. Bemærkninger Kontaktpersoner: Vedr. statistisk metode : Specialkonsulent Erik Egemose Grib, tlf , [email protected]. Vedr. tal : Kirsten Spieker, tlf , [email protected]. Vedr. tal : Sonja Merkelsen, tlf , [email protected]. 93

100 IDNR: 4.8 Navn: Passager- og færgefart i danske havne Datatype: Handels- og transportstatistik Dataejer: Danmarks Statistik Dato: Indhold 1.1 Beskrivelse: Statistikken belyser transport af gods med færger mellem to danske havne eller mellem en dansk og en udenlandsk havn. 1.2 Variabler: Variablerne i godsstatistikken er: - Godsmængde (bruttovægt) - Til - og frahavn - Overførte lastbiler (sololastbil, lastbil med anhænger, løs trailer, sættevognstog) - Transportmiddel (godset opdeles på lastbilgods, banegods og andet gods). 1.3 Tid: Oplysninger indsamles hver måned fra rederierne. Statistikken publiceres kvartalsvis og årligt henholdsvis ca. 60 dage efter kvartalets afslutning og ca. 180 dage efter årets afslutning. 1.4 Geografi: Der findes oplysninger om havne. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Opgørelsen baserer sig på månedlige indberetninger fra færgerederier. 2.2 Relation til andre datakilder: Statistikken kan sammenlignes tilbage til Vurdering af validitet: En del småfærger og mindre skibe, der gør tjeneste i kortere overfarter til småøer mv., er ikke omfattet af statistikken. Gods med lastbiler er i mange tilfælde skønnet på basis af antal overførte lastbiler, anhængere og sættevogne, hvilket gør statistikken noget usikker. Der foreligger ingen oplysninger om oprindelses- og bestemmelsessted - kun til - og frahavn. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Det statistiske register hos Danmarks Statistik indeholder alle indberettede variabler for hver færgerute. Data findes lagret elektronisk fra

101 3.2 Adgang til data: Adgang til data fås på Danmarks Statistiks standardvilkår. 3.3 Dokumentation: Data publiceres på følgende vis: - Statistiske Efterretninger (kvartalsvis og årligt) - Transport (publikationen udkommer hvert 5. år) - Statistisk årbog (årlig). 4. Bemærkninger Ingen. 95

102 IDNR: 4.9 Navn: Skibsfart på danske havne Datatype: Handels- og transportstatistik Dataejer: Danmarks Statistik Dato: Indhold 1.1 Beskrivelse: Statistikken belyser omfanget af ud - og indskibning af gods med fragtskibe mellem to danske havne eller mellem dansk og udenlandsk havn. 1.2 Variabler: Variablerne i godsstatistikken er: - Skibstype og størrelse - Godsmængde (bruttovægt inkl. emballage men ekskl. containerens taravægt) - Vareart (21 grupper) - Ind - og udskibningshavn. Fragtskibe omfatter tankskibe, tørlastskibe, stykgodsskibe (herunder ro-ro fragtfærger) og tørlast-pramme/lægtere. Der anvendes en særlig vareklassifikation inddelt i 21 grupper, hvor 5 er indenfor flydende bulk og 9 indenfor fast bulk. De resterende 7 grupper omfatter træprodukter, metalvarer, stykgods, gods i containere, motorkøretøjer, færgegods og andet ro-ro gods. 1.3 Tid: Oplysninger indsamles hver måned for de store havne og årligt fra de mindre havne. Statistikken publiceres kvartalsvis og årligt henholdsvis ca. 60 dage efter kvartalets afslutning og ca. 180 dage efter årets afslutning. 1.4 Geografi: Der findes oplysninger om ind - og udskibningshavn. For indenlandske transporter opgøres godsmængder mellem amter (NUTS 3). Internationale transporter opgøres på landeniveau (NUTS 0). 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: De store havne (trafikhavne) indberetter hver måned oplysninger om alle skibsanløb. For de mindre havne indsamles summariske oplysninger om godsomsætning og antal fragtskibsanløb pr. år. 2.2 Relation til andre datakilder: Statistikken kan sammenlignes med Trafikministeriets havnedatabase, men på grund af forskelle i vareopdeling og ændringer i indsamlingsmetoder kan der være forskelle. 96

103 2.3 Vurdering af validitet: Vægten er i et vist omfang skønnet ud fra gennemsnitlig vægt af sættevogne, anhængere mv., hvilket medfører usikkerhed på godsmængden. For de mindre havne er opgørelserne summariske og noget usikker, men da godsomsætningen er relativ lille betyder det mindre i det samlede billede. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Det statistiske register hos Danmarks Statistik indeholder for de store havne alle indberettede variabler for hvert anløb. Data findes lagret elektronisk fra Adgang til data: Adgang til data fås på Danmarks Statistiks standardvilkår. 3.3 Dokumentation: Data publiceres på følgende vis: - Statistiske Efterretninger (kvartalsvis og årligt) - Transport (publikationen udkommer hvert 5. år) - Statistisk årbog (årlig). 4. Bemærkninger Ingen. 97

104 IDNR: 4.10 Navn: Luftfragt på danske lufthavne Datatype: Handels- og transportstatistik Dataejer: Danmarks Statistik Dato: Indhold 1.1 Beskrivelse: Statistikken belyser godsomfanget over danske lufthavne. 1.2 Variabler: Variablerne i godsstatistikken er: - Godsmængde (bruttovægt inkl. emballage) - Lufthavn - Flyrute. Der sondres mellem indenrigs- og udenrigsflyvning med opdeling på ruteflyvning, charterflyvning, taxiflyvning og anden flyvning. 1.3 Tid: Statistikken opgøres kvartalsvis og årligt. Kvartalsstatistikken udgives ca. 90 dage efter kvartalets afslutning. Årsstatistikken udkommer ca. 180 dage efter årets udløb. 1.4 Geografi: Der findes ingen oplysninger om geografisk fordeling af godset. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Statens Lufthavnsvæsen indberetter hver måned data fra de enkelte lufthavne. 2.2 Relation til andre datakilder: Vurdering af validitet: Der er tale totale vægtopgørelser, hvorfor statistikken vurderes at være meget pålidelig. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Data opbevares hos Danmarks Statistik. 98

105 3.2 Adgang til data: Adgang til data fås på Danmarks Statistiks standardvilkår. 3.3 Dokumentation: Data publiceres på følgende vis: - Statistiske Efterretninger (kvartalsvis og årligt) - Transport (publikationen udkommer hvert 5. år) - Statistisk årbog (årlig). 4. Bemærkninger Ingen. 99

106 IDNR: 4.11 Navn: Vejtrafiktællinger Datatype: Handels- og transportstatistik Dataejer: Vejdirektoratet, amter og kommuner Dato: Indhold 1.1 Beskrivelse: Vejdirektoratet, amterne og enkelte kommuner gennemfører systematiske maskinelle og manuelle tællinger af biltrafikken. Her kan specielt fremhæves følgende tælleprogrammer: - Permanente tællinger - Grænsetællinger - 70-punktstællinger - Manuelle tællinger i Københavns kommune. Vejdirektoratet og amterne registrerer ved hjælp af maskinelle tælleapparater trafikken permanent flere end 300 steder i Danmark. Vejdirektoratet registrerer maskinelt trafikken over samtlige 7 grænseover-gange mellem Danmark og Tyskland. Siden 1983 har Vejdirektoratet hvert år gennemført manuelle tællinger 60 faste steder i Danmark. I år 2002 blev programmet revideret og udvidet til at omfatte 70 steder. De større kommuner gennemfører mere systematiske tællinger. Eksempelvis foretager Københavns kommune hvert år et stort antal manuelle tællinger. Endvidere bør Vejsektorens Informationssystem (VIS) nævnes, idet den indeholder detaljerede oplysninger om stats- og amtsvejnettet inklusiv trafiktal. 1.2 Variabler: De maskinelle tælleapparater registrerer antallet af køretøjer. En del af apparaterne er derudover i stand til at opdele efter køretøjets længde. Der anvendes typisk følgende længdeklasser: 0-5,80 m, 5,80-12,50 m og over 12,50 m. Vejdirektoratet klassificerer manuelt køretøjerne i 10 klasser i henhold til en standard for køretøjsklassifikation, som blev revideret i år I tællingerne udskilles varebiler og forskellige typer af lastbiler. Kommunerne kan benytte lidt afvigende klassifikationer. VIS indeholder for hver strækning oplysninger om årsdøgntrafik (ÅDT) og andel af køretøjer over 6 ton. 1.3 Tid: Tællingerne gennemføres løbende og er tilgængelige få måneder efter årsskiftet. Trafiktallene i VIS opdateres hvert år, og ny version er tilgængelig medio året. 100

107 1.4 Geografi: De permanente tællinger er placeret på stats- og amtsvejnettet i Danmark. 70- punktstællingerne dækker hele vejnettet i Danmark. De kommunale tællinger dækker kommunens eget vejnet. VIS omfatter stats- og amtsvejnettet opdelt på over delstrækninger. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Registreringer baseret på tælleapparater og manuelle observationer. 2.2 Relation til andre datakilder: Tællinger danner grundlag for beregning af bl.a. trafikarbejde, som Vejdirektoratet indberetter til Trafikministeriet og transportstatistikken hos Danmarks Statistik. 2.3 Vurdering af validitet: Maskinelle permanente tællinger er meget nøjagtige. Vejdirektoratet skønner, at fejl i maskinelle tællinger ligger indenfor 2%. De maskinelle tællinger kan ikke direkte benyttes til at belyse lastbiltrafikken, idet længdeklassifikationen ikke er egnet dertil. Længdeklassen 5,80-12,50 m indeholder således både personbiler med campingvogn, varebiler og lastbiler. Køretøjer over 12,50 m omfatter f.eks. busser, sættevognstog og lastbiler med anhænger. Manuelle tællinger er behæftet med større usikkerhed, idet de typisk kun gennemføres en eller to dage i løbet af et år. ÅDT baseret på en manuel tælling vil derfor typisk være behæftet med en usikkerhed over 10%. De manuelle tællinger kan direkte benyttes til belysning af lastbiltrafikken, men omfanget af tællinger er begrænset. Trafiktallene i VIS er baseret på tællinger og skøn på de strækninger, hvor der ikke er gennemført tællinger. Andel af køretøjer over 6 ton er skønnet. Da trafiktallene i høj grad er baseret på skøn, er der generelt væsentlig usikkerhed på tallene. Specielt er andel af køretøjer over 6 ton meget usikker. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: De enkelte vejmyndigheder kvalitetssikrer trafiktal og indberetter til VIS. Talte trafiktal opbevares bl.a. i MASTRA, som er Vejdirektoratets og amternes tælledatabase. 3.2 Adgang til data: Adgang til tællinger opnås ved henvendelse til Vejdirektoratet eller berørte vejmyndighed. 3.3 Dokumentation: Se eksempelvis Vejdirektoratets hjemmeside 4. Bemærkninger Ingen. 101

108 IDNR: 5.1 Navn: Varuflödesundersökning (VFU) Datatype: Trafikanalyser - efterspørgsel Dataejer: SIKA Dato: Indhold 1.1 Beskrivelse: Den svenske varestrømsundersøgelse VFU dækker år To mindre forudgående undersøgelser er gennemført i år 1996 og 98. Formål med undersøgelsen er at give et billede af godsstrømme indenfor Sverige samt mellem Sverige og udlandet, at belyse den geografiske fordeling af godsstrømme og intermodal transport. Undersøgelsen gennemføres af Sveriges Statistiska Centralbyrån (SCB) for SIKA. VFU er baseret på stikprøveundersøgelse blandt virksomheder indenfor minedrift, fremstillingsvirksomhed og engroshandel (NACE Rev. 1 koderne 10-37, 503 og 51). Den er suppleret med registeroplysninger for virksomheder indenfor sukkerproduktion (kode 01114), produktion af mælk (kode 01211) og træproduktion (kode 02011). 1.2 Variabler: VFU indeholder følgende oplysninger om de enkelte forsendelser: - Værdi ifølge faktura - Nettovægt - Varekode, herunder angivelse af farligt gods - Lasttype - Anvendte transportmidler indenfor Sverige - Anvendte transportmidler udenfor Sverige - Modtagelses- og afsendelsessted - Adgang til bane og havn. Varerne er klassificeret i overensstemmelse med NST/R og efterfølgende aggregeret til varegrupper som anvendes i Samgods (12 STAN-varegrupper), som er den svenske nationale godstafikmodel. Der er opdelt på 10 forskellige lasttyper f.eks. stor container, palle, fast og flydende bulk. Der findes oplysninger om intermodal transport, idet samtlige transportmidler opdelt på 9 forskellige typer registreres. Indenfor Sverige registreres modtagelses- og afsendelsessted angivet ved postnummer og by. For internationale transporter registreres modtagelses- og afsendelsessted i udlandet ved land og by. Endvidere registreres grænsestedet i Sverige ved internationale transporter. 102

109 1.3 Tid: VFU beskriver varestrømme for år Geografi: De udvalgte virksomheder indberetter varer sendt fra virksomheden til andet sted i Sverige eller udlandet samt varer modtaget fra udlandet. Geografisk underopdeles Sverige i postnummer og by. Europa inddeles i lande og byer. Derudover skelnes alene mellem Afrika, Amerika og resten af verden. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Der er udsendt spørgeskemaer til virksomheder ud af i alt ca virksomheder indenfor de undersøgte brancher. Det er suppleret med registeroplysninger for virksomheder indenfor sukker, træ og mælk. 2.2 Relation til andre datakilder: VFU kan sammenlignes med forskellige svenske kilder f.eks. kørebogsanalyse, industri- og erhvervs-statistik. I forhold til Danmark er det imidlertid mest interessant at sammenligne med udenrigshandelsstatistikken. 2.3 Vurdering af validitet: Da VFU primært er baseret på en stikprøve, er den behæftet med usikkerhed. Usikkerheden knytter sig bl.a. til: - Stikprøvestørrelse - Manglende besvarelser - Ufuldstændige besvarelser. Der er tale om et relativt stort antal virksomheder og alle større virksomheder er medtaget i undersøgelsen. Så usikkerheden i forbindelse med stikprøvestørrelsen vedrører primært udvælges af forsendelser og tidsperiode. Da der er indberetningspligt, er svarprocenten stor ca. 80%. SCB korrigerer ved hjælp af andre statistiske kilder for de manglende besvarelser. Endelig vurderer SCB, at svarkvaliteten er god. En sammenligning med andre statistiske kilder viser fin overensstemmelse, så usikkerheden på aggregeret niveau må betragtes som meget lille. Når der opdeles mere detaljeret på transportmidler og geografi stiger usikkerheden naturligvis, men VFU må vurderes som relativ pålidelig. Da VFU ikke omfatter alle virksomhedsbrancher, er den ikke i stand til at beskrive den samlede gods-transport. De væsentligste virksomhedsbrancher, som ikke er omfattet af undersøgelsen, vedrører føde-varer og detailhandel. I forhold til den samlede udenrigshandel udgør disse manglende varegrupper mængdemæssigt dog kun få procent. 103

110 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: SCB har indsamlet og efterbehandlet data. I efterbehandlingen er gennemført kvalitetsvurderinger, opregninger ud fra andre datakilder og bortfaldanalyser. Data ejes af SIKA men opbevares af SCB. 3.2 Adgang til data: Der er adgang til data via SIKA. I hvilken form og omfang er dog ukendt på nuværende tidspunkt. 3.3 Dokumentation: Følgende dokumentation foreligger: - Varudflödesundersökningen 2001 metoderapport, SIKA, Bemærkninger Ingen. 104

111 IDNR: 5.2 Navn: SENEX godsmatricer Datatype: Trafikanalyser - efterspørgsel Dataejer: Trafikministeriet Dato: Indhold 1.1 Beskrivelse: SENEX-modellen er udviklet til brug for analyse af konsekvenser af afgifter for lastbiler på tyske motor-veje. Modellen beskriver godstransport mellem Norden og det Europæiske Kontinent, det vil sige international godstransport til og fra Danmark samt transit igennem Danmark. Som særlig relevant indeholder den godsmatricer for år Modellen er videreudviklet på basis af FEMEX Femer Bælt modellen. Bl.a. er der gennemført en opdatering af godsmatricer ud fra handels- og transportstatistikker. 1.2 Variabler: Godsmatricerne beskriver: - Nettovægt - Varegruppe - Transportmiddel - Zone. Godsmatricerne indeholder godsmængder i ton opdelt på 11 varegrupper. Varegrupperne er defineret ved hjælp af NST/R på niveau 2 (grupper). Der anvendes hovedtransportmidlerne: lastbil, bane og skib. Flygods indregnes som godstransport med lastbil. Rørtransport er opgjort og indregnet som skibstransport. 1.3 Tid: Godsmatricerne beskriver varestrømme for år Geografi: Analyseområdet omfatter Norden og det Europæiske Kontinent. Zonesystemet er baseret på FEMEX, hvor der er sket en sammenlægning af mindre zoner omkring Femern Bælt og Skåne. Modellen omfatter knap 200 zoner, hvoraf Danmark er opdelt i ca. 25 zoner. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Godsmatricerne i FEMEX er opdateret til år 2000 på basis af danske såvel som udenlandske handels- og transportstatistikker. 2.2 Relation til andre datakilder: Jf. ovenstående er godsmatricerne direkte sammenlignelige med handelsstatistikken. 105

112 2.3 Vurdering af validitet: Usikkerheden i godsmatricerne knytter sig specielt til underopdeling i zoner og transportmidler, som er skønnet eller modelberegnet. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: SENEX er udviklet af TetraPlan, som i øjeblikket også opbevarer data. Model og data overleveres dog til Trafikministeriet via Danmarks TransportForskning. 3.2 Adgang til data: For mulig adgang til data kontaktes Trafikministeriet. 3.3 Dokumentation: Der er udarbejdet et notat, som beskriver datagrundlaget i SENEX. 4. Bemærkninger Ingen. 106

113 IDNR: 5.3 Navn: Femern Bælt projekt Datatype: Trafikanalyser - efterspørgsel Dataejer: Trafikministeriet Dato: Indhold 1.1 Beskrivelse: Projektet undersøger hvordan den faste forbindelse over Femern Bælt ville kunne påvirker ændringer i model split og i rutevalg over Østersøen. Modellen i projektet dækker både person- og godstrafik. Data i projektet indeholder: - Interviews med 1500 lastbilchauffører om den pågældende tur, SP interviews med shippers og forwarders, - Færgetrafikdata, - Godstransportdata, - Eksport/import statistik, - OD godsmatricer, og - Netdata. 1.2 Variabler: Interviews med 1500 lastbilchauffører indeholder informationer om den pågældende tur: - Lastbiltype, - Nationalitet, - Net vægt, - Godstype (varegruppe), og - Origin og destination. Færgetrafikdata indeholder færgestatistik vedrørende antal lastbiler for hver måned i perioden Godstransportdata består af mange kilder, bl.a. søgodsdata (OD godsdata vedrørende trafikken over i Nordsøen og Østersøen), eksport/import tal for Tyskland, Danmark og Skandinavien, samt Tysk godstransportstrømmer. Eksport/import statistik i projektet dækker Tyskland, Danmark, Sverige og Finland. Data beskriver tons transporteret fordelt på varegrupper og transportmidler. OD godsmatricer dækker godsstrømmer for 11 varegrupper og 4 transportmidler for Der er opbygget 88 OD matricer i projektet: 11 varegrupper x 4 transportmidler x 2 retninger. 107

114 Netdata inkluderer bane- og vejnet. Data inkluderer afstand, rejsetid og rejseomkostninger for alle zonepar. 1.3 Tid: Interviews med lastbilchauffører blev gennemført i løbet af Godsmatricerne dækker Færgetrafikdata i projektet er i form af tidsserier for hver måned i perioden Geografi: Projektet dækker Denmark, Tyskland, Sverige, Norge, Finland, og resten af Europa. Området er opdelt på 207 zoner. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Se Relation til andre datakilder: Vurdering af validitet: - 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Adgang til data: Trafikministeriet er formelt ejer af data. 3.3 Dokumentation: Fehmarnbelt, Traffic Demand Study Final Report. 4. Bemærkninger Ingen. 108

115 IDNR: 5.4 Navn: Storebælt projekt Datatype: Trafikanalyser - efterspørgsel Dataejer: AS Storebæltsforbindelse Dato: Indhold 1.1 Beskrivelse: Projektet beskriver godstrafik mellem Øst - og Vestdanmark. Data i projektet indeholder: - Interview med lastbilchauffører - OD matricer - Vejnet for Færgetrafikdata - Interviews med 19 virksomheder, og - SP interviews med shippers og forwarders. 1.2 Variabler: Interview med lastbilchauffører beskriver gods fordelt på 8 varegrupper mellem 15 zoner i Danmark med hensyn til: - Størrelsesgruppe (3 grupper) - Biltype (sololastbil, sættevogntog, påhængsvogntog) - Godstype (4 godstyper samt tomkørsel) - Fra amt (zone) - Til amt (zone) - Antal ture, og - Godsvægt i ton. OD matricer i projektet dækker antal ture og godsmængder mellem 15 zoner i Danmark. Vejnet beskrives i form af to matricer: afstands- og køretidsmatrices mellem 15 zoner for Færgetrafikdata dækker takster, sejltider, ventetider og frekvenser. Baggrundsinterviews med 19 virksomheder (10 firmaer placeret øst for Storebælt og 9 på Fyn eller i Jylland) giver firmaers præferencer i forholds til service niveauet på færgerne og samt firmaers logistiskplanlægning. 1.3 Tid: Interview blev gennemført i løbet af 1995/

116 1.4 Geografi: Projektet dækker Denmark, som er fordelt på kun 15 zoner som svarer til amterne. Københavns området er fordelt på to zoner: København/Frederiksberg og resten af Københavns Amt. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Relation til andre datakilder: Vurdering af validitet: - 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Adgang til data: Data ejes af AS Storebælt. 3.3 Dokumentation: COWIs rapporter til AS Storebælt. 4. Bemærkninger Ingen. 110

117 IDNR: 5.5 Navn: Øresund projekt Datatype: Trafikanalyser efterspørgsel Dataejer: Øresundsforbindelse Dato: Indhold 1.1 Beskrivelse: Projektet beskriver godstrafik mellem Danmark og Sverige. Data i projektet indeholder: - Interview med lastbilchauffører - Postkort analyser - OD matricer, og - Zonal data. 1.2 Variabler: OD surveys var gennemført i projektet med det formål at etablere OD godsmatricer for trafikken over Øresund interview var gennemført i oktober 1995, og maj-august Analyserne indeholder informationer om: - Biltype - Godstype (25 varegrupper grupperet videre i kun fire grupper: bulk høj, bulk lav, general gods høj, general gods lav) - Origin - Destination - Ventetid - Rejsetid siden sidste loading/unloading - Godsvægt i ton - Lastbilvægt. Postkortanalysen blev gennemført i de tilfælde, hvor gennemførelsen af interviews ikke var muligt på grund af manglede tid. 119 postkort interview blev gennemført i sommer Den indeholder de samme informationer som OD surveys. OD matricer i projektet dækker antal ture og godsmængder mellem zonerne. Et relativt detaljeret zonesystem findes i projektet. OD matricerne er baseret på følgende kilder: - Eksport/import data - Statistikken fra forwarders - Beregnet godstransport i antal af lastbiler, baseret på projektets OD surveys. Zone data indeholder informationer omkring zonernes befolkning, gennemsnit indkomst og be- 111

118 skæftigelse opdelt på 10 NACE kategorier. 1.3 Tid: OD interview blev gennemført i oktober 1995, og maj-august Postkortanalysen blev gennemført i maj Geografi: Projektet dækker Skandinavien, Poland, Holland, Tyskland og resten af Europa. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Relation til andre datakilder: Vurdering af validitet: - 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Adgang til data: Data ejes af AS Øresundsforbindelse. 3.3 Dokumentation: COWIs rapporter til Øresundsforbindelse. 4. Bemærkninger Ingen. 112

119 IDNR: 5.6 Navn: Internationale godsmatricer Datatype: Trafikanalyser - efterspørgsel Dataejer: EU og NEA Dato: Indhold 1.1 Beskrivelse: Her beskrives en viderebearbejdning af international statistik til godsmatricer, som indeholder varestrømme til og fra Danmark samt varestrømme i transit igennem Danmark. I forbindelse med EU-projektet SCENES er der opstillet matricer, der beskriver varestrømme mellem 23 lande (15 EU-lande samt 8 central- og østeuropæiske lande) samt mellem disse lande og den øvrige verden. Varestrømmene er opdelt efter transportmiddel. Der er tale om en viderebearbejdning af gods-matricer udarbejdet i forbindelse med et andet EU-projekt STREAMS. NEAC databasen indeholder varestrømme mellem EU-lande inkl. Norge og Svejts samt mellem disse lande og den øvrige verden opdelt på transportmidler. Databasen er sammenstillet på basis af forskellige nationale og internationale kilder, herunder EUROSTAT TREX database. 1.2 Variabler: Variablerne i SCENES og NEAC databasen omfatter: - Varekode - Zone - Nettovægt og værdi - Transportmiddel. SCENES indeholder 13 varegrupper, som er dannet ved aggregering af NST/R grupper på niveau 2. I vareklassifikationen indgår håndtering af transporterne af hensyn til logistikmodellen i SCENES. Der opdeles i 10 hovedtransportmidler, hvor forskellige typer af lastbiler indgår. I NEAC opdeles på 11 varegrupper baseret på NST/R s 10 varegrupper, hvor råolie produkter er udskilt i en særlig gruppe. Der opdeles på 5 transportmidler (lastbil, bane, indenlandske vandveje, skib og pipeline/fly). Endvidere er multimodale transporter omfattende en kombination af ovenstående transportmidler opgjort. 1.3 Tid: SCENES beskriver varestrømme for året I modsætning til SCENES sker der opdateringer af NEAC databasen. Det gennemføres dog sjældent, idet proceduren er meget ressourcekrævende. Den nuværende NEAC database indeholder, så vidt vides, varestrømme for år

120 1.4 Geografi: Analyseområdet i SCENES omfatter 15 EU-lande samt 8 lande i central- og østeuropa, som forventes optaget i EU. Området er opdelt i 244 zoner baseret på NUTS 2, og Danmark udgør en zone. Den øvrige verden er repræsenteret ved 21 zoner. NEAC beskriver varestrømme mellem de 15 EU-lande samt Norge og Svejst. Endvidere beskrives varestrømme mellem disse lande og den øvrige verden. Der anvendes en opdeling i ca. 200 zoner primært baseret på NUTS 2, og Danmark udgør en zone. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Godsmatricerne i SCENES er grundlæggende baseret på input- og outputtabeller. De er dog suppleret med andre nationale og internationale statistikker. NEAC databasen er udarbejdet på grundlag af statistikker og nationale godsanalyser. 2.2 Relation til andre datakilder: Godsmatricerne kan på aggregeret niveau sammenlignes med nationale som internationale handels-statistikker. Godsmatricerne indeholder dog væsentlig mere detaljerede informationer. 2.3 Vurdering af validitet: Usikkerheden i godsmatricerne kendes ikke. Godsmatricerne må dog forventes behæftet med nogen usikkerhed, da opdeling på zoner og transportmidler i nogen grad er baseret på modelberegninger. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Godsmatricerne i SCENES er principielt ejet af EU, idet projektet er finansieret af EU midler. Marcial Echenique & Partners Ltd. fra England har været projektleder. NEAC databasen ejes og opdateres af NEA, som er et hollandsk forsknings- og rådgivningsvirksomhed. 3.2 Adgang til data: Datamaterialet i SCENES er principielt offentlig tilgængelige, idet arbejdet er finansieret af EU. Det er muligvis nødvendigt at betale arbejde forbundet med udtræk af data. Der er adgang til NEAC databasen via NEA mod betaling. 3.3 Dokumentation: Af dokumentation kan nævnes: - The NEAC-Model Western Europe. Description Database Construction and Forecasting module, NEA Brochure The NEAC-model. The solution to Western and central European Transport Information Problems, NEA - Final Report of SCENES European Transport Scenarios ST 97-RS-2277, EU FP4,

121 4. Bemærkninger Ingen. 115

122 IDNR: 5.7 Navn: Turrateprojektet Datatype: Trafikanalyser - efterspørgsel Dataejer: Trafikministeriet og Vejdirektoratet Dato: Indhold 1.1 Beskrivelse: Turrateprojektet belyser trafik til og fra virksomheder i Danmark. I perioden er der indsamlet data om person-, vare- og lastbiltrafik til udvalgte virksomheder indenfor forskellige brancher. Antallet af ture er sammenholdt med oplysninger om virksomhedens størrelse i form af antal ansatte og etageareal, hvorved turrater er beregnet. Databasen indeholder oplysninger om trafik til og fra 136 virksomheder. 1.2 Variabler: Variablerne kan opdeles i trafikoplysninger, virksomhedsoplysninger og oplysninger om omgivelserne. Trafikoplysningerne omfatter: - Køretøjtype (personbil, sololastbil, sættevogntog mv.) - Antal ture opdelt på timer. Virksomhedsoplysninger omfatter: - Erhvervsbranche i henhold til DB93 - Virksomhedstype (kontor, lager mv.) - Virksomhedsstørrelse (antal ansatte og etageareal). Oplysninger om omgivelser omfatter: - Bystørrelse - Beliggenhed - Afstand til motorvej - Kollektiv trafikbetjening - Afstand til station - Parkeringsforhold. 1.3 Tid: Trafikken er typisk talt i tidsrummet kl på en hverdag og opregnet til hverdagsdøgntrafik baseret på oplysninger fra virksomhederne. 116

123 1.4 Geografi: Virksomhederne er udvalgt forskellige steder i Danmark, men turraterne er alene geografisk opgjort for Storkøbenhavn og det øvrige Danmark. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Datagrundlaget omfatter primært trafiktællinger ved virksomhederne. Desuden er der ved butikker gennemført interview med kunder, og i kontorvirksomheder er der udsendt spørgeskemaer til ansatte. Virksomhedsoplysninger er indsamlet ved kontakt og udsendelse af spørgeskemaer til de pågældende virksomheder. 2.2 Relation til andre datakilder: Der findes lignende udenlandske undersøgelse. Det mest kendte eksempel er TRB s Trip Generation, USA. 2.3 Vurdering af validitet: Usikkerheden på turraterne varierer mellem brancher. Der er på de oprindelige data gennemført usikkerhedsberegninger, som ofte viser usikkerheder omkring 100% i forhold til en specifik virksomhed indenfor branchen. Endvidere knytter der sig usikkerhed til turraterne, idet datagrundlaget er 5-10 år gammelt. 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Projektet er gennemført af Carl Bro og TetraPlan. Grunddata opbevares i TetraPlan. 3.2 Adgang til data: TetraPlan har udviklet et softwareprogram til tabellering af turrater. Programmet, som findes på CD-rom, er gratis og tilgængelig ved henvendelse til Vejdirektoratet (Niels Moltved) eller TetraPlan (Jakob Høj). 3.3 Dokumentation: Af dokumentation kan nævnes: - Turrate-projektet, Trafikministeriet Turrate-projektet, indlæg på Trafikdage på AUC, Bemærkninger Ingen. 117

124 IDNR: 6.1 Navn: Danske SP analyser Datatype: Trafikanalyser - adfærdsdata Dataejer: Transportrådet, Trafikministeriet og Øresundsforbindelse Dato: Indhold 1.1 Beskrivelse: Her omtales følgende SP-analyser: - Transportrådets undersøgelse af international godstransport - Undersøgelse af kombiterminal ved Ålborg - Femern Bælt undersøgelse - Storebælt undersøgelse - Øresund undersøgelse. 1.2 Variabler: I 1993/94 blev første del af undersøgelse af international godstransport gennemført for Transportrådet. Der blev gennemført interview med 235 firmaer. 155 firmaer beskæftigede sig med lastbiltransport, 52 med kombinerede vej-/banetransport og 28 med søtransport. Variablerne i analysen er: - OD rejsetid - OD rejseomkostninger - risiko for forsinkelse under 24 timer - risiko for forsinkelse over 24 timer, og - skaderisiko. I 1996 blev undersøgelsen fulgt op af 131 interview med transportkøbere og transportudbydere. Variablerne i analysen er: - OD rejsetid, - OD rejseomkostninger - pålidelighed - transporthyppighed - skaderisiko, - informationssystem, - fleksibilitet og - kundeservice. I 1996 blev der gennemført omkring 300 interview med virksomheder i Nordjylland, sydlige del 118

125 af Sverige samt vestlige del af Sverige i forbindelse med vurdering af en kombiterminal i Ålborg. SP analysen i Femern Bælt projektet blev gennemført med 392 firmaer i perioden fra august 1996 til april SP analysen i Femern Bælt projektet indeholder fem SP spil. Ca SP observationer blev indsamlet i projektet. Variablerne i analysen er: - OD rejsetid - OD rejseomkostninger - suitability - forsinkelser - skaderisikoen - fleksibilitet til at handler med specielle transporter, og - informationen om forsinkelser. SP analysen i Øresund projektet blev gennemført med 157 firmaer i perioden fra oktober 1995 til juli Analysen indeholder tre SP spil med hensyn til specifik transport over Øresund (dvs. der er tale om selve færgeforbindelse og ikke OD rejsen). Variablerne i analysen er: - færge omkostninger - headway - sejltid, og - discount. Der blev i 1995/96 gennemført et par hundrede SP-interview. 1.3 Tid: Se Geografi: SP analyserne for Transportrådet dækker transporter over 300 km. Femern Bælt projektet dækker internationale transporter mellem Denmark, Tyskland, Sverige, Norge, Finland, og resten af Europa. Øresund projektet dækker internationale transporter mellem Skandinavien, Poland, Holland, Tyskland og resten af Europa. Storebælt projektet omfatter nationale lastbiltransport mellem Øst - og Vestdanmark. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Se Relation til andre datakilder: Vurdering af validitet: - 3. Tilgængelighed 119

126 3.1 Efterbehandling og opbevaring af data: Adgang til data: Ejer af data kontaktes, som er Trafikministeriet og brokonsortier. 3.3 Dokumentation: Af dokumentation kan nævnes: - Godstransport og kvalitet, Transportrådets notat nr Virksomhedernes valg af transportmiddel, Transportrådets notat nr Valg af transportmiddel i international godstransport, Transportrådets notat nr Virksomhedernes valg af transportmiddel, Transportrådets notat nr Fehmarnbelt, Traffic Demand Study Final Report - COWIs rapporter til Øresundsforbindelse. 4. Bemærkninger Ingen. 120

127 IDNR: 6.2 Navn: Datatype: Dataejer: Dato: Danske havneanalyser Trafikanalyser - adfærdsdata Trafikministeriet, Øresundsforbindelse og AS Storebæltsforbindelse 1. Indhold 1.1 Beskrivelse: Her beskrives indsamlede oplysninger om faktiske transporter indsamlet i forbindelse med Femern Bælt, Øresund og Storebælt projekter. Femern Bælt Data projektet indeholder disaggregerede data fra interviews med 1500 lastbilchauffører om den pågældende tur. Disaggregerede data i Øresund projektet indeholder: - OD surveys med lastbilchauffører, og - En postkort analyse. Disaggregerede data i Storebælt projektet indeholder: - Interviewdata med lastbilchauffører, og - Interviews med 19 virksomheder. 1.2 Variabler: Interviews med 1500 lastbilchauffører i Femern Bælt projekt indeholder informationer om den pågældende tur og blev gennemført i 1996: - Lastbiltype - Nationalitet - Nettovægt - Godstype (varegruppe) og - Origin og destination. OD surveys i Øresund projekt blev gennemført med det formål at etablere OD godsmatricer for trafikken over Øresund interviews var gennemført i oktober 1995, og maj-august Analyserne indeholder informationer om: - Biltype - Godstype (25 varegrupper grupperet videre i kun fire grupper: bulk høj, bulk lav, general gods høj, general gods lav) - Origin - Destination 121

128 - Ventetid - Rejsetid siden sidste loading/unloading - Godsvægt i ton, og - Lastbilvægt. Postkortanalysen i Øresund projekt blev gennemført i de tilfælde gennemførelsen af interviews ikke var muligt på grund af manglede tid. 119 postkort interviews var gennemført i sommer Den indeholder de samme informationer som OD surveys. Der blev gennemført interview med lastbilchauffører i havne omkring Storebælt. Data beskriver gods fordelt på 8 varegrupper mellem 15 zoner i Danmark med hensyn til: - Størrelsesgruppe (3 grupper) - Biltype (sololastbil, sættevogntog, påhængsvogntog) - Godstype (4 godstyper samt tomkørsel) - Fra amt (zone) - Til amt (zone) - Antal ture, og - Godsvægt i ton. Baggrundsinterview med 19 virksomheder i Storebælt projekt giver firmaers præferencer i forholds til service niveauet på færgerne og samt firmaers logistiskplanlægning. Interview dækker 10 firmaer øst for Storebælt og 9 firmaer på Fyn eller i Jylland. 1.3 Tid: Se Geografi: Femern Bælt projektet dækker internationale transporter mellem Denmark, Tyskland, Sverige, Norge, Finland, og resten af Europa. Øresund projektet dækker internationale transporter mellem Skandinavien, Poland, Holland, Tyskland og resten af Europa. Storebælt projektet omfatter nationale lastbiltransporter mellem Øst- vestdanmark. Storebælt projekt omfatter nationale transporter i mellem Øst - og vestdanmark, som er fordelt på kun 15 zoner som svarer til amterne. Københavns området er fordelt på to zoner: København/Frederiksberg og resten af Københavns Amt. 2. Pålidelighed og usikkerhed 2.1 Grundmateriale: Relation til andre datakilder: Vurdering af validitet: - 122

129 3. Tilgængelighed 3.1 Efterbehandling og opbevaring af data: Adgang til data: Data ejer kontaktes. 3.3 Dokumentation: Der kan nævnes: - Fehmarnbelt, Traffic Demand Study Final Report - COWIs rapporter til Øresundsforbindelse - COWIs rapporter til AS Storebælt. 4. Bemærkninger Ingen. 123