Rapport. Erfaringstall for turproduksjon. Oppdateringer til Håndbok 146. Forfattere Solveig Meland, Faste Lynum, Terje Simonsen

Transkript

1 - Åpen Rapport Erfaringstall for turproduksjon Oppdateringer til Håndbok 146 Forfattere Solveig Meland, Faste Lynum, Terje Simonsen SINTEF Teknologi og samfunn Transportforskning

2

3

4 Historikk DATO SBESKRIVELSE Endelig rapport til oppdragsgiver ii av 154

5

6 iv av 154

7 Havner og terminaler Industri Boliger Losji Rekreasjon Institusjoner Helse Kontor Handel Service Sammendrag Bakgrunn og mål: Behovet for gode erfaringstall for turproduksjon er stort, i første rekke i tilknytning til utredning av konsekvenser av ulike planer. Turproduksjonsforutsetningene er avgjørende for beregnet trafikkbelastning på tilstøtende vegnett, og dermed også for hvordan vegnettet utformes og dimensjoneres. Samtidig er datagrunnlaget mangelfullt. For noen arealbruksformål er det i liten grad innsamlet data og for andre formål er datagrunnlaget basert på svært gamle registreringer. Samtidig varierer turproduksjonen mye, både mellom ulike arealbruksformål, og for virksomheter med samme hovedformål, f.eks. handel. Oppdatering av datagrunnlaget er derfor svært viktig for å sikre at beslutninger om utvikling av transportsystemet baseres på et så godt grunnlag som mulig. Statens vegvesen har startet opp arbeid med revisjon av Håndbok 146 Trafikkberegninger. Som et ledd i revisjonsarbeidet, skal erfaringstall for turproduksjon og anbefalinger om bruk av erfaringstall for å beregne turproduksjon oppdateres. Prosjektets målsetning er å bidra til arbeid med å oppdatere erfaringstall for turproduksjon i Statens vegvesens Håndbok 146. Arbeidet er knyttet til tre hovedaktiviteter med tilhørende delmål: 1. Konkludere med egnet inndeling i arealbrukstyper, tilpasset norske forhold. 2. Anbefale fremgangsmåte og metodikk for gjennomføring av turproduksjonsundersøkelse. 3. Kartlegge eksisterende turproduksjonstall og påpeke behov for nye basert på inndeling i arealbrukstyper definert i punkt 1. Kartlegging av eksisterende turproduksjonstall: Arbeidet med kartlegging av eksisterende erfaringstall har tatt utgangspunkt samme hovedinndeling i 10 arealbrukstyper som den som benyttes i den amerikanske Trip Generation Manual: 1 Havner og terminaler 2 Industri 3 Boliger 4 Losji 5 Rekreasjon 6 Institusjoner 7 Helse 8 Kontor 9 Handel 10 Service Ved hjelp av søk på Internett og direkte henvendelse fra oppdragsgiver til ulike deler av fagmiljøet i og utenfor vegetaten er det gjort en kartlegging og innhenting av kilder til eksisterende erfaringstall for turproduksjon i Norge. I alt resulterte denne kartleggingen i identifisering av 60 kilder av ulik verdi og kvalitet for halvparten av de ti hovedkategoriene arealbruk. Hovedkategorier arealbruk fra TGM SUM Primærkilder Sekundærkilder Tertiærkilder TOTALT v av 154

8 Arealbrukstyper for norske forhold: Inndeling i underkategorier fra Trip Generation Manual var utgangspunkt for vurderinger av hvilke underkategorier som bør inngå i hver hovedkategori, tilpasset norske forhold. For hver kategori er det gjort en vurdering av hvilken kategorisering som synes mest relevant for norske forhold. Som en del av dette er det også gjort en skjønnsmessig vurdering av hver kategori med hensyn til: om det er behov for gjennomsnittstall om det foreligger turproduksjonsdata/statistikk som kan benyttes hvor viktig det er å få samlet inn nye turproduksjonsdata Systematisering av eksisterende turproduksjonstall: De best egnede deler av det innsamlede datamaterialet er bearbeidet videre til forslag til anbefalte nøkkeltall for turproduksjon. Dette omfatter sammenstilling av datagrunnlaget til mest mulig sammenlignbare kategorier både mht. avhengige og uavhengige variabler. Denne bearbeidingen omfatter beregning av nøkkeltall for de kombinasjonene av avhengige og uavhengige variabler som datamaterialet ga grunnlag for. Dette gjelder arealbrukskategoriene Industri, Barnehager, Kontor og Handel. Metodikk for innsamling av turproduksjonstall: Det har ikke vært gjennomført noen stor kartlegging av aktuell litteratur, men Internettsøk og referanselister i publikasjoner er benyttet for å få et overblikk over relevante kilder til kunnskap om aktuell metodikk, samt utfordringer og anvendelse av denne. En viktig kilde har vært Trip Generation Handbook, som utgis som håndbok for Trip Generation Manual. Flere av de øvrige metode-kildene problematiserer og foreslår endringer eller tillegg i den metodikken og beregningsgangen som denne håndboka anbefaler. Det er særlig identifisert utfordringer knyttet til innsamling og anvendelse av data knyttet til blandet arealbruk. Prioritering ved innsamling av turproduksjonstall: Det foreslås å gi førsteprioritet til innsamling av turproduksjonstall innen følgende arealbrukskategorier: Underkategori Behov for gjennomsnittstall for kategorien Tilgjengelig statistikk Behov for datainnsamling 2.3 Lager Ja Lite Stort 4.1 Hotell Ja Lite Stort 5.5 Treningssenter el. liknende (innendørs) Ja Lite Stort 6.2 Barne-/ungdomsskole Ja Lite Stort 6.3 Videregående skole Ja Lite Stort 6.4 Universitet/høyskole Ja Lite Stort 7.1 Sykehus Ja Noe Stort 7.4 Annen helse og velvære pleie Ja Lite Stort 8.2 Kontor, publikumsattraktive Ja Noe Stort 9.1 Mat og drikke Ja Noe Stort 9.2 Fagvarer/utvalgsvarer Ja Lite Stort 9.4 Arealkrevende forretninger, byggevare og hagesentre Ja Noe Stort 9.5 Kjøpesenter Ja Noe Stort Svært mye av de eksisterende turproduksjonstallene er basert på data som er samlet inn i eller i nærheten av Oslo. Det bør tilstrebes å gjennomføre datainnsamlingen i ulike landsdeler, og i områder som representerer ulik grad av bypreg/bebyggelsestetthet. Om mulig, bør det også gjøres en kategorisering av hvor tilgjengelig virksomheten er med kollektivtransport, til fots/med sykkel, og med bil. vi av 154

9 Entydig definisjoner: En av de største utfordringene i arbeidet med å beregne nøkkeltall for turproduksjon basert på det tilgjengelige datagrunnlaget, har vært at tilsynelatende like forklaringsvariabler er blitt definert og registrert på litt ulike måter i undersøkelsene datamaterialet er hentet fra. For å forenkle videre arbeid med sammenstilling av denne typen data, bør det utarbeides en veileder for denne typen datainnsamling, med entydige definisjoner av hvordan de ulike variablene skal defineres og registreres. Prioritering av avhengige variabler: I denne sammenheng er avhengige variabler reiser og transporter til og fra den aktuelle virksomheten. I utgangspunktet er det signalisert fra oppdragsgiver at en ønsker at nye erfaringstall for turproduksjon skal omfatte både person- og godstransporter, og at en for persontransportene ønsker reisemiddelfordelte tall. I arbeidsmøtene i prosjektgruppen har det imidlertid blitt klart at reisemiddelfordelte tall knyttet til personreiser anses som viktigere enn tall for gods- og varetransporter. I det videre arbeidet bør en gjøre seg opp en mening om hvor påkrevd det vil være å skille mellom gående og kollektivtrafikanter, og hvilke krav en evt. skal stille til registreringsopplegg og kvalitet på disse dataene. Forslag til uavhengige variabler i framtidig datainnsamling: Basert på litteraturgjennomgangen og erfaringene fra beregning av nøkkeltallene, anbefales det å definere noen "universelle" uavhengige variabler som bør samles inn for samtlige arealbrukskategorier. Følgende informasjon bør i utgangspunktet samles inn for alle arealbrukskategorier det gjøres datainnsamling for,: bruksareal (evt. fordelt på ulike brukstyper) i m 2 tomtestørrelse angitt i antall mål (evt. utnyttelsesgrad) antall ansatte antall parkeringsplasser NACE-kode(r) for virksomheten(e) I tillegg bør mer kategorispesifikke uavhengige variabler samles inn. Planlegging og gjennomføring av datainnsamling: Vurderingene og anbefalingene i denne rapporten omfatter bl.a. hvilke krav som bør stilles til datagrunnlag og -kilder for de ulike arealbrukstypene, undersøkelsesstedets egnethet mht. lokalisering, områdetype og tilgjengelighet, utfordringer knyttet til datainnsamling for blandet arealbruk og reisekjeder, reisemiddelfordeling og gods- og varetransporter. Noen aktuelle registreringsmetoder for trafikkstrømmer er beskrevet: Kjøretøytellinger, automatiske eller manuelle Persontellinger, automatiske eller manuelle Personintervju, ansikt-til-ansikt eller selvutfylling Kartlegging av gods-/varetransporter, som kan kreve eget skreddersydd registreringsopplegg Mulige problemer og utfordringer knyttet til de ulike registreringsmetodene inngår i vurderingene, sammen med anbefalinger knyttet til valg av registreringssnitt, registreringsperioder, kostnader og ressursbehov. Innrapportering: Et utkast til rapporteringsskjema for nye turproduksjonsdata ble utarbeidet i forprosjektet for Hb 146 (Meland, 2005). Skjemaet er gjengitt i Vedlegg D. Innrapportering av nye data bør skje ved hjelp av digital rapportering, enten på elektronisk skjema som sendes inn til administrator, eller på et eget nettsted. vii av 154

10 Presentasjon og bruk av nøkkeltall for turproduksjon Vi vil anbefale at turproduksjonstallene presenteres i form av nedlastbare dokumenter fra internett. I denne forbindelse bør det imidlertid vurderes hvilke problemer en evt. nedlastbar publisering vil kunne skape mht. versjons-identifisering. Dersom turproduksjonstallene baserer seg på et lite antall undersøkelser, bør det stå en advarsel i forbindelse med plottene, der det gjøres oppmerksom på at tallene må brukes med varsomhet fordi antall observasjoner er lite. Denne advarselen kan f.eks. gis for alle turproduksjonstall som baseres på fem eller færre undersøkelser. som i Trip Generation Manual. I det videre arbeidet med turproduksjonstall bør det vurderes nærmere om også verdien på tilpasningskoeffisienten R 2 bør inngå i avgjørelsen om når denne advarselen gis. Når det gjelder hvordan turproduksjonstall som hentes ut fra en evt. ny fellesbase skal brukes, bør det også utarbeides en bruksanvisning med beskrivelse av hvordan turproduksjonstall for en virksomhet beregnes. Denne bør i tillegg til en enkel beskrivelse av "standard" beregningsgang, også ta opp forhold knyttet til blandet arealbruk og reisekjeder, områdetype og tilgjengelighet. Ansvar, ajourhold og utvidelse av datagrunnlaget For å sikre at vurderinger av trafikale konsekvenser av ny arealbruk baseres på forutsetninger som gir et godt nok grunnlag for å vurdere utforming og dimensjonering av transportsystemet, bør Vegetaten etter vår vurdering ha som mål å framskaffe et datagrunnlag som er representativt for norske forhold, og som gjenspeiler variasjonen mellom landsdeler, områdetyper mht. sentralitet og transporttilbud, og sesonger. Etablering av et dekkende og robust datagrunnlag forutsetter sannsynligvis at offentlige myndigheter tar initiativ til planlegging og gjennomføring av store deler av denne datainnsamlingen. I tillegg til å ta initiativ til egne målrettede innsamlinger av datagrunnlag for turproduksjon, bør vegetaten også forsøke å etablere et samarbeid med dem som samler inn dataene ute i felten. En strategi der en bygger opp en erfaringsdatabase kun gjennom å inkludere undersøkelser som gjennomføres i andre sammenhenger, vil etter vår vurdering neppe være tilstrekkelig. Dette skyldes både at en ikke kan regne med å få den nødvendige bredden i erfaringsmaterialet, og at aktørene i utbyggingsprosjekter, som i stor grad er private, i liten grad har incentiver som bidrar til at de vil innhente og frigi data ut over det som er nødvendig i hvert enkelt utbyggingsprosjekt. Denne vurderingen baserer seg bl.a. på erfaringene fra tilsvarende aktiviteter i PROSAM-regi i Oslo-området. Hvordan motivere for innrapportering av data: Hos lokale utredere vil motivasjon for datainnsamling primært være knyttet til lokale, kortsiktige behov. Datainnsamling gjennomføres ofte i virksomheter som planlegger utvidelser, og benyttes som grunnlag for dokumentasjon av trafikale effekter av denne utvidelsen. Aktører innenfor denne typen utredninger og analyser har ikke nødvendigvis noen motivasjon for å rapportere registreringene videre - snarere tvert imot. For noen utredere kan det å bygge opp en egen basis med erfaringstall anses som et konkurransefortrinn, som de ikke kan forventes å gi fra seg uten at de ser en eller annen form for gevinst ved det. De virksomhetene som er gjenstand for datainnsamlingen kan være uvillige til å la resultater fra datainnsamlingen formidles videre, av frykt for egen konkurransesituasjon. Utfordringen vil dermed være å etablere en vinn-vinn-situasjon for alle involverte aktører, både myndigheter, utredere og virksomheter datamaterialet gjelder for. Det vil trolig være behov for både å identifisere gevinster og dekke kostnader hos utførende og eier av datamaterialet. For å øke muligheten for å "frigi" data som er samlet inn for private aktører, bør Statens vegvesen kunne forsikre virksomheten om at datamaterialet vil inngå i en større database, at de ikke vil komme uvedkommende i hende, og at det ikke skal være mulig å identifisere enkeltbedrifter i presenterte resultater. viii av 154

11 Drift og vedlikehold: Det vil trolig være langt lettere å etablere nye rutiner for drift og vedlikehold av turproduksjonstallene i NVDB-systemet, enn det vil være å skulle etablere et nytt driftsapparat bare for dette ene formålet. Vi vil derfor anbefale vegetaten å se på hvilke muligheter som ligger i de driftsorganisasjonene for datasystemer som allerede er operative internt i vegetaten. ix av 154

12 Summary Background and purpose: There is a need for good and updated empiric data on trip generation, primarily for use in transport analyses related to land use plans. The Norwegian Public Roads Authorities (NPRA) has initiated work on the revision of the trip generation data included in the current Handbook on Transport analyses. The work documented in this report is related three main tasks: 1 Identify suitable land-use categories, adapted to Norwegian conditions 2 Recommend procedure and methodology for surveys on trip generation 3 Survey and process existing trip generation data, and identify the need for new data collection, based on the land-use categories Land use categories for data on trip generation: The main land use categories corresponds with the 10 land use categories in the ITE's Trip Generation Manual (ITE, 2012): 1 Port and Terminal 2 Industrial 3 Residential 4 Lodging 5 Recreational 6 Institutional 7 Medical 8 Office 9 Retail 10 Services For each main category, a set of sub categories have been suggested. Processing of existing trip production numbers: Based on the availeble data, key figures for trip generation have been calculated for the land-use categories Industrial, Day care centers (Institutional), Office and Retail. x av 154

13 Innholdsfortegnelse 1 INNLEDNING BAKGRUNN OG PROBLEMSTILLINGER MÅLSETNING UTGANGSPUNKT, HOVEDKATEGORIER EKSISTERENDE TURPRODUKSJONSTALL INNLEDNING INFORMASJON OM VIRKSOMHETENE OG ANDRE UAVHENGIGE VARIABLE INFORMASJON OM TRAFIKKSTRØMMER AREALBRUKSTYPER FOR NORSKE FORHOLD BEHOV OG MULIGHETER ANBEFALING, AREALBRUKSTYPER SYSTEMATISERING AV EKSISTERENDE TURPRODUKSJONSTALL ERFARINGSTALL FOR TURPRODUKSJON - OM RESULTATENE SOM PRESENTERES ERFARINGSTALL FOR TURPRODUKSJON FOR HOVEDKATEGORI 2: INDUSTRI ERFARINGSTALL FOR TURPRODUKSJON FOR HOVEDKATEGORI 6: INSTITUSJONER ERFARINGSTALL FOR TURPRODUKSJON FOR HOVEDKATEGORI 8: KONTOR ERFARINGSTALL FOR TURPRODUKSJON FOR HOVEDKATEGORI 9: HANDEL INNSAMLING AV TURPRODUKSJONSTALL METODE OG ANBEFALINGER LITTERATURSTUDIE UTFORDRINGER AVKLARINGER / DISKUSJON ANBEFALINGER, METODE OG FRAMGANGSMÅTE BILAG/VEDLEGG Vedlegg A Eksisterende erfaringstall Vedlegg B Dataplott Vedlegg C Blandet arealbruk og reisekjeder Vedlegg D Utkast til registreringsskjema xi av 154

14

15 Tabeller TABELL 1: KILDER TIL TURPRODUKSJONSTALL... 3 TABELL 2: KLASSIFISERING AV DATAGRUNNLAG FOR ERFARINGSTALL FOR TURPRODUKSJON; HOVEDKATEGORIER AREALBRUK... 5 TABELL 3: ERFARINGSTALL FOR TURPRODUKSJON; TYPE TRAFIKK... 5 TABELL 4: ERFARINGSTALL FOR TURPRODUKSJON; OBSERVASJONSENHETER... 6 TABELL 5: ERFARINGSTALL FOR TURPRODUKSJON; GEOGRAFISK LOKALISERING AV VIRKSOMHETENE... 7 TABELL 6: ERFARINGSTALL FOR TURPRODUKSJON; BEMANNING SOM FORKLARINGSVARIABEL... 8 TABELL 7: ERFARINGSTALL FOR TURPRODUKSJON; TIDSPERIODE OG RETNING... 9 TABELL 8: FORSLAG TIL UNDERKATEGORIER INNENFOR HOVEDKATEGORI 1: HAVNER OG TERMINALER TABELL 9: FORSLAG TIL UNDERKATEGORIER INNENFOR HOVEDKATEGORI 2: INDUSTRI OG LAGER TABELL 10: FORSLAG TIL UNDERKATEGORIER INNENFOR HOVEDKATEGORI 3: BOLIGER TABELL 11: FORSLAG TIL UNDERKATEGORIER INNENFOR HOVEDKATEGORI 4: LOSJI TABELL 12: FORSLAG TIL UNDERKATEGORIER INNENFOR HOVEDKATEGORI 5: REKREASJON TABELL 13: FORSLAG TIL UNDERKATEGORIER INNENFOR HOVEDKATEGORI 6: UNDERVISNING/INSTITUSJON TABELL 14: FORSLAG TIL UNDERKATEGORIER INNENFOR HOVEDKATEGORI 7: HELSE TABELL 15: FORSLAG TIL UNDERKATEGORIER INNENFOR HOVEDKATEGORI 8: KONTOR TABELL 16: FORSLAG TIL UNDERKATEGORIER INNENFOR HOVEDKATEGORI 9: HANDEL TABELL 17: FORSLAG TIL UNDERKATEGORIER INNENFOR HOVEDKATEGORI 10: SERVICE TABELL 18: BEREGNEDE NØKKELTALL FOR TURPRODUKSJON, VIRKEDAG; UNDERKATEGORI 2.1 LETT INDUSTRI TABELL 19: BEREGNEDE NØKKELTALL FOR TURPRODUKSJON, VIRKEDAG; UNDERKATEGORI 6.1 BARNEHAGE TABELL 20: BEREGNEDE NØKKELTALL FOR TURPRODUKSJON, VIRKEDAG; HOVEDKATEGORI 8 KONTOR TABELL 21: BEREGNEDE NØKKELTALL FOR TURPRODUKSJON, VIRKEDAG; UNDERKATEGORI 9.1 MAT OG DRIKKE TABELL 22: BEREGNEDE NØKKELTALL FOR TURPRODUKSJON, LØRDAG; UNDERKATEGORI 9.1 MAT OG DRIKKE TABELL 23: BEREGNEDE NØKKELTALL FOR TURPRODUKSJON, VIRKEDAG; AREALKREVENDE HANDELSVIRKSOMHET (U-KAT. 9.3 OG 9.4).. 35 TABELL 24: BEREGNEDE NØKKELTALL FOR TURPRODUKSJON, LØRDAG; AREALKREVENDE HANDELSVIRKSOMHET (U-KAT. 9.3 OG 9.4) TABELL 25: BEREGNEDE NØKKELTALL FOR TURPRODUKSJON, VIRKEDAG; HOVEDKATEGORI 9 HANDEL TABELL 26: BEREGNEDE NØKKELTALL FOR TURPRODUKSJON, LØRDAG; HOVEDKATEGORI 9 HANDEL TABELL 27: AREALBRUKSKATEGORIER MED FØRSTEPRIORITET FOR DATAINNSAMLING TABELL 28: AREALBRUKSKATEGORIER MED ANDREPRIORITET FOR DATAINNSAMLING TABELL 29: AREALBRUKSKATEGORIER MED LAVESTE PRIORITET FOR DATAINNSAMLING TABELL 30: FORSLAG TIL KATEGORISPESIFIKKE UAVHENGIGE VARIABLER INNENFOR HOVEDKATEGORIENE xiii av 154

16 Figurer FIGUR 1: KLASSIFISERING AV DATAGRUNNLAG FOR ERFARINGSTALL FOR TURPRODUKSJON; HOVEDKATEGORIER AREALBRUK... 4 FIGUR 2: ERFARINGSTALL FOR TURPRODUKSJON; TYPE TRAFIKK I HOVEDKATEGORIENE... 6 FIGUR 3: ERFARINGSTALL FOR TURPRODUKSJON; OBSERVASJONSENHETER I HOVEDKATEGORIENE... 7 FIGUR 4: PERSONTURER OG ANSATTE TIL STEDE EN NORMAL VIRKEDAG; UNDERKATEGORI 2.1 LETT INDUSTRI FIGUR 5: BILTURER OG ANSATTE TIL STEDE EN NORMAL VIRKEDAG; UNDERKATEGORI 2.1 LETT INDUSTRI FIGUR 6: PERSONTURER OG 100 M2 GULVAREAL, VIRKEDAG; UNDERKATEGORI 2.1 LETT INDUSTRI FIGUR 7: BILTURER OG PARKERINGSPLASSER, VIRKEDAG; UNDERKATEGORI 2.1 LETT INDUSTRI FIGUR 8: PERSONTURER OG ANSATTE TIL STEDE SAMTIDIG, VIRKEDAG; UNDERKATEGORI 6.1 BARNEHAGE FIGUR 9: BILTURER OG M2 INNEAREAL, VIRKEDAG; UNDERKATEGORI 6.1 BARNEHAGE FIGUR 10: PERSONTURER OG ANSATTE, VIRKEDAG; HOVEDKATEGORI 8 KONTOR FIGUR 11: BILTURER OG ANSATTE, VIRKEDAG; HOVEDKATEGORI 8 KONTOR FIGUR 12: PERSONTURER OG 100 M2 GULVAREAL, VIRKEDAG; HOVEDKATEGORI 8 KONTOR FIGUR 13: BILTURER OG PARKERINGSPLASSER, VIRKEDAG; HOVEDKATEGORI 8 KONTOR FIGUR 14: PERSONTURER OG ÅRSVERK, VIRKEDAG; UNDERKATEGORI 9.1 MAT OG DRIKKE FIGUR 15: PERSONBILTURER OG ÅRSVERK, VIRKEDAG; UNDERKATEGORI 9.1 MAT OG DRIKKE FIGUR 16: PERSONTURER OG TOTALAREAL VIRKEDAG; UNDERKATEGORI 9.1 MAT OG DRIKKE FIGUR 17: PERSONBILTURER OG TOTALAREAL, VIRKEDAG; UNDERKATEGORI 9.1 MAT OG DRIKKE FIGUR 18: VARETRANSPORTTURER OG ÅRSVERK, VIRKEDAG; UNDERKATEGORI 9.1 MAT OG DRIKKE FIGUR 19: VARETRANSPORTTURER OG TOTALAREAL, VIRKEDAG; UNDERKATEGORI 9.1 MAT OG DRIKKE FIGUR 20: PERSONTURER OG SALGSAREAL, LØRDAG; UNDERKATEGORI 9.1 MAT OG DRIKKE FIGUR 21: PERSONBILTURER OG SALGSAREAL, LØRDAG; UNDERKATEGORI 9.1 MAT OG DRIKKE FIGUR 22: PERSONBILTURER OG ÅRSVERK, VIRKEDAG; AREALKREVENDE HANDELSVIRKSOMHET (U-KAT. 9.3 OG 9.4) FIGUR 23: PERSONBILTURER OG ÅRSVERK, VIRKEDAG; AREALKREVENDE HANDELSVIRKSOMHET (U-KAT. 9.3 OG 9.4) FIGUR 24: PERSONBILTURER OG TOTALAREAL, VIRKEDAG; AREALKREVENDE HANDELSVIRKSOMHET (U-KAT. 9.3 OG 9.4) FIGUR 25: PERSONBILTURER OG ÅRSVERK, LØRDAG; AREALKREVENDE HANDELSVIRKSOMHET (U-KAT. 9.3 OG 9.4) FIGUR 26: PERSONBILTURER OG ÅRSVERK, VIRKEDAG; HOVEDKATEGORI 9 HANDEL FIGUR 27: PERSONBILTURER OG ÅRSVERK, VIRKEDAG; HOVEDKATEGORI 9 HANDEL FIGUR 28: PERSONBILTURER OG TOTALAREAL, VIRKEDAG; HOVEDKATEGORI 9 HANDEL FIGUR 29: PERSONBILTURER OG ÅRSVERK, LØRDAG; HOVEDKATEGORI 9 HANDEL xiv av 154

17 1 Innledning 1.1 Bakgrunn og problemstillinger Behovet for gode erfaringstall for turproduksjon er stort, i første rekke i tilknytning til utredning av konsekvenser av ulike planer. Turproduksjonsforutsetningene er avgjørende for beregnet trafikkbelastning på tilstøtende vegnett, og dermed også for hvordan vegnettet utformes og dimensjoneres. Samtidig er datagrunnlaget mangelfullt. For noen arealbruksformål er det i liten grad innsamlet data og for andre formål er datagrunnlaget basert på svært gamle registreringer. Samtidig varierer turproduksjonen mye, både mellom ulike arealbruksformål, og for virksomheter med samme hovedformål, f.eks. handel. Oppdatering av datagrunnlaget er derfor svært viktig for å sikre at beslutninger om utvikling av transportsystemet baseres på et så godt grunnlag som mulig. Statens vegvesen har startet opp arbeid med revisjon av Håndbok 146 Trafikkberegninger. Som et ledd i revisjonsarbeidet, skal erfaringstall for turproduksjon og anbefalinger om bruk av erfaringstall for å beregne turproduksjon oppdateres. Denne rapporten dokumenterer et bidrag i dette oppdateringsarbeidet. Den eksisterende Håndbok 146 Trafikkberegninger ble gitt ut i Denne håndboka inneholder nøkkeltall for turproduksjon knyttet til enkelte typer arealbruk. Disse tallene er nå minst 25 år gamle, men i mangel av nyere offisielle tall, benyttes de fortsatt i trafikkanalyser i Norge. Fra tid til annen gjennomføres det ny datainnsamling og utarbeiding av erfaringstall for turproduksjon knyttet til et gitt utbyggingsprosjekt, eller i regi av lokale planmyndigheter. En serie med prosjekter som er gjennomført i regi av PROSAM, er eksempel på det siste. Tallene fra PROSAM-prosjektene er samlet og publisert i egne rapporter, men for de øvrige undersøkelsene er det mer tilfeldig om tallene er publisert og tilgjengelige for allmennheten. Måten grunnlagsdata er samlet inn og bearbeidet på er ikke nødvendigvis den samme, og hvilke forklaringsvariabler som inngår er heller ikke ensartet. I 2005 ble det gjennomført et forprosjekt om Turproduksjonstall for persontransport (Meland, 2005) i tilknytning til revisjon av Håndbok 146, i regi av Statens vegvesen Vegdirektoratet. I dette forprosjektet ble det gjennomført et litteraturstudium for å kartlegge "State of the art" på området, det ble gjennomført innhenting av eksisterende erfaringstall, vurdering av mulige datakilder, struktur, presentasjon og vedlikehold av turproduksjonstallene, og det ble utarbeidet en plan for videre arbeid. Denne planen inneholdt forslag til mulige undersøkelsesopplegg for framtidig datainnsamling, inkludert et første utkast til et mulig registreringsskjema, og en skisse til utvikling av et støtteverktøy for beregning av turproduksjonstall. Arbeidet som dokumenteres her bygger videre på metoder og resultater fra dette forprosjektet, sammen med øvrige relevante erfaringer som prosjektgruppen innehar. 1.2 Målsetning Prosjektets målsetning er å bidra til arbeid med å oppdatere erfaringstall for turproduksjon i Statens vegvesens Håndbok 146. Arbeidet er knyttet til tre hovedaktiviteter med tilhørende delmål: 1. Konkludere med egnet inndeling i arealbrukstyper, tilpasset norske forhold. 2. Anbefale fremgangsmåte og metodikk for gjennomføring av turproduksjonsundersøkelse. 3. Kartlegge eksisterende turproduksjonstall og påpeke behov for nye basert på inndeling i arealbrukstyper definert i punkt 1. I utgangspunktet var det tenkt at deloppgave 3 skulle baseres på funn og anbefalinger fra de to første deloppgavene. Informasjon om det eksisterende tallmaterialet vil imidlertid også være nyttig som grunnlag 1 av 154

18 for de vurderingene som skal gjøres i deloppgave 1 og 2. Anbefalingene som gis mht. inndeling i arealbrukskategorier, forklaringsvariabler og metodikk forøvrig, bør ikke bare utarbeides med tanke på framtidig datainnsamling, men også mht. å kunne utnytte og inkludere det eksisterende datamaterialet i størst mulig grad. Det ble derfor besluttet å gjennomføre kartleggingsaktivitetene og de innledende vurderingene mht. materialets kvalitet og bruksområde i deloppgave 3 ved prosjektstart, slik at dette kunne inngå i grunnlaget for de øvrige deloppgavene. Denne kartleggingen er dokumentert i kapittel 2. Arbeidet med å oppsummere og inkludere det eksisterende tallmaterialet i foreløpige tabeller med anbefalte erfaringstall er dokumentert i kapittel 4, mens deloppgavene 1 og 2 er dokumentert i hhv. kapittel 3 og Utgangspunkt, hovedkategorier Arbeidet med kartlegging av eksisterende erfaringstall (kapittel 2) og vurdering av hensiktsmessig inndeling i arealbrukstyper for beregning av turproduksjonstall i Statens vegvesen (kapittel 3), har tatt utgangspunkt i følgende hovedinndeling i 10 arealbrukstyper: 1 Havner og terminaler 2 Industri 3 Boliger 4 Losji 5 Rekreasjon 6 Institusjoner 7 Helse 8 Kontor 9 Handel 10 Service Denne inndelingen er i samsvar med anbefaling i forprosjektet om turproduksjonstall for persontransport (Meland, 2005), og inndelingen som benyttes i Trip Generation Manual (9th Edition) (ITE, 2012). Dette er en velutprøvd inndeling og således en fordel med tanke på sammenligning med andre land. Gjennom prosjektarbeidet er det gjort vurderinger av om det kunne være hensiktsmessig å avvike fra inndelingen i Trip Generation Manual (TGM), både når det gjelder hoved- og underkategorier. 2 av 154

19 2 Eksisterende turproduksjonstall 2.1 Innledning Formålet med denne delen av forprosjektet har vært å få oversikt over og samle inn lokale erfaringstall for turproduksjon som er samlet inn i forbindelse med ulike utredninger i Norge, og eventuelle relevante data fra utenlandske kilder Kartleggingsmetode I forprosjektet (Meland, 2005) ble det gjort en kartlegging og innhenting av eksisterende erfaringstall for turproduksjon i Norge. Dette skjedde dels i forbindelse med søk etter litteratur på Internett og dels ved direkte henvendelse fra oppdragsgiver til ulike deler av fagmiljøet i og utenfor vegetaten, bl.a. gjennom deltakere i Storbysamarbeidet 1. Disse aktivitetene ble gjentatt i dette prosjektet, med sikte på å fange opp nyere datakilder og evt. kilder som ikke ble fanget opp i forrige runde. Som i 2005 ble henvendelsene til fagmiljøet gjort av oppdragsgiver, og resultatet av disse aktivitetene i 2005 og 2013 danner grunnlag for resten av dette kapitlet. Det er også gjort en begrenset kartlegging av hva som evt. finnes av tilgjengelige og relevante turproduksjonstall internasjonalt primært i Skandinavia. Resultatet av denne kartleggingen viser at situasjonen i Danmark og Sverige er omtrent som i Norge de offisielle erfaringstallene er gamle, og trenger revisjon. Tallene som presenteres her er derfor kun basert på norske kilder. Ikke alt innsamlet materiale inneholdt erfaringstall. Etter en gjennomgang av det tilgjengelige materialet, er følgende kilder for erfaringstall benyttet i det arbeidet som dokumenteres her: Tabell 1: Kilder til turproduksjonstall Innsamlingsår Kilde, referanse 2005 ABC-konseptet i norsk planlegging (Asplan, 2003) T-baneringen, Oslo (Haakenaasen, Lynum og Vrenne, 2003) Kjøpesentra og transportomfang (Holsen, 1995) Tiller - Heimdal, Trondheim (Kvaal og Gjære, 2005) Husholdningsstruktur, livssyklus (Meland, 1992) Statens hus, Trondheim (Meland, 2002; Meland 2004) Kjøpesenter og turproduksjon (Njarga, 1992) Turproduksjonstall for kontorbedrifter og kjøpesentre (PROSAM 2003) Turproduksjonstall for dagligvarehandelen (PROSAM, 2005) Reisevaneundersøkelse Skøyen (Ringen, 2000) Reisevaneundersøkelse ved 3 bedrifter på Brynseng (Ringen, 2002) Solheimsveien 6-8, Oslo (SCC, 1998) NKL Lade, Trondheim (SCC, 2005) Plan- og bygningsetatens turproduksjonsundersøkelse 2001, Oslo (Sturød, 2002) Kjøpesentres trafikkskapende egenskaper (Taheri, 1999) Kommunale enheter i Trondheim (Øvren, 2004) 2013 Teisenparken barnehage trafikkvurdering (Emilsen, 2013) Reisevaner ved dagligvarehandel i Trondheim (Frøyen, Halvorsen og Aasetre, 2009) Etablering av turproduksjonstall for barnehager. Masteroppgave (Lindøen, 2012) Reisevaneundersøkelse vinter 2010 (Ljungquist, 2010) Turproduksjon i boliger i Oslo og Akershus (PROSAM, 2006) Turproduksjonstall for arealintensive handelskonsepter (PROSAM, 2008) Bergsalléen 21 trafikkvurdering (Røyland og Emilsen, 2013) RVU barnehager. Reisevaner blant foresatte og ansatte (Sabelstrøm Øen, 2009) av 154

20 2.1.2 Vurdering av kildene og datamaterialet De innsamlede erfaringstallene ble forsøkt systematisert og vurdert ut fra egnethet til videre bruk i arbeidet med turproduksjonstall, og hvilken type informasjon som evt. måtte samles inn for at datamaterialet skulle kunne benyttes som kilde til erfaringstall. En enkelt kilde kan inneholde separate data for flere ulike virksomheter og/eller arealbrukskategorier. Som en indikator på antatt umiddelbar bruksverdi, ble datamaterialet knyttet til hver enkelt virksomhet eller gruppering av virksomheter i den innledende gjennomgangen klassifisert som hhv. primærkilde (P), sekundærkilde (S) og/eller tertiærkilde (T). Klassifiseringen var skjønnsmessig, og bl.a. basert på behov for tilleggsinformasjon for ferdigstilling av nøkkeltall, samt datamaterialets omfang og alder. Hver av kildene er presentert nærmere i Vedlegg A, og med angivelse av antall datakilder av type P, S eller T den gir informasjon om. I noen av kildene inngår en rekke ulike erfaringstall og datagrunnlag, og ikke alle har vært tilgjengelig i dette prosjektet. Det har derfor ikke vært mulig å vurdere i detalj kvaliteten på hvert enkelt datamateriale arbeidene baseres på. Det er dermed mulig at kilder som i utgangspunktet så lovende ut, kan vise seg å ikke være brukbare i det videre arbeidet. Flere av kildene har også en svakhet ved at det ikke er gjort tellinger av faktisk trafikknivå i tilknytning til virksomheten. I forbindelse med den mer detaljerte vurderingen som inngikk i arbeidet med systematisering av datamaterialet for beregning av nøkkeltall for turproduksjon, presentert i kapittel 4, ble det klart at ikke alle primærkildene var egnet til videre bearbeiding i den formen de var tilgjengelige i de foreliggende kildene. Disse forholdene er behandlet videre i kapittel Informasjon om virksomhetene og andre uavhengige variable Type virksomhet (arealbrukskategorier) Gjennom kartleggingen har vi fått kjennskap til eksisterende erfaringstall for turproduksjon knyttet til virksomheter innenfor halvparten av de ti hovedkategoriene for arealbruk (Figur 1 og Tabell 2). Figur 1: Klassifisering av datagrunnlag for erfaringstall for turproduksjon; hovedkategorier arealbruk For hovedkategoriene Kontor, Handel og Institusjoner er datatilfanget relativt godt. I den siste hovedkategorien utgjør barnehager brorparten av virksomhetene, mens kjøpesentre utgjør en stor del av datamaterialet innen Handel. 4 av 154

21 Havner og terminaler Industri Boliger Losji Rekreasjon Institusjoner Helse Kontor Handel Service Kartleggingen i 2005 ga primært gode kilder til erfaringstall for hovedkategoriene Kontor og Handel. Kartleggingen i 2013 har gitt flere gode kilder innenfor disse kategoriene, men har også gitt gode tall for Institusjoner og Boliger. Med denne siste kartleggingen er det samlede datatilfanget mer enn doblet. Tabell 2: Klassifisering av datagrunnlag for erfaringstall for turproduksjon; hovedkategorier arealbruk Hovedkategorier arealbruk fra TGM Kartleggingsår SAMLET SUM Primærkilder Sekundærkilder Tertiærkilder SUM, Primærkilder Sekundærkilder Tertiærkilder SUM, Primærkilder Sekundærkilder Tertiærkilder TOTALT Type trafikk Det er ønskelig å ha erfaringstall for turproduksjon både i form av personturer, fordelt på ansatte/bosatte og besøkende, og godstransporter for de ulike virksomhetene. For de fleste virksomhetene (80 %) finnes, eller gir kilden grunnlag for å beregne, egne turproduksjonstall for bosatte eller ansatte knyttet til virksomheten, mens 72 % gir tilsvarende egne tall for besøkende (Tabell 3). For de øvrige virksomhetene oppgis som regel samletall der begge disse gruppene inngår. For bare 10 % av virksomhetene finnes informasjon om erfaringstall for godstransporter. Tabell 3: Erfaringstall for turproduksjon; type trafikk Reiser/turproduksjon for... Kartleggingsår Ansatte/ bosatte Besøkende Gods 2005 (N=26) 69 % 81 % 4 % 2013 (N=34) 88 % 65 % 15 % SAMLET (N=60) 80 % 72 % 10 % For alle virksomhetene innenfor arealbrukskategoriene Industri og Institusjoner oppgis egne nøkkeltall for turproduksjon knyttet til hhv. ansatte og besøkende (Figur 2). For alle virksomhetene innenfor Kontor finnes informasjon om turproduksjon for de ansatte, og for vel halvparten finnes det også informasjon om turproduksjon for besøkende. For Handel finnes tilsvarende tall for de ansatte for to tredeler av virksomhetene, mens turproduksjon knyttet til besøkende er oppgitt for 90 % av virksomhetene. I 5 av 154

22 hovedkategorien Bolig er det oppgitt egne nøkkeltall for bosatte i halvparten av undersøkelsene, og en tredel gir egne tall for besøkende. For seks av virksomhetene er det oppgitt egne erfaringstall for turproduksjon for alle de tre typene trafikk/trafikanter; ansatte, besøkende og godstransport. Fem av disse virksomhetene er barnehager, under hovedkategorien Institusjoner, og den siste virksomheten er en kontorbedrift. Figur 2: Erfaringstall for turproduksjon; type trafikk i hovedkategoriene Observasjonsenheter Det er ønskelig å ha erfaringstall for turproduksjon i form av person- og kjøretøyturer, og reisemiddelfordeling for personturene for de ulike typene arealbruk. Det store flertall (92 %) av kildene gir informasjon om turproduksjon i form av antall kjøretøyturer, mens 82 % gir informasjon om antall personturer (Tabell 4). Snaut to tredeler av kildene inneholder fullstendig eller delvis informasjon om reisemiddelfordeling for personturene. Tabell 4: Erfaringstall for turproduksjon; observasjonsenheter Enheter Kartleggingsår Personer Kjøretøy Reisemiddelfordeling 2005 (N=26) 77 % 81 % 50 % 2013 (N=34) 85 % 100 % 74 % SAMLET (N=60) 82 % 92 % 63 % I det innsamlede materialet er det virksomhetene innenfor arealbrukskategoriene Kontor og Handel som er mest komplett beskrevet mht. bredde i observasjonsenhetene. Hhv, 81 % og 65 % av virksomhetene innenfor de to arealbrukskategoriene er beskrevet i form av personturer med hel eller delvis reisemiddelfordeling, inkludert bilturer (Figur 3). Tilsvarende tall for virksomhetene innenfor Institusjoner og Boliger er hhv. 45 % og 50 %. For alle virksomhetene innenfor disse to arealbrukskategoriene finnes tall for kjøretøyturer i tilknytning til virksomheten. 6 av 154

23 Figur 3: Erfaringstall for turproduksjon; observasjonsenheter i hovedkategoriene Beliggenhet; geografi og type område Svært mange av kildene gir informasjon om virksomheter som er lokalisert i hhv. Oslo/PROSAM-området og Trondheim. Innenfor samtlige hovedkategorier med innsamlede erfaringstall utgjør virksomheter i Oslo-området minst halvparten av materialet (Tabell 5). Her utgjør PROSAM- rapportene brorparten av kildene, og i disse rapportene inngår som regel også mer detaljert kategorisering av beliggenheten i form av avstand fra sentrum og/eller tetthet i bebyggelse. Tabell 5: Erfaringstall for turproduksjon; geografisk lokalisering av virksomhetene Geografisk lokalisering Hovedkategori Oslo/PROSAM-området Trondheim Landet forøvrig Industri (N=2) 50 % 0 % 50 % Boliger (N=6) 83 % 17 % 0 % Institusjoner (N=11) 55 % 18 % 27 % Kontor (N=21) 48 % 14 % 38 % Handel (N=20) 60 % 15 % 15 % Uavhengige variabler; type og kvalitet Noen uavhengige variabler benyttes/kan benyttes for flere av hovedkategoriene, mens andre er mer spesifikke for den gitte typen virksomhet. Det er en utfordring av variablene ikke nødvendigvis er definert/klassifisert på samme måte i de ulike kildene. Areal: I det tilgjengelige materialet er areal i m 2 oppgitt med ulike klassifiseringer: For fem av de elleve institusjonene (barnehager), er det oppgitt separate erfaringstall for turproduksjon knyttet til hhv. inne- og uteareal. Arbeidsplassareal er benyttet som forklaringsvariabel for turproduksjon for én av de 21 kontorvirksomhetene, og for 60 % av handelsvirksomhetene er salgsareal benyttet som forklaringsvariabel. I tillegg er det oppgitt areal for 13 av de øvrige virksomhetene, uten at det er presentert eksplisitte erfaringstall for turproduksjon knyttet til arealtallene. I noen kilder er det benyttet begrep som nettoareal/bruttoareal, og areal hhv. over/under bakkenivå. 7 av 154

24 Ansatte: Også ansatte er oppgitt med ulike klassifiseringer: Samlet antall ansatte, antall ansatte som vanligvis eller maksimalt er til stede samtidig, og antall årsverk de ansatte representerer. For barnehagene er det knyttet erfaringstall enten til samlet antall ansatte, eller antall ansatte som vanligvis er til stede samtidig (Tabell 6). Tabell 6: Erfaringstall for turproduksjon; bemanning som forklaringsvariabel Hovedkategori Bemanningsrelaterte enheter det er beregnet erfaringstall for Ansatte til stede Ansatte samtidig Årsverk Industri (N=2) 50 % 0 % 0 % Boliger (N=6) 0 % 0 % 0 % Institusjoner (N=11) 36 % 45 % 0 % Kontor (N=21) 24 % 0 % 0 % Handel (N=20) 0 % 0 % 5 % Igjen er det slik at flere av kildene oppgir samlet antall ansatte (17 virksomheter), antall ansatte som vanligvis er til stede samtidig (31 virksomheter) og/eller antall årsverk (13 virksomheter), uten at disse opplysningene er benyttet til å beregne erfaringstall for turproduksjon. Mer virksomhetsspesifikke forklaringsvariabler: For alle barnehagene er antall barnehageplasser benyttet som forklaringsvariabel for turproduksjon. I tillegg er det for noen av barnehagene oppgitt tall for antall barn som vanligvis er til stede samtidig, og andel barn i småbarnsavdeling. Dette siste forholdet er blitt benyttet som forklaringsfaktor for reisemiddelfordeling. For én av handelsvirksomhetene er det oppgitt erfaringstall for turproduksjon knyttet til årsomsetning, antall ekspedisjoner og/eller forhold mellom antall kunder og samhandling. Årsomsetning er imidlertid oppgitt for vel halvparten av handelsvirksomhetene. For én av bolig-studiene er turproduksjon knyttet opp mot antall bosatte i husstanden. Antall bosatte er imidlertid oppgitt for fem av de seks bolig-studiene, og for flere er det også oppgitt andel voksne bosatte. Transporttilbud: Forhold som antall parkeringsplasser og annen beskrivelse av parkeringstilbudet er oppgitt for flere av virksomhetene, men i liten grad benyttet som forklaringsvariabel som det er knyttet eksplisitte turproduksjonstall til. Det samme er tilfelle når det gjelder beskrivelse av kollektivtilbudet og trafikknivå (ÅDT) på tilstøtende vegnett. I noen grad er det beregnet reisemiddelspesifikke turproduksjonstall hvor disse forholdene ville kunne benyttes til å belyse evt. variasjoner, men så vidt vi har sett, er dette ikke gjennomført. 8 av 154

25 2.3 Informasjon om trafikkstrømmer Transportmiddel Det er oppgitt fullstendig eller delvis reisemiddelfordeling for 63 % av virksomhetene det innsamlede materialet dekker (Tabell 4) Tidsrom og retning De fleste av de innsamlede turproduksjonstallene gjelder for et helt virkedøgn (Tabell 7). Tall for makstime om ettermiddagen er beregnet for nær halvparten av handelsvirksomhetene, og for halvparten inngår også egne tall for lørdag. Retningsbestemte tall er beregnet for en del av institusjonene, kontor- og handelsvirksomhetene. Tabell 7: Erfaringstall for turproduksjon; tidsperiode og retning Tidsperiode og retning Hovedkategori morgen formiddag ettermiddag makstime virkedøgn lørdag ukedøgn Industri (N=2) 0 % 0 % 0 % 0 % 100 % 0 % 0 % 0 % Boliger (N=6) 0 % 0 % 0 % 0 % 67 % 0 % 17 % 0 % retningsbestemt Institusjoner (N=11) 9 % 0 % 9 % 0 % 82 % 0 % 0 % 55 % Kontor (N=21) 5 % 5 % 5 % 5 % 33 % 0 % 5 % 19 % Handel (N=20) 0 % 0 % 50 % 45 % 60 % 50 % 5 % 40 % 9 av 154

26 3 Arealbrukstyper for norske forhold Ved inndeling i arealbrukstyper for beregning av turproduksjonstall i Statens vegvesen, er det tatt utgangspunkt i hovedinndelingen presentert i kapittel 1.3. Dette er i samsvar med anbefaling i forprosjektet om turproduksjonstall for persontransport (Meland, 2005), og det er den samme inndelingen som i Trip Generation Manual (9th Edition) (ITE, 2012). I dette kapitlet er det sett nærmere på hvordan denne inndelingen kan tilpasses norske forhold, og det er gjort en vurdering av hvilke underkategorier som bør inngå i hver hovedkategori. Innledningsvis er det drøftet hvilke kriterier som bør legges til grunn for inndeling i arealbrukstyper. 3.1 Behov og muligheter I Trip Generation Manual (TGM) er kategoriene i hovedinndelingen inndelt i svært mange underkategorier (ca. 170 i versjon 9). Selv om en del av disse kategoriene er mindre aktuelle for norske forhold, er underkategoriene i TGM benyttet som utgangspunkt for å vurdere inndeling i underkategorier. I vurderingene er det tatt hensyn til hvilke kategorier som kan være aktuelle både på kort og lang sikt, men med et bedre datagrunnlag kan det etterhvert bli grunnlag for ytterligere oppsplitting i underkategorier innenfor hver av de ti arealbrukstypene i hovedinndelingen. Inndelingen vil gi føringer for framtidig datainnsamling. For å få en hensiktsmessig underdeling i arealbrukstyper, er det forsøkt å ta hensyn til både hvilke typer arealbruk det etterspørres tall for i dag, for eksempel i forbindelse med reguleringsplaner, og hvilken inndeling det eksisterende datamaterialet gir grunnlag for. Viktige momenter som har vært vurdert ved inndeling i kategorier: 1. For hvilke arealbrukstyper etterspørres turproduksjonsdata? Det må sikres at en i tilstrekkelig grad dekker de arealbrukstypene det er mest etterspørsel etter turproduksjonsdata for. Behov for finere inndeling må vurderes spesielt der mindre variasjoner i arealbruk har stor betydning for turproduksjonen. 2. Hvilke kategorier er det hensiktsmessig å slå sammen? En del av underkategoriene fra TGM er så like at de med fordel kan slås sammen. Det må i denne sammenheng også tas hensyn til at en ofte avsetter arealer til formål som ikke er spesifisert i detalj, dvs. at en har behov for turproduksjons-tall som kan representere et snitt av flere underkategorier i TGM. 3. For hvilke kategorier er det mulig å innhente data som er så generelle at de kan anvendes i en planleggingssituasjon? Det må tas hensyn til at en primært ønsker data som er generelle. For enkelte typer arealbruk må en være oppmerksom på at variasjonen vil være så stor at det kan være misvisende å presentere tall basert på noen få enkeltvirksomheter. Ved vurdering av konkrete virksomheter, som for eksempel en idrettsarena, må turproduksjonen likevel vurderes spesifikt for det konkrete anlegget som planlegges, basert på tilskuerkapasitet, tilrettelegging for parkering m.m. Generelle erfaringsdata vil i slike situasjoner ha begrenset verdi. 4. I hvilken grad skal en ta hensyn til definisjonen av arealbruksformål i reguleringsplaner og kommune(del)planer? Trafikkanalyser og turproduksjonsberegninger gjennomføres i stor grad i forbindelse med utarbeidelse av nye reguleringsplaner og kommune(del)planer. For slike planer er det definert hvilke arealformål og 10 av 154

27 underformål som kan benyttes. Ved beregning av turproduksjon vil en ofte ikke vite eksakt hvilke virksomheter som vil etablere seg, det vil si at en må basere beregningene på de definerte arealformålene. De angitte arealformålene åpner også for virksomheter som kan være relativt ulike mht. turgenerering. I tillegg er det også mulig å kombinere ulike formål. Inndelingen i arealbrukskategorier bør sees i lys av dette, slik at en bl.a. kan belyse hvordan turproduksjonen varierer innenfor samme hovedformål, avhengig av underformål m.m. Gjennom en klargjøring av sammenhengen mellom formål i planene og turproduksjon, kan konsekvensene av planforslag bli mer tydelige både for planleggere og politikere. Dette vil bl.a. være nyttig som grunnlag for utforming av planbestemmelser. Utfordringer knyttet til områder med blandet arealbruk er nærmere omtalt i delkapittel I det videre arbeidet med systematisering og innsamling av data bør en gå inn for å relatere det enkelte arealbruksformål til NACE-koder og reguleringsformål. Ved å benytte NACE-kodene bidrar en til å sikre en entydig definisjon av virksomhetene og ved å relatere arealbrukskategoriene til reguleringsplanformål vil en kunne etablere et bedre grunnlag for å vurdere konsekvensene av planforslag. NACE-definisjonen er gjengitt på SSBs hjemmesider 2. Ulike reguleringsformålskoder er gjengitt i Lovdata Anbefaling, arealbrukstyper I det etterfølgende er arealbrukskategoriene gjennomgått med basis i hovedkategorier og underkategorier fra TGM. For hver kategori er det gjort en vurdering av hvilken kategorisering som synes mest relevant for norske forhold. Som en del av dette er det også gjort en skjønnsmessig vurdering av hver kategori med hensyn til: om det er behov for gjennomsnittstall om det foreligger turproduksjonsdata/statistikk som kan benyttes hvor viktig det er å få samlet inn nye turproduksjonsdata Vurderingene knyttet til inndeling i kategorier, behov for gjennomsnittstall og ny statistikk er gjort av prosjektgruppen i fellesskap. Dette er bl.a. basert på gruppens kunnskap om hvilke typer arealbruk det er størst etterspørsel etter erfaringstall for, og i hvilken grad gjennomsnittstall vil være relevante. Dette er en del av grunnlaget for forslag til prioriteringsliste for innsamling av data, jf. kapittel For hver kategori er det tatt med forslag til enheter det kan eller bør beregnes nøkkeltall for. Noen av disse enhetene, som f.eks. m 2 areal, vil ha direkte anvendelse i en plansituasjon, mens andre, som f.eks. årsomsetning for næringsvirksomheter, kan komme til nytte i situasjoner der det er behov for å kunne skalere eller anslå tall knyttet til virksomheter der ikke andre nøkkeltall er tilgjengelig. Dette er imidlertid å anse som en "nødløsning" i situasjoner der ikke annet datamateriale er tilgjengelig, og er derfor markert med kursiv i tekseten. Forslagene som presenteres her, er nettopp det: Forslag. Både inndeling i og plassering av underkategorier i hovedkategorier kan diskuteres, og der samme gjelder hvilke observasjonsenheter som bør knyttes til de ulike arealbrukskategoriene. Det knytter seg ulike typer utfordringer og behov for ytterligere avklaringer til flere av hovedkategoriene, og noen av disse forholdene er kort beskrevet avslutningsvis innenfor hver hovedkategori av 154

28 3.2.1 Hovedkategori 1: Havner og terminaler TGM: I TGM benyttes 6 underkategorier for hovedkategori Havner og terminaler. De viktigste (gruppene av) underkategorier er: Havner Flyplasser Intermodale godsterminaler Park & Ride-anlegg Generelt om behov: Generelle data kan i liten grad benyttes for slike anlegg. Samlet turproduksjon, transportmiddelfordeling og variasjonsmønster vil variere mye, avhengig av lokale forhold og egenskaper ved den aktuelle virksomheten. Trafikkgenereringen må derfor vurderes i hvert enkelt tilfelle, basert på tilgjengelige og relevante datakilder. Mye statistikk foreligger hos virksomhetene, blant annet for havner, og Avinor har passasjerstatistikk med reisemiddelfordeling mm. for flyplasser, og det antas at dette benyttes der slike anlegg skal vurderes. Forslag til inndeling: Vi foreslår at en beholder alle underkategorier nevnt over, men uten at en har ambisjoner om å presentere generelle eller gjennomsnittlige turproduksjonsfaktorer. Der det foreligger erfaringstall bør disse presenteres for hvert enkelt anlegg, sammen med informasjon om lokale forhold som kan gjøre det mulig å vurdere tallenes relevans i forbindelse med trafikkanalyser for nye tilsvarende anlegg. Tabell 8: Forslag til underkategorier innenfor Hovedkategori 1: Havner og terminaler Underkategori Behov for gj.sn. tall for kategorien Tilgjengelig statistikk Behov for innsamling av data 1.1 Havner Nei Lite Lite 1.2 Flyplasser Nei Lite Lite 1.3 Godsterminaler Nei Lite Lite 1.4 Park & Ride-anlegg Nei Lite Lite Kommentarer Forslag til enheter det kan/bør beregnes nøkkeltall for: Det er ikke aktuelt å beregne nøkkeltall. Utfordringer/spørsmål: Det bør utarbeides en oversikt over aktuelle kilder til innhenting av statistikk. 12 av 154

29 3.2.2 Hovedkategori 2: Industri og lager TGM: I TGM er hovedkategorien Industri og lager delt i ni underkategorier: Lett industri (< 500 ansatte) Tung industri (> 500 ansatte) Industriparker (blanding av ulike typer industri) Produksjon, råvarer Store lager Små lager Utleieareal, mindre varelager etc. Lager for bearbeidete produkter Elektroindustri, blanding med kontorer Generelt om behov: Det er behov for generelle data for denne typen arealbruk, men det er i liten grad innhentet statistikk i Norge. Det vil ikke være hensiktsmessig å benytte like mange underkategorier som i TGM, med for eksempel fire ulike kategorier lager. Samtidig kan det være behov for å inkludere arealbrukskategorier som genererer mye tungtrafikk, som anleggsvirksomhet og avfallshåndtering. Dette er imidlertid arealbrukskategorier der det i liten grad vil være mulig å etablere generelle erfaringstall. Industri /lager benyttes ofte som kombinert reguleringsformål. Det er da viktig å ta hensyn til at dette er arealbruk som kan ha svært ulik turproduksjon. Forslag til inndeling: Det er behov for å skille mellom lett og tung industri, som ofte vil gi ulik turproduksjon og tungtransportandel. Tung industri er arealkrevende, og vil ofte ha færre ansatte per m 2. For større produksjonsbedrifter i en egen kategori vil det trolig være lite hensiktsmessig å beregne gjennomsnittstall, men nøkkeltall for enkeltvirksomheter vil likevel kunne være nyttig. Grus-/masseuttak, byggeplasser og avfallsdeponier er foreslått som egne kategorier. Tabell 9: Forslag til underkategorier innenfor Hovedkategori 2: Industri og lager Underkategori Behov for gj.sn. tall for kategorien Tilgjengelig statistikk Behov for innsamling av data Kommentarer 2.1 Lett industri Ja Noe Middels Industri ekskl. tung industri 2.2 Tung industri I noen grad Noe Lite Kapital- og arealkrevende produksjon, gruvedrift, metallproduksjon, kjemisk og petrokjemisk industri 2.3 Lager Ja Lite Stort 2.4 Grus-/masseuttak Nei Lite Lite Mye tungtrafikk må vurderes i hvert enkelt tilfelle 2.5 Byggeplasser midlertidige anlegg Nei Lite Lite Mye tungtrafikk må vurderes i hvert enkelt tilfelle 2.6 Avfallsdeponi I noen grad Lite Middels Mye tungtrafikk må i stor grad vurderes i hvert enkelt tilfelle 13 av 154

30 Forslag til enheter det kan/bør beregnes nøkkeltall for: antall ansatte (industri) m 2 bruksareal (industri, lager/logistikk) bosatte i omland (avfallsdeponi) Utfordringer/momenter som bør vurderes nærmere: Ikke entydig avgrensing mellom lett og tung industri Ulike typer lager Muligheten til å innhente statistikk for godstransport fra speditører og bedrifter bør undersøkes Hovedkategori 3: Boliger TGM: Hovedkategorien Boliger er delt i 19 underkategorier i TGM. De viktigste (gruppene av) underkategorier er: Eneboliger, familier Leiligheter (delt på 1-2 etasje, 3-10 etasje, >10 etasje) Leid leilighet Sameie Seniorboliger, pensjonsboliger (eget hus eller flere leiligheter samlet) Feriehus Timeshare-leiligheter Generelt om behov: For boliger foreligger det en del erfaringsdata, i første rekke fra PROSAM (se Tabell A-23 i vedlegg A). Inndelingen i PROSAM-rapport 137 vil være representativ for mange byer og tettsteder i Norge. Dette bør imidlertid suppleres med erfaringsdata fra andre områder. Det er ofte behov for data for andre typer boliger, feriehus og hytter, men her foreligger det i liten grad data. Forslag til inndeling: I tillegg til ordinære boliger/leiligheter bør det innhentes egne turproduksjonsdata for omsorgs- /seniorboliger (mindre bilbruk), studentboliger (mindre bilbruk) og ferieboliger/hytter. Tabell 10: Forslag til underkategorier innenfor Hovedkategori 3: Boliger Underkategori Behov for gj.sn. tall for kategorien Tilgjengelig statistikk Behov for innsamling av data Kommentarer 3.1 Boliger og leiligheter Ja Mye Middels Turproduksjon avh. av antall personer i hushold, størrelse med mer, jfr. PROSAM-rapport Omsorgs- og seniorboliger Ja Lite Middels Mindre bilbruk enn andre boliger 3.3 Studentboliger Ja Noe Middels Mindre bilbruk enn andre boliger 3.4 Ferieboliger / hytter Ja Noe Middels Store årsvariasjoner utfordring Forslag til enheter det kan/bør beregnes nøkkeltall for: antall bosatte (boliger og leiligheter, omsorgs- og seniorboliger, studentboliger) antall ferieboliger antall hytter 14 av 154

31 Utfordringer/spørsmål: For ferieboliger/hytter er sesongvariasjonen en utfordring ved innsamling av generelle data. Variasjonene er bl.a. avhengig av lokalisering (TØI har gjennomført en hytteundersøkelse) Hovedkategori 4: Losji TGM: Hovedkategorien Losji er delt i fem underkategorier: Hotell Leilighetshotell Forretningshotell Motell Feriehotell Generelt om behov: Det foreligger i liten grad turproduksjonsdata for denne hovedkategorien. Samtidig er det ofte behov for data, spesielt for hotell. Det kan også være behov for turproduksjonsdata for enklere overnatting. Forslag til inndeling: Tre underkategorier er foreslått. Campingplasser (som grenser mot rekreasjon) er foreslått inkludert i kategorien «enklere overnatting». Tabell 11: Forslag til underkategorier innenfor Hovedkategori 4: Losji Underkategori Behov for gj.sn. tall for kategorien Tilgjengelig statistikk Behov for innsamling av data Kommentarer 4.1 Hotell Ja Lite Stort Har ofte konferansefasiliteter og andre aktiviteter, turproduksjon må vurderes i lys av dette 4.2 Pensjonat Ja Lite Middels Kun overnatting og enkelt serveringstilbud 4.3 Enklere overnatting Ja Lite Lite Camping, ungdomsherberge, turisthytte etc. Forslag til enheter det kan/bør beregnes nøkkeltall for: antall rom (hotell, pensjonat) antall senger (hotell, pensjonat, enklere overnatting) antall ansatte (hotell, pensjonat, enklere overnatting) m 2 bruksareal (hotell, pensjonat, enklere overnatting) Utfordringer/spørsmål: Turproduksjon til hotell er avhengig av aktiviteter utover det som er direkte knyttet til overnatting, for eksempel kongresser, konserter, servering, selskaper, etc. I første omgang vil det sannsynligvis være mest hensiktsmessig å samle inn data for hoteller uten andre aktiviteter enn overnatting. Turproduksjon for losji vil ofte ha store sesongvariasjoner, spesielt overnatting som fortrinnsvis er rettet mot fritidsmarkedet. Dette gir en utfordring med hensyn til datainnsamling, men det er sannsynligvis mulig å innhente informasjon om hvordan antall gjester varierer over året direkte fra overnattingsstedene. 15 av 154

32 3.2.5 Hovedkategori 5: Rekreasjon TGM: TGM opererer med hele 35 ulike underkategorier av hovedkategorien Rekreasjon. De har for eksempel syv kategorier for ulike typer parkanlegg, tre for ulike typer golfanlegg, og fem for ulike teatertyper. Generelt om behov: Det foreligger i liten grad turproduksjonsdata for denne arealbrukskategorien. Underkategoriene er svært ulike med hensyn til turproduksjon, og behovet for turproduksjonsdata er også varierende. Bibliotek, treningssenter, idrettshaller og golfbaner er underkategorier der det etter vår oppfatning er behov for erfaringstall. Samtidig er det flere kategorier som er så spesielle at de uansett må vurderes i hvert enkelt tilfelle, f.eks. idrettsanlegg med høy publikumstilstrømning i forbindelse med arrangementer. Forslag til inndeling: Det er ikke hensiktsmessig å inkludere like mange kategorier som i TGM, men viktig å skille på hovedkategorier av innendørs og utendørs aktiviteter der en i noen grad regner med at turproduksjonsdata kan bli etterspurt. Med hensyn til turproduksjon går det også et skille mellom aktiviteter som i stor grad er rettet mot egenaktivitet, og aktiviteter som primært generer tilskuere. I TGM inngår museum og bibliotek i hovedkategori 6: «Institusjoner». Disse underkategoriene er foreslått flyttet til hovedkategori 5: «Rekreasjon». Tabell 12: Forslag til underkategorier innenfor Hovedkategori 5: Rekreasjon Underkategori Behov for gj.sn. tall for kategorien Tilgjengelig statistikk Behov for innsamling av data Kommentarer 5.1 Teater/kino/ konsertlokaler I noen grad Lite Lite Kan i stor grad vurderes med basis i ant. sitteplasser i hvert enkelt tilfelle 5.2 Bibliotek Ja Lite Middels 5.3 Museum I noen grad Lite Lite Må vurderes spesifikt i hvert enkelt tilfelle, besøkstall i stor grad tilgjengelige fra eksisterende museer. 5.4 Utendørs arenaer for kulturarr. (konserter, oppsetninger, etc.) 5.5 Treningssenter el. liknende (innendørs) Nei Lite Lite Må vurderes spesifikt i hvert enkelt tilfelle Ja Lite Stort Egentrening, ikke publikumsattraherende 5.6 Idrettshaller Ja Lite Middels Kombinasjon av egentrening og publikumsattraherende aktivitet 5.7 Golfbane I noen grad Lite Middels Store anlegg trekker spillere langveisfra? Antall anlegg i omegn har betydning. 5.8 Andre idrettsarenaer, utendørs 5.9 Alpinanlegg Nei (i noen grad) I noen grad Lite Lite Fotballbane, skytebane, tennisbane, etc., må i stor grad vurderes spesifikt i hvert enkelt tilfelle Lite Lite/middels Må vurderes spesifikt i hvert enkelt tilfelle, ingen naturlig enhet å knytte turproduksjonsdata til 5.10 Utfartsområder Nei Lite Lite Må vurderes spesifikt i hvert enkelt tilfelle, ingen naturlig enhet å knytte turproduksjonsdata til 5.11 Gjestehavner/ småbåthavner I noen grad Lite Lite Må i stor grad vurderes spesifikt i hvert enkelt tilfelle, store variasjoner mellom havner og mellom årstider 5.12 Tema-/fornøyelsesparker Nei Lite Lite Må vurderes spesifikt i hvert enkelt tilfelle 16 av 154

33 Forslag til enheter det kan/bør beregnes nøkkeltall for: m 2 bruksareal (bibliotek, museum, treningssenter, idrettshaller) antall sitteplasser (teater/kino/konsertlokaler, idrettsarenaer) antall hull (golfbane) Utfordringer/spørsmål: En del av underkategoriene, for eksempel, idrettsarenaer og konsertlokaler, er preget av at det er store variasjoner i tid og høy toppbelastning. Dette er en utfordring ved innsamling av data. Idrettshaller kan være en kombinasjon av treningshaller og arena for større arrangementer. Dette må vurderes spesielt ved innsamling av data Hovedkategori 6: Undervisning/institusjon TGM: I TGM er hovedkategorien Undervisning/Institusjoner delt i 17 kategorier. De viktigste (gruppene av) underkategorier er: Militærbase Barneskole Ungdomsskole Videregående skole Privatskole (2 kategorier) Universitet (2 kategorier) Kirke (skiller på kirke, moské og synagoge) Barnehage Gravlund Fengsel Museum Bibliotek Loge, organisasjon Generelt om behov: Dette er en kategori der turproduksjonsdata i stor grad er etterspurt. For barnehager foreligger det mye statistikk, for andre underkategorier lite. Det er behov for en relativt detaljert inndeling, da dette er viktige og ulike underkategorier. Turproduksjonsdata for skoler er viktig fordi skoler ofte genererer trafikk i boliggater, og på grunn av fokuset på trafikksikkerhet i tilknytning til skoleveg. Forslag til inndeling: Det foreslås en oppsplitting på skoler med elever i ulik alder, først og fremst fordi dette påvirker reisemiddelfordelingen blant elevene. Museum og bibliotek er foreslått lagt til hovedkategori 5: «Rekreasjon». 17 av 154

34 Tabell 13: Forslag til underkategorier innenfor Hovedkategori 6: Undervisning/institusjon Underkategori Behov for gj.sn. tall for kategorien Tilgjengelig statistikk Behov for innsamling av data 6.1 Barnehage Ja Mye Lite 6.2 Barne-/ungdomsskole Ja Lite Stort 6.3 Videregående skole Ja Lite Stort 6.4 Universitet/høyskole Ja Lite Stort Kommentarer 6.5 Kirke/annen religionsutøvelse I noen grad Lite Lite Maks belastning kan i noen grad vurderes med basis i antall sitteplasser i hvert enkelt tilfelle. 6.6 Forsamlingslokale I noen grad Lite Lite Samfunnshus/grendehus/ selskapslokale, grenser mot rekreasjon Forslag til enheter det kan/bør beregnes nøkkeltall for: antall skoleplasser (alle skoler og universitet) m 2 bruksareal (alle skoler, barnehage, forsamlingslokale) antall sitteplasser (kirke/annen religionsutøvelse) Utfordringer/spørsmål: For skoler som planlegges har en som regel relativt god oversikt over antall elevplasser og antall ansatte. Usikkerheten blir da i stor grad knyttet til reisemiddelfordeling, noe som uansett må vurderes med basis i kunnskap om lokale forhold. Behovet for innsamling må vurderes i lys av dette. Samtidig vil en også ha et innslag av reiser til/fra skoler til aktiviteter utenom skoletid Hovedkategori 7: Helse TGM: Hovedkategorien Helse er delt inn i fire underkategorier: Sykehus Sykehjem Klinikk Veterinærklinikk Generelt om behov: Turproduksjonsdata for denne hovedkategorien er i stor grad etterspurt. Statistikk foreligger for enkelte sykehus (Rogaland, Møre og Romsdal og Trondheim), men i liten grad for andre underkategorier. Forslag til inndeling: Innenfor denne hovedkategorien er det få underkategorier i TGM. Underkategoriene har relativt ulike egenskaper, og bør derfor beholdes. I TGM er legekontor lagt inn under hovedkategori 8: Kontor. Dette er her foreslått inkludert i hovedkategori 7: Helse. I tillegg er det foreslått en egen kategori for tannlege/fysioterapeut, etc. (tannlege ligger også under Hovedkategori 8: Kontor i TGM). 18 av 154

35 Tabell 14: Forslag til underkategorier innenfor Hovedkategori 7: Helse Behov for gj.sn. tall for kategorien Behov for innsamling av data Tilgjengelig Underkategori statistikk Kommentarer 7.1 Sykehus Ja Noe Stort 7.2 Aldershjem/sykehjem Ja Lite Middels 7.3 Legekontor/klinikk Ja Lite Middels Helsetjenester, uten innlegging 7.4 Annen helse og velvære pleie Ja Lite Stort Tannlege, fysioterapeut etc. 7.5 Veterinærklinikk Ja Lite Lite Forslag til enheter det kan/bør beregnes nøkkeltall for: m 2 bruksareal (alle underkategorier) antall ansatte (alle underkategorier) antall sengeplasser (sykehus) antall beboere (aldershjem/sykehjem) Utfordringer/spørsmål: Grenseoppgang mellom aldershjem og omsorgsboliger (som er foreslått lagt under hovedkategori Boliger) Hovedkategori 8: Kontor TGM: TGM opererer med 11 underkategorier under hovedkategorien Kontor. De viktigste (gruppene av) underkategorier er: Generelle kontorbygninger Hovedkontor Enkelt leietakere Medisinsk-tannlege-kontor Offentlig kontor Postkontor Ulike sammensetninger av flere kontor, kontorparker Generelt om behov: Turproduksjonsdata for kontor er svært ofte etterspurt. For Oslo og Akershus foreligger det et relativt bra datagrunnlag som ligger til grunn for PROSAM-rapport 103. For kontorvirksomheter i andre deler av landet foreligger det i liten grad tilgjengelige data. Videre er det i mindre grad innhentet data for publikumsattraktive kontorer (offentlige kontorer som for eksempel NAV), som kan ha en turproduksjon som avviker vesentlig fra kontorvirksomheter som ikke er publikumsattraktive. Samtidig har en som regel ikke oversikt over hvilke kontorvirksomheter som faktisk kommer ved utredning og analyse av konsekvensene av arealbruksplaner. Forslag til inndeling: Det er foreslått en enkel inndeling i ikke-publikumsattraktive og publikumsattraktive kontor. «Medisinsktannlege-kontor» er foreslått lagt under hovedkategori 7: Helse. 19 av 154

36 Tabell 15: Forslag til underkategorier innenfor Hovedkategori 8: Kontor Underkategori Behov for gj.sn. tall for kategorien Tilgjengelig statistikk Behov for innsamling av data Kommentarer 8.1 Kontor, ikke Ja Mye Middels publikumsattraktive 8.2 Kontor, publikumsattraktive Ja Noe Stort Post, bank, NAV, offentlige tjenester. (privat og offentlig tjenesteyting, jf. reguleringsformål) Forslag til enheter det kan/bør beregnes nøkkeltall for: m 2 bruksareal (alle kontor) antall ansatte (alle kontor) Utfordringer/spørsmål: Skillet mellom publikumsattraktive og ikke-publikumsattraktive kontorvirksomheter er ikke entydig gitt. Publikumsattraktive kontorer kunne ev. inngå i hovedkategori 10: Service Hovedkategori 9: Handel TGM: For denne hovedkategorien opererer TGM med hele 42 kategorier! Generelt om behov: Sammenliknet med annen arealbruk har handel ofte svært høy turproduksjon per areal. I tillegg er det store variasjoner mellom ulike handelsvirksomheter. Behovet for gode turproduksjonsdata som belyser variasjonsområdene for ulike typer handel er derfor stort. Samtidig foreligger det mye data, som blant annet er samlet inn i regi av PROSAM. Forslag til inndeling: Den foreslåtte inndelingen er betydelig enklere enn i TGM, men likevel detaljert nok til å fange opp hovedskillelinjene mellom ulike kategorier handel. I TGM inngår bensinstasjoner i hovedkategori 10: Service, men det er her foreslått lagt inn under hovedkategori 9: Handel. 20 av 154

37 Tabell 16: Forslag til underkategorier innenfor Hovedkategori 9: Handel Behov for gj.sn. tall for kategorien Behov for innsamling av data Tilgjengelig Underkategori statistikk Kommentarer 9.1 Mat og drikke Ja Noe Stort Dagligvare, vinmonopol 9.2 Fagvarer/utvalgsvarer Ja Lite Stort Klær, sko, reiseeffekter, sport og fritid, apotek, parfymeri, musikk, gull, ur, foto, musikk, bok og papir, små tele- og databutikker, blomster (ikke hagesenter), dyrebutikker, brukte klær og andre spesialbutikker. 9.3 Arealkrevende forretninger, møbel og elektro/ hvitevarer, store sportsbutikker, etc. 9.4 Arealkrevende forretninger - byggevare og hagesentre Ja Mye Middels Forretninger med arealkrevende varer som ikke inngår i et kjøpesenter og som har et salgsareal på mer enn f.eks m 2. Ja Noe Stort Forretninger med arealkrevende varer som ikke inngår i et kjøpesenter og som har et salgsareal på mer enn f.eks m Kjøpesenter Ja Noe Stort Kjøpesenter med «normal» blanding av utvalgsvarer og dagligvarer 9.6 Motor Ja Lite Middels Båt- og bilforretninger (marked forskjellig fra annen handel) 9.7 Bensinstasjoner Ja Lite Middels Kiosksalg inngår Forslag til enheter det kan/bør beregnes nøkkeltall for: m 2 salgsareal (alle) antall ansatte (alle) antall pumper (bensinstasjon) omsetning per år (alle) Utfordringer/spørsmål: Bør vinmonopol skilles ut fra dagligvare 9.1? Handel gir spesielle utfordringer knyttet til samlokalisering, se kapittel Handelsparker der flere bygninger naturlig inngår i samme handelssenter er ett av flere eksempler på dette. For hagesentre og trelast kan salgsarealene til dels ligge utendørs. Dette må det tas hensyn til ved beregning basert på BRA i en reguleringsplan. Det må sikres at en opererer med entydige arealdefinisjoner. Erfaringstall for turproduksjon samles vanligvis inn og beregnes basert på salgsareal. Det regulerte bruksarealet (BRA) vil imidlertid være større enn dette salgsarealet. Ved bruk av turproduksjonsdata for bensinstasjoner må det tas hensyn til at det som regel ikke er ekstra turer på vegnettet, men høy andel av trafikk som allerede er på vegen som stikker innom. 21 av 154

38 Hovedkategori 10: Service TGM: Hovedkategorien Service er delt i 24 underkategorier. De viktigste (gruppene av) underkategorier er: Bank Frisør Restauranter og andre spisesteder svært mange kategorier (for eksempel «Coffee/Donut Shop with Drive through Window and No Indoor Seating eller Bread/Donut/Bagel with Drive through) Bensinstasjoner, diverse kategorier. Generelt om behov: Turproduksjonsdata for denne hovedkategorien er etterspurt, men det foreligger i liten grad noe datagrunnlag. Forslag til inndeling: Bank er foreslått lagt inn i hovedkategori 8: Kontor, i underkategorien «Kontor publikumsattraktive». Bensinstasjoner er foreslått flyttet til hovedkategorien 9: Handel, der det også hører hjemme i henhold til NACE-klassifiseringen. Restaurant og spisesteder er plassert i hovedkategori 8: Service, men kunne også vært lagt til hovedkategori 9: Handel. Tabell 17: Forslag til underkategorier innenfor Hovedkategori 10: Service Behov for gj.sn. tall for kategorien Behov for innsamling av data Tilgjengelig Underkategori statistikk Kommentarer 10.1 Fast-food, kiosker, drive-in Middels Lite Lite/middels Kiosker, McDonald s og liknende, kun frittstående serveringssteder, ikke serveringssteder som for eksempel inngår i et kjøpesenter Restauranter og spisesteder Ja Lite Middels 10.3 Frisør Ja Lite Lite Forslag til enheter det kan/bør beregnes nøkkeltall for: antall ansatte (alle) m 2 bruksareal (alle) antall sitteplasser (restauranter/spisesteder) antall kasser (Fast-food) antall stoler/betjeningssteder (frisør) omsetning per år (alle) Utfordringer/spørsmål: Frisør kunne ev. vært lagt til en annen hovedkategori slik at dette blir en ren «spisestedskategori». 22 av 154

39 4 Systematisering av eksisterende turproduksjonstall Kapittel 2 omhandler hovedtrekk ved det innsamlede datamaterialet. I det følgende presenteres hvordan de best egnede deler av dette datamaterialet er bearbeidet videre til forslag til anbefalte nøkkeltall for turproduksjon. Dette omfatter sammenstilling av datagrunnlaget til mest mulig sammenlignbare kategorier både mht. avhengige og uavhengige variabler. I denne bearbeidingen er nøkkeltall beregnet for de kombinasjonene av avhengige og uavhengige variabler som datamaterialet ga grunnlag for. Anbefalinger om hvilke avhengige og uavhengige variabler som bør inngå i en evt. ny datainnsamling, er presentert i delkapitlene og I de påfølgende delkapitlene presenteres forslag til anbefalte erfaringstall for turproduksjon knyttet til de fire hovedkategoriene Industri, Institusjoner, Kontor og Handel, og plott som viser sammenhengen mellom turproduksjon og ulike forklaringsvariabler. For de øvrige hovedkategoriene har det ikke vært tilstrekkelig grunnlag for å beregne nøkkeltall for turproduksjon i dette prosjektet. For noen av hovedkategoriene er det ikke tilgjengelige erfaringstall, og for andre finnes det kilder som kan benyttes, men som trenger noe supplerende informasjon, f.eks. om areal, for å kunne benyttes videre. Turproduksjonstall for biltrafikk knyttet til boliger finnes i PROSAM-rapporten Turproduksjonstall for boliger i Oslo og Akershus (PROSAM, 2006). Hovedresultatene er vist i Tabell A-23 i Vedlegg A. I forprosjektet ble det påpekt at det i TGM ikke ble presentert samletall for hovedkategorier, men kun for underkategorier med tilhørende forklaringsvariabler. I reguleringsplanlegging benyttes ofte hovedkategoriene uten ytterligere inndeling, og det vil derfor i norsk sammenheng også være et behov for samletall for hver hovedkategori, selv om den skulle være inndelt i underkategorier. Eksempel på slike samletall som inkluderer data fra flere underkategorier, er gitt for hovedkategori 9 Handel, i delkapittel 4.5. Det er imidlertid åpenbare problemstillinger knyttet til framstilling og bruk av slike samletall, på grunn av at underkategoriene kan være svært ulike mht. trafikkmønster. Der det foreligger mer detaljert informasjon om hvilke typer arealbruk det er snakk om, bør en derfor så langt som mulig benytte tall for relevante underkategorier, der slike finnes. 4.1 Erfaringstall for turproduksjon - om resultatene som presenteres De beregnede nøkkeltallene presenteres i oppsummerende tabeller, med plott som viser sammenheng mellom turproduksjon og de viktigste uavhengige variablene. Variasjonsområde og usikkerhet er en viktig informasjon for brukerne av turproduksjonstall. Det er derfor lagt vekt på å vise denne for turproduksjonstall både for hovedkategorier og underkategorier. Dette er gjort i form av å opplyse om antall undersøkelser tallene bygger på, variasjonsområde og tilpasning mellom avhengig og uavhengig variabel (R 2 ). Ved publisering bør det også vurderes å knytte advarsler til begrensninger i bruk til noen av tallene. Innhold i og definisjon av noen resultater som vises i tabellene og plottene, presenteres kort i det følgende Tabeller med nøkkeltall Resultatene presenteres i tabeller med følgende informasjon om de beregnede nøkkeltallene for turproduksjon, og den uavhengige variabelen de er beregnet for: samlet gjennomsnittsverdi laveste (individuelle) verdi høyeste (individuelle) verdi standardavvik for den samlede gjennomsnittsverdien antall observasjoner (virksomheter) 23 av 154

40 Den samlede gjennomsnittsverdien er regnet ut som sum av alle turer i datamaterialet, delt på sum av alle enheter av den uavhengige variabelen i datamaterialet, mens de individuelle verdiene er beregnet for hver enkelt observasjon (virksomhet). Dersom antall observasjoner er mindre enn fem, er tallene vist i kursiv Dataplott I tillegg til tabellene, presenteres også dataplott med regresjonslinje, regresjonsligning og tilpasningskoeffisient (R 2 ) for de uavhengige variablene som best forklarer den variasjonen i turproduksjon som ligger i datamaterialet. Dataplottene viser den uavhengige variabelen langs x-aksen, og den avhengige variabelen (turproduksjonen) langs y-aksen. Regresjonsligningen har følgende generelle form: y = a * x + b Dersom konstantleddet b er stort, kan dette gi ulogiske resultater ved bruk av ligningen i tilfeller der størrelsen på den uavhengige variabelen er betydelig mindre enn gjennomsnittsverdien. Tilpasningskoeffisienten R 2 kan ha verdier mellom 0 og 1, og angir hvor stor andel av variasjonen i turproduksjon som kan knyttes til variasjonen i den uavhengige variabelen. Jo høyere R 2 -verdi, jo bedre samsvar er det mellom den avhengige og den uavhengige variabelen I TGM presenteres kun plott med regresjonslinje for data som tilfredsstiller alle følgende krav: R 2 er større eller lik 0,5 Antall observasjoner er større eller lik 4, og Antall turer øker med størrelsen på den uavhengige variabelen Det kan være fornuftig å legge seg på en tilsvarende linje i publiseringe av norske oppdtarte turproduksjonstall. Disse kravene til hva som kan presenteres er imidlertid ikke fulgt slavisk i denne rapporten, ettersom plottene og regresjonsanalysene her benyttes for å vurdere og å illustrere kvaliteten på det tilgjengelige datamaterialet. Ettersom ikke alle datakildene inneholder samtlige avhengige og uavhengige variabler, vil målestokken langs både x- og y-aksen kunne variere noe fra plott til plott for en og samme arealbrukskategori. Flere dataplott for arealbrukskategoriene er vist i Vedlegg B. 4.2 Erfaringstall for turproduksjon for Hovedkategori 2: Industri Om datagrunnlaget Datakilder: De beregnede nøkkeltallene er basert på bearbeidede data fra Plan- og bygningsetatens turproduksjonsundersøkelse som ble gjennomført i Oslo i 2001 (Sturød, 2002). Datamaterialet gir informasjon om turproduksjon knyttet til 15 ulike produksjonsbedrifter. 24 av 154

41 Personturer Bilturer Personturer Bilturer Personturer Bilturer Personturer Bilturer Avhengige variabler: Det tilgjengelige datamaterialet gir informasjon om reiseaktivitet i form av personturer og kjøretøyturer. Hver av disse kategoriene er videre underdelt i fire typer reiseaktivitet: arbeidsreiser, tjenesteturer, private turer og besøksturer (inkluderer varelevering). Alle tall gjelder for virkedager. Datamaterialet gir ikke informasjon om annen reisemiddelfordeling enn den som framgår av antall kjøretøyturer. Uavhengige variabler: Datamaterialet gir informasjon om antall ansatte, totalt og på en "normaldag", gulvareal i m 2, og antall parkeringsplasser. Beregnede nøkkeltall for disse tre forholdene er vist i Tabell 18. I tillegg gir datamaterialet informasjon om navn på bedriften, og dens geografiske beliggenhet i form av bydel og kategorisering av tilgjengelighet med kollektivtransport. Denne informasjonen kan evt. benyttes til å splitte datamaterialet videre opp i underkategorier mht. type industrivirksomhet eller beliggenhet mht. sentralitet og områdetype. Kilder til usikkerhet: Informasjonen er i stor grad basert på intervju med ansatte og besøkende. Egne tellinger er kun gjennomført ved én av bedriftene. Det var imidlertid godt samsvar mellom antall beregnede (56) og registrerte (55) personturer for denne bedriften. Varelevering inngår i tall for bilturer, men lar seg ikke skille ut. Mulig supplerende datagrunnlag: I dokumentasjonen av ABC-konseptet (Asplan, 2003) er det referert nøkkeltall for arbeidsreiser per ansatt og besøksreiser relatert til gulvareal for ulike typer industri. Grunnlagsmaterialet for disse tallene kan evt. bidra til å styrke datagrunnlaget for nøkkeltallene innenfor denne arealbrukskategorien Beregning av nøkkeltall for turproduksjon - Underkategori 2.1 Lett industri Datamaterialet oppgir antall turer per ansatt som vanligvis er til stede en gjennomsnittsdag. Oppgitt antall ansatte per "normaldag" er benyttet til å regne om til totalt antall turer per dag for de ansatte i bedriften, og videre regnet om til nøkkeltall for turproduksjon knyttet til totalt antall ansatte, gulvareal og parkeringsplasser, vist i Tabell Tabell 18: Beregnede nøkkeltall for turproduksjon, virkedag; Underkategori 2.1 Lett industri per ansatt per ansatt, normaldag per parkeringsplass per 100 m 2 gulvareal Ansatte Ansatte normaldag P-plasser Gulvareal (100 m 2 ) Samlet snitt 44 2,8 1,9 40 3,1 2,1 26 4,8 3,2 43 2,8 1,9 Min 5 2,0 0,0 4 2,4 0,0 2 2,2 0,0 1,5 1,1 0,0 Max 116 4,6 3,6 90 5,1 4, ,0 12, ,5 8,6 Std.dev. 36 0,9 1,0 31 0,8 1,1 24 3,7 3,1 42 3,6 2,8 N De samlede gjennomsnittsverdiene i Tabell 18 avviker noe fra gjennomsnittsverdiene hos Sturød, der gjennomsnittsverdiene er beregnet ut fra de individuelle turproduksjonstallene for hver enkelt virksomhet. 25 av 154

42 4.2.3 Dataplott - Underkategori 2.1 Lett industri Regresjonsanalyse viser at det er antall ansatte som er til stede en "normaldag" som forklarer størst andel av variasjonen i antall person- og bilturer i tilknytning til industribedriftene i datamaterialet, hhv 95 % og 82 %. Det var da også denne enheten turproduksjonen var oppgitt i hos Sturød. Størrelsen på gulvareal forklarer 72 % av variasjonen i antall personturer, mens antall parkeringsplasser forklarer 82 % av antall bilturer i tilknytning til virksomhetene. Figur 4: Personturer og ansatte til stede en normal virkedag; Underkategori 2.1 Lett industri Figur 5: Bilturer og ansatte til stede en normal virkedag; Underkategori 2.1 Lett industri Figur 6: Personturer og 100 m 2 gulvareal, virkedag; Underkategori 2.1 Lett industri Figur 7: Bilturer og parkeringsplasser, virkedag; Underkategori 2.1 Lett industri 26 av 154

43 4.3 Erfaringstall for turproduksjon for Hovedkategori 6: Institusjoner Om datagrunnlaget Datakilder: Det tilgjengelige materialet gir kun data for Underkategori 6.1 Barnehage. De beregnede nøkkeltallene er basert på bearbeidede data fra to kilder: Sabelstrøm Øen (2009) og Lindøen (2012). Datamaterialet gir informasjon om turproduksjon knyttet til 8 ulike ordinære barnehager, og én spesialbarnehage. Nøkkeltallene som presenteres her er basert på informasjon om de ordinære barnehagene. Avhengige variabler: Det er gitt informasjon om reiseaktivitet i form av personbilturer for hele datamaterialet. Informasjon om fem av barnehagene kommer fra Lindøen, og for disse er det i tillegg oppgitt totalt antall personturer (inkluderer barn) med reisemiddelfordeling, varetransporter og totalt antall kjøretøy. Registreringene er retningsbestemte og resultatene er presentert på time-nivå. Det er også oppgitt makstime-nivå for personturer og kjøretøyturer. For de tre barnehagene som en beskrevet hos Sabelstrøm Øen, er det gitt informasjon om voksen-personturer med reisemiddelfordeling Det har ikke vært mulig å etablere en felles variabel for personturer fra de to kildene. Uavhengige variabler: Det finnes informasjon om antall ansatte samtidig til stede, antall barn samtidig til stede, og antall barnehageplasser for hele datamaterialet. I tillegg har Lindøen oppgitt inne-, ute- og totalt areal i m 2, mens Sabelstrøm Øen også gir informasjon om antall avdelinger og samlet antall ansatte. Det er en viss geografisk spredning i datamaterialet; de tre barnehagene hos Sabelstrøm Øen ligger i Oslo-området, mens Lindøen har registreringer fra tre barnehager i Bergen og to i Trondheim. Hun har i tillegg lagt vekt på å få en viss spredning i barnehagenes størrelse, kombinert med lokalisering. Kilder til usikkerhet: Data hos Sabelstrøm Øen er basert på intervju med ansatte og foresatte for barna i barnehagene, mens Lindøen har basert sine data på egne tellinger ved barnehagene. Tellinger i hver barnehage er gjennomført over fire dager, og dekker samlet to "hele" dager (morgen - formiddag - ettermiddag) per barnehage. Data for andre undergrupper av hovedkategorien Institusjoner har ikke vært tilgjengelig. I hvilken grad nøkkeltall for barnehager er overførbare til andre typer institusjoner, er ikke vurdert i dette prosjektet. Mulig supplerende datagrunnlag: Sabelstrøm Øen gir også informasjon om turproduksjon knyttet til en spesialbarnehage. Denne skiller seg betydelig fra de øvrige barnehagene, bl.a. mht. antall barn per ansatt, og ble derfor utelatt fra beregningsgrunnlaget for nøkkeltallene som er presentert her. 27 av 154

44 Personturer, alle Personturer, voksne Kjøretøyturer, alle Varetransportturer Personbilturer Personturer, alle Personturer, voksne Kjøretøyturer, alle Varetransportturer Personbilturer Personturer, alle Kjøretøyturer, alle Varetransportturer Personbilturer Beregning av nøkkeltall for turproduksjon - Underkategori 6.1 Barnehage Datamaterialet er benyttet til å beregne antall turer per ansatt som vanligvis er samtidig til stede, antall turer per barnehageplass, og per 100 m 2 inneareal, vist i Tabell 19. Tabell 19: Beregnede nøkkeltall for turproduksjon, virkedag; Underkategori 6.1 Barnehage per ansatt samtidig til stede per barnehageplass per 100 m 2 inneareal Ansatte samtidig til stede Plasser Inneareal (m 2 ) Samlet snitt 16 22,2 12,8 8,2 0,3 7,5 66 5,8 3,4 2,1 0,1 2, ,3 45,2 1,5 43,7 Min 5 21,5 9,6 4,4 0,2 3,8 16 5,4 3,2 1,4 0,0 1, ,9 29,3 0,9 26,6 Max 37 24,8 14,5 9,6 0,6 10, ,8 3,6 2,4 0,2 2, ,9 53,7 3,6 52,8 Std.dev. 11 1,1 2,0 1,7 0,1 2,3 45 0,8 0,2 0,3 0,0 0, ,0 8,1 1,0 8,7 N Dataplott - Underkategori 6.1 Barnehage Regresjonsanalyse viser at det er antall ansatte som er samtidig til stede, som forklarer størst andel av variasjonen i antall personturer (inkludert barn) i tilknytning barnehagene i datamaterialet, mens størrelsen på innearealet har størst forklaringskraft for omfanget av personbilturer. Figur 8: Personturer og ansatte til stede samtidig, virkedag; Underkategori 6.1 Barnehage Figur 9: Bilturer og m 2 inneareal, virkedag; Underkategori 6.1 Barnehage 28 av 154

45 4.4 Erfaringstall for turproduksjon for Hovedkategori 8: Kontor Om datagrunnlaget Datakilder: De beregnede nøkkeltallene er basert på bearbeidede data om 28 bedrifter fra Plan- og bygningsetatens turproduksjonsundersøkelse som ble gjennomført i Oslo i 2001 (Sturød, 2002), data fra to bedrifter på Brynseng (Ringen, 2002), og samlede data om 20 kontorbedrifter i Hoffsveien 1, Oslo (Ringen, 2000). Avhengige variabler: Det tilgjengelige datamaterialet gir informasjon om reiseaktivitet i form av personturer og/eller kjøretøyturer. Hos Sturød er hver av disse kategoriene videre underdelt i fire typer reiseaktivitet: arbeidsreiser, tjenesteturer, private turer og besøksturer (inkluderer varelevering). Alle tall gjelder for virkedager. Datamaterialet gir ikke informasjon om annen reisemiddelfordeling enn den som framgår av antall kjøretøyturer. Uavhengige variabler: Datamaterialet gir informasjon om totalt antall ansatte 5, og hos Sturød også antall ansatte til stede på en "normaldag", gulvareal i m 2, og antall parkeringsplasser. Beregnede nøkkeltall for disse tre forholdene er vist i Tabell 20. I tillegg gir datamaterialet som er på enkeltbedriftnivå, informasjon om navn på bedriften, og dens geografiske beliggenhet i form av bydel, og hos Sturød også kategorisering av tilgjengelighet med kollektivtransport. Denne informasjonen kan evt. benyttes til å splitte datamaterialet videre opp i underkategorier mht. type industrivirksomhet eller beliggenhet mht. sentralitet og områdetype. I forslaget til underkategorier (Tabell 15) er publikumsattraktivitet benyttet som inndelingskriterium. Det er ikke kjent hvordan de aktuelle kontorvirksomhetene fordeler seg mht. dette, men det bør det være mulig å bringe på det rene. Kilder til usikkerhet: Informasjonen er i stor grad basert på intervju med ansatte og besøkende. Egne tellinger er gjennomført ved fem av bedriftene hos Sturød. Det var varierende samsvar mellom antall beregnede og registrerte personturer for disse bedriftene. Dette er nærmere beskrevet hos Sturød, kpt Varelevering inngår i tall for bilturer, men lar seg ikke skille ut. Antall bilturer knyttet til bedriftene på Brynseng kan være for lavt, på grunn av manglende svaralternativ i intervjuene der (Ringen, 2002). Mulig supplerende datagrunnlag: Det ligger flere mulige kilder til grunnlagsdata for turproduksjon knyttet til kontorbedrifter i det innsamlede materialet. Blant disse er PROSAM-rapport 103 Turproduksjonstall for kontorbedrifter og kjøpesentre (PROSAM, 2003). Med et par unntak er alle de kontorbedriftene som inngår der, representert i de kildene som er benyttet i beregningen av nøkkeltall. Bruk av denne og de øvrige kildene vil kreve mer bearbeiding enn det dette prosjektet gir rom for, og i noen tilfeller også innsamling av manglende informasjon. 5 Hos Ringen (2000) er det oppgitt antall arbeidsplasser dette er antatt å tilsvare antall ansatte. 29 av 154

46 Personturer, alle Kjøretøyturer, alle Personturer, alle Kjøretøyturer, alle Personturer, alle Kjøretøyturer, alle Personturer, alle Kjøretøyturer, alle Beregning av nøkkeltall for turproduksjon - Hovedkategori 8: Kontor Sturød oppgir antall turer per ansatt som vanligvis er til stede en gjennomsnittsdag. Oppgitt antall ansatte per "normaldag" er benyttet til å regne om til totalt antall turer per dag for de ansatte i bedriften, og videre regnet om til nøkkeltall for turproduksjon knyttet til totalt antall ansatte, gulvareal og parkeringsplasser. Hos Ringen (2002) er utgangspunktet for beregningene oppgitt antall turer per ansatt, mens Ringen (2000) oppgir antall turer per arbeidsplass. Sammenstilte nøkkeltall basert på disse tre kildene er vist i Tabell 20. Tabell 20: Beregnede nøkkeltall for turproduksjon, virkedag; Hovedkategori 8 Kontor per ansatt per ansatt til stede normaldag per parkeringsplass per 100 m 2 arbeidsplassareal Ansatte Ansatte til stede normaldag P-plasser Arb.plassareal (100 m 2 ) Samlet snitt 210 2,4 1, ,3 1,8 61 7,4 3,6 76 6,0 3,1 Min 32 1,8 0,2 29 2,4 0,3 0 2,0 0,7 8 3,0 0,4 Max ,8 2, ,2 3, ,8 60, ,7 9,7 Std.dev ,5 0,6 98 0,6 0, ,6 12,2 72 3,5 2,5 N Dataplott - Hovedkategori 8: Kontor Regresjonsanalyse viser at det er antall ansatte som forklarer størst andel av variasjonen i antall personturer i tilknytning til industribedriftene i datamaterialet, hhv. 95 % og 73 %. Figur 10: Personturer og ansatte, virkedag; Hovedkategori 8 Kontor Figur 11: Bilturer og ansatte, virkedag; Hovedkategori 8 Kontor 30 av 154

47 Figur 12: Personturer og 100 m 2 gulvareal, virkedag; Hovedkategori 8 Kontor Figur 13: Bilturer og parkeringsplasser, virkedag; Hovedkategori 8 Kontor 4.5 Erfaringstall for turproduksjon for Hovedkategori 9: Handel Om datagrunnlaget Datakilder: De beregnede nøkkeltallene er basert på bearbeidede data fra turproduksjonsundersøkelsen for dagligvarehandelen (PROSAM, 2005), og fra en tilsvarende undersøkelse rettet mot arealekstensive handelskonsepter (PROSAM, 2008). Datamaterialet gir informasjon om turproduksjon knyttet til ni dagligvareforretninger og åtte arealkrevende handelsvirksomheter; byggevare (2), møbel (2), elektro (1) og "hypermarked" (3). Avhengige variabler: Det tilgjengelige datamaterialet gir informasjon om reiseaktivitet knyttet til bedriftenes ankommende kunder, i form av timefordelte tellinger av personturer og personbilturer for virkedager og lørdager. Intervju med innehaverne gir informasjon om antall varetransporter per virkedag. Intervju med et utvalg av kundene gir informasjon om reisemiddelfordeling. Uavhengige variabler: Datamaterialet gir informasjon om antall årsverk og antall ansatte til stede en "normaldag", gulvareal i m 2, totalt og fordelt på lager, kontor og salgsareal, og antall parkeringsplasser. I tillegg gir datamaterialet informasjon om bedriftens årsomsetning, geografiske beliggenhet i form av områdetype (beliggenhet relativ til Oslo sentrum) og kategorisering av tilgjengelighet med bil og kollektivtransport (kun de arealekstensive virksomhetene). Denne informasjonen kan evt. benyttes til å splitte datamaterialet videre opp i underkategorier mht. type virksomhet eller beliggenhet mht. sentralitet og områdetype. Kilder til usikkerhet: I PROSAM-rapport 167 påpekes det at registreringene knyttet til de arealekstensive handelskonseptene ble foretatt i en periode preget av den internasjonale finanskrisen, med bl.a. mye mediafokus på usikkerhet 31 av 154

48 Personturer Personbilturer Personturer Personbilturer Personturer Personbilturer Personturer Personbilturer Personturer Personbilturer Varetransportturer Personturer Personbilturer Varetransportturer Personturer Personbilturer Varetransportturer Personturer Personbilturer Varetransportturer knyttet til fremtidig økonomisk utvikling. Flere virksomheter oppga at dette hadde medført en nedgang i antall kunder og omsetning. Dette kan ha påvirket turproduksjonstallene noe. Resultater presenteres separat for to underkategorier, og samlet for hovedkategorien. Hvor relevant de sammenstilte tallene for hovedkategorien er for videre bruk, må vurderes. Det er åpenbart at ulikhetene i størrelse på virksomhetene i de to underkategoriene er problematisk ved etablering av samletall for hovedkategorien. Mulig supplerende datagrunnlag: Noen av de øvrige kildene, som f.eks. SCC (2005), Holsen (1995), Taheri (1999) og Njarga (1992) kan evt. bidra til å styrke datagrunnlaget for nøkkeltallene innenfor denne arealbrukskategorien. Nytte av tilrettelegging og bearbeiding av dette datagrunnlaget bør imidlertid vurderes opp mot ressursbehov for denne bearbeidingen, samt datamaterialets kvalitet, omfang og alder Beregning av nøkkeltall for turproduksjon - Underkategori 9.1 Mat og drikke Nøkkeltall beregnet både for virkedager (Tabell 21) og lørdager (Tabell 22), for personturer, personbilturer og varetransportturer, knyttet til antall årsverk, parkeringsplasser, totalareal og salgsareal. Tabell 21: Beregnede nøkkeltall for turproduksjon, virkedag; Underkategori 9.1 Mat og drikke per årsverk per parkeringsplass per 100 m 2 totalareal per 100 m 2 salgsareal Årsverk P- plasser Totalareal (100 m 2 ) Salgsareal (100 m 2 ) Samlet snitt ,6 66,8 0, ,7 21,3 0, ,9 87,8 0, ,0 146,7 1,6 Min 6 51,9 33,5 0, ,4 11,4 0,1 4 62,5 41,2 0,3 3 99,8 64,4 0,5 Max ,3 159,2 2, ,1 84,5 0, ,5 254,7 2, ,8 318,4 4,2 Std.dev ,3 48,6 0, ,3 22,3 0, ,2 68,3 0, ,7 81,2 1,0 N Tabell 22: Beregnede nøkkeltall for turproduksjon, lørdag; Underkategori 9.1 Mat og drikke per årsverk per parkeringsplass per 100 m 2 totalareal per 100 m 2 salgsareal Årsverk P- plasser Totalareal (100 m 2 ) Salgsareal (100 m 2 ) Samlet snitt ,5 74, ,3 22, ,0 94, ,0 157,3 Min 6 61,2 45, ,0 15,5 4 68,0 50, ,1 99,0 Max ,8 188, ,3 73, ,5 206, ,6 258,1 Std.dev ,8 44, ,6 17, ,2 50, ,7 56,0 N av 154

49 4.5.3 Dataplott - Underkategori 9.1 Mat og drikke Virkedager: Regresjonsanalysen viser at det er antall årsverk som forklarer størst andel av variasjonen i antall personturer (Figur 14), personbilturer (Figur 15) og varetransportturer (Figur 18) i tilknytning til dagligvareforretningene i underkategori 9.1 Mat og drikke på virkedager. For varetransportturer er også totalarealet en relativt god forklaringsvariabel (Figur 19), mens det ikke har samme forklaringskraft for person- og personbilturer (Figur 16 og Figur 17). Figur 14: Personturer og årsverk, virkedag; Underkategori 9.1 Mat og drikke Figur 15: Personbilturer og årsverk, virkedag; Underkategori 9.1 Mat og drikke Figur 16: Personturer og totalareal virkedag; Underkategori 9.1 Mat og drikke Figur 17: Personbilturer og totalareal, virkedag; Underkategori 9.1 Mat og drikke 33 av 154

50 Figur 18: Varetransportturer og årsverk, virkedag; Underkategori 9.1 Mat og drikke Figur 19: Varetransportturer og totalareal, virkedag; Underkategori 9.1 Mat og drikke Lørdager: For lørdagene er det størrelsen på salgsarealene som forklarer høyest andel av variasjonen i antall personturer (Figur 20) og personbilturer (Figur 21). Figur 20: Personturer og salgsareal, lørdag; Underkategori 9.1 Mat og drikke Figur 21: Personbilturer og salgsareal, lørdag; Underkategori 9.1 Mat og drikke Beregning av nøkkeltall for turproduksjon - Arealkrevende handelsvirksomhet (U-kat. 9.3 og 9.4) Det er beregnet samlede nøkkeltall for de arealkrevende handelskonseptene, selv om disse representerer ulike bransjer som hører inn under de to underkategoriene 9.3 og 9.4 (Se Tabell 16). I den grad datagrunnlaget har tillatt det, er nøkkeltall beregnet både for virkedager (Tabell 23) og lørdager (Tabell 24), for personturer, personbilturer og varetransportturer, knyttet til antall årsverk, parkeringsplasser, totalareal og salgsareal. 34 av 154

51 Tabell 23: Beregnede nøkkeltall for turproduksjon, virkedag; Arealkrevende handelsvirksomhet (U-kat. 9.3 og 9.4) Årsverk per årsverk Personturer Personbilturer per parkeringsplass Totalareal (100 m 2 ) per 100 m 2 totalareal Salgsareal (100 m 2 ) per 100 m 2 salgsareal P- Personturer Personbilturer plasser Personturer Personbilturer Personturer Personbilturer Samlet snitt ,1 24, ,8 8, ,0 24, ,4 28,2 Min 24 24,5 8,2 40 6,5 3,8 48 6,9 4,3 17 7,4 6,1 Max ,4 46, ,2 23, ,0 48, ,6 76,4 Std.dev ,2 10, ,8 6, ,4 13, ,9 21,8 N Tabell 24: Beregnede nøkkeltall for turproduksjon, lørdag; Arealkrevende handelsvirksomhet (U-kat. 9.3 og 9.4) Årsverk per årsverk Personbilturer P- plasser per parkeringsplass Personbilturer Totalareal (100 m 2 ) per 100 m 2 totalareal Personbilturer Salgsareal (100 m 2 ) per 100 m 2 salgsareal Personbilturer Samlet snitt , , , ,6 Min 24 9,2 40 4,3 48 4,8 17 6,9 Max , , , ,1 Std.dev , , , ,4 N Dataplott - Arealkrevende handelsvirksomhet (U-kat. 9.3 og 9.4) Regresjonsanalysen viser at det er antall årsverk som forklarer størst andel av variasjonen i antall personturer (Figur 22) og personbilturer (Figur 23) til de arealkrevende handelsvirksomhetene på virkedager. Tilpasningen er best for personbilturene. For personbilturene er også totalarealet (Figur 24) en god forklaringsvariabel. Også for lørdagstrafikken er antall årsverk den beste forklaringsvariabelen for personbilturene (Figur 25), og med større forklaringskraft enn for virkedagene. Figur 22: Personbilturer og årsverk, virkedag; Arealkrevende handelsvirksomhet (U-kat. 9.3 og 9.4) Figur 23: Personbilturer og årsverk, virkedag; Arealkrevende handelsvirksomhet (U-kat. 9.3 og 9.4) 35 av 154

52 Personturer Personbilturer Personturer Personbilturer Personturer Personbilturer Personturer Personbilturer Figur 24: Personbilturer og totalareal, virkedag; Arealkrevende handelsvirksomhet (U-kat. 9.3 og 9.4) Figur 25: Personbilturer og årsverk, lørdag; Arealkrevende handelsvirksomhet (U-kat. 9.3 og 9.4) Beregning av nøkkeltall for turproduksjon - Hovedkategori 9 Handel De samlede nøkkeltallene for hovedkategorien 9 Handel er beregnet for virkedager (Tabell 25) og lørdager (Tabell 26), for personturer (kun virkedager) og personbilturer. Antall årsverk, parkeringsplasser, totalareal og salgsareal er benyttet som uavhengige variabler. Tabell 25: Beregnede nøkkeltall for turproduksjon, virkedag; Hovedkategori 9 Handel per årsverk per parkeringsplass per 100 m 2 totalareal per 100 m 2 salgsareal Årsverk P- plasser Totalareal (100 m 2 ) Salgsareal (100 m 2 ) Samlet snitt 61 67,5 31, ,1 10, ,4 34, ,1 39,8 Min 6 24,5 8,2 13 6,5 3,8 4 6,9 4,3 3 7,4 6,1 Max ,3 159, ,1 84, ,5 254, ,8 318,4 Std.dev ,8 53, ,1 21, ,8 74, ,8 98,6 N Tabell 26: Beregnede nøkkeltall for turproduksjon, lørdag; Hovedkategori 9 Handel Årsverk per årsverk Personbilturer P- plasser per parkeringsplass Personbilturer Totalareal (100 m 2 ) per 100 m 2 totalareal Personbilturer Salgsareal (100 m 2 ) per 100 m 2 salgsareal Personbilturer Samlet snitt 61 39, , , ,3 Min 6 9,2 13 4,3 4 4,8 3 6,9 Max , , , ,1 Std.dev , , , ,5 N av 154

53 4.5.7 Dataplott - Hovedkategori 9 Handel Regresjonsanalysen viser at det er antall årsverk som forklarer størst andel av variasjonen i antall personturer (Figur 26) på virkedager, og for personbilturer både på virkedager (Figur 27) og lørdager (Figur 29). For hovedkategorien samlet er sammenheng mellom totalareal og antall personbilturer (Figur 28) mindre tydelig enn for kun de arealkrevende handelsvirksomhetene (Figur 24). Dette illustrerer at det kan være problematisk å beregne og benytte samlede nøkkeltall for en hovedkategori. Figur 26: Personbilturer og årsverk, virkedag; Hovedkategori 9 Handel Figur 27: Personbilturer og årsverk, virkedag; Hovedkategori 9 Handel Figur 28: Personbilturer og totalareal, virkedag; Hovedkategori 9 Handel Figur 29: Personbilturer og årsverk, lørdag; Hovedkategori 9 Handel 37 av 154

54 5 Innsamling av turproduksjonstall metode og anbefalinger 5.1 Litteraturstudie Det har ikke vært gjennomført noen stor kartlegging av aktuell litteratur, men Internettsøk og referanselister i publikasjoner er benyttet for å få et overblikk over relevante kilder til kunnskap om aktuell metodikk, samt utfordringer og anvendelse av denne. Følgende kilder er studert nærmere: 1. Trip Generation Handbook, 2nd edition (ITE, 2004) 2. Contextual influences on Trip Generation (Clifton, Currans and Muhs, 2012a) 3. Adjusting ITE's Trip Generation Handbook for Urban Context (Currans, Muhs and Clifton, 2012b) 4. Evolving the Institute for Transportation Engineers' Trip Generation Handbook: A proposal for Collecting Multi-modal, Multi-context, Establishment-level Data (Clifton, Currans and Muhs, 2012c) 5. Enhancing Internal Trip Capture Estimation for Mixed-Use Developments. (NCHRP, 2011) 6. Traffic Generated by Mixed-Use Developments Six-Region Study Using Consistent Built Environmental Measures (Ewing m.fl., 2010) 7. Getting Trip Generation Right. Eliminating the Bias Against Mixed Use Development (Walters, Bochner and Ewing, 2013) 8. Overview of Trip-Generation for Urban Infill, Mixed-use, and Transit-Oriented Development Land Use Projects (Parker, 2012) 9. Freight Trip Generation and Land Use. (Holguín-Veras m.fl., 2012) 10. TRICS Good Practice Guide 2012 (TRICS, 2012) Kildene 2-7 forholder seg alle til den første kilden; Trip Generation Handbook. De problematiserer og foreslår endringer eller tillegg i den metodikken og beregningsgangen som håndboka anbefaler Trip Generation Handbook Trip Generation Handbook (TGH) (ITE, 2004) utgis som en brukerveiledning til TGM. I det følgende gjengis de viktigste anbefalingene mht. vurdering av behov for, gjennomføring av innsamling av og videre anvendelse av turproduksjonstall. Håndboka er under revisjon i følge ITE kommer ny utgave i Formålet med denne håndboka er å gi instrukser og veiledning i rett bruk av data som presenteres i TGM, og å presentere tilleggsinformasjon og data om tilleggstema som har betydning i beregning av turgenerering for utbyggingsområder. Håndboka har følgende tematiske inndeling: Valg av uavhengige variabler og tidsperiode for analyser (Kapittel 2) Retningslinjer for estimering av turgenerering (Kapittel 3) Gjennomføring av turgenereringsstudie (Kapittel 4) Kjørerute-, primær- og omveiturer (Kapittel 5) Estimering av turgenerering for generalisert arealbruk (Kapittel 6) Flerbruks-utbygging (Kapittel 7) Tungbil-turgenerering (Vedlegg A) Effekt av mobilitetstiltak og kollektivtransport på turgenerering (Vedlegg B) Litteratur om flerbruks-utbygging (Vedlegg C) Relevans for vårt prosjekt: Svært mange av de øvrige kildene som inngår i litteraturstudien, har denne håndboka som referansepunkt. De relaterer seg til den i problematisering og metodeutvikling knyttet til enkelttema som inngår i utvikling av turproduksjonstall. Det har derfor vært naturlig å ta utgangspunkt i anbefalingene som gis i denne håndboka, også i arbeidet som dokumenteres her. Eksempler på anbefalt metodikk fra håndboka er gjengitt flere steder i dette og neste kapittel. 38 av 154

55 5.1.2 Publikasjoner fra Clifton, Currans og Muhs, Portland State University Forskere ved Oregon Transportation Research and Education Consortium (OTREC) ved Portland State University har sett på hvordan turproduksjonstall varierer med grad av urbanisering i området virksomheten ligger i. De har utviklet metodikk for å justere turproduksjonstallene fra TGM basert på informasjon om lokale forhold (Clifton m.fl., 2012a og Currans m.fl., 2012). Basert på datainnsamling knyttet til spise- og drikkesteder og døgnåpne dagligvareforretninger har de konkludert med at antall genererte kjøretøyturer avtar med økende grad av urbanitet i området bedriften ligger i. De har benyttet en parameter som kalles Urban Living Infrastructure (ULI) som inngår i Metro Context Tool 6 for Portland metropolitan area. Mens TGM og TGH har hovedfokus på bilturproduksjon, har denne forskergruppen også sett på hvordan metodikken i TGH kan utvikles til å inkludere personturer, og reisemiddelfordeling for disse (Clifton m.fl., 2012b). Relevans for vårt prosjekt: Forslag til utvidet registreringsmetode for å fange opp reisemiddelfordelte personturer er interessant for vårt prosjekt. I tillegg illustrerer arbeidet betydningen av å ha tilgang til turproduksjonsdata som bl.a. gjenspeiler variasjoner i lokalisering og kvalitet på transporttilbudet Enhancing Internal Trip Capture Estimation for Mixed-Use Developments. NCHRP report 684 I rapporten Enhancing Internal Trip Capture Estimation for Mixed-Use Developments (Bochner, Hooper, Sperry og Dunphy, 2011) lanseres en forbedret metode for å beregne hvor mange interne turer som genereres i områder med blandet arealbruk, dvs. turer der både start- og målpunkt ligger innenfor området/anlegget. Metodikken omfatter makstimen for morgen og ettermiddag, med turer til og fra seks arealbrukskategorier: kontor, detaljhandel, restaurant, bolig, kino og hotell. Metodikken er basert på analyser av eksisterende datamateriale, og nyinnsamlet data for tre steder med blandet arealbruk. Den resulterende metodikken er innarbeidet i regnearkmodell, som kan lastes ned fra TRBs nettsted 7. Rapporten inkluderer anbefalinger for modifikasjon av anbefalt framgangsmåte i TGH. Relevans for vårt prosjekt: Dette arbeidet er interessant mht. hvordan innsamlede turproduksjonstall kan benyttes i beregning av turproduksjon for områder med blandet arealbruk. De tar utgangspunkt i turgenereringstall for "rene" arealbrukskategorier, men gir ikke noe videre innspill mht. hvordan slike kan etableres Traffic Generated by Mixed-Use Developments Six-Region Study Using Consistent Built Environmental Measures Vi har i skrivende stund ikke hatt tilgang til hele artikkelen Traffic Generated by Mixed-Use Developments - Six-Region Study Using Consistent Built Environmental Measures (Ewing m.fl., 2011). Vurdering av relevans er derfor basert på sammendraget av artikkelen. Forfatterne av denne artikkelen har tatt utgangspunkt i antakelsen om at metodene som anbefales i TGM og TGH underestimerer de trafikale fordelene av utvikling av områder med blandet arealbruk (MXDs). De har benyttet data fra husholdningsbaserte reisevaneundersøkelser (HRVU) og geografiske informasjonssystemer (GIS) for MXDs i seks store og varierte storbyområder, og utviklet nye metoder for å beregne trafikale virkninger av blandet arealbruk. De har etablert hierarkiske valgmodeller for å beregne av 154

56 interne turer innen MXDs- området, gang- og kollektivturer for eksterne turer, og turlengde for eksterne bilturer. Konklusjoner som er trukket fram, er: MXDs med et variert utvalg av aktiviteter/virksomheter på stedet har høy andel internturer, og det argumenteres for at dette bidrar til å redusere de trafikale konsekvensene for omgivelsene. Mindre MXDs i områder med god tilrettelegging for gang- og kollektivtransport genererer betydelige andeler gang- og kollektivturer, og det argumenteres for at dette bidrar til å begrense uønskede trafikale konsekvenser. MXDs (små og store) med lokalisering i sentrumsområder genererer kortere kjøretøyturer, og igjen argumenteres det for at dette reduserer konsekvenser sammenlignet med mer avsidesliggende lokaliseringer. Relevans for vårt prosjekt: Også dette arbeidet er interessant mht. hvordan en kan beregne turproduksjon for områder med blandet arealbruk, der HRVU- og GIS-data benyttes for å beregne turproduksjon. De gir ikke noe videre innspill mht. etablering av nøkkeltall for turproduksjon, men illustrerer betydningen av å fange opp lokaliseringsforhold og kvalitet på transporttilbud Getting Trip Generation Right Getting Trip Generation Right. Eliminating the Bias Against Mixed Use Development (Walters, Bochner and Ewing, 2013) er utgitt av American Planning Association. Også i dette dokumentet problematiseres bruk av konvensjonelle nøkkeltall for turproduksjon på steder med blandet arealbruk, og også beregningsmetodene som er foreslått av NCHRP (avsnitt 5.1.3) og i studien av seks storbyområder (avsnitt 5.1.4). De foreslår en ny beregningsmetode som kombinerer de to nevnte angrepsmåtene. Relevans for vårt prosjekt: Heller ikke denne kilden gir innspill mht. etablering av nøkkeltall for turproduksjon, men vil være interessant i utvikling av metoder for bruk av slike tall i områder med blandet arealbruk Overview of Trip-Generation for Urban Infill, Mixed-use, and Transit-Oriented Development Land Use Projects I artikkelen Overview of Trip-Generation for Urban Infill, Mixed-use, and Transit-Oriented Development Land Use Projects (Parker, 2012) problematiseres begrensningene som ligger i gyldighetsområdet for data i TGM. Forfatteren påpeker at data i ITE-basen primært samles inn for "rene" arealbrukskategorier i områder utenfor sentrum, med god parkeringskapasitet og dårlig kollektivtilbud, og at innsendte data som ikke tilfredsstiller disse kriteriene, ikke blir inkludert i databasen som tallene i TGM baserer seg på. Det refereres til flere ulike studier der innsamlede turproduksjonstall i områder som ikke faller inn under ITEs definisjon, avviker i betydelig grad fra tallene i TGM. Det refereres også til arbeider ved UCDavies, der det er utviklet metodikk og et regnearkbasert verktøy for å justere turgenereringsrater fra ITE-basen for prosjekter som inkluderer urban fortetting, blandet arealbruk og kollektivtransport-rettede utviklingsprosjketer i California. Det refereres også til TRICS -databasen i Storbritannia (avsnitt 5.1.8) Relevans for vårt prosjekt: Illustrerer betydningen av å ha tilgang til turproduksjonsdata som bl.a. gjenspeiler variasjoner i lokalisering og kvalitet på transporttilbudet. 40 av 154

57 5.1.7 Freight Trip Generation and Land Use Transport Research Board har utgitt rapporten Freight Trip Generation and Land Use (Holguín-Veras m.fl., 2012). I rapporten diskuteres sammenheng mellom godstransporter, turproduksjon for godstransport, og arealbruk. Rapporten oppsummerer tilgjengelige modeller for turproduksjon for godstransport i en elektronisk database, identifiserer de mest aktuelle tilnærmingene for å utvikle og bruke slike modeller, og gir estimater på turproduksjon for godstransport på virksomhetsnivå, basert på en rekke case-studier. Casestudiene viser at økonomiske klassifiseringsystemer (I USA f.eks. Standard Industrial Classification (SIC) Codes eller North American Industry Classification System (NAICS)) er et bedre grunnlag enn standard arealbrukskategorier for beregning av turproduksjon for godstransport. Det presenteres oversikter over gjeldende praksis både nasjonalt (USA) og internasjonalt. Relevans for vårt prosjekt: Funn fra denne studien vil være relevant, og fortjener trolig å studeres mer i detalj i forbindelse med utarbeidelse av metodikk for registrering av turproduksjon knyttet til næringsvirksomhet. Erfaringene fra USA indikerer at en i tillegg til å registrere hvilken arealbrukskategori det er snakk om, i tillegg bør bestrebe seg på å identifisere NACE-kode(r) for de aktuelle virksomhetene TRICS Good Practice Guide 2012 TRICS er et nasjonalt system for turgenereringsanalyser i Storbritannia og Irland, eid av seks fylkesting. I følge hjemmesiden 8 baseres systemet på mer enn undersøkelser knyttet til et vidt spekter av arealbrukstyper over hele Storbritannia og Irland, og de bestiller årlig et større antall undersøkelser (240 i 2012) for å holde databasen oppdatert. Ved bruk av basen benyttes i utgangspunktet kun data fra de siste åtte årene, men dette kan endres av brukerne. Verktøyet er i utgangspunktet kun tilgjengelig for medlemmer, men det er mulig å teste ut systemet gratis. Verktøyet kan benyttes til å beregne omfang av både kjøretøybevegelser og reisemiddelfordelte personturer. De advarer imidlertid mot at datagrunnlaget for reisemiddelfordelte turer er langt sprinklere enn for kjøretøybevegelser. De utgir en veileder for bruk av systemet nyeste utgave er TRICS Good Practice Guide 2012 (TRICS, 2012). Der gis det bl.a. råd mht. om turproduksjonstall som er samlet inn i én type lokalitet, kan anvendes for en annen type lokalitet. Det opereres med seks lokalitetstyper: Bysentrum, utkant av bysentrum, forstadsområde, utkant av byen, "bygdeby" og frittstående lokalisering. Relevans for vårt prosjekt: Dette prosjektet gir eksempel på hvordan et system for innsamling, vedlikehold og administrasjon av turproduksjonstall kan gjennomføres. Det er også mulig at turproduksjonstallene som inngår i systemet til en viss grad kan ha relevans for norske forhold per 10. okteober av 154

58 5.2 Utfordringer avklaringer / diskusjon Krav til datagrunnlag og -kilder for de ulike arealbrukstypene Behov for gjennomføring av en turproduksjonsstudie: I TGH anbefales det å gjennomføre turproduksjonsstudier hvis noen av følgende forhold er til stede: Arealbrukskategorien dekkes ikke av eksisterende turproduksjonsdata Utilstrekkelig antall studier av turproduksjon for denne arealbrukskategorien Størrelsen på virksomheten faller utenfor observasjonsområdet for eksisterende turproduksjonsdata Ønske om eller behov for å etablere lokale turproduksjonstall Ønske om eller behov for å validere eksisterende turproduksjonsdata for lokal anvendelse Ønske om eller behov for å supplere nasjonal database Anbefalt omfang på datainnsamling, avhengig av bruksformål: THG anbefaler følgende omfang på datagrunnlaget: For å etablere lokale turproduksjonstall, bør det gjøres datainnsamling på minst tre steder (helst fem) For å validere turproduksjonstall fra TGM for lokal bruk: minst tre steder For å kombinere lokale turproduksjonstall med turproduksjonstall fra TGM: minst to steder For å sende data til TGM: minst ett sted Anvendelse i Norge: Anbefalingene/kravene fra TGH som er gjengitt ovenfor kan fungere som et utgangspunkt for å vurdere behov for/krav til datagrunnlag og -kilder i en norsk sammenheng. I TGH inngår kun kjøretøyturer, mens en norsk datainnsamling tar sikte på å inkludere reisemiddelfordelte personturer. Hvilke konsekvenser det vil ha for krav til datagrunnlaget, må evt. vurderes nærmere. Utgangspunktet er imidlertid at det uansett er behov for å samle inn data innenfor et bredt spekter av arealbrukskategorier. Utfordringen vil dermed primært være å framskaffe og bearbeide datamateriale for disse kategoriene. Evt. etablering og "håndheving" av krav til antall undersøkelser i datamaterialet ligger i stor grad et stykke fram i tid, men kan benyttes i vurderinger av evt. oppsplitting av eksisterende datamateriale på underkategorier der datatilfanget er stort nok for det Undersøkelsessted: Egnethet, lokalisering, områdetyper og tilgjengelighet Krav til undersøkelsesstedet: I TGH anbefales det at et undersøkelsessted som skal inkluderes i en turproduksjonsstudie bør oppfylle disse kravene: tilfredsstille definisjonen av arealbrukskategorien i TGM være rimelig nært full utnyttelse av kapasitet være "modent" nødvendige data kan hentes enkelt og nøyaktig typisk for den aktuelle typen arealbruk i området I tillegg til å kunne fungere som et utgangspunkt for å velge steder/virksomheter for datainnsamling, kan disse kravene også benyttes til å vurdere egnethet av evt. eksisterende data. 42 av 154

59 Lokalisering, områdetype og tilgjengelighet: Data i ITE-basen gjelder for "rene" arealbrukskategorier i områder utenfor sentrum, med god parkeringskapasitet og dårlig kollektivtilbud. Funn fra studier av variasjon i turproduksjon som funksjon av lokalisering, tilsier at en norsk datainnsamling bør ta sikte på å samle inn data fra ulike typer lokalisering. I flere av undersøkelsene som er gjennomført i regi av PROSAM, er det benyttet kategoriseringer av områdetype og tilgjengelighet. Dette vil være et naturlig utgangspunkt for å etablere en klassifisering som kan benyttes i et nasjonalt system for turproduksjonstall. I denne sammenheng kan også inndelingen som benyttes i TRICS være interessant å se på (se avsnitt 5.1.8). For evt. datainnsamling i tilknytning til virksomheter som er lokalisert i bysentrum, vil det være flere utfordringer, f.eks.: Besøkende kommer gjerne til fots, og for å fange opp reisemiddelfordeling kreves derfor direkte intervju. I tillegg må det foreligge entydige definisjoner av hva som defineres som "reisemåten" til undersøkelsesstedet. Ofte vil turen dit inngå i en kjede av flere turer, der forflytninger i sentrumsområdet gjerne skjer til fots, mens reisen til/fra sentrumsområdet skjer med annen transportform. I mange tilfeller vil det være krevende eller umulig å få etablert full oversikt over alle inn- og utganger som kan benyttes til virksomheter som ligger samlokalisert med andre og har felles adkomster, og der det kan finnes "snarveier" ut gjennom baktrapper etc. Så langt det er mulig, bør tellinger og annen datainnsamling planlegges og gjennomføres slik at de fanger opp all trafikk til/fra virksomheten undersøkelsen dreier seg om, men heller ikke mer enn det. Identifisering av hvor registreringssnitt bør ligge for å tilfredsstille dette, vil være en viktig del av planleggingen. I den grad det er mulig og aktuelt, bør en velge undersøkelsessted som gjør disse problemene minst mulig, jfr. det fjerde punktet i TGHs oversikt over krav til undersøkelsesstedet Blandet arealbruk Sambruk/blandet arealbruk: Både TGM og TRICS opererer med turproduksjonstall for "rene" arealbrukskategorier. I TGH behandles beregningsgang knyttet til blandet arealbruk i et eget kapittel. Samtidig er dette et tema der flere av kildene vi har sett på (kapittel 5.1), problematiserer resultatene som beregnes med TGH-metoden. Utfordringen er at en ren summering av tall som er beregnet separat for alle de ulike arealbrukskategoriene i et område med blandet arealbruk, gir en overestimering av mengden trafikk inn til området, fordi en del av trafikken inn til hver virksomhet vil være resultat av interntrafikk i området. Dette er altså en problemstilling som primært er knyttet til bruk av nøkkeltall i beregning av samlet turproduksjon for et område. Det å framskaffe erfaringstall for omfang av interntrafikk bør vurderes ved evt. planlegging av datainnsamling for virksomheter som ligger i områder med blandet arealbruk. Hva regnes som blandet arealbruk? TGH opererer med følgende beskrivelse av flerbruk/blandet arealbruk: Vanligvis planlagt som ett enkelt eiendomsprosjekt Vanligvis mellom og 2 millioner sq ft (ca m 2 ) i størrelse Inneholder to eller flere arealbrukskategorier Noen turer er internturer mellom arealbrukstypene på stedet, og Internturer mellom arealbrukstypene på stedet benytter ikke det ordinære gatenettet 43 av 154

60 Noen definerte arealbrukskategorier eller områdetyper defineres ikke som blandet arealbruk i følge TGH. Dette gjelder bl.a.: Bysentrum Eksisterende arealbrukskategorier som potensielt kan inneholde en blanding av arealbruk, slik som underkategori Kjøpesenter, Omfang av interne turer i område med blandet arealbruk: TGH oppgir følgende tommelfingerregel: Andel interne turer bør øke med økende nærhet, tetthet og antall komplementære arealbrukskategorier innenfor et anlegg med blandet arealbruk. Datainnsamling for blandet arealbruk: I TGH uttrykker ITE ønsker om å kunne inkludere blandet arealbruk i databasen. De krever at slike undersøkelser minimum skal bestå av personlige intervju på stedet (gjennomføres helst i det intervjuobjektene er i ferd med å forlate området), koblet med komplette snittellinger. I tillegg ønsker de at det om mulig gjennomføres tellinger av interntrafikk. TGH gir også eksempel på hvordan et slikt intervjuskjema kan se ut. Her vil det imidlertid evt. være behov for å gjøre tilpasninger til de lokale forhold. Asplan Viak har gjennomført lignende typer undersøkelser, og det vil være naturlig også å trekke erfaringer fra disse, dersom disse kan gjøres tilgjengelige. Hovedtrinnene i TGHs metode for beregning av andel internturer i tilknytning til blandet arealbruk er gjengitt i Vedlegg C Informasjon om reisemiddelfordeling og gods- og varetransporter Reisemiddelfordeling: Et forhold som stiller strenge krav til registreringsopplegget, er ønsket om kartlegging av reisemiddelfordeling. Dette er en utfordring særlig i byområder, og spesielt kan det å skille mellom gående og kollektivtrafikanter være ressurskrevende. Sykler, biler og bilbelegg kan observeres, men dersom ikke kollektivholdeplass ligger like utenfor virksomheten undersøkelsen gjelder, slik at man faktisk kan observere hvem som benytter kollektivtransport, vil det være behov for å gjennomføre intervju med dem som ankommer til fots, for å kunne identifisere hovedreisemåte. Ideelt sett bør en da intervjue alle som kommer til fots, og i noen tilfeller kan dette la seg gjøre enkelt. I andre tilfeller, med mange innganger og mange besøkende, som f.eks. i et kjøpesenter, vil dette være en umulig oppgave, ikke bare fordi det vil krever svært store mannskaper, men fordi det vil skape kork ved intervjupunktene, og mange vil trolig uansett nekte å la seg stoppe for intervju. Intervju med et tilfeldig utvalg vil derfor i de fleste tilfeller være fornuftig. Gods-/varetransporter: Registrering av gods- og varetransporter kan også være en utfordring. I noen former for maskinelle tellinger kan tunge kjøretøy skilles fra de øvrige kjøretøyene, mens identifisering av lette varebiler krever manuell registrering. Informasjon om omfang av gods-/vareleveranser kan i noen tilfeller innhentes fra dem som driver virksomheten, men med varierende presisjonsnivå når det gjelder omfang og fordeling over tid. Prosjektet Nye GodsData ( ) som ledes av SINTEF IKT på oppdrag for Vegdirektoratet, har som formål å utarbeide metodikk for å framskaffe data om godstransportkjeder i Norge. Transportkjedene vil bl.a. bli beskrevet med start-, via og målpunkt for transportkjedene, og hvilke transportmidler som benyttes under veis. Prosjektet ser på hvilke muligheter som ligger i automatisk datafangst fra datasystemer som 44 av 154

61 benyttes innenfor næringslivet, som f.eks. TakeCargo 10. I tillegg til metodeutvikling, skal det gjennomføres en demonstrator knyttet til dagligvaresektoren. Både datamaterialet som framskaffes gjennom denne demonstratoren og evt. framtidige anvendelser av den nye metodikken på andre næringsområder, vil på sikt kunne gi nye muligheter til å studere sammenheng mellom arealbruk og omfang av godstransporter Reisekjeder Dette er igjen problemstillinger som mer angår hvordan de tilgjengelige erfaringstallene for turproduksjon benyttes i nye beregninger, enn erfaringstallene selv. Samtidig vil forekomst av reisekjeder bl.a. avhenge av virksomhetens lokalisering, og dermed være relevant i denne sammenheng. Det bør også være av generell interesse å få dokumentasjon av erfaringstall også knyttet til disse forholdene, ettersom dette er problemstillinger som jevnlig dukker opp i anvendelsen av turproduksjonstallene. Typer turer som genereres av et område: I TGH deles turer til/fra et område inn i tre kategorier: Kjørerute-turer Ikke langs kjørerute: Primære turer Kjedete omvei-turer Denne kategoriseringen er nærmere omtalt i Vedlegg C. Turer av typen "kjøreruteturer" er definert ved at det ikke er behov for å endre kjørerute for å komme til avkjørselen til virksomheten som besøkes. En del av disse turene kan være resultat av tilfeldige, ikke planlagte stopp. Dette er turer som ikke fører til endring i trafikkbelastningen på det tilstøtende vegnettet. Ikke alle arealbrukskategoriene vil være berørt av denne typen turer. Trolig er andelen størst knyttet til handelsvirksomhet, og i særlig grad til dagligvareforretninger. Kartlegging av hvor stor andel denne typen turer utgjør av det totale antall besøkende ved virksomheten, bør vurderes der virksomheten ligger ved større trafikkårer. For å kunne kartlegge dette forholdet for alle trafikantgrupper, må det gjennomføres intervju med de besøkende. 5.3 Anbefalinger, metode og framgangsmåte Mål for datainnsamlingen Det bør gjennomføres undersøkelser knyttet til flere ulike arealbrukskategorier, ikke bare for å få et bredere datatilfang, men også for å få testet ut undersøkelsesopplegg, beregningsmetode og innrapportering av turproduksjonstall. Det bør være et mål å framskaffe et datagrunnlag som er representativt for norske forhold, der datagrunnlaget gjenspeiler naturlig variasjon mellom landsdeler, områdetyper mht. sentralitet og transporttilbud, og sesonger Prioritering av datainnsamling Arealbrukskategorier: Anbefalingen av hvilke arealbrukskategorier som bør prioriteres mht. innsamling av erfaringstall, er basert på de vurderingene som ble presentert i kapittel 3. I tabellene i det kapitlet oppsummeres prosjektgruppens vurderinger av behov for gjennomsnittstall for kategorien, hva som finnes av tilgjengelig statistikk, og behov for innsamling av data. Basert på disse vurderingene er arealbrukskategoriene delt i tre grupper: av 154

62 Førsteprioritet: Arealbrukskategorier med behov for gjennomsnittstall, og stort behov for datainnsamling Andreprioritet: Arealbrukskategorier med behov for gjennomsnittstall, og middels behov for datainnsamling Laveste prioritet: Alle andre arealbrukskategorier Arealbrukskategoriene i de tre gruppene er vist i hhv. Tabell 27; Tabell 28 og Tabell 29. Dette er et første forslag til prioritering som kan fungere som et grunnlag for mer inngående vurderinger. Tabell 27: Arealbrukskategorier med førsteprioritet for datainnsamling Underkategori Behov for gjennomsnittstall for kategorien Tilgjengelig statistikk Behov for datainnsamling 2.3 Lager Ja Lite Stort 4.1 Hotell Ja Lite Stort 5.5 Treningssenter el. liknende (innendørs) Ja Lite Stort 6.2 Barne-/ungdomsskole Ja Lite Stort 6.3 Videregående skole Ja Lite Stort 6.4 Universitet/høyskole Ja Lite Stort 7.1 Sykehus Ja Noe Stort 7.4 Annen helse og velvære pleie Ja Lite Stort 8.2 Kontor, publikumsattraktive Ja Noe Stort 9.1 Mat og drikke Ja Noe Stort 9.2 Fagvarer/utvalgsvarer Ja Lite Stort 9.4 Arealkrevende forretninger, byggevare og hagesentre Ja Noe Stort 9.5 Kjøpesenter Ja Noe Stort Tabell 28: Arealbrukskategorier med andreprioritet for datainnsamling Underkategori Behov for gjennomsnittstall for kategorien Tilgjengelig statistikk Behov for datainnsamling 2.1 Lett industri Ja Noe Middels 2.6 Avfallsdeponi I noen grad Lite Middels 3.1 Boliger og leiligheter Ja Mye Middels 3.2 Omsorgs- og seniorboliger Ja Lite Middels 3.3 Studentboliger Ja Noe Middels 3.4 Ferieboliger / hytter Ja Noe Middels 4.2 Pensjonat Ja Lite Middels 5.2 Bibliotek Ja Lite Middels 5.6 Idrettshaller Ja Lite Middels 5.7 Golfbane I noen grad Lite Middels 7.2 Aldershjem/sykehjem Ja Lite Middels 7.3 Legekontor/klinikk Ja Lite Middels 8.1 Kontor ikke publikumsattraktive Ja Mye Middels 9.3 Arealkrevende forretninger, møbel og elektro-/hvitevarer, store Ja Mye Middels sportsbutikker, etc. 9.6 Motor Ja Lite Middels 9.7 Bensinstasjoner Ja Lite Middels 10.2 Restauranter og spisesteder Ja Lite Middels 46 av 154

63 Tabell 29: Arealbrukskategorier med laveste prioritet for datainnsamling Underkategori Behov for gjennomsnittstall for kategorien Tilgjengelig statistikk Behov for datainnsamling 1.1 Havner Nei Lite Lite 1.2 Flyplasser Nei Lite Lite 1.3 Godsterminaler Nei Lite Lite 1.4 Park & Ride-anlegg Nei Lite Lite 2.2 Tung industri I noen grad Noe Lite 2.4 Grus-/masseuttak Nei Lite Lite 2.5 Byggeplasser, midlertidige anlegg Nei Lite Lite 4.3 Enklere overnatting Ja Lite Lite 5.1 Teater/kino/ konsertlokaler I noen grad Lite Lite 5.3 Museum I noen grad Lite Lite 5.4 Utendørs arenaer for kulturarr. (konserter, oppsetninger, etc.) Nei Lite Lite 5.8 Andre idrettsarenaer, utendørs I noen grad Lite Lite 5.9 Alpinanlegg Nei (i noen grad) Lite Lite/middels 5.10 Utfartsområder Nei Lite Lite 5.11 Gjestehavner / småbåthavner I noen grad Lite Lite 5.12 Tema-/fornøyelsesparker Nei Lite Lite 6.1 Barnehage Ja Mye Lite 6.5 Kirke/annen religionsutøvelse. I noen grad Lite Lite 6.6 Forsamlingslokale I noen grad Lite Lite 7.5 Veterinærklinikk Ja Lite Lite 10.1 Fast-food, kiosker, drive-in Middels Lite Lite/middels 10.3 Frisør Ja Lite Lite Beliggenhet og områdetyper: Svært mye av de eksisterende turproduksjonstallene er basert på data som er samlet inn i eller i nærheten av Oslo. Dersom det er aktuelt å gjennomføre målrettet innsamling av nytt datagrunnlag for beregning av turproduksjon, bør det i den grad det er relevant for arealbrukskategorien, tilstrebes å gjennomføre datainnsamlingen i ulike landsdeler, og i områder som representerer ulik grad av bypreg/bebyggelsestetthet. Om mulig, bør det også gjøres en kategorisering av hvor tilgjengelig virksomheten er med kollektivtransport, til fots/med sykkel, og med bil. Eksempel på klassifisering av både områdetype og tilgjengelighet er vist i PROSAM-rapport 103 (PROSAM, 2003), og inndelingen som benyttes i TRICS kan være interessant å se på (se avsnitt 5.1.8). Det anbefales å studere nærmere inndelingen i TRICS og de anbefalingene som gis der mht. overførbarhet av turproduksjonstall mellom ulike områdetyper, før en evt. konkluderer mht. hvilken løsning som vil være passende for norske forhold. Variasjon over tid: Turgenerering knyttet til en arealbrukskategori vil variere over tid, både innenfor et døgn, mellom ukedagene, og over året. Det bør tilstrebes å framskaffe informasjon om denne variasjonen for de ulike undersøkelsene. I den grad det finnes maskinelle tellinger av god kvalitet, og som fanger opp alle, men ikke flere enn, de som besøker den aktuelle virksomheten, vil dette være det beste. Alternativt kan en benytte informasjon om andre forhold som det er rimelig å anta samvarierer med antall besøkende. Det kan f.eks. være omsetning, og/eller antall kassatransaksjoner for handelsvirksomheter, eller statistikk over antall besøkende fra betalingssystem for parkering. Eksempler på bruk av denne typen data er bl.a. vist i de PROSAM-rapportene der handelsvirksomheter inngår. 47 av 154

64 5.3.3 Definering av avhengige og uavhengige variabler Entydig definisjoner: En av de største utfordringene i arbeidet med å beregne nøkkeltall for turproduksjon basert på det tilgjengelige datagrunnlaget, har vært at tilsynelatende like forklaringsvariabler er blitt definert og registrert på litt ulike måter i undersøkelsene datamaterialet er hentet fra. Vi har f.eks. sett at variabelen Antall ansatte kan registreres både som samlet antall ansatte, antall ansatte som er til stede en typisk gjennomsnittsdag, maksimalt antall ansatte som er til stede samtidig, og antall årsverk. For å forenkle videre arbeid med sammenstilling av denne typen data, bør det utarbeides en veileder for denne typen datainnsamling, med entydige definisjoner av hvordan de ulike variablene skal defineres og registreres. Dette gjelder i særlig grad de faktorene som er foreslått som "universelle" uavhengige variabler se delkapittel Prioritering av avhengige variabler I denne sammenheng er avhengige variabler reiser og transporter til og fra den aktuelle virksomheten. I utgangspunktet er det signalisert fra oppdragsgiver at en ønsker at nye erfaringstall for turproduksjon skal omfatte både person- og godstransporter, og at en for persontransportene ønsker reisemiddelfordelte tall. I arbeidsmøtene i prosjektgruppen har det imidlertid blitt klart at reisemiddelfordelte tall knyttet til personreiser anses som viktigere enn tall for gods- og varetransporter. I tillegg bør en i det videre arbeidet gjøre seg opp en mening om hvor påkrevd det vil være å skille mellom gående og kollektivtrafikanter, og hvilke krav en evt. skal stille til registreringsopplegg og kvalitet på disse dataene. Noen utfordringer knyttet til registrering av reisemiddelfordeling og gods-/varetransporter er bl.a. omtalt i delkapittel og Prioritering av uavhengige variabler Nøkkelegenskaper for uavhengige variabler: Uavhengige forklaringsvariabler for turproduksjon bør i følge TGH oppfylle disse kravene: Forholdet som beskrives med variabelen bør ha en logisk sammenheng med turproduksjonen for arealbrukskategorien på stedet, og framstå som "årsak" til (variasjoner i) turproduksjon Forklaringsvariablene for en arealbrukskategori bør minst omfatte de som brukes for lignende arealbrukskategorier Variabelverdiene bør være basert på registreringer knyttet direkte til undersøkelsesstedet, og ikke være avledet fra andre forhold Det bør være generell tillit til nøyaktigheten i tilgjengelige data for forklaringsvariablen(e), og at det er mulig å lage prognoser for disse NACE-kode: Funn som er presentert i TRB-rapporten Freight Trip Generation and Land Use (Holguín-Veras m.fl., 2012) indikerer at en i tillegg til å registrere hvilken arealbrukskategori det er snakk om, bør identifisere evt. NACE-kode(r) for virksomhetene, ettersom slike økonomiske koder har vist seg å ha større forklaringskraft enn arealbrukskategorier når det gjelder godstransport. Forslag til uavhengige variabler i framtidig datainnsamling: Basert på litteraturgjennomgangen og erfaringene fra beregning av nøkkeltallene, anbefales det å definere noen "universelle" uavhengige variabler som bør samles inn for samtlige arealbrukskategorier, og egne sett med kategorispesifikke uavhengige variabler som bør samles inn i tillegg. Forslag til hvilke variabler 48 av 154

65 som bør inngå i de to kategoriene er presentert nedenfor. Som nevnt ovenfor bør det imidlertid utarbeides entydige definisjoner av disse variablene før evt. datainnsamling settes i gang. "Universelle" uavhengige variabler: Følgende informasjon bør samles inn for alle arealbrukskategorier det gjøres datainnsamling for, der de er relevante: bruksareal (evt. fordelt på ulike brukstyper) i m 2 tomtestørrelse angitt i antall mål (evt. utnyttelsesgrad) antall ansatte antall parkeringsplasser NACE-kode(r) for virksomheten(e) Kategorispesifikke uavhengige variabler: Tabell 30 viser forslag til hvilke kategorispesifikke forhold som bør registreres i tillegg til de "universelle" variablene. Forslaget dekker ikke alle foreslåtte underkategorier, og før evt. datainnsamling bør en avklare med den aktuelle virksomheten om andre forhold bør registreres i tillegg til dem som er foreslått her. Forslaget dekker heller ikke alle typer virksomhetsspesifikke forhold som vil være av relevans. Det vil måtte være tema for videre arbeid. Tabell 30: Forslag til kategorispesifikke uavhengige variabler innenfor hovedkategoriene Hovedkategori Kategorispesifikke uavhengige variabler Evt. avgrenset til underkategori 1 Havner og terminaler Antall m kaikant Antall båt-/fergeanløp av ulike typer Antall løftekraner Antall flyavganger Antall "gates" 1.1 Havner 1.1 Havner 1.1 Havner og 1.3 Godsterminaler 1.2 Flyplasser 1.2 Flyplasser 2 Industri og lager Bosatte i omland 2.6 Avfallsdeponi 3 Boliger Antall bosatte Antall ferieboliger Antall hytter 4 Losji Antall rom Antall senger 5 Rekreasjon Antall sitteplasser Antall hull 6 Undervisning/institusjon Antall skoleplasser Antall sitteplasser 7 Helse Antall sengeplasser Antall beboere 8 Kontor - 9 Handel Salgsareal i m2 Antall pumper Omsetning og / eller transaksjoner per år 10 Service Antall sitteplasser Antall stoler/betjeningssteder Omsetning og / eller transaksjoner per år Ikke 3.4 Ferieboliger / hytter 3.4 Ferieboliger / hytter 3.4 Ferieboliger / hytter 5.1 Teater/kino/konsertlokaler og 5.6 Idrettsarenaer 5.7 Golfbane 6.2 Barne-/ungdomsskole, 6.3 Videregående skole og 6.4 Universitet/høyskole 6.5 Kirke/annen religionsutøvelse og 6.6 Forsamlingslokale 7.1 Sykehus 7.2 Aldershjem/sykehjem 9.7 Bensinstasjon 10.2 Restauranter og spisesteder 10.3 Frisør 49 av 154

66 5.3.6 Planlegging og gjennomføring av datainnsamling Virksomhet/lokalitet og uavhengige variabler: En vellykket gjennomføring av denne typen datainnsamling forutsetter som oftest godt samarbeid med virksomheten turproduksjonstallene skal relateres til. Informasjon om de foreslåtte uavhengige variablene (se delkapittel 5.3.5) kan en som regel enklest få fra dem som driver den aktuelle virksomheten. Et godt samarbeid vil lette selve registreringsarbeidet, og kan også gi mulighet for tilgang til informasjon som kan hentes ut fra bedriftsinterne systemer, som bl.a. kan benyttes til å belyse hvordan reiseaktivitet i tilknytning til virksomheten varierer over tid. For å få en best mulig beskrivelse av de uavhengige variablene, er det viktig med presise og entydige definisjoner av den informasjonen som etterspørres. I PROSAM (2003) er det pekt på unøyaktigheter i oppgitte arealtall som er mulig feilkilde i datamaterialet. Trafikkstrømmer avhengige variabler: Valg av metode, snitt og perioder for registrering av trafikkstrømmene må tilpasses til de lokale forholdene. Metodene som nevnes her vil gi varierende behov for materiell, utstyr og bemanning. I tillegg vil de ha ulike sterke og svake sider. I hvert tilfelle der en skal gjennomføre datainnsamling, må en vurdere hva som vil være den beste og mest effektive måten å samle inn data på. Det kan være en av de variantene som er beskrevet her, en kombinasjon av to eller flere av disse, eller en helt annen angrepsmåte. Aktuelle registreringsmetoder omfatter: Kjøretøytellinger, automatiske eller manuelle: Om mulig bør registreringene være retningsbestemte, og kunne skille på tunge og lette kjøretøy. Telling av hvordan kjøretøyene fordeler seg på svingebevegelser inn og ut av avkjørselen til virksomheten kan evt. også gjennomføres for å beregne andel av kjøretøyene som stopper langs kjøreruten (se delkapittel og Vedlegg C). Verdien av slike tellinger er imidlertid usikker. Persontellinger, automatiske eller manuelle: Om mulig bør registreringene være retningsbestemte. I den grad det benyttes manuelle tellinger, vil det i tillegg være ønskelig å skille mellom ansatte, besøkende og leverandører av varer/tjenester, og om mulig å registrere reisemiddelfordeling og/eller personbelegg i biler. Personintervju, ansikt-til-ansikt eller selvutfylling (f.eks. ved skranke eller venteområde): Intervju med besøkende kan benyttes for å kartlegge reisemiddelfordeling, andel som har stoppet fordi virksomheten lå langs planlagt reiserute, evt. internturer i områder med blandet arealbruk, og for bygg med samlokalisering av ulike virksomheter (f.eks. kjøresenter): hvilke (typer) virksomheter vedkommende har besøkt. Noen utfordringer knyttet til gjennomføring av personintervju er omtalt i delkapittel Kartlegging av gods-/varetransporter kan kreve eget registreringsopplegg, tilpasset de lokale forholdene. Dette bør avgjøres i samråd med den aktuelle virksomheten. Registreringssnitt: Tellinger bør gjennomføres slik at de dekker all inn- og utgående trafikk knyttet til den aktuelle virksomheten, men heller ikke mer. Kjøretøytellinger bør gjennomføres ved avkjørsel til virksomheten. Persontellinger gjennomføres ved inngangen til den aktuelle virksomheten. Denne typen registreringer kan evt. også gjennomføres av skrankepersonale, dersom trafikkmengden og samarbeidsforholdene med virksomheten tillater det. Personintervju som inkluderer kartlegging av besøkendes bruk av samlokaliserte virksomheter, bør om mulig gjennomføres ved utgangen. Dersom situasjonen er oversiktlig og trafikkmengdene ikke for store, kan evt. manuelle kjøretøytellinger kombineres med manuelle persontellinger ved inngangen til virksomheten. 50 av 154

67 Mulige problem/utfordringer ved de ulike typene datainnsamling: Kjøretøytellinger: For mange/uegnede atkomster til å kunne gjennomføre komplette tellinger av kjøretøy. Vær- og føreforhold kan medføre praktiske problemer med maskinelle tellinger i vintersesongen, og evt. visuell registrering av personbelegg i biler (og evt. kollektivtransportmidler) kan være vanskelig pga. dugg og snø på rutene Persontellinger: For mange/uoversiktlige inngangsparti til å kunne gjennomføre komplette tellinger av ankommende besøkende. Erfaringer fra PROSAM (2003) viser at elektroniske tellere ved inngangene ikke nødvendigvis er til å stole på. Erfaringene indikerer en systematisk overvurdering av antall besøkende. I tilfeller med samlokalisering vil andre typer virksomheter (f.eks. kontorer lokalisert inne i et kjøpesenter) være en potensiell feilkilde, dersom disse lokalene både har atkomst gjennom egne innganger og via virksomheten som er gjenstand for datainnsamlingen. Personintervju: Fare for skjevt intervjuutvalg det er trolig vanskeligere å intervjue besøkende som er i følge med flere andre. Jo travlere perioder på dagen, jo vanskeligere er det å stoppe folk for intervju, kfr. erfaringer fra Taheri (1999). Bruk av skrankepersonale: Manglende oppfølging fra skrankepersonalet, og evt. manglende registrering av besøkende som evt. er så "husvarme" at de ikke går via skranken Registreringsperioder: Besøkstellinger og -intervju: En tommelfingerregel er at jo lavere antall besøkende per dag, jo flere dager bør registreringene av trafikkstrømmer gå over, for å redusere usikkerheten i tallene. Minimum bør være én dag. For virksomheter der åpningstider og aktivitetsnivå tilsier det, bør registreringene også omfatte lørdag og/eller søndag. Maskinelle tellinger: Denne typen registreringer bør omfatte minst én uke, for å fange opp variasjonsmønsteret. Selv om det finnes elektroniske tellere ved inngangene, viser erfaringene fra PROSAM (2003) at det bør gjennomføres manuelle kontrolltellinger. Mens kontrolltellinger kan gå over kortere perioder, for å kunne skalere resultatene fra de elektroniske tellerne, bør evt. fullskala tellinger gå kontinuerlig i hele åpningsperioden. Informasjon om salg/transaksjoner/omsetning: Denne typen registreringer kan gjerne omfatte et helt år, for å fange opp variasjonsmønsteret både mht. døgn, uke og årstid/sesong der det er relevant. Kostnader/Ressursbehov: Kostnadene knyttet til datainnsamlingen vil avhenge svært av lokale forhold og valg av innsamlingsmetode. Her omtales noen forhold som kan påvirke ressursbehov og kostnadsfordeling i tilknytning til registreringene. Jo bedre samarbeid en klarer å etablere med bedriften, jo mer av registreringene kan gjennomføres av bedriftens egne ansatte, i forbindelse med deres vanlige arbeidsoppgaver. Dette gjelder særlig skrankepersonell og dem som evt. betjener inn- og utgående gods- og varetransporter. I beste fall kan en hente denne informasjonen fra bedriftens datasystem, og kun nøye seg med å registrere personer og deres reisemiddelbruk. Her bør imidlertid den som står for undersøkelsen tilby å kompensere virksomheten for den ekstrabelastningen og ressursbruken registreringene medfører. I tillegg bør virksomheten også få tilgang til de bearbeidede resultatene fra registreringene, gjerne sammen med informasjon om hvordan de ligger i forhold til gjennomsnitt for den aktuelle typen virksomheter. Automatiske trafikktellinger bør bekostes av vegetaten eller kommunen. 51 av 154

68 Ved evt. manuelle tellinger og intervju vil det være behov for mannskaper som dekker alle adkomster og inngangsdører. Selv om det finnes elektroniske tellere ved inngangene, viser erfaringene fra PROSAM (2003) at det bør gjennomføres manuelle kontrolltellinger over kortere perioder i åpningstiden. Det vil trolig kreves to personer samtidig ved større innganger, mens mindre innganger trolig kan bemannes med én person. For at tellemannskapene kan få nødvendige pauser, bør det tas inn nok mannskaper til at noen kan fungere som ambulerende avløsere. Dette avviker noe fra opplegget som ble benyttet i PROSAM-registreringene for dagligvarebutikker, (PROSAM, 2005), der det var tiog femten-minutters pauser i de manuelle tellingene ved inngangene. Evt. intervjumannskaper bør utplasseres ved et utvalg av utgangene for å dekke karakteristiske perioder på dagen. Periodenes varighet og antall utganger som dekkes bør vurderes i hvert enkelt tilfelle. Dersom inn-/utgangene betjener ulike atkomstmuligheter som f.eks. parkeringshus, buss- eller banetilbud eller gågater, bør alle variantene av atkomstmuligheter være representert i intervjuene. Jo flere atkomstmuligheter, jo mer ressurskrevende. Kunsten vil være å klare å avgrense undersøkelsesområdet og identifisere strategiske telle- og intervjupunkter. Område/beliggenhet/tilgjengelighet: Området virksomheten ligger i bør beskrives i form av områdetype (sentrum, forstadsområde, landlig,...) tilgjengelighet med ulike transportformer trafikkvolum på tilstøtende veger (og kollektivsystem) Andre datakilder: Dersom det kreves inn parkeringsavgifter, kan det være mulig å hente ut tall for antall kjøretøy fra dem som henter inn disse avgiftene, enten det er en offentlig etat, et idrettslag eller annen frivillig organisasjon. Likeledes kan det være mulig å hente ut passasjerstatistikk for evt. kollektivruter og/eller holdeplasser som betjener området, dersom dette er godt avgrenset mot annen arealbruk. Disse datakildene vil imidlertid kun være relevante dersom alle som parkerer eller reiser kollektivt skal til/fra den aktuelle virksomheten Innrapportering Et utkast til rapporteringsskjema for nye turproduksjonsdata ble utarbeidet i forprosjektet for Hb 146 (Meland, 2005). Innholdet i dette skjemaet er basert på rapporteringsopplegget som benyttes ved innsamling av nye data til Trip Generation. Skjemaet er forsøkt modifisert til norske forhold, med følgende tilføyelser i forhold til den amerikanske versjonen: registrering av kollektivtransport og gods/næringstransporter som egne kategorier registrering av personturer, fordelt på reisemåte beskrivelse av type område beskrivelse av omsetning og antall transaksjoner/kjøp I tillegg bør oversikten over såkalte Mobility Management -tiltak og beskrivelse av tilgjengelighet med ulike transportmåter, vurderes nærmere Skjemaet er gjengitt i Vedlegg D. Innrapportering av nye data bør skje ved hjelp av digital rapportering, enten på elektronisk skjema som sendes inn til administrator, eller på et eget nettsted. Det kan evt. vurderes å utarbeide egne varianter av skjemaet for hver arealbrukskategori. 52 av 154

69 5.3.8 Presentasjon og bruk av nøkkeltall for turproduksjon Presentasjonsform: Vi vil anbefale at turproduksjonstallene presenteres i form av nedlastbare dokumenter fra internett. I denne forbindelse bør det imidlertid vurderes hvilke problemer en evt. nedlastbar publisering vil kunne skape mht. versjons-identifisering. De tallene som tas ut fra publikasjonen vil være oppdaterte per tidspunkt for nedlasting, men ikke nødvendigvis for senere tidspunkt. Dette vil legge et ekstra ansvar på både utgiver og bruker mht. å være tydelig på versjonsnummerering og/eller datering av tallenes gyldighet. Datagrunnlag: Dersom turproduksjonstallene baserer seg på et lite antall undersøkelser, står det en advarsel i forbindelse med plottene i Trip Generation, og det gjøres oppmerksom på at tallene må brukes med varsomhet fordi antall observasjoner er lite. Denne advarselen gis for alle turproduksjonstall som baseres på fem eller færre undersøkelser. I det videre arbeidet med turproduksjonstall bør det vurderes nærmere om også verdien på tilpasningskoeffisienten R 2 bør inngå i avgjørelsen om når denne advarselen gis. I TGM stilles det krav til at R 2 må være større eller lik 0,5 for at resultatene skal kunne presenteres. Et slikt krav vil kunne være uhensiktsmessig strengt i en situasjon der datamaterialet i utgangspunktet er spinkelt, men det beste en har. Det ville f.eks. føre til at de fleste av plottene knyttet til underkategori 9.1 Mat og drikke (kapittel 4.5.3), ikke ville kunne publiseres. Det kan derfor være aktuelt å publisere også disse resultatene, men med advarsel om at variasjonen og usikkerheten i sammenhengene mellom forklaringsvariabel og turproduksjon er stor, og at disse resultatene derfor må brukes med varsomhet. Bruksanvisning/beregningsgang: Når det gjelder hvordan turproduksjonstall som hentes ut fra en evt. ny fellesbase skal brukes, bør det også utarbeides en bruksanvisning med beskrivelse av hvordan turproduksjonstall for en virksomhet beregnes. Denne bør i tillegg til en enkel beskrivelse av "standard" beregningsgang, også ta opp forhold knyttet til blandet arealbruk og reisekjeder, områdetype og tilgjengelighet Ansvar, ajourhold og utvidelse av datagrunnlaget For å få tilgang til den typen datamateriale som er aktuelt for beregning av turproduksjonstall, og å sikre at datainnsamlingen og registreringene forøvrig utføres på en ensartet måte som gjør tallene sammenlignbare på tvers av undersøkelsene, bør vegetaten i tillegg til å ta initiativ til egne målrettede innsamlinger av datagrunnlag for turproduksjon, også forsøke å etablere et samarbeid med dem som samler inn dataene ute i felten. Erfaringer fra PROSAM: De mest anvendelige delene av det tilgjengelige datagrunnlaget er framskaffet nettopp i den hensikt å framskaffe og systematisere turproduksjonstall. Dette arbeidet har i stor grad skjedd i regi av PROSAM-gruppen i Oslo-området. Tanken bak PROSAM-aktivitetene var at det innsamlede datamaterialet skulle danne grunnstammen i en "databank" med erfaringstall, og at denne med tiden skulle vokse med innrapporterte data fra andre kilder - kfr. oppfordring i forordet i PROSAM-rapport 103 (PROSAM, 2003). Det innsamlede datamaterialet som ble publisert i PROSAM-rapporten er blitt mye benyttet, med det har kommet liten eller ingen tilvekst av nytt datagrunnlag. Med utgangspunkt i denne erfaringen, er det ingen ting som skulle tilsi at erfaringene vil være andre i forbindelse med en tilsvarende nasjonal databank. De private aktørene som samler inn denne typen data, gjør dette for å dekke et helt spesifikt databehov, og de gjør dette bare hvis andre datakilder ikke kan anvendes for deres analyseformål. De vil også som regel kun samle inn det mest kritiske datagrunnlaget, og i de fleste tilfeller vil dette primært være knyttet til person- og bilturer, uten videre registrering av reisemiddelfordeling. 53 av 154

70 Hvordan motivere for innrapportering av data: Hos lokale utredere vil motivasjon for datainnsamling primært være knyttet til lokale, kortsiktige behov. Datainnsamling gjennomføres ofte i virksomheter som planlegger utvidelser, og benyttes som grunnlag for dokumentasjon av trafikale effekter av denne utvidelsen. Aktører innenfor denne typen utredninger og analyser har ikke nødvendigvis noen motivasjon for å rapportere registreringene videre - snarere tvert imot. For noen utredere kan det å bygge opp en egen basis med erfaringstall anses som et konkurransefortrinn, som de ikke kan forventes å gi fra seg uten at de ser en eller annen form for gevinst ved det. De virksomhetene som er gjenstand for datainnsamlingen kan være uvillige til å la resultater fra datainnsamlingen formidles videre, av frykt for egen konkurransesituasjon. Utfordringen vil dermed være å etablere en vinn-vinn-situasjon for alle involverte aktører, både myndigheter, utredere og virksomheter datamaterialet gjelder for. Det vil trolig være behov for både å identifisere gevinster og dekke kostnader hos utførende og eier av datamaterialet. For å øke muligheten for å "frigi" data som er samlet inn for private aktører, bør Statens vegvesen kunne forsikre virksomheten om at datamaterialet vil inngå i en større database, at de ikke vil komme uvedkommende i hende, og at det ikke skal være mulig å identifisere enkeltbedrifter i presenterte resultater. Bruk av eksisterende kilder med uensartede eller mangelfulle opplysninger: Felles for flere av de tilgjengelige kildene til erfaringstall er at det bør legges ned et arbeid i å sikre at det benyttes enhetlige definisjoner av de uavhengige variablene som f.eks. gulvareal, ansatte og årsverk. Videre bør det sikres at det benyttes en enhetlig beregningsgang og -metode ved beregning av nøkkeltallene for turproduksjonen knyttet til de virksomhetene som inngår i kilden. Dette arbeidet gjøres trolig mest effektivt av dem som har stått for databearbeiding og dokumentasjonen. Vi anbefaler derfor at de som har datamaterialet for de aktuelle kildene, blir bedt om å skaffe til veie nødvendig tilleggsinformasjon, og å gjøre beregninger av turproduksjonstall etter felles mal. For å sikre gjennomføring og kvalitet, er dette aktiviteter som de bør bli kompensert for. Mulige ressurser for systematisk datainnsamling: Dersom det er ønske og ambisjoner om å etablere et mer systematisk og robust datagrunnlag for erfaringstall for turproduksjon, vil trolig offentlige myndigheter måtte ta initiativ til planlegging og gjennomføring av store deler av denne datainnsamlingen. Å basere seg på mer eller mindre tilfeldige undersøkelser der den som utfører undersøkelsen gjerne vil forsøke å holde datainnsamlingen på et minimum, vil trolig ikke være noen god strategi. Vegetaten bør ha som mål å framskaffe et datagrunnlag som er representativt for norske forhold, der datagrunnlaget gjenspeiler naturlig variasjon mellom landsdeler, områdetyper mht. sentralitet og transporttilbud, og sesonger. For å få til en geografisk spredning på en slik datainnsamling, kan f.eks. Storbysamarbeidet benyttes i arbeidet med å identifisere aktuelle virksomheter, og tilrettelegge for datainnsamlingen. Dersom det utarbeides gode planer for hvor det bør gjennomføres datainnsamling, kan dette presenteres som mulige tema for prosjekt- og/eller hovedoppgaver for studenter. En av kildene som er benyttet i beregning av nøkkeltall for barnehager i denne rapporten (Lindøen, 2012), er resultat av en studentoppgave. Drift og vedlikehold: Det vil trolig være langt lettere å etablere nye rutiner for drift og vedlikehold av turproduksjonstallene i NVDB-systemet, enn det vil være å skulle etablere et nytt driftsapparat bare for dette ene formålet. Vi vil derfor anbefale vegetaten å se på hvilke muligheter som ligger i de driftsorganisasjonene for datasystemer som allerede er operative internt i vegetaten. 54 av 154

71 Referanser Asplan (2003): ABC-konseptet i norsk planlegging. Asplan Viak Trondheim AS, mars 2003 Bochner, B.S., K. Hooper, B. Sperry, R. Dunphy (2011): Enhancing Internal Trip Capture Estimation for Mixed-Use Developments. NCHRP report 684, Transportation Research Board, National Research Council, Washington, D.C. Clifton, K.J., K.M. Currans, C.D. Muhs (2012a): Contextual influences on Trip generation. Final Report OTREC , Oregon Transportation Research Education Consortium Clifton, K.J., K.M. Currans, C.D. Muhs (2012b): Evolving the Institute for Transportation Engineers' Trip Generation Handbook: A proposal for Collecting Multi-modal, Multi-context, Establishment-level Data. Paper submitted for presentation to the Transportation Research 92nd Board Annual Meeting, August Currans, K.M., C.D. Muhs and K.J. Clifton (2012): Adjusting ITE's Trip Generation Handbook for Urban Context. Paper submitted for presentation to the Transportation Research 92nd Board Annual Meeting, August Emilsen, Stein (2013): Teisenparken barnehage Trafikkvurdering. Foreløpig utgave av rapport, oppdrag , SWECO Norge AS Ewing, R., m.fl. (2011): Traffic Generated by Mixed-Use Developments Six-Region Study Using Consistent Built Environmental Measures. Journal of Urban Planning and Development, 137(3), pp Holguín-Veras, J. m.fl. (2012): Freight Trip Generation and Land Use. NCHRP report 739 and NCFRP report 19, Transportation Research Board, National Research Council, Washington, D.C. Holsen, T. (1995): Kjøpesentra og transportomfang. NIBR-rapport 1995:20, Norsk institutt for by- og regionforskning Haakenaasen, B., F. Lynum og K. Vrenne (2003): T-baneringen - Førundersøkelser i området Nydalen - Storo. Rapport nr H , Asplan Viak AS, Oslo ITE (2012): Trip Generation (9th Edition). Institute of Transportation Engineers ITE (2004): Trip Generation Handbook (Second Edition). Institute of Transportation Engineers Kvaal, Tore og Jorun Gjære (2005): Trafikkanalyse Tiller - Heimdal, Fase 1. Oppdragsnr , Asplan Viak Lindøen, Maria (2012): Etablering av truproduksjonstall for barnehager. Masteroppgave ved Institutt for bygg, anlegg og transport, NTNU Trondheim. Ljungqvist, Julia (2010): Reisevaneundersøkelse Vinter Rapport nr 1, oppdrag , SWECO Norge AS Meland, Solveig (2005): Forprosjekt Hb 146. Turproduksjonstall for persontransport. ISBN , Rapport A05203, SINTEF Teknologi og samfunn Meland, Solveig (2004): Oppfølging av flytting til Statens hus i Trondheim, Notat N-10/04 SINTEF Teknologi og samfunn, Veg og samferdsel, Trondheim Meland, Solveig (2002): Flytting til nye Statens hus i Trondheim - effekter på reisevaner. Rapport STF22 A01327 SINTEF Bygg og miljø, Veg og samferdsel, Trondheim Meland, Solveig (1992): Husholdningsstruktur og reiseatferd. Rapport STF63 A92011 SINTEF Samferdselsteknikk, Trondheim Njarga, John Brinchmann (1992): Kjøpesenter og turproduksjon. Hovedoppgave ved Institutt for Samferdselsteknikk, Norges Tekniske Høgskole, Trondheim Parker, T. (2012): Overview of Trip-Generation for Urban Infill, Mixed-use, and Transit-Oriented Development Land Use Projects. Caltrans Division of Transport Planning, Office of community planning (updated December 2012) 55 av 154

72 PROSAM (2008): Turproduksjonstall for arealekstensive handelskonsepter. PROSAM-rapport nr 167, ( PROSAM (2006): Turproduksjon for boliger i Oslo og Akershus. PROSAM-rapport nr 137, ( PROSAM (2005): Turproduksjonstall for dagligvarebutikker. PROSAMrapport nr 121 ( PROSAM (2003): Turproduksjonstall for kontorbedrifter og kjøpesentre. PROSAMrapport nr 103 ( Ringen, Svein (2002): Reisevaneundersøkelse ved 3 bedrifter på Brynseng. Prosjekt nr , Statkraft Grøner, Oslo Ringen, Svein (2000): Reisevaneundersøkelse Skøyen. Prosjekt nr , Statkraft Grøner, Oslo Røyland, Bjørn Kristian og Stein Emilsen (2009, rev. 2013): Bergsalléen 21 Trafikkvurdering. Revidert utgave av rapport, oppdrag , SWECO Norge AS Sabelstrøm Øen, Sara (2009): RVU Barnehager. Reisevaner blant foresatte og ansatte. Rapport nr 1, oppdrag , SWECO Norge AS SCC (2005): Trafikkanalyse NKL Lade. Dagens situasjon for trafikkmønster, trafikkmengder og trafikksikkerhet. Oppdrag nr. 1902, SCC Trafikon, Trondheim SCC (1998): Trafikkgrunnlag Solheimsveien 6-8. SCC Scandiaconsult, Sturød, Are (2002): PBE s turproduksjonsundersøkelse Oslo kommune, Byutviklingsavdelingen Taheri, Ali (1999): Kjøpesentres trafikkskapende egenskaper. Hovedoppgave ved Institutt for Samferdselsteknikk, Fakultet for bygg- og miljøteknikk, Norges teknisk-naturvitenskapelige universitet, høst TRICS (2012): TRICS Good Practice Guide TRICS Consortium, UK Walters, J., B. Bochner and R. Ewing (2013): Getting Trip Generation Right. Eliminating the Bias Against Mixed Use Development. American Planning Association. Øvren, Ida (2004): Reisevaneundersøkelser i kommunale enheter. Prosjektoppgave i faget AAR4700 By og regionplanlegging fordypning, prosjektdel ved Institutt for bygg, anlegg og transport, NTNU Trondheim 56 av 154

73 Vedlegg A Vedlegg A: Eksisterende erfaringstall Innhold RVU BARNEHAGER. REISEVANER BLANT FORESATTE OG ANSATTE (4P)... 4 TEISENPARKEN BARNEHAGE TRAFIKKVURDERING (P)... 6 BERGSALLÉEN 21 TRAFIKKVURDERING (P)... 8 ETABLERING AV TURPRODUKSJONSTALL FOR BARNEHAGER. MASTEROPPGAVE (5P) REISEVANEUNDERSØKELSE VINTER 2010 (9P) TURPRODUKSJONSTALL FOR AREALEKSTENSIVE HANDELSVIRKSOMHETER (8P) REISEVANER VED DAGLIGVAREHANDEL I TRONDHEIM TURPRODUKSJONSTALL FOR BOLIGER I OSLO OG AKERSHUS (4P, 1S) TRE BEDRIFTER PÅ BRYNSENG, OSLO (2P, 1S) TRE BEDRIFTER PÅ SKØYEN, OSLO (3P) HOFFSVEIEN 1, OSLO (P) SOLHEIMSVEIEN 6-8, OSLO (T) T-BANERINGEN, OSLO (T) PLAN- OG BYGNINGSETATENS TURPRODUKSJONSUNDERSØKELSE 2001, OSLO (2P) TILLER - HEIMDAL, TRONDHEIM (T) NKL LADE, TRONDHEIM (P) STATENS HUS, TRONDHEIM (S) TURPRODUKSJONSTALL FOR KONTORBEDRIFTER OG KJØPESENTRE (2P) TURPRODUKSJONSTALL FOR DAGLIGVAREHANDELEN (P) KJØPESENTRA OG TRANSPORTOMFANG (S) KJØPESENTRES TRAFIKKSKAPENDE EGENSKAPER KJØPESENTER OG TURPRODUKSJON (P) ABC-KONSEPTET I NORSK PLANLEGGING (3S) KOMMUNALE ENHETER I TRONDHEIM (S) HUSHOLDNINGSSTRUKTUR, LIVSSYKLUS (S) Figurer FIGUR A-1: ANDELEN BILBRUK ETTER BUTIKKENES LOKALISERING, HELE UTVALGET (FIGUR 1 I FRØYEN, HALVORSEN OG AASETRE, 2009) FIGUR A-2: ANDELEN SOM ANKOMMER BUTIKK I BIL, FORDELT ETTER UKEDAG (FIGUR 2 I FRØYEN, HALVORSEN OG AASETRE, 2009) FIGUR A- 3: BILFØRERANDEL SOM FUNKSJON AV BEDRIFTENS PARKERINGSDEKNING (FIGUR 3.4 HOS STURØD, 2002) FIGUR A-4: ANTALL SALG PER DAG (FIGUR 4 I SCC, 2005) FIGUR A-5: OMREGNING FRA ANTALL KUNDER TIL ANTALL BILTURER PER DAG (SIDE 11 I SCC, 2005) FIGUR A-6: ANDEL ANSATTE NORMALT TIL STEDE. EKSEMPLER FRA SVERIGE OG TRONDHEIM (FIGUR 4.2 I ASPLAN, 2003) FIGUR A-7: HUSHOLDNINGENES FORDELING PÅ BOSTED I FORHOLD TIL SENTRUM OG BOMRINGEN (FIGUR 2.6 I MELAND, 1992B) FIGUR A-8: HUSHOLDNINGSTYPER (FIGUR 2.1 OG TABELL 2.3 I MELAND, 1992B) FIGUR A-9: GJENNOMSNITTLIG ANTALL TURER PER PERSON OVER 13 ÅR I HUSHOLDNINGEN, 95 % KONFIDENSINTERVALL (FIGUR 4.1 OG 4.2 I MELAND, 1992B) Tabeller TABELL A-1: OPPLYSNINGER OM BEDRIFTENE (TABELL 2-1 I SABELSTRØM ØEN, 2009)... 4 TABELL A-2: SAMMENSTILTE BEREGNEDE TURPRODUKSJONSTALL (HENTET FRA SABELSTRØM ØEN, 2009)... 5 TABELL A-3: REGISTRERT TRAFIKK TIL/FRA BARNEHAGEN (TABELL 1 I EMILSEN, 2013)... 6 TABELL A-4: BENYTTEDE GENERERINGSFAKTORER FOR BARNEHAGEN (TABELL 3 I EMILSEN, 2013)... 7 TABELL A-5: OPPLYSNINGER OM BARNEHAGENE (FRA KAPITTEL 3.1 I RØYLAND OG EMILSEN, 2013)... 8 TABELL A-6: GENERERT TIMETRAFIKK TIL/FRA DE ORDINÆRE BARNEHAGEN (TABELL 2 I RØYLAND OG EMILSEN, 2013)... 9 TABELL A-7: BENYTTEDE GENERERINGSFAKTORER FOR DE ORDINÆRE BARNEHAGEN (TABELL 3 I RØYLAND OG EMILSEN, 2013)... 9 TABELL A-8: BARNEHAGENE I UNDERSØKELSEN (TABELL 9 I LINDØEN, 2012) TABELL A-9: SAMLETABELL, PERSON- OG BILREISER OG FORKLARINGSFAKTORER (TABELL 24 I LINDØEN, 2012) TABELL A-10: VARETRANSPORT OG BILTURER (TABELL 16 I LINDØEN, 2012) A-1 av 154

74 Vedlegg A TABELL A-11: TURPRODUKSJONSTALL, NØKKELTALL FOR PERSONTURER (TABELL 25 I LINDØEN, 2012) TABELL A-12: TURPRODUKSJONSTALL, NØKKELTALL FOR BILTURER (TABELL 26 I LINDØEN, 2012) TABELL A-13: TURPRODUKSJONSTALL, NØKKELTALL FOR SYKKELTURER (TABELL 26 I LINDØEN, 2012) TABELL A-14: TURPRODUKSJONSTALL, NØKKELTALL FOR BYGGEVARE (TABELL 0-1 I PROSAM, 2008) TABELL A-15: TURPRODUKSJONSTALL, NØKKELTALL FOR HYPERMARKED (TABELL 0-2 I PROSAM, 2008) TABELL A-16: TURPRODUKSJONSTALL, NØKKELTALL FOR MØBELFORRETNING (TABELL 0-3 I PROSAM, 2008) TABELL A-17: TURPRODUKSJONSTALL, NØKKELTALL FOR ELEKTROFORRETNING (TABELL 0-4 I PROSAM, 2008) TABELL A-18: ANDELEN BILBRUK I UTVALGTE BUTIKKER (TABELL 3 I FRØYEN, HALVORSEN OG AASETRE, 2009) TABELL A-19: REISTE ALENE ELLER SAMMEN MED ANDRE (TABELL 4 I FRØYEN, HALVORSEN OG AASETRE, 2009) TABELL A-20: STARTSTED OG SLUTTSTED FOR HANDLEREISEN ETTER TYPE STED (I %) (TABELL 5 I FRØYEN, HALVORSEN OG AASETRE, 2009) TABELL A-21: FORDELING AV TYPE TURER ETTER BÅDE START OG SLUTTSTED, DE SOM KJØRER BIL TIL BUTIKKEN (I %) (TABELL 6 I FRØYEN, HALVORSEN OG AASETRE, 2009) TABELL A-22: REISERUTE OG GRAD AV OMVEI (SVAR I %) (TABELL 7 I FRØYEN, HALVORSEN OG AASETRE, 2009) TABELL A-23: BEREGNET BILTURPRODUKSJON FOR BOLIGOMRÅDER (TABELL 6-20 I PROSAM, 2006) TABELL A-24: TRAFIKKTELLINGER: ANT. BILTURER/HUSHOLD (TABELL I SAMMENDRAG I PROSAM, 2006) TABELL A-25: OPPLYSNINGER OM BEDRIFTENE (TABELL 2-1 I RINGEN, 2002) TABELL A-26: BEREGNET ANTALL PERSONTURER PR ANSATT PR ARBEIDSDAG (SUM TIL/FRA) (TABELL 2-15 I RINGEN, 2002) TABELL A-27: BEREGNET ANTALL REISER, FORDELT PÅ REISEMIDDEL, PR ANSATT PR ARBEIDSDAG (TABELL 2-16 I RINGEN, 2002) TABELL A-28: OPPLYSNINGER OM BEDRIFTENE (TABELL 2-1 I RINGEN, 2000) TABELL A-29: DATA OM HOFFSVEIEN 1, (S. 19 I RINGEN, 2000) TABELL A-30: TRAFIKKGENERERING FOR HOFFSVEIEN 1, MAKSTIMENE, KJT/T (BASERT PÅ MANUELL TELLING) (TABELL 3-3 I RINGEN (2000)) TABELL A-31: TRAFIKKGENERERING FOR HOFFSVEIEN 1, DØGNTRAFIKK, KJT/D (BASERT PÅ MASKINELL TELLING 10 %) (TABELL 3-4 I RINGEN (2000)) TABELL A-32: FORDELING AV OMSETNING OVER ÅRET, VAREHUS PÅ TANGERUD (S.1 I SCC, 1998) TABELL A-33: DØGNVARIASJONEN I OMSETNING (I PROSENT AV DAGSOMSETNINGEN (S.2 I SCC, 1998) TABELL A-34: LOKALISERING AV BEDRIFTENE I UNDERSØKELSEN (TABELL 1.1 I STURØD, 2002) TABELL A-35: BEREGNET PERSONTURPRODUKSJON, 15 INDUSTRIBEDRIFTER I OSLO (TABELL 2.1 I STURØD, 2002) TABELL A-36: BEREGNET PERSONTURPRODUKSJON, 24 KONTORBEDRIFTER I OSLO (TABELL 2.2 I STURØD, 2002) TABELL A-37: VIRKSOMHETSKATEGORIER OG TURPRODUKSJON (TABELL 3 I KVAAL OG GJÆRE, 2005) TABELL A-38: AREALOVERSIKT, M2 (TABELL 1 I SCC, 2005) TABELL A-39: ÅRLIG OMSETNING (TABELL 2 I SCC, 2005) TABELL A-40: BESØKENDE OG BILTRAFIKK FOR ULIKE VIRKSOMHETER(TABELL 3 I SCC, 2005) TABELL A-41: ANTALL KUNDER OG OMSETNING PER UTSALGSSTED (TABELL 5 I SCC, 2005) TABELL A-42: BEREGNEDE TRAFIKKMENGDER FRA ULIKE BEREGNINGSGRUNNLAG (TABELL 6 I SCC, 2005) TABELL A-43: ANTALL DAGER MED ARBEIDS- OG TJENESTEREISER I REGISTRERINGSUKA (TABELL D-1 I MELAND, 2002A) TABELL A-44: REISEMIDDELFORDELING MELLOM HJEM OG ARBEID, DAGER UTEN TJENESTEREISER (FRA TABELL D-4 I MELAND, 2002A) TABELL A-45: REISEMIDDELFORDELING MELLOM HJEM OG ARBEID, DAGER MED TJENESTEREISER (FRA TABELL D-5 I MELAND, 2002A) TABELL A-46: REISEMIDDELBRUK FOR TJENESTEREISER MED UTGANGSPUNKT I ARBEIDSPLASSEN (TABELL D-2 I MELAND, 2002A) TABELL A-47: REISEMIDDELBRUK FOR BESØKENDE, HVV. FØR OG ETTER FLYTTINGEN (FRA TABELL D-3 OG D-4 I MELAND, 2002A) TABELL A-48: TURPRODUKSJON PER DØGN FOR KONTOR - ETTER OMRÅDETYPE (TABELL 2-21 I PROSAM, 2003) TABELL A-49: TURPRODUKSJON PER DØGN FOR KONTOR - ETTER KOLLEKTIVT SERVICENIVÅ (TABELL 2-22 I PROSAM, 2003) TABELL A-50: TURPRODUKSJON PER DØGN FOR KONTOR - ETTER ANDEL ANSATTE MED GRATIS PARKERING (TABELL 2-23 I PROSAM, 2003) TABELL A-51: TURPRODUKSJON PER DØGN FOR KJØPESENTRE SNITT FOR ALLE KJØPESENTRE I DATAMATERIALET (TABELL 3-7 I PROSAM, 2003) TABELL A-52: TURPRODUKSJON PER DØGN FOR DAGLIGVAREFORRETNINGER SNITT FOR ALLE I DATAMATERIALET (TABELL 0-1 I PROSAM, 2003) TABELL A-53: TURPRODUKSJON PER DØGN FOR DAGLIGVAREFORRETNINGER SNITT FOR MIDDELS STORE (<1 000 M2 SALGSAREAL) (TABELL 0-2 I PROSAM, 2003) TABELL A-54: TURPRODUKSJON PER DØGN FOR DAGLIGVAREFORRETNINGER SNITT FOR STORE (>1 000 M2 SALGSAREAL) (TABELL 0-3 I PROSAM, 2003) TABELL A-55: REISEMIDDELFORDELING OG BILBELEGG FOR REISER TIL LIERTOPPEN (TABELL 4.1 OG 4.2 I HOLSEN, 1995) TABELL A-56: ANDEL DIREKTE OG AVLEDEDE TURER TIL LIERTOPPEN, GJENNOMSNITTLIG REISELENGDE (TABELL 4.3 OG 4.4 I HOLSEN, 1995) TABELL A-57: RESPONDENTENES AKTIVITETER PÅ LIERTOPPEN (TABELL 4.6 I HOLSEN, 1995) A-2 av 154

75 Vedlegg A TABELL A-58: REISEMIDDELVALG, PERSONBELEGG PER BIL (FRA TABELL 4-1 OG S.18 I TAHERI, 1999) TABELL A-59: TURKJEDER OG HANDLEVANER (FRA TABELL 4-6, S.31 OG S.34, FIGUR 4-17 I TAHERI, 1999) TABELL A-60: BRANSJEINNDELING, BRUTTO SALGSAREAL OG FORDELING PÅ BRANSJER (FRA TABELL 8.1 OG TABELL 8.2 I NJARGA, 1992). 50 TABELL A-61: BRANSJEINNDELING (FRA S.54 I NJARGA, 1992) TABELL A-62: FORMLER FOR TURPRODUKSJON (FRA S.IX I NJARGA, 1992) TABELL A-63: ARBEIDSPLASSTETTHET OG ANTALL REISER I ARBEID VED ULIKE VIRKSOMHETSTYPER (TABELL 4.6 I ASPLAN, 2003) TABELL A-64: BESØKSTETTHET FOR ULIKE VIRKSOMHETSTYPER (TABELL 4.7 I ASPLAN, 2003) TABELL A-65: INNDELING I LIVSSYKLUS-STADIUM ETTER DE VOKSNES ALDER. (TABELL 3.1 I MELAND, 1992B) A-3 av 154

76 Vedlegg A 1 RVU Barnehager. Reisevaner blant foresatte og ansatte (4P) Referanse: Sabelstrøm Øen (2009) Dette dokumentet gir nye erfaringstall for turgenerering knyttet til barnehager. Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: Gir separat informasjon for fire barnehager, hvorav én for barn med komplekse funksjonshemminger (Berg gård). Beliggenhet: Oslo kommune, hhv. på Norstrand (Rosenhage), Frogner (Mads) og Ullevål hageby (Berglåven og Berg gård). Uavhengige variabler: Gir god informasjon om antall avdelinger, barnehageplasser, barn til stede per dag, ansatte og ansatte til stede per dag, parkeringsplasser og åpningstider, se Tabell A-1. Tabell A-1: Opplysninger om bedriftene (Tabell 2-1 i Sabelstrøm Øen, 2009) Det er ikke oppgitt areal, hverken inne eller ute, men dette kan trolig skaffes. Detaljert beskrivelse av virksomheten: Gir også avledede parametere, som antall barn per foresatt og ansatt i hver barnehage. Intervju med foresatte er gjennomført ved tre av barnehagene (ikke Berg gård), og med ansatte ved alle barnehagene. Svarprosenten er svært varierende. Intervjuene gir informasjon om deres respektive reisemuligheter, inkludert: avstand mellom bolig og barnehage førerkortinnehav tilgang til bil mulighet for bilførerne til å finne parkeringsplass ved barnehagen A-4 av 154

77 Vedlegg A Andre opplysninger: Intervjuene gir også foresattes og ansattes: begrunnelse for reisemiddelvalg vurderinger av trafikksikkerhet, parkeringsforhold og andre trafikkrelaterte forhold ved barnehagen Eventuelle Demand Management-programmer: Ingen opplysninger. Informasjon om trafikkstrømmer: Reisevaner for foresatte og ansatte er registrert gjennom intervju, med rapportering for en hel uke. Det er ikke rapportert om supplerende tellinger. Intervjuene på Rosenhagen og Mads er gjennomført i uke 14 (vinter), på Berglåven og Berg gård hhv. i uke 20 og 21 (vår). Det er beregnet turproduksjonsfaktorer (voksenturer per døgn) totalt og per barnehageplass. Tilsvarende faktorer er oppgitt for bilturer per døgn, totalt og per barnehageplass. Tallene inkluderer ikke varelevering, søppelhenting og evt. andre turer i åpningstiden. Tabell A-2: Sammenstilte beregnede turproduksjonstall (hentet fra Sabelstrøm Øen, 2009) Voksenturer/døgn Bilturer/døgn Rosenhagen Mads Berglåven SUM Rosenhagen, Mads og Berglåven Berg gård* Sum per barnehageplass 3,57 3,17 3,20 3,37 4,14 per ansatt 14,52 12,84 9,61 12,75 3,22 Sum per barnehageplass 2,54 1,14 1,26 1,85 2,50 per ansatt 10,32 4,63 3,78 7,00 1,94 Andel av sum turer 71 % 36 % 39 % 55 % 60 % Intervju gir informasjon om foresattes og ansattes reisemiddelbruk morgen og ettermiddag (%-fordeling). For foresatte er det også informasjon om: tidspunkt for levering og henting av barna varighet på foresattes tidsbruk ved levering og henting av barn turenes fordeling på enkle tur/retur-kjeder, og turkjeder med flere andre formål Vurdering av datamaterialet og registreringsopplegget: Dette er et datamateriale som er godt egnet til videre bruk. Intervjuskjema som ble benyttet er gjengitt i rapporten, og det er mulig å beregne nye nøkkeltall for hver barnehage individuelt, og evt. samlet. A-5 av 154

78 Vedlegg A 2 Teisenparken barnehage Trafikkvurdering (P) Referanse: Emilsen (2013) foreløpig utgave Dette dokumentet gir nye erfaringstall for turgenerering knyttet til barnehager, og eksempel på bruk av disse i trafikkvurderinger knyttet til utvidelse av samme barnehage. Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: Barnehage. Beliggenhet: Teisenparken, Oslo. Uavhengige variabler: Antall avdelinger, antall barnehageplasser/ekvivalenter. Det er ikke oppgitt areal, hverken inne eller ute, men dette kan trolig skaffes. Detaljert beskrivelse av virksomheten: Åpningstid Andre opplysninger: Beskrivelsen inkluderer: antall parkeringsplasser adkomstforhold i form av alternative kjøreruter med bil, og beskaffenhet for disse ÅDT-tall for aktuelle deler av vegnettet er hentet fra NVDB adkomst med kollektivtransport (avstand til omkringliggende holdeplasser, antall ruter som betjener dem, og antall avganger/time for disse i rush) adkomst for G/S-trafikk, med alternative traséer Eventuelle Demand Management-programmer: Ingen opplysninger. Informasjon om trafikkstrømmer: Det er beregnet turproduksjon (kjøretøyturer i største time) for hhv. morgen og ettermiddag, basert på tellinger på parkeringsplassen én dag (tirsdag 9. april 2013) i periodene og Tallene inkluderer kun kjøretøy som skulle til barnehagen. De ansatte vurderte registreringsdagen som representativ. Tabell A-3: Registrert trafikk til/fra barnehagen (Tabell 1 i Emilsen, 2013) Den registrerte trafikk er benyttet til å beregne genereringsfaktorer for dagens barnehage, se Tabell A-4. Disse er videre benyttet for å beregne turproduksjon ved ulike alternative utvidelser av barnehagen. A-6 av 154

79 Vedlegg A Tabell A-4: Benyttede genereringsfaktorer for barnehagen (Tabell 3 i Emilsen, 2013) Antall turer med alternative transportformer inngår ikke i materialet. Vurdering av datamaterialet og registreringsopplegget: Datamateriale gir nye efaringstall, men bare knyttet til bilturer. Antall forklaringsvariabler er beskjedne, men kan muligens suppleres. Med de begrensningene dette gir, er materialet egnet til videre bruk. A-7 av 154

80 Vedlegg A 3 Bergsalléen 21 Trafikkvurdering (P) Referanse: Røyland og Emilsen (2013) Dette dokumentet gir nye registreringer av biltrafikk til/fra parkeringsplass i tilknytning til barnehager. Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: To barnehager, én spesialbarnehage. To av dem (Berglåven og Berg gård) er omtalt i Sabelstrøm Øen (2009). Beliggenhet: Ullevål hageby, Oslo. Uavhengige variabler: For barnehagene er det oppgitt antall avdelinger, plasser og ansatte. Tabell A-5: Opplysninger om barnehagene (Fra kapittel 3.1 i Røyland og Emilsen, 2013) Det er ikke oppgitt areal, hverken inne eller ute, men dette kan trolig skaffes. Detaljert beskrivelse av virksomheten: Åpningstid for barnehagene er Andre opplysninger: Beskrivelsen inkluderer: antall parkeringsplasser adkomstforhold i form av alternative kjøreruter med bil, og beskaffenhet for disse ÅDT-tall for aktuelle deler av vegnettet er hentet fra Samferdselsetatens ÅDT-database for 2008/2009, og sjekket mot NVDB i 2013 adkomst med kollektivtransport (avstand til omkringliggende holdeplasser, antall ruter som betjener dem, og antall avganger/time for disse i rush). Eventuelle Demand Management-programmer: Ingen opplysninger. Informasjon om trafikkstrømmer: Det er beregnet turproduksjon (kjøretøyturer i største time) for hhv. morgen og ettermiddag i tilknytning til de ordinære barnehagene (Tabell A-6). Beregningene er basert på tellinger i adkomsten til parkeringsplassen som betjener barnehagene. Tellingene ble gjort én dag (torsdag 4. april 2013) i periodene og Det er gjort enkle antakelser om at registrerte drosjeturer er generert av spesialbarnehagen. Disse oppgitte tallene gjelder for de ordinære barnehagene. A-8 av 154

81 Vedlegg A Tabell A-6: Generert timetrafikk til/fra de ordinære barnehagen (Tabell 2 i Røyland og Emilsen, 2013) Tabell A-7: Benyttede genereringsfaktorer for de ordinære barnehagen (Tabell 3 i Røyland og Emilsen, 2013) Spesialbarnehagen genererer en del drosjetrafikk, men denne er ikke kvantifisert i rapporten. Dette kan det kanskje være mulig å få tak i fra SWECO. Vurdering av datamaterialet og registreringsopplegget: Datamateriale gir oppdtarte erfaringstall for to barnehager, men bare knyttet til bilturer. Antall forklaringsvariabler er beskjedne, men kan muligens suppleres. Med de begrensningene dette gir, er materialet egnet til videre bruk. Bør sees i sammenheng med data i Sabelstrøm Øen (2009). A-9 av 154

82 Vedlegg A 4 Etablering av turproduksjonstall for barnehager. Masteroppgave (5P) Referanse: Lindøen (2012) Denne oppgaven gir nye erfaringstall for turproduksjon knyttet til barnehager. Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: Fem barnehager. Beliggenhet: To i Trondheim, tre i Bergen. Alle barnehagene så nær som én ligger ca 5 km fra sentrum. En av Trondheimsbarnehagene ligger i sentrum. Tabell A-8: Barnehagene i undersøkelsen (Tabell 9 i Lindøen, 2012) Uavhengige variabler: Gir informasjon om: antall barn: antall barn som per i dag går i barnehagen antall ansatte: maksimalt antall ansatte til stede i barnehagen samtidig type barnehageplass: om barnehagen tilbyr heldags-, halvdagsplasser eller begge deler, og i så fall hvor mange plasser det gjelder åpningstider: barnehagens åpningstid og videre når de ansatte begynner/slutter på jobb areal (m 2 ): barnehagens størrelse fordelt på inne- og uteareal o inneareal (leke- / oppholdsareal for barna) o uteareal (disponibelt uteområde for barna) o totalt areal (Summen av inne- og uteareal) parkering: antall parkeringsplasser disponert av barnehagen, evt. parkeringsavgifter kollektivbetjening: beskrivelse av kollektivtilbudet med vekt på plassering av nærmeste holdeplass og frekvens - klassifisert i tre kategorier (god, middels, dårlig) Detaljert beskrivelse av virksomheten: Det oppgir om barnehagene er private eller offentlig drevet. Andre opplysninger: Dataene er samlet inn gjennom manuelle tellinger av trafikk til og fra barnehagene. Det er opplyst når datainnsamlingen foregikk (dato og perioder på dagen), og værforhold i registreringsperiodene. Registreringsopplegget er evaluert, og det er gitt anbefalinger knyttet til trafikktellinger for barnehager. Eventuelle Demand Management-programmer: Ingen opplysninger. A-10 av 154

83 Vedlegg A Informasjon om trafikkstrømmer: Det gis informasjon om: antall besøkende/ansatte: antall personer inn/ut av dørene (i alle aldre) antall biler: antall biler inn/ut fra barnehagenes område reisemiddelbruk: om de besøkende går, sykler, reiser med bil eller reiser kollektivt varetransport: antall leveranser og tid på døgnet Tabell A-9: Samletabell, person- og bilreiser og forklaringsfaktorer (Tabell 24 i Lindøen, 2012) Tabell A-10: Varetransport og bilturer (Tabell 16 i Lindøen, 2012) Det er også presentert: person- og bilturer i makstime, og makstimens andel av totaltrafikk over døgnet retningsfordeling for personturer og bilturer over døgnet og morgen/formiddag/ ettermiddag reisemiddelfordeling (bil, kollektivt, sykkel, til fots, annet) for personturene over døgnet og morgen/formiddag/ ettermiddag sammenheng mellom småbarnsandel og bilandel Tabell A-11: Turproduksjonstall, nøkkeltall for personturer (Tabell 25 i Lindøen, 2012) A-11 av 154

84 Vedlegg A Tabell A-12: Turproduksjonstall, nøkkeltall for bilturer (Tabell 26 i Lindøen, 2012) Tabell A-13: Turproduksjonstall, nøkkeltall for sykkelturer (Tabell 26 i Lindøen, 2012) Det er gjort vurdering av variasjonsområde for de beregnede turproduksjonstallene, sammenligning mot tall fra andre undersøkelser, og vurdert bruk av kategorianalyse for etablering av turproduksjonstall. Vurdering av datamaterialet og registreringsopplegget: Dette er et datamateriale som er godt egnet til videre bruk. Registreringsopplegg som ble benyttet er gjengitt i rapporten, og det er mulig å beregne nye nøkkeltall for hver barnehage individuelt, og evt. samlet. A-12 av 154

85 Vedlegg A 5 Reisevaneundersøkelse Vinter 2010 (9P) Referanse: Ljungqvist (2010) Denne rapporten dokumenterer intern kartlegging/rvu hos Sweco i Denne skal visstnok foregå årlig. Resultater for hvert enkelt av de ni største kontorene ligger i egne vedlegg som ikke er gjort tilgjengelig. Svar på noen spørsmål ligger også kun i eget vedlegg, ikke i selve rapporten. Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: Kontor. Beliggenhet: De store avdelingskontorene ligger i Bergen, Kristiansand, Lysaker, Narvik, Porsgrunn, Seljord, Stavanger, Tromsø og Trondheim. Uavhengige variabler: Spørsmål i undersøkelsen er basert på PROSAM (2003). For hvert av de største kontorene er det oppgitt: ansatte o antall i bedriften på den aktuelle adressen o antall til stede en normal arbeidsdag bilparkering o antall plasser tilgjengelig o antall som er reservert for besøkende o gratis parkering? o parkeringsordning (først til mølla/faste plasser/parkeringskort) sykkelparkering o type (inne/ute, med/uten tak, ikke definert) o antall sykler parkeringen er dimensjonert for kollektivtransport o avstand til nærmeste holdeplass/stasjon firmatransportmidler (antall personlige firmabiler/upersonlige firmabiler/sykler) Detaljert beskrivelse av virksomheten: Det er spurt om de ansattes kjønn, alder, avstand mellom hjem og arbeidsplass.. Andre opplysninger: Rapporten gir anbefalinger til tiltak knyttet til de enkelte kontorene. De ansatte er bedt om å vurdere alternativ reisemiddelbruk for arbeidsreisen. For bilførere er det oppgitt reisetid og bruksfrekevens for sykkel og kollektivtransport. Flervalgsspørsmål knyttet til dusj, garderober og sykkelparkering er gjengitt i vedlegg. Disse har ikke vært tilgjengelig. Eventuelle Demand Management-programmer: Det er spurt om miljørettede tiltak ved arbeidsstedet (El-bil som firmabil, Miljøfyrtårnsertifisering, sykle til jobben-kampanje, annet). A-13 av 154

86 Vedlegg A Informasjon om trafikkstrømmer: De ansatte har oppgitt informasjon om gårsdagens reiser til/fra jobb, og evt. reiser i arbeid: til arbeidsplassen: o reisetid og ankomsttidspunkt o reisemåte fra arbeidsplassen: o avreisetidspunkt og reisetid o reisemåte reiser i arbeid o startsted (hjem/arbeidsplass) avreisetidspunkt fra arbeidsplass o retursted (hjem/arbeidsplass) ankomsttidspunkt til arbeidsplass o reisemåte o avstand mellom arbeidsplass og målpunkt I tillegg er det spurt om: evt. forpliktelser knyttet til levering/henting av barn i barnehage, og konsekvenser for reisetiden bruk av og erfaringer med IT-kommunikasjonsløsninger i tilknytning til møtevirksomhet interesse for kmeratkjøring til og fra jobb tiltak som kan motivere for reisemiddelbytte Vurdering av datamaterialet og registreringsopplegget: Datagrunnlaget kan benyttes for å beregne turproduksjonstall for ansatte i bedriftene. Da må minst vedlegget til rapporten skaffes til veie muligens også selve datagrunnlaget. Undersøkelsen skal visstnok foregå årlig. Om det er mulig å få tilgang til tidsseriedata vil dette være ekstra interessant. A-14 av 154

87 Vedlegg A 6 Turproduksjonstall for arealekstensive handelsvirksomheter (8P) Referanse: PROSAM (2008) Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: Åtte handelsvirksomheter, herav to byggevareforretninger, to «hypermarkeder» (enkeltforretninger som opptar et stort areal, og som har et særskilt bredt og bransjeglidende vareutvalg), to møbelforretninger og én elektroforretning. Beliggenhet: Fire i Oslo (én byggevareforretning, ett hypermarked og to møbelforretninger), én i Bærum (byggevareforretning), én i Asker (hypermarked), én i Lørenskog (elektroforretning) og én i Skedsmo (hypermarked). Uavhengige variabler: Salgsareal, årsomsetning, antall årsverk, antall ansatte på jobb samtidig, områdetype (senter/periferi) kvalitet på kollektivtilbud, trafikk på tilstøtende vegnett, parkeringstilbud, Detaljert beskrivelse av virksomheten: Kundegrunnlag (bosatte innenfor 1 og 2 km distanse). Andre opplysninger: Reisekjeder, vareleveringer Eventuelle Demand Management-programmer: Ingen opplysninger Informasjon om trafikkstrømmer: Person- og bilturproduksjon per døgn og time relatert til ulike forklaringsvariabler + gang/sykkel- og kollektivandeler. Tabell A-14: Turproduksjonstall, nøkkeltall for byggevare (Tabell 0-1 i PROSAM, 2008) A-15 av 154

88 Vedlegg A Tabell A-15: Turproduksjonstall, nøkkeltall for hypermarked (Tabell 0-2 i PROSAM, 2008) Tabell A-16: Turproduksjonstall, nøkkeltall for møbelforretning (Tabell 0-3 i PROSAM, 2008) Tabell A-17: Turproduksjonstall, nøkkeltall for elektroforretning (Tabell 0-4 i PROSAM, 2008) Vurdering av datamaterialet og registreringsopplegget: Godt dokumentert datainnsamlingsopplegg, egnet for videre bruk. A-16 av 154

89 Vedlegg A 7 Reisevaner ved dagligvarehandel i Trondheim Referanse: Frøyen, Halvorsen og Aasetre (2009) Dette dokumentet gir ikke nye erfaringstall for turproduksjon. Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: 12 dagligvarebutikker i Trondheim, ulik beliggenhet og størrelse, intervju ulike ukedager og tidspunkt. Beliggenhet: Trondheim kommune, likt fordelt mellom "Østbyen", "Vestbyen/Syd" og Midtbyen Uavhengige variabler: Størrelse. Lokalisering (bydel) Detaljert beskrivelse av virksomheten: Ikke spesifisert hver butikk av konkurransehensyn Andre opplysninger: Om turen var en del av en reisekjede, om turen var en avstikker, reisemønster (lengde på turen) Eventuelle Demand Management-programmer: Ingen opplysninger Informasjon om trafikkstrømmer: Gjennomsnitt: 44,4 % ankommer med bil (50,9 % uten studenter < 30år) Figur A-1: Andelen bilbruk etter butikkenes lokalisering, hele utvalget (Figur 1 i Frøyen, Halvorsen og Aasetre, 2009) A-17 av 154

90 Vedlegg A Høyest bilandel lørdag, 61 %: Figur A-2: Andelen som ankommer butikk i bil, fordelt etter ukedag (Figur 2 i Frøyen, Halvorsen og Aasetre, 2009) Bilandel der butikken er innen et senter: 37 % (42 %) Bilandel der butikken er utenfor et senter: 51 % (58 %) «Store» dagligvarebutikker (stort utvalg, bydelsentre): 55 % (60 %) «Små» dagligvarebutikker (nærbutikk, enkeltbutikk): 34 % (41 %) Tabell A-18: Andelen bilbruk i utvalgte butikker (Tabell 3 i Frøyen, Halvorsen og Aasetre, 2009) Bydel Senter/ikke senter Butikkstørrelse Bil i % Midtbyen I senter Stor 31 Liten 13 Utenfor senter Stor 51 Liten 16 Vestbyen/syd I senter Stor 49 Liten 65 Utenfor senter Stor 67 Liten 51 Østbyen I senter Stor 57 Liten 30 Utenfor senter Stor 68 Liten 56 Bilbelegg ca 1,52. Tabell A-19: Reiste alene eller sammen med andre (Tabell 4 i Frøyen, Halvorsen og Aasetre, 2009) Andel i % Reiste alene i bilen 58 Reiste sammen med en til 33 Reiste sammen med flere 10 A-18 av 154

91 Vedlegg A Mange reiser fra eget hjem eller arbeidsplass: Tabell A-20: Startsted og sluttsted for handlereisen etter type sted (i %) (Tabell 5 i Frøyen, Halvorsen og Aasetre, 2009) Siste stopp før intervjuet Neste stopp etter intervjuet Hjemmet ditt Jobben din Studiestedet ditt 4 2 Skole/barnehage (for å hente/bringe) 5 2 Annen butikk et annet sted (drar dit med bil) 6 3 Annet ærend utenom handling, et annet sted (drar dit med bil) 9 6 Annet % av turene er ens ærend turer, resten med i en reisekjede. 43 % av de som ankom butikken med bil, hadde dagligvarehandling som primært formål med turen, de øvrige la inn et besøk i dagligvarebutikken f.eks som del av en turkjede. Tabell A-21: Fordeling av type turer etter både start og sluttsted, de som kjører bil til butikken (i %) (Tabell 6 i Frøyen, Halvorsen og Aasetre, 2009) Til Fra Studie- Skole/ Annen butikk Annet Hjemmet ditt Jobben din stedet ditt barnehage et annet sted ærend Annet Hjemmet ditt < Jobben din <1 1 0 Studiestedet ditt 2 < <1 Skole/barnehage (for å 3 <1 0 <1 <1 <1 <1 hente/bringe) Annen butikk et annet sted 4 <1 0 0 <1 1 0 (drar dit med bil) Annet ærend utenom 8 <1 <1 <1 <1 1 <1 handling, et annet sted (drar dit med bil) Annet 6 <1 0 < Et stort flertall (83 %) av de som ankom med bil sier at turen ikke representerte noen avstikker eller omvei: Tabell A-22: Reiserute og grad av omvei (svar i %) (Tabell 7 i Frøyen, Halvorsen og Aasetre, 2009) Ja Nei Handleturen var en avstikker eller omvei Kunne du valgt en annen dagligvarebutikk som ville gitt kortere reisevei/ mindre omvei Tidsvariasjon Dagligvarekjøp på ettermiddagen er sjelden ens ærend (21 %), de er som regel del av en kjede (f.eks. fra jobb til hjem). Dagligvarekjøp på kveldstid er mye oftere ens ærend (39 %). Formiddagshandling er også relativt sjelden ens ærend (26 %). Dagligvarekjøp om kvelden skjer litt oftere med bil, men forskjellene er ikke så store: Formiddag (fra åpningstid til kl ): bilandel 37 % Ettermiddag (kl ): bilandel 40 % Kveld (etter kl ): bilandel 43 % Ettermiddagsturene er oftere enn øvrige perioder del av kjedede turer. Vurdering av datamaterialet og registreringsopplegget: Dette gir ikke noe bidrag til framskaffing av erfaringstall for turproduksjon. A-19 av 154

92 Vedlegg A 8 Turproduksjonstall for boliger i Oslo og Akershus (4P, 1S) Referanse: PROSAM (2006) Informasjon om boliger og andre uavhengige variabler: Områdetyper: Tellinger av trafikk til/fra fire boligområder, to småhusområder og to blokkområder, spørreundersøkelse i to av boligområdene, i tillegg ble den nasjonale reisevaneundersøkelsen fra 2001 brukt som grunnlag for å etablere turproduksjonstabeller. Beliggenhet: Oslo og Asker. Uavhengige variabler: Avstand til Oslo sentrum, områdets tetthet (lav-middels høy), personer i husholdet, andel over 18 år. Detaljert beskrivelse av virksomheten: Andre opplysninger: Turproduksjon basert på en kombinasjon av undersøkelsene i prosjektet og data fra den nasjonale reisevaneundersøkelsen fra Eventuelle Demand Management-programmer: Ingen opplysninger Informasjon om trafikkstrømmer: Bilturproduksjon per døgn relatert til ulike forklaringsvariabler. A-20 av 154

93 Vedlegg A Tabell A-23: Beregnet bilturproduksjon for boligområder (Tabell 6-20 i PROSAM, 2006) Tabell A-24: Trafikktellinger: Ant. bilturer/hushold (Tabell i sammendrag i PROSAM, 2006) Vurdering av datamaterialet og registreringsopplegget: Godt dokumentert datainnsamlingsopplegg, egnet for videre bruk. A-21 av 154

94 Vedlegg A 9 Tre bedrifter på Brynseng, Oslo (2P, 1S) Referanse: Ringen (2002) Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: Gir separat informasjon, inkl. adresse, for tre ulike kontorbedrifter; Kripos, Merkantildata/Eterra og Statens vegvesen Akershus. Manglende informasjon til ITE-skjemaet (tidfesting av datainnsamlingen) kan trolig suppleres. Beliggenhet: Alle bedriftene ligger i Brynsengområdet i Oslo. Manglende informasjon til ITE-skjemaet kan suppleres. Uavhengige variabler: Gir god informasjon om ansatte og årsverk, gulvareal oppgitt i m 2 arbeidsplass (definisjon ikke gitt), og god informasjon om parkeringsforhold og parkeringsordning (bedre enn ITE-nivå), se Tabell A-25. Gir også info om firmabiler, men mangler info om trafikknivå på tilstøtende gatenett. Tabell A-25: Opplysninger om bedriftene (Tabell 2-1 i Ringen, 2002) Kripos SVA Eterra 1 Antall ansatte: Antall ansatte på jobb en vanlig dag: ca (minus ferie, sykefravær, deltid etc.) 3 Antall årsverk samlet sett: Antall m 2 arbeidsplass: Antall P-plasser: For de ansatte: For de besøkende: Parkeringsordning: Faste plasser: "Først til mølla": X X Betaling: X 7 Antall firmabiler: Personlige Upersonlige Antall personbesøk pr dag ca Antall varetransporter pr.dag: personbil/liten varebil 15-8 Lastebil 3-25 Detaljert beskrivelse av virksomheten: Gir informasjon om de ansattes bosettingsmønster, basert på postnummer, for Veidekke og Deloitte & Touche. Andre opplysninger: Bilbelegg og andel med kollektivtransport kan avledes på døgnnnivå, men ikke for rush. Opplysninger om skift er trolig ikke relevant for noen av bedriftene. Eventuelle Demand Management-programmer: Parkeringstilbud og -opplegg. Firmabil-ordning kan vurderes definert inn under denne typen tiltak. A-22 av 154

95 Vedlegg A Informasjon om trafikkstrømmer: Data som beskriver reiseaktiviteten knyttet til virksomhetene er hentet fra intervu med ansatte og besøkende, med svært varierende deltakelses-prosent. Det er ikke rapportert om supplerende tellinger. Intervjuene gir informasjon om reisemåte for de ansattes reise mellom hjem og arbeidsplass, og for evt. tjenestereiser og private reiser de ansatte foretok ut fra arbeidsplassen. Gir også informasjon om besøkendes reisemiddelvalg. Beregnede turproduksjonstall per ansatt per arbeidsdag er vist i Tabell A-26 og Tabell A-27. Tabell A-26: Beregnet antall personturer pr ansatt pr arbeidsdag (sum til/fra) (Tabell 2-15 i Ringen, 2002) personturer pr ansatt Kripos SVA Eterra Arbeidsreiser 1,72 1,57 1,34 Tjeneste reiser 0,22 0,57 0,80 Private reiser 0,15 0,11 0,23 Besøks-/varereiser 0,35 0,48 0,22 Sum 2,44 2,72 2,59 Tabell A-27: Beregnet antall reiser, fordelt på reisemiddel, pr ansatt pr arbeidsdag (Tabell 2-16 i Ringen, 2002) Kripos SVA Eterra Antall bilturer pr ansatt (sum til/fra) 1,05 1,80 2,24 Antall koll.reiser pr ansatt (sum til/fra) Antall g/s-reiser pr ansatt (sum til/fra) 1,04 0,25 0,53 0,25 0,29 0,08 Sum 2,34 2,58 2,60 Datamaterialet dekker én virkedag, og det er ikke noen inndeling i tid på dagen. Dataene dekker alle reisemåter, og for kollektivtrafikk skilles det mellom buss, bane og tog. Det er uheldig at Kjører firmabil ikke var definert som eget svaralternativ i tillegg til Kjører egen bil, ettersom noen av bedriftene har mange firmabiler. Der firmabil i hovedsak er personlig (Eterra) vil dette trolig ikke være noe problem, men ved Kripos har en stor andel svart Annet på spørsmål om reisemåte, og denne kategorien kan inneholde førere av noen av de 24 upersonlige firmabilene. Vurdering av datamaterialet og registreringsopplegget: Svakhet med manglende supplerende tellinger for kontroll av datagrunnlaget. Data fra Eterra kan trolig ikke brukes videre, på grunn av lav deltakelse (10 %). Nyttig kategorisering av parkerings- og firmabilordninger. A-23 av 154

96 Vedlegg A 10 Tre bedrifter på Skøyen, Oslo (3P) Referanse: Ringen (2000) Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: Gir separat informasjon, inkl. adresse og dato for datainnsamlingen, for tre ulike kontorbedrifter; Veidekke ASA, Multiconsult AS og Deloitte & Touche. Beliggenhet: Alle bedriftene ligger på Skøyen i Oslo. Manglende informasjon til ITE-skjemaet kan suppleres. Uavhengige variabler: Gir god informasjon om ansatte (men ikke årsverk), gulvareal oppgitt i m2 arbeidsplass (definisjon ikke gitt), og god informasjon om parkeringsforhold og parkeringsordning (bedre enn ITE-nivå), vist i Tabell A-28. Gir ikke info om firmabiler og trafikknivå på tilstøtende gatenett. Tabell A-28: Opplysninger om bedriftene (Tabell 2-1 i Ringen, 2000) Veidekke Deloitte & Touche Multiconsult 1 Antall ansatte: Antall ansatte på jobb en vanlig dag: ca ? (minus ferie, sykefravær, deltid etc.) 3 Antall m 2 arbeidsplass: Antall P-plasser: For de ansatte: For de besøkende: Parkeringsordning Faste plasser: "Først til mølla": X X X Betaling: X Detaljert beskrivelse av virksomheten: Gir informasjon om de ansattes bosettingsmønster, basert på postnummer. Andre opplysninger: Bilbelegg og andel med kollektivtransport kan avledes på døgnnivå, men ikke for rush. Opplysninger om skift er trolig ikke relevant for noen av bedriftene. Eventuelle Demand Management-programmer: Parkeringstilbud og -opplegg. Informasjon om trafikkstrømmer: Data som beskriver reiseaktiviteten knyttet til virksomhetene er hentet fra intervu med ansatte og besøkende, med svært varierende deltakelses-prosent. Supplerende tellinger er gjennomført for Hoffsveien 1, der Multiconsult holder til. Denne adressen omfatter imidlertid flere virksomheter, slik at det ikke er noen direkte kobling mellom de detaljerte opplysningene for de ansatte og besøkende ved Multiconsult, og resultatene fra trafikktellingene. De supplerende tellingene med tilhørende bakgrunnsvariabler er omtalt nærmere i eget delkapittel. A-24 av 154

97 Vedlegg A Intervjuene gir informasjon om reisemåte for de ansattes reise mellom hjem og arbeidsplass, og for evt. tjenestereiser og private reiser de ansatte foretok ut fra arbeidsplassen. Gir også informasjon om besøkendes reisemiddelvalg. Datamaterialet dekker én virkedag, og det er ikke noen inndeling i tid på dagen. Dataene dekker alle reisemåter, og for kollektivtrafikk skilles det mellom buss, bane og tog. Vurdering av datamaterialet og registreringsopplegget: Svakhet med manglende supplerende tellinger for kontroll av datagrunnlaget. Nyttig kategorisering av parkeringsordning. A-25 av 154

98 Vedlegg A 11 Hoffsveien 1, Oslo (P) Referanse: Ringen (2000) Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: Gir samlet informasjon om virksomhetene som holder til i adressen Hoffsveien 1, Oslo. Multiconsult (side 24 i dette vedlegget) er en av bedriftene på denne adressen. Beliggenhet: Manglende informasjon til ITE-skjemaet kan suppleres. Uavhengige variabler: Gir informasjon om totalt antall ansatte (men ikke årsverk), gulvareal er oppgitt i m 2 over bakken og m 2 parkering/kjeller (definisjon ikke gitt), antall parkeringsplasser, se Tabell A-29. Gir ikke info om trafikknivå på tilstøtende gatenett. Tabell A-29: Data om Hoffsveien 1, (s. 19 i Ringen, 2000) Data om Hoffsveien 1: Hoffsveien 1 består av ca 20 bedrifter. Virksomhetene er av typen kontorbedrifter. Totalt gulvareal over bakken er m2. Areal parkering/kjeller, m2 Det er totalt 320 P-plasser (inne og ute). Det er ca 1320 arbeidsplasser totalt. Datane er innsamlet av Samferdselsetaten. Detaljert beskrivelse av virksomheten: Ingen, bortsett fra at virksomhetene på denne adressen omtales som kontorbedrifter. Andre opplysninger: Ingen. Eventuelle Demand Management-programmer: Ingen opplysninger. Informasjon om trafikkstrømmer: Det er gjennomført både manuelle og maskinelle tellinger i adkomsten til Hoffsveien 1. De manuelle tellingene ble gjennomført i tre to-timers intervaller tirsdag ; 07-09, 11-13, og Tellingene skiller på retning (inn/ut), hvilken retning kjøretøyene kom fra/dro til, og kjøretøykategori (personbil, drosje, bud/varelevering). De maskinelle tellingene ble gjennomført over en full uke, onsdag - onsdag, med oppstart uken etter at de manuelle tellingene ble gjennomført. Tellingene ble gjennomført med kabel over hele innkjørselen, skiller ikke på retning, og inkluderer ikke bare biler, men også tohjulinger og i enkelte tilfeller også gående. A-26 av 154

99 Vedlegg A Tellingene gir gjennomsnittstrafikk for virkedøgn, med fordeling ned i timesintervall, og totaltrafikk for hhv. lørdag og søndag i registreringsuka. Rådatafilene kan muligens gjøre det mulig å benytte andre tidsinntervall, på tvers av klokketimene. Tabell A-30 og Tabell A-31 viser beregnede trafikkgenereringstall for Hoffsveien 1. Tabell A-30: Trafikkgenerering for Hoffsveien 1, makstimene, kjt/t (basert på manuell telling) (Tabell 3-3 i Ringen (2000)) pr. arbeidsplass pr. 100 m 2 pr. P-plass Morgen 0,16 0,64 0,66 Formiddag 0,10 0,39 0,40 Ettermiddag 0,14 0,55 0,56 Tabell A-31: Trafikkgenerering for Hoffsveien 1, døgntrafikk, kjt/d (basert på maskinell telling 10 %) (Tabell 3-4 i Ringen (2000)) pr. arbeidsplass pr. 100 m 2 pr. P-plass Virkedøgn 1,45 5,80 5,98 Ukegjennomsnitt 1,08 4,34 4,47 Vurdering av datamaterialet og registreringsopplegget: Svakhet med manglende overlapping mellom de manuelle og de maskinelle tellingene, siden de maskinelle tellingene inkluderer mer enn biler. I beregning av turproduksjonstall er det gjort en grov antakelse om at den øvrige trafikken utgjør 10 % av det som er registrert i de maskinelle tellingene. A-27 av 154

100 Vedlegg A 12 Solheimsveien 6-8, Oslo (T) Referanse: SCC (1998) Notatet dokumenterer beregninger knyttet til et planlagt varehus (ELKJØP) i Solheimsveien 6-8 i Lørenskog, og benytter erfaringstall fra eksisterende varehus på Tangerud i dette arbeidet. Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: Varehus, elektriske artikler. Beliggenhet: Tangerud. Uavhengige variabler: Antall ekspedisjoner. Detaljert beskrivelse av virksomheten: Ingen. Andre opplysninger: Variasjon i omsetning over året og over døgnet for eksisterende varehus på Tangerud (Tabell A-32 og Tabell A-33). Tabell A-32: Fordeling av omsetning over året, varehus på Tangerud (s.1 i SCC, 1998) januar februar mars april mai juni juli august september oktober november desember Døgnvariasjonen i omsetning (i prosent av dagsomsetningen) er som følger: Tabell A-33: Døgnvariasjonen i omsetning (i prosent av dagsomsetningen (s.2 i SCC, 1998) ,9 8,5 9,2 9,5 9,1 9,2 9,3 12,1 13,0 12,9 Følgende kommentarer er gitt til datagrunnlaget: Ukesvariasjon er ikke benyttet som beregningsgrunnlag, da belastningen på enkeltdager er svært variabel. Gjennomgående trend er likevel at lørdag har betydelig høyere salgstall enn alle andre dager i uka. Eventuelle Demand Management-programmer: Ikke aktuelt Informasjon om trafikkstrømmer: Det er registrert ekspedisjoner. Med forutsetning om 60 % andel av besøkende som handler, og 1,5 i bilbelegg gir dette 940 biler en gjennomsnittshverdag i juli. Vurdering av datamaterialet og registreringsopplegget: Vanskelig å vurdere, ettersom kilder, registreringsopplegg og datakvalitet ikke er nevnt i notatet. A-28 av 154

101 Vedlegg A 13 T-baneringen, Oslo (T) Referanse: Haakenaasen, Lynum og Vrenne (2003) Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: Undersøkelsen dekker et potensielt passasjergrunnlag for T-baneringen. Passasjergrunnlaget består av bosatte, arbeidstakere og besøkende/kunder ved Storo Storsenter. Beliggenhet: Bydelene Nydalen og Storo i Oslo. Uavhengige variabler: Kjøpesenter. Detaljert beskrivelse av virksomheten: Flere typer bedrifter. Andre opplysninger: Reisemiddelfordeling til kjøpesenteret. Eventuelle Demand Management-programmer: Ingen aktuelle. Informasjon om trafikkstrømmer: Det er anslått en total trafikkmengde basert på antall ansatte og fravær på 20 %. Det ga 2,4 reiser pr. ansatt pr. dag. En reisevaneundersøkelse via internett er brukt for å kartlegge reisevanene. Reisene er enten arbeidsreise eller reiser i arbeid. Det er 59 % bilandel for arbeidsreisene og 80 % bilandel for reiser i arbeid. 96 % av arbeidstakerne hadde tilgang til gratis parkering på arbeidsplassen. De bosatte utfører 3,2 reiser pr. dag i gjennomsnitt. Dette er kartlagt gjennom en reisevaneundersøkelse gjennomført som telefonintervju. Da er personer under 15 år med i totaltallet for antall bosatte, mens reisene deres ikke er med. Antall reiser pr. bosatt er derfor reelt sett noe høyere. Bosattes reiser er kortere enn ansattes, og bilandelen ligger på 42 % når alle reisene deres inkluderes. Bilandene ville være lavere hvis bosatte under 15 år også var blitt intervjuet. Storo kjøpesenter hadde kunder/besøkende i løpet av en uke (mandag-lørdag). Dette var over gjennomsnittet. Typiske besøkstall var kunder pr. uke Reisemiddelfordelingen var 68 % bil, 14 % kollektivt, 14 % sykkel og 4 % gående. Få personer oppga at de hadde vært passasjer i bil på tur til senteret, men dette kan skyldes at førerne i større grad har tatt initiativ for å bli intervjuet enn passasjerene. Det er antatt et belegg på 1,4 personer per bil. Vurdering av datamaterialet og registreringsopplegget: Med ytterligere bakgrunnsinformasjon og bearbeiding av datagrunnlaget kunne denne undersøkelsen kanskje gi erfaringstall for trafikk til og fra et kjøpesenter. A-29 av 154

102 Vedlegg A 14 Plan- og bygningsetatens turproduksjonsundersøkelse 2001, Oslo (2P) Referanse: Sturød (2002) Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: Ulike bedrifter, både kontor- og industri- arbeidsplasser. Beliggenhet: Oslo med indre by og ytre by vest, nordøst og sør (Tabell A-34). Tabell A-34: Lokalisering av bedriftene i undersøkelsen (Tabell 1.1 i Sturød, 2002) Uavhengige variabler: Antall ansatte, normalt frammøte på ordinær arbeidsdag, totalt antall årsverk, skiftordninger, gulvareal i m2 fordelt på ulike bruksformål, antall parkeringsplasser og hvordan disse disponeres og betales for. Detaljert beskrivelse av virksomheten: Det var 16 industribedrifter og 28 kontorbedrifter. Andre opplysninger: Bedriftene ble inndelt etter om de hadde god eller dårlig kollektivdekning. Eventuelle Demand Management-programmer: Andel ansatte med behov for bil i arbeid, evt. bilgodtgjørelsesordning, firmabil-ordning. Informasjon om trafikkstrømmer: Registrering av ansattes og besøkendes reiseaktivitet: Selvutfylling av skjema. Maskinelle tellinger ved 6 av bedriftene. Personturproduksjon er beregnet som turer pr. ansatt pr. virkedøgn, basert på 15 industribedrifter i Oslo, se Tabell A-35. Følgende resultater er oppgitt: Gjennomsnittlig turproduksjon for industribedriftene er beregnet til å være 3,58 personturer pr ansatt pr dag. Av dette utgjør de rene arbeidsreisene 45%, mens besøksturene (inklusive varelevering) utgjør 27%. Til sammenligning viser Håndbok 146, Statens vegvesen 1988, 4,0 personturer pr ansatt for industribedrifter. A-30 av 154

103 Vedlegg A Tabell A-35: Beregnet personturproduksjon, 15 industribedrifter i Oslo (Tabell 2.1 i Sturød, 2002) Kontorbedriftene i undersøkelsen har en gjennomsnittlig lavere turproduksjon enn industribedriftene. Dette skyldes både et lavere antall tjenesteturer og et lavere antall besøksturer (inkl varelevering). Tabell A-36: Beregnet personturproduksjon, 24 kontorbedrifter i Oslo (Tabell 2.2 i Sturød, 2002) Gjennomsnittlig turproduksjon for kontorbedriftene er beregnet til å være 3,09 personturer pr ansatt pr dag. Av dette utgjør de rene arbeidsreisene 52%. TØI s undersøkelse av flyttingen av Gjensidige fra Sentrum til Lysaker (TØIrapport 215/1993) har omlag den samme fordelingen mellom type reiser, hvor arbeidsreisene utgjør 53%. Bilturproduksjon som turer pr. ansatt pr. virkedøgn: Det er også beregnet gjennomsnittlig bilturproduksjon. For industribedriftene viser undersøkelsen 2,3 bilturer pr døgn pr ansatt. Variasjonen er relativt stor, og bedriftene i indre by har vesentlig lavere bilturproduksjon enn bedriftene i ytre by. Kontorbedriftene i undersøkelsen har en lavere bilturproduksjon enn industribedriftene. Gjennomsnittet her er 1,2 bilturer pr ansatt pr døgn. Det er kun 2 av kontorbedriftene som har en bilturproduksjon over 2,3. Bedriftene i Sentrum og Indre by har stort sett en bilturproduksjon under 1,0 biltur pr ansatt, mens ingen av bedriftene i ytre by har en bilturproduksjon under 1,0. Bilførerandel er beregnet som funksjon av parkeringsdekning ved bedriften, se Figur A- 3. Undersøkelsen viser at bilførerandelen øker når parkeringsdekningen øker, men spredningen i materialet er stor. Figur A- 3: Bilførerandel som funksjon av bedriftens parkeringsdekning (Figur 3.4 hos Sturød, 2002) Vurdering av datamaterialet og registreringsopplegget: Undersøkelsen omfattet svarskjemaer. Svarene dreide seg om gårdagens reiser. Særlig for bedriftene der det ble fortatt maskinelle tellinger, kan det være grunnlag for å benytte datamaterialet videre. A-31 av 154

104 Vedlegg A 15 Tiller - Heimdal, Trondheim (T) Referanse: Kvaal og Gjære (2005) I dokumentet benyttes og gis det eksempler på videre bruk av erfaringstall for turgenerering knyttet til ulike typer næringsvirksomhet og befolkning, men arbeidet gir ikke nye erfaringstall. Beregnede turproduksjonstall sammenlignes mot tilsvarende fra transportmodell for området. Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: Forskjellige typer. Beliggenhet: Tiller, sør i Trondheim kommune. Uavhengige variabler: Type arbeidsplass. Detaljert beskrivelse av virksomheten: Ingen. Andre opplysninger: Ingen. Eventuelle Demand Management-programmer: Ingen. Informasjon om trafikkstrømmer: Nøkkeltallene som er benyttet i beregningene er vist i Tabell A-37, og nedenfor følger beskrivelse av beregningsgangen og antakelser/forutsetninger som er benyttet i arbeidet. A-32 av 154

105 Vedlegg A Tabell A-37: Virksomhetskategorier og turproduksjon (Tabell 3 i Kvaal og Gjære, 2005) Med utgangspunkt i denne virksomhetsinndelingen er det beregnet turproduksjon til/fra bedriftene som er aggregert til grunnkretser. Turproduksjonen er beregnet ut fra antall ansatte og erfaringstall for reiser i arbeid, antall besøkende og godsleveranser. Det er gjort antakelser på at 80% av de ansatte er på arbeid daglig. Det er beregnet antall tur/retur-reiser eller antall leveranser. Tur/retur bolig eller næring regnes altså her som en tur. Belastningen på vegnettet vil derfor være det dobbelte av beregnet turproduksjon. I dette oppdraget har vi endret noe på inndeling i virksomhetskategorier etter NACE3-koden i forhold til det som ble brukt i kommunedelplan for Lade, Leangen og Rotvoll. Dette gjelder bl.a. bensinstasjoner som tidligere lå i gruppen for Bilforhandlere og som nå ligger i gruppen for daglig service. Offentlige virksomheter, lokal og regional er slått sammen til en kategori. Turproduksjon fra bosatte er beregnet ut fra antall bosatte over 13 år, gjennomsnittlig antall turer pr. bosatt over 13 år og andel av turene som starter og slutter i egen bolig. Beregningsparametre er hentet fra RVU2001 for Trondheim. 81% av de bosatte i området er over 13 år. Hver person over 13 år utfører 3,4 turer pr. dag og 80% av turene har starteller sluttsted i egen bolig. Det er gjort antakelser om at personer under 13 år utfører 50% færre turer enn personer over 13 år. Personer under 13 år har en større andel gang- og sykkelturer og har også kortere turer enn personer over 13 år. Disse turene er i tillegg vanskelig å registrere i RVU da slike turer ikke alltid oppfattes som en tur. Tilsvarende som for turproduksjonsberegningene for virksomhetene er det beregnet antall tur/returreiser knyttet til boligen. Vurdering av datamaterialet og registreringsopplegget: Det er tatt utgangspunkt i RVU 2001 og bedriftsregistret samt erfaringstall. Kilde for erfaringstallene er ikke eksplisitt oppgitt. A-33 av 154

106 Vedlegg A 16 NKL Lade, Trondheim (P) Referanse: SCC (2005) Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: Butikk Beliggenhet: Lade ligger 2-3 km øst for Trondheim sentrum. Uavhengige variabler: Kjøpesenter, med arealoversikt (Tabell A-38) og omsetningstall (Tabell A-39). Fordeling av kunder over uken (Figur A-4). Gir også timefordeling for omsetning og antall kunder over åpningstiden for en fredag og en lørdag. Antall ansatte (310 ansatte / ca 200 årsverk). Tabell A-38: Arealoversikt, m 2 (Tabell 1 i SCC, 2005) Tabell A-39: Årlig omsetning (Tabell 2 i SCC, 2005) A-34 av 154

107 Vedlegg A Figur A-4: Antall salg per dag (Figur 4 i SCC, 2005) Detaljert beskrivelse av virksomheten: Obs! butikkene på Lade i Trondheim besto i 2000 av et stormarked, byggevarebutikk og en sportsbutikk. I tillegg var det en plasthall med salg av sesongvarer. Andre opplysninger: Det er presentert noen erfaringstall om kundeandel, dvs. antall personer som handler noe av dem som er innom, for IKEA, REMA 1000, ELKJØP og Teppeland (Tabell A-40). Dessuten er det oppgitt en bilandel for de besøkende. Den er på % for disse butikkene. Kilde for disse opplysningene er ikke gitt. Tabell A-40: Besøkende og biltrafikk for ulike virksomheter(tabell 3 i SCC, 2005) Antall bilturer beregnes ut fra antall kunder per utsalgssted (Error! Reference source not found.), og ntakelser om antall kunder som handler i flere ulike avdelinger, og som derfor telles dobbelt i statistikken (Figur A-5) Kilde/basis for disse opplysningene er ikke gitt. A-35 av 154

108 Vedlegg A Tabell A-41: Antall kunder og omsetning per utsalgssted (Tabell 5 i SCC, 2005) Figur A-5: Omregning fra antall kunder til antall bilturer per dag (side 11 i SCC, 2005) Resultat for ulike beregningsgrunnlag sammenlignes (Tabell A-42). Tabell A-42: Beregnede trafikkmengder fra ulike beregningsgrunnlag (Tabell 6 i SCC, 2005) A-36 av 154

109 Vedlegg A Eventuelle Demand Management-programmer: Ingen opplysninger. Informasjon om trafikkstrømmer: Obs! skaper ca envegs bilturer pr. åpningsdag (5 000 til og fra). Disse tallene kan relateres til andre faktorer. Antall årsverk er ca. 200, og det er 310 ansatte. Totalt salgsareal er m 2. Omsetningen pr m 2 for Obs!-butikkene varierer mellom kr/m 2. Obs! Bygg har lavest mens Obs! Stormarked har høyest omsetning pr arealenhet. Vurdering av datamaterialet og registreringsopplegget: Tallene er registrert over kort tid, og derfor usikre, men mange relevante nøkkeltall er tatt med i rapporten. Kilder til erfaringstall ikke eksplisitt oppgitt. A-37 av 154

110 Vedlegg A 17 Statens Hus, Trondheim (S) Referanse: Meland (2002a) og Meland (2004b) Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: Ulike statlige og fylkeskommunale etater. Beliggenhet: Før-situasjon: Hovedsakelig Klæbuveien 194 og 196 og Sluppenvegen 8b, ca 4 km sør for Trondheim sentrum. I tillegg et mindre antall observasjoner knyttet til lokaler i/nært sentrum. Etter-situasjon: Prinsens gate 1, Trondheim sentrum Uavhengige variabler: Antall ansatte i før-situasjonen. Øvrige opplysninger, som parkeringsplasser og gulvareal kan trolig framskaffes. Mangler oppdaterte opplysninger om antall ansatte ved hver intervjurunde. Detaljert beskrivelse av virksomheten: Ingen. Andre opplysninger: Bakgrunnsinformasjon om de ansatte. Reisemønster for besøkende. Parkeringskostnader. Tjenestereiser. Detaljert informasjon om alternative reisemåter for de ansatte. Utvikling over tid: Fire intervjurunder med de ansatte i løpet av vel halvannet år, så en intervjurunde til etter tre år. Eventuelle Demand Management-programmer: Begrenset tilgang til og innføring av egenbetaling for parkeringsplasser i ettersituasjonen. A-38 av 154

111 Vedlegg A Informasjon om trafikkstrømmer: Turer per ansatt per virkedag, hhv. med og uten tjenestereiser (Tabell A-43), og med fordeling på reisemåter (Tabell A-44 - Tabell A-46). Antall besøkende og deres reisemiddelvalg (Tabell A-47). Tabell A-43: Antall dager med arbeids- og tjenestereiser i registreringsuka (Tabell D-1 i Meland, 2002a) I (N=260) II (N=207) Intervjubølge III (N=217) IV (N=203) Antall dager med reise til den ordinære arbeidsplassen snitt 4,3 4,1 4,4 3, % 7 3 % 15 6 % % % % 5 2 % 3 1 % 15 7 % % % % 1 0 % 3 1 % 11 5 % % % % 6 3 % 13 6 % 12 6 % % % % Antall dager med tjenestereiser med utgangspunkt i arbeidsplassen snitt 0,5 0,4 0,2 0, % % 22 8 % 2 1 % 3 1 % 1 0 % % % 13 6 % 6 3 % 2 1 % 0 0 % % % 6 3 % 4 2 % 1 0 % 0 0 % % % 7 3 % 3 1 % 0 0 % 0 0 % Tabell A-44: Reisemiddelfordeling mellom hjem og arbeid, dager uten tjenestereiser (fra Tabell D-4 i Meland, 2002a) Intervjubølge Før flyttingen (I & II) Samlet Etter flyttingen (III & IV) I II III IV Totalt Sluppen og Klæbuveien Antall registreringsdager: til fots 9 % 5 % 15 % 10 % 9 % 7 % 12 % to hjul 4 % 22 % 10 % 27 % 15 % 12 % 18 % bilfører 65 % 55 % 17 % 17 % 40 % 61 % 17 % bilpassasjer 11 % 10 % 12 % 10 % 11 % 10 % 11 % kollektivtransport 11 % 9 % 38 % 31 % 22 % 10 % 34 % bil og kollektivtransport 0 % 0 % 8 % 4 % 3 % 0 % 6 % drosje 0 % 0 % 0 % 0 % 0 % 0 % 0 % annen reisemåte 0 % 0 % 0 % 1 % 0 % 0 % 1 % A-39 av 154

112 Vedlegg A Tabell A-45: Reisemiddelfordeling mellom hjem og arbeid, dager med tjenestereiser (fra Tabell D-5 i Meland, 2002a) Intervjubølge Før flyttingen (I & II) Samlet Etter flyttingen (III & IV) I II III IV Totalt Sluppen og Klæbuveien Antall registreringsdager: til fots 3 % 1 % 5 % 7 % 3 % 2 % 6 % to hjul 1 % 11 % 7 % 16 % 7 % 5 % 11 % bilfører 80 % 80 % 73 % 53 % 75 % 80 % 64 % bilpassasjer 4 % 4 % 5 % 3 % 4 % 4 % 4 % kollektivtransport 10 % 5 % 11 % 16 % 10 % 8 % 13 % bil og kollektivtransport 1 % 0 % 0 % 4 % 1 % 1 % 2 % drosje 0 % 0 % 0 % 0 % 0 % 0 % 0 % annen reisemåte 0 % 0 % 0 % 1 % 0 % 0 % 1 % Tabell A-46: Reisemiddelbruk for tjenestereiser med utgangspunkt i arbeidsplassen (Tabell D-2 i Meland, 2002a) Sluppen og Klæbuveien antall registreringsdager med tjenestereiser med utgangspunkt i arbeidsplassen Intervjubølge Før flyttingen (I & II) Etter flyttingen (III & IV) til fots hele veien to hjul bil som fører bil som passasjer kollektivtransport drosje annet 3 % 2 % 73 % 13 % 7 % 0 % 1 % 8 % 0 % 73 % 7 % 6 % 5 % 1 % Tabell A-47: Reisemiddelbruk for besøkende, hvv. før og etter flyttingen (fra Tabell D-3 og D-4 i Meland, 2002a) Før flyttingen: Midtbyen / Ila / Øya - Sorgenfri Andre steder i Trondheim kommune Besøkende fra... Andre steder i Sør- Trøndelag fylke Steder utenfor Sør-Trøndelag fylke Antall besøkende: til fots 4 % 3 % 0 % 0 % 3 % to hjul 12 % 3 % 4 % 5 % 8 % bil som fører 44 % 65 % 58 % 33 % 50 % bil som passasjer 10 % 16 % 33 % 5 % 14 % kollektivtransport 12 % 11 % 4 % 5 % 10 % drosje 18 % 3 % 0 % 52 % 16 % Etter flyttingen: Antall besøkende: Totalt til fots 53 % 12 % 3 % 0 % 21 % to hjul 6 % 7 % 0 % 0 % 4 % bil som fører 29 % 40 % 48 % 10 % 36 % bil som passasjer 9 % 14 % 7 % 20 % 11 % kollektivtransport 0 % 28 % 41 % 60 % 26 % drosje 3 % 0 % 0 % 10 % 2 % A-40 av 154

113 Vedlegg A Vurdering av datamaterialet og registreringsopplegget: Datainnsamlingen har ikke vært rettet mot kartlegging av turproduksjon, og noen forklaringsvariable, som f.eks. areal og faktisk antall ansatte i tilknytning til hver intervjurunde, bør samles inn hvis dette datamaterialet skal benyttes videre i beregning av turproduksjonstall. Totalt gir den første runden med intervju informasjon om turproduksjon knyttet til mer enn personarbeidsdager. Datamaterialet gir mulighet for å ta ut turproduksjonsdata for ulike lokaliseringer i forhold til bysentrum. Det finnes ikke tellinger som beskriver totalt antall turer til og fra virksomhetene, kun observasjoner på individnivå. Data for besøkende er mangelfulle for noen av etatene, og heller ikke for besøkende foreligger totaltall. A-41 av 154

114 Vedlegg A 18 Turproduksjonstall for kontorbedrifter og kjøpesentre (2P) Referanse: PROSAM (2003) Rapporten baserer seg på data og erfaringstall fra andre kilder, i tillegg til egeninnsamlede data i pilotundersøkelser. Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: 37 kontorbedrifter, 9 kjøpesentre, inkludert flere som er behandlet for seg andre steder i dette vedlegget. Beliggenhet: Ulike steder i Oslo og Akershus. Uavhengige variabler: For kontorbedrifter benyttes områdetype (lokalisering i forhold til sentrum i hhv. oslo og Akershus), kvalitet på kollektivtilbud, parkeringstilbud (andel med gratis parkering). Detaljert beskrivelse av virksomheten: Varierer avhengig av tilgjengelig informasjon for de ulike kildene. Andre opplysninger: Varierer. Eventuelle Demand Management-programmer: Varierer. Informasjon om trafikkstrømmer: I tillegg til de enkelte undersøkelsene, beregnede turproduksjonstall per døgn for hhv. kontor (Tabell A-48 - Tabell A-50) og kjøpesenter (Tabell A-51), relatert til ulike forklaringsvariabler. Tabell A-48: Turproduksjon per døgn for kontor - etter områdetype (Tabell 2-21 i PROSAM, 2003) A-42 av 154

115 Vedlegg A Tabell A-49: Turproduksjon per døgn for kontor - etter kollektivt servicenivå (Tabell 2-22 i PROSAM, 2003) Tabell A-50: Turproduksjon per døgn for kontor - etter andel ansatte med gratis parkering (Tabell 2-23 i PROSAM, 2003) Tabell A-51: Turproduksjon per døgn for kjøpesentre snitt for alle kjøpesentre i datamaterialet (Tabell 3-7 i PROSAM, 2003) Vurdering av datamaterialet og registreringsopplegget: Det egne datainnsamlingsopplegget er godt dokument, og vil naturlig inngå i erfaringsmateriale som kan benyttes videre. A-43 av 154

116 Vedlegg A 19 Turproduksjonstall for dagligvarehandelen (P) Referanse: PROSAM (2005) Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: Ni dagligvareforretninger. Beliggenhet: Fem i Asker/Bærum, fire i Oslo. Uavhengige variabler: Salgsareal, årsomsetning, antall varekjøp - fordeling over uka og året, antall ansatte på jobb samtidig, trafikk på tilstøtende vegnett, parkeringstilbud, vareleveringer. Detaljert beskrivelse av virksomheten: Kundegrunnlag (bosatte innenfor 1 og 2 km distanse). Andre opplysninger: Kvalitet på kollektivtilbud, reisekjeder. Eventuelle Demand Management-programmer: Ingen opplysninger. Informasjon om trafikkstrømmer: Beregnede turproduksjonstall per døgn, relatert til ulike forklaringsvariabler (Tabell A-52- Tabell A-54). Tabell A-52: Turproduksjon per døgn for dagligvareforretninger snitt for alle i datamaterialet (Tabell 0-1 i PROSAM, 2003) Tabell A-53: Turproduksjon per døgn for dagligvareforretninger snitt for middels store (<1 000 m 2 salgsareal) (Tabell 0-2 i PROSAM, 2003) A-44 av 154

117 Vedlegg A Tabell A-54: Turproduksjon per døgn for dagligvareforretninger snitt for store (>1 000 m 2 salgsareal) (Tabell 0-3 i PROSAM, 2003) Vurdering av datamaterialet og registreringsopplegget: Godt dokument datainnsamlingsopplegg, som vil inngå naturlig i erfaringsmateriale som kan benyttes videre. A-45 av 154

118 Vedlegg A 20 Kjøpesentra og transportomfang (S) Referanse: Holsen (1995) Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: Kjøpesenter. Beliggenhet: Liertoppen. Uavhengige variabler: m2 salgsflate, 80 butikker, 7 serveringssteder, lekerom, flere minibanker parkeringsplasser (med mulighet for 300 til ved salgstopper). Gjennomsnittlig antall besøkende per uke: ca Detaljert beskrivelse av virksomheten: Ingen. Andre opplysninger: Ingen. Eventuelle Demand Management-programmer: Ingen opplysninger. Informasjon om trafikkstrømmer: Intervju med besøkende på Liertoppen kjøpesenter (N=199) ga informasjon om reisemiddelbruk og bilbelegg (Tabell A-55), turkjeder og reiselengder for trafikken til senteret (Tabell A-56). Tabell A-55: Reisemiddelfordeling og bilbelegg for reiser til Liertoppen (Tabell 4.1 og 4.2 i Holsen, 1995) N=199 N=187 A-46 av 154

119 Vedlegg A Tabell A-56: Andel direkte og avledede turer til Liertoppen, gjennomsnittlig reiselengde (Tabell 4.3 og 4.4 i Holsen, 1995) N=186, snitt=20,8 km, standardavvik (snitt) = 21,58 Videre gir intervjuene informasjon om kundenes gjøremål under besøket (Tabell A-57). Denne informasjonen kan være nyttig ved omregning fra antall kunder til antall besøkende ved kjøpesenter. Tabell A-57: Respondentenes aktiviteter på Liertoppen (Tabell 4.6 i Holsen, 1995) Intervju med bosatte i omlandet til Liertoppen kjøpesenter ga informasjon om frekvens for besøk på kjøpesenter og alternative innkjøpssteder. Denne typen informasjon kan imidlertid hentes ut fra reisevaneundersøkelsene, og er ikke tatt med her. Vurdering av datamaterialet og registreringsopplegget: Intervjuene med besøkende på Liertoppen kjøpesenter har et relativt beskjedent omfang (200 intervju), og det foreligger ikke tellinger som gjør det mulig å direkte relatere intervjuresultatene til totaltrafikken til kjøpesenteret. Intervjuene var fordelt på ukedager og tidspunkt i forhold til oppgitte besøkstall. Med et ukentlig besøkstall på ca , representerer intervjuene bare ca 0,3 % av de besøkende i løpet av intervjuuka. A-47 av 154

120 Vedlegg A 21 Kjøpesentres trafikkskapende egenskaper Referanse: Taheri (1999) Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: To kjøpesentre. Beliggenhet: Trondheim; hhv. Tiller og torget. Uavhengige variabler: Brutto areal, antall og karakterisering av type butikker. Detaljert beskrivelse av virksomheten: Marked hvert senter henvender seg til, både kundegrupper og geografisk marked. Andre opplysninger: Ingen opplysninger. Eventuelle Demand Management-programmer: Ingen opplysninger. Informasjon om trafikkstrømmer: Rapporten gir ingen totalstrømmer. Informasjonen er basert på intervju med besøkende; 159 på City Syd (Tiller), og 152 på Trondheim Torg. Tabell A-58: Reisemiddelvalg, personbelegg per bil (fra Tabell 4-1 og s.18 i Taheri, 1999) Reisemåte Trondheim Torg City Syd Privatbil 22 % 68 % Buss 33 % 18 % Gikk/syklet 40 % 11 % Drosje 2 % 2 % MC/moped 2 % 1 % Annet 1 % 0 % Personer per bil 2,1 2,2 Resultatene omfatter reisemiddelvalg og personbelegg per bil (Tabell A-58), turkjeder og handlevaner (Tabell A-59). A-48 av 154

121 Vedlegg A Tabell A-59: Turkjeder og handlevaner (fra Tabell 4-6, s.31 og s.34, Figur 4-17 i Taheri, 1999) Trondheim Torg City Syd Turkjeder Andel rene innkjøpsturer (hjem-senter-hjem) 41 % 37 % Handlevaner Antall besøk per uke 1,5 1,5 Gjennomsnittlig antall besøkte butikker 2,8 3,2 Gjennomsnittlig handlebeløp per besøkende* kr 285 kr 547 Ca andel med ulike typer ærend (fra Figur 4-17) dagligvarer 8 % 19 % klær / sko 11 % 15 % sport / fritidsutstyr 5 % 6 % gaver / inteiør 9 % 11 % vinmonopolet 0 % 5 % kafé / spisested 11 % 15 % post / bank 4 % 6 % rusle rundt 29 % 15 % med familie / venner 12 % 9 % annet 2 % 2 % * Resultatene er trolig påvirket av intervjutidspunkt: Trondheim Torg under TV-overført fotballkamp (Rosenborg Brann); City Syd inkluderer intervju lørdag, som er stor handledag for mange. Vurdering av datamaterialet og registreringsopplegget: Intervjuene med besøkende på de to kjøpesentrene har et relativt beskjedent omfang (ca 150 hvert sted), og det foreligger ikke tellinger som gjør det mulig å direkte relatere intervjuresultatene til totaltrafikken til kjøpesenteret. Intervjuene ble ikke fordelt på ukedager og tidspunkt i forhold til oppgitte besøkstall, og det kan derfor være tvil om hvor representative de er for hele kundemassen. A-49 av 154

122 Vedlegg A 22 Kjøpesenter og turproduksjon (P) Referanse: Njarga (1992) I gjennomgangen av erfaringstall har vi kun hatt tilgang til utdrag av dette dokumentet. Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: Elleve kjøpesentre, hvorav åtte såkalt halveksterne og tre eksterne sentra.. Beliggenhet: Østlandsområdet. Uavhengige variabler: Brutto salgsareal og fordeling på bransjetyper (Tabell A-60 og Tabell A-61). Tabell A-60: Bransjeinndeling, brutto salgsareal og fordeling på bransjer (fra Tabell 8.1 og Tabell 8.2 i Njarga, 1992) Kjøpesenter m 2 A B C D E F G H I J K Halveksterne sentra Stadion Senter ,3 11,8 13,5 11,4 2,9 7,7 2,3-3,2 7,6 2,2 OBS! Stormarked, Oslo ,0 * * * * * * * * * * Bryn Senter ,5 34,2-3,3 2,3-1,5-1,8-4,5 OBS! Stormarked, Lillestrøm ,1 * * * * * * * * * * Greverud Senter, Oppegård ,7 22, ,1 12,2 9,4 9,6 4,9 Langhus Senter, Vevelstad ,1 11,1 7,8-1,8-3,8 16,3-14,1 5,1 KI-Senteret, Rykkin ,0 10,8 0,8 17,3 9,9-6,5 3,9 2,9 9,3 6,6 Bærums Verk Senter ,0 6,5 2,6 9, ,5 6,9-11,3 8,1 Eksterne sentra Metro Senter ,8 32,0 5,5 5,4 2,0-1,4-3,3 4,6 10,0 Holmensenteret ,3 19,2 18,8 6,0 1,0 3,1 2,6 1,5 6,2 1,9 17,4 Eurosenteret ,4 32,3 8,6 6,5 2,0-3,5-5,3 1,5 18,0 * Kjøpesenteret har en spesiell bransjeinndeling - Ikke representert i kjøpesenteret Tabell A-61: Bransjeinndeling (fra s.54 i Njarga, 1992) Kode A B C D E F G H I J K L Bransje Nærings- og nytelsesmidler Beklednings- og tekstilvarer Møbler og innbo Jernvarer, kjøkkenutstyr, glass, steintøy, fargevarer og sportsutstyr Ur, optiske artikler, musikkinstrumenter, gull- og sølvvarer og film- og fotoartikler Motorkjøretøyer, deler og rekvisita Frisør, helsevelværeprodukter og medisiner Lege, tannlege, fysioterapi, trim, etc Spisesteder Bank og post Andre Kontorer etc.(inngår ikke i bransjeinndelingen, men er med pga. korrigering av turproduksjonstall Detaljert beskrivelse av virksomheten: - A-50 av 154

123 Vedlegg A Andre opplysninger: - Eventuelle Demand Management-programmer: - Informasjon om trafikkstrømmer: Dokumentet presenterer resultater fra regresjonsanalyser for å identifisere sammenhenger mellom ulike uavhengige variabler og observert turproduksjon. Arbeidet resulterte i separate formler for turproduksjon ved hhv. halveksterne og eksterne kjøpesentre (Tabell A-62). Tabell A-62: Formler for turproduksjon (fra s.ix i Njarga, 1992) Turproduksjon ved halveksterne kjøpesentre: TP = -0,0304*x ,2964*x2-5,0968*x3 + 4,7732*x4-2191,279 der: TP = Beregnet estimat for turproduksjon x1 = Totalt brutto salgsareal (BSA) i kjøpesenteret x2 = Andel av BSA som dekkes av bransje A (nærings- og nytelsesmidler) x3 = Andel av BSA som dekkes av bransje B (beklednings- og tekstilvarer) x4 = Antall parkeringsplasser ved kjøpesenteret Sammenligning av beregnet og observert turproduksjon ga avvik i området fra -18,4 % til +8,9 % for de halveksterne kjøpesentrene. Turproduksjon ved eksterne kjøpesentre: TP = 0,6145*x ,2111*x ,5982 der: TP = Beregnet estimat for turproduksjon x1 = Totalt brutto salgsareal (BSA) i kjøpesenteret x2 = Andel av BSA som dekkes av bransje A (nærings- og nytelsesmidler) Sammenligning av beregnet og observert turproduksjon ga avvik i området fra -13,2 % til +12,9 % for de eksterne kjøpesentrene. Vurdering av datamaterialet og registreringsopplegget: Både datagrunnlag og beregningsmetodikk er interessant for det videre arbeidet. A-51 av 154

124 Vedlegg A 23 ABC-konseptet i norsk planlegging (3S) Referanse: Asplan (2003) Informasjon om virksomheten og andre uavhengige variabler: Type virksomhet: Rapporten presenter gjennomsnittstall og variasjonsområde for turproduksjon knyttet til ulike typer industi, handel og kontor. Beliggenhet: Datagrunnlaget dekker primært Trondheim, Oslo og Stavanger. Uavhengige variabler: Gulvareal (m 2 ) (ikke nærmere definert). Detaljert beskrivelse av virksomheten: Underinndeling i kategorier industri-, handel- og kontorbedrifter. Andre opplysninger: Ingen. Eventuelle Demand Management-programmer: Ingen. Informasjon om trafikkstrømmer: Rapporten gir nøkkeltall for forholdet mellom gulvareal og antall ansatte, reiser i arbeid og besøkende. Nøkkeltallene beregnes imidlertid ikke på samme måte som det som tradisjonelt benyttes i forbindelse med beregning av turproduksjon; her er det beregnet antall m 2 gulvareal per arbeidsplass (Tabell A-63) og besøkende (Tabell A-64). Rapporten gir også gjennomsnittstall og variasjonsområde for antall reiser i arbeid per ansatt (Tabell A-63), og for andel ansatte som til en hver tid er til stede på arbeidsplassen (Figur A-6). Figur A-6: Andel ansatte normalt til stede. Eksempler fra Sverige og Trondheim (Figur 4.2 i Asplan, 2003) A-52 av 154

125 Vedlegg A Tabell A-63: Arbeidsplasstetthet og antall reiser i arbeid ved ulike virksomhetstyper (Tabell 4.6 i Asplan, 2003) Tabell A-64: Besøkstetthet for ulike virksomhetstyper (Tabell 4.7 i Asplan, 2003) A-53 av 154