RVU Dybdeanalyser. Sammenhengen mellom transportmiddelvalg, transportkvalitet og geografiske kjennetegn

Transkript

1 RVU Dybdeanalyser Sammenhengen mellom transportmiddelvalg, transportkvalitet og geografiske kjennetegn RVU seminar 30. august 2012

2 Bakgrunn og formål Formål: utvikle en modell for å analysere potensial for bruk av kollektivtransport og sykkel Effekter av ulike ramme-betingelser for reiseomfang og transportmiddelvalg Metode: Data fra reisevaneundersøkelsen: kunnskap om reisemønster og transportmiddelvalg Påkodet eksterne data: GIS-baserte data om geografiske kjennetegn ved et område, og reisekvalitetsdata fra RTM-data Kunnskap om hvilke faktorer som styrer i retning av redusert bilbruk og økt bruk av kollektivtransport og sykkel

3 Illustrasjon av reisevanemodell, påkodet data RVU-data Reisemønster/-målpunkt (RVU-data) Verdsettingstall Reisetid, frekvens, forsinkelser, sykelfelt (VOT-data) Generaliserte reisekostnader Reisestandard (pris, reisetid, frekvens ++) (RTM-data) Områdedata Topografi, lokalisering, klima ++ (GIS-data) Reisevane modell Rammebetingelser for trafikantene (RVU-data)

4 Fem caseområder Bredde i transportmiddelfordeling og fordeling av transportressurser Geografisk spredning Alle med regionale tilleggsutvalg i RVU 2009 Trondheimsområdet Tønsbergsområdet Kristiansandsområdet Drammensområdet Sarpsborg/Fredrikstad Hvert området er delt inn i mindre soner Finmasket soneinndeling koble data fra RVU 2005 og respondenter

5 Tilnærming 1. Kartlegging av ulike områders transportkvalitet, samt forskjeller i reisemiddelvalg Fordeling av transportressurser mv fra RVU Data fra RTM samt GIS-baserte data Illustrert vha GIS-baserte kart 2. Analyse av områdenes transportgenererende effekt Dvs. sammenhengen mellom transportkvalitet og reisemiddelvalg Fokus på markedspotensialet for kollektivreiser og sykkelreiser

6 Reisemiddelfordeling Stor variasjon i transportmiddelbruk Både mellom byområder og internt i byområder Større variasjon i kollektiv- og sykkelandeler enn bilandeler Reisemiddelfordeling og variasjoner mellom de ulike sonene i hvert byområde Byområde Kollektivt Bilfører Sykkel Snitt alle soner 6 % 55 % 7 % Kristiansandsområdet Maksimum 13 % 87 % 20 % Relativ variasjon 53 % 26 % 76 % Snitt alle soner 8 % 56 % 3 % Drammensområdet Maksimum 19 % 73 % 6 % Relativ variasjon 48 % 15 % 45 %

7 Reisemiddelfordeling Eksempel Kristiansandsområdet Kollektivandel Sykkelandel

8 Beskrivelse av etterspørselsmodellen (regresjonsmodell) Reiselengde, og antall reiser til ulike formål Reisekvalitetsdata: - LOS-data fra RTM: pris, reisetid, frekvens ++ (= GK-elementer) - Andel sykkelfelt Førerkort og tilgang til bil Tilgang til gratis p-plass på arb Tilgang til kollektivtransport Kjennetegn ved trafikanten (kjønn og alder) Når reisen er foretatt (ferie, helg) Antall reiser en person foretar per dag med ulike transportmidler, dvs totalt reiseomfang GIS-data, dvs. egenskaper ved området: - Topografi - Lokalisering av sentrale målpunkt

9 Markedspotensial for kollektivtransport RVU: selvoppgitte data om avstand til holdeplass og avgangsfrekvens Viktig: egenskaper ved tilbudet både tilbudet som benyttes og konkurrerende tilbud Data om reisestandard fra RTM Beregne trafikantens generaliserte reisekostnader, og konkurranseforholdet mellom kollektivtransport og bil Hypotese: Flere velger kollektivtransport i områder hvor kollektivtransporten er konkurransedyktig Resultat: Ingen forbedring i etterspørselsmodellen, vi benytter derfor kvalitetsdata fra RVU

10 Kollektivtilbudets betydning for transportmiddelvalg Jo bedre tilgang til kollektivtransport: Jo flere kollektivreiser Jo flere gang- og sykkelturer Jo færre reiser som bilfører Isolert effekt av svært god tilgang til kollektivtransport, sammenlignet med dårlig tilgang Kollektivreiser Reiser som bilfører Reiser som bilpassasjer Gangturer -30% -20% -10% 0% 10% 20% 30% 40% -21% 13% 30% 27% Sykkelturer 18%

11 Biltilgangs betydning for transportmiddelvalg Jo bedre tilgang til bil: Flere bilreiser Færre ikke-motoriserte reiser Størst effekt for den første bilen man skaffer Isolert effekt av førerkort for bil -150% -100% -50% 0% 50% 100% Kollektivreiser -64% Reiser som bilfører 54% Reiser som bilpassasjer -111% Gangturer -26% Sykkelturer -50%

12 Variasjon i tilgang til transportressurser Både mellom byområder og innad i et byområde Andel av befolkningen som har svært god tilgang til kollektivtransport, samt variasjoner mellom de ulike sonene Byområde Trondheimsområdet Tønsbergområdet Svært god tilgang til koll Eier/disp bil Snitt alle soner 32 % 86 % Maksimum 70 % 100 % Relativ variasjon 69 % 14 % Snitt alle soner 8 % 90 % Maksimum 16 % 98 % Relativ variasjon 58 % 9 %

13 Tilgang til transportressurser Eksempel Trondheimsområdet Tilgang til kollektivtransport Eier/disponerer bil

14 Transportressursenes betydning for transportmiddelvalg Endring i antall kollektiv- og bilreiser hvis tilgang til koll ble like høy som i Trondheimsområdet Endring i antall kollektiv- og bilreiser hvis tilgang til bil ble like lav som i Trondheimsområdet Kollektivreiser Bilreiser Kollektivreiser Bilreiser

15 Bilreiser - prosent avvik fra 12 byområder (eks Oslo Lavere bilandel enn snittet Høyere bilandel enn snittet Rammebetingelsenes samlede betydning for markedspotensialet for kollektivtransport (modellberegnet) 10 8 Trondheimsområdet Lavere kollektivandel enn snittet Høyere kollektivandel enn snittet Kollektivreiser - prosent avvik fra 12 byområder (eks Oslo)

16 Bilreiser - prosent avvik fra 12 byområder (eks Oslo) Lavere bilandel enn snittet Høyere bilandel enn snittet Rammebetingelsenes samlede betydning for markedspotensialet for kollektivtransport (modellberegnet) 10 8 Sarpsborg/Fredrikstad Lavere kollektivandel enn snittet Høyere kollektivandel enn snittet Kollektivreiser - prosent avvik fra 12 byområder (eks Oslo)

17 Topografi og sykkel Topografi har stor betydning for valget om å sykle Vi har kodet data om topografi på reisevaneundersøkelsen: Hver enkelt grunnkrets høydemeter over havet Nøkkeltall: meter over havet Trondheimsområdet Tønsberg -området Kristiansands -området Drammens -området Sarpsborg/ Fredrikstad Laveste verdi Høyeste verdi Gjennomsnitt Standardavvik

18 Topografi Eksempel Drammen og Sarpsborg/Fredrikstad Drammensområdet Meter over havet Sarpsborg/Fredrikstad Meter over havet

19 Topografi og befolkningens reisevaner Sykkelandelen er påvirket av reisens stigningsforhold Svært lav sykkelandel på de bratteste reisene, selv de som er korte

20 Topografi betydning for valget om å sykle Jo større høydeforskjell mellom bosted og sentrum: Jo flere kollektivreiser Jo flere bilturer Jo færre gang- og sykkelturer Kollektivreiser Reiser som bilfører Reiser som bilpassasjer Isolert effekt av topografi (over 50 moh vs 15 moh) Gangturer -60% -40% -20% 0% 20% -18% 13% 12% Sykkelturer -50%

21 Topografis betydning for sykkelandelen Tønsbergområdet er relativt flatt, bør ligge til rette for sykkel Hvis andre områder var lite flate - hva ville sykkelandelen ha vært? Trondheim opp med høyest sykkelandel, gitt lik topografi Sykkelandel (av mekaniserte reiser) dagens og hvis området hadde vært like flatt som Tønsberg Økt sykkelandel hvis like flatt som I Tønsbergområdet Sykkelandel (mekaniserte reiser)

22 Lavere bilandel enn snittet Bilreiser - prosent avvik fra snitt 5 caseområder Høyere bilandel enn snittet Rammebetingelsenes samlede betydning for markedspotensialet for sykkel (modellberegnet) 15 Trondheimsområdet Lavere sykkelandel enn snittet Høyere sykkelandel enn snittet Sykkelreiser - prosent avvik fra snitt 5 caseområder

23 Sykkelfelt Omfanget og kvaliteten på sykkelvegnettet er viktig for valget om å sykle Hensikt: å kode på data om omfang av sykkelvegnett på reisevanedata Ikke tilstrekkelig datakvalitet til at det lot seg gjennomføre Eksempel fra Oslopakke 3: Sykkelvei-elastisitet på 0,6 Romerike: 11 prosent økning i sykkelvei 7 prosent økt etterspørsel etter sykkelreiser

24 Oppsummering Store variasjoner i både transportmiddelvalg og fordeling av rammebetingelser Og en klar sammenheng mellom de to Kobling av data fra flere datakilder = bedre kunnskap om rammebetingelsers betydning for transportmiddelvalg Topografi har stor betydning for sykkelbruk Men behov for bedre datagrunnlag Sykkelfelt Kvalitet på kollektivtilbudet

25 Takk for oppmerksomheten!