Notat. Analyser av reisevanedata for de største byområdene i Norge 33 / Ingunn Opheim Ellis

Transkript

1 Notat Ingunn Opheim Ellis 33 / 2010 Analyser av reisevanedata for de største byområdene i Norge

2

3 Analyser av reisevanedata for de største byområdene i Norge Forord I dette notatet dokumenteres resultater fra analyser av reisevanedata for de største byområdene i Norge. Notatet er skrevet som en del av prosjektet Kostnadseffektive klimatiltak, som er finansiert gjennom Samferdselsdepartementets program for overordnet transportforskning (POT). Oppdragsgivers kontaktperson har vært Borghild Rime Bay og Per Andre Torper. Bård Norheim har vært prosjektleder for prosjektet. Bård Norheim og Alberte Ruud har sammenstilt resultatene hovedrapporten for prosjektet (Norheim mfl 2010/UA rapport 16/2010). Oslo 26. januar 2011 Ingunn Opheim Ellis

4 Analyser av reisevanedata for de største byområdene i Norge

5 Analyser av reisevanedata for de største byområdene i Norge Innhold 1. Innledning Metode: Analyse av reisevanedata for 13 byområder... 3 DEL 1 UTVIKLINGSTREKK: TIDSSERIEANALYSER AV REISEVANEDATA FOR PERIODEN Reiseomfang og transportmiddelfordeling, Etterspørselsmodell for daglige reiser, tidsserieanalyse Prognoser basert på modellen Drivkrefter bak transportmiddelutviklingen Førerkort og tilgang til bil Kollektivtilbudet Endret reisemønster Utviklingstrend Rammebetingelsenes betydning for CO 2 -utslipp DEL 2 TVERRSNITTSANALYSER AV REISEVANEDATA FOR Reiseomfang og transportmiddelfordeling i 13 byområder Antall reiser og transportmiddelfordeling Gjennomsnittlig reiselengde Rammebetingelser for transportmiddelvalg Egenskaper ved kollektivtilbudet Tilgang til bil Etterspørselsmodell for den daglige reisen, Samlet modell for alle 13 byområdene Modell hvor byområdene er gruppert i tre Prognoser for antall daglige reiser med ulike transportmidler Reiseomfang og utslipp av klimagasser Dagens CO2-utslipp som følge av daglige bil- og kollektivreiser Endringer i rammebetingelsene får konsekvenser for utslippsnivået Etterspørselsmodell for arbeidsreiser Transportmiddelvalg på siste arbeidsreise Tilgang til parkeringsplass på eller ved arbeidsstedet Binær logistisk regresjonsmodell Modell hvor byområdene delt inn i tre Prognoser for transportmiddelvalg på arbeidsreisen Referanser Utrykte vedlegg Vedlegg 1 Etterspørselsmodell for daglige reiser, tidsserieanalyse Vedlegg 2 Etterspørselsmodell for daglige reiser, tverrsnittsanalyse Vedlegg 3 Etterspørselsmodell, arbeidsreiser,

6 Analyser av reisevanedata for de største byområdene i Norge

7 Analyser av reisevanedata for de største byområdene i Norge 1. Innledning Dette notatet er skrevet som en del av prosjektet Kostnadseffektive klimatiltak (Norheim mfl 2010). Målsettingen med prosjektet er å videreutvikle et strategisk planverktøy for lokale og sentrale myndigheter som både gjør det mulig å vurdere interaksjonen mellom ulike transportpolitiske tiltak og ikke minst konsekvensene av ulike strategier og frihetsgrader når det gjelder rammebetingelser. Basisen for analysen må være en god kunnskap om effekter av ulike virkemidler og rammebetingelser for transport i by. Urbanet Analyse har foretatt en analyse av 44 ulike byer i Europa som viser at bil- og kollektivbruken blant annet avhenger av bystruktur, økonomiske rammebetingelser og egenskapene ved transporttilbudet (Norheim 2005). Denne analysen fant både direkte og indirekte effekter av tiltak rettet mot bil og kollektivtrafikk, samtidig som noen av de indikatorene som ble benyttet var på relativt overordnet nivå. Det gjelder blant annet lokalisering av arbeidsplasser, parkeringsdekning og befolkningstetthet. Utgangspunktet for analyser av reisemiddelvalget vil være den analysen som er foretatt basert på den internasjonale UITP-databasen. Det er denne analysen som også har ligget til grunn for de opprinnelige modellene. Samtidig vil vi foreta supplerende analyser basert på den nasjonale reisevaneundersøkelsen for å analysere effekten av mer detaljerte rammebetingelser. Fordelen ved å benytte reisevanedata er at vi får mer detaljert kunnskap om en del kjennetegn og forskjeller ved befolkningen i ulike byer, som f eks befolkningssammensetning, tilgang til bil, førerkort, sosioøkonomisk status mv. Dette er individuelle rammebetingelser som en på kort sikt ikke kan endre, men som kan forklare en del forskjeller når det gjelder effekter av tiltak i ulike byer. En annen viktig fordel ved å ta utgangspunkt i reisevanedata er at det gjør det lettere å kjøre analyser på nye byområder. Så lenge det er tilstrekkelig antall personer i utvalget for en by vil det være relativt enkelt å få modellen operativ uten for mye ekstra datainnsamling. Dette har vært en barriere i den opprinnelige modellen hvor det måtte gjennomføres en relativt omfattende kartlegging i forkant av modellkjøringene. Vår modell vil ta utgangspunkt i antall reiser per dag med ulike transportmidler og hvor mye de ulike rammebetingelsene påvirker dette antallet. Det betyr at vi får utviklet en modell som både beregner bil- og kollektivandeler mv og totalt antall reiser avhengig av hvilke tiltak som gjennomføres. Dette er viktig i en miljømessig sammenheng hvor transportomfang er like viktig som transportfordeling. 1

8 Analyser av reisevanedata for de største byområdene i Norge 2

9 Analyser av reisevanedata for de største byområdene i Norge 2. Metode: Analyse av reisevanedata for 13 byområder Det er gjennomført fem nasjonale reisevaneundersøkelser i Norge i 1985, 1991/92, 1997/98, 2001 og Formålet med disse undersøkelsene er å kartlegge befolkningens reiseaktivitet og reisemønstre. Undersøkelsen foretas blant et representativt utvalg av befolkningen 13 år og over, og gjennomføres i løpet av ett år sik at alle sesongvariasjoner, ferier med mer er representert. I analysene i denne rapporten har vi koblet sammen alle de nasjonale reisevaneundersøkelsene til en felles database. Databasen inneholder opplysninger fra i alt personer, og reiser, jf. Tabell 2.2. En tilsvarende metode ble benyttet for å beskrive drivkrefter og utviklingstrekk i persontransportmarkedet for perioden (Norheim og Stangeby 1999). Vi vil i stor grad bygge videre på de analyser som ble gjennomført i der. Vi har imidlertid ikke benyttet hele databasen i våre analyser, men kun sett på beboere i de tretten største byområdene i Norge. Inndelingen samsvarer med de 13 byområdene som benyttes i SSBs statistikk for kollektivtransport 1. De 13 byområdene er definert slik, jf Tabell 2.1 Tabell 2.1: De 13 største byområdene i Norge, jf. SSBs kollektivstatistikk Byområde Oslo og omegn Bergen og omegn Trondheim og omegn Stavanger og omegn Tromsø Kristiansand og omegn Nedre Glommen Drammen og omegn Tønsberg og omegn Grenland Arendal og omegn Ålesund og omegn Bodø Kommuner Oslo, Asker, Bærum, Nittedal, Oppegård, Lørenskog, Skedsmo og Ski Bergen, Askøy, Fjell og Os Trondheim, Klæbu og Malvik Stavanger, Sandnes, Sola og Randaberg Tromsø kommune Kristiansand, Vennesla, Songdalen og Søgne Sarpsborg og Fredrikstad kommune Drammen, Nedre Eiker og Lier Tønsberg og Nøtterøy kommune Porsgrunn, Skien, Siljan og Bamble Arendal og Grimstad Ålesund og Skodje Bodø kommune I analysene hvor datasettet benyttes samlet det vil si i tidsserieanalysene er det aldersgruppen år som er inkludert i analysene. 2 Dette utvalget utgjør i alt personer, og reiser (jf. Tabell 2.2). Der hvor vi kun ser på data fra RVU2005 benyttes hele alderspennet i reisevaneundersøkelsen, dvs. fra 13 år og oppover. Tabell 2.2: Datagrunnlag for analysene. Antall personer med i reisevaneundersøkelsene i de 13 byområdene i alderen år), og antall reiser de har foretatt (geografisk vekting). Fordelt på år. RVU-år Bilfører Bilpassasjer Kollektivt Gange Sykkel Annet Sum antall Antall turer personer Totalt Noen av RVU-årene inneholder kun denne aldersgruppen. Dermed blir dataene sammenlignbare over tid. 3

10 Analyser av reisevanedata for de største byområdene i Norge Datamaterialet for de ulike årene inneholder et ulikt antall personer. Blant annet deltok det færre respondenter i de første reisevaneundersøkelsene enn det gjorde i de siste. For at ikke de siste årene skal telle forholdsvis mer enn de første, er dataene i tidsserieanalysene vektet slik at hvert år teller like mye. Det vil si at datamaterialet for er vektet opp, og at datamaterialet for 2001 og 2005 er vektet ned. Denne vektingen er gjort på hele datafilen, ikke bare de 13 byområdene. Gruppering av de 13 byområdene I analysene vil de 13 byområdene bli analysert både samlet og hver for seg. Det er grunn til å anta at befolkningen i selve byen har et noe annet reise- og transportmønster enn befolkningen i omegnskommunene: byen er tettere og med kortere avstander enn omegnet, og det er ofte bedre kollektivtilgang i byen enn i omegnet. I noen av analyser vil vi derfor splitte opp byområdene i selve bykommunen og de omkringliggende omegnskommunene. Vi vil også gjøre analyser hvor de 13 byområdene er gruppert i tre grupper: Siden Oslo og omegn er mye større enn de andre byområdene har vi valgt å gruppere Oslo og omegn i en egen gruppe, de fem resterende store byområdene i en gruppe, og de syv mindre byområdene i en gruppe: 1. Oslo og omegn 2. De fem store byområdene: Bergen, Trondheim, Stavanger, Tromsø og Kristiansand 3. De resterende syv byområdene: Nedre Glommen, Drammen, Tønsberg, Grenland, Arendal og Bodø Oppbygging av rapporten Persontransportmarkedet har vært i stor utvikling i de senere årene. Antall motoriserte reiser har økt, tilgangen til bil har økt, og bilbruken har økt på bekostning av andre transportformer. I den første delen av denne rapporten vil vi se nærmere på utviklingen av persontransportmarkedet. - Hvordan er utviklingen av reiseomfanget og transportmiddeldfordelingen i perioden ? - Hvordan påvirker rammebetingelsene for trafikantene utviklingen av transportmiddelbruk og reiseomfang i perioden? I den andre delen av rapporten har vi gått nærmere inn på eventuelle forskjeller mellom de 13 byområdene. I denne delen tar vi utgangspunkt i tidsserieanalysene, men gjennomfører en tilsvarende tverrsnittsanalyse av Reisevaneundersøkelsen for Spørsmål som belyses i denne delen av rapporten er: - Hvordan er reiseomfanget og transportmiddeldfordelingen i de ulike byområdene i dag? - Hvordan påvirker eventuelle ulikheter i ammebetingelsene for trafikantene reiseomfang og transportmiddeldfordeling i disse områdene? 4

11 Analyser av reisevanedata for de største byområdene i Norge DEL 1 UTVIKLINGSTREKK: TIDSSERIEANALYSER AV REISEVANEDATA FOR PERIODEN I denne delen av rapporten vil vi først beskrive utviklingen i reiseomfang og transportmiddelfordeling i perioden Dette danner et bakgrunnsteppe for å kunne si noe om hvordan rammebetingelsene for trafikantene påvirker utviklingen av transportmiddelbruk og reiseomfang i denne perioden. 3. Reiseomfang og transportmiddelfordeling, Tabell 3.1 og Tabell 3.2 viser utviklingen av reisemønsteret fra 1985 til 2005 for de 13 byområdene. Tabell 3.1 viser gjennomsnittlig antall reiser per person per dag totalt og med ulike transportmidler, mens Tabell 3.2 viser hvor stor andel reiser med hvert av transportmidlene utgjør av det totale antall reiser. Tabell 3.1: Gjennomsnittlig antall reiser per person per dag - totalt og etter transportmiddel. 13 byområder. RVU-år Reiser Bil som Bilpassasjer Kollektivt Annet utvalgsvekt) N (vektet m totalt Gange Sykkel fører ,34,90,16 1,33,39,47, ,37,71,19 1,65,38,40, ,35,70,21 1,67,35,40, ,30,75,15 1,62,37,39, ,56,83,18 1,73,40,36, Tabell 3.2: Prosentandel de ulike transportmidlene utgjør av totalt antall reiser. 13 byområder. RVU-år Reiser Bil som Bilpassasjer Kollektivt Annet utvalgsvekt) N (vektet m totalt Gange Sykkel fører ,34 27 % 5 % 40 % 12 % 14 % 0 % ,37 21 % 6 % 49 % 11 % 12 % 0 % ,35 21 % 6 % 50 % 11 % 12 % 0 % ,30 23 % 4 % 49 % 11 % 12 % 0 % ,56 23 % 5 % 49 % 11 % 10 % 1 % I perioden 1985 til 2005 har det skjedd små endringer i det gjennomsnittlige antall reiser hver person foretar per dag. Antallet har holdt seg nokså stabilt på litt i overkant av 3,3 reiser. Fra 2001 til 2005 skjedde det imidlertid en liten økning, og hver person foretok i gjennomsnitt 3,56 reiser i Transportmiddelfordelingen har imidlertid endret seg noe i denne perioden. I perioden 1985 til 2005 økte antall reiser som bilfører fra 1,33 bilreiser pr dag i snitt til 1,73 bilreiser per dag i snitt. Denne økningen skjedde i to trinn: i) gjennomsnittlig antall bilreiser per dag økte fra 1,33 i 1985 til 1,65 i 1992 for deretter å holde seg nokså stabilt fram til 2001, ii) fra 2001 til 2005 økte gjennomsnittlig antall bilreiser fra 1,62 til 1,73. Den siste økningen sammenfalt med en generell økning i det totale reiseomfanget. Mens reiser som bilfører utgjorde 40 prosent av alle reiser i 1985, økte denne andelen til 49 prosent i Deretter har antall reiser som bilfører holdt seg relativt stabilt. På samme periode har det skjedd en reduksjon i gjennomsnittlig antall kollektivreiser per person. Mens hver person gjennomførte 0,47 kollektivreiser per dag i snitt i 1985, sank dette til 0,36 reiser per dag i snitt i Kollektivreiser utgjorde 14 prosent av alle reiser i 1985, og 10 prosent i

12 Analyser av reisevanedata for de største byområdene i Norge Når det gjelder gjennomsnittlig antall gangturer, skjedde det en nedgang fra 1985 til Hver person foretok i snitt 0,9 gangturer hver dag i 1985 og 0,71 gangturer i Mens gangturen utgjorde 27 prosent av alle reiser i 1985, utgjorde de 21 prosent i Fra 1998 til 2005 skjedde det en økning i antall gangturer. I 2005 foretok hver person 0,83 gangturer i snitt, og gangturer utgjorde 24 prosent av alle reiser. Antall sykkelreiser har holdt seg nokså stabilt hele perioden, og utgjør mellom 4 til 6 prosent av alle reiser. Antall reiser som bilpassasjer har også holdt seg relativt stabilt på rundt 11 prosent av alle reiser. Figur 3.1 viser utviklingen i antall reiser og i transportmiddelfordelingen i perioden. Utviklingen vises som en indeks, der alle indikatorene er satt til 100 i Vi ser blant annet at antall reiser som bilfører økte med 25 prosent fra 1985 til 1992, og holdt seg stabilt fram til Fra 2001 til 2005 økte antall bilreiser ytterligere, og i 2005 foretas det 30 prosent flere bilreiser i de 13 byområdene enn i Samtidig har det skjedd en tilsvarende nedgang i antall kollektivreiser og antall gangturer. Antall kollektiv- og gangturer sank med henholdsvis 15 og 20 prosent fra 1985 til Mens men antall gangturer har økt i perioden 1998 til 2005, og i 2005 bare ligger 8 prosent lavere enn i 1985, har antall kollektivreiser fortsatt å synke, og ligger i prosent lavere enn i Antall reiser per person per dag Antall reiser som bilfører Antall reiser med gange Aantall reiser med kollektivt Figur 3.1: Utvikling i gjennomsnittlig antall reiser per person per dag, totalt og med ulike transportmidler. Indeks Analyser av hvilke faktorer som kan ha bidratt til disse endringene i reisemiddelvalg er gjennomført i to steg: 1. Vi har gjennomført en etterspørselsanalyse basert på reisevanedata for å kartlegge hvilke faktorer som kan bidra til forklare den enkeltes bruk av ulike transportmidler. 2. På grunnlag av etterspørselsmodellen og endringer i de enkelte rammebetingelser har vi beregnet hvor mye hver enkelt av faktorene har påvirket reisemiddelfordelingen. 6

13 Analyser av reisevanedata for de største byområdene i Norge 4. Etterspørselsmodell for daglige reiser, tidsserieanalyse Vi skal i det følgende se på hvilke faktorer som kan forklare reisemengde med de ulike transportmidlene. Vi har benyttet en analysemodell hvor antall reiser per dag med de ulike transportmidlene er den avhengige variabelen i analysen. Vi benytter en enkel lineær regresjonsanalyse (OLS-regresjon) hvor antall reiser avhenger av: - Hvor langt de har reist i løpet av dagen, her operasjonalisert som gjennomsnittlig reiselengde per reise - Hvor mange reiser de har foretatt til ulike formål - Tilgang til transportmidler og transporttilbud, både kollektivsystemet og tilgang til bil - Kjennetegn ved trafikantene: kjønn og alder - Som korrigeringsfaktor er det lagt inn om man har foretatt reisen på en helgedag, eller i juli måned. - Endring av reisemønster over tid, ved et trendledd. Vi har valgt å benytte en felles modellstruktur for alle analysene, det vil si en enkel lineær regresjonsanalyse med de samme forklaringsfaktorene. Dette innebærer at analysene trolig kan forbedres for det enkelte transportmiddel, men dette vil gå på bekostning av sammenlignbarhet mellom de ulike modellanalysene. Parameterverdiene kan leses som endringer i antall reiser per dag for hver enkelt person, avhengig av hvilke faktorer som endres. Selv om denne analysen er gjennomført for de 13 største byområdene, er resultatene svært like resultatene fra en tilsvarende analyse for hele landet, gjennomført for perioden (Norheim og Stangeby 1999). Tabell 4.1: Resultater av etterspørselsanalysene tidsserie , antall reiser per dag med ulike transportmidler. Isolerte effekter av endringer i ulike rammebetingelser (ustandardiserte b-koeffisienter). 13 byområder samlet. Vektet etter år. Alder år. N=24485 Kilde: RVU Kollektivt Bilfører Bilpassasjer Gangturer Sykkelturer Adjustet R Square 0,25 0,60 0,12 0,27 0,09 Konstant 4,47-16,51-6,00 1,92-2,41 Gjennomsnittlig reiselengde per reise 0,001 0,001-0,001 0,000 Antall reiser til arbeid 0,10 0,59 0,06 0,14 0,06 Antall reiser til skole 0,20 0,18 0,37 0,18 Antall tjenestereiser 0,05 0,75 0,06 0,07 Antall handle- og servicereiser 0,03 0,53 0,08 0,29 0,04 Antall følge- og omsorgsreiser -0,01 0,90 0,01 0,09 Antall fritidsreiser 0,07 0,28 0,13 0,43 0,07 Antall besøksreiser 0,03 0,46 0,17 0,24 0,06 Antall reiser til andre formål 0,05 0,55 0,08 0,22 0,05 Svært god tilgang til kollektivtransport vs dårlig 0,13-0,25-0,08 0,19 0,02 God tilgang til kollektivtransport vs dårlig 0,04-0,08 0,04 Har sesongkort 0,87-0,36-0,05-0,19-0,21 Har førerkort for bil -0,21 0,99-0,30-0,34-0,11 Ingen biler i husholdningen 0,20-0,33-0,22 0,30 0,06 Antall biler i husholdningen -0,06 0,28-0,04-0,13-0,05 Kvinner 0,07-0,40 0,29 0,15-0,07 24 år og yngre vs år 0,03-0,28 0,17 0,14 67 år og eldre vs år 0,18-0,06-0,10 Juli -0,03 0,07-0,14 0,09 Lørdag -0,08 0,10-0,06-0,02 Søndag -0,18 0,05 0,08-0,02 Trendledd -0,002 0,008 0,003 0,001 Alle variablene er med i modell-kjøringen, men bare estimater som er statistisk signifikante på 5 % nivå eller mindre vises i tabellen. Estimater i parentes er signifikante på 10 % nivå. Fullstendige resultattabeller finnes i vedlegg 1. 7

14 Analyser av reisevanedata for de største byområdene i Norge Etterspørselsmodellen viser følgende resultater: Reiseformål Antall reiser man foretar til ulike formål legger føringer på hvilke transportmiddel man benytter. Men alle typer reiseformål reiser genererer flere bilreiser enn andre typer reiser, bortsett fra skolereiser og fritidsreiser, som genererer flest gangturer. Resultater fra etterspørselsmodellen viser for eksempel at: - Bilandelen er høyest på omsorgsreiser, tjenestereiser og arbeidsreiser. For eksempel genererer hver arbeidsreise genererer 0,59 reiser som bilfører, 0,12 gangturer, og 0,10 kollektivreiser. Det vil si at om det foretas 100 reiser, vil 59 av dem være en reise som bilfører og 10 av reisene vil være en kollektivreise, gitt at alt annet er likt. Hver følge- og omsorgsreise genererer 0,90 reiser som bilfører, og 0,09 gangturer, men nesten ingen kollektivreiser, sykkelturer eller reiser som bilpassasjer. - Gange er mest vanlig på fritidsreiser og på skolereiser: For eksempel genererer hver fritidsreise 0,43 gangturer. Og hver skolereise genererer 0,37 gangturer, men bare 0,18 bilreiser som sjåfør. - Kollektivandelen er høyere enn gjennomsnittet på skolereiser og arbeidsreiser. Hver skolereise genererer 0,20 og hver arbeidsreise genererer 0,10 kollektivreiser. Tilgang til kollektivtransport og sesongkort Jo bedre tilgang til kollektivtransport man har, jo flere kollektivreiser, og jo færre bilreiser foretar man. De med et godt kollektivtilbud i nærområdet foretar også flere gangreiser enn de som har et dårligere kollektivtilbud, noe man også har funnet i andre undersøkelser. Dette er ikke unaturlig: Dersom man for eksempel har benyttet kollektivtransport til og fra arbeid, og har et ærend på vei hjem, går man derifra og hjem. Dersom man reiser med bil, vil man gjerne benytte bil i hele reisekjeden. Resultater fra etterspørselsmodellen viser for eksempel at: - Tilgang til kollektivtransport spiller størst rolle for antall reiser som bilfører man foretar: De som har svært god tilgang til kollektivtransporten foretar 0,25 færre reiser som bilfører enn de som har dårlig tilgang, og de som har god tilgang foretar 0,08 færre reiser som bilfører enn de som har dårlig tilgang. - De med svært god tilgang til kollektivtransporten foretar 0,13 flere kollektivreiser enn de som har dårlig tilgang, og 0,19 flere gangturer. Om trafikantene har sesongkort til kollektivtransport eller ikke er ikke uavhengig av reisemiddelfordeling. Folk som reiser mye med kollektivtransport til for eksempel arbeid, vil velge å skaffe sesongkort nettopp fordi de reiser mye kollektivt, ikke omvendt. Samtidig vil mange med sesongkort oppleve at de har gratis kollektivtransport også på andre typer reiser. Om man har sesongkort er derfor en viktig forklaringsvariabel i analysen. Modellen viser at: - Det å inneha sesongkort for kollektivtransport har stor betydning for valg av transportmiddel: Personer med sesongkort foretar 0,87 flere kollektivreiser og 0,36 færre reiser som bilfører enn personer som ikke har sesongkort. Personer med sesongkort foretar også 0,19 færre gangturer og 0,05 færre sykkelturer. Sannsynligvis benytter personer med sesongkort i større grad kollektivtransport på korte reiser hvor andre går eller sykler. 8

15 Analyser av reisevanedata for de største byområdene i Norge Førerkort og tilgang til bil God biltilgang fører til flere bilreiser og reduserer antall ikke-motoriserte reiser. Resultater fra etterspørselsmodellen viser for eksempel at: - Personer med førerkort for bil foretar 0,99 flere reiser som bilfører, og 0,30 færre reiser som bilpassasjer enn de uten førerkort. Og de foretar 0,21 færre kollektivreiser, 0,19 færre gangturer og 0,11 færre sykkelturer enn de som har førerkort. - De som ikke har bil i husstanden foretar 0,20 flere kollektivreiser, 0,30 flere gangturer og 0,06 flere sykkelturer enn de som har bil i husstanden. Og de foretar 0,33 færre reiser som bilfører og 0,22 færre reiser som bilpassasjer enn de som har bil i husstanden. - Samtidig ser vi at jo flere biler man har, jo flere bilreiser foretar man, og jo færre kollektivreiser, og gang- og sykkelturer foretar man. Kjennetegn ved trafikantene Kjennetegn ved trafikantene har også en viss betydning for antall reiser som foretas med ulike transportmidler. Vi ser at: - Kvinner foretar 0,40 færre bilreiser som sjåfør enn menn, men tar dette igjen ved å foreta 0,29 flere bilreiser som passasjer. Kvinner foretar 0,07 flere kollektivreiser og 0,15 flere gangturer enn menn, men 0,07 færre sykkelturer. - Personer under 25 år foretar 0,28 færre bilreiser som sjåfør, og 0,17 flere bilreiser som passasjer enn de i alderen år. De foretar også 0,14 flere sykkelturer. Antall kollektivreiser og gangturer er nokså likt i de to aldersgruppene. De over 67 år foretar 0,18 flere bilreiser, 0,10 færre sykkelturer enn de i alderen år. Tidspunkt for når reisen blir foretatt Tidspunkt for når reisen foretas har også en viss betydning for antall reiser som foretas med de ulike transportmidlene: - I juli måned foretas det 0,07 flere bilreiser og 0,09 flere sykkelturer enn ellers i året, og 0,14 færre gangturer. - I helgedager foretas det færre kollektivreiser, og flere bilreiser enn i ukedagene. - I tillegg ser vi at generelle utviklingstrekk medfører noe færre kollektivreiser og en del flere bilreiser over tid. Modellen har en svært god forklaringskraft for antall bilreiser, med en føyning (adj. R 2 ) på 0,60. Dette vil si at modellen forklarer 60 prosent av variasjonen i antall bilreiser. Resten skyldes individuelle forskjeller og faktorer som ikke er med i analysene. Modellen har også ganske god forklaringskraft når det gjelder antall kollektiv- og gangturer. For kollektivreiser har modellen en forklaringskraft på 25 prosent, og for gangturer har den en forklaringskraft på 27 prosent. Modellen er dårligst egnet til å beskrive variasjoner i antall sykkelturer (føyning på 0,09) og reiser som bilpassasjer (føyning på 0,12). 9

16 Analyser av reisevanedata for de største byområdene i Norge 4.1 Prognoser basert på modellen For å undersøke hvor godt modellen fanger opp variasjon i reisemønsteret over tid, har vi har laget prognoser for hvor stor prosentandel av reisene som skjer med ulike transportmidler, basert på etterspørselsmodellen, og sammenlignet dette med den faktiske fordelingen. Som det fremgår av Tabell 4.2 har modellen i stor grad fanget opp reisemønsteret i denne tidsperioden. Det viktigste avviket er at modellen ikke klarer å predikere økningen i antall bilreiser og reduksjonen i antall kollektivreiser som skjedde fra 2001 til Ifølge etterspørselsmodellen gikk antall bilreiser noe ned og antall kollektivreiser noe opp i Tabell 4.2: Faktisk og predikert andel reiser med ulike transportmidler. Basert på etterspørselsmodellen Faktisk kollektivandel 14 % 12 % 12 % 12 % 10 % Predikert kollektivandel 15 % 11 % 11 % 11 % 11 % Faktisk andel bil som fører 40 % 49 % 50 % 49 % 49 % Predikert andel bil som fører 41 % 49 % 49 % 51 % 49 % Faktisk andel bil som passasjer 12 % 11 % 11 % 11 % 11 % Predikert andel bil som passasjer 12 % 11 % 11 % 11 % 11 % Faktisk andel gange 27 % 21 % 21 % 23 % 23 % Predikert andel gange 26 % 23 % 22 % 22 % 23 % Faktisk andel sykkel 5 % 6 % 6 % 4 % 5 % Predikert andel sykkel 6 % 5 % 6 % 5 % 5 % N

17 Analyser av reisevanedata for de største byområdene i Norge 5. Drivkrefter bak transportmiddelutviklingen I dette kapittelet vil vi gå nærmere inn på noen av de faktorene som har hatt betydning for å forklare transportmiddelutviklingen de siste årene. Vi vil se på: - Førerkort og tilgang til bil - Kollektivtilbudet - Reisemønster - Underliggende trend 5.1 Førerkort og tilgang til bil Førerkort og tilgang til bil er en forutsetning for å kunne kjøre bil. På og 90-tallen fikk vi en sterk økning i andelen personer med førerkort. 73 prosent av personene i alderen år i de 13 byområdene hadde førerkort i 1985, en andel som økte til 83 prosent i 1992 og til 88 prosent i Deretter har førerkortandelen holdt seg stabil. Vi finner et tilsvarende utviklingsmønster for hele landet (Norheim og Stangeby 1999). I overkant av 80 prosent av befolkningen i de 13 byområdene bor i en husstand med en eller flere biler. Denne andelen har holdt seg relativ stabil i perioden Vi observerer imidlertid en liten økning fra 1985 til 1992, og deretter en nedgang. I 2005 bor 83 prosent av befolkningen i disse byområdene i en husstand med bil. Dette er noe lavere enn for landet for øvrig, hvor 94 prosent av befolkningen bor i en husstand med bil Prosentandel med førerkort Prosentandel med bil i husstanden Figur 5.1: Andel personer med førerkort og bil i husstanden år. Prosent. Isolert effekt av førerkortinnehav Som det fremgår av Tabell 4.1, foretar personer med førerkort foretar bilreiser enn de som ikke har førerkort, isolert sett. Personer med førerkort for bil foretar 0,99 flere reiser som bilfører. Dette er den forklaringsfaktoren som slår sterkest ut på antall bilreiser. Det å ha førerkort fører også til færre kollektivreiser, og færre gang- og sykkelturer. Personer med førerkort foretar 0,21 færre kollektivreiser, 0,19 færre gangturer og 0,11 færre sykkelturer enn personer som ikke har førerkort. På grunnlag av sammenhengen mellom førerkort og transportmiddelbruk har vi laget prognoser for hvor mye økningen i førerkortandelen i perioden har bidratt til å forklare endringene for hver av transportformene. 11

18 Analyser av reisevanedata for de største byområdene i Norge Som tidligere nevnt har antall bilreiser økt med 30 prosent i perioden 1985 til 2005, samtidig som andelen med førerkort har økt fra 73 prosent til 87 prosent. Analysene viser at økningen i andelen personer med førerkort har medført 10 prosent økning i antall bilreiser i løpet av denne perioden, det vil si om lag en tredjedel av den totale økningen. Som det fremgår av figuren er det i hovedsak i fra 1985 til 1992 at endring i førerkortandelen har bidratt til økende antall bilreiser. Det er også i denne perioden vi ser den største økningen i andel med førerkort, mens tendensen har flatet ut siden Det at flere har fått førerkort medfører isolert sett ca 6 prosent reduksjon i kollektivreiser og i gangturer i perioden. Også her skjedde den største reduksjonen fra 1985 til 1992, og tendensen flater ut etter % 10 % 8 % 6 % 4 % 2 % 0 % -2 % -4 % -6 % -8 % -10 % -12 % Kollektivreiser Bilfører Gangturer Figur 5.2: Isolerte effekter av økt førerkortandel på transportmiddelbruk i de 13 byområdene. Modellanalyse. Isolert effekt av biltilgang Personer uten tilgang til bil reiser noe mer kollektivt enn personer uten tilgang til bil, og de foretar også flere gang- og sykkelturer, jf kapittel 4. Samtidig ser vi at jo flere biler man har, jo flere bilreiser foretar man, og jo færre kollektivreiser, og gang- og sykkelturer foretar man. Når det gjelder utviklingen av bilhold, er ikke denne økende i samme grad som førerkortinnehav, jf.figur 5.1. Tilgang til bil forklarer derfor en liten del av endringen i transportmiddelbruken i denne perioden. Fra 1985 til 2005 forklarer endring i biltilgang en økning i antall bilreiser på 1,5 prosent, og en reduksjon av antall kollektivreiser og gangturer på 1 prosent. Et unntak fra dette er 1992, hvor modellen estimerer at endringen i biltilgang kan forklare en 6 prosent økning i antall bilreiser, og en tilsvarende 6 prosents reduksjon i antall kollektivreiser og gangturer. Dette skyldes at biltilgangen økte fra 83 prosent i 1985 til 87 prosent i 1992, en økning som sannsynligvis skyldes egenskaper ved datasettet heller enn en reell utvikling. 12

19 Analyser av reisevanedata for de største byområdene i Norge 8 % 6 % 4 % 2 % 0 % -2 % Kollektivreiser Bilfører Gangturer -4 % -6 % -8 % Figur 5.3: Isolerte effekter av endret tilgang til bil på transportmiddelbruk i de 13 byområdene. Modellanalyse Analysene tyder dermed på at det ikke er tilgang til bil, men først og fremst mangel på førerkort som har begrenset bilbruken i denne perioden. Fra 2005 kan det se ut til at vi har nådd et tak både når det gjelder tilgang til bil i husholdningen og antall personer med førerkort, noe som kan bidra til å bremse økningen i antall bilreiser framover. 5.2 Kollektivtilbudet Egenskaper ved kollektivtilbudet, slik som avstanden til nærmeste kollektivholdeplass og avgangsfrekvens fra holdeplassen, sier noe om hvor lett tilgjengelig kollektivtilbudet er, og vil dermed legge føringer på antall reiser som foretas med de ulike transportmidlene. Siden vi benytter de nasjonale reisevaneundersøkelsene som data-kilde i disse analysene, er vi bundet til den informasjonen som foreligger der. RVU gir bare en grov fremstilling av egenskaper ved kollektivsystemet. Det stilles spørsmål om hvor langt er det fra boligen til stoppestedet for det kollektive transportmidlet som man vanligvis bruker, eller som det kan være mest aktuelt å bruke, og hvor ofte det går kollektivtransport fra dette stoppestedet på hverdager mellom klokka 9 og klokka 15. Indeks for tilgang til kollektivtransport I mangel av mer detaljert informasjon om kollektivtilbudet, har vi valgt å konstruere en indeks for hvor god tilgang til kollektivtransport befolkningen har, basert på disse spørsmålene. Indeksen er konstruert på følgende måte, jf Tabell I dokumentasjonsrapportene til RVU-undersøkelsene (se blant annet Denstadli mfl 2006) er det laget en tilsvarende indeks. Fordi vi ser på byområder, som har et bedre utbygd kollektivsystem enn landet som helhet, har vi imidlertid valgt en noe annen måte å gruppere indeksen på. Blant annet har vi satt en grense på 500 meter til aktuell holdeplass som kriterium for å ha svært god kollektivdekning, mens den opprinnelige indeksen setter en grense på 1000 meter. 13

20 Analyser av reisevanedata for de største byområdene i Norge Tabell 5.1: Indeks for tilgang til kollektivtransport Avstand til holdeplass Minst 4 ganger i timen Frekvens mellom kl og ganger i timen 1 gang i timen Under 500 meter Svært god God Dårlig Dårlig Mellom 0,5 og 0,9 km God God Dårlig Dårlig Mellom 1 og 1,5 km Dårlig Dårlig Dårlig Dårlig Over 1,5 km Dårlig Dårlig Dårlig Dårlig Annen hver time eller sjeldnere Figur 5.4 viser utviklingen i tilgang til kollektivtransport i perioden 1985 til I 1985 var det 24 prosent som bodde i et område med det vi har definert som dårlig tilgang til kollektivtransporten, mens 40 prosent hadde svært god tilgang. I 1992 sank andelen med svært god tilgang til kollektivtransport til 30 prosent, samtidig som andelen med dårlig tilbud økte til 36 prosent. Omtrent denne fordelingen var det også i I 2001 økte andelen med svært god tilgang til kollektivtransporten til 37 prosent, og andelen med dårlig tilgang sank til 28 prosent. Andelen med svært god tilgang økte ytterligere i 2005, da på bekostning av andel med god tilgang. Ut fra det utviklingstrekket som er beskrevet, kan det tyde på at det er uforholdsmessig mange med svært god tilgang til kollektivtransport i Svært god God Dårlig Figur 5.4: Utvikling av tilgang til kollektivtransport (indeks) i perioden Isolert effekt av tilgang til kollektivtransport Resultatene fra etterspørselsmodellen viser at jo bedre tilgang til kollektivtransport man har, jo flere kollektivreiser foretar man, og jo færre bilreiser. De med et svært godt kollektivtilbud foretar også flere gangreiser enn de som har et dårligere kollektivtilbud. Som det fremgår av våre modellberegninger, har redusert tilgang til kollektivtransport fra 1985 til 1992 ført til litt over 2 prosent økning i antall bilreiser. Samtidig har det ført til reduksjon i antall gangturer på 2,4 prosent og en reduksjon i antall kollektivreiser på 3 prosent. Men som vi har påpekt, er det mye som kan tyde på at tilgang til kollektivtransport var kunstig høy i 1985, slik at utviklingen fra 1985 til 1992 er et utslag av dette, og ikke speiler en reell utvikling i reisemønsteret. Fra 1992 ser vi at økt tilgang til kollektivtransport fører til en reduksjon i antall bilreiser og en økning i antall kollektivreiser og gangturer fra 1992 til

21 Analyser av reisevanedata for de største byområdene i Norge 4 % 2 % 0 % Kollektivreiser Bilfører Gangturer -2 % -4 % Figur 5.5: Isolerte effekter av endret tilgang til kollektivtransport på transportmiddelbruk i de 13 byområdene. Modellanalyse 5.3 Endret reisemønster Ulike transportmidler har ulike fortrinn, avhengig av hvilke reiser som skal foretas, hva formålet med reisene er, hvor langt man skal reise osv. Hvilket transportmiddel som er mest hensiktsmessig kan derfor variere fra reise til reise. Dette betyr at en vridning i reiseaktiviteten også kan påvirke transportmiddelbruken både på kort og lang sikt. Samtidig er dette et område hvor transportmiddelbruken i seg selv kan være en drivkraft når det gjelder utvikling av nye reisemønstre og formål, for eksempel ved at økt tilgang til bil påvirker utviklingen av mer bilbaserte reiseaktiviteter. Dette er dynamikker som ikke fanges opp av de analysene vi her har foretatt. Utviklingen i reiser til ulike formål Tabell 5.2 viser utviklingen i antall reiser til ulike formål. Vi ser at det er noe færre arbeidsreiser i 2005 enn i de foregående årene. Mens hver person foretok 0,79 arbeidsreiser i snitt i 1985, foretok hver person 0,67 arbeidsreiser i snitt i Videre ser vi en reduksjon også i antall tjenestereiser. Hver person foretok 0,22 tjenestereiser i snitt i 1985, og 0,08 tjenestereiser i Om dette skyldes en utvikling eller forhold ved datasettet er uvisst. Tabell 5.2: Gjennomsnittlig antall reiser til ulike reiseformål i perioden Reiseformål Antall reiser til arbeid 0,79 0,80 0,84 0,72 0,67 Antall reiser til skole 0,06 0,05 0,05 0,06 0,06 Antall tjenestereiser 0,22 0,15 0,13 0,12 0,08 Antall handle- og servicereiser 0,78 0,88 0,79 0,83 0,94 Antall følge- og omsorgsreiser 0,21 0,32 0,33 0,42 0,36 Antall fritidsreiser 0,51 0,54 0,51 0,52 0,53 Antall besøksreiser 0,44 0,38 0,37 0,34 0,34 Antall reiser til andre formål 0,18 0,20 0,31 0,09 0,21 15

22 Analyser av reisevanedata for de største byområdene i Norge Samtidig har det skjedd en økning i antall handlereiser. Hver person foretok 0,78 handle- og servicereiser i snitt i 1985, og 0,94 handlereise i Det har også skjedd en økning i antall følgeog omsorgsreiser. I samme periode har antall besøksreiser gått ned, fra 0,44 i snitt i 1985 til 0,34 i snitt i Antall skolereiser og antall fritidsreiser har holdt seg nokså stabilt i perioden. Isolert effekt av reiseformål Resultater fra etterspørselsmodellen viser at alle typer reiseformål reiser genererer flere bilreiser enn reiser med andre transportmidler, bortsett fra skolereiser og fritidsreiser, som genererer flest gangturer. Bilandelen er høyest på omsorgsreiser, tjenestereiser og arbeidsreiser, og kollektivandelen er høyere enn gjennomsnittet på skolereiser og arbeidsreiser. Vi har laget prognoser for hvordan endring i reiseaktivitet til ulike formål har påvirket transportmiddelfordelingen i perioden 1985 til Som det fremgår av Figur 5.6 har endringer i reiseformål forårsaket nedgang i antall kollektivreiser i perioden 1985 til Mest markant er nedgangen fra 1998 til Fra 2001 til 2005 er det så godt som ingen endring. Endringer i reiseformål har ført til en vekst i biltrafikken i samme periode, og har forårsaket 5 prosent økning i antall bilreiser fra 1985 til Fra 2001 til 2005 forårsaket endring i reiseformål en liten reduksjon i antall bilreiser. Når det gjelder gangturer, ser vi at endringer i reiseformål har medført en økning i antall gangturer på to prosent fra 1985 til Deretter er utviklingen negativ fram til 2001, hvor det igjen skjer en økning. 6 % 4 % 2 % 0 % -2 % Kollektivreiser Bilfører Gangturer -4 % -6 % Figur 5.6: Isolerte effekter av endret reisemønster på transportmiddelbruk i de 13 byområdene. Modellanalyse 16

23 Analyser av reisevanedata for de største byområdene i Norge 5.4 Utviklingstrend Våre modellanalyser gir mulighet til å undersøke om det har vært noen underliggende trend i transportutviklingen utover det som kan forklares ved endringer i rammebetingelser som biltilgang, førerkortinnehav, reiseaktivitet osv. En slik underliggende trend kan forklares ved forhold som ikke reisevanedata gir svar på. Dette er både forhold som disse undersøkelsene ikke fanger opp eller andre forhold som vi per i dag ikke kjenner til. Det betyr at et stort trendledd også indikerer om store og viktige faktorer er utelatt fra denne analysen. Dette kan for eksempel være: Kvalitetsforbedringer ved de ulike transportmidlene: for eksempel endringer i bilen som gjør at kjørekomforten har økt betraktelig. Endret aktivitetsmønster, som for eksempel en økning i større handlesentra utenfor bykjernen, og at en rekke fritidsaktiviteter i større grad er avhengig av henting/bringing med bil. Endrede priser på transportmidlene Endrede holdninger og kunnskap om de ulike transportmidlene Våre analyser viser at den underliggende trendutviklingen kan forklare 12 prosent av økningen i antall bilreiser etter Dette er noe mer enn det som skyldes økt førerkortandel. Økningen har vært relativt jevn i hele perioden. Det vil si at også andre faktorer enn de vi har fanget opp i vår modell har bidratt til å øke antall bilreiser i perioden Trendutviklingen viser en reduksjon i antall kollektivreiser på 8 prosent fra 1985 til Dette er mer en det som skyldes endring i de rammebetingelsene som er beskrevet. Vår modell har altså ikke fanget opp alle elementer som har bidratt til å redusere antall kollektivreiser i perioden, og reduksjonen i antall kollektivreiser i denne perioden skyldes først og fremst andre forhold enn de vi har fanget opp i modellen. Når det gjelder gangturer viser trendutviklingen bare en liten nedgang i antall gangreiser. Modellen fanger altså opp mesteparten av de endringene som har skjedd i antall gangturer i perioden 1985 til % 10 % 5 % 0 % Kollektivreiser Bilfører Gangturer -5 % -10 % Figur 5.7: Isolerte effekter av utviklingstrenden på transportmiddelbruk i de 13 byområdene. Modellanalyse 17

24 Analyser av reisevanedata for de største byområdene i Norge 5.5 Rammebetingelsenes betydning for CO 2 -utslipp På bakgrunn av etterspørselsmodellen har vi beregnet hvor mye CO 2 -utslipp som følger av de daglige reisene i de 13 byområdene. For å beregne klimagassutslipp har vi tatt utgangspunkt i SFTs anslag på utslipp av klimagasser fra buss og personbil som ble utarbeidet i forbindelse med prosjektet Klimakur 2020, hvor en buss slipper ut 0,732 kg CO 2 -ekvivalenter per busskm, og en personbil slipper ut 0,169 kg CO 2 -ekvivalenter per bilkm (Norheim og Kjørstad 2009: tabell V.0.2). Ifølge passasjertall fra kollektivselskapene er det gjennomsnittlige belegget i de 13 byområdene på 11,8, noe som betyr et utslipp på 0,062 per passasjerkm. Ifølge analysene tidligere i dette dokumentet har den sterkeste drivkraften i den utviklingen av reisemønsteret vi har sett i perioden vært endring i rammebetingelser for bil. Vi har derfor beregnet hva økt førerkortandel og økt tilgang til bil har betydd for CO 2 -utslipp i denne perioden. Våre beregninger viser at hver person slipper ut om lag 0,5 kg mer CO 2 per dag i 2005 enn i 1985 som følge av endret reisemønster, fra 2,28 kg per person per dag i 1985 til 2,74 kg per person per dag i Dette innebærer en økning på 21 prosent. Dersom den skisserte økningen i førerkort- og biltilgang ikke hadde funnet sted, ville hver person ha sluppet ut 0,2 kg mindre CO 2 per dag enn det som er tilfelle i dag, dvs. at økning ville ha vært på 12 prosent. Isolert sett har dermed endringer i rammebetingelser for bil fra 1985 til 2005 ført til at hver person slipper ut 9 prosent mer CO 2 per dag i 2005 enn det de gjorde i 1985, som følge av sine daglige reiser. Det vil si at økt førerkort- og biltilgang alene har forårsaket ca 40 prosent av den økningen i CO 2 -utslipp som har funnet sted i perioden. 2,8 2,7 2, % + 9 % Kg CO2 2,5 2, % 2,3 2, Dagens situasjon Hvis biltilgang lik 1985 nivå Figur 5.8: Gjennomsnittlig CO 2-utslipp per person per dag (kg) i 1985 og 2005, gitt dagens situasjon, og dersom biltilgang hadde vært lik som i

25 Analyser av reisevanedata for de største byområdene i Norge DEL 2 TVERRSNITTSANALYSER AV REISEVANEDATA FOR 2005 For å kunne gjøre mer detaljerte analyser av de 13 byområdene, har vi gjort en tilsvarende etterspørselsanalyse som i kapittel 4 på tverrsnittsdata for I denne delen av rapporten har vi sett på forskjeller og likheter mellom de 13 byområdene når det gjelder - reiseomfang og transportmiddelfordeling (kapittel 6) - rammebetingelser for transportmiddelbruk (kapittel 7). For at rapporten i størst mulig grad kan fungere som en dokumentasjon på transportmiddelfordeling og fordeling i rammebetingelser mellom de 13 byområdene, har vi valgt å være relativt detaljerte i våre beskrivelser. I kapittel 8 gjennomgår vi resultatene fra etterspørselsmodellen. På bakgrunn av denne modellen har vi beregnet prognoser for de 13 byområdene. Vi vil også illustrere hvordan modellen kan benyttes til å beregne CO2-utslipp som følge av de daglige reisene, og hvordan etterspørselsmodellen kan benyttes til å predikere endring i antall reiser, og dermed i CO2-utslipp, når rammebetingelsene rundt reisen endres (kapittel 9). Til slutt har vi laget en etterspørselsmodell også for arbeidsreisen, hvor vi i stede for å bruke en lineær regresjonsmodell har sett på sannsynligheten for å velge de ulike transportmidlene på arbeidsreisen gjennom en binær logistisk regresjonsanalyse (kapittel 10). 19

26 Analyser av reisevanedata for de største byområdene i Norge 20

27 Analyser av reisevanedata for de største byområdene i Norge 6. Reiseomfang og transportmiddelfordeling i 13 byområder I dette kapittelet oppsummerer vi reisemønsteret i de 13 byområdene, både når det gjelder antall reiser, transportmiddelfordeling og reiselengde med de ulike transportmidlene. Analysene inkluderer kun daglige reiser som er kortere enn 100 kilometer. Aller først beskriver vi utviklingstrekk fra 1985 til Deretter beskriver vi reisemønsteret for 2005 mer i detalj. 6.1 Antall reiser og transportmiddelfordeling Tabell 6.1 på side 24 viser en oversikt over antall reiser totalt og fordelt etter transportmiddel. I snitt foretar hver person over 13 år i disse 13 byområdene 3,43 reiser per dag. Antall reiser som foretas i de 13 byområdene er noe forskjellig. Beboere i Tromsø og Ålesund foretar flest reiser i gjennomsnitt, henholdsvis 3,77 reiser i snitt og 3,73 reiser i snitt. Mens beboere i Drammen og omegn, Nedre Glommen og Oslo og omegn foretar færrest reiser i snitt, med henholdsvis 3,28 reiser, 3,32 reiser og 3,33 reiser i snitt per innbygger. For de fem største byområdene er det slik at det foretas færre reiser dess større byområdet er: I Oslo og omegn foretas det 3,33 reiser i snitt per person, mens det i Tromsø foretas 3,77 reiser i snitt per person. Totalt sett foretas det flere reiser i selve byen enn i omegnskommunene. For eksempel foretar beboere i Bergen by 3,48 reiser i snitt per dag, mens beboere i omegnskommunene foretar 3,20 reiser i snitt per dag. Unntaket er Stavanger, hvor det er noe flere reise i omegnskommunene (3,62 i Stavanger by mot 3,77 reiser i omegnskommunene). For alle 13 byområdene sett under ett er 48 prosent av reisene bilreiser, 11 prosent er reiser som bilpassasjer, 10 prosent er kollektivreiser, 24 prosent er gangturer, 5 prosent er sykkelturer og 2 prosent er reiser med andre typer transportmidler (som for eksempel drosje eller moped) (Figur 6.1) Bil som fører Bilpassasjer Kollektivt Gange Sykkel Annet Figur 6.1: Transportmiddelfordeling på daglige reiser under 100 km. 13 byområder samlet. N=8321. Kilde: RVU2005 Transportmiddelfordelingen i de ulike byområdene er også noe forskjellig. Oslo og omegn har høyest kollektivandel (Figur 6.2): 16 prosent av alle daglige reiser i Oslo og omegn er kollektivreiser. Deretter kommer Trondheim og omegn, med en kollektivandel på 10 prosent, og Tromsø, som har en kollektivandel på 9 prosent. Bodø, Grenland og Nedre Glommen har lavest kollektivandel, med 3 prosent. Prosentandelen bilreiser varierer fra 61 prosent i Ålesund og omegn til 41 prosent i Oslo og omegn (Figur 6.2). Det er også noe variasjon mellom de 13 byområdene når det gjelder andre typer transportmidler (jf Tabell 6.1). 21

28 Analyser av reisevanedata for de største byområdene i Norge Prosentandel av daglige reiser - kollektivt 0 % 2 % 4 % 6 % 8 % 10 % 12 % 14 % 16 % 18 % 20 % Oslo og omegn Bergen og omegn Trondheim og omegn Stavanger og omegn Tromsø Kristiansand og omegn Nedre Glommen Drammen og omegn Tønsberg og omegn Grenland Arendal og omegn Ålesund og omegn Bodø Total 3 % 3 % 4 % 3 % 7 % 6 % 7 % 6 % 6 % 8 % 9 % 10 % 10 % 16 % Prosentandel av daglige reiser - som bilfører 0 % 10 % 20 % 30 % 40 % 50 % 60 % Oslo og omegn Bergen og omegn Trondheim og omegn Stavanger og omegn Tromsø Kristiansand og omegn Nedre Glommen Drammen og omegn Tønsberg og omegn Grenland Arendal og omegn Ålesund og omegn Bodø Total 41 % 47 % 44 % 47 % 48 % 55 % 52 % 55 % 57 % 56 % 59 % 60 % 61 % 54 % Figur 6.2: Prosentandel av alle daglige reiser som er henholdsvis kollektivreiser og reiser som bilfører (<100 km). Kilde: RVU2005. Det er store forskjeller i transportmiddelvalg mellom beboere i selve byen og beboere i omegnskommunene. Det foretas færre bilreiser, både som sjåfør og passasjer, men vesentlig flere kollektivreiser, i byområdene enn i omegnskommunene. Forskjellen mellom by og omegn er størst for de største byområdene. Figur 6.3 viser henholdsvis andel kollektiv-, bil- og gang-reiser fordelt etter by og omegn for de seks største byområdene. 4 Den høyeste kollektivandelen finner vi i Oslo by. Her utgjør kollektivreisene 20 prosent av alle reiser, mens i Oslos omegn utgjør kollektivreisene 9 prosent. I Trondheim by utgjør kollektivreiser 7 prosent av alle reiser, mens kollektivreiser kun utgjør 2 prosent av alle reiser i omegnskommunene. Bilreisene utgjør godt over halvparten av alle reiser i omegnskommunene, men utgjør bare 1/3 av reisene i Oslo by og 40 prosent i Trondheim. Det foretas også flere gangreiser i byene enn i omegnskommunene. For eksempel utgjør gangturer 30 prosent av alle reiser i både Oslo, Bergen og Trondheim, men under 20 prosent i omegnskommunene. 4 I analysene har ikke Tromsø noe omegn, og den er derfor utelatt her. 22