• Ingen resultater fundet

MOBILITETSINDEKS FOR DANMARK

N/A
N/A
Info
Hent
Protected

Academic year: 2022

Del "MOBILITETSINDEKS FOR DANMARK"

Copied!
22
0
0

Indlæser.... (se fuldtekst nu)

Hele teksten

(1)

MOBILITETSINDEKS FOR DANMARK

___

Udarbejdet for DI, 27. august

(2)

Struktur

Hvad er mobilitet, og hvordan kan den måles?

Datagrundlag for mobilitetsindekset Sådan beregnes mobilitetsindekset

Datagrundlaget skaber mulighed for supplerende analyser

INTRODUKTION

Vejnettet

Kollektiv transport

1 2 3 4

(3)

3

HVAD ER MOBILITET, OG HVORDAN

KAN DEN MÅLES?

___

1

(4)

Hvad er mobilitet, og hvordan kan den måles?

Definition

(abstrakte begreber)

Mobilitet er et udtryk for, hvor hurtigt man ved brug af transportsystemet kan flytte sig geografisk sikkert, komfortabelt og overkommeligt.

Nøgleordet er her geografi.

Tilgængelighed er et udtryk for, hvor hurtigt man ved brug af transportsystemet har adgang til at udføre forskellige typer af aktiviteter.

Nøglen er her koblingen af geografi og aktiviteter.

Fremkommelighed er et udtryk for det serviceniveau, som borgeren oplever, at transportsystemet yder i forhold til det faktiske rejsemønster.

Nøglen er her koblingen af faktiske rejser og rejsetid/-hastighed.

Mål (indikator)

Landareal, der kan nås inden for en given rejsetid fra en given lokalitet på et givent tidspunkt med en given

transportform.

Som mobilitet, dog vægtes landarealet med mangfoldigheden af de

muligheder, der er i hver zone.

Gennemsnitlige rejsetid eller

rejsehastighed for eksisterende rejser til og fra geografiske områder.

M ob ilit et Tilg æ ng elig he d Fr emk omme lig he d

(5)

5

DATAGRUNDLAG FOR MOBILITETSINDEKSET

___

2

(6)

Zonesystem Transportvane-

undersøgelsen (TU)

Google Maps

RejserRejsetider

Datakilder

MOBILITETSINDEKSET BASERES PÅ TRE

DATAKILDER

(7)

7

Rejser. Transportvaneundersøgelsen

• Spørgeskemaundersøgelse (Transport DTU).

• 152.000 interviews (fra 2006 til 2017).

• 450.000 ture.

• Det mest omfangsrige indblik i danskernes rejsevaner.

• Individerne vægtes, så de samlet set udgør

et repræsentativt udsnit af den danske

befolkning.

(8)

Zonesystem. Geografisk identifikation

Landstrafikmodellens zonesystem

• Diskretionshensyn: Ingen adresser, kun zoner

• Vi opgør rejsetiderne mellem disse zoner.

• Zonesystemet består 3.670 zoner på niveau 3.

• Interne ture indgår ikke i indekset:

Gennemsnitlig rejselængde: 1,6 km/8 minutter).

http://www.arcgis.com/home/webmap/viewer.html?webmap=faea9a80fa47471e97d7d7782de4aea6

(9)

9

Rejsetider. Google Maps

1https://googleblog.blogspot.com/2009/08/bright-side-of-sitting-in-traffic.html

2https://www.statista.com/statistics/865413/most-popular-us-mapping-apps-ranked-by-audience/

3http://info.rejseplanen.dk/index.php?pageid=406

(10)

Rejsetider i Google Maps og Transportvaneundersøgelsen

1Vi har testet de angivne rejsetider i TU op imod alle de opslåede rejsetider i Google Maps ved hjælp af en tosidet t-test. På et 5% signifikansniveau finder vi, at der ikke er nogen signifikant forskel på de to datasæt.

Svært at lave direkte sammenligning

Afstand/km Tid/min Km/t

Google-data 33,9 29,2 50,9

TU-data 33,0 29,5 50,9

Afvigelse 2,7% -1,2% 0,0%

(11)

11

Rejser. Transportvaneundersøgelsen – illustration af detaljereringsniveau

Figur 1. 64 Zoner i Kolding Kommune Figur 2. 8.500 Ture til/fra Kolding Kommune

(12)

SÅDAN BEREGNES MOBILITETSINDEKSET

___

3

(13)

13

Rejsetiden med bil og kollektiv trafik estimeres via Google Maps

Beregning af mobilitetsindekset

Mobilitetsindeks De sammenvægtede rejsetider

resulterer i indekset for et givet år Indeks 2020 Rejser udvælges fra TU og matches

på LTM-zoner (Landstrafikmodellen)

Rejsetiderne for kollektiv transport og bil vægtes sammen

Set over flere år kan indeksene vægtes sammen til det samlede mobilitetsindeks

Indeks 2019

1

5 4 3 2

(14)

Indekset kan bruges på flere niveauer – regionale indeks

80 85 90 95 100 105

2018 2019 2020 2021 2022 2023 2024

In d ek s (2018=100)

Nordjylland Midtjylland Syddanmark Sjælland Hovedstadsområdet Samlet

Illustrativ

(15)

15

DATAGRUNDLAGET SKABER MULIGHED FOR SUPPLERENDE ANALYSER

___

4

(16)

MANGE

MULIGHEDER

Eksempler på muligheder

Turformål

Hvordan udvikler mobiliteten sig for pendlere?

Regionale analyser

Hvordan ser mobiliteten ud i Region Sjælland?

Kvaliteten af betjeningen

Hænger den kollektive transport sammen?

Er den kollektive transport et alternativ?

1

2

3

(17)

17

Eksempel på analyse:

Er den kollektive transport et alternativ til bilen?

3x

For de rejser, som kan gennemføres, bliver den gennemsnitlige rejsetid mere

end tredoblet.

6%

af alle rejser kan ikke gennemføres med

kollektiv transport.

(18)

Eksempel: Er den kollektive transport et alternativ til bilen?

(fortsat)

0 1 2 3 4 5

Sam le t By La nd Ko rt re js e La ng r ej se H oved st ad en M id tj ylla nd No rd jy lla nd Sj æ lla nd Sy dd an m ar k Af te n/ na t Da g M yld re ti d

Re jse ti dsf ak to r

6 2 13 4 9 1 12 10 8 7 8 6 6

Andel rejser, som ikke kan gennemføres, % Gennemsnitlig rejsetidsfaktor

(eksempel: Rejsetidsfaktor = 2: Fordobling af rejsetiden)

De orange linjer angiver spændet for de midterste 50% af rejserne

(19)

19

?

(20)

BILAG A.

SAMMENLIGNING AF DATA FRA GOOGLE OG TU

___

5

Udkast

(21)

21

Rejsetiden

Rejsetiden i de to datasæt er forskellige til en vis grad. Vi finder, at forskellen i rejsetid kan forklares af især to faktorer:

overvurdering af ventetid og afrunding af tiden til nærmeste hele 5 minutter i Transportvaneundersøgelsen (TU).

For at tage højde for afrundingen har vi vha. en algoritme afrundet begge datasæt på en konsistent måde. Dermed kan vi sammenligne de to datasæt, når de begge er afrundede til nærmeste 5-minutters interval. Vi kan herefter teste forskellen på de to datasæt vha. en regressionsanalyse. Vi har udført en lineær regressionsanalyse med et kvadratisk led på sammenhængen mellem to datasæt. Regressionen og plottet af de to datasæt (før transformationen med algoritmen) er vist nedenfor.

Vi finder, at der er en stærk sammenhæng mellem rejsetiderne i TU og Google Maps, når vi tager højde for både afrundingen og

centroideeffekten. Det er dog svært at kontrollere for effekten af overvurderingen af forsinkelser. Dette og fortolkningen af

regressionsresultaterne generelt uddyber vi på næste slide.

Rejsetiderne i TU og Google Maps er ikke lige så ens som rejseafstandene. På histogrammet på side 3 fremgår det dog tydeligt, at de angivne rejsetider i TU formentlig ikke afspejler virkeligheden, og at de også afviger en del fra Google Maps’

rejsetider. Det er der især tre årsager til:

⦁ Afrunding: Interviewrespondenterne runder systematisk deres svar af, og jo længere rejsen bliver, jo større bliver denne afrunding. Vi finder, at for rejser under 70 minutter rundes der af til nærmeste 5-minutters interval, og for rejser over 70 minutter sker afrundingen i højere grad til nærmeste 10- minutters interval.

⦁ Centroideeffekten: Rejser med kort afstand dominerer i TU- data, og disse vil systematisk blive overvurderet i Google Maps-datasættet, fordi vi altid slår op fra zonecentrum på Google.

⦁ Interviewrespondenterne overvurderer formentlig forsinkelser.

I TU’s datasæt er der også inkluderet rejser, der er blevet forsinket (fx som følge af uheld), og som derfor har en meget lang rejsetid. Fra forskningen ved vi, at mennesker generelt overvurderer denne type forsinkelser. Det afspejles også i samfundsøkonomiske beregninger, hvor forsinkelsestid er mere kostbar end almindelig rejsetid. Alt andet lige vil det føre til, at rejser i TU er længere i gennemsnit end i Google Maps.

Det er svært at vide, hvilken af effekterne der dominerer, men generelt kan vi se fra beregningen af den gennemsnitlige rejsetid, at rejserne i TU er lidt længere end rejserne i Google. Det tyder på, at især afrundingen kan spille en stor rolle. Det har vi testet i følgende boks.

y=-0,003x2+1,0038x+0,9853 R2=0,8177

Hvorfor er der større forskel i rejsetider? Vi kan tage højde for afrundingen

Udkast

(22)

0 1 2 3 4 5

Samlet By Land Kort rejse Lang rejse Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Aften/nat Dag Myldretid

Rejsetidsfaktor

6 2 13 4 9 1 12 10 8 7 8 6 6

Andel rejser, som ikke kan gennemføres, %

Eksempel: Er den kollektive transport et alternativ til bilen?

(fortsat)

Gennemsnitlig rejsetidsfaktor

(eksempel: Rejsetidsfaktor = 2: Fordobling af rejsetiden)

De orange linjer angiver spændet for de midterste 50% af rejserne Hvor meget stiger rejsetiden?

• Kun 1% af rejserne kan gennemføres

hurtigere med kollektiv transport end med bil.

• For 25% af turene tager det mere end fire gange så lang tid med kollektiv transport som med bil.

Rejsetidsfaktor Andel af rejser

Mindre end 1 1%

1-2 19%

2-3 34%

3-4 22%

Større end 4 25%

I alt 100%

Referencer

RELATEREDE DOKUMENTER

I de tidligere kapitler har det flere gange været nævnt, at de unge finder det svært at tale om specielt de sociale problemer, herunder at det er begrænset, hvor omfattende en

Johan Otto Angelberg virkede som forstmand i en periode midt i 1690erne. Han blev ansat som vandrelærer i skovdyrkning, og i den anledning ud- sendtes en forordning

Det forventede specialundervisningsbehov er beregnet på baggrund af en statistisk model (KORA-modellen), som tager højde for den statistiske sammenhæng, der er mellem

Når medarbejdere og afsonere som et led i det socialpædagogiske arbejde på Kriminalforsorgens pensioner tager en snak, synes det langt hen ad vejen at være afsonerne, der

Den aktuelle danske debat om Nationalt Genom Center har rejst spørgsmål som for eksempel: Hvordan skal borgere give samtykke til at lade deres genomer blive opbevaret i

Dermed er der stor sandsynlighed for, at nogle studerende ikke lærer deres ‘kompetencer’ at kende endsige udvikler disse eller andre, hvilket ellers er et af de eksplicitte

pejlemærke for Vittarp-folk der skulle over spanget ved Søvig Bæk, og højen ligger da også på noget nær det højeste punkt på vejen mellem Vittarp og Søvig Bæk. Vejforløbet har

Når den medikaliserede hospitalsarkitektur skal løse kliniske behov, skal den altså ikke bare gøre det ved at støtte op om menneskets fysiologiske liv, men også ved at stimulere