1. Sampers – en pers för höghastighetståg – Problem och möjligheter Adj.Professor Bo-Lennart Nelldal KTH Järnvägsgrupp 2010-01-14

2. Kostnad Konkurrens/ samverkan Lönsamhet KTH Järnvägsgruppen - Systemsyn Intäkt Effektiva tågsystem

4. Översikt av olika prognoser för Götlandsbanan-Europabanan Ej hela marknaden Tåg-flyg-resor Logit Endast tåg -flyg inrikes Sthlmsberedn 2002 För konservativ Manuell justering krävs Resgenering, målpunktfördeln Sampers rev +Emme2, Logit Alla resor Inkl Själland Sampers 2007 Sampers 2008 Kräver noggrann kalibrering Färdmedelsval Sampers+Vips rev Alla resor Inkl i utlandet Samvips 2008 Samvips 2009 Inrikesresor mycket grova Internationella resor System (mikro, makro, logit) Ej Regionala UIC 2002 Kräver noggrann kalibrering Färdmedelsval Sampers+Vips Alla resor Inkl i utlandet Samvips 2002 För konservativ, Inkonsistent Resgenering, målpunktfördeln Sampers+Emme2 Logit Alla resor Inkl Själland Sampers 2002 Endast berörda relationer Regionala resor Matsrisberäkning, Arbetsmarknader Alla resor Infraplan 2002 Endast berörda relationer Interregionala resor Matrisberäkning Alla resor KTH 2001 Något gamla indata Interregionala resor Flera (matris-beräkn, logit) Ej Regionala SJ 1995 Svaghet Styrka Modelltyp Omfattning Prognos

5. Från verklighet till samhällsekonomisk kalkyl Verklighet Prognos Samhällsekonomisk kalkyl Prognosmodell Estimering Kalibrering Prognos- förutsättningar Värderingar

7. Modellens omfattning - Exempel från Europakorridoren

8. Nivåproblemet: 20% av transportarbetet saknas Källa: Sampers prognos för 2006 jämfört med Banverkets och SIKA:s statistik för 2006

9. Prognos och verklighet - Skillnad mellan Sampers och statistik för 2006 Störst skillnad på långväga bilresor men påverkar totalmatrisen

11. Olika sätt att beräkna och definiera resandet

12. Sampers: Mycket små färdmedelsvaleffekter 80% nygenererade resor Samvips: Betydande färdmedelsvaleffekter 70% omfördelade resor Källa: Prognoser med Sampers och Samvips för Götalandsbanan 2008, BV och KTH Resultat jämförelse Sampers-Samvips för Götalandsbanan

15. Prognos och verklighet - Prognoser med prognosmodellerna Sampers och Samvips jämfört med verkligheten

16. Prognos och verklighet - Prognoser med prognosmodellerna Sampers och Samvips jämfört med verkligheten Sampers Samvips

17. WSP analys av tåg-flyg i Sverige

18. Nyare data för Europa - Pågående analys på KTH

19. Market share Madrid-Sevilla Before and after high speed train 1991 Rail 14% Bus 15% Car 60% Air 11% 2000 Rail 54% Bus 8% Car 34% Air 4%

20. 1993 Regional trips (millions per year) Södermanland county PTA buses 1997 Car Estimated regional travel 1 2 3 4 5 1998 1996 1995 1994 0 2000 1999 2001 Train SJ bus Long-distance express bus Train The Svealand line Effekterna av regionala snabbtåg: Svealandsbanan Stockholm-Eskilstuna

21. Utvecklingen av biltrafiken i Frankrike efter TGV

22. Utvecklingen av flygtrafiken i Frankrike efter TGV

23. Var kommer TGV-resenärerna ifrån? - Erfarenheter från Paris-Lyon

27. Sampers och Samvips Socio-ekonomiska förutsättningar Bilinnehav Resgenerering Målpunktsfördelning Färdmedelsfördelning Utbudsdatabas Emma-systemet Resenärskategorier Efter tidsvärden Sampers Samvips Bilinnehav Färdmedelsfördelning och färdvägsfördelning VIPS Utbudsdatabas VIPS Matris från Sampers Färdvägsfördelning emma

30. Fordons- och produktfaktor mätt i restid Källa: SP-undersökningar

31. Yield management (Doganis, 2002, p 284) Fare (€) Demand (seats sold) 100 50 50 100 0 0 Consumer surplus Demand curve C Fare (€) Demand (seats sold) 100 70 80 100 0 0 Consumer surplus M1 Fare (€) Demand (seats sold) 100 80 60 100 0 0 Consumer surplus minimised Y1 Cost-based fare Revenue: €2500 Fare: C=€50 Market-based fare no yield management Market-based fare with yield management M2 M3 40 20 50 20 80 40 20 Y2 Y3 Y4 60 40 20 Revenue: €3200 Fares: M1=€70 M2=€50 M3=€20 Revenue: €4000 Fares: Y1=€80 Y2=€60 Y3=€40 Y4=€20 Möjlighet att laborera med olika taxor - För olika operatörer, linjer och kundgrupper

32. Resmatriser i Sampers-Samvips

34. Effekt av utbyggnad av höghastighetsbanor och stambanorna

35. Jämförelsealternativet Stambanealternativet Antal resor med tåg 2020

36. Stambanealternativet Höghastighetsalternativet Antal resor med tåg 2020

37. Stambanealternativet Höghastighetsalternativet Förändring i antal resor med tåg och flyg 2020

38. Kortsiktiga och långsiktiga effekter Socio-ekonomiska förutsättningar Bilinnehav Resgenerering Målpunktsfördelning Färdmedelsfördelning Enskilda länkar i befintliga transportsystem Nya socio-ekonomiska förutsättningar Marginella förändringar Systemförändringar Bilinnehav Resbehov Lokalisering Dynamiska effekter på konkurrerande utbud Hela nätverk, nya transportsystem Prognosmodell

40. Utveckling av järnvägens marknadsandelar i Sverige, Europa, Japan och USA Källa: Bo-Lennart Nelldal, Järnvägsgruppen KTH

41. Förutsättningar för järnvägen i olika länder Källa: Bo-Lennart Nelldal, Järnvägsgruppen KTH

45. Tack! [email_address] Hemsida: www.infra.kth.se/jvg