Policy for supplying charging infrastructure is an important issue for acceleration of car electrification. In Sweden, most early buyers of chargeable vehicles have been residents in detached houses. Residents in apartment buildings have been assessed to be more dependent on public charging. This paper therefore examines how access to public charging affects the probability of buyers to choose a chargeable car. The main result suggests that both private and public charging close to home and work increase the propensity for buyers of private cars to choose a chargeable car, but private charging had a relatively larger impact than existing densities of public charging stations in 2019. The results therefore raises some doubt on the intense focus on providing public charging infrastructure to speed up car traffic electrification, and perhaps more focus could be put on regulating the provision of private charging possibilities for residents in apartment buildings.

För att undersöka effekten av tillgång till laddinfrastruktur på bilval skattar vi om den del av Bilparksmodellen som modellerar val av biltyp och inkluderar antal publika laddstationer inom 1km från individens hem respektive arbete. Vi använder registerdata om individer och privatägda bilar (från SCB) från 2019, eftersom 2019-data inte är påverkade av de långa förseningar i billeveranser som skedde under Covid-19-pandemin. Vidare kontrollerar vi för hushållsinkomst, bostadstyp, ha mer än en bil i hushållet och ha fått bidrag för att installera laddstation i bostadsrättsföreningen. Modellen är en multinomial logit modell med 597 biltyps-alternativ att välja mellan, som definieras av märke, bränsletyp och bränsleförbrukningsklass. Ett stort antal attribut inkluderas för att beskriva biltypsalternativet, dessa data kommer från Bilvision och inkluderar bilens inköpspris, driftskostnad, rostgaranti, storleksklass, säkerhetsnivå etcetera.

Resultaten från modellskattningen visar en signifikant men liten effekt av antal publika laddstationer inom 1 km från bostaden på benägenheten att köpa en elbil eller laddhybrid. Det samma gäller vid arbetsplatsen. Effekten av privat laddning vid småhus eller lägenhet är betydligt större. Hushållsinkomst påverkar i modellen genom att de lägre inkomstgrupperna är mer känsliga för inköpspris. Vidare visar resultaten av skattningen att de som har mer än en bil i hushållet har större benägenhet att köpa elbil. Benägenheten att köpa elbil och laddhybrid är mindre i småstäder jämfört med på landsbygden och i storstäder.

I denna studie har vi undersökt samband mellan individuella köpare av nya personbilar och deras benägenhet att välja elbil eller laddhybrid givet deras placering och typ av bostad och arbete i relation till utbudet av publik och privat laddinfrastruktur. Resultaten indikerar att de senaste årens tryck på att snabbt bygga ut publik laddinfrastruktur kan vara överdriven och att det kan vara bättre att lägga mer fokus på att stödja utbyggnad av privat laddinfrastruktur för boende i lägenhet.

The European rail sector has united within the Shift2Rail programme to develop new technologies to increase the competitiveness of European rail. However, technological development, such as electrification, is also rapid in the road sector. Here, we model the effects of Shift2Rail innovations on rail market shares for three passenger transport use cases: high-speed, regional, and metro corridors. We find that Shift2Rail innovations could increase high-speed and regional rail market shares substantially in the scenario without the high penetration of electric cars, but only moderately when there is high penetration of electric cars. Since the competition from electric cars will increase over time, the best chance of sustaining or increasing the rail market share lies in the near future. Our results further suggest that electric cars are less competitive in congested metropolitan areas and hence pose less of a threat to metro corridors.  

Vid nationell planering av större infrastrukturprojekt använder Trafikverket modellen Sampers för att utvärdera projektens påverkan på persontransporter (antal resor, restider och flöden), för att beräkna om projekten är samhällsekonomiskt lönsamma. Sampers har en modul för långväga resor över 100km, vilken inte uppdaterades i den nya Sampers4 som släpptes våren 2024. Långväga resor är inte lika många som de regionala resorna, men eftersom de ofta sker över långa avstånd har de ändå stor påverkan på till exempel utsläpp. I Sampers långväga modul finns en modell för generering av långväga inrikesresor. Denna modell beräknar hur många resor som genereras från varje av de 682 zonerna, uppdelat på privat-, arbets- och tjänsteresor. Nuvarande genereringsmodell har ett antal brister: 1) Den överskattar totalt antal långväga resor som genereras från storstads-zoner, 2) Den överskattar antal långväga tjänsteresor, 3) Den lyckas inte fånga Gotlands speciella karaktäristik som svårtillgänglig ö med många turistresor.  

I detta projekt testar vi hypotesen att zoner som har många målpunkter inom 100km genererar färre långväga resor per person jämfört med zoner som har få målpunkter nära. Logiken är att ett rikt regionalt utbud minskar efterfrågan på långväga resande. Liknande tillgänglighetsmått finns i USA:s nationella modell (FHWA 2018). I nyttofunktionen i skattningen lägger vi till två variabler – en som beskriver tillgänglighet till målpunkter inom 100 km (regional logsumma) och en som beskriver tillgänglighet till målpunkter bortom 100km (långväga logsumma). Vi använder data från nationella resvaneundersökningen RVU2011-16 för att skatta genereringsmodeller för långväga inrikesresor. Modellerna skattas som binära logit-modeller där valet står mellan att resa eller att inte resa. Eftersom de parametrar som skattas i resegenereringsmodellen i detta projekt är tänkta att tillämpas på den syntetiska befolkning som finns i Sampers4, utvärderas enbart socioekonomiska förklaringsvariabler som både finns med i RVU 2011–2016 och i den syntetiska befolkningen. Bland förklaringsvariablerna finns ålder, kön, barn i hushållet, boendeform villa, individinkomst, hushållsinkomst och tillgänglighet på regionala och långväga avstånd.  

Modelling of long-distance travel is often overlooked in national transport models, which is problematic, for example, when assessing the impacts of large railway investments involving a substantial share of cross-border travel. One kind of long-distance travel is visitors’ trips. In this paper, we estimate trip generation, mode and destination choice models for visitors’ long-distance trips to Sweden using survey data on incoming visitors collected at the Swedish border and major airports and ferry terminals. We describe the modelling challenges faced, such as having origin data on the country level only. We explain visitor choice of the destination zone in Sweden using point-of-interest data from open-street-map. Travel time and travel cost elasticities are calculated for a railway investment scenario. The results show that reducing door-to-door travel time by rail is more important than reducing travel costs if the goal is to switch visitors’ trips from air and car to rail.

The aim of this study is to improve the modeling of emerging road freight technologies in the Swedish national freight model Samgods and to develop methods for generating and analyzing large ensembles of scenarios that account for uncertainties related to the development and impacts of such technologies. The focus is on modeling of battery electric and driverless trucks. A case study is conducted to explore the impacts of input uncertainty related to the development of battery electric and driverless trucks on the current base forecast for 2045. In the base forecast, it is assumed that a decarbonization of the road freight transport system will be achieved through large-scale adoption of battery electric trucks complemented by conventional trucks operating with 100% biofuels.

A set of tools has been developed which includes the following: Extension of the logistics module in Samgods (Logmod) to include three parallel groups of trucks that can complement and compete with each other. Model representations of key aspects of truck electrification and automated driving such as: routing that accounts for driving range and charging infrastructure locations, impacts on vehicle characteristics and operating costs, and operational constraints for driverless trucks depending on their automation level.

The modeling of battery electric and automated trucks is achieved through a combination of input models that calculate scenario specific vehicle parameters, exogenous datasets of scenarios for public charging locations and routing tools to calculate route-specific charging patterns and their associated time and monetary costs and to account for route-specific feasibility of driverless truck operations. The results include impacts in terms of key system indicators including modal split, the share of transport work by each truck technology type, system costs, biofuel and electricity use. Tools for scenario discovery are used to identify scenario conditions that generate substantial deviations in outcomes compared to the base forecast.

Kollektivtrafikresenärer väljer sina rutter baserat på preferenser för olika serviceattribut, såsom väntetid och bytestid med mera. Att förstå och kunna modellera dessa preferenser spelar en central roll i transportplaneringen, vid prioritering av åtgärder, och är avgörande för att få realistiska flödesfördelningar vid nätverksutläggning av kollektivtrafik och därmed vid skattning av tidsvärden. Under de senaste decennierna har det blivit allt vanligare att använda passivt genererade empiriska data, såsom GPS (Global Positioning System) och AFC-data (Automatic Fare Collection), för att modellera ruttval inom kollektivtrafiken. Traditionellt har experimentella stated preference-undersökningar nyttjats för att skatta preferenser för restidskomponenter i kollektivtrafiken, men sådana har visat sig ha vissa begränsningar.

Denna pilotstudie syftar till att undersöka både lämpliga datakällor och metodik för skattning av ruttvalsmodeller för kollektivtrafik. Studien kommer främst att använda två datakällor: GPS-data som har hämtats från resedagböcker i appen TRavelVU samt data från SL Accesskort. SL Accesskort-data har god representativitet men saknar information om anslutningsdelen av resan. TRavelVU-data, å andra sidan, är begränsad till ett mindre antal individer, men möjliggör fullständiga observationer av ruttval från zon-till-zon.

I denna pilotstudie utvecklas därför en metodik där anslutningsdelen av resan modelleras baserat på observationer från TRavelVU-data. Metoden genererar sedan anslutningsdelen för accesskortdata, vilket gör det möjligt att skapa syntetiska zon-till-zon-resor med kollektivtrafik. En Path-size Logit-modell skattas utifrån dessa syntetiska resor. Resultaten visar att modellen kan fånga effekter som anslutningsrestid, väntetid och bytestid, men skattade vikter för väntetid samt restid i fordon för tunnelbana är låga. Dock identifierades vissa begränsningar med denna metod, vilket öppnar upp för vidare forskning inom området.

Public transport passengers choose their routes based on preferences for different service attributes, such as waiting and transfer times. Understanding and modelling these preferences plays a central role in transport planning and is crucial for public transport network design and time value estimation. However, in recent decades, it has become increasingly common to use passively generated data, such as Global Positioning System (GPS) and Automatic Fare Collection (AFC) data, to model route choices in public transport.

This pilot study aims to investigate both suitable data sources and methodology for estimating route choice models for public transport. The study will mainly use two data sources: GPS data collected from travel diaries in the app TRavelVU and data from SL Accesskort. SL Accesskort data has good representativeness but lacks information on the access and egress parts of the trip. TRavelVU data, on the other hand, is limited to a smaller number of individuals but allows for complete observations of route choice from door-to-door.

In this pilot study, a methodology is therefore developed where the connection (access and egress) part of the trip is modelled based on observations from TRavelVU data. The methodology then generates the connection part of the access card data, making it possible to create synthetic zone-to-zone trips by public transport. A Path-size Logit model is estimated from these synthetic trips. The results show that the model can capture effects such as connection travel time, waiting time and transfer time but the estimated weights for waiting time and in-vehicle time for subway are generally low. Some limitations are identified with this method as well, which opens up for further research in the field.

För att kunna utveckla ett hållbart transportsystem i framtiden behövs information om klimatpåverkan från olika transportslag, inklusive flyget. Det finns i dagsläget mycket lite kunskap om hur klimatpåverkan från flyg kan se ut i framtiden, på grund av den snabba omställningen som väntas inom den närmaste tiden.

Studiens mål är att utveckla en optimeringsmodell som undersöker prissättning och turtäthet (antal flygningar per dag) för regionala flyglinjer med framtida elflygplan. Liknande modellformulering har tillämpats för att uppskatta optimal banavgift. Studien analyserar varje flyglinje separat baserat på historisk resenärstatistik på varje linje. För en given flyglinje, t.ex. Stockholm-Umeå, kommer optimeringsmodellen att tillämpas för att identifiera om det är ekonomiskt lönsamt att trafikera linjen med framtida elflygplan och om inte, vilka styrmedel som kan behövas.

Optimeringsmodellen kommer att tillämpas först på inrikes regionala flyglinjer i Sverige. Optimeringsmodell delas upp i en efterfråge-modell och en kostnadsmodell. Efterfråge-modellen beräknar antalet flygresenärer med hänsyn taget till färdmedelsval, givet flygprissättning och turtäthet, tillsammans med restid/kostnader för konkurrerande färdmedel, dvs tåg/bil. Kostnadsmodellen beräknar driftskostnader för flygningarna (enligt turtäthet) med en given specifikation för elflygplanskonceptet. Vi antar att flygbolag sätter pris och turtäthet för en given linje som ett vinstmaximerade bolag och formulerar optimeringsmodellen utifrån detta.

Resultat från optimeringsmodellen belyser de flyglinjer som kan ha en positiv vinst om ett elflygplan används för den linjen. Vidare gör vi en efterföljande analys av de resultat och förutsättningar för en övergång till elflygplan som behövs för de linjerna. En känslighetsanalys testar olika flygplanskoncept för de identifierade flyglinjerna. 

Eftersom rena elflyg på längre sträckor sannolikt ligger långt fram tiden så behövs information om biobränslens effekt på klimatet och därmed hur flyget förhåller sig till andra trafikslag, t.ex. på vilka sträckor flyget är ett bra alternativ till andra transportslag och hur olika elektrifieringsgrad påverkar klimatet. Denna studie förväntas som ett första steg att besvara de frågorna.

Although long-distance international travel contributes significantly to global emissions from the transport sector, disaggregated travel demand forecasting models on long-distance international travel are scarce. Large infrastructure investments such as high-speed rail may have a profound impact on long-distance international travel demand and thus need to be evaluated using such models. In this study, a disaggregated travel demand forecasting model is estimated using Swedish national travel survey data from 2011-2016 along with detailed supply data from European road, train, and ferry networks and a World-wide air network, aiming at forecasting Swedes’ long-distance travel abroad. Mode choice, destination choice and trip generation are modelled by traditional Nested Logit models and Multinomial Logit models. The model is segmented by purpose (private or business) and for private trips also by number of nights away. The model estimation results reveal effects of individual socio-economic attributes, level-of-service attributes, and destination characteristics. Marginal effect estimates of level-of-service attributes for train suggest that infrastructure investments in high-speed rail network may have a profound effect on demand for long-distance international travel, especially for business trips.