Publications
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Prediktioner av andelen personer som går respektive cyklar till jobbet: resvaneundersökningar i kombination med geografiskt högupplösta registerdata
Swedish National Road and Transport Research Institute, Society, environment and transport, Transport economics, TEK.
2014 (Swedish)Report (Other academic)Alternative title
Predictions of the share that walk or bicycle to work : travel surveys combined with register based data with high geographic resolution (English)
Abstract [sv]

Trafikverket har under senare år utvecklat ett verktyg för samhällsekonomisk lönsamhetsbedömning av investeringar i gång- och cykelinfrastrukturen – ”GC-kalk”. Dessa bedömningar baseras bland annat på antalet personer som går eller cyklar mellan en start och en målpunkt (en s.k. OD-relation) i det jämförelsealternativ (JA) som används. Denna rapport använder den svenska resvaneundersökningen (RES) i kombination med SCBs registerdata över den svenska befolkningen och alla arbetsställen, för att på ett enkelt sätt producera en prediktion av antalet fotgängare respektive cyklister i ett litet geografiskt område. Grundproblemet är alltså att registerdatamaterialet inte innehåller information om vilket färdmedel individerna väljer för att ta sig till jobbet.  En viktig restriktion för denna rapport är att det i dagsläget inte finns nationellt heltäckande information om nätverken för gång- och cykelvägar, därför har sådan information inte kunnat användas. En av huvudfrågorna för denna rapport är hur bra prediktioner för färdmedelsval man kan få från en modell som estimerats på en nationell resvaneundersökning. Därför utvärderas ett antal olika modeller med en form av korsvalidering som baseras på så kallad bootstrap-metod. Denna metod innebär också att den del av prediktionsfelet i registerdata vilket beror på stickprovsvariation i resvaneundersökningen enkelt kan simuleras för varje individ i registerdatamaterialet. Resultaten tyder på att prediktionskvaliteten från den modell som bedöms ge bäst prediktioner sett över hela landet varierar mellan olika län. Den valda modellen används också för att illustrera hur prediktioner på låg geografisk nivå kan genereras. Dessutom diskuteras hur osäkerheten i de individuella prediktionerna kan användas för att väga in annan information som kan finnas när antalet personer som går eller cyklar till jobbet ska bestämmas i en specifik utredningssituation och i en specifik OD-relation.

Abstract [en]

The Swedish Transport Administration has recently developed a tool (“GC-kalk”) for assessing investments in the infrastructure for walking and bicycling. These assessments are inter alia based on the number of individuals that walk or bicycle before the investment. This report uses the Swedish national travel survey combined with register based (administrative) data with high geographic resolution to generate predictions of the number of people walking or cycling to work in a small geographic area. The basic problem is that the register based material that includes the entire Swedish population and all work places does not include information about mode of transport for the journey to work. Therefore the travel survey is used to fill in this information. A main question of this report concerns the quality of predictions on mode choice that you get from a model estimated on a national travel survey. Therefore a set of models are evaluated by cross validation based on the so-called “bootstrap” method. This method also implies that the uncertainty in mode choice predictions that depend on the sample variation in the travel survey easily can be simulated for all individuals in the register based data. The results suggest that the quality of predictions derived from the model that gives the best predictions at the national level vary across different counties. The chosen model is also used to illustrate how predictions of the shares of individuals walking or bicycling to work in a small area can be generated. In addition, the report discusses how the uncertainty in individual predictions can be used to consider other available information when the number of persons walking or bicycling shall be assessed in a specific situation and in a specific origin-destination pair.

Place, publisher, year, edition, pages
Linköping: Statens väg- och transportforskningsinstitut, 2014. , 42 p.
Series
VTI notat, 20-2014
Keyword [en]
Walking, Cycling, Journey to work, Prediction, Estimation, Calculation, Mathematical model, Probability, Modal choice
National Category
Economics
Research subject
10 Road: Transport, society, policy and planning, 113 Road: Cycling, walking and moped transport
Identifiers
URN: urn:nbn:se:vti:diva-7261OAI: oai:DiVA.org:vti-7261DiVA: diva2:750960
Available from: 2014-09-30 Created: 2014-09-30 Last updated: 2017-03-30Bibliographically approved

Open Access in DiVA

fulltext(835 kB)55 downloads
File information
File name FULLTEXT01.pdfFile size 835 kBChecksum SHA-512
5d46a0e7ed1945d8a5ddfd168a06c78be9e69b6972bdb4ce9a51cac85612d215fcbb0072b994865c46e5472f500f8ea2961b63bb4169628cea138ab9ca19d8a5
Type fulltextMimetype application/pdf

Search in DiVA

By author/editor
Isacsson, Gunnar
By organisation
Transport economics, TEK
Economics

Search outside of DiVA

GoogleGoogle Scholar
Total: 55 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

Total: 69 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf